CN110808824A - 低轨卫星星地链路的高谱效稀疏码多址接入方法 - Google Patents

Abstract

低轨卫星星地链路的高谱效稀疏码多址接入方法,涉及信息与通信技术领域,是为了解决低轨卫星物联网频谱资源紧张问题。本发明针对低轨卫星物联网频谱资源紧张问题，提出低轨卫星星地链路的高谱效稀疏码多址接入方法，将高谱效频分复用技术取代传统的正交频分复用，在发送端使载波间隔压缩，实现对海量终端用户广域覆盖和对频谱资源的高效利用，此方法相比于传统的稀疏码多址接入方法具有更高的频谱效率性能。

Description

低轨卫星星地链路的高谱效稀疏码多址接入方法

技术领域

本发明涉及信息与通信技术领域，具体涉及卫星星地链路的高谱效稀疏码多址接入方法。

背景技术

在未来卫星物联网战略背景下，对星地链路通信有着更高的要求，伴随着物联网的兴起，提供物联网接入能力的设备类型以及数目正发生着剧烈的变化，但由于地面物联网主要覆盖业务相对密集的城市、郊区等地区，覆盖范围十分有限，在一些诸如沙漠、森林、山区、海洋等特殊环境，地面物联网无法完全覆盖，这限制了物联网的应用和发展，因此，仅靠地面通信网不能满足社会发展的需求，需要将卫星通信网与地面通信网相互结合，才能真正实现全球覆盖。

面对着实现跨地域大范围通信的需求，构建卫星物联网很重要的因素就是卫星星座规划，在卫星轨道的选择上，相对于传统的高地球轨道(GEO)卫星和中地球轨道(MEO)卫星，采用低地球轨道(LEO)卫星实现卫星物联网具有很多优势，一方面卫星的轨道高度低，将能够降低传播时延，提高消息的时效性，路径损耗小，有助于终端的小型化，通过多颗低轨卫星构成星座实现全球无缝覆盖(含两极)，提高卫星物联网的覆盖范围，解决特定地形内通信效果不佳问题，缓解GEO卫星轨道位置和频率协调难度大的问题；另一方面蜂窝通信、多址、点波束、频率复用等技术也为低轨道卫星移动通信提供了技术保障，因此，在未来信息网络中，将低轨卫星与物联网结合起来可以有力地弥补地面通信网的不足，解决全球覆盖问题，从而大大扩展物联网的应用范围。

空间网络在覆盖范围和移动接入等方面与地面网络具有极强的互补关系，随着地面互联网、移动通信网络和空间网络的业务逐渐融合，近年来通过采用互联网技术实现空间网络与地面网络在协议体系层面的一体化融合演进，从而构建覆盖全球的卫星物联网络，不仅是网络技术的发展趋势，也是国际互联网巨头争夺的焦点，更与中国的全球化国家战略密切相关。

然而，低轨卫星物联网面临全球空-天-地大规模终端的连接、海量数据访问和异构网络环境，满足大量用户同时接入并且实时通信需求，同时这也引发了巨大的频谱资源压力和带宽效率问题，在这种情况下，这些巨大的挑战和迫切的需求将深刻影响卫星物联网的接入方案的设计，低轨卫星物联网迫切需要一种可接入海量终端、低时延传输并提升频谱效率的多址接入技术，满足低轨卫星物联网日益增长的发展需求，已经提出的非正交多址接入(Non-orthogonal Multiple Access,NOMA)作为用于多址的有效方法，可实现多用户接入，提升频谱效率，可实现比传统正交多址接入(Orthogonal Multiple Access,OMA)更好的系统性能，可作为未来低轨卫星物联网的多址接入方式。

稀疏码分多址技术(Sparse Code Multiple Access,SCMA)作为NOMA的一个种类，可通过预定义的多维扩频码，把比特信号进行高阶扩频，将每个用户的信息分散到不同的资源块上，首先每个用户都使用预定义的码本进行信号的调制，这将使接收的基站侧可以直接的从信号的资源块占用情况来对用户进行判断，这免除了繁杂的接入申请与资源申请过程，能够使用户快速的接入系统，同时通过对多维码本的设计，增大码本的压缩比，可以使一个资源块复用更多的用户，这使得原本紧张的频谱资源情况得到缓解，满足了海量用户接入的需求，但满足用户高速传输的需求，则需要拥有高速并且可靠的信号解码能力，目前使用较多的是基于信息传递算法(Message Passing Algorithm,MPA)的SCMA解调算法[9]，该算法利用信号与参考星座点的欧式距离与比特信息可能出现的权重两个关键参数进行迭代，通过计算每个信息的LLR信息，进行最终的判别解码，该解码算法目前有着循环次数过高、算法硬件资源占用多且实现困难的现状，这给未来低轨卫星物联网中需要进行大规模数据传输带来了困难。

