CN110062361B - Mmtc场景下基于cs的非授权接入及数据传输方法 - Google Patents
Mmtc场景下基于cs的非授权接入及数据传输方法 Download PDFInfo
- Publication number
- CN110062361B CN110062361B CN201910394517.6A CN201910394517A CN110062361B CN 110062361 B CN110062361 B CN 110062361B CN 201910394517 A CN201910394517 A CN 201910394517A CN 110062361 B CN110062361 B CN 110062361B
- Authority
- CN
- China
- Prior art keywords
- sparsity
- devices
- matrix
- active equipment
- active
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 61
- RDUORFDQRFHYBF-UHFFFAOYSA-N 6-methoxy-1-methyl-2,3,4,9-tetrahydro-1h-pyrido[3,4-b]indole Chemical compound CC1NCCC2=C1NC1=CC=C(OC)C=C12 RDUORFDQRFHYBF-UHFFFAOYSA-N 0.000 title claims abstract 4
- 230000005540 biological transmission Effects 0.000 title claims description 16
- 239000011159 matrix material Substances 0.000 claims abstract description 54
- 238000004891 communication Methods 0.000 claims abstract description 19
- 238000001228 spectrum Methods 0.000 claims abstract description 19
- 230000002708 enhancing effect Effects 0.000 claims abstract description 5
- 230000007480 spreading Effects 0.000 claims description 18
- 239000013598 vector Substances 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 5
- 230000003044 adaptive effect Effects 0.000 claims description 4
- 230000001172 regenerating effect Effects 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 claims description 2
- 238000001514 detection method Methods 0.000 abstract description 11
- 238000011084 recovery Methods 0.000 abstract description 11
- 230000000694 effects Effects 0.000 abstract description 8
- 238000010586 diagram Methods 0.000 description 17
- 230000004044 response Effects 0.000 description 4
- 230000006835 compression Effects 0.000 description 3
- 238000007906 compression Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000001427 coherent effect Effects 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000013475 authorization Methods 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/08—Testing, supervising or monitoring using real traffic
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/10—Scheduling measurement reports ; Arrangements for measurement reports
