CN109889241A - 一种基于稀疏重构的广义空间调制系统检测方法及系统 - Google Patents
一种基于稀疏重构的广义空间调制系统检测方法及系统 Download PDFInfo
- Publication number
- CN109889241A CN109889241A CN201811604445.5A CN201811604445A CN109889241A CN 109889241 A CN109889241 A CN 109889241A CN 201811604445 A CN201811604445 A CN 201811604445A CN 109889241 A CN109889241 A CN 109889241A
- Authority
- CN
- China
- Prior art keywords
- signal
- modulation system
- spatial modulation
- generalized spatial
- detection method
- 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.)
- Pending
Links
Landscapes
- Radio Transmission System (AREA)
Abstract
本发明公开了一种基于稀疏重构的广义空间调制系统检测方法,同时公开了一种采用该检测方法的广义空间调制系统。该检测方法包括如下步骤:获取广义空间调制系统得到的信号向量,构造观测矩阵;根据得到的信号向量和观测矩阵对调制信号进行重构得到发送数据估计。本发明提高了信号检测的可靠性,降低了广义空间调制系统中信号检测的计算复杂度。
Description
技术领域
本发明涉及一种基于稀疏重构的广义空间调制系统检测方法,同时涉及一种采用该检测方法的广义空间调制系统,属于无线通信技术领域。
背景技术
MIMO(Multiple-Input Multiple-Output,多输入多输出)技术因其具备提升系统容量的特点,在无线通信领域广泛运用。然而,MIMO技术实现的代价是极大的实现复杂度和能量损耗。同时,接收端也面临天线间干扰和同步问题。
SM(spatial modulation,空间调制)作为一种全新的MIMO传输技术,可以与大规模MIMO技术相结合,利用发送天线索引作为新的维度进行信息传输。在此基础上改进的GSM(generalized spatial modulation,广义空间调制)技术,在每一时隙只激活有限数量发送天线进行数据传输,其他天线保持静默状态,将基于幅度和相位调制的二维映射扩展至三维,因此能够更大程度地利用链路资源,而且比SM技术具有更大的频谱效率。
但是,由于GSM技术的调制方式具有特殊性,接收机的设计较为复杂。现有的信号检测方法,例如基于接收天线的球形译码算法、基于线性均衡的分块检测算法等,均在信号检测性能和算法复杂度的权衡上遇到问题。当天线数目成百上千时,它们的复杂度依旧很大。因此,新的GSM低复杂度信号检测方法依然是今后GSM应用所面临的挑战。
发明内容
针对现有技术的不足,本发明所要解决的首要技术问题在于提供一种基于稀疏重构的广义空间调制系统检测方法。
本发明所要解决的另一技术问题在于提供一种采用上述检测方法的广义空间调制系统。
为实现上述发明目的,本发明采用下述的技术方案:
根据本发明实施例的第一方面,提供一种基于稀疏重构的广义空间调制系统检测方法,包括如下步骤:
获取广义空间调制系统得到的信号向量,构造观测矩阵;
根据得到的信号向量和观测矩阵对调制信号进行重构,得到发送数据估计。
其中较优地,获取广义空间调制系统得到的信号向量,包括如下步骤:
接收比特数据流,对比特数据流进行分块;
根据输入数据进行广义空间调制映射、调制,得到调制信号;
根据得到的调制信号,计算经过无线信道后广义空间调制系统得到的信号向量。
其中较优地,所述信号向量采用如下公式计算:
y=Hs+n;
其中,y是信号向量;H观测矩阵;n是噪声构成的矩阵。
其中较优地,所述观测矩阵采用如下公式计算:
观测矩阵=稀疏基×观测基。
其中较优地,根据得到的信号向量和观测矩阵对调制信号进行重构,得到发送数据估计采用改进的StOMP算法,通过软阈值迭代方式确定备选集合。
其中较优地,根据得到的信号向量和观测矩阵,采用改进的StOMP算法对调制信号进行重构,得到发送数据估计,包括如下步骤:
S31,初始化信号残差、集合元素、信道响应矩阵和计数器,输入信号向量y和信道响应矩阵H;