另一个困难在于空口中的载波分配，因为需要进行海量的用户接入，该系统的带宽仍旧需要节省并采用频谱利用率高的载波分配方案，才能对时频资源进行更好利用，在传统OFDM体制中，子载波间相互正交，这很难满足未来通信网络下的频谱利用要求，由Izzat Darwazeh团队基于OFDM系统的提出的高效频分复用技术(Spectrally EfficientFrequency Division multiplexing,SEFDM)，通过破坏子载波间的正交性继续压缩子载波之间的距离，获得更好的传输效率，这部分技术会带来载波间干扰的加大，会使解调变得十分复杂，甚至需要引入基于迭代检测的算法，来使接收到的存在串扰的星座点进行收敛，最终完成解调，这二者结合可最大限度的利用频谱资源，但同时也给接收端带来了很大的解码困难，在短时间内进行高速可靠的解码成为该系统的最大问题。

发明内容

本发明是为了解决低轨卫星物联网频谱资源紧张问题,从而提供一种低轨卫星星地链路的高谱效稀疏码多址接入方法。

低轨卫星星地链路的高谱效稀疏码多址接入方法，其特征是：在面向低轨卫星物联网场景下,设J个用户共享N个资源块，并且J＞N；J、N均为正整数；

其信号发射方法包括以下步骤：

步骤一、对J个用户的信息比特进行信道编码与交织；获得信道编码后信号；

步骤二、对步骤一获得的信道编码后的信号进行SCMA编码；获得SCMA编码后信号；

步骤三、对步骤二获得的SCMA编码后信号进行SEFDM调制；获得SEFDM调制后信号；

步骤四、对步骤三获得的SEFDM调制后信号s进行发送前信道处理，并发送至无线信道；

步骤五、对步骤三获得的SEFDM调制后信号进行发送前信道处理；获得发送信号；

其信号接收方法包括以下步骤：

步骤六、利用接收机从无线信道接收步骤五发送的发送信号，并进行与步骤五对应的信道处理，获得接收信号y；

步骤七、对步骤六获得的接收信号y进行频域处理，获得频域下的接收信号；

步骤八、对步骤七获得的频域下的接收信号进行SEFDM解调，获得SEFDM解调后接收信号；

步骤九、将步骤八获得的SEFDM解调后接收信号进行迭代检测，获得迭代检测后信号；

步骤十、将步骤九获得的迭代检测后的信号进行SCMA译码；获得SCMA译码后信号；

步骤十一、将步骤九获得的检测后信号进行信道解码；获得J个用户的信息的原始比特信息；完成一次低轨卫星星地链路的高谱效稀疏码多址接入。

本发明针对低轨卫星物联网频谱资源紧张问题，提出低轨卫星星地链路的高谱效稀疏码多址接入方法，将高谱效频分复用技术取代传统的正交频分复用，在发送端使载波间隔压缩，实现对海量终端用户广域覆盖和对频谱资源的高效利用，此方法相比于传统的稀疏码多址接入方法具有更高的频谱效率性能，其次，面对低轨星地链路信道干扰，通过对系统的频域处理，利用了圆周卷积时域卷积在频域是乘积的特性，可以重构检测端的失真矩阵，从而正常采用迭代算法降低载波间的干扰，从而提升系统的性能，最后，由于高谱效稀疏码多址接入系统中，多个用户的信息会叠加在一个资源块上，因此需要联合多用户译码算法来检测多用户的信息，本方法采用了又采用了具有对数域特性的Log-MPA来降低复杂度，能够满足实际的应用需求。

