CN105119860B - 一种广义空间调制系统的信号检测方法 - Google Patents

Abstract

本发明提供了一种广义空间调制下的低复杂度信号检测方法。该方法包括：①对发送信号参数化建模，并采用一种复杂度简化的贝叶斯压缩感知迭代方法来求解参数向量；②利用信号稀疏度信息对获取的激活天线序列集进行预检测，并重定位部分错误的激活序列；③利用估计的激活天线序列集对发送信号进行线性均衡并解调。本发明大幅提高了信号检测的准确度至逼近最大似然的理想结果，同时保证极低的运算复杂度，并且在欠定、高阶调制系统中同样适用。

Description

一种广义空间调制系统的信号检测方法

技术领域：

本发明涉及无线通信技术领域，具体涉及一种在广义空间调制系统的信号检测方法。

背景技术：

随着无线通信技术的日趋完善，“绿色、节能、可持续”已成为未来5G移动通信中一大重要的发展方向。空间调制(SM)作为一种新型的多天线调制技术，通过每个时隙仅激活一根发送天线，可有效降低系统能耗，并彻底消除信道间干扰(ICI)。为进一步提高频谱效率，广义空间调制(GSM)将激活天线个数从一根扩展到多根，极大提升了信号传输速率。然而与此同时，GSM系统也引入了部分ICI，这使得低复杂度的接收机设计成为亟待解决的问题。

典型的多天线系统接收机通常采用最大比合并(MRC)或最大似然(ML)检测，然而这两种接收机都存在各自的问题：前者无法应用于欠定系统，即接收天线数量少于发射天线数量，这对下行链路是致命问题；后者的计算复杂度随天线数和调整阶数呈指数增长，这在大规模高阶调制系统中不具备实际可操作性。实际上，针对GSM系统中的低复杂度信号检测已经存在一些方案，如球形译码、块排序等等，但其本质上都是以检测准确度为代价。Wenlong Liu于2014年在IEEE Communication Letter上发表了“Denoising Detectionfor the Generalized Spatial Modulation System Using Sparse Property”(IEEE组织在通信领域的SCI期刊，《广义空间调制中利用稀疏性的去噪检测》)，提出了利用压缩感知(CS)理论来解决欠定系统中的低复杂度信号检测问题，一定程度上提高了准确度。然而，这种检测方法只适用于低阶调制，对于无线通信中常用的高阶QAM调制系统，其检测性能和理想最大似然检测相比还有很大差距。与此同时，现有的检测方法并没有完全利用信号的稀疏度特性和量化特性，这意味着低复杂度、高准确度的信号检测技术还有很大的提升空间。

发明内容：

本发明的目的在于克服上述技术存在的问题，针对广义空间调制系统，提出一种低复杂度、高准确度的信号检测方法。该方法利用调制信号固有的稀疏度特性和量化特性，采用复杂度简化的贝叶斯压缩感知来定位激活天线序列集，并提供一种自纠错机制来重定位部分激活序列，从而大幅提高检测准确度。该方法适用于高阶QAM调制并逼近理想最大似然的检测结果。

