CN104009822B - 基于非理想信道估计含窄带干扰的新型解调修正方法 - Google Patents

Abstract

本发明提供了一种基于非理想信道估计含窄带干扰的新型解调修正方法，包括如下：建立BICM的系统模型，在系统模型中将信息比特序列a转换为发送信号x并建立信道模型y＝h·x+n+i，其中y为接收信号，h为衰落系数，n是均值为零、方差为的复高斯噪声，i为干扰噪声，也是复高斯变量，其均值为零，方差为；同时考虑信道估计误差和窄带干扰噪声对接收信号y采用解调算法解调；计算解调算法的修正因子并根据修正因子对解调算法进行修正。通过本发明提出的基于非理想信道估计含窄带干扰的新型解调修正方法，可以使各个子信道上的关键点对齐，从而使系统的广义互信息增加，从而为性能提升带来理论依据。

Description

基于非理想信道估计含窄带干扰的新型解调修正方法

技术领域

本发明涉及无线传输，具体地，涉及基于非理想信道估计含窄带干扰的新型解调修正方法。

背景技术

随着无线频谱资源的日益紧缺，以及无线网络中多媒体数据量的指数级增长，如何有效地提高频谱利用效率是新一代移动通信系统无线传输链路技术必须解决的技术难点。优化物理层编码调制技术是带宽有限传输下实现高频谱效率的重要途径，其研究的目的是最大限度地利用传输资源，选择最优的传输机制，以逼近香农极限。

比特交织编码调制技术(BICM，Bit-interleaved Coded Modulation)作为一种联合编码调制方案，通过在编码与调制间引入交织器，使得编码与调制可独立设计，所以具有设计简单，实现方便的优点，而其性能与多级编码调制方案相似，所以不仅广泛地应用于各种商用通信系统，而且还是下一代无线移动通信链路中的关键技术。BICM是一种可以有效抗频率选择性衰落信道影响的技术，也是下一代无线通信系统中的核心技术之一。

无线通信系统的性能很大程度上受到无线信道的影响，如阴影衰落和频率选择性衰落等等，使得发射机和接收机之间的传播路径非常复杂。无线信道并不像有线信道固定并可预见，而是具有很大的随机性，这就对接收机的设计提出了很大的挑战。为了能在接收端准确的恢复发射端的发送信号人们采用各种措施来抵抗多径效应对传输信号的影响，信道估计技术的实现需要知道无线信道的信息，如信道的阶数、多普勒频移和多径时延或者信道的冲激响应等参数。就需要在接收信息时，对信道的参数进行估计。因此，信道参数估计是实现无线通信系统的一项关键技术。但是，移动无线信道的响应特性是时变的，随机性很大，尽管采用各种不同信道估计算法，信道估计误差总是存在的。

BICM作为一种通信系统，在实际通信过程中难免会受到各种干扰的影响，包括窄带干扰(Narrow-band Interference，NBI)和宽带干扰(Wide-band Interference，WBI)。在民用通信领域，BICM系统难免会与其他的窄带通信系统共带工作，相对于BICM系统来说，此窄带通信系统就属于NBI，会使系统的信道适应力下降，还会降低与其他系统的兼容性，从而对系统性能造成影响。而在蜂窝移动通信中，小区边缘用户会受到处于同一频段的周边小区的干扰，如图1所示，它被称为同信道干扰(Co-Channel Interference，CCI)，也是属于窄带干扰的一种常见形式。

信道解调主要是关于将接收到的符号消息如何进行判决的问题。出发点是如何使判决后的错误概率为最小，从而得到最大后验概率准则，此时定义BICM的对数似然值LLR(Log Likelihood Ratio，对数似然比)为：

其中x_k和y_k分别为发送和接收信号，b_i,k为第k符号中的第i个比特，和表示星座点中b_i,k分别等于0和1的符号集。假设发送信号等概率，利用贝叶斯准则，可将对数似然值公式转化，即为最大似然准则：

