CN110784286A - 基于压缩感知的非正交多址接入系统的多用户检测方法 - Google Patents
基于压缩感知的非正交多址接入系统的多用户检测方法 Download PDFInfo
- Publication number
- CN110784286A CN110784286A CN201911059445.6A CN201911059445A CN110784286A CN 110784286 A CN110784286 A CN 110784286A CN 201911059445 A CN201911059445 A CN 201911059445A CN 110784286 A CN110784286 A CN 110784286A
- Authority
- CN
- China
- Prior art keywords
- time slot
- iteration
- received signal
- signal
- residual signal
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L1/00—Arrangements for detecting or preventing errors in the information received
- H04L1/004—Arrangements for detecting or preventing errors in the information received by using forward error control
- H04L1/0045—Arrangements at the receiver end
- H04L1/0047—Decoding adapted to other signal detection operation
- H04L1/0048—Decoding adapted to other signal detection operation in conjunction with detection of multiuser or interfering signals, e.g. iteration between CDMA or MIMO detector and FEC decoder
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L1/00—Arrangements for detecting or preventing errors in the information received
- H04L1/004—Arrangements for detecting or preventing errors in the information received by using forward error control
- H04L1/0045—Arrangements at the receiver end
- H04L1/0047—Decoding adapted to other signal detection operation
- H04L1/005—Iterative decoding, including iteration between signal detection and decoding operation
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种基于压缩感知的非正交多址接入系统的多用户检测方法,该方法可以应用于免授权NOMA上行传输系统中,该方法利用广义Dice系数匹配准则替代传统内积匹配准则,无需已知系统的活跃用户数便可实现多用户的检测,且提高了所选用户支撑集的准确性,从而提升了多用户检测的准确性,另外,本发明设定基于噪声能量的迭代终止阀值,及时有效地终止算法的迭代,避免了活跃用户数的欠估计与过估计,最后引入大步长快速接近,小步长精确逼近的变步长机制,提高多用户检测的速率,可以在免授权NOMA上行传输系统中对用户进行快速准确的检测。
Description
技术领域
本发明涉及通信技术领域,尤其涉及一种基于压缩感知的非正交多址接入系统的多用户检测方法。
背景技术
随着移动设备数量的不断增加以及物联网的广泛应用,海量机器类通信成为迫切需求,但采用现有通信系统将难以实现,其原因在于OMA(orthogonal multiple access,正交多址接入)技术难以满足设备的大规模连接以及基于授权的调度会导致大量的信令开销与延时。为此,学者们提出了Grant-Free NOMA(Grant-Free non-orthogonal multipleaccess,免授权非正交多址接入)系统。
在Grant-Free NOMA系统中,当没有数据发送时,用户终端将处于休眠状态;当数据来临时用户终端变为活跃状态,并且不需要基站(base station,BS)的授权就可发送数据。鉴于此,需要在基站端对用户活跃性进行检测。由于NOMA的引入增加了冲突概率,这对Grant-Free NOMA系统来说多用户检测是一个极具挑战的问题。研究表明,即使在繁忙时段,活跃用户的数量也不超过用户总数的10%,这意味着Grant-Free NOMA系统中活跃用户的状态具有稀疏性。因此,Grant-Free NOMA上行传输多用户检测问题可以转换为稀疏信号恢复问题,并利用压缩感知(compressive sensing,CS)技术解决。
