CN107689847A - 标记辅助无线通信系统信号发送和接收方法 - Google Patents

Abstract

本发明属于通信技术领域，具体的说是涉及一种无线通信系统信号发送和接收方法。本发明的主要方法为在发射端：发射机在发送数据信息之前，插入T个标记符号，T是所需发送的最小标记符号数，所述标记符号的内容是接收端已知的；在接收端：利用接收到的标记符号，通过标记恢复恢复出K‑T个标记，采用K个标记符号分别标记每个类别对应的发送符号；然后采用聚类算法，以K个标记为初始中心点辅助算法快速收敛到全局最优解；聚类完成后，被划分到每个类别的数据信号将被判决为该类别被标注的发送符号，实现符号检测。本发明的有益效果在于，相对于传统的PAT系统，本发明的方法不需要信道估计，且以较低复杂度实现了ML检测。

Description

标记辅助无线通信系统信号发送和接收方法

技术领域

本发明属于通信技术领域，具体的说是涉及一种无线通信系统信号发送和接收方法。

背景技术

信号检测是无线通信系统的基本组成，其效率直接影响系统的通信吞吐量。传统的信号检测方法需要信道信息，因而依赖于基于导频的无线传输(Pilot-assistedTransmission，PAT)。传统的PAT系统的发送端发送导频信号(Pilot Symbols)使接收端进行信道估计，从而使得接收机可以利用信道信息及线性检测方法(如LMMSE、ZF等)或者复杂度较高的检测方法(如ML检测)恢复出发送符号。由于噪声的存在，只有利用较长的导频信号才能较为准确的估计出信道信息，从而降低了通信效率。而目前的聚类接收机复杂度高，参数多，需要大量的数据点才能得到较好的检测性能。

发明内容

本发明的目的，就是针对上述问题，提出一种在接收端不需要进行信道估计的用于无线通信系统信号发送和接收方法。

本发明的技术方案如下：

无线通信系统信号发送和接收方法，其特征在于，包括：

在发射端：发射机在发送数据信息之前，插入T个标记符号，T是所需发送的最小标记符号数，所述标记符号的内容是接收端已知的；

在接收端：利用接收到的标记符号，通过标记恢复恢复出K-T个标记，K为T个标记符号与恢复得到的标记符号之和；

采用K个标记符号分别标记每个类别对应的发送符号；然后采用聚类算法，以K个标记为初始中心点辅助算法快速收敛到全局最优解；在聚类算法迭代收敛过程中，类别标注关系将被保持；聚类完成后，被划分到每个类别的数据信号将被判决为该类别被标注的发送符号，实现符号检测。

本发明总的技术方案，为了解决传统的PAT系统需要长导频进行信道估计的问题，本发明的方案直接对接收信号进行聚类并利用标记符号(Label Symbols)进行类别标注(Labeling)，进而恢复出发送符号。同时，为了解决已有聚类接收机参数数量大、需要大量的数据点才能得到较好的检测性能的问题，本发明还提出了基于中心点恢复(CentroidsReconstruction)的聚类接收机方案：

假设信道在一段时间内保持不变，该时段发送的信号均经过相同的信道。由于噪声服从CSCG分布，使得在已知发送符号的的条件下，接收机上收到的信号服从多维CSCG分布。考虑该短时间内收到的所有信号，其服从高斯混合模型，通过对接收信号形成的高斯混合模型进行聚类可以将同一个发射符号对应的接收信号聚类到同一个类别。利用标记信息和聚类类别之间的对应关系指明每个类别对应的发送符号，进而对接收信号做判决以恢复出其对应的发送符号。利用调制信息的约束，仅需估计K个类别中的T个中心点，其中K＞＞T，其他K-T个类别中心点可以通过中心点恢复得到。

本发明的有益效果在于，相对于传统的PAT系统，本发明的方法不需要信道估计，且以较低复杂度实现了ML检测。相比于已有的聚类接收机，所需估计参数少，达到相同精度需要的数据点数少，算法收敛速度快。

附图说明

图1示出了本发明提出的接收机工作流程；

图2示出了本发明提出的聚类接收机工作示意图；

图3示出了本发明中聚类算法中心点恢复、更新与标记示意图；

图4示出了本发明标记符号设计方法一；

图5示出了本发明接收信号聚类后的标注方法；

图6示出了基于QPSK的2X2MIMO性能对比；

图7示出了基于16QAM的2X2MIMO性能对比；

图8示出了基于QPSK的L＝2OFDM性能对比；

图9示出了基于QPSK的L＝3OFDM性能对比。

具体实施方式

下面将结合附图和实施例，详细描述本发明的技术方案。

考虑分组衰落信道，即假设信道在一段时间内保持不变，该时段发送的信号经过相同的信道。发送符号s(n)是从一个共有K元素的有限码本中选出。由于噪声服从CSCG分布，使得在给定的条件下，接收天线上收到的信号服从均值为μ_k，方差为∑_k的CSCG分布，即因为协方差矩阵是噪声引起的，所以所有类别的协方差矩阵相同，即∑₁＝∑₂＝…＝∑₀。如果不同接收天线的噪声相互独立，则所以，而该时段内接收机收到的信号的分布满足：

