CN110266618A - 一种低速率被动式物联网设备的活跃度检测方法 - Google Patents

Abstract

本发明属于无线通信技术领域，涉及一种低速率被动式物联网设备的活跃度检测方法。本发明主要包括基站通过检测导频检测用户的活跃度，利用收到的导频信息估计信道。其次，用估计到的信道信息解码数据。物联网的通用场景中，基站同时与多个设备通信，但每个设备活跃度很低，且在实际应用中，射频源速率大于反射设备发送的速率。本发明提出在接收机端做相应处理，产生了扩频增益，提高了检测信噪比，因此比直接使用近似消息传递算法检测性能更好，具有很强的应用价值。

Description

一种低速率被动式物联网设备的活跃度检测方法

技术领域

本发明属于无线通信技术领域，涉及一种低速率被动式物联网设备的活跃度检测方法。

背景技术

近年来，物联网技术的蓬勃发展，使得人与物，物与物大规模的连接成为可能，并极大地影响着人们传统地生活方式，医疗保健与政府服务。物联网技术一大典型应用场景是为了解决大规模机器间通信。这一类通信往往呈现出大规模，低速率，低功耗，低活跃度的特征。特别地，在一定时间范围内，大量物联网设备中的只有一小部分设备是活跃的。因此，大规模物联网设备连接的重要挑战之一就是低延迟地检测活跃设备和获取其所发信息。基于此，本发明提出使用无授权的随机接入方案来解决大规模物联网接入的挑战。在无授权的随机接入方案中，每个设备都需要分配独立的导频，在没有得到接入许可的情况下，活跃设备将导频和传送的数据一起发送给基站。相对于基于授权的随机接入方式，这种接入方式接入网络可以减少传输时延，并能够容纳更多的活跃设备数。

最近，随着反射通信系统的兴起，低功耗，低复杂度的反射通信系统被认为解决大规模物联网接入的潜在有力手段之一。该系统由射频源、反向散射设备和接收机组成。反向散射设备利用环境中的载波，将要发送的消息调制在环境中的射频源信号上，并借此发送给接收机。反向散射设备的发射端通常为无源器件，仅通过调节其天线阻抗来改变反射信号的幅度和相位。因此，反射通信系统通信被认为是解决低功耗，大规模物联网设备接入问题的有效技术手段与解决方案。

在反射通信系统系统中，利用无授权的随机接入方案，进行多个反射设备的检测和信道估计问题具有重大意义，并成为支撑未来物联网通信的核心技术之一。

发明内容

本发明提出一种基于无授权接入的思想，在这种接入方案中，每个活跃设备将导频和发送的数据同时发送给基站，而无需等待基站许可。具体方式分为两步，首先，基站通过检测导频检测用户的活跃度，利用收到的导频信息估计信道。其次，用估计到的信道信息解码数据。本发明基于此，在反射通信系统中，当反射设备发送的符号周期为射频源符号周期的K倍时，用一种新型的方法进行多个反射设备的活跃度检测和信道的联合估计。

本发明考虑的实际场景为，射频源发送的符号速率大于反射设备发送的符号速率。系统模型由射频源、接收机和N个活跃度很低的反射设备组成。假定反射设备发送符号周期是射频源发送符号周期的K倍。其中，射频源有KL个符号的导频，导频信号为s(1),...,s(KL)，每个反射设备都有L个符号的导频，第n个反射设备的导频信号为c_n(1),...,c_n(L)，n＝1,...,N。其中，每K个射频源的导频符号对应反射设备的一个发送符号。令射频源到接收机的信道为h₀，射频源到第n个反射设备的信道为v_n，第n个反射设备到接收机的信道为g_n，n＝1,...,N。因此，在反向散射设备发送第l个符号，l＝1,...,L，此时对应于射频源发送第m个符号，m＝lK-K+1,...,lK，则接收机接收到的第m个符号为:

其中，α_n表示第n个反射设备的反射系数，b_n为指示变量，指示第n个反射设备是否活跃，具体而言，当b_n＝0时，表示反射设备不活跃，当b_n＝1时，表示反射设备是活跃的。w(m)表示接收端的噪声。

