CN100385886C - 正交扩频差分相位调制中的差分比特软值输出方法 - Google Patents

Abstract

本发明涉及一种正交扩频差分相位调制中的差分比特软值输出方法，它包括在发送端将信息比特进行N进制正交扩频和M进制差分相位调制，接收端以码片速率进行抽样，其特征在于对抽样信号的处理中包括如下过程：抽样信号与本地N个正交码进行匹配相关，选取模值平方最大的L个正交解扩值{z_n，i′}和{z_n+1，j′}，根据差分相位Δθ_m上第k个差分比特d_n，k为0或1，将M个Δθ_m分成两个子集Δθ_k ⁰和Δθ_k ¹，那么d_n，k的比特软值以下式表示：计算k＝1，2，...，log₂ ^M时d_n，k的比特软值，从而获得所有log₂ ^M个差分比特软值并输出。

Description

正交扩频差分相位调制中的差分比特软值输出方法

技术领域

本发明涉及一种数字通信领域中的高效调制解调技术，具体说是一种N进制正交扩频和M进制差分相位复合调制中的差分比特软值输出方法(其中，N和M均为2的幂级数，取值为2、4、8、16...)。

背景技术

正交扩频差分相位调制(NOrth-MDPSK)是一种高频谱效率的调制技术，它将N进制正交扩频(NOrth)和M进制差分相位调制(MDPSK)相结合，构成复合调制方式，解调时相应包括正交扩频和MDPSK解调。实际通信系统中调制解调与编译码是相互配合的，常用编译码方法有卷积编码的Viterbi软判决译码，以及Turbo编译码，比特软值输入是译码的基本特征之一。因此，当NOrth-MDPSK与编译码相结合时，必须考虑如何进行NOrth-MDPSK解调，获得较佳的比特软值，使编译码真正体现出高编码增益，这是实际应用需要解决的一个关键问题。

现有NOrth-MDPSK比特软值输出方法中，正交扩频解调采用双最大值方法，利用当前扩频符号内的所有正交解扩值，逐一计算正交比特软值。MDPSK解调则采用差分解调方法，基于前后两个扩频符号的所有正交解扩值，分别确定模值最大的两个正交码序号(这相当于正交扩频的硬判决解调)，然后根据序号对应的正交解扩值计算差分比特软值。这种差分解调方式本质上利用正交扩频的硬判决解调结果来确定差分比特软值，使得差分比特软值完全依赖于正交扩频硬判决解调结果；而一旦前后两个扩频符号中任何一个出现硬判决解调错误，都将大大影响MDPSK解调，差分比特软值出现高概率错误，即使经过译码，NOrth-MDPSK系统的整体性能也大大受限。

发明内容

本发明的目的就是为了解决上述问题，提出一种能提高系统整体性能并可减小算法实现复杂度的正交扩频差分相位调制中的差分比特软值输出方法。

本发明技术解决方案：

一种正交扩频差分相位调制中的差分比特软值输出方法，它包括在发送端将信息比特进行N进制正交扩频和M进制差分相位调制，通过码片成型滤波器得到发送信号；该发送信号经过信道和码片匹配滤波器后，以码片速率在最佳位置进行抽样，形成抽样信号，其特征在于对该抽样信号的处理中包括如下步骤：

a、抽样信号与本地所有正交码进行匹配相关，在第n和n+1个扩频符号周期内，分别得到N个正交解扩值{z_n，i}和{z_n+1，j}，其中n为整数，1≤i，j≤N；

b、从N个正交解扩值{z_n，i}和{z_n+1，j}中，分别选取模值平方最大的L个正交解扩值，记为{x_n，i′}和{z_n+1，j′}，其中1≤L≤N；

c、根据M进制差分相位调制的M个差分相位Δθ_m，Δθ_m＝2πm/M，0≤m≤M-1，对{z_n，i′}和{z_n+1，j′}进行交叉组合，构成M组L×L个组合z_n，i′+z_n+1，j′*exp(-jΔθ_m)，并进行模值平方运算，获得M组L×L个模平方值|z_n，i′+z_n+1，j′*exp(-jΔθ_m)|²；

