CN108737022A - 基于量子计算的低复杂度scma解码方法及装置 - Google Patents
基于量子计算的低复杂度scma解码方法及装置 Download PDFInfo
- Publication number
- CN108737022A CN108737022A CN201810297796.XA CN201810297796A CN108737022A CN 108737022 A CN108737022 A CN 108737022A CN 201810297796 A CN201810297796 A CN 201810297796A CN 108737022 A CN108737022 A CN 108737022A
- Authority
- CN
- China
- Prior art keywords
- quantum
- scma
- complexity
- node
- information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000004364 calculation method Methods 0.000 title abstract description 6
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 64
- 239000011159 matrix material Substances 0.000 claims description 33
- 238000012546 transfer Methods 0.000 claims description 21
- 238000013507 mapping Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 4
- 238000013461 design Methods 0.000 abstract description 13
- 238000010586 diagram Methods 0.000 description 15
- 238000010845 search algorithm Methods 0.000 description 7
- 238000004088 simulation Methods 0.000 description 6
- 230000009467 reduction Effects 0.000 description 4
- 230000011664 signaling Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 239000002096 quantum dot Substances 0.000 description 3
- 239000000654 additive Substances 0.000 description 2
- 230000000996 additive effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L1/00—Arrangements for detecting or preventing errors in the information received
- H04L1/004—Arrangements for detecting or preventing errors in the information received by using forward error control
- H04L1/0045—Arrangements at the receiver end
- H04L1/0055—MAP-decoding
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L1/00—Arrangements for detecting or preventing errors in the information received
- H04L1/004—Arrangements for detecting or preventing errors in the information received by using forward error control
- H04L1/0045—Arrangements at the receiver end
- H04L1/0047—Decoding adapted to other signal detection operation
- H04L1/0048—Decoding adapted to other signal detection operation in conjunction with detection of multiuser or interfering signals, e.g. iteration between CDMA or MIMO detector and FEC decoder
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
- Error Detection And Correction (AREA)
Abstract
本发明公开了一种基于量子计算的低复杂度SCMA解码方法及装置，其中，方法包括：获取接受信号，码本，信道状态一种或多种基本信息，并根据特征矩阵获取特征矩阵相应的因子图；根据信息传递算法MPA迭代更新规则，设定目标函数；根据MPA更新规则在因子图上经典域计算VN到FN的信息和量子域内对目标函数进行量子搜索获取VN到FN信息，并在迭代次数满足预设次数或达到预设条件后，计算得到后验概率，以获取解码信号。该方法利用量子计算进行MPA算法的迭代，提出量子信息传递算法，在量子信息传递算法的基础上，设计SCMA的量子解码器，从而有效提高SCMA解码的实用性，降低解码的复杂度同时保持解码性能不受影响。
