本发明属于无线通信技术领域,涉及多输入输出(multiple-inputmultiple-output,mimo)、稀疏码多址(sparsecodemultipleaccess,scma)技术以及相关的信号检测技术,具体的说是涉及一种用于mimo-scma系统的低复杂度检测方法。
背景技术:
随着信息时代、智能终端以及物联网技术的不断改进与完善。现有无线通信系统已经越来越难以满足海量的终端接入请求,以及用户对于超低延迟、超高速率的通信要求。在众多的非正交多址接入技术中,scma通过采用稀疏码本的方式,它将用户的信息进行高维调制、稀疏扩频处理后,可以实现不同用户的码字在相同资源块上的非正交叠加,因此可以在有限的频谱资源上承载更多的用户请求。mimo技术由于其自身的分集增益和复用增益的特点可以增加系统的容量。因此,scma技术和mimo技术是通信系统中受欢迎的两种改善系统性能的技术。将两种技术结合使用的系统可以进一步提高频谱效率、提升系统容量、改善误码性能,因此已经成为业界研究的热点。其中,由于mimo技术中的多天线设置会对信号的检测造成很高的计算复杂度,因此,设计具有低复杂度高性能的信号检测器对于更好的利用mimo-scma系统具有很大的意义。
在通信系统中,接收机的设计往往直接关系到系统的性能与成本。针对mimo-scma系统,目前典型的算法可以分为两类:一类是将迫零算法或最大均方误差算法与消息传递算法检测结合的方式,属于先进行mimo检测,将检测结果作为条件输入消息传递算法。优点是复杂度较低,缺点是检测性能较差;另一类是将是最大似然(maximumlikelihood,ml)检测算法,属于联合检测算法,需要联合搜索多个用户可能发送的码字,优点是具有最佳的误码率性能,缺点是复杂度随着用户个数、发射天线数和码字数呈指数增长;为此,针对上述算法的局限性,本发明基于联合检测的思想上,使用改进的具有低复杂度的期望传播算法作为mimo-scma系统的检测算法。
技术实现要素:
本发明针对mimo-scma系统提出了一种基于联合检测思想,采用期望传播理论为基础来设计低复杂度检测算法的思路。主要思路方案如下:根据已知条件,开发了低复杂度期望传播和虚拟联合因子图,提出了一种新的初始化方法来加速收敛并降低复杂度。其次,近似联合后验分布不再是所有天线的先验分布匹配完成后批量更新,而是在每根天线的先验分布匹配结果得到后立即进行更新,从而加快信息更新速度。
本发明的技术方案是:
mimo-scma系统链路图如图1所示,具体步骤如下:
步骤1:产生信息比特。假设系统用户数为j,资源数为n,发射天线数为nt,每个基站的接收天线数为nr,码本码字数为m,则发送端生成总的信息比特数为jntlog2(m)。
步骤2:scma编码扩频。首先,将各个用户的比特流
步骤3:在发送端,各个用户的信息经过scma编码后得到的码字叠加在一起,经过天线发送出去,经过无线信道到达基站。
步骤4:接收端进行信号检测。对于某个接收端,其接收信号可以表示为:
yn=hnxn+ωn
其中
步骤4-1:数据初始化:
进入迭代过程,如图2所示,信息在资源节点和用户节点之间迭代传输,令i=1表示正在进行地迭代次数,nite表示最大迭代次数;i<nite;i+1;继续执行下一步;
步骤4-2:资源节点向变量节点更新信息,在已知完整信道信息和信道噪声的前提下,让
期望传播算法是基于贝叶斯推理的一种近似算法,算法的核心思想是“近似”,对于一个复杂的概率分布q(x),用一个简单的分布p(x)去代替,而要满足
本方案中的联合分布可以写为:
近似替代分布可以写为:
其中δk表示vk层的码字先验概率。上式中涉及对所有层的所有码字的联合空间(离散集)的全局搜索,因此
设近似替代分布以及vn和fn信息更新满足以下高斯分布:
在资源节点上的信息更新可以看成求解
其中接收信号yn可以看作是所有层的发射信号加上噪声的组合,有下式:
步骤4-3:变量节点向资源节点更新信息可以看作是求解
步骤4-4:为了实现最小化实际分布之间的kl差异,
其中:
此外,后均值
其中
结束后向量计算。
步骤4-5:计算最大后验似然比
这里
定义
以同样的方式定义
这里的
本发明的有益效果是:
本发明针对mimo-scma系统提出了一种低复杂度的检测方法,该方法的主要优点表现在:该检测方法复杂度相较于ml算法具有低复杂度的特点,在检测性能上相较于传统mmse-pma有着误码率的优势。
附图说明
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作优选的详细描述,其中:
图1是mimo-scma系统链路框图
图2是本发明提出的针对mimo-scma系统的虚拟联合因子示意图
具体实施
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露得内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同的观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
请参阅图1-图2,如图1所示,在系统中,假设系统用户数为j,资源数为n,发射天线数为nt,每个基站的接收天线数为nr,码本码字数为m,则发送端生成总的信息比特数为jntlog2(m)。
本发明针对mimo-scma系统的检测复杂度过高的问题,设计了一种具有低复杂度的算法来进行信号检测。包括以下步骤:
步骤1:产生信息比特。发送端生成总的信息比特数为jntlog2(m);
步骤2:scma编码扩频。首先,将各个用户的比特流
步骤3:在发送端,各个用户的信息经过scma编码后得到的码字叠加在一起,经过天线发送出去,经过无线信道到达基站。
步骤4:接收端进行信号检测。对于某个接收端,其接收信号可以表示为:
yn=hnxn+ωn
其中
步骤4-1:数据初始化:
进入迭代过程,如图2所示,信息在资源节点和用户节点之间迭代传输,令i=1表示正在进行地迭代次数,nite表示最大迭代次数;i<nite;i+1;继续执行下一步;
步骤4-2:资源节点向变量节点更新信息,在已知完整信道信息和信道噪声的前提下,让
期望传播算法是基于贝叶斯推理的一种近似算法,算法的核心思想是“近似”,对于一个复杂的概率分布q(x),用一个简单的分布p(x)去代替,而要满足
本方案中的联合分布可以写为:
近似替代分布可以写为:
其中δk表示vk层的码字先验概率。上式中涉及对所有层的所有码字的联合空间(离散集)的全局搜索,因此
设近似替代分布以及vn和fn信息更新满足以下高斯分布:
在资源节点上的信息更新可以看成求解
其中接收信号yn可以看作是所有层的发射信号加上噪声的组合,有下式:
步骤4-3:变量节点向资源节点更新信息可以看作是求解
步骤4-4:为了实现最小化实际分布之间的kl差异,
其中:
此外,后均值
其中
结束后向量计算。
步骤4-5:计算最大后验似然比
这里
定义
以同样的方式定义
这里的
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。