d、根据M进制差分相位调制的差分相位Δθ_m上的第k个差分比特d_n，k为0或1， $1\≤k\≤{\log }_2^M,$ 将M组L×L个模平方值分成两类，分别构成0比特和1比特条件下的M/2组L×L个模平方值，并从这两类模平方值中选出各自的最大值max_Δθk ⁰和max_Δθk ¹，其中Δθ_k ⁰和Δθ_k ¹表示{Δθ_m}按照d_n，k为0比特和1比特划分的两个子集；

e、计算max_Δθk ⁰和max_Δθk ¹的差值，该差值作为d_n，k的比特软值Λ(d_n，k)，即Λ(d_n，k)满足下式：

$\mathrm{\Λ}\left(d_{n,k}\right)=\underset{i,j\∈\{1....L\},{\mathrm{\Δ\θ}}_m\∈{\mathrm{\Δ\θ}}_k^1}{\max }|z_{n,i}^{\′}+z_{n+1,j}^{\′}*\exp (-\mathrm{j\Δ}{\mathrm{\θ}}_m){|}^2-\underset{i,j\∈\{1,...L\},{\mathrm{\Δ\θ}}_m\∈{\mathrm{\Δ\θ}}_k^0}{\max }|z_{n,i}^{\′}+z_{n-1,j}^{\′}*\exp (-j{\mathrm{\Δ\θ}}_m){|}^2:$

f、重复步骤d～e，计算k为其它各值时d_n，k的比特软值，直到获得所有log₂ ^M个差分比特软值并输出。

本发明针对NOrth-MDPSK调制中现有差分解调方法的缺点，基于最大后验概率(MAP)准则，提出了一个全新的差分比特软值输出方法，称为MAP算法。该算法充分利用前后两个扩频符号的所有正交解扩值，计算差分比特软值。MAP算法避免了现有差分解调方法中正交扩频硬判决解调结果对差分比特软值的影响，提高了NOrth-MDPSK系统整体性能。同时，为了减小MAP算法的实现复杂度，还给出了简化MAP算法。在上述技术解决方案中，L＝N表示MAP算法，L＜N表示简化MAP算法，L＝1则完全退化为现有差分解调方法。

附图说明

图1是NOrth-MDPSK基带调制解调总体结构示意图。

图2是NOrth-BDPSK的1个差分比特软值输出结构示意图。

图3是NOrth-QDPSK的2个差分比特软值输出结构示意图。

图4是32Orth-BDPSK差分软值输出算法的性能对比曲线图。

图5是32Orth-QDPSK差分软值输出算法的性能对比曲线图。

具体实施方式

如图1所示，发送端根据K_N＝log₂N比特从正交扩频码集合W＝{W₁，W₂，...，W_N}中选择一个正交扩频码W_n，经过格雷(Gray)映射的K_M＝log₂M信息比特进行MDPSK差分相位调制，两种调制复合后通过码片成型滤波器g_T(t)，得到基带发送信号。该发送信号经过信道和码片匹配滤波器g_R(t)后，以码片速率在最佳位置进行抽样，形成抽样信号。基于抽样信号可进行正交扩频解调和MDPSK解调，获得K_N+K_M个比特软值。

本发明就是针对抽样信号计算差分比特软值，其具体实现步骤如下：

1、抽样信号与本地所有正交码进行匹配相关，在第n和n+1个扩频符号周期内，分别得到N个正交解扩值{z_n，i}和{z_n+1，j}，其中n为整数，1≤i，j≤N；

2、从N个正交解扩值{z_n，i}和{z_n-1，j}中，分别选取模值平方最大的L个正交解扩值，记为{z_n，i′}和{z_n+1，j′}，其中1≤L≤N；

3、根据M进制差分相位调制的M个差分相位Δθ_m，Δθ_m＝2πm/M ，0≤m≤M-1，对{z_n，i′}和{z_n+1，j′}进行交叉组合，构成M组L×L个组合z_n，i′+z_n+1，j′*exp(-jΔθ_m)，并进行模值平方运算，获得M组L×L个模平方值|z_n，i′+z_n+1，j′*exp(-jΔθ_m)|²；

