CN106911375A - 低复杂度差分检测方法 - Google Patents

Abstract

本发明属于无线通信技术领域，具体涉及差分空间调制(differential spatial modulation，DSM)通信系统中的一种信号检测方法。本发明提出一种低复杂度差分检测方法。相比于传统的逐块搜索的ML检测，本发明提出的检测算法采用逐符号检测。具体来说，首先跟传统的空间调制检测一样，先在每个时隙分别进行估计，得到每个时隙激活天线的序号和相应的符号。然后，这N_t个估计的天线索引共同决定激活的天线矩阵的索引。

Description

低复杂度差分检测方法

技术领域

本发明属于无线通信技术领域，具体涉及差分空间调制(differential spatialmodulation，DSM)通信系统中的一种信号检测方法。

背景技术

对于DSM系统，传输的比特分别用于调制天线排列矩阵和激活天线上传输的L-PSK符号。理论上来说，所有的可能的天线排列矩阵有N_t！个，但是实际上只能选用其中个用来调制信息，剩余的天线排列矩阵视为无效，其中，表示取整函数。天线排列矩阵A_q(q＝1,2,...,Q)是N_t×N_t的满秩矩阵，A_q的每一列都只有一个非零元素。因此，每个天线排列矩阵A_q一对一地对应一个天线序列向量其中(j＝1,2,...,N_t)代表着A_q的第j列元素中非零元素的位置。Q个天线排列矩阵A_q(q＝1,2,...,Q)对应Q个天线序列向量

在每N_t个时隙里，发送一个N_t×N_t的空时矩阵X_k，传递B＝log₂(Q)+N_tlog₂(L)比特的信息。其中，B₁＝log₂(Q)个比特用于在Q个可能的天线排列矩阵中选择一个A_q，另外B₂＝N_tlog₂(L)个比特用于调制N_t个L-PSK符号所以，得到第k个发送矩阵为：其中，diag[·]表示将向量对角化为矩阵。

DSM系统的差分调制为：S_k＝S_k-1X_k,其中，初始化S₀为(N_t×N_t)的对角矩阵。

在接收端，收到的第k个接收矩阵表示为：Y_k＝H_kS_k+n_k,其中，和分别表示信道矩阵和噪声矩阵，它们的元素分别满足和的复高斯分布。假定信道参数在N_t个时隙里保持不变，有H_k-1≈H_k。收到的Y_k可以表示为：Y_k＝Y_{k- 1}X_k+N_k,其中，N_k＝n_k-n_k-1X_k。

DSM的ML检测可以表示为：其中，χ是所有有效的DSM发射矩阵的集合，随着N_t指数增长。因此，当DSM系统的传输速率较高时，ML检测并不实用。

发明内容

本发明提出一种低复杂度差分检测方法。相比于传统的逐块搜索的ML检测，本专利提出的检测算法采用逐符号检测。具体来说，首先跟传统的空间调制检测一样，先在每个时隙分别进行估计，得到每个时隙激活天线的序号和相应的符号然后，这N_t个估计的天线索引共同决定激活的天线矩阵的索引。

低复杂度差分检测方法，包括以下步骤：

S1、对于i＝1,2,...,N_t，利用HL-ML检测算法得到N_t个初步估计的序号和符号 最终可以得到和其中， 是Y_k的第i列，是Y_k-1的第l_i列，是数字解调程序；

S2、对于所有可能的天线索引向量依次与S1得到的进行比较，记N_q为与L_q的相同元素数目，可以得到N＝[N₁,...,N_q,...,N_Q]，将所述N中的元素按照降序排列，得到其中，和分别是N中的最大元素和最小元素，记m_q为与相应的天线排列矩阵的序号，得到m＝[m₁,...,m_q,...,m_Q]；

S3、如果认为得到的有效，与之相应的即为最终的检测结果；

S4、如果认为得到的无效，定义Q_M作为N中的最大元素的数量，选择m＝[m₁,...,m_q,...,m_Q]中的前P种有效的天线排列矩阵进行进一步的检测，其中，P≥Q_M， 是天线排列矩阵A_q对应的天线索引向量L_q的第j个元素，j＝1,2,...,N_t。

