基于重叠复用的译码方法、装置和系统
技术领域
本申请涉及通信领域,具体涉及一种基于重叠复用的译码方法、装置和系统。
背景技术
基于重叠复用(OvXDM:Overlapped X Division Multiplexing)的调制解调技术包括多种具体实现方案,比如基于重叠时分复用(OvTDM:Overlapped Time DivisionMultiplexing)的调制解调技术、基于重叠频分复用(OvFDM:Overlapped FrequencyDivision Multiplexing)的调制解调技术、基于重叠码分复用(OvCDM:Overlapped CodeDivision Multiplexing)的调制解调技术、基于重叠空分复用(OvSDM:Overlapped SpaceDivision Multiplexing)的调制解调技术、基于重叠混合复用(OvHDM:Overlapped TimeHybrid Multiplexing)的调制解调技术等。基于OvXDM的调制解调技术能够提高系统容量和频谱效率,但是会引起码间干扰的问题。
需要说明的是,本申请中提及的OvXDM中,X代表任意域,例如时间T、空间S、频率F、码分C、混合H等。
下面仅以OvTDM为例进行简单说明。
首先,所谓时间分割(以下简称时分)复用(TDM:Time Division Multiplexing)是一种在数字通信中让多个占据较窄时间持续期的信号符号共享一个较宽时间持续期的技术。如图1所示,为常规的时分复用技术的示意图。
图1中各被复用信号符号的时间持续期(工程上称之为时隙宽度)分别为T1,T2,T3,T4,...,在工程上通常让它们占据相同的时隙宽度,ΔT为最小保护时隙,实际保护时隙宽度应该宽裕一些。ΔT应大于所使用解复用门电路的过渡时间宽度加上系统的最大时间抖动量。这是最常见的时分复用技术。现有绝大多数的多路数字广播系统、多路数字通信等系统采用的都是这种技术。
这种技术应用于数字通信时的最大特点是被复用信号符号之间在时间上是完全相互隔离的,决不会存在相互干扰,对被复用的信号符号没有任何限制,各个信号的符号持续期(时隙宽度)可以有不同的宽度,也能适用于不同的通信体制,只要它们的时隙相互不重叠交叉就可以了,因此使用最为广泛。但是这种复用,复用本身对改善系统的频谱效率毫无作用。
所以,传统的观点是相邻信道之间在时域上不重叠,以避免相邻信道之间 产生干扰,但这种技术制约了频谱效率的提高。现有技术的时分复用技术的观点是各信道之间不但不需要相互隔离,而且可以有很强的相互重叠,如图2所示,现有技术将信道之间的重叠视为一种新的编码约束关系,并根据该约束关系提出了相应的调制和解调技术,因此称之为重叠时分复用(OvTDM:Overlapped Time Division Multiplexing),这种技术使得频谱效率随重叠次数K成比例的增加。
请参考图3,重叠时分复用系统包括信号发射机A01和接收机A02。
发射机A01包括重叠时分复用调制装置101和发射装置102。重叠时分复用调制装置101用于生成携带输入信号序列的复调制包络波形;发射装置102用于将该复调制包络波形发射到接收机A02。
接收机A02包括接收装置201和序列检测装置202。接收装置201用于接收发射装置102发射的复调制包络波形;序列检测装置202用于对接收的复调制包络波形进行时域内的数据序列检测,以进行判决输出。
通常,接收机A02还包括设置在接收装置201和序列检测装置202之间的预处理装置203,用于辅助形成每一帧内的同步接收数字信号序列。
在发射机A01中,输入的数字信号序列通过重叠时分复用调制装置101形成多个符号在时域上相互重叠的发射信号,再由发射装置102将该发射信号发射到接收机A02。接收机A02的接收装置201接收发射装置102发射的信号,经过预处理装置203形成适合序列检测装置202进行检测接收的数字信号,序列检测装置202对接收信号进行时域内的数据序列检测,从而输出判决。
请参考图4,重叠时分复用调制装置101(OvTDM调制装置)包括波形生成模块301、移位模块302、乘法模块303和叠加模块304。
波形生成模块301用于根据设计参数生成在时域内波形平滑的初始包络波形。
移位模块302用于根据重叠复用次数将初始包络波形在时域内按预定的移位间隔进行移位,以得到各固定间隔的移位包络波形。
调制模块305用于将输入的数字信号序列转换成正负符号表示的信号符号序列。