4、根据M进制差分相位调制的差分相位Δθ_m上的第k个差分比特d_n，k为0或1， $1\≤k\≤{\log }_2^M,$ 将M组L×L个模平方值分成两类，分别构成0比特和1比特条件下的M/2组L×L个模平方值，并从这两类模平方值中选出各自的最大值max_Δθk ⁰和max_Δθk ¹，其中Δθ_k ⁰和Δθ_k ¹表示{Δθ_m}按照d_n，k为0比特和1比特划分的两个子集；

5、计算max_Δθk ⁰和max_Δθk ¹的差值，该差值作为d_n，k的比特软值Λ(d_n，k)，即Λ(d_n，k)满足下式：

$\mathrm{\Λ}\left(d_{n,k}\right)=\underset{i,j\∈\{1,...,L\},{\mathrm{\Δ\θ}}_m\∈{\mathrm{\Δ\θ}}_k^1}{\max }|z_{n,i}^{\′}+z_{n+1,j}^{\′}*\exp (-\mathrm{j\Δ}{\mathrm{\θ}}_m){|}^2-\underset{i,j\∈\{1,...,L\},{\mathrm{\Δ\θ}}_m\∈{\mathrm{\Δ\θ}}_k^0}{\max }|z_{n,i}^{\′}+z_{n+1,j}^{\′}*\exp (-j{\mathrm{\Δ\θ}}_m){|}^2:$

6、重复步骤4～5，计算k为其它各值时d_n，k的比特软值，直到获得所有log₂ ^M个差分比特软值并输出。

上述步骤说明：本发明利用前后两个扩频符号的所有正交解扩值、以及可能的MDPSK差分相位，进行联合匹配，并根据差分相位的0，1比特分布特性，计算差分比特软值。本发明成功避免了原差分解调方法中正交扩频的硬判决解调，有利于提升NOrth-MDPSK系统的整体性能。

本发明实施例：

下面以L＝N为例，给出了NOrth-BDPSK(M＝2)和NOrth-QDPSK(M＝4)的差分比特软值的计算过程和输出结构。当L＝N时，{z_n，i}和{z_n，i′}、{z_n+1，j}和{z_n+1，j′}相同，上述实现步骤中第2步完全可以省略。差分比特软值的输出结构如图2和图3所示，具体计算过程如下：

一、计算正交解扩值

假定第n和n+1个扩频符号周期内的抽样信号用行矢量r_n、r_n+1表示，正交扩频码为列矢量，则抽样信号与本地所有正交扩频码匹配相关后的解扩值z_n，i、z_n+1，j表述为：

z_n，i＝r_n·W_i，z_n+1，j＝r_n+1·W_j，1≤i，j≤N

二、构造M组N×N个模平方值。

NOrth-BDPSK：差分相位Δθ_m为0、π，2组N×N个模平方值按照如下规则构造：

|z_n，i+z_n+1，j|²，|z_n，i-z_n+1，j|²，1≤i，j≤N

NOrth-QDPSK：差分相位Δθ_m为0、π/2、π、3π/2，4组N×N个模平方值按照如下规则构造：

|z_n，i+z_n+1，j|²，|z_n，i-z_n+1，j|²，|z_n，i+jz_n+1，j|²，|z_n，i-jz_n+1，j|²

上式中下标i，j表示序号，1≤i，j≤N，符号j表示虚数单位。

三、计算差分比特软值

NOrth-BDPSK：只有1个差分比特，其软值按照下式计算：

$\underset{1\≤i,j\≤N}{\max }{|z_{n,i}-z_{n+1,j}|}^2-\underset{1\≤i,j\≤N}{\max }{|z_{n,i}+z_{n+1,j}|}^2$

NOrth-QDPSK：有2个差分比特，软值计算式分别表示为：

第1个差分比特软值：

max{|z_n，i-z_n+1，j|²，|z_n，i-jz_n+1，j|²，1≤i，j≤N}-max{|z_n，i+z_n+1，j|²，|z_n，i+jz_n+1，j|²，1≤i，j≤N}