本发明的有益效果是：

本发明结合HL-ML检测和ML检测，首先通过逐时隙进行HL-ML检测得到激活天线和传输符号的初步结果，减少计算复杂度，在初步检测结果不理想的情况下，扩大搜索空间进行进一步的检测以提高检测精度。本发明相对于ML检测而言，大大缩小了最大后验概率检测的搜索空间，从而大大降低了运算复杂度；并可达到与ML概率检测近似的检测精度。

附图说明

图1是不同天线配置下的初步检测得到的天线序号向量有效的概率随着信噪比的变化。图(a)是N_t＝4，N_r＝4，图(b)是N_t＝6，N_r＝6。

图2是不同天线配置下不同检测算法的性能对比图。图(a)是N_t＝4，N_r＝4，图(b)是N_t＝6，N_r＝6。

图3是不同天线配置下不同检测算法的计算复杂度对比图。图(a)是N_t＝4，N_r＝4，图(b)是N_t＝6，N_r＝6。

具体实施方式

下面将结合实施例和附图，对本发明方法进行进一步说明。

本发明结合HL-ML检测和ML检测，首先通过逐时隙进行HL-ML检测得到激活天线和传输符号的初步结果，减少计算复杂度，在初步检测结果不理想的情况下，扩大搜索空间进行进一步的检测以提高检测精度。本发明相对于ML检测而言，大大缩小了最大后验概率检测的搜索空间，从而大大降低了运算复杂度；并可达到与ML概率检测近似的检测精度。

S1、对于i＝1,2,...,N_t，利用HL-ML检测算法得到N_t个初步估计的序号和符号 最终可以得到和其中， 是Y_k的第i列，是Y_k-1的第l_i列，是数字解调程序；

S2、对于所有可能的天线索引向量依次与S1得到的进行比较，记N_q为与L_q的相同元素数目，可以得到N＝[N₁,...,N_q,...,N_Q]，将所述N中的元素按照降序排列，得到其中，和分别是N中的最大元素和最小元素，记m_q为与相应的天线排列矩阵的序号，得到m＝[m₁,...,m_q,...,m_Q]；

S3、如果认为得到的有效，与之相应的即为最终的检测结果；

S4、如果认为得到的无效，需要进行进一步的检测。这种情况下N中的最大元素可能不止一个。定义Q_M作为N中的最大元素的数量，选择m＝[m₁,...,m_q,...,m_Q]中的前P种有效的天线排列矩阵进行进一步的检测，其中，P≥Q_M， 是天线排列矩阵A_q对应的天线索引向量L_q的第j个元素，j＝1,2,...,N_t。

图1是不同天线配置下的初步检测得到的天线序号向量有效的概率随着信噪比的变化。图(a)是N_t＝4，N_r＝4，图(b)是N_t＝6，N_r＝6。图2和图3中ML表示传统的ML检测方法，LBD表示本发明提供的低复杂度检测方法。图2是不同天线配置下不同检测算法的性能对比图。图(a)是N_t＝4，N_r＝4，图(b)是N_t＝6，N_r＝6。图3是不同天线配置下不同检测算法的计算复杂度对比图。图(a)是N_t＝4，N_r＝4，图(b)是N_t＝6，N_r＝6。

Claims (1)

1.一种低复杂度差分检测方法，其特征在于，包括以下步骤：

S1、对于i＝1,2,...,N_t，利用HL-ML检测算法得到N_t个初步估计的序号和符号 最终可以得到和其中， 是Y_k的第i列，是Y_k-1的第l_i列，是数字解调程序；

S2、对于所有可能的天线索引向量依次与S1得到的进行比较，记N_q为与L_q的相同元素数目，可以得到N＝[N₁,...,N_q,...,N_Q]，将所述N中的元素按照降序排列，得到其中，和分别是N中的最大元素和最小元素，记m_q为与相应的天线排列矩阵的序号，得到m＝[m₁,...,m_q,...,m_Q]；

S3、如果认为得到的有效，与之相应的即为最终的检测结果；

S4、如果认为得到的无效，定义Q_M作为N中的最大元素的数量，选择m＝[m₁,...,m_q,...,m_Q]中的前P种有效的天线排列矩阵进行进一步的检测，其中，P≥Q_M， 是天线排列矩阵A_q对应的天线索引向量L_q的第j个元素，j＝1,2,...,N_t。