目前,很多学者利用CS实现了Grant-Free NOMA上行传输系统的多用户检测。但大多数基于CS的多用户检测算法都需要已知系统活跃用户数(稀疏度)才能进行可靠检测。然而,在免授权NOMA上行传输系统中,BS在接收用户传输的数据之前,无法获取系统的活跃用户数。因此,实用性不强。
因此,如何实现不需系统活跃用户数的压缩感知多用户检测方法是免授权NOMA上行传输系统急需解决的技术问题。
发明内容
为解决上述技术问题,本发明提供一种基于压缩感知的非正交多址接入系统的多用户检测方法,本发明采用的技术方案是:
一种基于压缩感知的非正交多址接入系统的多用户检测方法,包括以下步骤:
S1:基站接收连续的J个时隙的接收信号,并针对每一时隙的接收信号获取其对应的等效信道矩阵H[j];
H[j]为N×K的矩阵,N为子载波数,K为用户数,等效信道矩阵H[j]的第n行第k列中的元素hnk=gknskn,gkn表示子载波n上用户k的信道增益,skn表示扩频序列sk的第n个分量,时隙数j=1,2,L,J,n=1,2,L,N,k=1,2,L,K;
S2:针对每一时隙的接收信号,初始化残差信号以及活跃用户数;
S3:进入第t次迭代阶段,针对每一时隙的接收信号,利用广义Dice系数匹配准则计算当前的残差信号γ[j](t)与H[j]H[n]之间的相关系数μ,并选出μ中L[j](t)个最大值所对应的索引值构成该接收信号对应的初始支撑集,其中,
μ={μn=|Dice(γ[j](t),H[j]H[n])|,n=1,2,…,N};
S[j](t)=Max(|Dice(γ[j](t-1),H[j]H[n])|,L[j](t)),n=1,2,…,N;
L[j](t)表示第j个时隙的接收信号在第t次迭代过程中的活跃用户数,γ[j](t)表示第j个时隙的接收信号在第t次迭代过程中初始的残差信号,S[j](t)表示第j个时隙的接收信号在第t次迭代过程中活跃用户数对应的初始支撑集S[j](t),H[j]H[n]表示第j个时隙的等效信道矩阵H[j]的共轭转置矩阵的第n列;
S4:将初始支撑集S[j](t)和前一次迭代过程中得到的最终支撑集F[j](t-1)进行合并更新,从而针对每一时隙的接收信号得到其在第t次迭代过程中所对应的备选支撑集C[j](t);
S6:利用获取的最终支撑集F[j](t)更新残差信号,通过以下公式进行残差信号的更新:
γ[j](t+1)表示第j个时隙的接收信号在第t次迭代过程中更新后的残差信号,
S7:针对每一时隙的接收信号,利用步骤S6中更新后的残差信号γ[j](t+1)判断当前是否满足迭代停止条件,如是,转至S8,否则,转至S9;
S8:利用步骤S6中更新后的残差信号γ[j](t+1)计算对应接收信号的恢复信号,
S9:转至S3进入下一次迭代过程,直至满足迭代停止条件。
可选的,步骤S4中通过公式C[j](t)=F[j](t-1)US[j](t)得到备选支撑集。
可选的,gkn服从分布CN(0,1),每一子载波上的高斯白噪声服从分布CN(0,δ2);
步骤S7包括:
针对每一时隙的接收信号,判断||γ[j](t+1)||2≤Nδ2是否成立,如是,则判定当前满足迭代停止条件,否则,则判定当前不满足迭代停止条件,||γ[j](t+1)||2表示对步骤S6中更新后的残差信号γ[j](t+1)求二次范数。
可选的,步骤S9中在转至S3进入下一次迭代之前还包括以下步骤:
S91:判断当前迭代过程中更新得到的残差信号的能量是否大于等于上一次迭代过程中得到的残差信号的能量,如是,转至S92,否则,转至S93;
S92:调整活跃用户数,并将调整后的活跃用户数作为下一次迭代过程中所使用的活跃用户数以进行后续的迭代;
S93:将当前迭过程中更新得到的残差信号更新为下一次迭代的初始残差信号。
可选的,步骤S2包括:
当j=1时,初始化活跃用户支撑集为空集,初始化残差信号为基站在该时隙下的接收信号,初始化活跃用户数L=1。
可选的,步骤S2包括:
当j≠1时,将前一时隙的接收信号所对应的最终的活跃用户数与0.5的乘积作为该时隙的初始化活跃用户数,初始化残差信号为基站在该时隙下的接收信号。
可选的,步骤S92包括:
S921:判断|γ[j](t+1)||2/|γ[j](t)||2≥ε1是否成立,如是,转至S922,否则,转至S923;其中,ε1表示预先设定的步长调整阈值;
S922:根据公式L[j](t+1)=L[j](t)+s1进行活跃用户数的更新;
S923:根据公式L[j](t+1)=L[j](t)+s2进行活跃用户数的更新;
其中,L(t+1)表示第j个时隙的接收信号在第t+1次迭代过程中的活跃用户数,s1>s2。
进一步地,ε1=1.2,s1=4,s2=1。
本发明提供的基于压缩感知的非正交多址接入系统的多用户检测方法可以应用于免授权NOMA上行传输系统中,该方法利用广义Dice系数匹配准则替代传统内积匹配准则,无需已知系统的活跃用户数便可实现多用户的检测,且提高了所选用户支撑集的准确性,从而提升了多用户检测的准确性。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1为基站中进行多用户检测的结构框图;
图2为基于压缩感知的非正交多址接入系统的多用户检测方法的流程示意图;
图3为实验过程中检测误码率BER性能随活跃用户个数变化的结果示意图。