其中p(y_k|b_i,k)为信道转移概率，可根据信道估计得出的信道信息进行计算。

系统的广义互信息是类似信道容量的一种评估BICM系统性能的工具，主要由系统的调制方法以及解调算法决定。当接收机中采用如下的对数似然值算法：

q(b_i,k,y_k)为接收端解调度量，它可能与信道转移概率p(y_k|b_i,k)不成正比。

对于任意编码调制系统，设X为发送端进入信道的随机变量，Y为信道的输出，此时系统的广义互信息定义为：

其中E_X,Y表示对于所有的输入输出符号X,Y求期望。

在相关技术中，Jaldén等人的对于BICM系统的LLR修正方法，可以在一定程度上弥补BICM固有的解调度量失配，同时对于一些简化的解调算法带来的失配进行补偿。但由于固有的失配影响较小，而BICM系统的简化解调算法性能也十分接近最优算法，所以通过使得GMI(Generalized Mutual Information广义互信息)最大化的一维对数似然值修正方法对于普通的通信场景，只能带来很小的性能增益。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种基于非理想信道估计含窄带干扰的新型解调修正方法。本发明同时考虑了BICM中的信道估计误差和窄带干扰，克服现有技术的诸多不足，使得应用该算法的无线通信系统的性能有较大提升，实现更高频谱利用率的目标。

根据本发明提供的基于非理想信道估计含窄带干扰的新型解调修正方法，包括如下步骤：

步骤1：建立BICM系统模型，在系统模型中将信息比特序列转换为发送信号序列并建立信道模型，根据信道模型求得接收信号；

步骤2：同时考虑信道估计误差和窄带干扰噪声，对接收信号采用解调算法解调；

步骤3：计算解调算法的修正因子并根据修正因子对解调算法进行修正。

优选地，所述系统模型包括顺次相连的编码器、交织器、QAM数字调制器、QAM数字解调器、解交织器和译码器。

优选地，所述步骤1包括如下步骤：

步骤1.1：在发送端，信息比特序列a＝{a₀,a₁,…a_K-1}依次经过码率为R的编码器，其中K为信息序列长度，a_K-1为第K-1个二元比特0或1，得到序列c＝{c₀,c₁,…c_K/R-1}，其中c_K/R-1为第K/R-1个编码后比特，序列c经过交织器后变为序列b＝{b₀,b₁,…b_K/R-1}，其中b_K/R-1为第K/R-1个交织后比特，序列b再经过星座点的个数为M＝2^m的QAM数字调制器产生N＝K/mR个传输符号x：x＝{x₀,…,x_k,…,x_N-1}，其中N为码长，m为调制阶数，M为星座点的个数，x_k为第k个传输符号。

步骤1.2：考虑无记忆衰落信道，将信道模型表示为：

y_k＝h_k·x_k+n_k+i_k

其中y_k为第k个发送信号，x_k为第k个接收信号，h_k为为第k个时刻的衰落系数，n_k为复高斯噪声，其均值为零，方差为i_k干扰噪声，也是复高斯变量，其均值为零，方差为；

由于在实际信道估计过程中不能完全准确估计出信道衰落系数h_k，准确信道衰落系数为：

其中e_k为信道估计误差，是均值为零，方差为的复高斯变量

步骤1.3：在接收端，依次进行解调、解交织、译码。

优选地，所述步骤2包括如下步骤：

步骤2.1：考虑信道估计误差和窄带干扰噪声，根据信道模型可得信道转移概率

当x_k确定时，-e_kx_k+n_k+i_k是一个高斯变量，均值为零，方差为所以

步骤2.2：计算最优对数似然值LLR_i,k，具体为，定义BICM的对数似然值LLR为假设发送信号等概率，利用贝叶斯准则，将对数似然值公式转化为最大似然准则LLR_i,k：将代入求得：

其中，b_i,k为第k个符号中的第i个比特，和分别表示星座点中b_i,k等于0、1的符号集，i为每个调制信号对应比特的索引。

优选地，所述步骤3包括如下步骤：

步骤3.1：由于符号间相互独立，将BICM系统模型等效成N_i个独立的干扰信道表示，所以广义互信息I_X,Y(s)分解为：

其中，即为第p个干扰信道的广义互信息，其中X_p为发送端进入信道的随机变量，Y_p为信道的输出，表示对于所有的X_p,Y_p求期望，N_i表示干扰信道的数量，q(x_p,Y_p)为接收端采用的解调度量，p(x_p)为符号x_p的概率，s_p为可变参数，E_X,Y表示对于所有X,Y求期望，χ为星座集合，x为星座图上的信号，X为调制产生的随机变量，Y为对应X的输出，q(x,Y)为接收端定义的发送x，接收为Y时的解调度量，q(X,Y)为接收端定义的发送X，接收为Y时的解调度量，q(X_p,Y_p)为接收端定义的发送为X_p，接收为Y_p时的解调度量，p(x)为符号x的概率，s为可变参数；

