CN106357367A - 大规模天线系统下非相干的联合检测和信道译码的方法 - Google Patents

Abstract

大规模天线系统下非相干的联合检测和信道译码的方法，传统的相干的大规模多输入多输出系统面临着信道信息估计的挑战。为了节约系统的开销，我们在单用户的大规模多输入多输出的系统中考虑非相干检测，其中发射端单用户配有一根天线，接收端配有大规模天线阵列。本发明基于相关接收机和置信度传播算法，提出软输入软输出的多符号差分算法，此算法容易与软输入软输出的信道译码结合。对于非相干的单用户大规模天线系统，首次提出联合多符号差分算法和信道译码结构。本发明通过少量次数在联合多符号差分检测器和信道译码器中的迭代可以显著提高系统的误码率性能。

Description

大规模天线系统下非相干的联合检测和信道译码的方法

技术领域

本发明涉及一种用于无线通信系统中的联合检测与信道译码的方法，确切地说，是一种基于自相关接收机和置信度传播理论的非相干联合检测与译码方法，属于无线通信技术领域。

背景技术

大规模MIMO技术作为第五代(5G)移动通信的候选技术之一而得到了越来越多的研究，其思想就是通过大量增加基站的天线数目，在相同的频率、时间资源块中建立多个并行的数据传输通道，进而提升整个系统的频谱和能量利用率。

为了利用大规模天线的增益，大部分的方法需要在基站侧精确地已知信道的信息，每个用户到每个接收天线的的信道信息需要估计，随着用户与接收天线的增加，信道估计的复杂度变得非常大，以至于快速地获得精确的信道信息变得不可行。作为传统的非相干检测技术之一，多符号差分检测可以有效的避免训练或信道估计过程。

现存的大规模MIMO的多符号差分检测算法只能输出0、1的硬判决信息，这并不能适合与性能优异Turbo和LDPC信道编码结合，必须重新设计软判决量。

在大规模MIMO系统下，借助置信度传播算法中的和积法则,计算逐符号的后验概率，实现软入软出的多符号差分检测算法需要进一步研究。

在此基础上，在大规模MIMO下，如何进一步结合信道编码，如何将信道编码的图模型与多符号差分检测的因子图模型进行融合，然后设计交互的软信息与消息的更新方式，使得逐符号的软信息在检测与译码器中交换，取得编码与 联合结构的共同性能增益，需要进一步研究。

针对以上提出的问题，本发明提出了一种非相干的联合多符号差分检测与信道译码的方法。

发明内容

有鉴于此，本发明的目的是结合自相干接收机和置信度传播算法，提出软入软出的的多符号差分检测算法,此算法易与性能优良的软入软出的信道译码结合。

然后针对单用户的大规模天线系统提出一种新颖的联合多符号差分检测与信道译码的算法，通过较少的迭代次数，有效的改善系统的误码率性能。

先介绍本发明方法的应用场景：考虑上行传输场景，一个单天线的用户传输数据至配有根天线的基站N_R，N_R非常大。在每一个时间间隙，用户从多进制的PSK调制中发射一个符号。考虑富散射的环境，用户到基站每根天线的的信道参数以及高斯白噪声均是零均值复高斯循环随机变量。假设信道是准静态的，在一个充分长的发射时段内，信道参数保持不变。

所述方法包含以下三个步骤

1，推导基于后验概率的软入软出多符号差分检测的软输出检测子和对相应参数进行估计：

(11)根据应用场景中用户发射信号，信道条件的假设，得到在基站接收端接收信号的表达式，每一个时间的接收信号是一个与接收天线数等长的长向量。

(12)将一个接收时段内的接收向量根据观察窗大小分块，把块内的不同

时间的接收向量作自相关操作，得到一个自相关信号的表达式如下

$z_{k,l}=r_k^H{r}_l=E_g\·\left(\underset{z=l+1}{\overset{k}{\mathrm{\Π}}}{a}_z\right)+n_{k,l}---\left(1\right)$

