CN106712903A - 一种低复杂度mimo fbmc‑oqam系统信号检测方法 - Google Patents

Abstract

本发明公开了一种低复杂度MIMO FBMC‑OQAM系统信号检测方法，该方法结合信道矩阵特性和列表球形译码算法，首先将虚实分离后的等效信道矩阵进行QR分解，并利用所得酉矩阵列正交特性，实现对MIMO FBMC‑OQAM系统内在干扰的完全消除；然后采用列表球形译码算法来检测信号，其中候选解向量列表通过Grover量子搜索算法来产生；最后利用列表携带的软信息求解似然比，来得到比特水平的输出。本发明采用Grover量子搜索算法有效地解决了在MIMO FBMC‑OQAM系统中高阶调制复杂度过高的问题，在一定程度上降低了计算的复杂度，并保证了良好的检测性能。

Description

一种低复杂度MIMO FBMC-OQAM系统信号检测方法

技术领域

本发明属于无线通信技术领域，特别是多输入多输出(Multiple Input MultipleOutput,MIMO)滤波器组多载波-偏移正交幅度调制(Filter Bank Multicarrier Offset-QAM,FBMC-OQAM)系统领域，涉及一种低复杂度MIMO FBMC-OQAM系统信号检测方法。

背景技术

在第四代移动通信中，多输入多输出(Multiple Input Multiple Output,MIMO)技术在提高系统容量方面和正交频分复用(Orthogonal Frequency-divisionMultiplexing,OFDM)技术在对抗多径衰落方面的优势，将两者的结合在一段时间内引起了业界的深度关注。然而，在第五代移动通信系统(5G)中，OFDM由于其频谱利用率不高，上行同步敏感等，使其在5G中的应用受到了限制。滤波器组多载波(Filter BankMulticarrier,FBMC)技术作为5G关键技术的候选方案，它是用一组优化的滤波器组代替OFDM中的矩形窗函数，从而达到降低带外衰减的目的，另外，它的原型滤波器可以被设计成带有很大的灵活性去匹配时间或者频率色散信道及具有较小的旁瓣去应对不同标准的多址接入或机会式频谱接入通信，由于原型滤波器的冲击响应和频率响应可以根据需要进行设计，各子载波之间不必是正交的，允许更小的频率保护带，因此不需要插入循环前缀。正是因为FBMC技术的诸多良好特性，使其得到当前学术界和业界的大量关注。

然而，同样是由于FBMC的特性，使其在与MIMO技术的结合中受到了掣肘。比如在接收端由于系统内部干扰的存在，使其不能采用传统的MIMO技术来直接进行检测，因此在对寻求新的高效方法来进行有效检测的研究中，学术界百花齐放。一般的处理方法是先利用迫零法(Zero Forcing,ZF)或者最小均方误差法(Minimum Mean Square Error,MMSE)等算法来先粗略地估计并消除系统内部干扰后，再进行传统的检测，如果在应用中对误码性能有一定的要求，那么很大概率地要以提高系统的计算复杂度为代价。本发明主要利用酉矩阵的特性，在消除系统内部干扰后恰好构造成一个适合直接采用列表球形译码算法的表达，然后构造适合应用Grover量子搜索算法的条件，并利用量子搜索的并行性来进一步降低计算复杂度，最后采用列表候选向量的软信息进行似然比求解，以得到系统比特水平的估计，确保在保持良好误码性能的同时，提高其计算效率。

发明内容

有鉴于此，本发明的目的在于提供一种低复杂度MIMO FBMC-OQAM系统信号检测方法，首先将虚实分离后的等效信道矩阵进行QR分解，并利用所得酉矩阵列正交特性，实现对MIMO FBMC-OQAM系统内在干扰的完全消除；然后采用列表球形译码算法来检测信号，其中候选解向量列表通过Grover量子搜索算法来产生；最后利用列表携带的软信息求解似然比，来得到比特水平的输出。

为达到上述目的，本发明提供如下技术方案：

一种低复杂度MIMO FBMC-OQAM系统信号检测方法，该方法具体包括以下步骤：

S1：对接收端OQAM解调后的接收信号进行虚实分离，并将虚实分离后的等效信道矩阵QR分解，然后利用所得酉矩阵列正交的特性消除系统内在干扰，进而直接采用列表球形译码(List Sphere Detection,LSD)算法来检测信号；

