基于解码转发网络编码的多天线双向中继证据理论接收方法
【技术领域】
[0001] 本发明设及一种基于解码转发网络编码的多天线双向中继证据理论接收方法，通 过证据理论与解码转发网络编码的融合，设计一种提高多天线双向中继接收端误比特率性 能的检测算法，属于协作通信与多输入多输出系统信号处理研究的相关领域。
【背景技术】
[0002] 双向中继技术(two-way relay)作为协作通信技术的关键之一被广泛使用。它可 W提高通信系统的覆盖面积，吞吐量W及降低能耗。传统的单天线双向中继技术完成一次 信息交换需要四个时隙，导致频谱效率的降低。然而，随着多输入多输出(multiple-input multiple-ou化Ut, MIMO)技术作的飞速发展和广泛利用，MIMO技术与双向中继技术的结合 可W有效的提高频谱效率，并增加通信链路的可靠性。随着网络编码(network coding,NC) 的进一步提出，基于网络编码的多天线双向中继完成一次信息交互只需要两个时隙，即为 多址阶段和广播阶段。多址阶段为两个用户同时发送各自信息至中继节点，广播阶段为中 继节点向两个用户同时发送相同的信息。因此，基于网络编码的多天线双向中继系统可W 进一步提高系统容量，吞吐量及频谱效率，而可靠的中继接收算法是系统获得最优性能的 重要因素。
[000引在多天线双向中继系统中，基于解码转发网络编码的最大似然（maximum likelihood, ML)接收算法提供了最优的接收性能。然而，关于发射天线数呈指数趋势增长 的复杂度及解码转发网络编码的局限性，使该算法难W广泛应用。为了实现低复杂度中继 接收算法，基于解码转发网络编码的线性接收算法被应用。例如迫零(zero forcing,ZF)和 最小均方误差(minimum mean square error,MMSE)接收算法。同时，为了进一步提高中继 接收信号的误码性能，降低网络编码操作的复杂度，基于物理层网络编码(physica^layer network coding,PNC)的对数似然比（log UkeUhood ratio,IXR)合并算法被应用。该算 法首先通过线性检测算法获得接收信号的判决统计量并计算软信息，然后计算不同发送符 号的对数似然比并通过基于物理层网络编码的似然比准则得到最终的判决结果。然而，基 于PNC的化R合并算法相比于基于解码转发网络编码的ML接收算法在误码性能上仍有较大 的差距。
[0004] 因此，基于W上分析可见，在复杂度有所降低的情况下，迫切需要一种接近最优误 码性能的接收算法。
[0005] 近些年来，由于证据理论(Dempster-Shafer evidence theory,D-S)在模式识别， 智能融合等领域获得较好的性能，所W被研究者广泛地关注。证据理论是一种基于构造型 概率解释的广义贝叶斯理论，其理论阐述了对概率的推断不仅要强调证据的客观性而且也 要强调证据估计的主观性。所W它能够很好地描述一个假设命题的不确定性。在证据理论 中，设一个包含全部相互独立假设命题的有限集合为识别框架，每一个子集的初始信度分 配由集函数基本信度分配(basic probability assignment,BPA)函数来表达。一般而言， 通常利用概率密度函数作为BPA函数的一种表达方式且通过BPA函数计算后基本信度不为 零的集合称之为焦元集合。在确定了各个子集的基本信度之后，再利用证据理论的合并规 贝!!(Dempster'S rule)将不同证据作用下焦元集合的基本信度进行合并。证据理论的合并 规则可W大大降低各个假设命题的不确定性，从而得到精确的结果。
[0006] 综上所述，本发明的主要目的是将证据理论算法引入多天线双向中继系统并与解 码转发网络编码融合，在复杂度有所降低的情况下，使中继接收端获得接近最优的误码性 能。
【发明内容】
[0007] 为了在相对较低的复杂度下实现近似最优接收算法的误码性能，本发明提供了一 种基于解码转发网络编码的多天线双向中继证据理论接收方法。证据理论是利用基本信度 分配函数描述衰落信道和噪声产生的不确定性，并在接收端通过证据理论合并法则降低接 收信号的不确定性，最终通过最大值判决准则或最小点判决准则获得可靠的传输信号。
[0008] 本发明的主要目的是通过证据理论与解码转发网络编码的结合提高双向中继接 收端的接收性能。为实现上述目的，本发明采用的技术方案是:首先建立不含直接链路的多 天线双向中继系统模型；然后，建立基于证据理论的数学模型；最后，通过证据理论与解码 转发网络编码的结合设计一个中继接收方法并分析所提出方法的性能。
[0009] 本发明所采用的技术方案包括W下步骤：
[0010] 步骤1，建立不含直接链路的多天线双向中继系统模型。
[0011] 多天线双向中继系统是由两个单天线用户和一个含有M根天线的双向中继组成。 该系统多址阶段模型等效为虚拟MIMO系统并表示为：
[0012] 7 =化+。 (1)
[001引式（1)中，H表示一个邮X2维的信道矩阵，邮含2表示中继接收天线数，矩阵元素建 模为均值为0,方差为1的独立同分布的复高斯变量；y = b，托，...代表中继接收端的接 收信号向量，上标T表示转置；x = h.jJ'.(v e-J)表示的两个用户的发送向量，其中Xi i = 2 代表发送向量X中第i个用户发送的符号，即Xl表示用户Si的发送符号，X2表示用户S2的发送 符号，发送向量元素Xi取自相同的BPSK或QPSK星座图集W。Ii = …成。了表示服从均值为 0,方差为式I,,g的复高斯白噪声向量，I。。表示一个大小为mXm的单位矩阵。此处定义用户 之间由于深度衰落无法直接通信，即不含直接链路；中继与用户之间的通信信道处于一个 准静态平坦衰落环境，即信道矩阵H在一帖内保持不变，不同帖之间独立变化，且信道状态 信息在接收端为已知的，在发送端是未知的。
[0014]将式(1)中的系统模型等效写为
(2)
[0016] 式(2)中，yi表示双向中继中第i根接收天线上的接收信号;Xj表示用户&的发送符 号；hij，hii表示信道矩阵H中的元素。
[0017] 步骤2,建立证据理论的数学模型。
[001引步骤2.1，识别框架的确定。
[0019] 由于两个用户采用相同的调制模式，故中继接收端所确定的识别框架应为对应的 星座调制集合。因此，设所用的星座图集W为识别框架。由于复杂度的影响，只考虑识别框 架W中的单点焦元集合Al和两点集A2作为计算对象。
[0020] 步骤2.2，确定基本信度分配函数的表达方式。
[0021] 根据证据理论的基本概念可知，基本信度分配函数m( ?)表达证据建立的信度的 初始分配，且满足下列条件：
[0022] m(巫）=0 (3)
[002；3] V'4[、|J'/h(,4)>() (4)
[0024] Z'"W = I 棋 V如乎
[0025] 其中，A表示识别框架W中任意一个子集；O表示为空集。根据上述条件，定义识别 框架W中每个子集的基本信度分配函数可W通过中继端接收信号的条件概率密度函数来 计算。由于本模型中信道和噪声均服从复高斯分布，所W接收信号的条件概率密度函数表 示为：
衙
[0027] 式(6)中，r表示随机变量;a(A)代表随机变量r的特征值，即r的期望;O2表示随机 变量r的方差。
[0028] 步骤3,计算双向中继每根接收天线上每个用户的估计值。
[0029] 步骤3.1，利用线性检测算法获得中继接收天线上每个用户的估计初值。
[0030] 利用ZF线性检测算法得到中继接收天线上每个用户的估计初值可由式(7)进一步 表示为：