令h_n＝α_nv_ng_n表示第n个反射设备的信道，则接收端接收到的第m个符号为:

同时，令x_n＝b_nh_n，n＝1,...,N表示第n个反射设备的有效信道，具体而言，当x_n的值为零时，说明这个反射设备不活跃，当x_n的值为非零时，说明这个反射设备是活跃的，特别的，由于直接链路一直存在，令x₀＝h₀。则接收端接收到的第m个符号可以整理为:

在反向散射设备发送第l个符号时，l＝1,...,L，射频源发送对应的K个符号，s(lK-K+1),...,s(lK)，则接收机接收到的K个符号整理为矩阵形式可表示为：

其中，令s_l＝[s(lK-K+1),s(lK-K+2),...,s(lK)]^T，l＝1,...,L，表示当反向散射设备发送第l个符号时，对应的射频源发送的符号矢量。此时的接收机的噪声矢量为w_l＝[w(lK-K+1),w(lK-K+2),...,w(lK)]^T，l＝1,...,L。则接收机此时接收到的符号矢量为y_l＝[y(lK-K+1),y(lK-K+2),...,y(lK)]^T，l＝1,...,L，可表示为：

y_l＝(s_l s_lc₁(l) ... s_lc_N(l))x+w_l (5)

当反向散射设备发送L个符号的导频时，接收端接收到的信号可表示为：

即

y＝Sx+w (7)

其中，y表示接收机接收到的信号，包含KL个符号，即y＝[y(1),y(2),...,y(LK)]^TS为射频源导频符号和N个反射设备的导频符号共同构成的导频矩阵。x为直接链路信道和N条反射链路的有效信道。w表示接收机端的接收噪声。接收机通过接收信号y和已知的导频矩阵S，估计x，进行反射设备活跃度和有效信道的联合检测。

本发明在反射通信系统中，特别是针对射频源符号速率大于反射设备发送的符号速率的场景下，提出一种新型的检测活跃度稀疏的多个反射设备和估计信道的有效方法。物联网的通用场景中，基站同时与多个设备通信，但每个设备活跃度很低，且在实际应用中，射频源速率大于反射设备发送的速率。本发明提出在接收机端做相应处理，产生了扩频增益，提高了检测信噪比，因此比直接使用近似消息传递算法检测性能更好，具有很强的应用价值。

附图说明

图1示出了本发明的无授权随机接入的传输方式；

图2示出了本发明的系统模型；

图3为本发明针对于最小均方误差降噪器的性能曲线。

图4为本发明针对于多个反射设备的活跃度检测性能。

图5为本发明针对于多个反射设备的信道估计的性能。

具体实施方式

下面结合附图和实施例子，对本发明的具体实施方式作进一步详细描述。以环境中射频源信号为正弦信号和QPSK信号，接收机为单接收天线为例。

如图1所示，表示的是无授权的随机接入方案。无授权接入方案下，每个反射设备都被分配用于所有时隙的导频序列，以此作为每个用户的身份识别。在这种接入方案下，每个活跃设备直接将其元数据和数据发送到基站而无需等待基站的任何许可，这会减少传输时延。具体过程分为两步，首先，基站首先通过检测使用了哪些导频序列来检测活跃设备，并利用导频估计信道，第二步，基于估计到的信道和接收到的数据部分，来解码每个活跃用户传输的数据。

如图2所示为本发明的系统模型，接收机接收射频源的信号和反射设备反向散射的信号。由于反射设备数量远远大于接收机接收的符号的数量，因此，可以采用压缩感知的算法来进行活跃度的检测和有效信道的估计。

其中，考虑射频源的发送的导频信号为QPSK信号，每个反射设备的信道h_n服从均值为0，方差为β_n的复高斯分布，即假设每个反射设备是独立的，活跃的概率为λ，因此，第n个反射设备的有效信道服从伯努利高斯分布，可以表示为：