其中π_k是每一种出现的概率。显然y(n)服从高斯混合分布。

本发明提出了一种基于调制特性的高斯混合模型(Modulation-constrainedGaussian Mixture Model，MC-GMM)及其聚类方法用以符号检测。

流程如图1所示，具体包括：

(1)利用收到的T个标记符号对应的标记信号做中心点恢复，得到K-T个剩余标记信号。

(2)T个标记信号和K-T个恢复标记做类别标注，每个标记标注一个类别对应的发送符号。K个标记作为聚类算法的初始类别中心点；

(3)迭代更新T个标记对应的中心点组成的成分φ和协方差∑₀直到收敛；

(4)利用φ和V通过中心点恢复的方法得到所有的类别中心点；

(5)符号检测判决。

图2为本发明提出的聚类接收机工作流程。发送的符号包含标记符号和数据符号，对应为接收端的标记信号和数据信号。标记信号首先做标记重构，重构出来的标记对每个类别做标记，并作为聚类算法的初始中心点。算法收敛之后得到估计的类别中心点和方差，相应的类别也保持标记。聚类到同一类的数据信号被检测判决为该类别相对应的发送符号。

实际上，接收机在迭代聚类算法进行检测时，无需估计K个中心点，K个协方差矩阵和K个类别权重，只需估计T个中心点和1个协方差矩阵，其他中心点信息通过中心点恢复恢复出来。

所述仅需T个中心点的中心点恢复方法具体如下：

设K个可能发送的符号向量形成的符号矩阵为：对应的接收信号中心点组成的中心点矩阵为：Ω＝[μ₁,μ₂,…,μ_K]。通过矩阵分解的方法，和Ω可以分解出相同的一个成分V，称作恢复矩阵。该恢复矩阵在信号经过信道后保持不变。同时，和Ω会各自分解出另外一个仅含T个中心点的成分，T＜＜K，记为φ。接收机只需估计T个中心点组成的成分φ即可通过V恢复剩余的中心点。以MIMO为例，其中U是满秩的矩阵。Ω＝[μ₁,μ₂,…,μ_K]＝φV，其中φ是列满秩矩阵，仅包含T个列向量。接收机仅需估计φ中的T个中心点而非Ω的所有K个中心点。

MC-GMM的具体算法为：

接收信号的似然函数为：

其中ψ＝[{π₁,θ₁},{π₂,θ₂},…,{π_M,θ_M}],θ_k＝{μ_k,Σ_k}，因为通信系统调制符号等概率，且多根天线的噪声相互独立而协方差矩阵相同，所以有Ψ＝[{π₀,θ₁},{π₀,θ₂},…,{π₀,θ_M}],θ_k＝{μ_k,∑₀}，π₀＝1/K。由于每个成分的均值可以通过中心点恢复得到，定义该关系为μ_k＝β_k(φ)。y(n)服从的MC-GMM有如下表达：

因为每个数据点y(n)必然属于某个高斯成分，故引入隐变量z_n∈{0,1}^K,其中z_nk是z_n的元素k，即z_n只有一个元素为1，其余为0。接收信号和隐变量的联合分布的期望为：

在假设已知高斯混合分布的参数Ψ的情况下，的后验概率为：

在假设已知γ_nk的情况下，通过将(4)关于φ和协方差矩阵∑₀求导并取0可得相应的更新公式。

本发明还提出一种基于调制特性的K-Means算法(Modulation-constrained K-Means，MC-KMeans)用以符号检测。相比于MC-GMM，该方法无需估计协方差，也无需计算具体的到每个中心点的概率而只需计算距离，因此复杂度会降低。

原始K-Means算法的优化目标为：

其中μ_kn表示离y(n)最近的中心点，即

由μ_k＝β_k(φ)可知,μ_kn＝β_k,n(φ)，MC-KMeans的优化目标为：

通过将公式(8)关于φ求导即可求得更新公式。事实上，MC-GMM和MC_KMeans可以关联起来，其关联关系为：

实施例1

以MIMO通信系统为例，说明本发明所提出的MC-GMM和MC-KMeans的使用方法。

对于一般的有M_t根发送天线和M_r根接收天线的MIMO模型，令调制阶数为Q，有T＝M_t，接收到的信号为：

p是发送功率，H是发送机到接收机的信道矩阵，其元素相互独立且满足

是M_t根发送天线一起发送的符号向量，w(n)是服从循环对称复高斯(CSCG)分布的噪声，即w(n)与s(n)相互独立，则接收天线接收到的信号表示为：

由于噪声服从CSCG分布，使得在给定的条件下，接收天线上收到的信号服从均值为方差为∑_k的CSCG分布，即而该时段内接收机所有天线收到的信号的分布满足

即MIMO系统中的接收信号服从高斯混合分布。

如图3所示，以2×2天线阵列，QPSK调制为例说明MIMO系统中聚类接收机某根接收天线上中心点标记和更新的过程。三角表示标记信号，圆圈表示通过标记恢复得到的标记。此时每个中心点对应的类别已经标记。经过一步更新之后，中心点位置更新，该过程以直线连接表示，标记状况保持不变：