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/70—Services for machine-to-machine communication [M2M] or machine type communication [MTC]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明提供了一种MMTC场景下基于CS的多信息增强的非授权接入方法，包括：根据基站覆盖所有设备的扩频序列以及所有设备的导频符号和数据符号建立通信系统模型；根据不同设备的符号帧长度的多样性，以后向方式增强所述通信系统模型的稀疏度估计，得到稀疏度和初步的活跃设备集合；根据所述的稀疏度和初步的活跃设备集合，采用调制星座点信息得出初始残差；根据所述初始残差，通过固定稀疏度的压缩感知算法得到最终的活跃设备集合、活跃设备对应的信道矩阵及所有设备的数据符号。本方法可以提高MMTC中设备的活跃度检测、信道矩阵估计及数据恢复的精确度。
Description
技术领域
本发明涉及移动通信技术领域，尤其涉及一种MMTC场景下基于CS的非授权接入及数据传输方法。
背景技术
MMTC(Massive Machine-type Communication，大规模机器类通信)作为5G(fifth-generation，第五代移动通信系统)的三大场景之一，具有大规模的设备数量、小数据包传输、低移动性以及低活跃度等特点，是一种具有稀疏性的通信场景。而传统的基于授权的随机接入方法具有繁琐的信令交互流程，这不仅会造成过多的时延，同时由于控制信息所占的开销对于MMTC的小数据包来讲显得较大，还会造成频谱资源的浪费。CS(Compressive Sensing，压缩感知)作为解决该问题的一个方向，是近年来新兴的一门理论。其核心思想是将一个稀疏或者可压缩的高维信号通过特定的矩阵变换投影到一个低维度的空间上，在进行信号重建的时候，利用稀疏信号或压缩过的信号的稀疏性，使用线性或非线性的恢复算法重建出原始信号。在MMTC的非授权接入方法中，导频序列采用非正交导频从而支持更多的设备，且同一时刻请求接入的设备数量并不多，可以利用该稀疏特性，将不活跃的设备对应的信道冲击响应视为零值，将活跃设备的信道冲击响应视为非零值，通过相应的压缩感知信号重构算法进行设备活跃度检测和信道状态信息估计。
目前，经典的压缩感知信号恢复算法包括OMP(Orthogonal Matching Pursuit，正交匹配追踪)、CoSaMP(Compressive Sampling Matching Pursuit，压缩采样匹配追踪)和SP(Subspace Pursuit,子空间追踪)等，此类方法基本都要在活跃设备数量已知的情况下实现信号的重构，然而在实际的应用场景中，活跃设备的数量并不是已知的，同时也并没有考虑利用除了信道状态信息以外的信息来增强活跃度检测和信道估计。
因此，传统方法并不符合实际场景，且性能并不是最优的。因此，在未知活跃设备数量的情况下，亟需一种可以结合稀疏度估计和多信息增强的非授权接入及数据恢复方法。
发明内容
本发明提供了一种MMTC场景下基于CS的非授权接入及数据传输方法，以提供一种在未知活跃设备数量的情况下，可以结合稀疏度估计和多信息增强的非授权接入及数据恢复方法。
为了实现上述目的，本发明采取了如下技术方案。
本发明提供了一种MMTC场景下基于CS的多信息增强的非授权接入方法，包括：
根据基站覆盖所有设备的扩频序列以及所有设备的导频符号和数据符号建立通信系统模型；
根据不同设备的符号帧长度的多样性，以后向方式增强所述通信系统模型的稀疏度估计，得到稀疏度和初步的活跃设备集合；
根据所述的稀疏度和初步的活跃设备集合，采用调制星座点信息得出初始残差；
根据所述初始残差，通过固定稀疏度的压缩感知算法得到最终的活跃设备集合、活跃设备对应的信道矩阵及所有设备的数据符号。
优选地，通信系统模型如下式(1)所示：
其中，
Y为接收到的混合了噪声n的信号，S为所有设备的扩频序列按列排成的扩频矩阵；H为信道矩阵；
为所有设备的导频符号向量
和数据符号向量
按行排成的行稀疏的符号矩阵，
非全零行表示活跃设备，全零行表示非活跃设备。
优选地，根据基站覆盖所有设备的扩频序列以及所有设备的导频符号和数据符号建立通信系统模型，包括：设备之间的扩频码长度相等且非正交，各设备间上行发送同步，且扩频后的导频序列和数据序列共享系统的时频资源。
优选地，根据不同设备的符号帧长度的多样性，以后向方式增强所述通信系统模型的稀疏度估计，得到稀疏度和初步的活跃设备集合，具体包括：
根据不同设备的符号帧长度的多样性，以后向的方式每次选择Y的最后t(t＝1,2,3，…)列组成矩阵
并将
和扩频矩阵S投影到对应上一次检测到的活跃设备对应的扩频码张成空间的零空间上，得到对应的
和