S2：借助列表球形译码算法来得到候选向量集：首先得到符合约束条件的部分欧氏距离(Partial Euclidean Distance,PED)候选集，然后利用Grover量子搜索算法从候选集中选取包含最大似然解向量以及与其相邻的若干个解向量在内的解向量，从而完成列表的生成；

S3：根据列表中候选解向量携带的软信息进行似然比求解，从而得到信号比特水平的输出。

进一步，在步骤S1中，接收端经OQAM解调后的接收信号表达式为：

Y_m,n＝H_m,n(a_m,n+ju_m,n)+n_m,n

其中，m、n分别为时频格点上的频率单元和时间单元，H_m,n、a_m,n分别表示平坦衰落信道矩阵和在第m个频率单元第n个时间单元的发送信号，ju_m,n表示系统的内在干扰，n_m,n表示均值为0、方差为的高斯白噪声矩阵，σ²表示高斯白噪声的方差，表示N_r维的单位矩阵，j表示虚数符号；对信号Y_m,n转化到实数域进行处理，其可表示为：

其中

其中Im{·}和Re{·}分别表示求矩阵·的实部和虚部，[·]^T表示求矩阵·的转置；为了将列表球形译码算法引入本方法，首先对进行QR分解，即

其中Q为酉矩阵；令由矩阵Q中第N_r+1列到第2N_r列元素组成矩阵对两边同乘以并将处理后的信号用表示，于是

其中R_m,n为一上三角矩阵，由矩阵R中第N_t+1行到第2N_t行及第N_t+1列到第2N_t列中元素所构成，N_t和N_r分别为系统发送端天线数和接收端天线数，由此得到的信号可直接采用进行列表球形译码。

进一步，在步骤S2中，首先确定符合半径约束条件的部分欧氏距离(PartialEuclidean Distance,PED)候选集，即确定半径内的PED候选集中元素个数L；令将剩余的2^l-L的PED设为无穷大，则其中N_t为发送天线数，M_c为调制阶数，以此来完成Grover量子算法使用条件的构造；然后准备一个有l个量子比特的量子寄存器，并利用Grover量子搜索算法来进行排序，借助量子搜索算法的并行特性；最后从2^l中PED候选集中选取N_cand个PED最小的解向量来生产列表，用于计算软信息，这里N_cand表示列表长度。

本发明的有益效果在于：1)本方法采用LSD算法进行比特水平检测，保证了良好的检测性能；2)本方法在从理论上完全消除系统内在干扰的同时，生成了直接采用列表球形译码的表达式，在一定程度上降低了计算的复杂度；3)本方法采用Grover量子搜索算法，并利用量子搜索算法的并行性，在一定程度上提高了计算效率，进一步降低复杂度。

附图说明

为了使本发明的目的、技术方案和有益效果更加清楚，本发明提供如下附图进行说明：

图1为FBMC-OQAM系统的发送端和接收端模型；

图2为MIMO FBMC-OQAM系统模型；

图3为半径为62时4用户的树搜索举例；

图4为本发明提供的低复杂度LSD检测算法的总体设计流程图；

图5为本发明提供的低复杂度LSD检测算法方案的具体实现流程图；

图6为本发明中Grover量子搜索算法系统框图。

具体实施方式

下面将结合附图，对本发明的优选实施例进行详细的描述。

图1为FBMC-OQAM系统的发送端和接收端模型。本发明中多用户多输入多输出(Multiple Input Multiple Output,MIMO)滤波器组多载波(Filter bank multicarrierOffset-QAM,FBMC-OQAM)系统模型如图2所示：N_t和N_r分别是发送天线数和接收天线数，n和k分别代表低速率信号和高速率信号，M表示子载波数。每个接收端在接收期望数信号的同时，也会接收到来自其它N_t-1个非期望发送端的干扰信号，这些干扰信号与滤波器组的特性结合构成系统的内部干扰。因此，第i个接收端接收到的信号可表示为：

