CN110086557A - 一种免调度多用户检测方法 - Google Patents
一种免调度多用户检测方法 Download PDFInfo
- Publication number
- CN110086557A CN110086557A CN201910344453.9A CN201910344453A CN110086557A CN 110086557 A CN110086557 A CN 110086557A CN 201910344453 A CN201910344453 A CN 201910344453A CN 110086557 A CN110086557 A CN 110086557A
- Authority
- CN
- China
- Prior art keywords
- value
- gaussian
- variable
- transmitting signal
- component
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 23
- 238000004364 calculation method Methods 0.000 abstract 1
- 238000004891 communication Methods 0.000 description 6
- 206010042135 Stomatitis necrotising Diseases 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000000034 method Methods 0.000 description 4
- 201000008585 noma Diseases 0.000 description 4
- 238000001228 spectrum Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000010998 test method Methods 0.000 description 2
- 239000000969 carrier Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/391—Modelling the propagation channel
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/0202—Channel estimation
- H04L25/024—Channel estimation channel estimation algorithms
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/0202—Channel estimation
- H04L25/024—Channel estimation channel estimation algorithms
- H04L25/0256—Channel estimation using minimum mean square error criteria
-
- 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)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
一种免调度多用户检测方法,包括以下步骤:步骤A、利用混合高斯聚类算法,将接收信号y=[y1,y2,…yN]T的N个分量聚成L个类,建立噪声混合高斯模型,并得到最终L值;步骤B、构建一个分层贝叶斯先验模型,推导噪声混合高斯模型中的权重wl、高斯分量方差信道H和发射信号α的更新公式,多次迭代后得到发射信号估计值,即为多用户检测结果;本发明利用稀疏贝叶斯学习算法,迭代计算信道估计和发射信号估计值,消除信道估计误差,提高多用户检测性能。
Description
技术领域
本发明涉及无线通信技术领域,特别涉及一种免调度多用户检测方法。
背景技术
随着无线通信技术的发展,现有的第四代移动通信系统显然已经无法满足未来大容量,低时延,高速率的要求。在5G时代,通信界希望实现“万物互联”这一理想。通信系统将不再是现在的以人与人之间的通信为主,而是有海量的机器设备连接到通信网络中。现有的频谱资源已经很紧缺,必须考虑在相同的频谱资源上容纳更多的用户,也就是提高频谱利用率。
传统的多址技术都是对资源的正交复用,受到时频资源的限制,系统所能容纳的用户很有限。随着无线通信设备指数倍的增长,这些技术显然已经不能满足5G时代的海量连接需求。于是非正交多址 (Non-orthogonal Multiple Access,NOMA)技术开始受到广泛关注。
NOMA允许用户共享同一时频资源,频谱利用率大大提高,但这也意味着在接收端会存在用户间信息的干扰。因此需要多用户检测技术来消除用户间信息的干扰。而在现有的多用户检测技术中,大都将信道中的噪声当作高斯噪声来处理。然而信道中的噪声形式很复杂且往往是非高斯的,包括脉冲噪声,高斯噪声,拉普拉斯噪声等多种形式,如果将它们简单地当作高斯噪声来处理,在检测中势必会造成了误差。