步骤3.2：对于BICM，由于交织器的存在，将BICM-系统模型分为m个独立的比特子信道，同时继续分解广义互信息

为第i个比特级子信道，第p个干扰信道上的广义互信息，i为每个调制信号对应的比特索引，s_i,p为可变参数，p(b_i(x_p))为的第i位为b的符号x_p的概率，q(b_i(X_p),Y_p)为接收端定义的发送为第i位为b的符号x_p，接收为Y_p时的解调度量，b_i(x_p)为符号x_p的第i位比特值，b_i(X_p)为为符号X_p的第i位比特值，q(b,Y_p)为接收端定义的发送为比特子信道上比特值为b的符号，接收为Y_p时的解调度量，b为比特值，q(B_i,p,Y_p)为发送为比特子信道上比特值为B_i,p的符号，接收为Y_p时的解调度量，B_i,p为随机变量，p(b)为比特值b的概率，为对发送为比特子信道上比特值为B_i,p的符号，接收为Y_p的所有情况求均值；

根据对数似然值的定义转化为：

其中，当b_i(X_p)＝0时，sgn(b_i(X_p))为1，当b_i(X_p)＝1时，sgn(b_i(X_p))为-1，LLR_i,p为第p个干扰信道上第i个比特的对数似然值，为对所有的X_p,Y_p求期望。同时

即总的广义互信息与各个子信道上广义互信息的和有关；

步骤3.3：为了使得系统广义互信息最大化，需要使得不同比特层和不同干扰信道上的同时达到最大值，即各个关键点相同；采用下面的修正：

LLR_k′_,i,p＝c_i,p×LLR_k,i,p

则

为了使得关键点都平移到1，修正因子即为c_i,p＝s_i,p，其中c_i,p为修正因子，LLR_{k,i, p}LLR_i,p(k)为原对数似然值，LLR_k′_,i,p为修正后的对数似然值，此时s_i,p为使得GMI达到最大值的点，即关键点，s_i′_,p为修正后的s_i,p，为修正后的第i个比特级子信道，第p个干扰信道上的广义互信息。

优选地，干扰噪音的强度可分为N_i种，是干扰噪音方差集合中的任一值。

优选地，根据符号能量归一化后，定义信噪比(SNR)，信干比(SIR)和信干噪比(SINR)分别为和其中h衰落系数。

优选地，根据SINR，定义信道估计误差噪声比ξ为

与现有技术相比，本发明具有如下的有益效果：

通过本发明提出的基于非理想信道估计含窄带干扰的新型解调修正方法，可以使各个子信道上的关键点对齐，从而使系统的广义互信息增加，从而为性能提升带来理论依据。

附图说明

通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1为本发明中同信道干扰的示意图；

图2为本发明中将BICM等效成m个独立并行的比特级子信道的示意图；

图3为本发明中BICM系统模型的示意图；

图4为本发明中二维离散修正参数的直方图；

图5为本发明中修正后GMI提升对比图；

图6为本发明中η＝0.3时性能对比图；

图7为本发明中η＝1时性能对比图；

图8为本发明中不同干扰强度下的性能对比图。

具体实施方式

下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进。这些都属于本发明的保护范围。

在本实施例中，本发明提供的基于非理想信道估计含窄带干扰的新型解调修正方法包括如下步骤：

步骤1：建立BICM的系统模型，在系统模型中将信息比特序列a转换为发送信号x并建立信道模型y＝h·x+n+i，其中y为接收信号，h为衰落系数，n是均值为零、方差为的复高斯噪声，i为干扰噪声，也是复高斯变量，其均值为零，方差为；如图3所示，