其中，m、n分别表示时频格点的频率单元和时间单元，N_t和N_r分别为系统发送端天线数和接收端天线数，为第i个接收天线第j个发送天线间的平坦衰落信道矩阵系数，和分别表示由第j个发送天线发送的脉冲幅度调制(PulseAmplitude Modulation，PAM)调制后的符号及其内在干扰，j表示虚数符号，n_m,n表示均值为0、方差为的高斯白噪声矩阵，σ²表示高斯白噪声的方差，表示N_r维的单位矩阵。则在MIMO系统中

上式可简单写成

Y＝H(a+ju)+n

对信号Y转化到实数域进行处理，其可表示为

其中

Im{·}和Re{·}分别表示求矩阵·的虚部和实部，[·]^T表示求矩阵·的转置。Q₁,Q₂均表示信道矩阵进行QR分解后酉矩阵Q的子矩阵， 且R₁为由QR分解所得上三角矩阵R的第1行到第N_t行及第1列到第N_t+1列中元素所构成，R₂为由QR分解所得上三角矩阵R的第1行到第N_t行及第N_t+1列到第2N_t列中元素所构成，R₃为由QR分解所得上三角矩阵R的第N_t+1行到第2N_t行及第N_t+1列到第2N_t列中元素所构成，为一个上三角矩阵。

图4所示为本发明提供一种低复杂度信号检测算法的总体设计流程图，具体包括如下步骤：

S1：在上述系统模型的等式两边同乘以其可表示为

其中上式可写为采用LSD算法来检测信号，其中R＝R₃，[·]^T表示求矩阵·的转置。Q₂为QR分解后酉矩阵Q的第N_t+1列到第2N_t列中元素所组成，最大似然解其中，Λ为调制字符集。设搜索半径为r₀，计算约束范围内的部分路径欧式距离(Partial Euclidean Distance，PED)为

初始化其中表示a中后面的N_t-i+1个元素，r_i,j表示矩阵R的第(i,j)个元素，其中，i＝N_t,…,1，(·)^H表示求矩阵·的共轭转置。

S2：采用图3所示方法找到符合条件的PED个数L，令将剩余的2^l-L的PED设为无穷大，则其中N_t为发送天线数，M_c为调制阶数，从2^l中PED候选集中选取N_cand个PED最小的解向量来生产列表，这里N_cand表示列表长度。

设准备一个有l个量子比特的量子寄存器，有2^l个量子基态与Ls中的元素形成一一对应的关系，通过Grover迭代找到Ls中N_cand个最小PED对应的N_cand个量子基态。

1)初始化

将2^l个量子寄存器进行Walsh-Hadamard门变换，化为均匀叠加态。

2)标记目标态

在Ls中任意选择一个元素d_m，对于判决值小于d_m的元素对应的量子态使用旋转算子R，将其概率幅度旋转，表示如下：

3)将目标态的概率幅度进行放大而减小非目标态的概率幅度

4)利用Grover迭代用来确保测量时能以较大概率输出目标态。

5)通过旋转算子和放大算子，输出量子寄存器中的目标态后，再找到其对应的部分欧氏距离和及其解向量；

6)重复2)到4)的步骤，直至找到全部N_cand个解向量构成列表

S3：由步骤二生成的列表中含有最大似然解向量和其它N_cand-1个PED最小的解向量，根据列表中候选向量携带的软信息，进行似然比求解从而求得信号比特水平的估计。

具体方法如下：

第k个符号比特的对数似然比为：

其中，p(a_k＝+1)和p(a_k＝-1)分别表示a_k＝+1和a_k＝-1的概率，y是列表中对应的观测值。

如此便得到该系统比特水平的信号估计。在传统的LSD算法中，复杂度主要来源于列表的长度，子载波数量，发送天线数以及星座图的大小，而就其本身来看，其算法复杂度主要在于PED的计算。一般来说，从2l个无序数列中搜索需要的复杂度为o(2^l)，这里采用Grover算法，使其复杂度为从一定程度上提高了计算效率。

最后说明的是，以上优选实施例仅用以说明本发明的技术方案而非限制，尽管通过上述优选实施例已经对本发明进行了详细的描述，但本领域技术人员应当理解，可以在形式上和细节上对其作出各种各样的改变，而不偏离本发明权利要求书所限定的范围。

Claims (3)