S32,计算目标列索引集合Ω元素:Ω={|<rs-1,hk>|>T,k∈Ω},其中,T表示对相关性进行判决的门限值,且有T=ts·θs,参量ts为常数;rs是信号残差;Nr是接收天线数;hk表示列向量;
S33,更新集合元素:Is=Is-1∪Ω,Hs=Hs-1∪HΩ;其中HΩ为使用Ω中元素挑出H的列集合;若则终止迭代进入步骤S37;
S34,使用最小二乘法求解信号向量的重构信号估计:
其中,是第s轮重构信号的估计;Hs为第s轮在H中提取的部分列矩阵;
S35,更新信号残差:
S36,令s=s+1,比较残差大小,当残差大于终止阈值,且s≤Np则返回步骤S32,否则终止迭代进入步骤S37;
S37,使用重构信号填充对应Is索引位置,得到发送数据估计。
其中较优地,所述残差与迭代终止阈值的关系为:
其中,card(Is)表示集合Is的基数;M表示复信号星座阶数;rs是信号残差;Is是集合元素。
根据本发明实施例的第二方面,提供一种广义空间调制系统。其中,在该广义空间调制系统的接收机部分中,采用上述基于稀疏重构的广义空间调制系统检测方法。
本发明提供的基于稀疏重构的广义空间调制系统检测方法,通过获取广义空间调制系统得到的信号向量和构造的观测矩阵,对调制信号进行重构得到发送数据估计。该方法在迭代过程中无需预知稀疏度,依照相关性阈值判决方式选择激活天线索引序列,同时更新索引集合和信号残差减小了均方根误差,一方面可以提高信号检测的可靠性,另一方面降低了信号检测的计算复杂度。
附图说明
图1为广义空间调制系统的结构示例图;
图2为本发明所提供的广义空间调制系统检测方法的流程图;
图3为本发明的实施例中,根据信号向量和观测矩阵对调制信号进行重构得到发送数据估计的流程图。
具体实施方式
下面结合附图和具体实施例对本发明的技术内容进行详细具体的说明。
图1是广义空间调制系统的一个典型结构示例。该广义空间调制系统本质上是一个包括Nt(Nt为正整数)个发送天线和Nt个接收天线的MIMO系统。其中,GSM映射模块和Nt个发送天线等构成发射机部分,信号检测与解映射模块和Nt个接收天线等构成接收机部分。如图1所示,输入信息流进入GSM映射模块中,在GSM映射模块选用调制方式及参与MIMO的天线个数,然后通过Nt个发送天线发射出去。信息流经过无线信道之后,被Nt个接收天线接收,然后送入信号检测与解映射模块中。在信号检测与解映射模块中采用本发明所提供的广义空间调制系统检测方法进行信号检测,然后经过解映射操作,成为输出信息流。
如图2所示,本发明所提供的广义空间调制系统检测方法,包括如下步骤:获取广义空间调制系统得到的信号向量y,构造观测矩阵;根据得到的信号向量和观测矩阵对调制信号进行重构得到发送数据估计。下面对这一过程做详细具体的说明。
S1,获取广义空间调制系统得到的信号向量y。
广义空间调制是一种运用天线选择原理的MIMO技术,其工作原理是在每一时隙,只激活有限数量发送天线进行数据传输,其他天线保持静默状态,将基于幅度和相位调制的二维映射扩展至三维。该技术对原始数据比特流分块,前段比特数据所含的信息用来映射发射天线,后段信息用作发送符号调制。在各时隙内的不同子载波承载的数据利用发送天线索引作为新的维度进行信息传输,在调制中加入空间位置信息。
获取广义空间调制系统得到的信号向量y,具体包括如下步骤:
S11,广义空间调制系统接收比特数据流,对比特数据流进行分块。
假设广义空间调制系统接入比特数据流,对比特数据流进行分块,每个信号块时隙传输数据比特为:
其中表示对x向下取整,Nt为发送天线数,Np为激活天线数,M表示复信号星座阶数。固定m的条件下,发送天线数与星座大小可进行互补配置。
S12,广义空间调制系统根据输入数据进行GSM映射、调制,得到调制信号S。
广义空间调制系统根据输入数据进行GSM映射、调制,得到调制信号S=[0,…d1,…dNp,..0]T,非零元素位置取决于选用激活天线,且其中di(i=1,…Np)表示M阶调制星座符号。
S13,根据得到的调制信号S计算经过无线信道后广义空间调制系统得到的信号向量y。
y=Hs+n (2)
其中,H是包含Nr×Nt个元素的信道响应矩阵(即观测矩阵),每个元素对应发送接收天线间的信道增益。噪声构成的矩阵n=[n1,n2,…,nNr]T,其分布服从N(0,σ2)。
之后,再通过对信号向量y的处理,完成索引检测及信号的解调和逆映射从而得到发送数据估计。
S2,构造观测矩阵。
根据压缩感知理论,对于满足限定稀疏度(非零元素个数)条件的离散信号(即调制信号S),可利用较小的观测向量(信号向量y)高概率重构出该信号。
信号重构的充分条件是矩阵H满足式(3)所示的有限等距性质(RestrictedIsometryProperty,简称RIP)。其中,有限等距性质采用如下公式表示:
其中,δ是相关系数,是一个无限小的常数。
在本发明所提供的实施例中,观测矩阵满足有限等距性质。构造观测矩阵H采用如下公式:
观测矩阵=稀疏基×观测基。
大规模MIMO技术与广义空间调制系统结合时,调制信号S具有稀疏性,而稀疏基为复高斯矩阵,观测基设置为单位阵,这种选取方式能以高概率满足有限等距性质。据此进行信号稀疏重构检测,根据接收端观测的数据(信号向量y),以及信道状态信息构造观测矩阵,完成对原始稀疏信号的重构。
S3,根据得到的信号向量和观测矩阵对调制信号进行重构得到发送数据估计。
当构造的观测矩阵满足有限等距性质时,根据得到的信号向量和观测矩阵对原始稀疏信号进行重构得到发送数据估计(该发送数据估计是对广义空间调制系统的发送数据的估计值),采用改进的StOMP算法,该改进的StOMP算法采用软阈值迭代方式确定备选集合,改变了单纯使用最大内积判定的硬阈值方式,且算法实现无需预知稀疏度。而非像OMP算法那样每次迭代产生一个备选索引值,在信道衰落和噪声影响下误差较大。如图3所示,在整个接收端信号检测流程中,根据得到的信号向量和观测矩阵采用改进的StOMP算法对调制信号进行重构,得到发送数据估计;包括如下步骤:
S31,初始化信号残差、集合元素、信道响应矩阵和计数器。即输入信号向量y,信道响应矩阵H。令r0=y,s=1。
最终输出:发送信号向量估计
S32,计算目标列索引集合Ω元素:Ω={|<rs-1,hk>|>T,k∈Ω},其中,T表示对相关性进行判决的门限值,且有T=ts·θs,参量ts为常数;rs是信号残差;Nr是接收天线数。hk表示列向量;k为列向量的下标,k=1,2,3……
S33,更新集合元素:Is=Is-1∪Ω,Hs=Hs-1∪HΩ;其中HΩ为使用Ω中元素挑出H的列集合。若则终止迭代进入步骤S37。
S34,使用最小二乘法求解信号向量的重构信号估计:
其中,是第s轮重构信号的估计;Hs为第s轮在H中提取的部分列矩阵。
S35,更新信号残差:
S36,令s=s+1,比较残差大小,当残差大于终止阈值,且s≤Np则返回步骤S32,否则终止迭代进入步骤S37。
终止阈值的大小也直接影响算法的收敛速度和精度,调制信号阶数越高,需减小残差以满足精度要求,权衡迭代次数与精度后,设计出的残差与迭代终止阈值关系满足式(6),
其中,card(Is)表示集合Is的基数;M表示复信号星座阶数。
S37,使用重构信号填充对应Is索引位置,得到发送数据估计。
综上所述,本发明所提供的基于稀疏重构的广义空间调制系统检测方法,通过获取广义空间调制系统得到的信号向量y和构造观测矩阵,对调制信号进行重构得到发送数据估计。其中,对调制信号进行重构得到发送数据估计改进的StOMP算法,迭代过程中无需预知稀疏度,依照相关性阈值判决方式选择激活天线索引序列,同时更新索引集合和信号残差减小了均方根误差,提高信号检测的可靠性,降低了系统中信号检测的计算复杂度。
上面对本发明所提供的基于稀疏重构的广义空间调制系统检测方法及系统进行了详细的说明。对本领域的一般技术人员而言,在不背离本发明实质精神的前提下对它所做的任何显而易见的改动,都将构成对本发明专利权的侵犯,将承担相应的法律责任。
Claims (8)
1.一种基于稀疏重构的广义空间调制系统检测方法,其特征在于包括如下步骤:
获取广义空间调制系统得到的信号向量,构造观测矩阵;
根据得到的信号向量和观测矩阵对调制信号进行重构得到发送数据估计。
2.如权利要求1所述的基于稀疏重构的广义空间调制系统检测方法,其特征在于获取广义空间调制系统得到的信号向量,包括如下步骤:
接收比特数据流,对比特数据流进行分块;
根据输入数据进行广义空间调制映射、调制,得到调制信号;
根据得到的调制信号计算经过无线信道后广义空间调制系统得到的信号向量。
3.如权利要求2所述的基于稀疏重构的广义空间调制系统检测方法,其特征在于所述信号向量采用如下公式计算:
y=Hs+n;
其中,y是信号向量;H观测矩阵;n是噪声构成的矩阵。
4.如权利要求1所述的基于稀疏重构的广义空间调制系统检测方法,其特征在于所述观测矩阵采用如下公式计算:
观测矩阵=稀疏基×观测基。
5.如权利要求1所述的基于稀疏重构的广义空间调制系统检测方法,其特征在于在:
根据得到的信号向量和观测矩阵对调制信号进行重构,得到发送数据估计采用改进的StOMP算法,通过采用软阈值迭代方式确定备选集合。
6.如权利要求5所述的基于稀疏重构的广义空间调制系统检测方法,其特征在于根据得到的信号向量和观测矩阵,采用改进的StOMP算法对调制信号进行重构,得到发送数据估计,包括如下步骤:
S31,初始化信号残差、集合元素、信道响应矩阵和计数器,输入信号向量y和信道响应矩阵H;
S32,计算目标列索引集合Ω元素:Ω={|<rs-1,hk>|>T,k∈Ω},其中,T表示对相关性进行判决的门限值,且有T=ts·θs,参量ts为常数;rs是信号残差;Nr是接收天线数;hk表示列向量;
S33,更新集合元素:Is=Is-1∪Ω,Hs=Hs-1∪HΩ;其中HΩ为使用Ω中元素挑出H的列集合;若则终止迭代进入步骤S37;
S34,使用最小二乘法求解信号向量的重构信号估计:
其中,是第s轮重构信号的估计;Hs为第s轮在H中提取的部分列矩阵;
S35,更新信号残差:
S36,令s=s+1,比较残差大小,当残差大于终止阈值,且s≤Np则返回步骤S32,否则终止迭代进入步骤S37;
S37,使用重构信号填充对应Is索引位置,得到发送数据估计。
7.如权利要求6所述的基于稀疏重构的广义空间调制系统检测方法,其特征在于:
所述残差与迭代终止阈值的关系为:
其中,card(Is)表示集合Is的基数;M表示复信号星座阶数;rs是信号残差;Is是集合元素。
8.一种广义空间调制系统,其特征在于在所述广义空间调制系统的接收机部分中,采用权利要求1~7中任意一项所述的广义空间调制系统检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811604445.5A CN109889241A (zh) | 2018-12-26 | 2018-12-26 | 一种基于稀疏重构的广义空间调制系统检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811604445.5A CN109889241A (zh) | 2018-12-26 | 2018-12-26 | 一种基于稀疏重构的广义空间调制系统检测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109889241A true CN109889241A (zh) | 2019-06-14 |
Family
ID=66925241
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811604445.5A Pending CN109889241A (zh) | 2018-12-26 | 2018-12-26 | 一种基于稀疏重构的广义空间调制系统检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109889241A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111641575A (zh) * | 2020-04-26 | 2020-09-08 | 北京邮电大学 | 一种正交时频二维空间调制信号接收方法及接收器 |
-
2018
- 2018-12-26 CN CN201811604445.5A patent/CN109889241A/zh active Pending
Non-Patent Citations (6)
Title |
---|
DAVID L. DONOHO ET AL: "Sparse Solution of Underdetermined Systems of Linear Equations by Stagewise Orthogonal Matching Pursuit", 《IEEE TRANSACTIONS ON INFORMATION THEORY》 * |
ZHEN GAO ET AL: "Near-Optimal Signal Detector Based on Structured Compressive Sensing for Massive SM-MIMO", 《IEEE TRANSACTIONS ON VEHICULAR TECHNOLOGY》 * |
刘晓鸣,景小荣: "广义空间调制系统的正则化OMP检测算法", 《电讯技术》 * |
张万宏 等: "稀疏问题求解StOMP算法的一种改进", 《PROCEEDINGS OF THE 32ND CHINESE CONTROL CONFERENCE》 * |
李小文 等: "广义空间调制系统的低复杂度检测算法", 《电讯技术》 * |
王晓蕊: "《光电成像系统 建模、仿真、测试与评估》", 31 October 2017 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111641575A (zh) * | 2020-04-26 | 2020-09-08 | 北京邮电大学 | 一种正交时频二维空间调制信号接收方法及接收器 |