具体实施方式
为了使本发明要解决的技术问题、技术方案和优点更加清楚,下面将结合附图及具体实施例进行详细描述,应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本实施例提供一种基于压缩感知的非正交多址接入系统的多用户检测方法,该方法可以应用于免授权NOMA上行传输系统,首先,对实施例提供的基于压缩感知的多用户检测方法的整体结构图进行描述。请参见图1所示,基站包括预处理模块和活跃用户检测模块。
预处理模块用于接收用户终端发送过来的接收信号,并获取对应接收信号的等效信道矩阵。
设基站第n个子载波上的接收信号为:
其中,gkn表示子载波n上用户k的信道增益,skn表示扩频序列sk的第n个分量,xk表示用户k的发送信号,时隙数j=1,2,L,J,n=1,2,L,N,k=1,2,L,K,vn表示子载波n上的高斯白噪声且服从分布CN(0,δ2)。
因此,基站处N个子载波的接收信号矢量可表示为:
y=hx+v
其中,y=[y1y2…yN]T是N个子载波所接收的叠加信号;h是大小为N×K的等效信道矩阵,其第n行第k列中的元素hnk=gknskn,即信道增益与扩频信息的乘积;x=[x1x2…xK]T是来自所有K个用户的发送信号;v=[v1v2…vN]T表示均值为0和协方差为δ2IN的高斯白噪声向量。
进而,在预设定的J个连续时隙数内,基站的接收信号为Y=[y[1]y[2]…y[J]]
其中,y[j]为第j个时隙的接收信号,其表达式为:
y[j]=H[j]x[j]+v[j],j=1,2,…,J
其中,x[j]=[x1,jx2,j…xK,j]T为第j个时隙的发送信号,xK,j为第j个时隙内第k个用户发送的信号;H[j]为第j个时隙的等效信道矩阵;v[j]为第j个时隙的高斯白噪声。
活跃用户检测模块包括初始化单元、迭代更新单元、迭代终止条件判断单元、步长调整单元。
其中,初始化单元用于迭代检测初始化,迭代更新单元用于进行支撑集迭代与残差信号更新,迭代终止条件判断单元用于判断是否终止迭代,步长调整单元用于进行步长调整。
应当说明的是,这里的步长是指的活跃用户数,下面对本实施例提供的基于压缩感知的非正交多址接入系统的多用户检测方法进行具体的阐述,请参见图2所示,包括以下步骤:
S1:基站接收连续的J个时隙的接收信号,并针对每一时隙的接收信号获取其对应的等效信道矩阵H[j];
H[j]为N×K的矩阵,N为子载波数,K为用户数,等效信道矩阵H[j]的第n行第k列中的元素hnk=gknskn,gkn表示子载波n上用户k的信道增益,skn表示扩频序列sk的第n个分量,时隙数j=1,2,L,J,n=1,2,L,N,k=1,2,L,K;
S2:针对每一时隙的接收信号,初始化残差信号以及活跃用户数;
优选的,在步骤S2中初始化迭代次数t=1,针对每一时隙的接收信号,可以将该接收信号作为其对应的初始的残差信号。
S3:进入迭代阶段,针对每一时隙的接收信号,利用广义Dice系数匹配准则计算当前的残差信号γ[j](t)与H[j]H[n]之间的相关系数μ,并选出μ中L[j](t)个最大值所对应的索引值构成该接收信号对应的初始支撑集,其中,
μ={μn=|Dice(γ[j](t),H[j]H[n])|,n=1,2,…,N};
S[j](t)=Max(|Dice(γ[j](t),H[j]H[n])|,L[j](t)),n=1,2,…,N;
L[j](t)表示第j个时隙的接收信号在第t次迭代过程中的活跃用户数,γ[j](t)表示第j个时隙的接收信号在第t次迭代过程中初始的残差信号,S[j](t)表示第j个时隙的接收信号在第t次迭代过程中对应的初始支撑集S[j](t),H[j]H[n]表示第j个时隙的等效信道矩阵H[j]的共轭转置矩阵的第n列;
S4:将初始支撑集S[j](t)和前一次迭代过程中得到的最终支撑集F[j](t-1)进行合并更新,从而针对每一时隙的接收信号得到其在第t次迭代过程中所对应的备选支撑集C[j](t);
具体的,在步骤S4中,可以通过公式C[j](t)=F[j](t-1)US[j](t)得到备选支撑集。
S5:通过回溯从中选取L[j](t)个最大值所对应的索引值放入最终支撑集F[j](t),其中,
S6:利用获取的最终支撑集F[j](t)更新残差信号,通过以下公式进行残差信号的更新:
γ[j](t+1)表示第j个时隙的接收信号在第t次迭代过程中更新后的残差信号,表示第j个时隙的等效信道矩阵H[j]在最终支撑集F[j](t)下的逆矩阵,表示第j个时隙的等效信道矩阵H[j]在最终支撑集F[j](t)下的矩阵;
S7:针对每一时隙的接收信号,利用步骤S6中更新后的残差信号γ[j](t+1)判断当前是否满足迭代停止条件,如是,转至S8,否则,转至S9;
在步骤S7中可以针对每一时隙的接收信号,判断||γ[j](t+1)||2是否小于等于噪声能量,本实施例中的噪声能量可以通过信噪比确定,也即是判断||γ[j](t+1)||2≤Nδ2是否成立,如是,则判定当前满足迭代停止条件,否则,则判定当前不满足迭代停止条件,||γ[j](t+1)||2表示对步骤S6中更新后的残差信号γ[j](t+1)求二次范数,也即得到更新后的残差信号的能量。
S8:利用步骤S6中更新后的残差信号γ[j](t+1)计算对应接收信号的恢复信号;
S9:转至S3进入下一次迭代过程,直至满足迭代停止条件。
应当理解的是,针对每一时隙的接收信号,在完成第t次迭代后,再转至S3进行下一次迭代时,应当将迭代次数t更新为t+1。