Description
技术领域
本发明涉及通信技术领域，特别涉及一种基于量子计算的低复杂度SCMA解码方法及装置。
背景技术
SCMA(Sparse Code Multiple Access，稀疏码多址接入)解码目前主要的方法有MAP (Maximum A Posterior Probability，最大后验概率)和MPA(Message PassingAlgorithm，信息传递算法)以及基于MPA算法提出的其他的改进算法。包括：基于最大后验概率(MAP) 的SCMA解码、基于信息传递算法(MPA)的SCMA解码、基于MPA改进的低计算复杂度算法。
目前解码存在如下问题：(1)解码复杂度过高，难以实用；(2)在MAP解码的基础上复杂度大为降低，但解码复杂度依然是指数级，复杂度依然很高；(3)基于MPA改进的算法会造成复杂度降低，影响解码性能。
在相关技术中，往往通过Sphere decoding、在MPA解码基础上进一步改进复杂度与解码性能等解决方法解决上述问题，然而依然需要牺牲解码准确度等性能换取复杂度降低，性能损失较低情况下，则目前方法复杂度降低效果不够好。相关技术中无法兼顾最优解码和降低复杂度，有待解决。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。
为此，本发明的一个目的在于提出一种基于量子计算的低复杂度SCMA解码方法，该方法可以有效提高SCMA解码的实用性，降低解码的复杂度同时保持解码性能不受影响。
本发明的另一个目的在于提出一种基于量子计算的低复杂度SCMA解码装置。
为达到上述目的，本发明一方面实施例提出了一种基于量子计算的低复杂度SCMA解码方法，包括以下步骤：获取接受信号，码本，信道状态一种或多种基本信息，并根据特征矩阵获取特征矩阵相应的因子图；根据信息传递算法MPA迭代更新规则，设定目标函数；根据所述MPA更新规则在所述因子图上经典域计算VN到FN的信息和量子域内对目标函数进行量子搜索获取VN到FN信息，并在迭代次数满足预设次数或达到预设条件后，计算得到后验概率，以获取解码信号。
本发明实施例的基于量子计算的低复杂度SCMA解码方法，利用量子计算进行MPA算法的迭代，提出量子信息传递算法，在量子信息传递算法的基础上，设计SCMA的量子解码器，可以保证性能不下降的前提下完成解码，且解码复杂度大为降低，从而有效提高 SCMA解码的实用性，降低解码的复杂度同时保持解码性能不受影响。
另外，根据本发明上述实施例的基于量子计算的低复杂度SCMA解码方法还可以具有以下附加的技术特征：
进一步地，在本发明的一个实施例中，在所述因子图中，从FN传递到VN的信息以及从VN传递到FN的信息分别由和来表示，在第一次迭代的时候，二者均设置为零。
进一步地，在本发明的一个实施例中，所述目标函数为：
其中，yn是基站接收到的信号的第n个码片，yn是基站接收到的信号的第n个码片，x[n]表示的是发送信号里SCMA码字第n个码片里所有非0位置星座点，xu表示当前FN 节点的所有邻近VN节点的可能发送星座节点组合，u表示的是与FN邻近VN节点集合里的某一个节点，Iv→n(xv)表示从VN节点的v节点传递到FN节点的n节点的信息。
进一步地，在本发明的一个实施例中，所述根据信息传递算法MPA迭代更新规则，设目标函数，进一步包括：
采用DHA QSA更新获取xu对应的bv,j＝0和当xu对应bv,j＝1的
进一步地，在本发明的一个实施例中，所述采用DHA QSA更新进一步包括：将搜索空间映射为量子计算机的量子态，并为所述量子计算机制备初态；通过BBHT QSA来进行搜索比当前选定值的更大值，并对所述量子计算机的终态进行观测，得到观测态xs，以获取函数最大值。
为达到上述目的，本发明另一方面实施例提出了一种基于量子计算的低复杂度SCMA 解码装置，包括以下步骤：初始模块，用于获取接受信号，码本，信道状态一种或多种基本信息，并根据特征矩阵获取特征矩阵相应的因子图；设置模块，用于根据信息传递算法MPA迭代更新规则，设定目标函数；处理模块，用于根据所述MPA更新规则在所述因子图上经典域计算VN到FN的信息和量子域内对目标函数进行量子搜索获取VN到FN信息，并在迭代次数满足预设次数或达到预设条件后，计算得到后验概率，以获取解码信号。
本发明实施例的基于量子计算的低复杂度SCMA解码装置，利用量子计算进行MPA算法的迭代，提出量子信息传递算法，在量子信息传递算法的基础上，设计SCMA的量子解码器，可以保证性能不下降的前提下完成解码，且解码复杂度大为降低，从而有效提高 SCMA解码的实用性，降低解码的复杂度同时保持解码性能不受影响。
另外，根据本发明上述实施例的基于量子计算的低复杂度SCMA解码装置还可以具有以下附加的技术特征：
进一步地，在本发明的一个实施例中，在所述因子图中，从FN传递到VN的信息以及从VN传递到FN的信息分别由和来表示，在第一次迭代的时候，二者均设置为零。
进一步地，在本发明的一个实施例中，所述目标函数为：
其中，yn是基站接收到的信号的第n个码片，yn是基站接收到的信号的第n个码片，x[n]表示的是发送信号里SCMA码字第n个码片里所有非0位置星座点，xu表示当前FN 节点的所有邻近VN节点的可能发送星座节点组合，u表示的是与FN邻近VN节点集合里的某一个节点，Iv→n(xv)表示从VN节点的v节点传递到FN节点的n节点的信息。
进一步地，在本发明的一个实施例中，所述设置模块进一步用于根据迭代更新规则采用DHA QSA更新获取xu对应的bv,j＝0和当xu对应bv,j＝1的
进一步地，在本发明的一个实施例中，所述采用DHA QSA更新进一步包括：将搜索空间映射为量子计算机的量子态，并为所述量子计算机制备初态；通过BBHT QSA来进行搜索比当前选定值的更大值，并对所述量子计算机的终态进行观测，得到观测态xs，以获取函数最大值。