乘法模块303用于将所述信号符号序列与偏移后各固定间隔的移位包络波形相乘,以得到各调制包络波形。
叠加模块304用于将各调制包络波形在时域上进行叠加,以得到携带输入 信号序列的复调制包络波形。
请参考图5,为接收机A02的预处理装置203的框图。
预处理装置203包括同步器501、信道估计器502和数字化处理器503。其中同步器501对接收信号在接收机内形成符号时间同步;接着信道估计器502对信道参数进行估计;数字化处理器503对每一帧内的接收信号进行数字化处理,从而形成适合序列检测装置进行序列检测接收的数字信号序列。
请参考图6,为接收机A02的序列检测装置202的框图。
序列检测装置202包括分析单元存储器601、比较器602及多个保留路径存储器603和欧氏距离存储器604或加权欧氏距离存储器(图中未示出)。在检测过程中,分析单元存储器601做出重叠时分复用系统的复数卷积编码模型及格状图,并列出重叠时分复用系统的全部状态,并存储;而比较器602根据分析单元存储器601中的格状图,搜索出与接收数字信号最小欧氏距离或加权最小欧氏距离的路径;而保留路径存储器603和欧氏距离存储器604或加权欧氏距离存储器则分别用于存储比较器602输出的保留路径和欧氏距离或加权欧氏距离。其中,保留路径存储器603和欧氏距离存储器604或加权欧氏距离存储器需要为每一个稳定状态各准备一个。保留路径存储器603长度可以优选为4K~5K。欧氏距离存储器604或加权欧氏距离存储器优选为只存储相对距离。
在OvXDM系统中,信号发射机对信号调制后发射给信号接收机,信号接收机接收到调制信号后对其进行解调。为了解决码间干扰的问题,需要通过译码的方式进行信号解调(即上述序列检测装置执行的序列检测步骤),在传统译码中,需要不断的访问折叠树图(Trellis图)中的节点,并为每一个节点设置两个存储器,一个用于存储达到该节点的相对最佳路径的欧氏距离,一个用于存储到达该节点的相对最佳路径。对于一个重叠重数为K的M维调制的系统,Trellis图中的节点数为MK,由于译码过程中,需要对每个节点进行扩展,因此节点数决定了译码的复杂度,造成译码复杂度随重叠重数指数增加。众所周知,OvXDM系统中,重叠重数K越大频谱效率越高,因此需要尽可能的增加重叠重数K,而对于传统的译码算法,如维特比译码,当重叠重数增大到一定值(K>8)时,译码复杂度急剧增加,现有译码方法难以满足实时译码的需求,频谱效率与译码速率就形成了一对矛盾。因此,需要降低译码复杂度,提升译码效率。
发明内容
本申请提供一种基于重叠复用的译码方法、装置和系统,解决了现有技术中提高译码速率和频谱效率相矛盾的问题,能够在保证频谱效率的前提下,提高译码速率。
根据本申请的第一方面,本申请提供了一种基于重叠复用的译码方法,包括:包括:基于蒙特卡罗方法得到信号符号序列中每个符号的重要性权重最大的粒子集对应的估计序列,并将其作为输出序列;其包括下面步骤:
步骤一:选择信号符号序列中的其中一个符号作为当前符号,并估计生成当前符号的粒子样本;
步骤二:计算粒子样本中每个粒子的重要性权重;
步骤三:当粒子样本满足预设条件后,选择下一个符号作为当前符号,以估计生成下一个符号的粒子样本;否则对当前粒子进行重采样,直至当前符号的粒子样本满足所述预设条件;所述预设条件与粒子样本中每个粒子的重要性权重相关;
步骤四:选择每个符号的重要性权重最大的粒子集对应的估计序列作为输出序列。
较佳的,在步骤一之前,还包括:获取复调制包络波形;根据复调制包络波形得到信号符号序列。
在一实施例中,粒子的重要性权重通过下面公式计算:
其中,wi,j为重要性权重,N为信号符号序列的长度,Ns为粒子样本的粒子数,Pi,j为粒子重要性概率密度。
在一实施例中,对信号符号序列进行估计之前,还包括对粒子样本进行初始化。
在一实施例中,基于蒙特卡罗方法得到每个符号的重要性权重最大的粒子集对应的估计序列,包括:
采用辅助粒子滤波或扩展辅助粒子滤波方法对符号的粒子样本进行更新,以得到每个符号的重要性权重最大的粒子集对应的估计序列。
根据本申请的第二方面,本申请还提供了一种基于重叠复用的译码装置,包括:
译码模块,用于基于蒙特卡罗方法得到信号符号序列中每个符号的重要性 权重最大的粒子集对应的估计序列,并将其作为输出序列;
译码模块包括粒子样本生成单元、权重计算单元、重采样单元和输出单元;
译码模块用于基于蒙特卡罗方法得到每个符号的重要性权重最大的粒子集对应的估计序列时:
粒子样本生成单元用于选择信号符号序列中的其中一个符号作为当前符号,并估计生成当前符号的粒子样本;