步骤1.1：在发送端，信息比特序列a＝{a₀,_a1,…a_K-1}依次经过码率为R的编码器，其中K为信息序列长度，a_K-1为第K-1个二元比特0或1，得到序列c＝{c₀,c₁,…c_K/R-1}，其中c_K/R-1为第K/R-1个编码后比特，序列c经过交织器后变为序列b＝{b₀,b₁,…b_K/R-1}，其中b_K/R-1为第K/R-1个交织后比特，序列b再经过星座点的个数为M＝2^m的QAM数字调制器产生N＝K/mR个传输符号x：x＝{x₀,…,x_k,…,x_N-1}，其中N为码长，m为调制阶数，M为星座点的个数，x_k为第k个传输符号。

步骤1.2：考虑无记忆衰落信道，将信道模型表示为：

y_k＝h_k·x_k+n_k+i_k (1-1)

其中y_k为第k个发送信号，x_k为第k个接收信号，h_k为为第k个时刻的衰落系数，n_k为复高斯噪声，其均值为零，方差为，i_k干扰噪声，也是复高斯变量，其均值为零，方差为。对于很多系统，符号上的干扰噪声强度是交替变换的，设变换周期为N_i。也就是说干扰噪声方差是集合中的任一值。同时定义受到干扰的符号占所有符号的比例为η。

由于在实际信道估计过程中不能完全准确估计出信道衰落系数h_k，准确信道衰落系数为：

其中e_k为信道估计误差，是均值为零，方差为的复高斯变量

步骤1.3：在接收端，依次进行解调、解交织、译码。

进一步地，所述步骤2包括如下步骤：

步骤2.1：考虑信道估计误差和窄带干扰噪声，根据信道模型可得信道转移概率

当x_k确定时，-e_kx_k+n_k+i_k是一个高斯变量，均值为零，方差为所以

步骤2.2：计算最优对数似然值LLR_i,k，具体为，定义BICM的对数似然值LLR为假设发送信号等概率，利用贝叶斯准则，将对数似然值公式转化为最大似然准则LLR_i,k：将代入求得：

其中，b_i,k为第k个符号中的第i个比特，和分别表示星座点中b_i,k等于0、1的符号集，i为每个调制信号对应比特的索引。

对于(1-5)的最优算法，需要知道信道估计误差的方差，这在实际系统中是很难获取的，同时最优算法由于包含大量指数项，其复杂度高，所以最优算法只是理论上的一个性能界限。

而在实际的接收机中，窄带干扰的方差可以估计，信道估计误差通常被忽略，所以信道转移概率为：因此解调所用的LLR_i,k为：

其中约等式是根据进行简化，得到的即为所谓的Max-log-map解调算法。

对比最优解调算法，除了BICM固有的失配，简化后的算法仍存在两种失配，一为忽略信道估计误差所带来的，二为采用指数简化带来的，由于干扰的存在，使得噪声方差变大，这一部分带来的失配也变得严重，所以可以称简化后的算法为失配的解调算法。

步骤3：计算解调算法的修正因子并根据修正因子对解调算法进行修正。

步骤3.1：由于符号间相互独立，将BICM系统模型等效成N_i个独立的干扰信道表示，所以广义互信息I_X,Y(s)分解为：

其中，即为第p个干扰信道的广义互信息，其中X_p为发送端进入信道的随机变量，Y_p为信道的输出，表示对于所有的X_p,Y_p求期望，N_i表示干扰信道的数量，q(x_p,Y_p)为接收端采用的解调度量，p(x_p)为符号x_p的概率，s_p为可变参数，E_X,Y表示对于所有X,Y求期望，χ为星座集合，x为星座图上的信号，X为调制产生的随机变量，Y为对应X的输出，q(x,Y)为接收端定义的发送x，接收为Y时的解调度量，q(X,Y)为接收端定义的发送X，接收为Y时的解调度量，q(X_p,Y_p)为接收端定义的发送为X_p，接收为Y_p时的解调度量，p(x)为符号x的概率，s为可变参数；

步骤3.2：对于BICM，由于交织器的存在，将BICM-系统模型分为m个独立的比特子信道，同时继续分解广义互信息：

为第i个比特级子信道，第p个干扰信道上的广义互信息，i为每个调制信号对应的比特索引，s_i,p为可变参数，p(b_i(x_p))为的第i位为b的符号x_p的概率，q(b_i(X_p),Y_p)为接收端定义的发送为第i位为b的符号x_p，接收为Y_p时的解调度量，b_i(x_p)为符号x_p的第i位比特值，b_i(X_p)为为符号X_p的第i位比特值，q(b,Y_p)为接收端定义的发送为比特子信道上比特值为b的符号，接收为Y_p时的解调度量，b为比特值，q(B_i,p,Y_p)为发送为比特子信道上比特值为B_i,p的符号，接收为Y_p时的解调度量，B_i,p为随机变量，p(b)为比特值b的概率，为对发送为比特子信道上比特值为B_i,p的符号，接收为Y_p的所有情况求均值；