在一些实施例中,步骤S9中在转至S3进入下一次迭代之前还可以包括以下步骤:
S91:判断当前迭代过程中更新得到的残差信号的能量是否大于等于上一次迭代过程中得到的残差信号的能量,如是,转至S92,否则,转至S93;
也即针对每一时隙的接收信号,判断|γ[j](t+1)||2≥|||γ[j](t)||2是否成立。
S92:调整活跃用户数,并将调整后的活跃用户数作为下一次迭代过程中所使用的活跃用户数以进行后续的迭代;
S93:将当前迭过程中更新得到的残差信号更新为下一次迭代的初始残差信号。
可以理解的是,第t次迭代过程中更新后的残差信号γ[j](t+1)也即为第t次迭代过程中最终的残差信号,也即为该时隙对应的接收信号在第t+1次迭代过程中的初始残差信号,所以在第t+1次迭代过程中,应当计算γ[j](t+1)与H[j]H[n]之间的相关系数μ。
这里对步骤S2中的初始化过程进行说明:
当j=1时,可以初始化活跃用户支撑集为空集,初始化残差信号为基站在该时隙下的接收信号,初始化活跃用户数L=1;
当j≠1时,可以将前一时隙的接收信号所对应的最终的活跃用户数与0.5的乘积作为该时隙的初始化活跃用户数,初始化残差信号为基站在该时隙下的接收信号。
这里需要对最终的活跃用户数进行说明,第j个时隙的最终活跃用户数是指其在满足最终迭代停止条件时所对应的最终活跃用户数。
上述提及的变步长单元可以通过前后两次迭代分别得到的残差信号能量与设定步长调整阀值ε1的关系来调整步长,具体的,步骤S92包括:
S921:判断|γ[j](t+1)||2/|γ[j](t)||2≥ε1是否成立,如是,转至S922,否则,转至S923;其中,ε1表示预先设定的步长调整阈值;
S922:根据公式L[j](t+1)=L[j](t)+s1进行活跃用户数的更新;
S923:根据公式L[j](t+1)=L[j](t)+s2进行活跃用户数的更新;
其中,L(t+1)表示第j个时隙的接收信号在第t+1次迭代过程中的活跃用户数,也即表示第j个时隙的接收信号对应的第t+1次迭代过程中所使用的步长。
图2中示出了对j个时隙的接收信号进行迭代处理重构其对应的恢复信号的过程,只要重复上述过程便可得到J个时隙对应的恢复信号。
可选的,本实施例中的ε1=1.2,s1=4,s2=1。
本发明实施例提供的基于压缩感知的非正交多址接入系统的多用户检测方法能够在未知系统活跃用户数的情况下实现免授权NOMA上行传输系统的多用户检测,其原因在于所提多用户检测方法利用稀疏度自适应匹配算法实现系统活跃用户数的自适应匹配;同时针对稀疏度自适应匹配算法的缺点利用广义Dice系数匹配准则提升原子匹配过程的准确性,消除了内积匹配准则带来的误差以及引入大步长快速迭代,小步长确保精度的方式逐步逼近真实活跃用户数的变步长机制对稀疏度自适应匹配算法进行改进使得本发明实施例提供的多用户检测方法的在相同信噪比SNR条件下的误码率BER性能优于传统基于CS的多用户检测方法。
应当说明的是,本实施例所提供的多用户检测方法适用于任何场景下的免授权NOMA上行传输系统中,且尤其适用于IoT场景下的免授权NOMA上行传输系统,为验证上述方法的有效性,将该多用户检测方法应用于IOT场景下的免授权NOMA上行传输系统中进行了实验,在信噪比SNR为2dB的前提下,分析本发明实施例提供的多用户检测方法误码率BER性能随活跃用户数变化的情况,并与其他多用户检测方法进行比较。具体的仿真参数如下表1所示:
表1
图3中的CS-MUD表示基于压缩感知的多用户检测,DCS-based MUD表示基于动态压缩感知多用户检测,oracle LS表示理想的最小二乘法多用户检测,Modified Samp-basedMUD为本发明提供的多用户检测方法,由图3可以知道,
随着活跃用户数(稀疏度)的增长,四种算法的误码率BER都会逐渐上升。这是因为基于压缩感知信号重构算法的恢复性能高度依赖于稀疏度水平。当稀疏度小于20时,本发明实施例提供的多用户检测方法的误码率BER比其他两种多用户检测算法低,且接近10-5。虽然当稀疏度大于35时,三种多用户检测算法的误码率均大于10-1,但是本发明实施例提供的多用户检测方法整个稀疏度变化范围类均优于其他两种算法。其主要是因为设定了准确的迭代终止阀值与引入了自适应变步长机制有效地提高了活跃用户数估计的准确性,从而提高活跃用户支撑集的准确性。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
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上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。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,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
上面结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,这些均属于本发明的保护之内。
Claims (9)
1.一种基于压缩感知的非正交多址接入系统的多用户检测方法,其特征在于,包括以下步骤:
S1:基站接收连续的J个时隙的接收信号,并针对每一时隙的接收信号获取其对应的等效信道矩阵H[j];