同时,现有的多用户检测方法在接收端进行多用户检测时,将信道信息当成是已知的。事实上,接收端只有接收信息是已知,信道信息需要通过导频估计,盲估计等信道估计方法得到。因为信道中的噪声及干扰因素,得到的信道估计值肯定与真实值之间存在误差。在不准确的信道信息条件下,多用户检测恢复出来的发射信号值也会不准确。
发明内容
为了克服NOMA系统中多用户检测中存在信道估计误差的问题,本发明的目的在于提供了一种免调度多用户检测方法,先对信道噪声 v=[v1,v2…,vN]T进行混合高斯建模,再利用稀疏贝叶斯学习算法,通过信道H与发射信号α相互迭代来消除信道估计误差。
一种免调度多用户检测方法,包括以下步骤:
步骤A、利用混合高斯聚类算法,将接收信号y=[y1,y2,…yN]T的N 个分量聚成L个类,建立噪声混合高斯模型,并得到最终L值;
步骤B、构建一个分层贝叶斯先验模型,推导噪声混合高斯模型中的权重wl、高斯分量方差信道H和发射信号α的更新公式,多次迭代后得到发射信号估计值,即为多用户检测结果。
所述步骤A具体包括:
A1、给L选取一个相对大的初始值,建立一个L阶的混合高斯模型;
其中wl代表混合高斯中第l个分量的权重;CN(μl,σl 2)代表一个复高斯函数的均值为μl,方差为σl 2;
A2、利用混合高斯聚类算法,将接收信号y=[y1,y2,…yN]T的N个分量聚成L个类,计算每个类的均值μl和方差σl;
A3、检查是否存在两个相似的高斯分量,即两个高斯分量的均值μi,μj和方差σi 2,σj 2是否满足以下条件:
其中threshold1,threshold2都为预设门限值;
A4、若步骤A3条件满足,则L=L-1,返回步骤A2;否则输出L的值作为最终L值。
所述步骤B具体包括:
B1、基于最大后验估计,先获得α的后验概率函数p(α|y),
B2、引入中间变量γ来控制发射信号α的稀疏性,即
p(α)=p(α|γ)p(γ)
为了进一步具体化变量γ,再引入变量η来控制先验变量γ,即
p(γ)=p(γ|η)p(η)
这样,获得了一个3层的贝叶斯稀疏先验模型;
B3、利用稀疏贝叶斯学习算法,得到每个变量的更新公式,
其中,<H>=[h1,h2,…,hN]T,
Al=<λl>Nexp{-<λl>(y-<H><α>)H(y-<H><α>)},
B=<λL>Nexp{-<λL>(y-<H><α>)H(y-<H><α>)},
本发明的优点:
1、在大规模机器通信网络中,同一时刻只有少量的机器设备发送信号,其余大多数设备都处于不活跃状态,所以发射信号矢量具有稀疏性。本发明利用这一稀疏性,将发射信号恢复问题转化为稀疏向量重构问题。
2、基于混合高斯函数可以逼近任意分布函数,本发明提出用一种普适的混合高斯模型来拟合信道中的噪声,提高噪声建模精度。
3、本发明设计了一种多用户检测算法能消除信道估计误差,得到更加准确的信号检测值。
附图说明
图1为多用户检测方法流程图。
图2为系统因子图(圆圈表示变量节点,方块表示因子节点)。
图3为几种算法的误码率性能比较图。
具体实施方式
下面结合附图对本发明进行进一步的说明,其中包括本发明的实施例。所描述的实施例仅用于解释本发明,不代表全部实施例。
本发明实施例考虑一个典型的NOMA上行链路,包括一个基站,K个用户,N个传输子载波(N<K)。用户k发送的信号αk经过扩频序列sk调制到N个子载波上传输,所有活跃用户信号在子载波上叠加。在基站端子载波n的接收信号可表示为:
其中,gnk表示用户k在子载波n上的信道增益;snk表示扩频序列sk的第n个分量;αk表示第k个用户的发送信号;vn表示子载波n上的噪声。
将所有接收信号组合起来用矩阵的形式表示为:
y=Hα+v
其中,y=[y1,y2,…,yN]T表示接收信号矢量;H表示N×K维的信道等效矩阵,它的第n行的第k列的元素可表示为hnk=gnk·snk;α=[α1,α2.L,αK]T表示发射信号矢量;v=[v1,v2,L,vN]T表示噪声矢量。
基于上述场景,如图1所示,本发明的具体方法步骤如下:
A、利用混合高斯聚类算法,将基站接收信号y=[y1,y2,…,yN]T建模为混合高斯模型并计算出混合高斯的阶次L。具体步骤如下:
A1、给L选取一个相对大的初始值,建立一个L阶的混合高斯模型;
其中wl代表混合高斯中第l个分量的权重;CN(μl,σl 2)代表一个复高斯函数的均值为μl,方差为σl 2;
A2、利用混合高斯聚类算法,将接收信号y=[y1,y2,…yN]T的N个分量聚成L个类,计算每个类的均值μl和方差σl;
A3、检查是否存在两个相似的高斯分量,即两个高斯分量的均值μi,μj和方差σi 2,σj 2是否满足以下条件:
其中threshold1,threshold2都为预设门限值。
A4、若步骤A3条件满足,则L=L-1,返回步骤A2;否则输出L的值作为最终L值。
B、从最大后验估计准则出发,构建分层贝叶斯先验模型来描述每个变量之间的关系;即构建一个分层贝叶斯先验模型,推导噪声混合高斯模型中的权重wl、高斯分量方差信道 H和发射信号α的更新公式,多次迭代后得到发射信号估计值,即为多用户检测结果。
具体步骤如下:
B1、基于最大后验估计,要先获得α的后验概率函数p(α|y),
B2、引入中间变量γ来控制发射信号α的稀疏性。即
p(α)=p(α|γ)p(γ)
为了进一步具体化变量γ,再引入变量η来控制先验变量γ。即
p(γ)=p(γ|η)p(η)