根据对数似然值的定义转化为：

其中，当b_i(X_p)＝0时，sgn(b_i(X_p))为1，当b_i(X_p)＝1时，sgn(b_i(X_p))为-1，LLR_i,p为第p个干扰信道上第i个比特的对数似然值，为对所有的X_p,Y_p求期望。同时

即总的广义互信息与各个子信道上广义互信息的和有关；

步骤3.3：为了使得系统广义互信息最大化，需要使得不同比特层和不同干扰信道上的同时达到最大值，即各个关键点相同；采用下面的修正：

LLR_k′_,i,p＝c_i,p×LLR_k,i,p (1-11)

则

为了使得关键点都平移到1，修正因子即为c_i,p＝s_i,p，其中c_i,p为修正因子，LLR_{k,i, p}LLR_i,p(k)为原对数似然值，LLR_k′_,i,p为修正后的对数似然值，此时s_i,p为使得GMI达到最大值的点，即关键点，s_i′_,p为修正后的s_i,p，为修正后的第i个比特级子信道，第p个干扰信道上的广义互信息。

由上述发明技术方案可以看出，对于含有多种窄带干扰并存在非理想信道估计情况下的BICM系统，在接收机中采用的解调算法会带来一定的失配，通过本发明方案提出的二维修正方法，可以使各个子信道上的关键点对齐，从而使系统的广义互信息增加，从而为性能提升带来理论依据。

为了证明本发明技术方案能够带来有益效果，基于以下条件进行仿真，编码采用3/4码率，码长为64800的LDPC码；调制采用格雷映射的64-QAM；有三种不同强度的窄带干扰，SIR分别为8dB、18dB、28dB，并且用ξ＝1来表示信道估计误差的大小。

图4为SNR＝20dB时，各个二维修正参数的直方图，可以看出在比特信道和干扰信道上，修正参数都有较大不同，也证明了通用算法存在较大的失配情况。

图5为η＝1时，最优算法，失配算法以及修正后解调算法的广义互信息对比，从仿真结果中可以看出修正后的广义互信息相比失配算法有所增加，这就验证了前面修正方法的准确性和可行性。

图6为η＝0.3，即干扰情况不是严重时的误码率(BER)性能对比图，仿真结果显示，在码字误码率为10^-4时，本发明提出的修正方法比失配的LLR算法提升了0.7dB，而且距离最优算法，也只有不到0.2dB的差距。

图7为η＝1，即所有符号都收到干扰时的误码率(BER)性能对比图，仿真结果显示，在码字误码率为10^-4时，本发明提出的修正方法想比失配的LLR算法提升了2.5dB，而且距离最优算法，也只有不到0.5dB的差距。根据图3和图4的对比，可以得出结论：本发明提出的修正算法相对失配的LLR算法有一定的性能增益，干扰情况越严重，性能增益越大。同时修正算法也十分接近最优算法，这是在未知信道估计误差方差的条件下达到的。

图8为在不同干扰情况下三种算法的误码率对比图，此时SNR＝17.4，仿真结果显示，随着干扰强度的减小，失配算法性能基本不变，其误码率始终保持在较高的范围内，而修正算法随着干扰强度的减小迅速下降，很快就达到较低的误码率，说明了修正算法在对抗窄带干扰上存在巨大潜力。

本发明提供的基于非理想信道估计含窄带干扰的新型解调修正方法其创新点如下：

1、于非理想信道估计下含窄带干扰的BICM场景：含有多种不同强度的干扰源，信道估计存在一定误差，这些都是实际系统中最常见的影响信息可靠传输的因素。

2、对比接收机中常用的解调算法和最优解调算法，发现常用算法的失配问题。

3、据不同强度的干扰以及BICM编码调制方案的特点，将上述信道模型拆分为多个相互独立的比特子信道和干扰子信道。同时根据广义互信息的定义以及公式推导，找出总的GMI与各个子信道的GMI之间的关系。