权重计算单元用于计算粒子样本中每个粒子的重要性权重;
重采样单元用于当粒子样本满足预设条件后,选择下一个符号作为当前符号,以估计生成下一个符号的粒子样本;否则对当前粒子进行重采样,直至当前符号的粒子样本满足所述预设条件;所述预设条件与粒子样本中每个粒子的重要性权重相关;
输出单元用于选择每个符号的重要性权重最大的粒子集对应的估计序列作为输出序列。
较佳的,该译码装置还包括波形获取模块,用于获取复调制包络波形;
符号序列获取模块,用于根据所述复调制包络波形得到信号符号序列。
在一实施例中,权重计算单元用于采用下面公式计算粒子的重要性权重:
其中,wi,j为重要性权重,N为信号符号序列的长度,Ns为粒子样本的粒子数,Pi,j为粒子重要性概率密度。
在一实施例中,译码模块还包括初始化单元,用于在粒子样本生成单元对信号符号序列进行估计之前,对粒子样本进行初始化。
在一实施例中,译码模块用于基于蒙特卡罗方法得到每个符号的重要性权重最大的粒子集对应的估计序列时,采用辅助粒子滤波或扩展辅助粒子滤波方法对符号的粒子样本进行更新,以得到每个符号的重要性权重最大的粒子集对应的估计序列。
根据本申请的第三方面,本申请还提供了一种基于重叠复用的通信系统,包括发射机和接收机;
所述发射机包括:
调制装置,用于生成携带输出信号序列的复调制包络波形;
发射装置,用于将所述复调制包络波形发射到接收机;
所述接收机包括:
接收装置,用于接收所述发射装置发射的复调制包络波形;
和上述任意一项所述的基于重叠复用的译码装置。
本申请提供的基于重叠复用的译码方法、装置和系统中,获取复调制包络波形,并根据复调制包络波形得到信号符号序列后,基于蒙特卡罗方法得到每个符号的重要性权重最大的粒子集对应的估计序列,将其作为输出序列。本申请提供的基于重叠复用的译码方法、装置和系统采用基于蒙特卡罗方法的译码方式,使译码序列更加逼近真实值,同时随着重叠复用次数的增加,降低了译码复杂度,提高了系统性能。
附图说明
图1为常规的时分复用技术的示意图;
图2为重叠时分复用原理示意图;
图3为一种重叠时分复用系统的结构示意图;
图4为一种重叠时分复用调制装置的结构示意图;
图5为一种接收机预处理装置的结构示意图;
图6为一种接收机序列检测装置的结构示意图;
图7为一种基于重叠复用的译码方法中调制步骤的流程示意图;
图8为K路波形复用的原理示意图;
图9为K路波形的符号叠加过程原理示意图;
图10为本申请一种实施例中基于重叠复用的译码方法的流程示意图;
图11为本申请一种实施例图10中步骤S3的子步骤流程示意图;
图12为本申请一种实施例中采用的重采样的原理示意图;
图13为本申请一种实施例中基于重叠复用的译码装置的模块示意图;
图14为本申请一种实施例图13中译码模块703的单元结构示意图;
图15为本申请一种实施例中基于重叠复用的通信系统的结构示意图。
具体实施方式
蒙特卡罗方法(Monte Carlo methods)是应用在统计学中的一种以概率统计理论为指导的一类非常重要的数值计算方法。其基本思想为当所求解问题是某种随机事件出现的概率,或者是某个随机变量的期望值时,通过某种“实验”的方法,以这种事件出现的频率估计这一随机事件的概率,或者得到这个随机变量的某些数字特征,并将其作为问题的解。统计学中称之为蒙特卡罗方法,对应的在 工程中称为粒子滤波(PF:Particle Filter)。
粒子滤波的思想是基于蒙特卡罗方法,它是利用粒子集来表示概率,可以用在任何形式的状态空间模型上,能够比较精确地表达基于观测量和控制量的后验概率分布。其核心思想是通过从后验概率中抽取的随机状态粒子来表达其分布,是一种顺序重要性采样法(Sequential Importance Sampling)。所谓粒子滤波就是通过寻找一组在状态空间中传播的随机样本来近似的表示概率密度函数,用样本均值代替积分运算,进而获得系统状态的最小方差估计的过程,这些样本被形象的称为“粒子”,故而叫粒子滤波。当样本数量N→∞时,可以逼近任何形式的概率密度分布。
所以,本申请基于蒙特卡罗方法提出了一种基于重叠复用的译码方法、装置和系统。在该方法、装置和系统中,采用蒙特卡罗方法对接收到的复调制包络波形的信号符号序列进行译码,从而解决了现有技术中提高译码速率和频谱效率相矛盾的问题,能够在保证频谱效率的前提下,提高译码速率。使译码序列更加逼近真实值,同时随着重叠复用次数的增加,降低了译码复杂度,提高了系统性能。
下面通过具体实施方式结合附图对本申请作进一步详细说明。