H[j]为N×K的矩阵,N为子载波数,K为用户数,等效信道矩阵H[j]的第n行第k列中的元素hnk=gknskn,gkn表示子载波n上用户k的信道增益,skn表示扩频序列sk的第n个分量,时隙数j=1,2,L,J,n=1,2,L,N,k=1,2,L,K;
S2:针对每一时隙的接收信号,初始化残差信号以及活跃用户数;
S3:进入第t次迭代阶段,针对每一时隙的接收信号,利用广义Dice系数匹配准则计算当前的残差信号γ[j](t)与H[j]H[n]之间的相关系数μ,并选出μ中L[j](t)个最大值所对应的索引值构成该接收信号对应的初始支撑集,其中,
μ={μn=|Dice(γ[j](t),H[j]H[n])|,n=1,2,…,N};
S[j](t)=Max(|Dice(γ[j](t),H[j]H[n])|,L[j](t)),n=1,2,…,N;
L[j](t)表示第j个时隙的接收信号在第t次迭代过程中的活跃用户数,γ[j](t)表示第j个时隙的接收信号在第t次迭代过程中初始的残差信号,S[j](t)表示第j个时隙的接收信号在第t次迭代过程中活跃用户数对应的初始支撑集S[j](t),H[j]H[n]表示第j个时隙的等效信道矩阵H[j]的共轭转置矩阵的第n列;
S4:将初始支撑集S[j](t)和前一次迭代过程中得到的最终支撑集F[j](t-1)进行合并更新,从而针对每一时隙的接收信号得到其在第t次迭代过程中所对应的备选支撑集C[j](t);
S6:利用获取的最终支撑集F[j](t)更新残差信号,通过以下公式进行残差信号的更新:
γ[j](t+1)表示第j个时隙的接收信号在第t次迭代过程中更新后的残差信号,表示第j个时隙的等效信道矩阵H[j]在最终支撑集F[j](t)下的逆矩阵,表示第j个时隙的等效信道矩阵H[j]在最终支撑集F[j](t)下的矩阵;
S7:针对每一时隙的接收信号,利用步骤S6中更新后的残差信号γ[j](t+1)判断当前是否满足迭代停止条件,如是,转至S8,否则,转至S9;
S8:利用步骤S6中更新后的残差信号γ[j](t+1)计算对应接收信号的恢复信号;
S9:转至S3进入下一次迭代过程,直至满足迭代停止条件。
2.如权利要求1所述的基于压缩感知的非正交多址接入系统的多用户检测方法,其特征在于,步骤S4中通过公式C[j](t)=F[j](t-1)US[j](t)得到备选支撑集。
3.如权利要求1所述的基于压缩感知的非正交多址接入系统的多用户检测方法,其特征在于,gkn服从分布CN(0,1),每一子载波上的高斯白噪声服从分布CN(0,δ2);
步骤S7包括:
针对每一时隙的接收信号,判断|||γ[j](t+1)||2≤Nδ2是否成立,如是,则判定当前满足迭代停止条件,否则,则判定当前不满足迭代停止条件,||γ[j](t+1)||2表示对步骤S6中更新后的残差信号γ[j](t+1)求二次范数。
5.如权利要求1-4任一项所述的基于压缩感知的非正交多址接入系统的多用户检测方法,其特征在于,步骤S9中在转至S3进入下一次迭代之前还包括以下步骤:
S91:判断当前迭代过程中更新得到的残差信号的能量是否大于等于上一次迭代过程中得到的残差信号的能量,如是,转至S92,否则,转至S93;
S92:调整活跃用户数,并将调整后的活跃用户数作为下一次迭代过程中所使用的活跃用户数以进行后续的迭代;
S93:将当前迭过程中更新得到的残差信号更新为下一次迭代的初始残差信号。
6.如权利要求5所述的基于压缩感知的非正交多址接入系统的多用户检测方法,其特征在于,步骤S2包括:
当j=1时,初始化活跃用户支撑集为空集,初始化残差信号为基站在该时隙下的接收信号,初始化活跃用户数L=1。
7.如权利要求6所述的基于压缩感知的非正交多址接入系统的多用户检测方法,其特征在于,步骤S2包括:
当j≠1时,将前一时隙的接收信号所对应的最终的活跃用户数与0.5的乘积作为该时隙的初始化活跃用户数,初始化残差信号为基站在该时隙下的接收信号。
8.如权利要求5所述的基于压缩感知的非正交多址接入系统的多用户检测方法,其特征在于,步骤S92包括:
S921:判断|γ[j](t+1)||2/|γ[j](t)||2≥ε1是否成立,如是,转至S922,否则,转至S923;其中,ε1表示预先设定的步长调整阈值;
S922:根据公式L[j](t+1)=L[j](t)+s1进行活跃用户数的更新;
S923:根据公式L[j](t+1)=L[j](t)+s2进行活跃用户数的更新;
其中,L(t+1)表示第j个时隙的接收信号在第t+1次迭代过程中的活跃用户数,s1>s2。
9.如权利要求8所述的基于压缩感知的非正交多址接入系统的多用户检测方法,其特征在于,ε1=1.2,s1=4,s2=1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911059445.6A CN110784286B (zh) | 2019-11-01 | 2019-11-01 | 基于压缩感知的非正交多址接入系统的多用户检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911059445.6A CN110784286B (zh) | 2019-11-01 | 2019-11-01 | 基于压缩感知的非正交多址接入系统的多用户检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110784286A true CN110784286A (zh) | 2020-02-11 |