第2个差分比特软值：

max{|z_n，i-z_n+1，j|²，|z_n，i+jz_n+1，j|²，1≤i，j≤N}-max{|z_n，i+z_n+1，j|²，|z_n，i-jz_n+1，j|²，1≤i，j≤N}

为了便于对本发明中的MAP算法、简化MAP算法以及现有差分解调算法进行比较，图4～图5给出了32Orth-BDPSK和32Orth-QDPSK的比特信噪比和误比特率对比曲线。正交扩频码采用N＝32的哈达玛序列，正交比特软值输出采用双最大值方法。M＝0，2.4分别表示单纯NOrth、NOrth-BDPSK和NOrth-QDPSK；编译码措施采用码率为2/3的Turbo乘积码，信道条件为AWGN信道。图4～图5表明：

本发明中MAP算法和简化MAP算法均明显优于现有差分解调算法，当误比特率为10^-5时，MAP算法能提供0.3～0.4dB的信噪比增益。这充分说明本方明着眼于NOrth-MDPSK差分比特软值输出方法，对于提高系统整体性能具有重要作用的。此外，L＝3的简化MAP算法已非常逼近于MAP算法，这对简化MAP算法的实际应用具有指导意义。

在上述实施例中，虽然针对32Orth-MDPSK(M＝2，4)系统，但本发明不限于该系统，还可以扩展至其它NOrth-MDPSK系统中，如：N＝64，128，M＝8。

Claims (1)

1.一种正交扩频差分相位调制中的差分比特软值输出方法，它包括在发送端将信息比特进行N进制正交扩频和M进制差分相位调制，通过码片成型滤波器得到发送信号；该发送信号经过信道和码片匹配滤波器后，以码片速率在最佳位置进行抽样，形成抽样信号，其特征在于对该抽样信号的处理中包括如下步骤：

a、抽样信号与本地所有正交码进行匹配相关，在第n和n+1个扩频符号周期内，

分别得到N个正交解扩值{z_n，i}和{z_n+1，j}，其中n为整数，1≤i，j≤N；

b、从N个正交解扩值{z_n，i}和{z_n+1，j}中，分别选取模值平方最大的L个正交解扩值，记为{z_n，i′}和{z_n+1，j′}，其中1≤L≤N；

c、根据M进制差分相位调制的M个差分相位Δθ_m，0≤m≤M-1，对{z_n，i′}和{z_n+1，j′}进行交叉组合，构成M组L×L个组合z_n，1′+z_n+1，j′*exp(-jΔθ_m)，并进行模值平方运算，获得M组L×L个模平方值|z_n，i′+z_n+1，j′*exp(-jΔθ_m)|²；

d、根据M进制差分相位调制的差分相位Δθ_m上的第k个差分比特d_n，k为0或1， $1\≤k\≤{\log }_2^M,$ 将M组L×L个模平方值分成两类，分别构成0比特和1比特条件下的M/2组L×L个模平方值，并从这两类模平方值中选出各自的最大值max_Δθk0和max_Δθk1，其中Δθ_k ⁰和Δθ_k ¹表示{Δθ_m}按照d_n，k为0比特和1比特划分的两个子集；

e、计算max_Δθk0和max_Δθk1的差值，该差值作为d_n，k的比特软值Λ(d_n，k)，即Λ(d_n，k)满足下式：

$\mathrm{\Λ}\left(d_{n,k}\right)=\underset{i,j\∈\{1,..,L\},\mathrm{\Δ}{\mathrm{\θ}}_m\∈\mathrm{\Δ}{\mathrm{\θ}}_k^1}{\max }{|z_{n,i}^{\′}+z_{n+1,j}^{\′}*\exp (-\mathrm{j\Δ}{\mathrm{\θ}}_m)|}^2-\underset{i,j\∈\{1,..,L\},{\mathrm{\Δ\θ}}_m{\∈\mathrm{\Δ\θ}}_k^0}{\max }{|z_{n,i}^{\′}+z_{n+1,j}^{\′}*\exp (-{\mathrm{j\Δ\θ}}_m)|}^2;$

f、重复步骤d～e，计算k为其它各值时d_n，k的比特软值，直到获得所有log₂ ^M个差分比特软值并输出。

Images