本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为根据本发明一个实施例的基于量子计算的低复杂度SCMA解码方法的流程图；
图2为根据本发明一个实施例的上行稀疏码多址接入(SCMA)系统的示意图；
图3为根据本发明一个实施例的因子图示例示意图；
图4为根据本发明一个实施例的DHA QSA算法流程图；
图5为根据本发明一个实施例的量子搜索示意图；
图6为根据本发明一个实施例的Grover算子示意图；
图7为根据本发明一个实施例的上行SCMA系统量子解码信令示意图；
图8为根据本发明一个实施例的下行SCMA系统量子解码信令示意图；
图9为根据本发明一个实施例的经典解码与量子解码SER性能比较-6用户情况示意图；
图10为根据本发明一个实施例的基于量子计算的低复杂度SCMA解码装置的结构示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
在介绍于量子计算的低复杂度SCMA解码方法及装置之前，先简单介绍一下相关技术的解码方式。
目前对于SCMA解码，公认的最优解码方式为基于最大后验概率(MAP)解码，其最主要的思想是计算每个比特的后验概率，其概率最大的判定为检测到的信号。然而在获得最优性能的同时，是极高的复杂度，需要穷搜所有可能比特的后验概率，因此这个方法难以实用。
下面叙述MAP解码的主要步骤。首先接收到的信号是y以及已知信道状态h，SCMA解码器将会计算每一位的后验概率对数似然比。
定义对应地定义由于每J个比特bv将会映射为一个SCMA码字xv，相应地也可以定义和分别为对应和的SCMA码字。其中，码字是通信系统中，将用户信息映射为一个码字，以方便发送。这里主要考虑稀疏码多址接入系统(SCMA)的码字，每个SCMA码字为一个高维的稀疏复向量。由此可得：
假设噪声是独立同分布的，那么上式可以写成
由于信道假设的是AWGN(Additive White Gaussian Noise，加性高斯白噪声)信道，所以概率P{yn|x}可以写成
其中， 表示特征矩阵非零项的信道状态， x[n]则表示第n个码片上传输的所有用户的星座点的叠加。
再来考虑先验概率P{x}，由于bv与xv是一一映射，因此先验信息P{x}等于P{b}，如下所示：
综合考虑(4)、(5)和(2)，可以得到
其中(Jacobian近似)，从上面可以看出，计算 (6)需要O(MV)的复杂度，显而易见，这个复杂度明显使得这项技术无法实用化。
另外，次最优算法MPA可以获得接近MAP的BER(Bit Error Rate，误码率)性能，同时极大地降低复杂度。MPA全称是信息传递算法，算法是在因子图上，FN和VN通过连接线相互进行信息传递，其中传递的信息最终逼近最大后验概率值。相关技术给出了MPA 算法的信息更新公式，同时采用了Jacobian近似用以降低复杂度，同时只有很小的BER性能损失，这种方法被称为Max-log-MPA。FN传向VN的信息以及VN传向FN的信息分别如下式表示：
其中gn(x)＝||yn-hv·xv||2，对数似然后验概率则为：
其中I(xv)＝∑n∈Φ(v)Ln→v(xv)，同时由(8)给出解码判决。
虽然外面通过MPA算法可以在较低复杂度下实现次最优的解码，但是在MPA迭代的两个更新规则中(9)和(10)，计算(9)的复杂度是因为这步需要穷搜与VN 连接的所有FN节点的可能码字组合，而计算(10)的复杂度则非常小，相比之下这步的复杂度可暂时忽略不计。可以看出上述复杂度依然是指数复杂度，依然很难进行实用。
从上段叙述可以知道所面临的问题是用更低的复杂度计算(9)，这是一个穷搜问题：
该式表明其最主要复杂度源于其需要对与之连接的df个节点进行所有可能的码字组合进行穷搜。
对于目前方兴未艾的量子计算研究表明，对于一些问题，量子计算可以有比经典计算机更加强大的运算能力，更低的复杂度完成相同的工作，这使得人们看到了利用量子计算来解决经典问题的曙光，与此同时，非正交多址接入NOMA(Non-orthogonal MultipleAccess，非正交多址接入)是未来有希望在5G中有应用潜力的方向，其中稀疏码多址接入系统 (SCMA)就是NOMA中一个被瞩目的方向，但是SCMA经典解码的两种主要方式MAP 以及MPA都面临着解码复杂度高而难以实用的问题，利用量子算法来进行对经典SCMA 的解码加速，会降低解码复杂度，且同时保持误码率性能不下降。
正是基于上述原因，本发明实施例提出了一种基于量子计算的低复杂度SCMA解码方法及装置。
下面参照附图描述根据本发明实施例提出的基于量子计算的低复杂度SCMA解码方法及装置，首先将参照附图描述根据本发明实施例提出的基于量子计算的低复杂度SCMA解码方法。
图1是本发明一个实施例的基于量子计算的低复杂度SCMA解码方法的流程图。
如图1所示，该基于量子计算的低复杂度SCMA解码方法包括以下步骤：
在步骤S101中，获取接受信号，码本，信道状态一种或多种基本信息，并根据特征矩阵获取特征矩阵相应的因子图。
可以理解的，特征矩阵是每个用户对应的SCMA码字里非零项位置组成的矩阵，表示方法是一个与每个用户的SCMA码字矩阵大小一致的矩阵，其非零项的位置在特征矩阵里均为1，其余为0的矩阵。
首先，如图2所示，先介绍一下系统模块，考虑一个上行SCMA系统，其中共有K个用户，对于用户k，二进制的信息bk被SCMA编码器映射进N维的SCMA码字xk，SCMA 码本有M个不同码字，每J个比特信息被映射为一个SCMA码字，其中J＝log2M。而SCMA 之所以被称为稀疏码多址接入是因为对于每个SCMA码字，它都有稀疏性，意即每个SCMA 码字有超过一半的元素是零。SCMA码字里面的非零项被称为特征，对于所有用户特征组成的矩阵，则称之为特征矩阵，它的作用是指出SCMA系统码字中非零项的位置，如下面所示6用户的特征矩阵这个例子，如下F所示该特征矩阵6列表示有6个用户进行信号发射，4行表示只有4个频带或者资源来进行信号的发射，在矩阵中有1的位置表示该码片发送的信号不为0。其中，每个用户的码字可能的取值集合，称为码本。