利用自适应稀疏度的压缩感知算法检测本次的稀疏度及活跃设备，并分别加入到上一次累计的稀疏度和活跃设备集合中，直至t等于Y的列数时停止估计，得出稀疏度及初步的活跃设备集合。
优选地，自适应稀疏度的压缩感知算法包括：稀疏度自适应匹配追踪算法。
优选地，根据所述的稀疏度和初步的活跃设备集合，采用调制星座点信息得出初始残差，包括：
根据稀疏度和初步的活跃设备集合，通过最小二乘法求出矩阵X；根据X中的导频符号对应的矩阵列X′和已知的各设备的导频符号
利用最小二乘法求出信道系数矩阵H，进而根据X中数据符号对应的列X″和信道矩阵H恢复出数据符号，将恢复的数据符号投影到调制星座点张成的空间上得到更新的数据符号矩阵，进而得到符号矩阵
最后根据X和
通过
重新估计信道矩阵，根据重新估计的信道矩阵重新生成X并根据下式(2)计算残差：
R＝Y-SX (2)
其中，R为残差，Y为接收到的混合了噪声的信号，S为所有设备的扩频序列按列排成的扩频矩阵。
优选地，根据所述初始残差，通过固定稀疏度的压缩感知算法迭代更新活跃设备集合，得到最终的活跃设备集合、活跃设备对应的信道及数据符号，具体包括：
根据得到的残差和稀疏度，利用固定稀疏度的压缩感知算法检测活跃设备以及对应的X，并根据公式(2)和固定稀疏度的压缩感知算法进行迭代更新，直到两次检测的活跃设备集合不变，最终得到准确的活跃设备集合、活跃设备对应的信道矩阵及数据符号。
优选地，固定稀疏度的压缩感知算法包括：正交匹配追踪算法、压缩采样匹配追踪算法或子空间追踪算法。
由上述本发明的MMTC场景下基于CS的非授权接入及数据传输方法提供的技术方案可以看出，本发明在非授权接入的基础上，通过对不同设备数据帧长度的多样性、设备信道系数及数据符号的稀疏性及调制星座点信息来提高如稀疏度估计、活跃设备检测、信道估计及数据恢复的性能，进而可以实现提高通信系统的吞吐量，在未知活跃用户数量的情况下，提高MMTC中设备活跃度检测、信道估计及数据恢复的精确度。
本发明附加的方面和优点将在下面的描述中部分给出，这些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
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为实施例提供的一种MMTC场景下基于CS的多信息增强的非授权接入方法流程示意图；
图2为本发明实施例提供的一种多信息增强的非授权接入及数据传输方法原理示意图；
图3为本发明实施例提供的一种稀疏型MMTC场景的示意图；
图4为本发明实施例提供的一种数据传输流程示意图；
图5为本发明实施例提供的一种不同的接入及数据传输方法下稀疏度和活跃度检测性能对比示意图；
图6为本发明实施例提供的一种不同的接入方法下稀疏度和吞吐量性能对比示意图；
图7为本发明实施例提供的一种不同的接入方法下信噪比和信道估计相对误差对比示意图；
图8为本发明实施例提供的一种不同的接入方法下信噪比和数据恢复性能对比示意图；
图9为本发明实施例提供的一种不同的接入方法下稀疏度估计分布示意图。
具体实施方式
下面详细描述本发明的实施方式，所述实施方式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方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，这里使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。
本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。
为便于对本发明实施例的理解，下面将结合附图以具体实施例为例做进一步的解释说明。
实施例
图1为本实施例提供的一种大规模机器类通信(Massive Machine-typeCommunication，MMTC)场景下基于压缩感知(Compressive Sensing，CS)的多信息增强的非授权接入方法流程示意图，图2为本发明实施例提供的一种多信息增强的非授权接入及数据传输方法原理示意图，参照图1和图2，该方法包括：
S1根据基站覆盖所有设备的扩频序列以及所有设备的导频符号和数据符号建立通信系统模型。
图2为本发明实施例提供的一种稀疏型MMTC场景的示意图，参照图2，基站通过广播的系统信息给进入小区的每一个新设备k分配一个与其他设备不同的扩频序列sk，将所有设备的扩频序列按列排成一个扩频矩阵S＝[s1...sk]，不同设备之间的扩频码长度均为m且非正交。基站覆盖的小区内共有N台设备，其中活跃设备共K台，不同活跃设备传输了不同数量的经过编码、交织和调制的导频符号和数据符号，图3为本发明实施例提供的一种数据传输流程示意图，参照图3，比特流信息均采用经典的信道编码方式，例如卷积码或循环冗余编码；交织可采用块交织，或采用其他的交织方案也可；符号采用幅度调制(AmplitudeModulation，AM)、相位调制(Phase Modulation,PM)或正交振幅调制(QuadratureAmplitude Modulation,QAM)，例如16QAM、64QAM均可。各个设备最大能传输的导频符号和数据符号最大分别不超过np和nd，将所有设备的符号向量按行排成行稀疏的符号矩阵