1.一种低复杂度MIMO FBMC-OQAM系统信号检测方法，其特征在于：该方法具体包括以下步骤：

S1：对接收端OQAM解调后的接收信号进行虚实分离，并将虚实分离后的等效信道矩阵QR分解，然后利用所得酉矩阵列正交的特性消除系统内在干扰，进而直接采用列表球形译码(List Sphere Detection,LSD)算法来检测信号；

S2：借助列表球形译码算法来得到候选向量集：首先得到符合约束条件的部分欧氏距离(Partial Euclidean Distance,PED)候选集，然后利用Grover量子搜索算法从候选集中选取包含最大似然解向量以及与其相邻的若干个解向量在内的解向量，从而完成列表的生成；

S3：根据列表中候选解向量携带的软信息进行似然比求解，从而得到信号比特水平的输出。

2.根据权利要求1所述的一种低复杂度MIMO FBMC-OQAM系统信号检测方法，其特征在于：在步骤S1中，接收端经OQAM解调后的接收信号表达式为：

Y_m,n＝H_m,n(a_m,n+ju_m,n)+n_m,n

其中，m、n分别为时频格点上的频率单元和时间单元，H_m,n、a_m,n分别表示平坦衰落信道矩阵和在第m个频率单元第n个时间单元的发送信号，ju_m,n表示系统的内在干扰，n_m,n表示均值为0、方差为的高斯白噪声矩阵，σ²表示高斯白噪声的方差，表示N_r维的单位矩阵，j表示虚数符号；对信号Y_m,n转化到实数域进行处理，其可表示为：

$\begin{array}{c}{\stackrel{\‾}{Y}}_{m,n}={\left[\begin{array}{cc}\mathrm{Im}\left\{Y_{m,n}\right\}& \mathrm{Re}\left\{Y_{m,n}\right\}\end{array}\right]}^T\\ ={\stackrel{\‾}{H}}_{m,n}\left[\begin{array}{c}{u}_{m,n}\\ a_{m,n}\end{array}\right]+{\stackrel{\‾}{n}}_{m,n}\end{array}$

其中

${\stackrel{\‾}{H}}_{m,n}=\left[\begin{array}{cc}-\mathrm{Im}\left\{H_{m,n}\right\}& \mathrm{Re}\left\{H_{m,n}\right\}\\ \mathrm{Re}\left\{H_{m,n}\right\}& \mathrm{Im}\left\{H_{m,n}\right\}\end{array}\right]$

${\stackrel{\‾}{n}}_{m,n}={\left[\begin{array}{cc}\mathrm{Im}\left\{n_{m,n}\right\}& \mathrm{Re}\left\{n_{m,n}\right\}\end{array}\right]}^T$

其中Im{·}和Re{·}分别表示求矩阵·的实部和虚部，[·]^T表示求矩阵·的转置；为了将列表球形译码算法引入本方法，首先对进行QR分解，即

${\stackrel{\‾}{H}}_{m,n}=QR$

其中Q为酉矩阵；令由矩阵Q中第N_r+1列到第2N_r列元素组成矩阵对两边同乘以并将处理后的信号用表示，于是

${\tilde{Y}}_{m,n}={\tilde{Q}}^T{\stackrel{\‾}{Y}}_{m,n}=R_{m,n}\×a_{m,n}+{\tilde{n}}_{m,n}$

其中R_m,n为一上三角矩阵，由矩阵R中第N_t+1行到第2N_t行及第N_t+1列到第2N_t列中元素所构成，N_t和N_r分别为系统发送端天线数和接收端天线数，由此得到的信号可直接采用进行列表球形译码。

3.根据权利要求1所述的一种低复杂度MIMO FBMC-OQAM系统信号检测方法，其特征在于：在步骤S2中，首先确定符合半径约束条件的部分欧氏距离(Partial EuclideanDistance,PED)候选集，即确定半径内的PED候选集中元素个数L；令将剩余的2^l-L的PED设为无穷大，则其中N_t为发送天线数，M_c为调制阶数，以此来完成Grover量子算法使用条件的构造；然后准备一个有l个量子比特的量子寄存器，并利用Grover量子搜索算法来进行排序，借助量子搜索算法的并行特性；最后从2^l中PED候选集中选取N_cand个PED最小的解向量来生产列表，用于计算软信息，这里N_cand表示列表长度。