SCMA码的特征矩阵可以利用因子图G(V,N)来表示，其中有V个变量节点和N个功能节点，采用]的一个例子来说明，如图3所示，其中FN表示功能节点，代表的是待发射数据的资源层，即用几个通信资源(码片)发送数据，VN表示变量节点，表示的是发射的数据层，即待发送数据的个数。每个用户可以使用多个资源，一个FN和一个VN之间有连线表示特征矩阵中这是一个非零项，物理意义为用户可以使用该资源发送数据。同时，定义邻近节点ψ(n)和φ(v)分别表示FN连接的邻近节点集合以及与VN连接的邻近节点集合，设在每个码片上有df个非零项，也即每个VN有df个FN节点有连线连接。
本发明实施例采用的是AWGN(Additive White Gaussian Noise，加性高斯白噪声)信道，第k个用户的第n个码片的信道状态被定义为hn,k。产生的信号经过OFDM调制之后，通过AWGN信道发送。接收端接收到的信号则为其中 hk＝[h0,k,h1,k,…,hN-1,k]T为第k个用户的信道状态，H＝[hk,hk,…,hk],以及定义噪声 v＝[v0,v1,…,vN-1]T。如果仅仅考虑第n个码片的接收信号，那么此时的接收信号会变为接收信号就可以表示为y＝[y0,y1,…,yN-1]T。
进一步地，在本发明的一个实施例中，在因子图中，从FN传递到VN的信息以及从VN传递到FN的信息分别由和来表示，在第一次迭代的时候，二者均设置为零。
可以理解的是，根据特征矩阵可以得到相应的因子图G(V,N)，在因子图上，从FN传递到VN的信息以及从VN，传递到FN的信息分别由和来表示，在第一次迭代的时候，二者均设置为零，即以及
在步骤S102中，根据信息传递算法MPA迭代更新规则，设定目标函数。
进一步地，在本发明的一个实施例中，目标函数为：
其中，yn是基站接收到的信号的第n个码片，yn是基站接收到的信号的第n个码片，x[n]表示的是发送信号里SCMA码字第n个码片里所有非0位置星座点，xu表示当前FN 节点的所有邻近VN节点的可能发送星座节点组合，u表示的是与FN邻近VN节点集合里的某一个节点，Iv→n(xv)表示从VN节点的v节点传递到FN节点的n节点的信息。
可以理解的是，根据MPA迭代更新规则， 设目标函数fx＝yn-hnT·xn2+u∈ψn\vxuIv→nxu，这步更新等价于对寻找目标函数的最大值以及对应的VN邻近节点码字组合。
需要说明的是，yn是基站接收到的信号的第n个码片。发射的信号是一个码片一个码片发射的，接收的信号也是一个码片一个码片接收的。如下是特征矩阵，每列代表一个用户发送的SCMA码字的结构，其中1的位置才会有星座点。发射的时候是每行是一个码片，接收的时候也是按顺序每次只会接收到一个码片yn，是该码片里面所有非0星座点(这里是3个)传输之后的叠加值。
x[n]表示的是发送信号里SCMA码字第n个码片里所有非0位置星座点。例如在上面这个F的例子里，假设n＝4是最后一行代表的码片，那么x[n]表示的是F矩阵最后一行0 1 01 1 0中那三个1位置对应的SCMA码字星座点(也即是非零点)。xu表示当前FN节点的所有邻近VN节点的可能发送星座节点组合，u表示的是与FN邻近VN节点集合里的某一个节点。In→v(xu)表示MPA算法步骤里面，从因子图中的FN节点n到VN节点v所传递的信息。
在本发明的一个实施例中，根据信息传递算法MPA迭代更新规则，设目标函数，进一步包括：采用DHA QSA更新获取xu对应的bv,j＝0和当xu对应bv,j＝1的
具体而言，在量子计算机进行的计算为在量子域进行的计算，否则称为在经典域的计算。MPA算法的整个流程分别两个部分，一个是bv,j＝1对应的xu以及bv,j＝0对应的xu。
采用DHA QSA更新这时xu对应的bv,j＝0。下面将详细的DHA QSA更新这个信息的算法步骤。
在本发明的一个实施例中，采用DHA QSA更新进一步包括：将搜索空间映射为量子计算机的量子态，并为量子计算机制备初态；通过BBHT QSA来进行搜索比当前选定值的更大值，并对量子计算机的终态进行观测，得到观测态xs，以获取函数最大值。
具体而言，(a)首先将搜索空间映射为量子计算机的量子态，给量子计算机制备初态，假定搜索空间有Nq个待定解，那么得到的初态是一个所有量子态等概率量子叠加态：
同时量子计算机将会随机选择一个量子态作为当前对f(x)最大值的评估。
(b)由于不知道具体有几个值大于当前随机选定的函数值f(σ)，因此本发明实施例采用BBHT QSA来进行搜索比当前选定值得更大值。
(c)经过BBHT算法之后，对量子计算机的终态进行观测，得到观测态xs，将它与σ的函数值进行比较，如果f(xs)>f(σ)，那么设定σ＝xs，然后返回步骤2)继续进行；如果 f(xs)<f(σ)，则直接返回步骤2)继续运行。这样的话，经过特定次数的迭代，函数最大值会被找到。理论表明，该算法将会在内搜索到f(x)的最大值。
(B)与上述步骤相同，计算当xu对应的bv,j＝1的
进一步地，下面将对BBHT QSA(BBHT量子搜索算法)和DHA QSA(DHA量子搜索算法)进行介绍。
首先，BBHT QSA(BBHT量子搜索算法)可以在一个有未知解个数的一个数据集里面，寻找到本发明实施例所需要的解。具体包括：
(1)首先，设m＝1,对量子计算机进行初始化设置，将其置于一个所有量子态的等概叠加态中，如果总共有N个数据，将这N个数据用N个量子计算机系统的量子态来表示，需要从里面找到符合条件的解，那么n＝log2(N)为这次量子计算至少需要的qubit数，初态可以表示为：其中，qubit:量子比特，是量子计算机的最小存储单位。
(2)然后，对上述量子初态使用j次Grover算子，其中j是从小于m的正整数集合中随机选择的数。
(2)观测量子计算机的终态，如果所获得的结果是本发明实施例想要的，那么算法结束；否则设置
继续进行第(2)的步骤。