其中，δ₀表示单位脉冲函数，在零点值为1，在其余点的值均为0。反射设备的导频采用BPSK调制，噪声w服从均值为0，方差为σ²的复高斯分布，即本发明利用射频源发送导频的性质，对接收端信号进行处理，引入扩频增益，再采用基于压缩感知算法的近似消息传递(AMP)算法来求解，可以得到很好的检测性能。近似消息传递算法是针对于大规模压缩感知的一种很有效的迭代阈值算法，在物联网的大规模连接的场景中具有很大吸引力。

由(5)可以看出，压缩感知矩阵是由射频源的导频和反射设备的导频相乘构成，矩阵的每一列都是相关的，所以(6)中的压缩感知矩阵S的部分元素之间不是独立的。而针对于近似消息传递(AMP)算法，在压缩感知矩阵中元素是独立同分布的情况下，算法性能会比较好。因此，我们不能针对(6)直接使用近似消息传递(AMP)算法，因此，本发明将对接收信号做以下处理：

在相应的K个接收机端的接收向量前乘对应的射频源导频向量的共轭转置，得到z(l)，l＝1,...,L。由于射频源发送的导频信号为QPSK信号，信号模的平方为一，所以得到(9)式，对接收信号处理后整理为矩阵形式为：

即，

z＝Cx+n (11)

可以看出，此时信噪比是(6)式信噪比的K倍。同时，矩阵C只由反射设备的导频构成，而不同的反射设备发送的导频是不同的，彼此独立的，每个反射设备发送的不同符号也是彼此独立的，因此，矩阵C的元素是独立同分布的，针对(11)式使用近似消息传递(AMP)算法，可以取得很好的效果。

AMP算法是一种针对压缩感知的高效的迭代阈值算法，旨在利用基于z的估计最小化均方误差：

AMP算法通过两步的迭代过程得到最终收敛的x的值，具体步骤如下：

x^(t+1)＝η(C^Hr^(t)+x^(t)) (13)

其中，t＝0,1,...是迭代的次数，x^(t+1)表示在第t+1次迭代时估计的x,r^(t+1)表示相对应的残差。该算法在(8)中使用其导频序列对每个反射设备的残差进行匹配滤波，然后使用适当设计的降噪器η进行降噪步骤。然后在(9)中更新残差。其中，本发明使用最小均方误差降噪器，其表达式为：

其中，

在AMP算法收敛后，设定合理的阈值比较大于或小于来检测反射设备的活跃性。如果则判定第n个反射设备是活跃的。如果则判定第n个反射设备是非活跃的。

图3比较了上述场景下，最小均方误差降噪器在给定阈值τ下的性能。可以观察到最小均方误差降噪器是基于阈值的降噪器。当x的值在零点附近，但没有超过阈值τ时，我们认为x＝0。当x的值超过阈值τ，我们认为x非零。

在判定反射设备的活跃性，可以计算出虚警概率和漏检概率

图4比较了在不同K的情况下，导频长度随虚警概率和漏检概率的关系曲线。其中,K表示反射设备发送的符号周期与射频源符号周期的比值。仿真参数设置总反射设备数N＝2000,每个反射设备的活跃度为0.05。每个活跃反射设备发送导频的功率为1。接收机的噪声方差σ²＝1。直接链路的信噪比为35dB，反射链路的平均信噪比服从U(-13dB,15dB)。可以看出，随着导频长度的增加，反射设备活跃度检测的两种错误概率逐渐降低。在K越大，活跃度检测的错误概率越低，因为本发明在接收端的处理引入了K倍的扩频增益，使得信噪比增加了K倍，当K的值逐渐变大时，信噪比也越大，检测性能也会越好。

图5表示随着迭代次数的增加，使用近似消息传递方法得到的x和真实的x之间的均方误差，K的值越大，信噪比越大，估计的信道也就越准确，均方误差越小。

Claims (3)

1.一种低速率被动式物联网设备的活跃度检测方法，该方法用于反射通信传输系统，所述反射通信传输系统包括射频源、接收机和N个反射设备；令反射设备发送符号周期是射频源发送符号周期的K倍，射频源有KL个符号的导频，导频信号为s(1),...,s(KL)，每个反射设备都有L个符号的导频，第n个反射设备的导频信号为c_n(1),...,c_n(L)，n＝1,...,N，每K个射频源的导频符号对应反射设备的一个发送符号；其特征在于，所述检测方法具体为：