这样,我们获得了一个3层的贝叶斯稀疏先验模型如图2。
S303,利用稀疏贝叶斯学习算法,得到每个变量的更新公式如下:
其中,<H>=[h1,h2,…,hN]T,
Al=<λl>Nexp{-<λl>(y-<H><α>)H(y-<H><α>)},
B=<λL>Nexp{-<λL>(y-<H><α>)H(y-<H><α>)},
S304,信道信息和信号信息相互迭代,消除信道估计误差。
S305迭代计算变量的更新公式,当α的均值不再发生改变,终止迭代,将最后一次迭代的<α>输出作为发射信号的估计值。
如图3给出的在不同信噪比(Signal-to-Noise Ratio,SNR)条件下的,各种算法的比特误码率(Bit Error Ratio,BER)性能比较。其中Proposed 是本文提出的算法,epsilon=0表示参数ε取0,epsilon=1表示参数ε取 1;MMSE是最小均方误差算法;independentMUD表示单纯的多用户检测算法,即未消除信道估计误差,将有误差的信道估计值当作真实的信道值直接做多用户检测。从图中可以看出,本文提出算法比另外两种算法性能更优,特别是epsilon=0的条件下,ε控制信号稀疏特性,ε取0比取1更容易得到稀疏解,所以取得的性能更好。
Claims (3)
1.一种免调度多用户检测方法,其特征在于,包括以下步骤:
步骤A、利用混合高斯聚类算法,将接收信号y=[y1,y2,…yN]T的N个分量聚成L个类,建立噪声混合高斯模型,并得到最终L值;
步骤B、构建一个分层贝叶斯先验模型,推导噪声混合高斯模型中的权重wl、高斯分量方差信道H和发射信号α的更新公式,多次迭代后得到发射信号估计值,即为多用户检测结果。
2.根据权利要求1所述的一种免调度多用户检测方法,其特征在于,所述步骤A具体包括:
A1、给L选取一个相对大的初始值,建立一个L阶的混合高斯模型;
其中wl代表混合高斯中第l个分量的权重;CN(μl,σl 2)代表一个复高斯函数的均值为μl,方差为σl 2;
A2、利用混合高斯聚类算法,将接收信号y=[y1,y2,…yN]T的N个分量聚成L个类,计算每个类的均值μl和方差σl;
A3、检查是否存在两个相似的高斯分量,即两个高斯分量的均值μi,μj和方差σi 2,σj 2是否满足以下条件:
其中threshold1,threshold2都为预设门限值;
A4、若步骤A3条件满足,则L=L-1,返回步骤A2;否则输出L的值作为最终L值。
3.根据权利要求1所述的一种免调度多用户检测方法,其特征在于,所述步骤B具体包括:
B1、基于最大后验估计,先获得α的后验概率函数p(α|y),
B2、引入中间变量γ来控制发射信号α的稀疏性,即
p(α)=p(α|γ)p(γ)
为了进一步具体化变量γ,再引入变量η来控制先验变量γ,即
p(γ)=p(γ|η)p(η)
这样,获得了一个3层的贝叶斯稀疏先验模型;
B3、利用稀疏贝叶斯学习算法,得到每个变量的更新公式,
其中,
Al=<λl>Nexp{-<λl>(y-<H><α>)H(y-<H><α>)},
B=<λL>Nexp{-<λL>(y-<H><α>)H(y-<H><α>)},
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910344453.9A CN110086557B (zh) | 2019-04-26 | 2019-04-26 | 一种免调度多用户检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910344453.9A CN110086557B (zh) | 2019-04-26 | 2019-04-26 | 一种免调度多用户检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110086557A true CN110086557A (zh) | 2019-08-02 |
CN110086557B CN110086557B (zh) | 2020-12-29 |
Family
ID=67417046
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910344453.9A Expired - Fee Related CN110086557B (zh) | 2019-04-26 | 2019-04-26 | 一种免调度多用户检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110086557B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1436959A2 (en) * | 2001-09-03 | 2004-07-14 | Lenslet Ltd. | Multi-user detection |
CN106506115A (zh) * | 2016-10-25 | 2017-03-15 | 复旦大学 | 基于最优贝叶斯的多用户迭代软检测的装置与方法 |
CN108566227A (zh) * | 2018-01-20 | 2018-09-21 | 西安交通大学 | 一种多用户检测方法 |
