CN107204831A - 一种用于mimo‑scma系统的低复杂度检测方法 - Google Patents

Abstract

本发明属于无线通信技术领域，涉及一种用于MIMO‑SCMA系统的低复杂度检测方法。本发明主要包括：(1)通过对接收信号进行ZF或者MMSE检测，再对各天线上的多用户的数据进行MPA检测，得到初始解；(2)对MIMO‑SCMA系统的数学模型进行线性等效变换，转换为MIMO系统的数学模型；(3)若初始解的ML代价值小于门限值，即直接输出初始解；(4)若初始解不满足门限值，则对初始解进行邻域搜索，将前m个最优邻域解作为m个初始解。对当前m个解同时进行邻域搜索，对每个当前解各保留n个最优邻域解，然后在m×n个邻域解中保留前m个不同的最优解作为下次迭代的当前解，循环迭代搜索至满足终止条件。本发明的有益效果是：在误码率性能上有明显优势，且具有低复杂度的优势。

Description

一种用于MIMO-SCMA系统的低复杂度检测方法

技术领域

本发明属于无线通信技术领域，涉及多输入多输出(Multiple-Input Multiple-Output,MIMO)、稀疏码多址(Sparse Code Multiple Access,SCMA)技术以及相关的信号检测技术，具体的说是涉及一种用于MIMO-SCMA系统的低复杂度检测方法。

背景技术

随着移动互联网和物联网的不断发展，各种新兴业务不断涌现，现有的第四代移动通信系统(4G)网络将无法满足未来的需求。目前，非正交多址技术受到业界的广泛关注，被视为5G网络中最具潜力的关键空口技术，SCMA技术就是非正交多址技术中的一种候选技术方案。SCMA技术是一种新型多址技术，它将用户的信息进行高维调制、稀疏扩频处理后，可以实现不同用户的码字在相同的资源块上非正交叠加，其中用户数可以数倍于资源数，特别适用于5G通信中的热点高容量、海量连接、低延时接入等应用场景。MIMO技术由来已久，其采用的多天线技术可以在不增加额外带宽的条件下成倍地提升频谱效率，同时具有抗多径衰落的优势，在第四代移动通信系统(4G)、无线局域网(Wireless Local AreaNetwork,WLAN)等领域有着广泛的应用。考虑到传统MIMO技术的优势，MIMO技术与SCMA技术的结合，作为一种新的传输方案(下文简称MIMO-SCMA)，可以进一步提高频谱效率、提升系统容量、改善误码率性能，是下一代无线移动通信技术研究热点之一。MIMO-SCMA系统下行链路如图1所示。

在通信系统中，接收机的设计往往直接关系到系统的性能与成本。针对MIMO-SCMA系统，目前典型的算法可以分为两类：一类是最大似然(Maximum Likelihood,ML)检测算法，属于联合检测算法，需要联合搜索多个用户所有可能发送的码字，其优点是具有最佳的误码率性能，但是其复杂度随着用户个数、发射天线数和码字数呈指数增长，因此极高的复杂度限制了ML算法在实际通信系统中的应用；另一类是ZF-MPA/MMSE-MPA算法，即将ZF/MMSE检测与消息传递(Message Passing Algorithm,MPA)检测结合的方式，即其优点是复杂度低，但是检测性能较差。为此，针对上述检测算法的局限性，本发明提出了一种近ML性能的低复杂度的检测算法。

发明内容

本发明针对MIMO-SCMA系统提出了一种近ML性能的低复杂度的检测方法，其主要思路是：(1)通过对接收信号进行ZF或者MMSE检测，再对各天线上的多用户的数据进行MPA检测，得到初始解；(2)对MIMO-SCMA系统的数学模型进行线性等效变换，转换为MIMO系统的数学模型；(3)若初始解的ML代价值小于门限值，即直接输出初始解，算法终止；(4)若初始解不满足门限值，则对初始解进行邻域搜索，将前m个最优邻域解作为m个初始解。对当前m个解同时进行邻域搜索，对每个当前解各保留n个最优邻域解，然后在m×n个邻域解中保留前m个不同的最优解作为下次迭代的当前解，如此进行循环迭代搜索，直至算法满足终止条件而停止。

本发明的技术方案是：

MIMO-SCMA系统下行链路如图1所示，具体步骤如下：

步骤1：产生信息比特。假设系统用户数为J，资源数为K，基站端发射天线数为T，每个用户的接收天线数为R，码本码字数为M，则在基站端生成总的信息比特数为JTlog₂(M)。