$n_{k,l}=b_k^{*}\·h^H{n}_l+n_k^{H}h\·b_l+n_k^H{n}_l---\left(2\right)$

(13)根据自相关表达式，式中噪声的概率分布，中心极限定理，运用概率论知识推导得到接收端自相关信号的概率分布表达式。

(14)根据贝叶斯公式，得到每个发射符号的后验概率

$p\left(a_k\right|z_s)\∝\underset{x_s:~a_k}{\mathrm{\Σ}}p\left(z_s\right|x_s)p\left(x_s\right)---\left(3\right)$

此后验概率与该块内其他符号的概率和块的信道转移概率相关，

(15)参数估计：从自相关信号的表达式(1)中可以看出，自相关信号依赖于数据符号和采集的能量E_g，为了获得此参数，我们的接收机采用下列的估计方法：

${\hat{E}}_g=\frac{1}{J}\underset{s=1}{\overset{S}{\mathrm{\Σ}}}\underset{k=(s-1)M+1}{\overset{sM}{\mathrm{\Σ}}}\underset{l=(s-1)}{\overset{k-1}{\mathrm{\Σ}}}\left|z_{k,l}\right|---\left(4\right)$

其中J是自相关参数集合Z＝{z_s}，s＝1,2,...,S中元素的数量，一共有SM(M+1)/2个。获得此估计的参数后，用它替换E_g。我们会在仿真中证明此参数估计的良好性能。

2，推导可迭代的软入软出的多符号差分检测的检测子：在这部分中，我们结合置信度传播算法提出可迭代的软入软出的多符号差分算法。为了方便计算每个数据符号的后验概率，我们将利用因子图来表示系统的概率模型，那么置信度信息就可以在因子图上传播。为了实现因子图，我们首先将全局函数p(z_s|x_s)p(x_s)因子化为许多局部函数。

(21)首先将p(z_s|x_s)因子化，z_s集合中的每一个元素z_k,l可以视为均值为信号大小的独立的噪声分量，那么p(z_s|x_s)可以因子化为:

$p\left(z_s\right|x_s)=\underset{l=(s-1)M+1}{\overset{sM}{\mathrm{\Π}}}\underset{k=(s-1)M}{\overset{l-1}{\mathrm{\Π}}}p\left(z_{k,l}\right|x_s)---\left(5\right)$

(22)接下来我们因子化p(x_s)，虽然数据符号经过了编码，但是经过交织操作以后，数据符号可以近似为独立。所以p(x_s)可以因子化为：

$p\left(x_s\right)=\underset{k=(s-1)M+1}{\overset{sM}{\mathrm{\Π}}}p\left(a_k\right)---\left(6\right)$

将(5)式和(6)式代入(3)式，可得

$p\left(a_k\right|z_s)=\mathrm{\γ}\left(a_k\right)\∝\underset{x_s:~a_k}{\mathrm{\Σ}}p\left(z_s\right|x_s)\underset{(l\∈l_s\∩(l\≠k\left)\right)}{\mathrm{\Π}}\mathrm{\δ}\left(a_l\right)---\left(7\right)$

根据(7)式，我们可以利用置信度传播算法来计算所有的数据符号a_k的后验概率p(a_k|z_s)。而且，将每个符号的概率信息作为桥梁，容易与软入软出信道译码结合。图3展示了联合多符号差分检测和信道译码的算法框架。整个框架图可以分为两个部分：上半部分虚线框内的部分展示了一个块大小为M个符号，软入软出的多符号差分检测的信号处理部分；下半部分展示了信道编码的约束。

信道编码会在因子图中引入环，使得置信度传播算法不能计算出数据符号精确的后验概率值。然而在相关文献中也指出，用迭代的算法，在优异的成环很大的信道编码中，置信度传播算法可以对符号的后验概率有很好的近似。