这个算法可以以不超过次的数据库查找完成搜索。
其次，DHA QSA(DHA量子搜索算法)可以以～100％的概率搜索一个函数的最大值或者最大值对应的索引值，也即对应的自变量值，如图4所示，具体包括：
(1)与BBHT QSA类似，首先将要对量子计算机进行初始化设置，将其置于一个所有量子态的等概叠加态中，如果总共有N个数据，将这N个数据用N个量子计算机系统的量子态来表示，需要从里面找到对应函数最大的数据，那么n＝log2(N)为这次量子计算至少需要的qubit数，初态可以表示为：量子计算机随机选择一个量子态σ作为对最大值的预测。
(2)由于不知道在给定数据中，有多少个数据可以满足对应的函数值大于f(σ)，因此采用BBHT QSA算法来进行搜索。
(3)一旦一个量子态xs在2)的结束时被观测到，将它与σ的函数值进行比较，如果f(xs)>f(σ)，那么设定σ＝xs，然后返回步骤2)继续进行；如果f(xs)<f(σ)，则直接返回步骤2)继续运行。这样的话，经过特定次数的迭代，函数最大值会被找到。同时理论证明该量子算法复杂度为
在步骤S103中，根据MPA更新规则在因子图上经典域计算VN到FN的信息和量子域内对目标函数进行量子搜索获取VN到FN信息，并在迭代次数满足预设次数或达到预设条件后，计算得到后验概率，以获取解码信号。
可以理解的是，根据MPA更新规则，在经典域内计算VN到FN的信息同时根据S102步中获取的目标函数及在量子域搜索获得对该算法S102及S103进行一定次数的迭代之后或者达到设定的算法成功标准之后，本发明实施例可以通过上述在因子图上传递的信息，计算对应的后验概率其中I(xv)＝∑n∈Φ(v)Ln→v(xv)，解码信号会根据公式8得出。
进一步地，如图5和图6所示，在图5中，每次BBHT迭代，会运用在特定范围内选定的正整数次数的Grover算子。在图6中，是量子搜索算法中至关重要的Grover算子的量子线路模型图，其中主要分为两个部分第一个为信息存储的工作区，由n个qubit组成，负责的是存储，因此，本发明实施例待定的解以及进行量子演化操作，另外一个被称为量子oracle，其主要作用在于计算目标函数并且判定此时是否是满足条件的解。本发明实施例大多将oracle 视为一个黑盒操作，其余量子算法的细节，为简洁起见，在此略去。其中，oracle是量子线路模型的一个特殊部分，目的是识别输入的是否为满足要求的解。
本发明实施例对于执行SCMA解码的步骤中，其所需要的主要信令包括信息状态信息 CSI(Channel State Information，信道状态信息)H，特征矩阵F，以及SCMA码字，量子搜索中所需要的量子比特数将根据搜索空间的大小以及量子计算机的结构给出。由于下行SCMA系统的解码也是进行类似的MPA解码，因此这个方法也可以推广到SCMA下行系统中。
另外，如图7和图8所示，在上行系统中，基站需要信道状态信息，用户需要关于码字的信息以能够按照标准发送数据，一旦信息被接收到，基站将会计算所需要的量子比特数。图8展示了类似的信令交互过程，其中用户需要码本信息和信道状态来进行解码操作，一旦这个信息确定，那么将会通过这个来决定所需要的量子比特数。
在计算公式9时MPA算法将会需要次Grover算子操作，量子域的复杂度是定义为所需要的量子算子操作数，也即这里的Grover算子操作次数。相较于经典MPA的该方法会很大地降低计算复杂度。
在本发明的一个具体实施例中，下将对根据本发明实施例方法进行的仿真进行叙述。
在每次仿真，为了排除其他的干扰，本发明实施例均采用理想的状态假定，其中hi,j＝1, 0≤i≤N-1,0≤j≤K-1，每个用户采用相同的发射功率，时频被设定为完全匹配的。这里设定K＝6，信噪比为{2dB,4dB,6dB,8dB,10dB,12dB,14dB,16dB}，而特征矩阵为：
相应的因子图可以从上述矩阵中得出。每个复杂度下的SER(Symbol Error Rate，误符号率)经过超过105次仿真进行估计，每次仿真设定为5次MPA迭代。映射星座图设定为[0,0]→-0.5-0.5i，[0,1]→-0.5+0.5i，[1,0]→-0.5+0.5i，[1,1]→0.5+0.5i。
每次仿真分别比较经典max-log-MPA算法和量子算法的SER性能，量子搜索采用DHA QSA，量子Oracle被视为黑盒操作，同时在每次搜索的最后，对量子态进行观测，其观测概率根据量子态的概率平方而确定。
如图9所示，其中’classic’指的是经典max-log-MPA算法，而’quantum’指代的是量子算法。可以从中看出，对于在相同环境下比较的max-log-MPA和量子解码算法，提出的量子算法能够保持SER性能不变的前提下进行解码，同时理论分析表明该算法能够获得很大的复杂度降低，因此，该设计实现了以低复杂度进行解码同时保持解码性能不受影响。
综上，本发明实施例采用量子计算来对(9)的穷搜过程进行加速，同时与剩余MPA算法步骤结合从而得到量子信息传递算法，简称QMPA(Quantum-assisted MPA，量子信息传递算法)，再基于QMPA，进一步提出SCMA的量子解码器设计。设目标函数为此即为对式9进行搜索。里面输入的自变量x是与VN连接的FN节点码字所有可能组合。本发明实施例的目标是找到目标函数的最大值f(xmax)，以及与之对应的码字组合。详细的量子搜索算法步骤在上一节已经详细描述了，在已知这两种量子搜索算法的基础上，采用DHA QSA来进行目标函数的搜索，由于DHA QSA的搜索复杂度是可推导利用DHA QSA来进行目标函数搜索，复杂度会从经典算法的变为
本发明实施例提出了一个全新的量子信息传递算法QMPA，基于此算法更进一步提出其SCMA的量子解码器设计。通过理论分析表明，该设计能够很大的降低复杂度，尤其是用户很多且因子图VN的邻近节点数目很多的时候，另外对所提出的设计进行matlab仿真可以看出，该设计能够保持SER性能不变完成解码，因此该算法是一个可行的设计，当量子技术能够稳步推进，这个设计有希望得到应用。