令射频源到接收机的信道为h₀，射频源到第n个反射设备的信道为v_n，第n个反射设备到接收机的信道为g_n，n＝1,...,N；在反向散射设备发送第l个符号，l＝1,...,L，此时对应于射频源发送第m个符号，m＝lK-K+1,...,lK，接收机接收到的第m个符号为：

其中，α_n表示第n个反射设备的反射系数，b_n为指示变量，指示第n个反射设备是否活跃，当b_n＝0时，表示反射设备不活跃，当b_n＝1时，表示反射设备是活跃的，w(m)表示接收端的噪声；

令h_n＝α_nv_ng_n表示第n个反射设备的信道，则接收端接收到的第m个符号为：

同时，令x_n＝b_nh_n表示第n个反射设备的有效信道，当x_n的值为零时，表示这个反射设备不活跃，当x_n的值为非零时，表示这个反射设备是活跃的，由于直接链路一直存在，令x₀＝h₀，则接收端接收到的第m个符号为：

在反向散射设备发送第l个符号时，l＝1,...,L，射频源发送对应的K个符号，s(lK-K+1),...,s(lK)，则接收机接收到的K个符号整理为矩阵形式可表示为：

其中，令s_l＝[s(lK-K+1),s(lK-K+2),...,s(lK)]^T，l＝1,...,L，表示当反向散射设备发送第l个符号时，对应的射频源发送的符号矢量；此时的接收机的噪声矢量为w_l＝[w(lK-K+1),w(lK-K+2),...,w(lK)]^T，l＝1,...,L；则接收机此时接收到的符号矢量为y_l＝[y(lK-K+1),y(lK-K+2),...,y(lK)]^T，l＝1,...,L，表示为：

y_l＝(s_l s_lc₁(l) ... s_lc_N(l))x+w_l

当反向散射设备发送L个符号的导频时，接收端接收到的信号表示为：

即

y＝Sx+w

其中，y表示接收机接收到的信号，包含KL个符号，即y＝[y(1),y(2),...,y(LK)]^T，S为射频源导频和N个反射设备的导频共同构成的导频矩阵，x为直接链路信道和N条反射链路的有效信道，w表示接收机端的接收噪声；接收机通过接收信号y和已知的导频矩阵S，估计x，进行反射设备活跃度和有效信道的联合检测。

2.根据权利要求1所述的一种低速率被动式物联网设备的活跃度检测方法，其特征在于，所述估计x的方法为采用压缩感知算法的近似消息传递AMP算法求解，具体为：

对接收信号做以下处理：

在相应的K个接收机端的接收向量前乘对应的射频源导频向量的共轭转置，得到z(l)，l＝1,...,L；对接收信号处理后整理为矩阵形式为：

即

z＝Cx+n

AMP算法利用基于z的估计最小化均方误差：

其中，是基于z得到的x的估计值，x为有效信道的真实值，||·||₂为对向量做二范数处理，为做统计平均处理；

通过以下迭代公式进行迭代，直到算法收敛得到x的估计值：

x^(t+1)＝η(C^Hr^(t)+x^(t))

其中，t是迭代的次数，x^(t+1)表示在第t+1次迭代时估计的x,r^(t+1)表示相对应的残差，η为降噪器。

3.根据权利要求2所述的一种反射通信传输系统的用户活跃度检测方法，其特征在于，所述降噪器为最小均方误差降噪器：

其中λ为活跃的概率，η_t,n为针对第t次迭代时第n个反射设备设计的降噪器函数，为在第t次迭代时第n个反射设备信道的估计值，β_n为第n个反射设备实际信道的方差；

||·||₂为对向量做二范数处理，在AMP算法收敛后，设定阈值比较大于或小于来检测反射设备的活跃性；如果则判定第n个反射设备是活跃的，如果则判定第n个反射设备是非活跃的。