实施例一
本发明适用于OVXDM系统,例如OvTDM、OvFDM、OvCDM、OvHDM、OvSDM等,以下仅以OvTDM系统为例进行阐述,对于其他的系统,本领域的技术人员可以依据以下的实施例中所阐述的方法进行适应性调整。
请参考图7,OvTDM系统中的调制步骤包括下面子步骤:
步骤2.1:根据设计参数生成在时域内的初始包络波形h(t)。
在生成初始包络波形时,可以通过用户输入设计参数,以实现在实际系统中根据系统性能指标灵活配置。
在某些实施例中,当初始包络波形的旁瓣衰减已经确定时,设计参数包括初始包络波形的窗长度L,例如当初始包络波形为巴特莱特包络波形时。
在某些实施例中,设计参数包括初始包络波形的窗长度L和旁瓣衰减r,例如当初始包络波形为切比雪夫包络波形时。
当然,当初始包络波形为其他形式时,可以根据相应初始包络波形的特点确定设计参数。
步骤2.2:根据重叠复用次数K将初始包络波形在相应域(本实施例中为时域,在其他的实施例中该相应域会改变为频率域、混合域等等)内按预定的移 位间隔进行移位,以得到各固定间隔的移位包络波形h(t-i*△T)。
其中,移位间隔为时间间隔△T,时间间隔△T为:△T=L/K。此时,信号的符号宽度即为△T。
另外,还需要保证△T不小于系统采样率的倒数。
i的取值与输入符号长度N有关,且i取0到N-1的整数。例如,当N=8时,i取0至7的整数。
步骤2.3:将输入的信号数字序列转换成正负符号表示的信号符号序列。
具体的,将输入的数字信号序列中的0转换为+A,1转换为-A,A取值为非0任意数,以得到正负符号序列。例如,取A为1时,将输入的{0,1}比特序列经过BPSK(Binary PhaseShift Keying,移相键控)调制转换成{+1、-1}符号序列。
步骤2.4:将转换后的信号符号序列xi(本实施例中xi={+1+1-1-1-1+1-1+1})与各固定间隔的移位包络波形h(t-i*△T)相乘,以得到各调制包络波形xi h(t-i*△T)。
步骤2.5:将各调制包络波形xih(t-i*△T)在相应域(本实施例中为时域)上进行叠加,以得到携带输入信号序列的复调制包络波形,即发送的信号。
发送的信号可以如下表示:
步骤2.6:将得到的复调制包络波形作为发送信号发射出去。
故,本实施例中,A取值为1时,叠加后的输出符号(输出的信号符号序列)即为:s(t)={+1+2+1-1-3-1-1+1}。
请参考图8,为K路波形复用的原理示意图,其呈平行四边形形状。其中,每一行表示一个所要发送的符号xi与相应时刻的包络波形h(t-i*△T)相乘后得到的待发送信号波形xih(t-i*△T)。a0~ak-1表示对每个窗函数波形(包络波形)进行K次分段得到的每部分的系数值,具体为关于幅度值的系数。
由于将输入的数字信号序列转换成正负符号序列时,将输入的数字信号序列中的0,1转换为±A,A取值为非0任意数以得到正负符号序列。例如,A取值为1时,将输入的{0,1}比特序列经过BPSK调制转换成{+1、-1}符号序列,以得到正负符号序列。所以图8所示即为K路波形的符号叠加过程原理示意图。图9叠加过程中,第1行左边3个数表示第1个输入符号+1,第2行左边3个数表示第2个输入符号+1,第3行左边3个数表示第3个输入符号-1,第1行中间3个数表示第4个输入符号-1,第2行中间3个数表示第5个输入符号-1,第3行中间3个数表示第6个输入符号+1,第1行右边3个数表示第7个输入符号-1,第2行右边3个数表示第8个输入符号+1。因此,三个波形叠加后,得到的输出符号为{+1+2+1-1-3-1-1+1}。
当然,如果输入符号的长度为其他数值时,可以按照图8和图9所示的方式进行叠加,以得到输出符号。
请参考图10,本实施例提供了一种基于重叠复用的译码方法,包括下面步骤:
获取复调制包络波形。复调制包络波形为重叠复用调制解调系统的调制端发送的。
根据复调制包络波形得到信号符号序列。具体的,从复调制包络波形中获取信号符号序列可以采用现有技术中的任意一种可行方式。
基于蒙特卡罗方法得到每个符号的重要性权重最大的粒子集对应的估计序列,并将其作为输出序列。
本实施例中,采用蒙特卡罗方法对接收到的复调制包络波形的信号符号序列进行译码,从而解决了现有技术中提高译码速率和频谱效率相矛盾的问题,能够在保证频谱效率的前提下,提高译码速率。使译码序列更加逼近真实值,同时随着重叠复用次数的增加,降低了译码复杂度,提高了系统性能。基于蒙特卡罗的译码原理如下:
马尔可夫蒙特卡罗(MCMC)方法通过构造马尔可夫链,产生来自目标分布的样本,将粒子推向更接近状态概率密度函数的地方,使样本分布更合理,具有很好的收敛性。其构造模型是基于时空模型,时空模型包括两种过程:马尔可夫方程(或状态方程)和观测方程。
状态方程表达式为xt=f(xt-1,θ)+wt,定义p(xt|xt-1,θ)为其转移密度,其状态向量为xt,模型参数向量为θ,f(·)为系统函数,wt是系统噪声。
观测方程表达式为yt=h(xt,θ)+vt,定义p(yt|xt-1,θ)为其观测密度,h(·)为系统函数,vt是系统噪声,yt是观测向量。
通过贝叶斯推导可估计出参数θ的后验概率分布p(xt|y0:t,θ),应用在粒子滤波中,更普遍的方法是估计联合后验概率分布p(x0:t|y0:t,θ),其递推推导公式如下:
其中
p(yt|y0:t-1,θ)=∫p(xt-1|y0:t-1,θ)p(xt|xt-1,θ)p(yt|xt-1,θ)dxt-1:t,
p(xt|xt-1,θ)代表动态系统,p(yt|xt-1,θ)代表似然函数。序列蒙特卡罗是一种重要性采样和重采样技术,旨在让估计的数值逼近真实数据分布。
具体的,可以采用辅助粒子滤波或扩展辅助粒子滤波方法对符号的粒子样本进行更新,以得到每个符号的重要性权重最大的粒子集对应的估计序列。辅助粒子滤波和扩展辅助粒子滤波方法具体的步骤如下:
(1)辅助粒子滤波
APF(Auxiliary Partical Filter,辅助粒子滤波器)包含了一类粒子滤波算法,被广泛应用于参数和状态估计。在此引入q(xt,yt|xt-1,φ)=q(xt|yt,xt-1,φ)q(yt|xt-1,φ),其中q(xt|yt,xt-1,φ)是概率密度函数,q(yt|xt-1,φ)是一个可评估的非负函数。APF可以根据q(xt|yt,xt-1,φ)顺序的绘制出采样点并计算出重要性权重:
APF算法步骤如下,其中t≥1,i=1~N:
a、构造粒子样本其中
b、计算每个粒子的重要性权重 满足
c、当粒子满足一定条件时对其进行重采样得到新的粒子样本。
经过上述反复迭代运算,最终得到最接近真实序列的粒子分布。
(2)扩展辅助粒子滤波
大多应用场景中,模型参数θ是未知的,一种简单的方法是定义一个扩展状态,同时包含状态xt和参数θ。假设粒子的样本集为其权重为扩展APF算法,将参数和状态同时估计,其方法如下:
a、设迭代次数t,样点数为N的粒子集表示为 是TDP(TruncatedDirichlet Process,截断狄氏过程)正常混合分量的标签,是粒子的权重。计算其辅助变量
b、对N个样点进行采样,计算其概率比例获得新的索引j和新标签
c、计算新的参数向量
由正常混合分量模型得到。
d、计算新的状态向量
由系统方程得到。
e、计算重要性权重
f、根据更新TDP混合参数,Vk,ωk,μk,∑k,k=1~K
其中:
γt+1、γ′t+1是随机近似算法中的步长。
g、如果满足了停止准则,那么就停止,否则更新t:=t+1,并返回到a步骤。
请参考图11,本实施例中,将辅助粒子滤波的方法应用在OvXDM系统的译码过程中,对接收符号序列逐一进行估计分析。步骤S3具体包括下面子步骤:
假设发送端发送的符号序列为src={+1+1-1+1-1+1+1+1-1+1},符号长度为N=10,重叠复用次数K=5,以矩形波为复用波形,其复用波形系数为H=[11 1 1 1],经过OvXDM系统调制编码后,接收端经过同步、信道估计均衡处理后得到的待译码序列为yi={+1+2+1+2+1+1+1+3+1+3}。
设置蒙特卡罗粒子数为Ns=100,重要性权重w的大小为Ns*N,估计序列x的大小为Ns*N。即估计的每个符号包含Ns个粒子,每个粒子对应一个重要性权重。
步骤1.1:初始化估计序列。
对大小为Ns*N的二维估计序列x进行初始化。
初始化包括设置每个估计符号的所有粒子样本集全为0,且所有粒子样本集的重要性权重均相等。本实施例中,设置每个粒子的初始权重均为1/Ns。
步骤1.2:选择信号符号序列中的其中一个符号作为当前符号,并估计生成 当前符号的粒子样本。
对当前估计符号xi,j(i=1~N,j=1~Ns)生成粒子样本,每个符号包含Ns个粒子。粒子样本对应于APF中的q(xt|yt,xt-1,φ),生成方法有多种,目的是让粒子样本分布趋近理论分布。
在OvXDM系统中,以二维调制系统为例,信号符号序列为{+1,-1},,每个符号的可能取值只有两种,+1或者-1,因此粒子样本主要包含这两种元素。
步骤1.3:计算粒子样本中每个粒子的重要性权重。