3.联合多符号差分检测和信道译码的算法：

一次发射时段内，所有经过信道编码符号的分为S个块，它们同时被处理。图3展示的是其中的第sth块的信号处理。

(31)初始化：初始阶段，信道译码器没有提供外部信息，各符号的先验信息δ⁽⁰⁾(a_l)是等概的。

(32)步骤1：对于图1所示的第sth块，已知p(z_s|x_s)和符号的先验信息δ^(i-1)(a_l)，利用公式(10)计算γ⁽ⁱ⁾(a_k)。γ⁽ⁱ⁾(a_k)作为软入软出多符号差分检测更新的先验信息，送入到信道的译码器。

(33)步骤2：经过在译码器内部的多次迭代，译码器更新δ^(i-1)(a_l)，将他们重新送入检测器。更新过的δ^(i-1)(a_l)视为信道编码符号新的先验信息。在这步中，从上一次信道译码得到的δ^(i-1)(a_l)能够得到充分的利用。

(34)步骤3：重复步骤1和步骤2，最后一次迭代得到的信道译码结果作为 最后的结果。

本发明是基于自相关接收机和置信度传播算法提出的一种用于大规模无线通信系统的一种联合检测与译码算法。其优点是：检测器与信道译码器之间传播的信息能够充分互相利用，信道译码器更新的符号先验信息能够重新传入检测器帮助检测，更为准确的检测器输出的符号后验信息传入信道译码器。本发明方法的创新关键是：提出软输入软输出的的多符号差分算法，将符号的概率信息和置信度传播算法作为桥梁，提出联合检测与译码算法。本发明方法相对于传统的将信号检测与信道译码作为独立的两部分的信号处理过程，性能得到了提升。

附图说明

图1是本发明的信号处理流程图。

图2是本发明窗函数移动的示意图。

图3是本发明提出的联合多符号差分算法和信道译码的框架图。

图4是本发明提出的联合多符号差分算法和信道译码的算法流程图。

图5是联合多符号差分算法和信道译码的误码率性能仿真图。

图6是联合检测与译码算法迭代的收敛仿真图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面结合附图对本发明作进一步的详细描述。

参见图1，介绍本发明的信号处理流程。在发射端对信源符号进行信源编码，交织，二进制DPSK的调制；信号经过块衰落的准静态信道，在接收端的大规模天线阵列上接收；接收信号向量经过自相关接收机进行自相关操作后，进入联合多符号和信道译码过程。

参见图2，介绍本发明方法的自相关接收模块处理过程：发射端发射包含K个数据符号的数据包，在接收端的大规模天线阵列上获得K×N_R维的接收矩阵R＝[r₁,r₂,...,r_K]。将K个接收向量分成S＝K/M块，M是块大小，表示块内的向 量数。如图2所示，在多符号差分检测中，观察窗的大小是M+1，当处理完当前M个向量后，观察窗向下滑动M个向量，相邻滑动窗之间重叠一个向量。

参见图3，介绍本发明方法的联合检测与信道译码过程：

初始化：初始阶段，信道译码器没有提供外部信息，各符号的先验信息δ⁽⁰⁾(a_l)是等概的。

步骤1：对于图1所示的第sth块，已知p(z_s|x_s)和符号的先验信息δ^(i-1)(a_l)，利用公式(10)计算γ⁽ⁱ⁾(a_k)。γ⁽ⁱ⁾(a_k)作为软入软出多符号差分检测更新的先验信息，送入到信道的译码器。

步骤2：经过在译码器内部的多次迭代，译码器更新δ^(i-1)(a_l)，将他们重新送入检测器。更新过的δ^(i-1)(a_l)视为信道编码符号新的先验信息。在这步中，从上一次信道译码得到的δ^(i-1)(a_l)能够得到充分的利用。

步骤3：重复步骤1和步骤2，最后一次迭代得到的信道译码结果作为最后的结果。

参见图4，介绍了本发明方法的联合检测与信道译码的算法流程图。

为了展示本发明算法的性能，图5展示了联合检测和信道译码的性能仿真图。LDPC的码率为1/2，在译码器内部进行10次迭代。LDPC信道译码在信道编码的约束下也是一个置信度传播的过程。每次发射包含300个数据符号(600个信道编码符号)。可以观察到以下三点：第一，联合检测与信道编码算法相对于未编码系统性能得到很大的提升，这归咎于两个方面：信道编码和交织器，另一方面是由于本发明的联合检测与译码结构，在图5中展示这个优点；第二，随着检测块符号数的增加，系统的性能得到提升(当误码率为10^-6，检测块符号数为2，3相对于单符号差分检测性能分别提升了1.1和2.3dB)。第三，估计的E_g对于对于性能的影响。从仿真图可以看出，完美的参数E_g和用我们方法估计的参数对系统性能的影响几乎相同，由此可见，我们这种直接的对系统参数的估计足以适用于我们提出的算法。