本发明实施例具有以下效果：
(1)该设计能够完成SCMA系统的多用户检测，也即能够完成SCMA解码。
(2)该设计的解码性能与经典的基于max-log-MPA的解码误码率保持不变，不会下降。
(3)该发明可以以比经典算法具有更低复杂度，准确而言是复杂度从降到了
根据本发明实施例提出的基于量子计算的低复杂度SCMA解码方法，利用量子计算进行MPA算法的迭代，提出量子信息传递算法，在量子信息传递算法的基础上，设计SCMA 的量子解码器，可以保证性能不下降的前提下完成解码，且解码复杂度大为降低，从而有效提高SCMA解码的实用性，降低解码的复杂度同时保持解码性能不受影响。
其次参照附图描述根据本发明实施例提出的基于量子计算的低复杂度SCMA解码装置。
图10是本发明一个实施例的基于量子计算的低复杂度SCMA解码装置的结构示意图。
如图10所示，该基于量子计算的低复杂度SCMA解码装置10包括：初始模块100、设置模块200和处理模块300。
其中，初始模块100用于获取接受信号，码本，信道状态一种或多种基本信息，并根据特征矩阵获取特征矩阵相应的因子图。设置模块200用于根据信息传递算法MPA迭代更新规则，设定目标函数。处理模块300用于根据MPA更新规则在因子图上经典域计算VN 到FN的信息和量子域内对目标函数进行量子搜索获取VN到FN信息，并在迭代次数满足预设次数或达到预设条件后，计算得到后验概率，以获取解码信号。
进一步地，在本发明的一个实施例中，在因子图中，从FN传递到VN的信息以及从VN传递到FN的信息分别由和来表示，在第一次迭代的时候，二者均设置为零。
进一步地，在本发明的一个实施例中，目标函数为：
其中，yn是基站接收到的信号的第n个码片，yn是基站接收到的信号的第n个码片，x[n]表示当前FN节点的所有邻近VN节点的可能发送星座节点组合，u表示的是与FN邻近VN节点集合里的某一个节点，Iv→n(xv)表示从VN节点的v节点传递到FN节点的n节点的信息。
进一步地，在本发明的一个实施例中，设置模块进一步用于根据迭代更新规则采用DHA QSA更新获取xu对应的bv,j＝0和当xu对应bv,j＝1的
进一步地，在本发明的一个实施例中，采用DHAQSA更新进一步包括：将搜索空间映射为量子计算机的量子态，并为量子计算机制备初态；通过BBHT QSA来进行搜索比当前选定值的更大值，并对量子计算机的终态进行观测，得到观测态xs，以获取函数最大值。
需要说明的是，前述对基于量子计算的低复杂度SCMA解码方法实施例的解释说明也适用于该实施例的基于量子计算的低复杂度SCMA解码装置，此处不再赘述。
根据本发明实施例提出的基于量子计算的低复杂度SCMA解码装置，利用量子计算进行MPA算法的迭代，提出量子信息传递算法，在量子信息传递算法的基础上，设计SCMA 的量子解码器，可以保证性能不下降的前提下完成解码，且解码复杂度大为降低，从而有效提高SCMA解码的实用性，降低解码的复杂度同时保持解码性能不受影响。
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种基于量子计算的低复杂度SCMA解码方法，其特征在于，包括以下步骤：
获取接受信号，码本，信道状态一种或多种基本信息，并根据特征矩阵获取特征矩阵相应的因子图；
根据信息传递算法MPA迭代更新规则，设定目标函数；以及
根据所述MPA更新规则在所述因子图上经典域计算VN到FN的信息和量子域内对目标函数进行量子搜索获取VN到FN信息，并在迭代次数满足预设次数或达到预设条件后，计算得到后验概率，以获取解码信号。
2.根据权利要求1所述的基于量子计算的低复杂度SCMA解码方法，其特征在于，在所述因子图中，从FN传递到VN的信息以及从VN传递到FN的信息分别由和来表示，在第一次迭代的时候，二者均设置为零。
3.根据权利要求2所述的基于量子计算的低复杂度SCMA解码方法，其特征在于，所述目标函数为：
其中，yn是基站接收到的信号的第n个码片，yn是基站接收到的信号的第n个码片，x[n]表示的是发送信号里SCMA码字第n个码片里所有非0位置星座点，xu表示当前FN节点的所有邻近VN节点的可能发送星座节点组合，u表示的是与FN邻近VN节点集合里的某一个节点，Iv→n(xv)表示从VN节点的v节点传递到FN节点的n节点的信息。
4.根据权利要求3所述的基于量子计算的低复杂度SCMA解码方法，其特征在于，所述根据信息传递算法MPA迭代更新规则，设目标函数，进一步包括：
采用DHA QSA更新获取xu对应的bv,j＝0和当xu对应bv,j＝1的
5.根据权利要求4所述的基于量子计算的低复杂度SCMA解码方法，其特征在于，所述采用DHA QSA更新进一步包括：
将搜索空间映射为量子计算机的量子态，并为所述量子计算机制备初态；
通过BBHT QSA来进行搜索比当前选定值的更大值，并对所述量子计算机的终态进行观测，得到观测态xs，以获取函数最大值。
6.一种基于量子计算的低复杂度SCMA解码装置，其特征在于，包括以下步骤：
初始模块，用于获取接受信号，码本，信道状态一种或多种基本信息，并根据特征矩阵获取特征矩阵相应的因子图；
设置模块，用于根据信息传递算法MPA迭代更新规则，设定目标函数；以及
处理模块，用于根据所述MPA更新规则在所述因子图上经典域计算VN到FN的信息和量子域内对目标函数进行量子搜索获取VN到FN信息，并在迭代次数满足预设次数或达到预设条件后，计算得到后验概率，以获取解码信号。
7.根据权利要求6所述的基于量子计算的低复杂度SCMA解码装置，其特征在于，在所述因子图中，从FN传递到VN的信息以及从VN传递到FN的信息分别由和来表示，在第一次迭代的时候，二者均设置为零。
8.根据权利要求7所述的基于量子计算的低复杂度SCMA解码装置，其特征在于，所述目标函数为：