CN110784286B CN110784286B (zh) | 2022-05-03 |
Family
ID=69388904
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911059445.6A Active CN110784286B (zh) | 2019-11-01 | 2019-11-01 | 基于压缩感知的非正交多址接入系统的多用户检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110784286B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113067667A (zh) * | 2021-02-04 | 2021-07-02 | 宁波大学 | 一种用户活跃性和多用户联合检测方法 |
CN113067666A (zh) * | 2021-02-04 | 2021-07-02 | 宁波大学 | Noma系统的用户活跃性和多用户联合检测方法 |
CN114423033A (zh) * | 2022-01-17 | 2022-04-29 | 南京工业大学 | 基于vssamp的抗干扰多用户检测算法及其设计方法 |
CN114826480A (zh) * | 2022-03-11 | 2022-07-29 | 南京邮电大学 | 大频偏环境下非正交多址接入系统的信号检测方法及装置 |
CN116032317A (zh) * | 2023-01-09 | 2023-04-28 | 西南交通大学 | 一种免授权的联合活跃用户与数据检测方法 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2763367A1 (en) * | 2013-02-04 | 2014-08-06 | BlackBerry Limited | System and Method for Frequency Offset Estimation Signals Containing Multi-User Symbols |
US20140286497A1 (en) * | 2013-03-15 | 2014-09-25 | Broadcom Corporation | Multi-microphone source tracking and noise suppression |
WO2015024056A1 (en) * | 2013-08-21 | 2015-02-26 | University Of South Australia | A multiuser communications system |
CN105281779A (zh) * | 2015-11-04 | 2016-01-27 | 哈尔滨工业大学 | 多观测值向量稀疏度自适应压缩采样匹配追踪方法 |
WO2018064582A1 (en) * | 2016-09-30 | 2018-04-05 | Intel IP Corporation | Grant-free uplink non-orthogonal multiple access transmissions |
CN108880557A (zh) * | 2018-05-25 | 2018-11-23 | 宿州学院 | 基于压缩感知的稀疏度自适应变步长匹配追踪方法 |
CN109039960A (zh) * | 2018-06-26 | 2018-12-18 | 东南大学 | 一种水声稀疏信道估计变步长稀疏度自适应匹配追踪方法 |
CN109067502A (zh) * | 2018-09-11 | 2018-12-21 | 无锡北邮感知技术产业研究院有限公司 | 基于动态自适应压缩感知的多用户检测方法及电子设备 |
CN109347532A (zh) * | 2018-12-20 | 2019-02-15 | 重庆邮电大学 | 广义空间调制系统中改进的gomp检测算法 |
CN109474388A (zh) * | 2018-12-28 | 2019-03-15 | 重庆邮电大学 | 基于改进梯度投影法的低复杂度mimo-noma系统信号检测方法 |
CN109495198A (zh) * | 2019-01-25 | 2019-03-19 | 西安电子科技大学 | 基于残差相关矩阵检测的欠采样频谱感知方法 |
CN109981219A (zh) * | 2019-03-14 | 2019-07-05 | 电子科技大学 | 一种基于分布式压缩感知的非正交多址系统信号检测方法 |
CN110011775A (zh) * | 2019-03-22 | 2019-07-12 | 安徽师范大学 | 联合实现活动用户检测及其信道估计方法及其系统 |
CN110061744A (zh) * | 2019-04-11 | 2019-07-26 | 池州学院 | 一种基于压缩感知理论的电能质量信号自适应重构方法 |
CN110071881A (zh) * | 2019-04-26 | 2019-07-30 | 北京理工大学 | 一种自适应开销的活跃用户检测和信道估计方法 |
-
2019