计算估计符号粒子xi,j和接收符号序列yi的重要性概率密度Pi,j,并对每个粒子求其归一化重要性权重wi,j。
其中,wi,j为重要性权重,N为信号符号序列的长度,Ns为粒子样本的粒子数,Pi,j为粒子重要性概率密度。
需要说明的是,在OvXDM系统中,由于接收符号序列yi是经过OvXDM编码的,因此也需要对估计符号xi,j进行OvXDM编码,即对当前估计符号xi,j与复用波形进行K重的重叠编码,再去计算重要性概率密度。
重要性权重的计算分为下面两种情况:
a.当i=1时,即第一个估计符号时,其每个粒子的重要性权重的计算方法如上。
b.由于蒙特卡罗译码的思想就是通过前一时刻粒子状态推导出后一时刻的粒子状态,因此当i>1时,当前符号估计出的粒子重要性概率密度要参考前一时刻的粒子重要性权重,即Pi,j=wi-1,j*Pi,j',再根据如上公式计算得到估计粒子的重要性权重wi,j。
步骤1.4:当粒子样本满足预设条件后,选择下一个符号作为当前符号,以估计生成下一个符号的粒子样本;否则对当前粒子进行重采样,直至当前符号的粒子样本满足预设条件。该预设条件与粒子样本中每个粒子的重要性权重相关。
判断当前粒子样本是否满足一定预设条件(即是否粒子退化)。如果满足,则i=i+1进行下一个符号的估计,同时重复步骤1.2-步骤1.3;否则需要对当前符号的粒子样本进行重采样。
如果粒子的退化现象明显发生,比如有效粒子容量:
该值低于某个阈值(该阈值可以是一预设的经验值),在重要性采样的基础上加入重采样,以淘汰权重低的粒子,而集中于权重高的粒子,从而抑制退化现象。
重采样的方法有多种,包括重要性重采样、残差重采样、分层重采样、优化组合重采样等,其基本思路就是复制权重大的样本,淘汰权重小的样本,通过重采样,最后生成一个新的样本集合。
请参考图12,为本实施例中采用的重采样的原理示意图。
步骤1.5:选择每个符号的重要性权重最大的粒子集对应的估计序列作为输出序列。
当i=N时,即估计到最后一个符号后,判断最后一个符号的每个粒子的重要性权重,找出权重最大的粒子集,其表示为这组粒子集的可靠性最高,其对应的估计序列即为最终的输出序列。
本实施例中,通过对接收序列进行蒙特卡罗译码后,得到权重最大的粒子集序列对应为x={+1+1-1+1-1+1+1+1-1+1},与接收端发送序列src进行比较,可知译码结果正确。
本实施例提供的方法中,在粒子样本生成时,对于一个未知的序列,由于初始阶段不知道其粒子分布,可先随机生成一组样本,通过计算粒子与观测值的重要性权重,判断粒子的可靠性,依据一定的准则,对粒子样本进行重采样,淘汰权重小得粒子,复制权重大的粒子,依次反复迭代计算,最终计算得到较为可靠的输出值。迭代次数越高,得到的结果越精确。
另外,由于粒子的退化现象是粒子滤波器的最大缺陷,制约着粒子滤波器的发展,解决粒子退化问题的有效方法之一就是对粒子进行重采样。因此,本实施例提供的方法引入重采样机制。粒子滤波在解决非线性、非高斯问题的参数估计和状态滤波方面有着独到的优势,将成熟的多种不同的寻优方法引入重采样过程,以便更快地提取到反映系统概率特征的典型“粒子”,从而优化本实施例提供的译码方法。
实施例二
请参考图13,对应于上述实施例一提供的译码方法,本实施例相应提供了一种基于重叠复用的译码装置,包括波形获取模块701、符号序列获取模块702 和译码模块703。
波形获取模块701用于获取复调制包络波形。复调制包络波形为重叠复用调制解调系统的调制端发送的。调制端中复调制包络波形的生成方法请参考实施例一,此处不再赘述。
符号序列获取模块702用于根据复调制包络波形得到信号符号序列。具体的,从复调制包络波形中获取信号符号序列可以采用现有技术中的任意一种可行方式。
译码模块703用于基于蒙特卡罗方法得到每个符号的重要性权重最大的粒子集对应的估计序列,并将其作为输出序列。
本实施例中,译码模块703用于采用蒙特卡罗方法对接收到的复调制包络波形的信号符号序列进行译码,从而解决了现有技术中提高译码速率和频谱效率相矛盾的问题,能够在保证频谱效率的前提下,提高译码速率。使译码序列更加逼近真实值,同时随着重叠复用次数的增加,降低了译码复杂度,提高了系统性能。基于蒙特卡罗的译码原理如下:
马尔可夫蒙特卡罗(MCMC)方法通过构造马尔可夫链,产生来自目标分布的样本,将粒子推向更接近状态概率密度函数的地方,使样本分布更合理,具有很好的收敛性。其构造模型是基于时空模型,时空模型包括两种过程:马尔可夫方程(或状态方程)和观测方程。