其中，非全零行表示活跃设备，全零行表示非活跃设备，非全零行中从零元素开始表示设备的符号帧尾。
利用扩频序列对导频符号和数据符号进行扩频，预先规定各设备间上行发送同步，即所有设备的帧头对齐。确定系统带宽，如1.4MHz，3MHz，5MHz，10MHz，15MHz和20MHz均可。同时，扩频后的导频序列和数据序列共享系统的时频资源。在窄带系统中，可以认为信道响应系数为单一元素；而在宽带系统中，信道为频率选择性信道，在相干时间、相干带宽内可以认为每台设备的信道响应系数为单一元素，即可以将整个系统的时频资源划分为多个时频相干块，并认为设备在时频相干块内的的信道相应系数是单一元素。
得到的通信系统模型如下式(1)所示：
其中，
Y为接收到的混合了噪声n的信号，S为所有设备的扩频序列按列排成的扩频矩阵；H为信道矩阵；
为所有设备的导频符号向量
和数据符号向量
按行排成的行稀疏的符号矩阵，
非全零行表示活跃设备，全零行表示非活跃设备。由于在MMTC场景下同一时刻请求接入的设备数量并不多，因此矩阵X为具有行稀疏的性质。
利用整合设备信道系数及数据符号的稀疏性对活跃设备检测、信道估计进行增强。X中不仅包含导频符号信息，同时包含数据符号信息，因此具有更多的测量列，不仅利用了传统方案中信道系数的稀疏性，同时利用了数据的稀疏性，这对压缩感知算法的性能具有增强的作用。
S2根据不同设备的符号帧长度的多样性，以后向方式增强所述通信系统模型的稀疏度估计，得到稀疏度和初步的活跃设备集合。
具体包括：
根据不同设备的符号帧长度的多样性，以后向方式，即每次选择Y的最后t(t＝1,2,3，…)列组成矩阵
并将
和扩频矩阵S投影到对应上一次检测到的活跃设备对应的扩频码张成空间的零空间上，得到对应的
和
本方式可以较早的检测到发送较多数据符号的活跃设备，并且检测结果用于下一次的稀疏度估计；利用自适应稀疏度的压缩感知算法，检测本次的稀疏度及活跃设备，并分别加入到上一次累计的稀疏度和活跃设备集合中，直至t等于Y的列数时停止估计，得出稀疏度及初步的活跃设备集合。优选地，采用稀疏度自适应匹配追踪算法(Sparsity Adaptive Matching Pursuit,SAMP)检测稀疏度L及活跃设备。
其中，稀疏度表示活跃设备个数。
S3根据所述的稀疏度和初步的活跃设备集合，采用调制星座点信息得出初始残差。
根据稀疏度L和初步的活跃设备集合，通过最小二乘法求出矩阵X；根据X中的导频符号对应的矩阵列X′和已知的各设备的导频符号(即，已知的
)，利用最小二乘法求出信道系数矩阵H，进而根据X中数据符号对应的列X″和信道矩阵H恢复出数据符号，将恢复的数据符号投影到调制星座点张成的空间上得到更新的数据符号矩阵
根据
进而得到符号矩阵
最后根据X和
通过
重新估计信道矩阵，根据重新估计的信道矩阵重新生成X并根据下式(2)计算残差：
R＝Y-SX (2)
其中，R为残差，Y为接收到的混合了噪声的信号，S为所有设备的扩频序列按列排成的扩频矩阵。
S4根据所述初始残差，通过固定稀疏度的压缩感知算法得到最终的活跃设备集合、活跃设备对应的信道矩阵及所有设备的数据符号。
根据得到的残差R和稀疏度L，利用固定稀疏度的压缩感知算法检测活跃设备以及对应的X，并根据公式(2)和固定稀疏度的压缩感知算法进行迭代更新，直到两次检测的活跃设备集合不变，最终得到准确的活跃设备集合、活跃设备对应的信道矩阵及数据符号。
其中，固定稀疏度的压缩感知算法包括：正交匹配追踪算法(OrthogonalMatching Pursuit，OMP)、压缩采样匹配追踪算法(Compressive Sampling MatchingPursuit，CoSaMP)或子空间追踪算法(Subspace Pursuit,SP)。
如果活跃设备的数据解码正确则结束一次数据传输，并在下行回复ACK(Acknowledgement，确认字符)数据，设备接收到ACK数据后进入休眠状态；如果活跃设备的数据没有解码正确，ACK接收超时，则进入错误处理机制，本方法可以与多种重传方案相结合。
图5-图9分别为通过实验对本发明的方法与现有技术中的几种解决方案进行了比较，包括子空间追踪(SP)、利用星座点信息的子空间追踪(SP with Projection)、压缩采样匹配追踪(CoSaMP)、稀疏度自适应匹配追踪(SAMP)、不利用数据稀疏性特征进行活跃设备检测的稀疏度自适应匹配追踪(SAMP Classical Model)以及传统LTE中的四步随机接入过程(Four Step in LTE)，且每个小区中的前导码的数量被设置与导频长度相等以保证公平性和正交性。信道噪声由高斯分布产生，其方差由信噪比确定。考虑每个物理资源块(PRB)中的12个(频域子载波)×7(时域单元)＝84个资源单元(如图4所示)。将每个发送的每个设备的最大导频和数据符号分别设置为np＝1和nd＝3。总的设备的数量为126，扩频码的长度为m＝42。
