CN106899326A - 一种提高idma系统基本信号估计精度的方法 - Google Patents

Abstract

本发明涉及移动通信系统技术，特别涉及一种提高IDMA系统基本信号估计精度的方法，接收IDMA信号，根据第一预定义方法将接收到的干扰信号分为强干扰信号与弱干扰信号，并将弱干扰信号作为高斯白噪声的一部分处理，将强干扰信号与目标信号作为待检测信号处理，在接收端通过改进的基本信号估计算法对不同干扰程度的用户进行不同处理经过部分干扰信号预测最小均方误差算法进行检测，本发明可以显著地提高目标用户信号检测的精度，提高多用户检测性能。

Description

一种提高IDMA系统基本信号估计精度的方法

技术领域

本发明涉及移动通信系统技术，特别涉及一种提高交织多址接入(InterleaveDivision Multiple Access，简称IDMA)系统基本信号估计(Elementary SignalEstimate，简称ESE)精度的方法。

背景技术

在过去20年中，随着移动通信技术飞速发展，技术标准不断演进。第四代(The 4thGeneration，4G)移动通信技术以正交频分多址(Orthogonal Frequency DivisionMultiple Access，OFDMA)技术为基础，其数据业务传输速率达到每秒百兆甚至千兆比特，能够在较大程度上满足一段时期内宽带移动通信应用需求。然而，随着智能终端普及应用及移动新业务需求持续增长，无线传输速率需求呈指数增长，无线通信的传输速率仍可能难以满足未来移动通信的应用需求。IMT-2020(5G)推进组在《5G概念白皮书》(参考文献：IMT-2020(5G)推进组.5G愿景与需求白皮书_V1.0[EB/OL].[2014-10-13].http://www.imt-2020.org.cn.)中提到，5G对未来无线网络提出了更高的要求，频谱效率比4G提升5～15倍。面对未来无线网络的挑战，传统的多址接入技术难以满足，所以一些研究机构通过深入的研究，提出了多种非正交多址接入技术。其中，由Saito等人提出的非正交多址接入(Non-Orthogonal Multiple Access，NOMA)以及Li Ping等提出的交织多址接入技术(参考文献：Li Ping,Lihai Liu,Keying Wu,et al.Interleave-Division Multiple-Access[J].IEEE Transactions on Wireless Communications,2006,5(4).)受到业界的广泛关注。

IDMA技术在2003年首次作为非正交多址技术应用在无线通信系统中，不但提出了基于交织多址接入的次最优的多用户检测技术，而且给出逐码片的迭代多用户检测算法，从而提高了算法性能。在IDMA系统中，不同用户使用了不同的交织方案，即通过不同的交织器方案来识别用户，作为用户特征的交织图案可以由随机交织器产生。用户数据序列先通过低速率编码处理产生一组编码序列，而后将高速数据再通过不同的交织器，即码片级交织，交织器打乱了码比特的顺序，使得输出的数据中相邻比特可近似的理解为没有相关性。接收端则采用码片级的Turbo迭代检测技术，该检测结构主要由基本信号估计器和K个单用户后验概率(A posteriori Probability，APP)译码器(Decoder，DEC)组成。

IDMA相比于传统码分多址系统(Code Division Multiple Access，CDMA)很好的克服了多址接入干扰(Multiple Access Interference，MAI)，但是在IDMA系统中，交织器作为区分用户的唯一方式，交织器的设计结构对于系统性能有着非常重要的影响。因此，为了弱化IDMA系统中各个用户有效数据信息之间的多址干扰，设计具有弱的互相关性的交织器组是非常必要的。在参考文献：P.Wang,L.Ping and L.Liu,Optimized powerallocation for multiple access systems with practical coding and iterativemulti-user detection,in Proc.2006Int.Symp.Turbo codes Related TopicsConnection Int.ITG-Conf.Source Channel Coding.中，结合Turbo信道编译码，给出了最优的功率分配方案以及高效的多用户检测方法。提出了基于内点法的优化功率分配技术方案，应用于多址信道环境下的IDMA系统中。