CN108777604A (zh) * | 2018-05-18 | 2018-11-09 | 哈尔滨工业大学 | 一种基于高斯混合模型聚类的波分多址超宽带多用户检测方法 |
-
2019
- 2019-04-26 CN CN201910344453.9A patent/CN110086557B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1436959A2 (en) * | 2001-09-03 | 2004-07-14 | Lenslet Ltd. | Multi-user detection |
CN106506115A (zh) * | 2016-10-25 | 2017-03-15 | 复旦大学 | 基于最优贝叶斯的多用户迭代软检测的装置与方法 |
CN108566227A (zh) * | 2018-01-20 | 2018-09-21 | 西安交通大学 | 一种多用户检测方法 |
CN108777604A (zh) * | 2018-05-18 | 2018-11-09 | 哈尔滨工业大学 | 一种基于高斯混合模型聚类的波分多址超宽带多用户检测方法 |
Non-Patent Citations (4)
Title |
---|
PAN SU等: "Channel Estimation in Massive MIMO Systems Using a Modified Bayes-GMM Method", 《WIRELESS PERSONAL COMMUNICATIONS》 * |
XIXI ZHAO等: "Sparse Bayesian Compressed Spectrum Sensing", 《IEEE TRANSACTIONS ON VEHICULAR TECHNOLOGY》 * |
冯士民等: "非高斯噪声下信号盲检测算法", 《武汉理工大学学报( 信息与管理工程版)》 * |
李卫敏等: "免调度非正交多址接入技术及其系统性能", 《中兴通讯技术》 * |
Also Published As
Publication number | Publication date |
---|---|
CN110086557B (zh) | 2020-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103475606B (zh) | Lte-a系统中tm9模式下基于参考信号的信道估计方法 | |
CN103905083B (zh) | 采用频分复用的通信系统的导频传送和信道估计 | |
CN102232319B (zh) | 多址接入通信系统的方法和装置 | |
CN103685088B (zh) | 稀疏信道的导频优化方法、装置和信道估计方法 | |
CN101939957B (zh) | 使用公共和专用导频信道的反向链路信道估计 | |
CN106162659A (zh) | 一种能效优先时延容忍的leo系统dcs信号重构方法 | |
CN114615122B (zh) | 通信信号的频偏确定方法及装置 | |
CN110233653A (zh) | 基于加权集成聚类算法的mimo系统的盲多径识别方法及系统 | |
CN109600327A (zh) | 一种基于虚部干扰利用的信道估计方法 | |
CN109194594B (zh) | 一种基于连续载波聚合的相位噪声抑制方法 | |
CN110113118A (zh) | 一种非正交多址接入系统下行链路用户分簇方法 | |
CN115065389A (zh) | 一种无小区大规模mimo-noma系统性能优化方法 | |
CN105519023A (zh) | 一种处理数据的方法、装置及系统 | |
CN108566227A (zh) | 一种多用户检测方法 | |
CN108521668A (zh) | 适用于5g网络noma系统的注水功率分配优化方法 | |
CN104301073B (zh) | 一种移动通信系统中的参考信号设置方法 | |
CN108964864A (zh) | 一种scma多址系统中的非正交导频与信号传输方法 | |
CN107819558B (zh) | 一种多址接入数据包传输方法 | |
CN104901732B (zh) | 一种密集节点配置系统中的导频复用方法 | |
CN116032317B (zh) | 一种免授权的联合活跃用户与数据检测方法 | |
CN106878997B (zh) | 一种基于分布式网络的节点采样速率自适应调整方法 | |
CN100484117C (zh) | 交织ofdma上行链路系统的载波频偏校正方法 | |
CN110086557A (zh) | 一种免调度多用户检测方法 | |
CN103368717A (zh) | 多址接入通信系统的方法和装置 | |
CN110167057A (zh) | 一种下行吞吐量的计算方法和装置 |
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 |
Granted publication date: 20201229 |
|
CF01 | Termination of patent right due to non-payment of annual fee |