4、据3中的关系，提出二维修正的方案，对不同子信道上的LLR分别乘以一个不同的系数，来纠正常用解调算法的失配问题，使系统性能有较大提升。

以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变形或修改，这并不影响本发明的实质内容。

Claims (7)

1.一种基于非理想信道估计含窄带干扰的新型解调修正方法，其特征在于，包括如下步骤：

步骤1：建立BICM系统模型，在系统模型中将信息比特序列转换为发送信号序列并建立信道模型，根据信道模型求得接收信号；

步骤2：同时考虑信道估计误差和窄带干扰噪声，对接收信号采用解调算法解调；

步骤3：计算解调算法的修正因子并根据修正因子对解调算法进行修正；

所述步骤3包括如下步骤：

步骤3.1：由于符号间相互独立，将BICM系统模型等效成N_i个独立的干扰信道表示，所以广义互信息I_X,Y(s)分解为：

$\begin{array}{c}{I}_{X,Y}\left(s\right)=-E_{X,Y}\left\{{\log }_2\underset{x\∈\mathrm{\χ}}{\mathrm{\Σ}}p\left(x\right){\[\frac{q(x,Y)}{q(X,Y)}\]}^s\right\}\\ =-E_{X,Y}\left\{{\log }_2\underset{x_p\∈\mathrm{\χ}}{\mathrm{\Σ}}\underset{p=0}{\overset{N_i-1}{\mathrm{\Π}}}p\left(x_p\right){\[\frac{q(x_p,Y_p)}{q(X_p,Y_p)}\]}^{s_p}\right\}\\ =-\frac{1}{N_i}\underset{p=0}{\overset{N_i-1}{\mathrm{\Σ}}}{E}_{X_p,Y_p}\left\{{\log }_2\underset{x_p\∈\mathrm{\χ}}{\mathrm{\Σ}}p\left(x_p\right){\[\frac{q(x_p,Y_p)}{q(X_p,Y_p)}\]}^{s_p}\right\}\\ =\frac{1}{N_i}\underset{p=0}{\overset{N_i-1}{\mathrm{\Σ}}}{I}_{X_p,Y_p}\left(s_p\right)\end{array}$

其中，即为第p个干扰信道的广义互信息，其中X_p为发送端进入信道的随机变量，Y_p为信道的输出，表示对于所有的X_p,Y_p求期望，N_i表示干扰信道的数量，q(x_p,Y_p)为接收端采用的解调度量，p(x_p)为符号x_p的概率，s_p为可变参数，E_X,Y表示对于所有X,Y求期望，χ为星座集合，x为星座图上的信号，X为调制产生的随机变量，Y为对应X的输出，q(x,Y)为接收端定义的发送x，接收为Y时的解调度量，q(X,Y)为接收端定义的发送X，接收为Y时的解调度量，q(X_p,Y_p)为接收端定义的发送为X_p，接收为Y_p时的解调度量，p(x)为符号x的概率，s为可变参数；

步骤3.2：对于BICM，由于交织器的存在，将BICM系统模型分为m个独立的比特子信道，同时继续分解广义互信息

$\begin{array}{c}{I}_{X_p,Y_p}\left(s_p\right)=-E_{X_p,Y_p}\left\{{\log }_2\underset{x\∈\mathrm{\χ}}{\mathrm{\Σ}}\underset{i=0}{\overset{m-1}{\mathrm{\Π}}}p\left(b_i\right(x_p\left)\right){\[\frac{q\left(b_i\right(x_p),Y_p)}{q\left(b_i\right(x_p),Y_p)}\]}^{s_{i,p}}\right\}\\ =-\underset{i=0}{\overset{m-1}{\mathrm{\Σ}}}{E}_{X_p,Y_p}\left\{{\log }_2\underset{b=0,1}{\mathrm{\Σ}}p\left(b\right){\[\frac{q(b,Y_p)}{q\left(b_i\right(x_p),Y_p)}\]}^{s_{i,p}}\right\}\\ =-\underset{i=0}{\overset{m-1}{\mathrm{\Σ}}}{E}_{B_{i,p},Y_p}\left\{{\log }_2\underset{b=0,1}{\mathrm{\Σ}}p\left(b\right){\[\frac{q(b,Y_p)}{q(B_{i,p},Y_p)}\]}^{s_{i,p}}\right\}\\ =\underset{i=0}{\overset{m-1}{\mathrm{\Σ}}}{I}_{B_{i,p},Y_p}\left(s_{i,p}\right)\end{array}$