状态方程表达式为xt=f(xt-1,θ)+wt,定义p(xt|xt-1,θ)为其转移密度,其状态向量为xt,模型参数向量为θ,f(·)为系统函数,wt是系统噪声。
观测方程表达式为yt=h(xt,θ)+vt,定义p(yt|xt-1,θ)为其观测密度,h(·)为系统函数,vt是系统噪声,yt是观测向量。
通过贝叶斯推导可估计出参数θ的后验概率分布p(xt|y0:t,θ),应用在粒子滤波中,更普遍的方法是估计联合后验概率分布p(x0:t|y0:t,θ),其递推推导公式如下:
其中
p(yt|y0:t-1,θ)=∫p(xt-1|y0:t-1,θ)p(xt|xt-1,θ)p(yt|xt-1,θ)dxt-1:t,
p(xt|xt-1,θ)代表动态系统,p(yt|xt-1,θ)代表似然函数。序列蒙特卡罗是一种重要性采样和重采样技术,旨在让估计的数值逼近真实数据分布。
具体的,译码模块703用于采用辅助粒子滤波或扩展辅助粒子滤波方法对符号的粒子样本进行更新,以得到每个符号的重要性权重最大的粒子集对应的估计序列。辅助粒子滤波和扩展辅助粒子滤波方法具体的步骤如下:
(1)辅助粒子滤波
APF(Auxiliary Partical Filter,辅助粒子滤波器)包含了一类粒子滤波算法,被广泛应用于参数和状态估计。在此引入q(xt,yt|xt-1,φ)=q(xt|yt,xt-1,φ)q(yt|xt-1,φ),其中q(xt|yt,xt-1,φ)是概率密度函数,q(yt|xt-1,φ)是一个可评估的非负函数。APF可以根据q(xt|yt,xt-1,φ)顺序的绘制出采样点并计算出重要性权重:
APF算法步骤如下,其中t≥1,i=1~N:
a、构造粒子样本其中
b、计算每个粒子的重要性权重 满足
c、当粒子满足一定条件时对其进行重采样得到新的粒子样本。
经过上述反复迭代运算,最终得到最接近真实序列的粒子分布。
(2)扩展辅助粒子滤波
大多应用场景中,模型参数θ是未知的,一种简单的方法是定义一个扩展状态,同时包含状态xt和参数θ。假设粒子的样本集为其权重为扩展APF算法,将参数和状态同时估计,其方法如下:
a、设迭代次数t,样点数为N的粒子集表示为 是TDP(TruncatedDirichlet Process,截断狄氏过程)正常混合分量的标签,是粒子的权重。计算其辅助变量
b、对N个样点进行采样,计算其概率比例获得新的索引j和新标签
c、计算新的参数向量
由正常混合分量模型得到。
d、计算新的状态向量
由系统方程得到。
e、计算重要性权重
f、根据更新TDP混合参数,Vk,ωk,μk,∑k,k=1~K
其中:
γt+1、γt+1是随机近似算法中的步长。
g、如果满足了停止准则,那么就停止,否则更新t:=t+1,并返回到a步骤。
请参考图14,本实施例中,将辅助粒子滤波的方法应用在OvXDM系统的译码过程中,对接收符号序列逐一进行估计分析。译码模块703具体包括初始化单元800、粒子样本生成单元801、权重计算单元802、重采样单元803和输出单元804。其各个单元的详细处理过程如下:
假设发送端发送的符号序列为src={+1+1-1+1-1+1+1+1-1+1},符号长度为N=10,重叠复用次数K=5,以矩形波为复用波形,其复用波形系数为H=[11 1 1 1],经过OvXDM系统调制编码后,接收端经过同步、信道估计均衡处理后得到的待译码序列为yi={+1+2+1+2+1+1+1+3+1+3}。
设置蒙特卡罗粒子数为Ns=100,重要性权重w的大小为Ns*N,估计序列x的大小为Ns*N。即估计的每个符号包含Ns个粒子,每个粒子对应一个重要性权重。
初始化单元800用于对信号符号序列进行初始化。
对大小为Ns*N的二维估计序列x进行初始化。
初始化包括设置每个估计符号的所有粒子样本集全为0,且所有粒子样本集的重要性权重均相等。本实施例中,设置每个粒子的初始权重均为1/Ns。
粒子样本生成单元801用于选择信号符号序列中的其中一个符号作为当前符号,并估计生成当前符号的粒子样本。
对当前估计符号xi,j(i=1~N,j=1~Ns)生成粒子样本,每个符号包含Ns个粒子。粒子样本对应于APF中的q(xt|yt,xt-1,φ),生成方法有多种,目的是让粒子样本分布趋近理论分布。
在OvXDM系统中,以二维调制系统为例,信号符号序列为{+1,-1},每个符号的可能取值只有两种,+1或者-1,因此粒子样本主要包含这两种元素。
权重计算单元802用于计算粒子样本中每个粒子的重要性权重。