附图说明

图1为本发明的低轨卫星星地链路Lutz信道的高谱效稀疏码多址接入方法的通信原理示意图。

图2为检测端迭代检测算法。

图3为AWGN信道下高谱效稀疏码多址接入系统的BER性能示意图。

图4为本发明的低轨卫星星地链路Lutz信道高谱效稀疏码多址接入系统BER性能示意图。

图5为本发明的Lutz和AWGN信道下高谱效稀疏码多址接入系统的BER性能示意图，其中α＝4/5。

图6为本发明的高谱效稀疏码多址接入的频谱效率性能示意图，其中：λ＝150％。

图7为本发明的高谱效稀疏码多址接入的频谱效率性能示意图，其中：λ＝250％。

图8为本发明的高谱效稀疏码多址接入系统的频谱效率性能示意图，其中：α＝4/5。

图9为本发明的两种检测方案的乘法(CCRR)复杂度对比示意图。

图10为本发明的两种检测方案的加法(CCRR)复杂度对比示意图。

图11为本发明的两种检测方案的指数(CCRR)复杂度对比示意图。

具体实施方式

下面将结合图1至图11对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

系统模型

面向低轨卫星物联网场景，结合之前提出的高谱效稀疏码多址接入系统模型，提出低轨卫星星地链路Lutz信道下的高谱效稀疏码多址接入方法，如图1所示，系统模型的参数如表1所示，假设J个用户共享N个资源块，并且J＞N，高谱效稀疏码多址接入系统的过载因子被定义为λ＝J/N。

信道编码与交织

对于用户j,L_b个信息比特通过信道编码器被编码为L_c个编码比特

其编码率为R＝L_b/L_c，在信道编码器和SCMA编码器之间使用交织器以减少编码比特和突发错误之间的相关性，交织器Π_j对编码比特c_j进行交织并映射为相应的符号

SCMA编码

SCMA编码器被定义为f:

其中x＝f(a)，一个SCMA信号通过映射log₂|M|个比特到一个尺寸为M的N维复数码本得到，N维的复数码字x具有Z个非零行的稀疏向量，其中Z＜N，根据码字的稀疏性，SCMA编码器还可以进一步被定义为f:≡Vg，其中g将每个用户的二进制输入比特编码为Z维非零码字，而映射矩阵V∈B^N×Z将Z维非零码字变换为N维稀疏码字，通过SCMA编码器将交织的编码比特a_j映射为相应的SCMA信号x_j＝[x_0,j,x_1,j,...,x_N-1,j]，并且符号长度变为L_x＝L_c/log₂|M|。

表1SCMA-SEFDM系统模型参数

Table 1SCMA-SEFDM system model parameters

令一个J*N的矩阵F＝[f₁,...,f_J]来表示SCMA系统中的资源分配方式，其中F中只含有0和1，如果f_n,j＝1，那么信号将会从用户j发送至资源块n，f_j描述了用户j占用资源块的方式，其可以根据下式得到：

f_j＝diag(V_jV_j ^T) (3-54)

其中diag(X)为一个对角矩阵，矩阵的对角元素为X中的元素，F可以由下式得到：

令ε_j＝{n|f_n,j＝1}(j＝1,2,...,J)为用户j所连接的资源块的集合，η_n＝{j|f_n,j＝1}(n＝1,2,...,N)为资源块n连接的用户块的集合，d_v(j＝1,2,...,J)和d_c(n＝1,2,...,N)分别表示用户j和资源块n所分别连接的资源块和用户的数目。

交织后的符号a_j通过SCMA编码器映射为相应的SCMA信号x_j＝[x_0,j,x_1,j,...,x_N-1,j]，符号长度变为L_x＝L_c/log₂|M|，第j个用户的SCMA信号x_j通过串/并转换形成x_j＝[x_0,j,x_1,j,...,x_N-1,j]^T。

SEFDM调制

频分复用部分基于离散傅立叶逆变换(IDFT)的调制方式将第j个用户的SCMA信号x_j转换为SEFDM时域信号，在频分复用过程中，采用K点IDFT，首先将K-N个零填充在x_j后面得：

然后，经过K点IDFT调制后的输出信号被截断，只保留前N行，而剩余的K-N行被丢弃，第j个用户的采样信号矢量可以表示为s_j＝[s_0,j,s_1,j,...,s_N-1,j]^T：