图6展示了迭代次数对联合检测与信道译码系统性能的影响。仿真参数如下：检测块大小为3，接收端天线数为100，使用参数估计LDPC的码率为1/2，在译码器内部进行10次迭代。当多符号差分检测和信道译码的迭代次数为1时，软输入软输出的多符号差分算法退化为软输出的的多符号差分算法，这是因为信道译码更新的关于符号的信息没有重新传入多符号差分检测，这就是传统的单独检测与译码的过程。另一方面，相对于单次的迭代，6次的在检测与译码之间的迭代大于带来0.5dB的性能增益。并且，从图中可以观察到，5次迭代的性能和六次迭代的性能非常接近，这表明6次迭代可以使算法收敛。

以上所述仅为本发明的较佳实例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。

Claims (4)

1.一种非相干的联合检测和信道译码的方法，用于下述场景：考虑上行传输场景，一个单天线的用户传输数据至基站，基站装配有大规模线性阵列天线。所述方法包括下列三个操作步骤：

(1)推导基于后验概率的软入软出多符号差分检测的软输出检测子和对相应参数进行估计阶段：接收端采用自相关接收机，将接收信号进行自相关操作，推导出基于每个数据符号后验概率的软输出检测子，对检测子中涉及到的未知参数进行估计。

(2)推导可迭代的软入软出的多符号差分检测的检测子阶段：根据检测子的概率函数模型建立因子图，置信度信息就可以在因子图上传播。

(3)联合检测与信道译码阶段：将每个符号的概率信息作为桥梁，容易与软入软出信道译码结合。将软入软出的检测子与性能优异的软入软出的信道译码结合，提出联合检测与信道译码算法。

2.根据权利要求1所述的方法，所述步骤(1)中，推导基于后验概率的软入软出多符号差分检测的软输出检测子和对相应参数进行估计包括下列操作内容：

(11)推导自相关信号的概率分布函数：根据应用场景中用户发射信号，信道条件的假设，建立在基站接收端接收信号的数学模型，将接收的信号作自相关操作，分析在特定场景下的概率分布模型；

(12)从自相关信号的表达式中可以看出，自相关信号依赖于数据符号和采集的能量E_g，为了获得此参数，采用一种简便的参数估计方法估计次参数。

3.根据权利要求1所述的方法，所述步骤(2)中，推导可迭代的软入软出的多符号差分检测的检测子进一步包括下列操作内容：

(21)利用步骤(1)中自相关信号的概率分布模型以及贝叶斯公式，推导得到每个数据符号基于后验概率的软输出检测子；

(22)为了有效地计算后验概率，将检测子的全局函数因子化为局部函数的 乘积；

(23)根据检测子的局部函数建立检测子的因子图模型，置信度信息可以在因子图上传播，推导得到基于置信度传播算法的软入软出的检测子。

4.根据权利要求1所述的方法，所述步骤(3)中，联合多符号差分检测检测与信道译码进一步包括下列操作内容：

(31)联合步骤3中的因子图模型与信道编码的图模型，将符号的概率信息作为桥梁，建立联合检测与信道译码的模型图；

(32)将检测器输出的符号的后验信息传入信道译码器，符号的后验信息在译码器内部迭代，最后输出每个符号的译码信息；

(33)将信道的译码信息作为更新的符号的先验信息重新传入检测器，检测器根据检测子更新符号的后验信息，更新后的后验信息再次传入译码器进行译码。

(34)重复以上连个步骤若干次后，将译码器的译码信息作为符号的最终信息输出。