CN110557126A - 一种基于最大似然迭代的Turbo重叠X域复用编译码方法 - Google Patents

一种基于最大似然迭代的Turbo重叠X域复用编译码方法 Download PDF

Info

Publication number
CN110557126A
CN110557126A CN201910907574.XA CN201910907574A CN110557126A CN 110557126 A CN110557126 A CN 110557126A CN 201910907574 A CN201910907574 A CN 201910907574A CN 110557126 A CN110557126 A CN 110557126A
Authority
CN
China
Prior art keywords
overlapping
turbo
coding
domain multiplexing
maximum likelihood
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
Application number
CN201910907574.XA
Other languages
English (en)
Inventor
王亚峰
林鹏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing University of Posts and Telecommunications
Original Assignee
Beijing University of Posts and Telecommunications
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing University of Posts and Telecommunications filed Critical Beijing University of Posts and Telecommunications
Priority to CN201910907574.XA priority Critical patent/CN110557126A/zh
Publication of CN110557126A publication Critical patent/CN110557126A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
    • H03M13/00—Coding, decoding or code conversion, for error detection or error correction; Coding theory basic assumptions; Coding bounds; Error probability evaluation methods; Channel models; Simulation or testing of codes
    • H03M13/29—Coding, decoding or code conversion, for error detection or error correction; Coding theory basic assumptions; Coding bounds; Error probability evaluation methods; Channel models; Simulation or testing of codes combining two or more codes or code structures, e.g. product codes, generalised product codes, concatenated codes, inner and outer codes
    • H03M13/2957—Turbo codes and decoding

Abstract

本发明公开了一种基于最大似然迭代的Turbo重叠X域复用编译码方法，其利用最大似然迭代实现Turbo重叠X域复用编码的快速译码，应用于重叠X域复用编码的高频谱效率传输。本发明优化了重叠X域复用编码的编码结构，增加了编码结构的抗干扰能力；构造了Turbo重叠X域复用编码的最大似然过程，采用全新的译码迭代过程，实现Turbo重叠X域复用编码的高频谱效率性能，相比于传统的译码方法，具有实现复杂度低和更快收敛性的优点。