计算估计符号粒子xi,j和接收符号序列yi的重要性概率密度Pi,j,并对每个粒子求其归一化重要性权重wi,j。
其中,wi,j为重要性权重,N为信号符号序列的长度,Ns为粒子样本的粒子数,Pi,j为粒子重要性概率密度。
需要说明的是,在OvXDM系统中,由于接收符号序列yi是经过OvXDM编码的,因此也需要对估计符号xi,j进行OvXDM编码,即对当前估计符号xi,j与复用波形进行K重的重叠编码,再去计算重要性概率密度。
重要性权重的计算分为下面两种情况:
a.当i=1时,即第一个估计符号时,其每个粒子的重要性权重的计算方法如上。
b.由于蒙特卡罗译码的思想就是通过前一时刻粒子状态推导出后一时刻的粒子状态,因此当i>1时,当前符号估计出的粒子重要性概率密度要参考前一时刻的粒子重要性权重,即Pi,j=wi-1,j*Pi,j',再根据如上公式计算得到估计粒子的重要性权重wi,j。
重采样单元803用于当粒子样本满足预设条件后,选择下一个符号作为当前符号,以估计生成下一个符号的粒子样本;否则对当前粒子进行重采样,直至当前符号的粒子样本满足预设条件。该预设条件与粒子样本中每个粒子的重要性权重相关。
判断当前粒子样本是否满足一定条件(粒子退化)。如果满足,则i=i+1进行下一个符号的估计;否则需要对当前符号的粒子样本进行重采样。
如果粒子的退化现象明显发生,比如有效粒子容量:
低于某个阈值(该阈值可以是一预设的经验值),在重要性采样的基础上加入重采样,以淘汰权重低的粒子,而集中于权重高的粒子,从而抑制退化现象。
重采样的方法有多种,包括重要性重采样、残差重采样、分层重采样、优化组合重采样等,其基本思路就是复制权重大的样本,淘汰权重小的样本,通过重采样,最后生成一个新的样本集合。
输出单元804用于选择每个符号的重要性权重最大的粒子集对应的估计序列作为输出序列。
当i=N时,即估计到最后一个符号后,判断最后一个符号的每个粒子的重要性权重,找出权重最大的粒子集,其表示为这组粒子集的可靠性最高,其对应的估计序列即为最终的输出序列。
本实施例中,通过对接收序列进行蒙特卡罗译码后,得到权重最大的粒子集序列对应为x={+1+1-1+1-1+1+1+1-1+1},与接收端发送序列src进行比较,可知译码结果正确。
本实施例提供的装置中,在粒子样本生成时,对于一个未知的序列,由于初始阶段不知道其粒子分布,可先随机生成一组样本,通过计算粒子与观测值的重要性权重,判断粒子的可靠性,依据一定的准则,对粒子样本进行重采样,淘汰权重小得粒子,复制权重大的粒子,依次反复迭代计算,最终计算得到较为可靠的输出值。迭代次数越高,得到的结果越精确。
另外,由于粒子的退化现象是粒子滤波器的最大缺陷,制约着粒子滤波器的发展,解决粒子退化问题的有效方法之一就是对粒子进行重采样。因此,本实施例提供的装置引入重采样机制。粒子滤波在解决非线性、非高斯问题的参数估计和状态滤波方面有着独到的优势,将成熟的多种不同的寻优方法引入重采样过程,以便更快地提取到反映系统概率特征的典型“粒子”,从而优化本实施例提供的译码装置。
实施例三
请参考图15,本实施例提供了一种基于重叠复用的通信系统,包括发射机B01和接收机B02.
发射机B01包括调制装置901和发射装置902。
调制装置901用于生成携带输出信号序列的复调制包络波形.
发射装置902用于将复调制包络波形发射到接收机。
发射机B01的工作原理请参考上述实施例一提及的调制方法,此处不对其赘述。
接收机B02包括接收装置903和解调装置904。
接收装置903用于接收发射装置902发射的复调制包络波形。
译码装置904采用上述实施例二提供的任意一种基于重叠复用的译码装置。译码装置904的工作原理请参考上述实施例二,此处不对其赘述。
需要说明的是,本申请实施例提供的基于重叠复用的译码方法、装置和系统可以应用到移动通信、卫星通信、微波视距通信、散射通信、大气层光通信、红外通信、水声通信等无线通信系统中,既可以应用于大容量无线传输,也可以应用于小容量的轻型无线电系统。
本领域技术人员可以理解,上述实施方式中各种方法的全部或部分步骤可以通过程序来控制相关硬件完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:只读存储器、随机存取存储器、磁盘或光盘等。
以上内容是结合具体的实施方式对本申请所作的进一步详细说明,不能认定本申请的具体实施只局限于这些说明。对于本申请所属技术领域的普通技术人员来说,在不脱离本申请发明构思的前提下,还可以做出若干简单推演或替换。