其中，图5为本发明实施例提供的一种不同的接入及数据传输方法下稀疏度和活跃度检测性能对比示意图，图6为本发明实施例提供的一种不同的接入方法下稀疏度和吞吐量性能对比示意图；通过图5和图6可以看出，本发明方法的曲线均高于其他几种方法，因而在活跃度检测性能和吞吐量性能上都优于其他方法。这是由于利用了多信息进行性能的增强。具体来说，SP与利用星座点信息的SP之间的差距表明了利用星座点信息的增益。本发明方法与利用星座点信息的SP之间的差距表明了本发明方法的利用数据多样性信息的增益。
图7为本发明实施例提供的一种不同的接入方法下信噪比和信道估计相对误差对比示意图；图8为本发明实施例提供的一种不同的接入方法下信噪比和数据恢复性能对比示意图，从图7和图8可以看出，本发明方法的信道估计相对误差曲线低于其他方法，数据恢复性能曲线高于其他方法，因此提出的方法在信道估计和数据恢复性能上都优于其他方法。图9为本发明实施例提供的一种不同的接入方法下稀疏度估计分布示意图，从图9可以看出，本发明方法比其他方法的曲线更尖锐，这意味着更好的稀疏度估计性能。
用本发明实施例的方法进行MMTC场景下基于压缩感知CS的多信息增强的非授权接入方法与前述方法实施例类似，此处不再赘述。
本领域普通技术人员可以理解：附图只是一个实施例的示意图，附图中的流程并不一定是实施本发明所必须的。
通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。
Claims (4)
1.一种MMTC场景下基于CS的多信息增强的非授权接入方法，其特征在于，包括：
根据基站覆盖所有设备的扩频序列以及所有设备的导频符号和数据符号建立通信系统模型；
根据不同设备的符号帧长度的多样性，以后向方式增强所述通信系统模型的稀疏度估计，得到稀疏度和初步的活跃设备集合；
根据所述的稀疏度和初步的活跃设备集合，采用调制星座点信息得出初始残差；
根据所述初始残差，通过固定稀疏度的压缩感知算法得到最终的活跃设备集合、活跃设备对应的信道矩阵及所有设备的数据符号；
所述的通信系统模型如下式(1)所示：
其中，
Y为接收到的混合了噪声n的信号，S为所有设备的扩频序列按列排成的扩频矩阵；H为信道矩阵；
为所有设备的导频符号向量
和数据符号向量
按行排成的行稀疏的符号矩阵，
非全零行表示活跃设备，全零行表示非活跃设备；
所述的根据不同设备的符号帧长度的多样性，以后向方式增强所述通信系统模型的稀疏度估计，得到稀疏度和初步的活跃设备集合，具体包括：
根据不同设备的符号帧长度的多样性，以后向的方式每次选择Y的最后t(t＝1,2,3，…)列组成矩阵
并将
和扩频矩阵S投影到对应上一次检测到的活跃设备对应的扩频码张成空间的零空间上，得到对应的
和
利用自适应稀疏度的压缩感知算法检测本次的稀疏度及活跃设备，并分别加入到上一次累计的稀疏度和活跃设备集合中，直至t等于Y的列数时停止估计，得出稀疏度及初步的活跃设备集合；
所述的根据所述的稀疏度和初步的活跃设备集合，采用调制星座点信息得出初始残差，包括：
根据稀疏度和初步的活跃设备集合，通过最小二乘法求出矩阵X；根据X中的导频符号对应的矩阵列X′和已知的各设备的导频符号
利用最小二乘法求出信道系数矩阵H，进而根据X中数据符号对应的列X″和信道矩阵H恢复出数据符号，将恢复的数据符号投影到调制星座点张成的空间上得到更新的数据符号矩阵，进而得到符号矩阵
最后根据X和
通过
重新估计信道矩阵，根据重新估计的信道矩阵重新生成X并根据下式(2)计算残差：
R＝Y-SX (2)
其中，R为残差，Y为接收到的混合了噪声的信号，S为所有设备的扩频序列按列排成的扩频矩阵；
所述的根据所述初始残差，通过固定稀疏度的压缩感知算法迭代更新活跃设备集合，得到最终的活跃设备集合、活跃设备对应的信道及数据符号，具体包括：
根据得到的残差和稀疏度，利用固定稀疏度的压缩感知算法检测活跃设备以及对应的X，并根据公式(2)和固定稀疏度的压缩感知算法进行迭代更新，直到两次检测的活跃设备集合不变，最终得到准确的活跃设备集合、活跃设备对应的信道矩阵及数据符号。
2.根据权利要求1所述的方法，其特征在于，所述的根据基站覆盖所有设备的扩频序列以及所有设备的导频符号和数据符号建立通信系统模型，包括：设备之间的扩频码长度相等且非正交，各设备间上行发送同步，且扩频后的导频序列和数据序列共享系统的时频资源。
3.根据权利要求1所述的方法，其特征在于，所述的自适应稀疏度的压缩感知算法包括：稀疏度自适应匹配追踪算法。