现有技术虽然考虑了高效的交织器设计和基于Turbo方式的迭代多用户检测，但是检测精度及检测性能的收敛特性受高强度干扰信号的影响较大，为了提高用户的数据传输速率和系统的频谱利用率，有效降低IDMA系统接收端的用户间干扰，从而提升多用户检测精度是十分必要的。

华南理工大学的陈芳炯等在专利文献CN102195672A中提及了一种基于IDMA的小区干扰消除方法，其中涉及到接收机把基站根据接收信号强度分类后通过ESE算法迭代检测信号达到干扰消除的内容；专利CN102904690A和CN105577313A则公开了一种经由在ESE中先估计信号，然后更新先验信息，再进行软解调以降低干扰的方法。但是上述方法ESE估计精度不高，不能有效消除用户间干扰，多用户检测性能不够理想。

发明内容

本发明针对现有的多用户检测算法中的基本信号估计器存在的欠缺，提出一种提高交织多址接入IDMA系统基本信号估计精度的方法。

本发明一种提高交织多址接入IDMA系统基本信号估计精度的方法，包括：

接收IDMA信号，根据第一预定义方法将接收到的干扰信号分为强干扰信号与弱干扰信号，并将弱干扰信号作为高斯白噪声的一部分处理，将强干扰信号与目标信号作为待检测信号处理；

基本信号估计器ESE采用部分干扰信号预测最小均方误差算法PIP-MMSE处理待检测信号；

将经过处理的待检测信号经解交织后进行软判决，生成译码器DEC输入信息；

DEC对输入信息进行译码并判决是否满足第二预定义条件，若满足，输出目标信息序列，若不满足，则将译码生成的似然比信息经交织后送至ESE用于下一次迭代。

优选地，所述第一预定义方法包括判断接收端接收信号载干比是否满足<C/I>_k>c，其中，<C/I>_k表示用户k的信号在接收端的载干比，D和R分别为干扰路径的距离和服务路径的距离，α为传播指数，c为接收端对强干扰信号所要求的最高载干比阈值，若满足，则用户k的信号为强干扰信号，否则用户k的信号为弱干扰信号。

优选地，所述第一预定义方法包括判断目标用户k的瞬时信息比特能量E_b与干扰功率谱密度I₀之比<E_b/I₀>_k是否满足<E_b/I₀>_k'≥λ·<E_b/I₀>_k,0<λ<1，若满足，则用户k’的信号为强干扰信号，否则用户k’的信号为弱干扰信号，其中<E_b/I₀>_k'表示用户k的干扰用户k'的瞬时信息比特能量E_b与干扰功率谱密度I₀之比，λ为比例因子。

优选地，所述目标用户k的瞬时信息比特能量E_b与干扰功率谱密度I₀之比可表示为：其中，G_k表示用户k和其发送基站之间的链路增益，p_k表示用户k的发送功率，R_k表示用户k的发送比特速率，I_k表示其他用户对目标用户k的干扰功率，W表示扩频带宽，N₀/2表示加性高斯白噪声的双边功率谱密度。

优选地，所述ESE采用PIP-MMSE算法处理待检测信号包括：

ESE将输入信号先验概率似然比信息初始化

假定所述目标用户与强干扰用户共N个，则ESE接收信号表示为其中，为待检测信号，h_k为用户k所经过的信道系数，x_k(j)用户k的发送信号，j表示用户k发送的信号序列，ζ_k(j)为针对用户k的弱干扰信号和信道高斯白噪声之和；

将待检测信号表示为其中，h_kx_k(j)为目标信号，h_nx_n(j)为本次检测过程中的待检测强干扰信号，表示目标用户信号检测过程中所有强干扰用户信号；

定义权值W_{PIP_MMSE}，使得E|W_{PIP_MMSE}·r(j)-x_n(j)|²最小，则W_{PIP_MMSE}＝(h_n ^Hh_n+σ_II)^{- 1}h_n ^H，其中，σ_I为针对待估计信号的方差，h_n ^H为信道系数h_n的共轭转置，I为单位矩阵；