其中，为第i个比特级子信道，第p个干扰信道上的广义互信息，i为每个调制信号对应的比特索引，s_i,p为可变参数，p(b_i(x_p))为的第i位为b的符号x_p的概率，q(b_i(X_p),Y_p)为接收端定义的发送为第i位为b的符号x_p，接收为Y_p时的解调度量，b_i(x_p)为符号x_p的第i位比特值，b_i(X_p)为符号X_p的第i位比特值，q(b,Y_p)为接收端定义的发送为比特子信道上比特值为b的符号，接收为Y_p时的解调度量，b为比特值，q(B_i,p,Y_p)为发送为比特子信道上比特值为B_i,p的符号，接收为Y_p时的解调度量，B_i,p为随机变量，p(b)为比特值b的概率，为对发送为比特子信道上比特值为B_i,p的符号，接收为Y_p的所有情况求均值；

根据对数似然值的定义转化为：

$I_{B_{i,p},Y_p}\left(s_{i,p}\right)=1-E_{X_p,Y_p}\{log\[1+\exp (-sgn(b_i\left(X_p\right)){\mathrm{LLR}}_{i,p}\×s_{i,p})\]\},$

其中，当b_i(X_p)＝0时，sgn(b_i(X_p))为1，当b_i(X_p)＝1时，sgn(b_i(X_p))为-1，LLR_i,p为第p个干扰信道上第i个比特的对数似然值，为对所有的X_p,Y_p求期望；同时

$I_{X,Y}\left(s\right)=\frac{1}{N_i}\underset{p=0}{\overset{N_1-1}{\Σ}}\underset{i=0}{\overset{m-1}{\Σ}}{I}_{B_{i,p},Y_p}\left(s_{i,p}\right)$

即总的广义互信息与各个子信道上广义互信息的和有关；

步骤3.3：为了使得系统广义互信息最大化，使得不同比特层和不同干扰信道上的同时达到最大值，即各个关键点相同；采用下面的修正：

LLR′_k,i,p＝c_i,p×LLR_k,i,p

则

$\begin{array}{c}{I}_{B_{i,p},Y_p}^{\′}\left(s_{i,p}^{\′}\right)=1-E_{X_p,Y_p}\{{\log }_2\[1+\exp (-sgn(b_i\left(X_p\right)\left){\mathrm{LLR}}_i\right(Y_j)\×c_{i,p}\×s_{i,p})\]\}\\ =1-E_{X_p,Y_p}\{{\log }_2\[1+\exp (-sgn(b_i\left(X_p\right)\left){\mathrm{LLR}}_i\right(Y_j)\×s_{i,p}^{\′})\]\}=I_{B_{i,p},Y_p}^{\′}(s_{i,p}/c_{i,p})\end{array}$

为了使得关键点都平移到1，修正因子即为c_i,p＝s_i,p，其中c_i,p为修正因子，LLR_{k,i, p}LLR_i,p(k)为原对数似然值，LLR′_k,i,p为修正后的对数似然值，此时s_i,p为使得GMI达到最大值的点，即关键点，s′_i,p为修正后的s_i,p，为修正后的第i个比特级子信道，第p个干扰信道上的广义互信息。

2.根据权利要求1所述的基于非理想信道估计含窄带干扰的新型解调修正方法，其特征在于，所述系统模型包括顺次相连的编码器、交织器、QAM数字调制器、QAM数字解调器、解交织器和译码器。

3.根据权利要求2所述的基于非理想信道估计含窄带干扰的新型解调修正方法，其特征在于，所述步骤1包括如下步骤：

步骤1.1：在发送端，信息比特序列a＝{a₀,a₁,…a_K-1}依次经过码率为R的编码器，其中K为信息序列长度，a_K-1为第K-1个二元比特0或1，得到序列c＝{c₀,c₁,…c_K/R-1}，其中c_K/R-1为第K/R-1个编码后比特，序列c经过交织器后变为序列b＝{b₀,b₁,…b_K/R-1}，其中b_K/R-1为第K/R-1个交织后比特，序列b再经过星座点的个数为M＝2^m的QAM数字调制器产生N＝K/mR个传输符号x：x＝{x₀,…,x_k,…,x_N-1}，其中N为码长，m为调制阶数，M为星座点的个数，x_k为第k个传输符号；