故K＝4²。发射机在数据符号前插入Mt个标记符号，其对应的接受标记信号首先做标记恢复，每一个标记将对一个类别对应的发送符号做标记。同时，接收到的标记信号也作为MC-GMM的初始点。

如图4所示，本例中标记符号的设计方法为，在发送数据符号之前，插入Mt个标记符号，每个标记符号向量是一种可能的发送符号向量。以2×2天线阵列，QPSK调制为例，一共有4²种可能的发送符号向量。以发送的数据符号为[1+j,1+j]^T为例，由于数据符号和标记符号在该段时间内经过的信道相同，所有发送符号为[1+j,1+j]^T的数据符号和标记符号[1+j,1+j]^T会被聚类到同一个类别。通过标记符号建立起聚类类别和发送符号之间的关系，然后所有该类别的数据信号都被判决成与该标记符号相同的发送符号。其中聚类之后的结果由图5示出。

在MIMO中Ω＝[μ₁,μ₂,…,μ_K]＝φV，即μ_k＝β_k(φ)＝φV_k。故：

且其更新公式为：

如果∑₀＝σ²I，则有

通过迭代公式(13)和公式(5)即可估计得到类别中心点进而做符号判决。

类似的可得在MIMO中MC-KMeans的更新公式为：

通过迭代公式(15)和(7)即可实现参数更新。其中V_kn表示第n个点最近的中心点μ_k对应的恢复向量。

图6示出了基于QPSK的2x2MIMO的性能对比，可以看出本方案提出的方案性能逼近最优性能且远高过基于原始GMM的聚类接收机和基于信道估计的最大似然估计。

图7示出了基于16QAM的2x2MIMO的性能对比，可以看出本方案提出的方案性能非常逼近最优性能且远高过基于信道估计的最大似然估计。

实施例2

以OFDM系统为例，说明本发明所提出的MC-GMM和MC-KMeans的使用方法。

对于OFDM系统，假定共有M个子载波，有L条路径到达接收端，这些时域信道表示为h₀,h₁,…,h_L-1，接收端在去循环前缀和快速离散傅里叶变换(FFT)之后，在第n个时刻的频域信号可以表示为：

y_n＝Λs_n+u_n,

其中，y_n是指一个OFDM接收符号，y_n＝[y_n,1,y_n,2,…,y_n,M]^T，y_n,m表示第m个子载波第n个时刻的接收符号，s_n是指一个OFDM发送符号，s_n＝[s_n,1,s_n,2,…,s_n,M]^T，s_n,m表示第m个子载波第n个时刻的发送符号，是从符号集选取的，是发送端可发送符号的集合，比如发送端采取QPSK调制方式，则假定信道在N个时刻内保持不变，Λ＝diag(H₁,H₂,…,H_M)表示信道的频域响应，并且

考虑此OFDM系统的接收端对所有子载波上的信号作联合聚类，故所有子载波上的信号共有K＝MQ类，其中Q代表调制阶数。对于OFDM系统，μ_k＝β_k(φ)＝A_kφ，Ω＝[μ₁,μ₂,…,μ_K]＝Aφ，其中p₁,p₂,…p_T是被标记的子载波，总的数目为L，即T＝L，S₁代表集合中的一个元素，f＝[S₁,…,S_Q]^T/S₁,并且

且其更新公式为：

通过迭代公式(16)即可估计到均值和方差从而做符号判决。

类似的可得在OFDM系统中MC-KMeans的更新公式为：

通过迭代公式(17)即可实现参数更新。

图8示出了基于QPSK的L＝2OFDM的性能对比，可以看出本方案提出的方案性能非常逼近最优性能。

图9示出了基于QPSK的L＝3OFDM的性能对比，可以看出本方案提出的方案性能非常逼近最优性能。

本发明利用的EM算法也可不局限于等概率发送符号场景，同时，噪声的方差也可随时间变化。另外，本发明也不局限于利用EM算法来求得高斯混合分布的参数。

需要指出的是，本发明不局限于利用GMM和K-means模型，任何基于中心点的模型聚类算法均可使用。同时，本方法的聚类过程也不局限于EM算法。最后，本发明也不局限于MIMO和OFDM系统，任何使用该方法的系统都属于本专利保护范围内。

Claims (1)

1.标记辅助无线通信系统信号发送和接收方法，其特征在于，包括：

在发射端：发射机在发送数据信息之前，插入T个标记符号，T是所需发送的最小标记符号数，所述标记符号的内容是接收端已知的；

在接收端：利用接收到的标记符号，通过标记恢复恢复出K-T个标记，K为T个标记符号与恢复得到的标记符号之和；

采用K个标记符号分别标记每个类别对应的发送符号；然后采用聚类算法，以K个标记为初始中心点辅助算法快速收敛到全局最优解；在聚类算法迭代收敛过程中，类别标注关系将被保持；聚类完成后，被划分到每个类别的数据信号将被判决为该类别被标注的发送符号，实现符号检测。