其中，Ω_N(·)代表取列矢量或矩阵的前N行，代表长度为K-N的全零行矢量，

代表K点的傅里叶逆变换矩阵，

的第n行第k列元素可以表示为：

由式(3-57)，SEFDM符号中第j个用户第n个时域发送符号可以表示为：

其中，α＝N/K代表带宽压缩因子，假定采样频率被选择为F_s＝NΔf，其中SEFDM的子载波间隔为Δf，则在一个SEFDM信号周期T中将存在N个非正交子载波，则Δf＝α/T，当α＝1时，Δf＝1/T代表正交的OFDM系统。

归一化的SEFDM连续形式表达式为：

信道模型和频域处理

时域信号s被调制，然后通过无线信道发送，从系统接收器中的时域采样信号r可以表示为：

其中，h_j＝diag[h_0,j,h_1,j,...,h_N-1,j]^T是第j个用户的信道状态信息，n代表复高斯白噪声矢量。

Lutz信道模型

本文主要考虑是Lutz信道模型下的系统模型，由于高谱效稀疏码多址接入系统中子载波之间的非正交性导致子载波间干扰(ICI)，而ID检测算法是一种基于迭代逐次逼近的信号恢复算法，所以采用ID检测方案被应用于接收端来减少重叠载波间产生的ICI，在AWGN信道下，ID检测算法可以直接用来进行信号的检测，以保证系统的可靠性，但是当发送端生成的信号不再是传统的SEFDM信号，而且信道也不再是简单的AWGN信道，经典算法由于信号形式的改变将不再适用。

在AWGN信道下，接收机处在经过初步的解调之后，为了分析方便，产生的信号形式可简写成：

R＝G·x+F·n (3-66)

其中，R为接收端收到信号后并初次进行DFT操作后的信号形式，G为AWGN下系统的失真矩阵G＝F·F^-1，F和F^-1分别为DFT矩阵和IDFT矩阵的顺序主子式，其阶数为原始新源数据的长度，n为信道噪声。

当前所有的检测算法都是建立在式(3-66)这种接收信号形式上的，而时变复杂信道的引入使信号形式变得完全不同，检测算法无法再直接使用，针对这种情况，必须设计新的检测算法，或者设计接收机前端处理模块以重用经典算法，考虑到系统的实现复杂度和技术成熟度，优先考虑对接收机前端处理模块进行设计，以下从论文所设计的信道形式入手分析并进行解决方案的设计。

复杂信道引入了码间串扰，多径衰落等各方面的干扰，针对信道引入的码间串扰，考虑最基本的加循环前缀(Cyclic prefix，CP)的方式进行解决。

加CP的操作需要在完成SEFDM符号生成操作之后进行，设未加CP的数据为S，那么：

s＝F^-1·x (3-67)

其中，s为原始信源符号。

设加上CP后的数据为s_cp，Lutz信道的单位脉冲响应为h，信道噪声为n，那么刚经过信道后的接收端数据形式为：

r＝h*s_cp+n (3-68)

其中，*表示线性卷积。

在接收端，接收到数据之后首先要进行去除CP以及由卷积引起的数据拖尾，该操作在时域无法用公式明确写出，但是由于CP的加入，不仅使得ISI得以消除，还将线性卷积变成了圆周卷积，假设在接收端除去CP和拖尾后的数据为y，则有：

y＝h_NΘs+n_N (3-69)

其中，Θ表示圆周卷积，卷积周期为N，N表示单个SEFDM符号的长度，h_N表示由h补零到N点后的数据，n_N为截断后的噪声。

可见，在这种情况下，接收信号的数学表达式已经无法改写成原始信号与一个失真矩阵乘积的形式，无法获取失真矩阵意味着无法使用ID检测方式进行检测。

Lutz信道下的频域处理

对于上述情况，可考虑信道均衡方式，该方法直接利用了CP将线性卷积变成圆周卷积的特性，直接将信道的作用消除，以保证系统能够重用原先的失真矩阵，由于该操作利用了圆周卷积时域卷积在频域是乘积的特性，因此叫做频域处理法，该方法的具体操作如下：首先将式(3-69)变换到频域有：

Y＝H_N·S+N_N (3-70)