步骤2：SCMA编码。首先，将各个用户的比特流b_j映射至N维的星座，即高维调制；然后将N维的非零星座点映射至K维码字(N<K)，即稀疏扩频。

步骤3：在基站端，各个用户的信息经过SCMA编码后得到的码字叠加在一起，经过天线发送出去，经过无线信道后到达不同的用户。

步骤4：接收端进行信号检测。在MIMO-SCMA系统下行链路中，对于接收端的某个用户，其接收信号可以表示为：

y＝Hx+n

其中，表示基站端的发送码字，表示接收端的接收符号向量，表示加性高斯白噪声向量，其元素服从均值为0、方差为σ²的高斯分布。信道矩阵H为：

ML检测虽然具有最优的检测性能，但其复杂度极高，难以应用于实际的通信系统中，而ZF-MPA、MMSE-MPA检测算法虽然复杂度低，但检测性能较差。为此，本发明提出了一种近最优性能的低复杂度的检测方法，具体流程如图2所示，其详细步骤如下：

步骤4-1：对接收信号y进行MMSE检测，得到检测符号为

步骤4-2：对各个天线上检测符号进行MPA检测，分离各个用户的信息，得到初始解s₀。

步骤4-3：对MIMO-SCMA系统的数学模型进行线性等效变换，转换为MIMO系统的数学模型：

其中为接收符号，为高斯白噪声，为发送符号向量，其元素为PSK/QAM调制符号。等效变换后的信道矩阵为：

其中F为SCMA因子图矩阵，d_f为每个资源上冲突的用户数，θ_u(u＝1,...,d_f)为高维调制星座的旋转角度。

步骤4-4：引入门限值V_th，若则直接输出最终解算法终止；

步骤4-5：否则，获得m个初始解。通过对s₀进行邻域搜索，得到m个初始解，并置为当前解

其中函数s₀的邻域集合为与s₀仅有一个或几个符号不同的所有向量集合。以s＝[+1,-1,-1,+1,+1,-1]^T为例，仅有一个调制符号不同的邻域集合可以定义为：

步骤4-6：对于第i次循环，对当前m个解进行邻域搜索，对每个当前解保留前n个最优邻域解

步骤4-7：从得到的m×n个解向量，即集合C中，选择前m个最优解作为下次循环的当前解

步骤4-8：如果前一次循环得到的最小ML代价值小于或等于当前迭代的最小ML代价值，即

则算法终止，最终解为

步骤4-9：否则，将下一次循环的当前解更新为

并回到步骤4-6，继续执行循环流程，直至满足终止条件或者达到循环上限，算法即终止。

步骤4-10：对最终输出的解向量进行数字解调，恢复得到原始比特信息。

本发明的有益效果是：

本发明针对MIMO-SCMA系统提出了一种低复杂度的检测方法，该方法的优点主要体现在：该检测方法在误码率性能上相较于MMSE-PMA检测算法有明显优势，且复杂度比MMSE-PMA检测算法略有增长，因此相较于ML算法具有低复杂度的优势。

附图说明

图1是MIMO-SCMA系统框图；

图2是本发明提出的针对MIMO-SCMA系统低复杂度检测方法的流程图。

具体实施方式

发明内容部分已经对本发明的技术方案进行了详细描述，在此不再赘述。

Claims (1)

1.一种用于MIMO-SCMA系统的低复杂度检测方法，定义MIMO-SCMA系统用户数为J，资源数为K，基站端发射天线数为T，每个用户的接收天线数为R，码本码字数为M，；其特征在于，包括以下步骤：

S1、产生信息比特：

根据系统参数，在基站端生成总的信息比特数为JTlog₂(M)；

S2、SCMA编码：

首先，将各个用户的比特流b_j映射至N维的星座，即高维调制；然后将N维的非零星座点映射至K维码字，N<K，即稀疏扩频；

S3、信息发送：

在基站端，各个用户的信息经过SCMA编码后得到的码字叠加在一起，经过天线发送出去；

S4、接收端进行信号检测；

对于接收端的某个用户，其接收信号表示为：

y＝Hx+n

其中，表示基站端的发送码字，表示接收端的接收符号向量，表示加性高斯白噪声向量，其元素服从均值为0、方差为σ²的高斯分布；信道矩阵H为：

则对接收信号y的具体检测方法为：

S41、对接收信号y进行MMSE检测，得到检测符号为：

<mrow> <msub> <mover> <mi>y</mi> <mo>~</mo> </mover> <mi>MMSE</mi> </msub> <mo>=</mo> <msub> <mi>G</mi> <mi>MMSE</mi> </msub> <mi>y</mi> </mrow>