4.根据权利要求1所述的方法，其特征在于，所述的固定稀疏度的压缩感知算法包括：正交匹配追踪算法、压缩采样匹配追踪算法或子空间追踪算法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910394517.6A CN110062361B (zh) | 2019-05-13 | 2019-05-13 | Mmtc场景下基于cs的非授权接入及数据传输方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910394517.6A CN110062361B (zh) | 2019-05-13 | 2019-05-13 | Mmtc场景下基于cs的非授权接入及数据传输方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110062361A CN110062361A (zh) | 2019-07-26 |
| CN110062361B true CN110062361B (zh) | 2020-11-17 |
Family
ID=67322929
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910394517.6A Active CN110062361B (zh) | 2019-05-13 | 2019-05-13 | Mmtc场景下基于cs的非授权接入及数据传输方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110062361B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112968853B (zh) * | 2021-01-29 | 2022-07-01 | 北京交通大学 | 一种mmtc系统多用户接入检测和信道估计的方法 |
| CN113766541B (zh) * | 2021-09-07 | 2023-10-17 | 北京交通大学 | Mmtc场景下的活跃设备及其使用信道的检测方法 |
| CN114844754B (zh) * | 2022-05-11 | 2023-06-23 | 南京邮电大学 | 基于分组序列码本集的大规模终端多址接入方法 |
| CN115333709B (zh) * | 2022-06-21 | 2023-06-23 | 北京邮电大学 | 数据传输方法、装置、电子设备和存储介质 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108259073A (zh) * | 2018-01-30 | 2018-07-06 | 深圳清华大学研究院 | 基于广义空间调制的上行通信多用户信号检测方法及装置 |
| CN108809460A (zh) * | 2018-06-11 | 2018-11-13 | 中国科学技术大学 | 一种稀疏活跃设备检测下的信号辅助信道估计的方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10735166B2 (en) * | 2015-05-29 | 2020-08-04 | Huawei Technologies Co., Ltd. | System and method of UE-centric radio access procedure |
| CN106911443B (zh) * | 2017-02-23 | 2019-11-26 | 北京交通大学 | 基于压缩感知的m2m通信系统中导频优化设计方法 |
| CN111183695B (zh) * | 2017-08-11 | 2024-03-22 | 交互数字专利控股公司 | 用于nr的免准许操作的机制 |
| CN108418769A (zh) * | 2018-01-17 | 2018-08-17 | 南京邮电大学 | 一种分布式压缩感知稀疏度自适应重建方法 |
-
2019
- 2019-05-13 CN CN201910394517.6A patent/CN110062361B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108259073A (zh) * | 2018-01-30 | 2018-07-06 | 深圳清华大学研究院 | 基于广义空间调制的上行通信多用户信号检测方法及装置 |
| CN108809460A (zh) * | 2018-06-11 | 2018-11-13 | 中国科学技术大学 | 一种稀疏活跃设备检测下的信号辅助信道估计的方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110062361A (zh) | 2019-07-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110062361B (zh) | Mmtc场景下基于cs的非授权接入及数据传输方法 | |
| Du et al. | Efficient multi-user detection for uplink grant-free NOMA: Prior-information aided adaptive compressive sensing perspective | |
