CN110048750B - 一种基于优化lm算法的半盲接收机 - Google Patents

Abstract

本发明涉及一种基于优化LM算法的半盲接收器，主要解决现有半盲接收机需要较多先验信息以及这些接收机所采用的拟合算法收敛较慢的问题。其实现步骤为：1)发射端对每个信息符号进行三维空时编码并发送；2)接收端接收从信道中传输来的信号；3)将接收端接收到的信号构建成Tucker‑2模型；4)设计优化的LM算法拟合所构造的Tucker‑2模型。本发明所构造的Tucker‑2模型仅需要一个符号的先验信息来消除尺度模糊，从而使得所设计的方案具有更高的频谱效率；由于使用了优化的LM算法，所设计的半盲接收机即使在发送数据流的数量多于发射天线数目的情况下也仍然具有良好的估计性能。

Description

一种基于优化LM算法的半盲接收机

技术领域

本发明涉及无线通信技术领域，特别涉及一种基于优化LM算法的半盲接收器。

背景技术

多天线技术能充分利用空间分集和复用增益。在多天线系统中，基于张量的信号处理方法能利用空间，时间和编码等多个信号维度，来提高通信的可靠性和提高数据的传输速率。目前已经存在着许多基于张量的半盲接收机应用于多天线系统，已有发明通过设计Khatri-Rao时空(KRST)编码方案，提出了一种基于平行因子模型的接收机。该KRST编码方案能实现误码率和传输效率之间的权衡。

对于MIMO中继系统，目前也存在一些发明，它们利用所提出的线性星座预编码扩展了KRST编码方案并且设计了几种半盲接收机，这些半盲接收机可以在未知CSI信息的情况下实现符号和信道的联合估计。

基于平行因子模型的接收机在多输入多输出(MIMO)中继系统中也得到了广泛的研究。然而，已有的这些接收机都是基于平行因子模型，因此需要已知一行或者一列信息来消除尺度模糊。此外，这些接收机都是采用了交替最小二乘(ALS)算法来实现拟合。但是ALS算法在某些情况下会出现收敛较慢的问题，影响了接收机的性能。

发明内容

发明目的：本发明针对现有的基于平行因子模型接收机的缺陷，考虑了一种新的张量空时编码方案，通过将接收到的信号构建为Tucker-2模型，并在此基础上采用优化的LM算法设计一种新型半盲接收机，在未知CSI信息的情况下实现多天线系统实现信道和符号的联合估计。

技术方案：本发明所述的基于优化LM算法的半盲接收器。包括：

发射端对每个信息符号进行三维空时编码并发送；

接收端接收从信道中传输来的信号；

将接收端接收到的信号构建成Tucker-2模型；

设计优化的LM算法拟合所构造的Tucker-2模型。

进一步的，发射端对每个信息符号进行三维空时编码并发送，具体包括：

在信源端，从第m_S根发射天线发送的信号在p个码片的第n符号周期里表示为

并从信源端向信道发出。

进一步的，接收端接收从信道中传输来的信号，包括：

假定信道为平坦瑞利衰落信道，第m_D个接收天线处的离散时间基带信号可以写成：

令

其中

是复合张量

的典型元素。上式可以写为：

利用模n乘积表示，上式可以表示为：

Y＝C×₁H×₂S+V

进一步的，将接收端接收到的信号构建成Tucker-2模型，包括：

令

以及

可得Tucker-2模型的三种紧凑形式：

其中，

进一步的，设计优化的LM算法拟合所构造的Tucker-2模型，包括：

优化S⁽⁰⁾和H⁽⁰⁾：

迭代拟合：初始化

计算Δu⁽ⁱ⁾：Δu⁽ⁱ⁾＝-(J^(i)HJ⁽ⁱ⁾+λ⁽ⁱ⁾I_Q)^-1g⁽ⁱ⁾；

更新u⁽ⁱ⁺¹⁾：u⁽ⁱ⁺¹⁾＝u⁽ⁱ⁾+Δu⁽ⁱ⁾；

其中i表示迭代次数，

计算增益率α：

有益效果：与现有技术相比，本发明有如下几个优点：首先，在设计的张量编码方案中，传输数据流的数量无需与发送天线的数据流数量相同，并且数据流可以分配到任意一组发射天线上；其次，与现有基于平行因子模型的接收机相比，本发明所构造的Tucker-2模型仅需要一个符号的先验信息来消除尺度模糊，从而使得所设计的方案具有更高的频谱效率；最后，由于使用了优化的LM算法，所设计的半盲接收机即使在发送数据流的数量多于发射天线数目的情况下也仍然具有良好的估计性能。

附图说明

图1为本发明的信道和符号联合估计方法流程图；

图2为本发明的系统模型框图；

图3为本发明在不同信噪比下迭代次数与代价函数关系图；

图4为本发明与基于导频方法以及基于平行因子方法的BER性能对比图；

图5为本发明与基于导频方法以及基于平行因子方法的NMSE性能对比图；

具体实施方式

为使本发明的特点和优势更加明显易懂，下面结合附图对本发明进行详细说明。

图2为本发明的系统模型框图，如图2所示的多天线系统中，发送端和接收端分别配置M_S和M_D根天线。在发射端，对每个信息符号进行三维空时编码并进行发送。

实施实例一

请参见图3，图3为本发明在不同信噪比下迭代次数与代价函数关系图。假设系统设计参数为N＝P＝5和R＝3。从图3可以看出，在每一个信噪比下，代价函数都会随着迭代次数的增加而减小，直至算法趋于收敛。此外，还能看出在迭代次数相同的情况下，代价函数会随着信噪比的增加而减小。