S42、对各个天线上检测符号进行MPA检测，分离各个用户的信息，得到初始解s₀；

S43、对MIMO-SCMA系统的数学模型进行线性等效变换，转换为MIMO系统的数学模型：

<mrow> <mi>y</mi> <mo>=</mo> <mover> <mi>H</mi> <mo>~</mo> </mover> <mi>s</mi> <mo>+</mo> <mi>n</mi> </mrow>

其中，为接收符号，为高斯白噪声，为发送符号向量，其元素为PSK/QAM调制符；等效变换后的信道矩阵为：

其中，F为SCMA因子图矩阵，d_f为每个资源上冲突的用户数，θ_u(u＝1,...,d_f)为高维调制星座的旋转角度；

S44、引入门限值V_th，并判断是否成立，若是，则直接输出最终解进入步骤S410，若否，则进入步骤S45；

S45、对s₀进行邻域搜索，得到m个初始解，并置为当前解：

其中，函数s₀的邻域集合为与s₀仅有一个或几个符号不同的所有向量集合；迭代执行以下步骤：

S46、对于第i次循环，对当前m个解进行邻域搜索，对每个当前解保留前n个最优邻域解：

S47、从得到的m×n个解向量，即集合C中，选择前m个最优解作为下次循环的当前解：

<mrow> <msubsup> <mrow> <mo>{</mo> <msup> <mover> <mi>x</mi> <mo>^</mo> </mover> <mrow> <mi>i</mi> <mo>,</mo> <mi>k</mi> </mrow> </msup> <mo>}</mo> </mrow> <mrow> <mi>k</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>m</mi> </msubsup> <mo>=</mo> <munder> <mrow> <mi>arg</mi> <mi> </mi> <msub> <mi>min</mi> <mi>m</mi> </msub> </mrow> <mrow> <mi>s</mi> <mo>&amp;Element;</mo> <mi>C</mi> </mrow> </munder> <mi>&amp;phi;</mi> <mrow> <mo>(</mo> <mi>s</mi> <mo>)</mo> </mrow> </mrow>

S48、如果前一次循环得到的最小ML代价值小于或等于当前迭代的最小ML代价值，即：

<mrow> <mi>m</mi> <mi>i</mi> <mi>n</mi> <mi>&amp;phi;</mi> <mrow> <mo>(</mo> <msubsup> <mrow> <mo>{</mo> <msup> <mover> <mi>x</mi> <mo>^</mo> </mover> <mrow> <mi>i</mi> <mo>,</mo> <mi>k</mi> </mrow> </msup> <mo>}</mo> </mrow> <mrow> <mi>k</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>m</mi> </msubsup> <mo>)</mo> </mrow> <mo>&gt;</mo> <mi>m</mi> <mi>i</mi> <mi>n</mi> <mi>&amp;phi;</mi> <mrow> <mo>(</mo> <msubsup> <mrow> <mo>{</mo> <msup> <mover> <mi>x</mi> <mo>^</mo> </mover> <mrow> <mi>i</mi> <mo>-</mo> <mn>1</mn> <mo>,</mo> <mi>k</mi> </mrow> </msup> <mo>}</mo> </mrow> <mrow> <mi>k</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>m</mi> </msubsup> <mo>)</mo> </mrow> </mrow>

则最终解为进入步骤S410，否则进入步骤S49；

S49、将当前解更新为：

<mrow> <msubsup> <mrow> <mo>{</mo> <msup> <mover> <mi>x</mi> <mo>^</mo> </mover> <mrow> <mi>i</mi> <mo>+</mo> <mn>1</mn> <mo>,</mo> <mi>k</mi> </mrow> </msup> <mo>}</mo> </mrow> <mrow> <mi>k</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>m</mi> </msubsup> <mo>=</mo> <msubsup> <mrow> <mo>{</mo> <msup> <mover> <mi>x</mi> <mo>^</mo> </mover> <mrow> <mi>i</mi> <mo>,</mo> <mi>k</mi> </mrow> </msup> <mo>}</mo> </mrow> <mrow> <mi>k</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>m</mi> </msubsup> </mrow>

回到步骤S46，直至i达到预设的循环次数上限后退出检测过程；

S410、对最终输出的解向量x进行数字解调，恢复得到原始比特信息。