CN111641575B (zh) * | 2020-04-26 | 2022-01-18 | 北京邮电大学 | 一种正交时频二维空间调制信号接收方法及接收器 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hochwald et al. | Differential unitary space-time modulation | |
CN105282060B (zh) | 用于信道估计的方法和设备以及ofdm接收机 | |
CN105356921A (zh) | 复杂性降低的波束受控mimo ofdm 系统 | |
CN102006148B (zh) | 基于宽度优先树形搜索的mimo信号检测方法 | |
CN101282195B (zh) | 应用于mimo无线通信系统的检测方法及检测器 | |
Yu et al. | Role of deep learning in wireless communications | |
CN104243069B (zh) | 一种多天线交通通信网络系统及信号检测方法 | |
CN101383652A (zh) | 一种多输入多输出系统的信号检测方法及装置 | |
CN106357312B (zh) | 格约减辅助广度优先树搜索mimo检测方法 | |
CN104702390A (zh) | 分布式压缩感知信道估计中的导频分配方法 | |
US8831128B2 (en) | MIMO communication system signal detection method | |
CN110086743A (zh) | 一种基于差分编码的短突发mimo-ofdm通信系统及方法 | |
CN103188703A (zh) | 幸存星座点选择方法和qrm-mld信号检测方法 | |
CN110430150A (zh) | 一种基于神经网络的蜂窝移动通信系统接收机设计方法 | |
CN109167649A (zh) | 一种gsm-mbm系统低复杂度检测方法 | |
US8675780B2 (en) | Multiple input multiple output (MIMO) transmitted signal vector estimation employing Monte Carlo sampling techniques | |
Bagadi et al. | Neural network-based multiuser detection for SDMA–OFDM system over IEEE 802.11 n indoor wireless local area network channel models | |
CN102025454B (zh) | 预编码矩阵码本的生成方法及装置 | |
Cui et al. | Federated edge learning for the wireless physical layer: Opportunities and challenges | |
CN109889241A (zh) | 一种基于稀疏重构的广义空间调制系统检测方法及系统 | |
CN109412670A (zh) | Gsm-mbm系统中基于松弛迭代的低复杂度检测方法 | |
CN105812299A (zh) | 基于联合块稀疏重构的无线传感网信道估计算法及系统 | |
Uma Mageswari et al. | Machine Learning Empowered Accurate CSI Prediction for Large‐Scale 5G Networks | |
Melkote NanjundaShetty et al. | Estimation of Rayleigh flat channel coefficients using deep learning | |
Liu et al. | Soft‐output MMSE MIMO detector under different channel estimation models |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190614 |
|
RJ01 | Rejection of invention patent application after publication |