经一次处理后输出为对其进行软判决并得到其中，为针对信号x_n(j)进行PIP-MMSE算法处理后的输出信号，为信号x_n(j)的估计信号；

重复对所有强干扰用户信号处理，直到得到所有强干扰信号记为

优选地，当用户数K足够大时，根据中心极限定理可得：

同时，定义ESE输出的对数似然比信息为：

可得

其中，p(r(j)|x_k(j)＝±1)表示接收信号r(j)在x_k(j)＝±1条件下的似然函数，x_k(j)为用户k的发送信号，j指示用户k发送信号的序列，发送信号序列的总长度为J，r(j)为ESE模块的接收信号，h_n为用户n所经过的信道系数，ζ_k(j)为针对用户k的弱干扰信号和信道高斯白噪声之和，I_n为所有强干扰信号的估计值，E(ζ_k(j))和Var(ζ_k(j))分别表干扰示噪声的均值和方差，为ESE模块的输入信号。

优选地，所述将所述经过处理的所述待检测信号经解交织后进行软判决，生成DEC输入信息还包括：

解交织生成DEC输入信息为并对其进行软判决，得到序列其中，表示解交织，表示DEC输入对数似然比信息，S为扩频码长度。

优选地，所述DEC对输入信息进行译码并判决是否满足第二预定义条件还包括：

对序列L(d_k)进行APP译码，生成信息后验概率L_APP(d_k)；

判决，若满足第一预定义条件，对L_APP(d_k)进行判决，输出检测到的目标用户信息序列否则，DEC生成似然比信息：

并将该信息经交织后送回至ESE迭代，表示为其中，π_k表示交织，为DEC译码器模块生成的对数似然比信息，为ESE模块输入的对数似然比信息。

本发明根据对要接收的目标信号所造成干扰的信号强度，将强干扰用户和弱干扰用户进行分类，在接收端通过改进的ESE算法对不同干扰程度的用户进行不同处理：将弱干扰信号之和作为高斯噪声处理，将强干扰信号和目标信号统一进行检测，根据最小均方误差(Minimum Mean Square Error，MMSE)算法提出基于部分干扰信号预测的MMSE算法(Partial Interference Predicted-MMSE，PIP-MMSE)，通过该算法对强干扰信号进行估计，并由此改进ESE算法，提高检测精度，有效地消除用户间干扰，提高多用户检测性能。

附图说明

图1为本发明中IDMA系统发送端和接收端框图；

图2为本发明中接收端多用户检测流程图；

图3为本发明中不同迭代次数下的误码率性能图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图对本发明实施例进一步详细说明。

如图1所示为IDMA系统发送端和接收端框图。发射端由若干个编码、扩频模块以及针对每个用户的不同的交织器组成。K个不同用户信息序列{d_k,k＝1,2,...,K}经过低速率编码生成编码序列{c_k,k＝1,2,...,K}，再经过扩频序列处理生成扩频后的序列扩频后的序列通过针对不同用户特有的交织器{π_k,k＝1,2,...,K}进行交织编码，通过分配不同的交织图案来区分不同用户，送入多址接入信道{h_k,k＝1,2,...,K}。

针对图1中接收端部分，接收端收到的信号可表示为：

其中，h_k为用户k所经过的信道系数，x_k(j)用户k的发送信号，n(j)表示为信号的加性高斯白噪声，用户k发送信息比特序列总长度为J，总发送用户数为K。

接收端对接收信号进行预处理，根据对目标信号造成干扰的程度，将信号分类为强干扰信号和弱干扰信号。

作为一种可实现方式，判断的依据为接收到的用户k的瞬时信息比特能量E_b与干扰功率谱密度I₀之比，表示为：其中，G_k表示用户k和其发送基站之间的链路增益，p_k表示用户k的发送功率，R_k表示用户k的发送比特速率，I_k表示其他用户对目标用户k的干扰功率，W表示扩频带宽，N₀/2表示加性高斯白噪声的双边功率谱密度，其中I_k可以表示为：