- 2019-11-01 CN CN201911059445.6A patent/CN110784286B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2763367A1 (en) * | 2013-02-04 | 2014-08-06 | BlackBerry Limited | System and Method for Frequency Offset Estimation Signals Containing Multi-User Symbols |
US20140286497A1 (en) * | 2013-03-15 | 2014-09-25 | Broadcom Corporation | Multi-microphone source tracking and noise suppression |
WO2015024056A1 (en) * | 2013-08-21 | 2015-02-26 | University Of South Australia | A multiuser communications system |
EP3036837A1 (en) * | 2013-08-21 | 2016-06-29 | University Of South Australia | A multiuser communications system |
US20160204852A1 (en) * | 2013-08-21 | 2016-07-14 | University Of South Australia | A Multiuser Communications System |
CN105281779A (zh) * | 2015-11-04 | 2016-01-27 | 哈尔滨工业大学 | 多观测值向量稀疏度自适应压缩采样匹配追踪方法 |
WO2018064582A1 (en) * | 2016-09-30 | 2018-04-05 | Intel IP Corporation | Grant-free uplink non-orthogonal multiple access transmissions |
CN108880557A (zh) * | 2018-05-25 | 2018-11-23 | 宿州学院 | 基于压缩感知的稀疏度自适应变步长匹配追踪方法 |
CN109039960A (zh) * | 2018-06-26 | 2018-12-18 | 东南大学 | 一种水声稀疏信道估计变步长稀疏度自适应匹配追踪方法 |
CN109067502A (zh) * | 2018-09-11 | 2018-12-21 | 无锡北邮感知技术产业研究院有限公司 | 基于动态自适应压缩感知的多用户检测方法及电子设备 |
CN109347532A (zh) * | 2018-12-20 | 2019-02-15 | 重庆邮电大学 | 广义空间调制系统中改进的gomp检测算法 |
CN109474388A (zh) * | 2018-12-28 | 2019-03-15 | 重庆邮电大学 | 基于改进梯度投影法的低复杂度mimo-noma系统信号检测方法 |
CN109495198A (zh) * | 2019-01-25 | 2019-03-19 | 西安电子科技大学 | 基于残差相关矩阵检测的欠采样频谱感知方法 |
CN109981219A (zh) * | 2019-03-14 | 2019-07-05 | 电子科技大学 | 一种基于分布式压缩感知的非正交多址系统信号检测方法 |
CN110011775A (zh) * | 2019-03-22 | 2019-07-12 | 安徽师范大学 | 联合实现活动用户检测及其信道估计方法及其系统 |
CN110061744A (zh) * | 2019-04-11 | 2019-07-26 | 池州学院 | 一种基于压缩感知理论的电能质量信号自适应重构方法 |
CN110071881A (zh) * | 2019-04-26 | 2019-07-30 | 北京理工大学 | 一种自适应开销的活跃用户检测和信道估计方法 |
Non-Patent Citations (6)
Title |
---|
BICHAI WANG等: "Dynamic Compressive Sensing-Based Multi-User Detection for Uplink Grant-Free NOMA", 《IEEE COMMUNICATIONS LETTERS》 * |
MINGDONG ZHU等: "Dice Coefficient Matching-Based Sparsity Adaptive Matching Pursuit Algorithm for the Digital Predistortion Model Pruning", 《2018 IEEE 18TH INTERNATIONAL CONFERENCE ON COMMUNICATION TECHNOLOGY(ICCT)》 * |
李明玉等: "基于Dice系统匹配的稀疏度自适应预失真器设计", 《第五届高分辨率对地观测学术年会论文集》 * |
王福驰等: "一种改进的稀疏度自适应匹配追踪算法", 《计算机科学》 * |
范彬等: "基于免调度非正交多址系统的稀疏多用户检测方法", 《广东通信技术 通信热点》 * |