本发明是根据以下技术方案实现的：

步骤A：参数模型化发送信号向量x，并根据接收信号向量y和已知的信道矩阵H，基于贝叶斯压缩感知迭代求解参数向量

步骤B：利用信号特有的稀疏度信息，对步骤A中所获参数向量的主值个数进行检测，并重定位主值序列I₀以外的剩余激活天线序列；

步骤C：根据步骤B中获取的激活天线序列集采用线性均衡和星座图解调发送符号向量并根据解比特映射，得到输出信息流。

优选地，建模并计算参数向量所述的步骤A包括如下步骤：

步骤A1：将发送信号向量x建模为参数化的多元复高斯分布

其中为表征信号稀疏性的参数向量，初始化

步骤A2：根据最大后验概率(MAP)准则，迭代求解目标式

中的参数向量直至达到固定的循环次数T或中任一元素的变化量小于△_x终止，其中p(x|y；γ)为用参数γ表征的后验概率密度函数。

优选地，所述的步骤A2中所涉及的每次迭代过程包括如下步骤：

步骤A21：对当前的参数向量中过小的元素进行剪枝，并调整对应的下标集及信道矩阵计算公式为：

其中，

为剪枝后参与运算的下标集。

步骤A22：根据剪枝后的值，更新后验概率p(x|y；γ)的期望μ和协方差矩阵Σ，其计算公式为：

式中，Σ_y为接收信号向量y的协方差矩阵，其计算公式为：

Σ_y＝σ²I+HΓH^*

其中Γ＝diag(γ)为参数化x模型的协方差矩阵。

步骤A23：采用最大期望(EM)方法更新参数向量其计算公式为：

步骤A24：更新并和上一轮结果比较，若任一元素的变化量小于阈值△_x则终止，否则返回步骤A21重复上述过程直至循环次数上限T。

优选地，检测并重定位激活序列，所述的步骤B包括如下步骤：

步骤B1：根据峰值平均功率比(PAPR)，统计参数向量的主峰个数及主峰序列I₀，其计算公式定义为：

其中η_PAPR为大于1的预设阈值。主峰个数定义为I₀的集合大小

步骤B2：将主峰个数与信号稀疏度n_t进行比较，若相等则取中前n_t个最大项的下标作为检测的激活天线序列集否则执行步骤B3；

步骤B3：若则遍历约束集来获取激活序列目标式为：

其中，约束集定义为：

式中，符号向量的计算公式为：

其中Q(·)为星座图量化过程。否则，执行步骤B4。

步骤B4：采用正交匹配跟踪(OMP)获取激活序列目标式为：

其中三个参量依次代表结果向量、测量矩阵和迭代次数。y_res的计算公式为：

优选地，解调发送符号及解映射，所述的步骤C包括如下步骤：

步骤C1：根据获取的激活天线序列集采用迫零(ZF)均衡和星座图量化来求解发送符号向量计算公式为：

步骤C2：根据广义空间调制的映射规则，对获取的进行解比特映射，得到输出信息流。

与现有技术相比，本发明具有如下有益效果：

本发明实现了广义空间调制系统下的低复杂度、高准确度信号检测。这种信号检测方法更大限度地利用了广义空间调制系统中的信号特性——稀疏性及星座图量化，在保证低复杂度的同时大幅提高检测准确度，甚至逼近理想最大似然的检测结果。这种信号检测方法具有自纠错能力，并且适用于欠定、高阶调制系统，在实际无线通信尤其下行链路中具有更广阔的应用前景。

附图说明：

图1.广义空间调制系统框图。

图2.信号检测方法流程图。

具体实施方式：

下面结合附图和实施例对本发明进行详细的说明。本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

实施例

在瑞利衰落及加性高斯白噪声(AWGN)环境下，广义空间调制系统的信号发送接收过程如图1所示。在采用24根发送天线、12根接收天线，激活天线个数为3的情况下，总激活天线组合共1024种可能，在16QAM调制下其传输码率为22bit/Hz/s。对每个时隙，由前10个比特决定激活天线序列，剩余12个比特分三组映射成星座图符号，并随后由激活天线发送到无线信道。本发明的信号检测方法主要在接收端进行，方法的流程图如图2所示。具体步骤如下：

①将发送信号向量x建模为以参数γ表征的多元复高斯分布CN(0,Γ)，初始化并采用复杂度简化的贝叶斯压缩感知方法迭代求解参数向量直至循环上限T＝1000或的变化量小于10^-5终止；

②以η_PAPR＝10定义参数向量的主峰，若主峰个数则取中前三个最大项的下标作为激活天线序列集否则重定位剩余个激活序列作为修正的激活天线序列集

③采用迫零均衡并将结果解调为16QAM调制符号向量并将解比特映射为22位的输出数据流。

通过以上步骤，可以将每个时隙接收天线获取的信号检测并解码为22个比特信息流，实现16QAM下(24,12)多天线广义空间调制系统的信号检测。

Claims (2)

1.一种广义空间调制系统的信号检测方法，其特征在于，包括如下步骤：

步骤A：参数模型化发送信号向量x，并根据接收信号向量y和已知的信道矩阵H，基于贝叶斯压缩感知迭代求解参数向量具体如下：

步骤A1：将发送信号向量x建模为参数化的多元复高斯分布

其中为表征信号稀疏性的参数向量，初始化N_t为发射天线个数；

步骤A2：根据最大后验概率准则，迭代求解目标式中的参数向量直至达到固定的循环次数T或中任一元素的变化量小于预设阈值Δ_x则终止，其中p(x|y；γ)为用参数γ表征的后验概率密度函数；

步骤B：利用信号特有的稀疏度信息，对步骤A中所获参数向量的主峰个数进行检测，并重定位主峰序列I₀以外的剩余激活天线序列，具体如下：

步骤B1：根据峰值平均功率比，统计参数向量的主峰个数及主峰序列I₀，公式如下：

其中η_PAPR为大于1的预设阈值，主峰个数定义为I₀的集合大小

步骤B2：将主峰个数与信号稀疏度n_t进行比较，若相等则取中前n_t个最大项的下标作为检测的激活天线序列集否则执行步骤B3；

步骤B3：若则遍历约束集来获取激活序列目标式为：

其中，约束集定义为：

式中，符号向量的计算公式为：

其中Q(·)为数字通信中的星座图解调过程；否则执行步骤B4；

步骤B4：采用正交匹配跟踪(OMP)获取激活序列目标式为：

其中参量y_res、H和依次代表结果向量、信道矩阵和迭代次数，y_res公式为：

步骤C：根据步骤B中获取的激活天线序列集采用线性均衡和星座图解调发送符号向量并根据解比特映射，得到输出信息流，具体如下：

步骤C1：根据获取的激活天线序列集采用迫零(ZF)均衡和星座图量化来求解发送符号向量公式为：

步骤C2：根据广义空间调制的映射规则，对获取的进行解比特映射，得到输出信息流。

2.根据权利要求1所述的广义空间调制系统的信号检测方法，其特征在于，采用最大期望方法更新参数向量并逐步收缩参与运算的下标集具体如下：

步骤A21：对当前的参数向量中过小的元素进行剪枝，并调整对应的下标集及信道矩阵H，计算公式为：

其中，

为剪枝后参与运算的下标集；

步骤A22：根据剪枝后的值，更新后验概率p(x|y；γ)的期望μ和协方差矩阵Σ，其计算公式为：

式中，Σ_y为接收信号向量y的协方差矩阵，其计算公式为：

Σ_y＝σ²I+HΓH^*

其中Γ＝diag(γ)为参数化x模型的协方差矩阵；

步骤A23：采用最大期望方法更新参数向量其计算公式为：

步骤A24：更新并和上一轮结果比较，若任一元素的变化量小于阈值Δ_x则终止，否则返回步骤A21重复上述过程直至循环次数上限T。