| Du et al. | Block-sparsity-based multiuser detection for uplink grant-free NOMA | |
| US9814077B2 (en) | Mobility in a distributed antenna system | |
| Xiao et al. | A grant-free access and data recovery method for massive machine-type communications | |
| Sun et al. | Physical-layer network coding based decoding scheme for random access | |
| CN106982106B (zh) | 递归子块解码 | |
| Xiao et al. | A grant-free method for massive machine-type communication with backward activity level estimation | |
| US10693701B2 (en) | Receiver, a plurality of transmitters, a method of receiving user data from multiple transmitters, and a method of transmitting user data | |
| Alam et al. | Non-orthogonal multiple access with sequence block compressed sensing multiuser detection for 5G | |
| Klimentyev et al. | Detection of SCMA signal with channel estimation error | |
| Gao et al. | Low-complexity block coordinate descend based multiuser detection for uplink grant-free NOMA | |
| CN108282249B (zh) | 一种控制信息的传输方法和装置 | |
| US8879664B2 (en) | Communication system, method and apparatus | |
| You et al. | An efficient two-stage SPARC decoder for massive MIMO unsourced random access | |
| KR102143679B1 (ko) | 데이터 신호를 서브-블록 디코딩하기 위한 방법 및 장치 | |
| WO2008151518A1 (fr) | Procédé et dispositif de détection d'information dans un système ofdm | |
| Pramanik et al. | Compressed sensing channel estimation in massive MIMO | |
| CN109660325B (zh) | 数据处理方法及装置 | |
| Du et al. | Block-compressed-sensing-based multiuser detection for uplink grant-free NOMA systems | |
| Huang et al. | Uplink grant-free multi-codebook SCMA based on high-overload codebook grouping | |
| CN114124298B (zh) | 一种基于时隙Aloha和网络编码的无线随机接入与传输方法 | |
| Wang et al. | Bi-orthogonality recovery and MIMO transmission for FBMC Systems based on non-sinusoidal orthogonal transformation | |
| Cocco et al. | Seek and decode: Random access with physical‐layer network coding and multiuser detection | |
| Kang et al. | Dual-domain compressed sensing method for oceanic environmental elements collection with underwater sensor networks |
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 |