赵晓娟等: "一种稀疏度自适应的SIMO-NOMA系统多用户检测算法", 《电子技术应用 通信与网络》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113067667A (zh) * | 2021-02-04 | 2021-07-02 | 宁波大学 | 一种用户活跃性和多用户联合检测方法 |
CN113067666A (zh) * | 2021-02-04 | 2021-07-02 | 宁波大学 | Noma系统的用户活跃性和多用户联合检测方法 |
CN113067667B (zh) * | 2021-02-04 | 2022-05-20 | 宁波大学 | 一种用户活跃性和多用户联合检测方法 |
CN113067666B (zh) * | 2021-02-04 | 2022-05-20 | 宁波大学 | Noma系统的用户活跃性和多用户联合检测方法 |
CN114423033A (zh) * | 2022-01-17 | 2022-04-29 | 南京工业大学 | 基于vssamp的抗干扰多用户检测算法及其设计方法 |
CN114423033B (zh) * | 2022-01-17 | 2023-08-08 | 南京工业大学 | 基于vssamp的抗干扰多用户检测算法及其设计方法 |
CN114826480A (zh) * | 2022-03-11 | 2022-07-29 | 南京邮电大学 | 大频偏环境下非正交多址接入系统的信号检测方法及装置 |
CN114826480B (zh) * | 2022-03-11 | 2023-07-18 | 南京邮电大学 | 大频偏环境下非正交多址接入系统的信号检测方法及装置 |
CN116032317A (zh) * | 2023-01-09 | 2023-04-28 | 西南交通大学 | 一种免授权的联合活跃用户与数据检测方法 |
CN116032317B (zh) * | 2023-01-09 | 2024-04-02 | 西南交通大学 | 一种免授权的联合活跃用户与数据检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110784286B (zh) | 2022-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110784286B (zh) | 基于压缩感知的非正交多址接入系统的多用户检测方法 | |
CN110071881B (zh) | 一种自适应开销的活跃用户检测和信道估计方法 | |
CN111010249B (zh) | 一种角度时延域信道预测方法、预测系统及应用 | |
TWI236807B (en) | Adaptive algorithm for a Cholesky approximation | |
CN110932807B (zh) | 一种非高斯噪声下mimo系统的频谱感知方法及系统 | |
CN111800795B (zh) | 一种认知无人机网络中非高斯噪声下频谱感知方法 | |
CN112242861A (zh) | 大规模mimo系统的用户活跃性和信号联合检测方法 | |
CN111224779B (zh) | 基于码本的物理层密钥生成方法、装置、存储介质及终端 | |
CN109768816B (zh) | 一种非高斯噪声3d-mimo系统数据检测方法 | |
CN114268388B (zh) | 一种在大规模mimo中基于改进gan网络的信道估计方法 | |
CN111478749A (zh) | 基于优化初值快收敛mimo迭代检测方法、系统及应用 | |
CN108566227B (zh) | 一种多用户检测方法 | |
WO2022089217A1 (zh) | 密钥生成方法、装置、电子设备及存储介质 | |
CN111031611A (zh) | 一种基于非授权的导频随机接入方法 | |
CN113067666B (zh) | Noma系统的用户活跃性和多用户联合检测方法 | |
CN114500322A (zh) | 免授权大规模接入场景下设备活跃检测和信道估计方法 | |
CN111901266B (zh) | 面向低信噪比和高动态场景的载波多普勒频偏捕获方法 | |
KR101497975B1 (ko) | 다중 입출력 통신 시스템을 위한 교란 벡터를 이용한 디코더 및 디코딩 방법 | |
CN114362851B (zh) | 一种基于机器学习的无线信道数据去噪方法 | |
CN114980086A (zh) | 模型训练、密钥生成方法、训练设备、通信方及系统 | |
CN109067502B (zh) | 基于动态自适应压缩感知的多用户检测方法及电子设备 | |
CN112910518A (zh) | 无人机通信中非高斯噪声下mimo系统发射天线数估计方法 | |
CN115051895B (zh) | 一种联合M估计和K-means算法的扩频序列盲估计方法及系统 | |
CN104952046B (zh) | 基于统计的图像压缩感知低复杂度还原方法 | |
CN112073135B (zh) | 一种集中式频谱感知方法、系统、储存介质及通信设备 |
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 |