步骤1.2：考虑无记忆衰落信道，将信道模型表示为：

y_k＝h_k·x_k+n_k+i_k

其中y_k为第k个发送信号，x_k为第k个接收信号，h_k为第k个时刻的衰落系数，n_k为复高斯噪声，其均值为零，方差为i_k干扰噪声，也是复高斯变量，其均值为零，方差为

由于在实际信道估计过程中不能完全准确估计出信道衰落系数h_k，则准确信道衰落系数为：

${\stackrel{\→}{h}}_k=h_k+e_k$

其中e_k为信道估计误差，是均值为零，方差为的复高斯变量；

步骤1.3：在接收端，对接收到的接收信号去除循环前缀后进行串/并转换，然后再依次进行解调、解交织、译码。

4.根据权利要求3所述的基于非理想信道估计含窄带干扰的新型解调修正方法，其特征在于，所述步骤2包括如下步骤：

步骤2.1：考虑信道估计误差和窄带干扰噪声，根据信道模型可得信道转移概率

$p\left(y_k\right|x_k,{\stackrel{\→}{h}}_k)=p(y_k-{\stackrel{\→}{h}}_k{x}_k)=p(-e_k{x}_k+n_k+i_k)$

当x_k确定时，-e_kx_k+n_k+i_k是一个高斯变量，均值为零，方差为所以

$p\left(y_k\right|x_k,{\stackrel{\→}{h}}_k)=\frac{1}{x_k^2{\mathrm{\σ}}_e^2+{\mathrm{\σ}}_n^2+{\mathrm{\σ}}_{i,k}^2}{e}^{-\frac{{(y_k-{\stackrel{\→}{h}}_k{x}_k)}^2}{2(x_k^2{\mathrm{\σ}}_e^2+{\mathrm{\σ}}_n^2+{\mathrm{\σ}}_{i,k}^2)}};$

步骤2.2：计算最优对数似然值LLR_i,k，具体为，定义BICM的对数似然值LLR为假设发送信号等概率，利用贝叶斯准则，将对数似然值公式转化为最大似然准则LLR_i,k：将代入求得：

${\mathrm{LLR}}_{i,k}=ln\frac{\underset{x_k\∈{\mathrm{\χ}}_i^0}{\Σ}\frac{1}{x_k^2{\mathrm{\σ}}_e^2+{\mathrm{\σ}}_n^2+{\mathrm{\σ}}_{i,k}^2}\exp \[-\frac{{(y_k-{\stackrel{\→}{h}}_k{x}_k)}^2}{2(x_k^2{\mathrm{\σ}}_e^2+{\mathrm{\σ}}_n^2+{\mathrm{\σ}}_{i,k}^2)}\]}{\underset{x_k\∈{\mathrm{\χ}}_i^1}{\Σ}\frac{1}{x_k^2{\mathrm{\σ}}_e^2+{\mathrm{\σ}}_n^2+{\mathrm{\σ}}_{i,k}^2}\exp \[-\frac{{(y_k-{\stackrel{\→}{h}}_k{x}_k)}^2}{2(x_k^2{\mathrm{\σ}}_e^2+{\mathrm{\σ}}_n^2+{\mathrm{\σ}}_{i,k}^2)}\]}$

其中，b_i,k为第k个符号中的第i个比特，和分别表示星座点中b_i,k等于0、1的符号集，i为每个调制信号对应比特的索引。

5.根据权利要求1所述的基于非理想信道估计含窄带干扰的新型解调修正方法，其特征在于，干扰噪音的强度可分为N_i种，是干扰噪音方差集合中的任一值。

6.根据权利要求3所述的基于非理想信道估计含窄带干扰的新型解调修正方法，其特征在于，根据符号能量归一化后，定义信噪比(SNR)，信干比(SIR)和信干噪比(SINR)分别为和其中h为衰落系数。

7.根据权利要求6所述的基于非理想信道估计含窄带干扰的新型解调修正方法，其特征在于，根据SINR，定义信道估计误差噪声比ξ为