假定系数λ，若针对目标用户k的其他干扰用户满足：

<E_b/I₀>_k'≥λ·<E_b/I₀>_k,0<λ<1

将用户k’的信号归类为用户k的强干扰信号，否则归类为弱干扰信号。其中，k'为针对目标用户k的干扰用户，系数λ的值可通过蒙特卡罗试验等类似方法获得。之后将弱干扰信号之和作为高斯噪声处理，将强干扰信号与目标信号作为待检测信号的一部分进行检测。

或者，作为另一种可实现方式，可以用载干比对干扰信号进行分类。载干比定义为：表示为对数形式为：C/I＝10αlogD-10αlogR，其中D和R分别为干扰路径的距离和服务路径的距离，α为传播指数，其值视传播区域而定。

计算出待接收用户k的信号在接收端的载干比<C/I>_k，假设接收端对强干扰信号所要求的最高载干比阈值为c，那么，当<C/I>_k>c时，则用户k发送的信号被视为强干扰信号，否则被视为弱干扰信号。经过信号预处理后，目标用户k的信号和其强干扰用户信号统一看作待检测信号。

接收端将待检测信号送入改进的ESE模块进行多用户检测。此时，弱干扰信号被当做高斯噪声处理，假设待检测信号中共有N个用户，信号通过改进的ESE模块进行码片级的干扰消除，ESE接收的输入信号可表示为：

其中，为待检测信号，ζ_k(j)为针对用户k的弱干扰信号和信道高斯白噪声之和，因为目标用户k的弱干扰用户信号可以看作是独立同分布的，所以ζ_k(j)可以近似认为是高斯随机变量，ζ_k(j)的均值用E(ζ_k(j))表示，方差用Var(ζ_k(j))表示。

ESE模块的输入还包括对数似然比信息其值由上一次迭代过程中DEC译码器模块生成的对数似然比信息交织而来。ESE模块的输出为干扰消除后的软信息该信息经过解交织后作为后验概率DEC模块的输入经过译码后输出译码比特序列和对数似然比信息

图2为本发明中接收端多用户检测流程图。

1)首先ESE将输入信号先验概率似然比信息初始化待检测信号进一步表示为：其中，h_kx_k(j)表示目标接收信号，h_nx_n(j)表示本次检测过程中的待检测强干扰信号，表示目标用户信号检测过程中所有强干扰用户信号。

根据基于部分干扰信号预测的最小均方误差(Partial InterferencePredicted-MMSE，PIP-MMSE)算法，假设待估计的强干扰信号来自用户{k',k'＝1,2,...,N,k'≠k}，且本次待估计用户n的发送信号x_n，定义权值W_{PIP_MMSE}使得其满足E|W_{PIP_MMSE}·r(j)-x_n(j)|²最小，则W_{PIP_MMSE}＝(h_n ^Hh_n+σ_II)^-1h_n ^H，其中，σ_I为针对待估计信号的方差，h_n ^H为信道函数h_n的共轭转置，I为单位矩阵，方差σ_I可通过以下计算得到：

其中，Var(x_k(j))＝1-(E(x_k(j)))²， r(j)经过PIP-MMSE算法处理过后的输出表示为对进行软判决后的到反复按上述方法执行，直到估计出所有强干扰用户信号此时，针对目标用户k的N-1个强干扰用户发送信号已被估计出，记作同时，当用户数K足够大时，根据中心极限定理可得：

定义ESE和DEC模块输出的对数似然比信息表达式为：

则由上述公式推导可得：

其中，

2)解交织，生成DEC译码器输入信息：

3)对d_k进行软估计，生成序列：

其中，S为扩频码长度。

4)对序列L(d_k)进行APP译码：生成信息后验概率L_APP(d_k)。

5)如果完成预先设定的迭代次数或者已达到性能指标，则对信息后验概率L_APP(d_k)进行判决，输出检测到的目标用户信息序列多用户检测流程完成；如果未达到上述条件，则DEC译码模块生成似然比信息：