Description

一种基于最大似然迭代的Turbo重叠X域复用编译码方法
技术领域
本发明属于无线通信编码领域，涉及重叠复用编码系统，具体涉及一种Turbo重叠X域复用编码的快速译码方法。
背景技术
随着无线通信的持续发展导致移动数据业务量的爆炸性增长，迫使人们努力探索高频谱效率的无线通信新方法，极高传输速率和极高频谱效率已经成为当前无线通信系统设计的主流。为了达到高速率和高频谱效率的传输，人们进行了不懈地努力和探索。据此李道本教授建立起来了一种崭新的重叠X域复用编码传输理论，通过数据加权复用波形在X域(时域、频域或混合域等)的移位重叠，形成了一种高频谱效率，无编码剩余，高编码增益的新型编码理论。OVXDM理论界分析和十余年大量仿真验证都证明了其所需传输功率只随频谱效率呈代数率增长。
然而，在重叠X域复用编码中，频谱效率随着重叠重数的增加呈线性增加，若采用MLSD或者MAP等最优译码算法进行译码，将面临着重叠重数与译码复杂度呈指数上升的困扰，很难实现高频谱效率的编码传输需求。因此，迫切需要找出新的解决方法实现重叠X域复用编码的低复杂度的高频谱效率传输。
发明内容
本发明的目的是为了解决上述问题，利用全新的最大似然迭代过程实现Turbo重叠X域复用编码的快速译码，提出了一种基于最大似然迭代的Turbo-重叠X域复用编码译码方法(MLID-Turbo OVXDM，Maximum Likelihood based Iterative Decoding scheme inTurbo Overlapping X Domain Multiplexing)，应用于重叠X域复用编码的高频谱效率传输。本发明优化了重叠X域复用编码的编码结构，增加了编码结构的抗干扰能力；构造了Turbo重叠X域复用编码的最大似然过程，并采用全新的译码迭代过程，实现重叠X域复用编码的高频谱效率性能。
本发明所提的一种基于最大似然迭代的Turbo重叠X域复用编码译码方法，具体包括：
重叠X域复用编码结合Turbo码结构特点，实现一种Turbo OVXDM编码结构，同时建立Turbo OVXDM编码结构表达式；
构建基于最大似然的Turbo OVXDM编码优化模型，以最大化接收概率为目标，以两路接收信号交织关系为约束条件；
通过Turbo编码结构得到的两路接收信号和两路信号的交织关系状态，计算信号最优接收状态；
简化基于最大似然迭代的Turbo重叠X域复用编码译码优化模型，根据拉格朗日乘子法，求解发送信号状态表达式。
本发明的优点在于：
(1)优化了重叠X域复用编码结构，增加了编码结构的抗干扰能力；
(2)采用全新的译码迭代过程，实现Turbo重叠X域复用编码的高频谱效率性能，相比于传统的迭代译码方法，具有实现复杂度低和性能收敛快的优点。
附图说明
图1：本发明实施例的Turbo重叠X域复用编码模型示意图；
图2：本发明实施例提供的方法流程图；
图3：本发明译码方法译码性能与传统交替上升乘子法(Alternating DirectionMethod of Multipliers，ADMM)的性能对比图；
图4：本发明方法与传统迭代译码算法包括ADMM和BCJR的频谱效率性能对比图。
具体实施方式
为了使本领域的技术人员更加清楚地理解和实施本发明，下面结合附图以具体实施例的方式，详细阐述本发明实施例的技术方案。
参考图1，示出了本发明的Turbo重叠X域复用编码模型，该模型包括：
一个随机交织器和两个相同重叠重数的OVXDM编码器组成，原始输入信号为s，交织器输出为u，符号间移位间隔为ΔX；
Turbo重叠X域复用编码输出信号c(x)由上部编码器输出c1(x)的和下部编码器输出c2(x)两个部分正交叠加组成；
两个编码器中的输出信号具有I/Q相位正交的特点。
参考图2，示出了本发明的一种基于最大似然迭代的Turbo重叠X域复用编码译码方法，其流程包括：
S01，构建基于最大似然的Turbo重叠X域复用编码优化模型，具体包括以下步骤：
S100，建立Turbo重叠X域复用编码模型表达式：假设发送信号s的长度为N，OVXDM编码中采用复用波形g(x)进行移位和叠加，重叠重数为K，那么Turbo重叠X域复用编码后的信号经过AWGN信道后的接收信号可以表示为
Turbo重叠X域复用编码模型过程同样也能用矩阵的形式表示，具体表示形式为
其中，编码矩阵为G(x)，交织器矩阵为Q，IN×N为N维单位矩阵。
S110 Turbo重叠X域复用编码的接收信号是由两路正交信号叠加得到，因此Turbo重叠X域复用编码模型的最大似然过程可以表示为maxP(Re(y(x))|s)P(Im(y(x))|u)P(s)P(u)。
S120建立优化模型：以两路发送信号交织关系为约束条件，构建基于最大似然的Turbo重叠X域复用编码优化模型为
S02根据拉格朗日乘子法，构造拉格朗日函数，
其中：λ是具有维度N的拉格朗日因子向量，为惩罚函数，ρ＞0表示惩罚函数因子。
S03对拉格朗日函数中向量s、u和λ分别进行求导，得
其中：l＞0表示迭代次数。已知在Turbo码中的交织器具有如下关系：QTQ＝IN×N。同时令C(x)为变化逆矩阵，具体表示为
C(x)＝(G(x)TG(x)+ρI)-1。
参考图3，图示了本发明的译码方法的使用效果示意图。MLID表示本发明的译码方法，ADMM表示交替上升乘子法译码方法，l＞0代表迭代次数。随l＞0的增加，采用MLID的译码不断得到改善，且性能始终高于ADMM译码方法。并且l＝10时，MLID的译码性能得到快速收敛。与ADMM相比，MLID的译码性能明显优于ADMM算法，并且性能只需要少量迭代就能快速收敛。
参考图4，图示了本发明的译码方法的使用效果示意图。MLID表示本发明的译码方法，ADMM表示交替上升乘子法译码方法，BCJR表示Turbo编码中的最优译码方法。首先，Turbo重叠X域复用编码结构在BCJR算法下，频谱效率明显优于传统OVXDM误码率性能上界，因此Turbo-Like重叠X域复用编码结构结合最优译码算法能进一步改善OVXDM编码系统的频谱效率。同时，随信噪比的增加，MLID的频谱效率不断得到提升，并且性能始终高于ADMM译码方法。并与OVXDM误码率性能上界之间仅有3dB的差距，同时计算复杂度也不会随重叠重数的增加而指数增加。
通过以上的实施方式的描述，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硬件设施的方式来实现。基于这样的理解，本发明的技术方案对背景技术做出贡献的全部或者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。
综上所述，通过实施本发明实施例的一种基于最大似然迭代的Turbo重叠X域复用编码译码方法，首先结合Turbo编码理论，实现了重叠X域复用编码的新型编码结构，增加了编码结构抗干扰能力；其次，采用最大似然理论，在保证低译码复杂度的前提下提高了Turbo重叠X域复用编码的频谱效率。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (2)