实施实例二

请参见图4，图4为本发明与基于导频方法以及基于平行因子方法的BER性能对比图。由图4可以看出，随着信噪比的增加，所提方法的BER逐渐减小，所提方法的BER性能优于基于平行因子和基于导频方法的BER性能，仅次于已知CSI方法。由图3还可以看出，随着N的增加，所提方法的BER相应减小，所提方法的性能也得到提升。

实施实例三

请参见图5，图5为本发明在不同信源数目M_S和中继天线数目M_R下的信道估计性能图。由图5可以看出，所提方法NMSE性能优于基于导频方法，接近基于平行因子方法。与图3一致，随着N的增加，所提方法的NMSE相应减小，所提方法的信道估计性能得到提升。

综上所述，与现有的半盲接收机相比，本发明所设计的接收机具有更好的估计性能，其中采用的优化的LM算法只需要更少的迭代就能达到收敛，具有较高的估计效率，因此，所设计的接收机具有一定的实用价值。

以上实施例的说明仅为帮助理解本发明的方法和其主要思想。本说明书的内容不能以此来限定本发明的权利范围，因此，本发明的保护范围应以所附权利要求为准。

Claims (1)

1.一种基于优化LM算法的半盲接收器，在构造Tucker-2模型时，首先在发射端对信号矩阵S中每个信息符号利用复合张量C进行三维空时编码，然后在存在噪声张量V的情况下，接收端将历经信道H的信号构建成Tucker-2模型Y＝C×₁H×₂S+V，最后依次分解出Tucker-2模型的三种紧凑形式，并对所构造Tucker-2模型的紧凑形式做秩-1化处理和奇异值分解，设计优化的LM算法，其特征在于，所述的优化LM算法用于拟合构造的Tucker-2模型以联合估计出信号矩阵S和信道矩阵H，其实现过程包括以下步骤：

步骤1)优化迭代信号矩阵初始值S⁽⁰⁾和信道矩阵初始值H⁽⁰⁾，来减少迭代次数和提高算法稳定性，即令

和

其中U_·1和

分别为秩-1矩阵奇异值分解所获得的左一奇异值向量和右一奇异值向量的共轭，

为

中的第1个元素，σ₁为最大奇异值；

步骤2)利用所得的S⁽⁰⁾和H⁽⁰⁾初始化

选择J^(0)HJ⁽⁰⁾对角元素的最大值来初始化阻尼系数λ⁽⁰⁾，并令扰动因子τ＝2，判决门限值ε＝10^-5和迭代次数i＝1，其中初始信号向量

和初始信道向量

u⁽⁰⁾为初始信号向量

和初始信道向量

的组合向量，J^(0)H表示J⁽⁰⁾的共轭转置，J⁽⁰⁾为

和

的雅克比矩阵按列组合而成的全局雅克比矩阵，J^(0)HJ⁽⁰⁾则表示全局雅克比矩阵的共轭转置矩阵与全局雅克比矩阵之间的乘积；

步骤3)设置迭代门限条件，当满足判决条件|φ(u⁽ⁱ⁾)-φ(u^(i-1))|/|φ(u⁽ⁱ⁾)|≥ε时迭代开始，通过求解雅克比矩阵J⁽ⁱ⁾和复梯度向量g⁽ⁱ⁾来计算下降方向Δu⁽ⁱ⁾，其中u⁽ⁱ⁾和u^(i-1)分别表示第i次迭代和第i-1次迭代时信号向量和信道向量的组合向量，φ(u⁽ⁱ⁾)和φ(u^{(i -1)})分别表示第i次迭代的代价函数和第i-1次迭代的代价函数，g⁽ⁱ⁾表示第i次迭代时φ(u⁽ⁱ⁾)的梯度向量；

步骤4)利用u⁽ⁱ⁾和Δu⁽ⁱ⁾得到更新后的u⁽ⁱ⁺¹⁾＝u⁽ⁱ⁾+Δu⁽ⁱ⁾，u⁽ⁱ⁺¹⁾包含更新后的S⁽ⁱ⁺¹⁾和H^{(i +1)}信息，即有S⁽ⁱ⁺¹⁾＝unvec(u⁽ⁱ⁾(1:NR))和H⁽ⁱ⁺¹⁾＝unvec(u⁽ⁱ⁾(NR+1:NR+M_DM_S))，计算增益率

其中S⁽ⁱ⁺¹⁾和H⁽ⁱ⁺¹⁾分别表示第i+1次迭代后信号矩阵S和信道矩阵H的估计值，δ⁽ⁱ⁾为代价函数的预测值，即有

φ(u⁽ⁱ⁺¹⁾)-φ(u⁽ⁱ⁾)表示第i+1次迭代与第i次迭代时代价函数之差；

步骤5)如果增益率α＞0，则u⁽ⁱ⁺¹⁾为真，得到的S⁽ⁱ⁺¹⁾和H⁽ⁱ⁺¹⁾也为真，新阻尼系数λ⁽ⁱ⁺¹⁾对应减小，即令λ⁽ⁱ⁺¹⁾＝λ⁽ⁱ⁾max(1-(2α-1)³,1/3)，如果增益率α≤0，则u⁽ⁱ⁺¹⁾为假，得到的S⁽ⁱ⁺¹⁾和H⁽ⁱ⁺¹⁾也为假，需要增大阻尼系数λ⁽ⁱ⁺¹⁾权重，即令λ⁽ⁱ⁺¹⁾＝2τλ⁽ⁱ⁾并令新扰动因子τ值为前一次扰动因子τ值的2倍，重新进行估计u⁽ⁱ⁺¹⁾；

步骤6)令i＝i+1，在满足迭代条件时继续迭代，否则迭代终止，最后一次迭代所得到的S和H估计值为最终估计值。

Images