6)由上述似然比信息经过交织后，再次更新ESE模块输入信息并用于下一次迭代过程，进行基本信号估计，如下式所示：其中，π_k表示交织，为DEC译码器模块生成的对数似然比信息，为ESE模块输入的对数似然比信息。

由上述方式进行反复迭代，直至完成预先设定的迭代次数或者已达到性能指标，迭代次数越多，则干扰消除效果越好，ESE模块检测精度越高，即IDMA系统多用户检测性能越好。

图3为本发明中不同迭代次数下的误码率性能仿真结果。该仿真中，用户总数K为16个，其中目标用户信号的强干扰信号假设为3个，扩频码长度为16，采用BPSK调制方式，信道采用平坦的单径AWGN信道，迭代次数分别设置为1，2，4，16。由仿真可知，当迭代次数为1时，收敛速度较慢，BER性能较差；当迭代次数为4时，收敛速度明显加快，BER性能较好；当迭代次数为16时，收敛性能和BER性能均表现良好，说明随着迭代次数不断增多，多用户检测收敛速度越快，干扰消除效果越好，误码率性能逐渐提升，提高了检测精度。

以上所举实施例，对本发明的目的、技术方案和优点进行了进一步的详细说明，所应理解的是，以上所举实施例仅为本发明的优选实施方式而已，并不用以限制本发明，凡在本发明的精神和原则之内对本发明所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种提高交织多址接入IDMA系统基本信号估计精度的方法，其特征在于：

接收IDMA信号，根据第一预定义方法将接收到的干扰信号分为强干扰信号与弱干扰信号，并将弱干扰信号作为高斯白噪声的一部分处理，将强干扰信号与目标信号作为待检测信号处理；

基本信号估计器ESE采用部分干扰信号预测最小均方误差算法PIP-MMSE处理待检测信号；

将经过处理的待检测信号经解交织后进行软判决，生成译码器DEC输入信息；

DEC对输入信息进行译码并判决是否满足第二预定义条件，若满足，输出目标信息序列，若不满足，则将译码生成的似然比信息经交织后送至ESE用于下一次迭代。

2.根据权利要求1所述的方法，其特征在于，所述第一预定义方法包括判断接收端接收信号载干比是否满足<C/I>_k>c，其中，<C/I>_k表示用户k的信号在接收端的载干比，D和R分别为干扰路径的距离和服务路径的距离，α为传播指数，c为接收端对强干扰信号所要求的最高载干比阈值，若满足，则用户k的信号为强干扰信号，否则用户k的信号为弱干扰信号。

3.根据权利要求1所述的方法，其特征在于，所述第一预定义方法包括判断目标用户k的瞬时信息比特能量E_b与干扰功率谱密度I₀之比<E_b/I₀>_k是否满足<E_b/I₀>_k'≥λ·<E_b/I₀>_k,0<λ<1，若满足，则用户k’的信号为强干扰信号，否则用户k’的信号为弱干扰信号，其中<E_b/I₀〉_k'表示用户k的干扰用户k'的瞬时信息比特能量E_b与干扰功率谱密度I₀之比，λ为比例因子。

4.根据权利要求1或3所述的方法，其特征在于，所述目标用户k的瞬时信息比特能量E_b与干扰功率谱密度I₀之比可表示为：其中，G_k表示用户k和其发送基站之间的链路增益，p_k表示用户k的发送功率，R_k表示用户k的发送比特速率，I_k表示其他用户对目标用户k的干扰功率，W表示扩频带宽，N₀/2表示加性高斯白噪声的双边功率谱密度。