1.一种基于最大似然迭代的Turbo重叠X域复用编译码方法，其流程包括：
S01，构建基于最大似然的Turbo重叠X域复用编码优化模型，具体包括以下步骤：
S010，建立Turbo重叠X域复用编码模型表达式：假设发送信号s的长度为N，OVXDM编码中采用复用波形g(x)进行移位和叠加，重叠重数为K，那么Turbo重叠X域复用编码后的信号经过AWGN信道后可以表示为
Turbo重叠X域复用编码模型过程同样也能用矩阵的形式表示，具体表示形式为
其中，编码矩阵为G(x)，交织器矩阵为Q，IN×N为N维单位矩阵为；
S011 Turbo重叠X域复用编码的接收信号是由两路正交信号叠加得到，因此Turbo重叠X域复用编码接收端译码的最大似然准则可以表示为
maxP(Re(y(x))|s)P(Im(y(x))|u)P(s)P(u)；
S012 建立优化模型：以两路发送信号交织关系为约束条件，构建基于最大似然Turbo重叠X域复用编码优化模型为
S02 根据拉格朗日乘子法，构造拉格朗日函数，
其中：λ为是具有维度N的拉格朗日因子向量，为惩罚函数，ρ＞0表示惩罚函数因子；
S03 对拉格朗日函数中向量s、u和λ分别进行求导，得
其中：l＞0表示迭代次数，已知在Turbo码中的交织器具有如下关系：QTQ＝IN×N，同时令C(x)为变化逆矩阵，具体表示为C(x)＝(G(x)TG(x)+ρI)-1。
2.一种实现基于最大似然迭代的Turbo-重叠X域复用编译码方法的编码模型，其特征在于，包括：
一个随机交织器和两个相同重叠重数的OVXDM编码器组成，原始输入信号为s，交织器输出为u，符号间移位间隔为ΔX；
Turbo重叠X域复用编码输出信号c(x)由上部编码器输出c1(x)的和下部编码器输出c2(x)两个部分正交叠加组成；
两个编码器的输出信号具有I/Q相位正交的特点。
CN201910907574.XA 2019-09-24 2019-09-24 一种基于最大似然迭代的Turbo重叠X域复用编译码方法 Pending CN110557126A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910907574.XA CN110557126A (zh) 2019-09-24 2019-09-24 一种基于最大似然迭代的Turbo重叠X域复用编译码方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910907574.XA CN110557126A (zh) 2019-09-24 2019-09-24 一种基于最大似然迭代的Turbo重叠X域复用编译码方法

Publications (1)

Publication Number Publication Date
CN110557126A true CN110557126A (zh) 2019-12-10

Family

ID=68741341

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910907574.XA Pending CN110557126A (zh) 2019-09-24 2019-09-24 一种基于最大似然迭代的Turbo重叠X域复用编译码方法

Country Status (1)

Country Link
CN (1) CN110557126A (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107919938A (zh) * 2016-10-10 2018-04-17 深圳超级数据链技术有限公司 一种适用于OvXDM系统的信号采样恢复方法、装置及OvXDM系统
CN107968695A (zh) * 2016-10-19 2018-04-27 深圳超级数据链技术有限公司 重叠复用系统的处理方法、装置及系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107919938A (zh) * 2016-10-10 2018-04-17 深圳超级数据链技术有限公司 一种适用于OvXDM系统的信号采样恢复方法、装置及OvXDM系统
CN107968695A (zh) * 2016-10-19 2018-04-27 深圳超级数据链技术有限公司 重叠复用系统的处理方法、装置及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
林鹏: "高频谱效率的OVXDM编码低复杂度译码算法研究", 《中国博士学位论文全文数据库信息科技辑》 *

Similar Documents

Publication Publication Date Title
Wen et al. Generalized multiple-mode OFDM with index modulation
JP4939468B2 (ja) 通信機
KR101973849B1 (ko) 순차적 스피어 디코딩을 위한 방법 및 장치
Xiao et al. Graph theory assisted bit-to-index-combination gray coding for generalized index modulation
Li et al. Superposition coded modulation based faster-than-Nyquist signaling
CN108418651B (zh) 一种双向无线供电中继系统安全传输方法
Tummala et al. Performance Analysis of LDPC Coded Massive MIMO-OFDM System
CN106130613B (zh) 一种基于酉空时码获得灵活发射分集的空间调制方法
WO2008035133A1 (en) Multiple-input-multiple-output transmission using non-binary ldpc coding
Wang et al. An orthogonal space-time coded partial response CPM system with fast decoding for two transmit antennas
CN110557126A (zh) 一种基于最大似然迭代的Turbo重叠X域复用编译码方法
Gkagkos et al. FASURA: A Scheme for Quasi-Static Fading Unsourced Random Access Channels
Mattu et al. Autoencoder based robust transceivers for fading channels using deep neural networks
CN102882654A (zh) 一种基于编码约束及概率计算的编解码同步方法
WO2009111972A1 (zh) 预编码方法和装置
Safar et al. Systematic design of space-time trellis codes for diversity and coding advantages
Lu et al. Partial tree search assisted symbol detection for massive MIMO systems
Xing et al. Research on the application of polar codes in underwater acoustic communication
Iswarya et al. A study on the adaptability of deep learning-based polar-coded noma in ultra-reliable low-latency communications
Zeng et al. Polar coded cooperative differential spatial modulation based on plotkin construction and quasi-uniform puncturing
CN113078983B (zh) 一种基于双高斯近似的llr计算方法
Rao et al. Performance analysis of autoencoders in wireless communication systems with deep learning techniques
CN114598423B (zh) 联合gmsk与ldpc的解调译码的方法、装置及介质
CN113660021B (zh) 一种偏移空间调制中的低复杂度天线选择方法
Li et al. Knowledge‐aided iterative detection and decoding for multiuser multiple‐antenna systems

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20191210

WD01 Invention patent application deemed withdrawn after publication