其中，yn是基站接收到的信号的第n个码片，yn是基站接收到的信号的第n个码片，x[n]表示的是发送信号里SCMA码字第n个码片里所有非0位置星座点，xu表示当前FN节点的所有邻近VN节点的可能发送星座节点组合，u表示的是与FN邻近VN节点集合里的某一个节点，Iv→n(xv)表示从VN节点的v节点传递到FN节点的n节点的信息。
9.根据权利要求8所述的基于量子计算的低复杂度SCMA解码装置，其特征在于，所述设置模块进一步用于根据迭代更新规则采用DHA QSA更新获取xu对应的bv,j＝0和当xu对应bv,j＝1的
10.根据权利要求9所述的基于量子计算的低复杂度SCMA解码装置，其特征在于，所述采用DHA QSA更新进一步包括：
将搜索空间映射为量子计算机的量子态，并为所述量子计算机制备初态；
通过BBHT QSA来进行搜索比当前选定值的更大值，并对所述量子计算机的终态进行观测，得到观测态xs，以获取函数最大值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810297796.XA CN108737022B (zh) | 2018-04-03 | 2018-04-03 | 基于量子计算的低复杂度scma解码方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810297796.XA CN108737022B (zh) | 2018-04-03 | 2018-04-03 | 基于量子计算的低复杂度scma解码方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108737022A true CN108737022A (zh) | 2018-11-02 |
| CN108737022B CN108737022B (zh) | 2020-06-19 |
Family
ID=63941243
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810297796.XA Expired - Fee Related CN108737022B (zh) | 2018-04-03 | 2018-04-03 | 基于量子计算的低复杂度scma解码方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108737022B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109710880A (zh) * | 2018-11-07 | 2019-05-03 | 天津大学 | 一种应用量子线路计算超图Ramsey数的方法 |
| CN110113136A (zh) * | 2019-05-16 | 2019-08-09 | 南京邮电大学 | 一种scma系统中低复杂度解码算法 |
| CN111062482A (zh) * | 2019-11-28 | 2020-04-24 | 南方科技大学 | 一种量子态重构方法、装置、系统和存储介质 |
| CN113746601A (zh) * | 2021-09-06 | 2021-12-03 | 西安邮电大学 | 基于状态位置的scma接收检测方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105554865A (zh) * | 2015-11-09 | 2016-05-04 | 哈尔滨工业大学 | 一种基于stbc的mimo-scma系统下行链路设计方法 |
| CN105656538A (zh) * | 2015-12-30 | 2016-06-08 | 东南大学 | 一种大规模mimo系统的低复杂度置信传播检测算法 |
| CN106682737A (zh) * | 2016-12-19 | 2017-05-17 | 河海大学 | 一种将马尔可夫网络等价转换为因子图的方法及系统 |
| CN107077642A (zh) * | 2014-08-22 | 2017-08-18 | D-波系统公司 | 可用于例如量子计算的用于求解问题的系统和方法 |
| US20180049050A1 (en) * | 2016-08-12 | 2018-02-15 | W2Bi, Inc. | Automated validation and calibration portable test systems and methods |
-
2018
- 2018-04-03 CN CN201810297796.XA patent/CN108737022B/zh not_active Expired - Fee Related
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107077642A (zh) * | 2014-08-22 | 2017-08-18 | D-波系统公司 | 可用于例如量子计算的用于求解问题的系统和方法 |
| CN105554865A (zh) * | 2015-11-09 | 2016-05-04 | 哈尔滨工业大学 | 一种基于stbc的mimo-scma系统下行链路设计方法 |
| CN105656538A (zh) * | 2015-12-30 | 2016-06-08 | 东南大学 | 一种大规模mimo系统的低复杂度置信传播检测算法 |
| US20180049050A1 (en) * | 2016-08-12 | 2018-02-15 | W2Bi, Inc. | Automated validation and calibration portable test systems and methods |
| CN106682737A (zh) * | 2016-12-19 | 2017-05-17 | 河海大学 | 一种将马尔可夫网络等价转换为因子图的方法及系统 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109710880A (zh) * | 2018-11-07 | 2019-05-03 | 天津大学 | 一种应用量子线路计算超图Ramsey数的方法 |