5.根据权利要求1所述的方法，其特征在于，所述ESE采用PIP-MMSE算法处理待检测信号包括：

ESE将输入信号先验概率似然比信息初始化

假定所述目标用户与强干扰用户共N个，则ESE接收信号表示为其中，为待检测信号，h_k为用户k所经过的信道系数，x_k(j)用户k的发送信号，j表示用户k发送的信号序列，ζ_k(j)为针对用户k的弱干扰信号和信道高斯白噪声之和；

将待检测信号表示为其中，h_kx_k(j)为目标信号，h_nx_n(j)为本次检测过程中的待检测强干扰信号，表示目标用户信号检测过程中所有强干扰用户信号；

定义权值W_{PIP_MMSE}，使得E|W_{PIP_MMSE}·r(j)-x_n(j)|²最小，则W_{PIP_MMSE}＝(h_n ^Hh_n+σ_II)^-1h_n ^H，其中，σ_I为针对待估计信号的方差，h_n ^H为信道系数h_n的共轭转置，I为单位矩阵；

经一次处理后输出为对其进行软判决并得到其中，为针对信号x_n(j)进行PIP-MMSE算法处理后的输出信号，为信号x_n(j)的估计信号；

重复对所有强干扰用户信号处理，直到得到所有强干扰信号记为

6.根据权利要求5所述的方法，其特征在于，当用户数K足够大时，根据中心极限定理可得：

$\begin{array}{c}p\left(r\right(j\left)\right|x_k\left(j\right)=\&PlusMinus;1)\\ =\frac{1}{\sqrt{2\mathrm{\&pi;}Var\left({\mathrm{\&zeta;}}_k\right(j))}}\exp \left\{\frac{{\{r\left(j\right)-(\&PlusMinus;h_k+\underset{n\&NotEqual;k}{\overset{N}{\underset{n=1}{\&Sigma;}}}{I}_n{h}_n+E({\mathrm{\&zeta;}}_k\left(j\right))\left)\right\}}^2}{2Var\left({\mathrm{\&zeta;}}_k\right(j))}\right\},\end{array}$

同时，定义ESE输出的对数似然比信息为：

$e_{ESE}^{\left(out\right)}\left(x_k\right(j\left)\right)=\log \left(\frac{p\left(r\right(j)|x_k\left(j\right)=+1)}{p\left(r\right(j)|x_k\left(j\right)=-1)}\right),\&ForAll;k,j,$

可得

其中，p(r(j)|x_k(j)＝±1)表示接收信号r(j)在x_k(j)＝±1条件下的似然函数；x_k(j)为用户k的发送信号，j指示用户k发送信号的序列，发送信号序列的总长度为J，r(j)为ESE模块的接收信号，h_n为用户n所经过的信道系数，ζ_k(j)为针对用户k的弱干扰信号和信道高斯白噪声之和，I_n为所有强干扰信号的估计值，E(ζ_k(j))和Var(ζ_k(j))分别表干扰示噪声的均值和方差，为ESE模块的输入信号。

7.根据权利要求1所述的方法，其特征在于，所述将所述经过处理的所述待检测信号经解交织后进行软判决，生成DEC输入信息还包括：

解交织生成DEC输入信息为并对其进行软判决，得到序列其中，表示解交织，表示DEC输入对数似然比信息，S为扩频码长度。

8.根据权利要求1所述的方法，其特征在于，所述DEC对输入信息进行译码并判决是否满足第二预定义条件还包括：

对序列L(d_k)进行APP译码，生成信息后验概率L_APP(d_k)；

判决，若满足第一预定义条件，对L_APP(d_k)进行判决，输出检测到的目标用户信息序列否则，DEC生成似然比信息：

$e_{DEC}^{\left(out\right)}\left(c_k\right(j\left)\right)=L_{APP}\left(d_k\right)-e_{DEC}^{\left(in\right)}\left(c_k\right(j\left)\right),$

并将该信息经交织后送回至ESE迭代，表示为其中，π_k表示交织，为DEC译码器模块生成的对数似然比信息，为ESE模块输入的对数似然比信息。