| CN110113136A (zh) * | 2019-05-16 | 2019-08-09 | 南京邮电大学 | 一种scma系统中低复杂度解码算法 |
| CN111062482A (zh) * | 2019-11-28 | 2020-04-24 | 南方科技大学 | 一种量子态重构方法、装置、系统和存储介质 |
| CN111062482B (zh) * | 2019-11-28 | 2023-07-04 | 南方科技大学 | 一种量子态重构方法、装置、系统和存储介质 |
| CN113746601A (zh) * | 2021-09-06 | 2021-12-03 | 西安邮电大学 | 基于状态位置的scma接收检测方法 |
| CN113746601B (zh) * | 2021-09-06 | 2023-06-06 | 西安邮电大学 | 基于状态位置的scma接收检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108737022B (zh) | 2020-06-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108737022B (zh) | 基于量子计算的低复杂度scma解码方法及装置 | |
| Wu et al. | Blind recognition of LDPC codes over candidate set | |
| Jia et al. | A low complexity detection algorithm for fixed up-link SCMA system in mission critical scenario | |
| TWI381674B (zh) | Candidate List Amplification Apparatus for Channel Decoding System and Method | |
| CN109039534A (zh) | 一种基于深度神经网络的稀疏码分多址信号检测方法 | |
| US11563449B2 (en) | Systems for error reduction of encoded data using neural networks | |
| CN107864029A (zh) | 一种降低多用户检测复杂度的方法 | |
| JP2016512417A (ja) | 低複雑度受信機および低密度シグネチャ変調のための方法 | |
| CN105959015A (zh) | 基于最小多面体模型的ldpc码线性规划译码方法 | |
| EP3884584B1 (en) | Learning in communication systems | |
| Nguyen et al. | Groupwise neighbor examination for tabu search detection in large MIMO systems | |
| CN115378524A (zh) | 一种优化的期望传播检测方法及信号检测装置 | |
| Cao et al. | Simplified LLR algorithm for m‐QAM demodulation | |
| Huang et al. | D $^ 2$-JSCC: Digital Deep Joint Source-channel Coding for Semantic Communications | |
| Lai et al. | Simplified sparse code multiple access receiver by using truncated messages | |
| Anantharam et al. | Capacity and error exponents of stationary point processes under random additive displacements | |
| CN111935041A (zh) | 一种下行场景中分层混合调制实现高阶scma系统的方法 | |
| Bakulin et al. | Turbo Demodulation Algorithm for NOMA Systems | |
| CN106911431B (zh) | 应用于稀疏编码多址接入系统解调过程中改进的部分边缘信息传递方法 | |
| Lu et al. | Adversarial Learning for Implicit Semantic-Aware Communications | |
| CN114421974A (zh) | 一种具有改进因子图选择方式的极化码bpl译码方法 | |
| CN109889283B (zh) | 一种scma上行通信系统多用户检测方法及装置 | |
| CN108737298B (zh) | 一种基于图像处理的scma盲检测方法 | |
| Hao et al. | A low complexity SCMA detector based on avoiding redundant iterations | |
| Ullah et al. | Likelihood ascent search augmented sphere decoding receiver for MIMO systems using M‐QAM constellations |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200619 Termination date: 20210403 |