其中，H_N为Lutz信道的单位脉冲响应h的频域形式，但由于是圆周卷积，其变换到频域所做的DFT点数为N，S是s的频域形式，·表示矩阵之间做的是点乘，N_N是与数据同时进行首尾截断过的剩余噪声的频域形式。

由于论文不牵涉到信道估计的内容，假设h已被估计出，那么可以通过DFT计算出H_N，于是在式(3-70)等号两边同时点除H_N，得到：

Y./H_N＝S+N_N./H_N (3-71)

再变换到时域有：

IDFT(Y./H_N)＝s+IDFT(N_N./H_N) (3-72)

结合式(3-67)有：

IDFT(Y./H_N)＝F^-1·x+IDFT(N_N./H_N) (3-73)

于是在SEFDM系统接收机做完初步的解调处理后，数据形式变为：

以此作为系统对发送端原始信源符号的初始估计值，另其为R，并假设经过去除CP和拖尾数据等一系列操作后的截断噪声为n_H，则式(3-74)可写成：

R＝G·x+F·n_H (3-75)

对比式(3-71)和式(3-66)可以看出，经过频域处理法的一些列处理，信号形式变成了与AWGN信道下相似的形式，且失真矩阵完全被重用，因此经过频域处理法的处理后，可以直接使用ID检测算法进行信号的检测处理。

检测算法

由于高谱效稀疏码多址接入系统中子载波之间的非正交性导致子载波间干扰(ICI)，ICI可以看作是信号经过非线性失真导致的，而ID检测算法是一种基于迭代逐次逼近的信号恢复算法，所以采用ID检测方案被应用于接收端来减少重叠载波间产生的ICI，同时，由于高谱效稀疏码多址接入系统中，多个用户的信息会叠加在一个资源块上，因此需要联合多用户译码算法来检测多用户的信息，本部分采用了信息传递算法，但是由于MPA的复杂度过于高，又采用了具有对数域特性的Log-MPA来降低复杂度，能够满足实际的应用需求。

迭代检测(ID)算法

迭代检测(Iterative Detection，ID)算法的基本原理是：通过在每次迭代中消除一些符号给其它符号带来的干扰，从而使最终的迭代结果更加接近发送端信源符号的真实值，从上文可知，R是迭代检测的输入的原始数据，迭代检测算法如图2所示，

这种迭代方法可以在数学上表示为：

d＝ωR⁰+(I-ωG)R^n-1 (3-76)

其中，G是失真矩阵，ω是收敛因子，d是n次迭代后的输出，R⁰为接收机所获得的对R的初始估计值，R^n-1是n-1次迭代后的输出，并且I表示单位矩阵，对于这种迭代方法，如果失真的功率小于信号的功率，即||R-GR||₂＜||R||₂，则可以通过迭代方法在无限次数的迭代之后重建期望的信号，但如果是非线性失真操作，正确选择收敛因子ω可以加速重建。

迭代算法由于每次迭代时仅需要进行矩阵运算，因此复杂度可接受，在通信环境较好的情况下，选用ID算法可以在保证系统性能的前提下降低接收端的检测复杂度，ID算法的具体实现步骤如下：

(1)接收信号并进行初步解调，得到接收的解调信号，可表示为ωR⁰，

(2)通过对数组尺寸的先验知识计算失真矩阵G，

(3)将解调矩阵和失真矩阵带入迭代公式d＝ωR⁰+(I-ωG)R^n-1，

(4)设置适当的迭代次数，计算出最终的估计数据d，

其中，失真矩阵G＝FF^-1，F和F^-1分别为点DFT矩阵和

点IDFT矩阵的N阶顺序主子式，

是系统中IDFT的长度，N是发送端原始信源符号的有效数据长度。

对数域信息传递算法(Log-MPA)

采用低复杂度对数域的MPA解码算法以满足原型系统中的运行时限制，Log-MPA算法能够将大多数乘法和指数运算转换为简单的加法和最大化，这节省了大量的计算时间并促进了原型系统中的实际硬件实现。

Log-MPA算法可以分为以下四个步骤：

信道欧式距离计算

首先，根据信号接收模型，容易得到任意资源节点n的条件概率，如下：

其中，i,j,k是连接到资源节点n的三个用户。

由于对数域不再需要在概率上进行推理，因此不再进行欧式距离到概率的转换，在对数域的MPA检测算法中，仅需要计算式(3-81)即可，完成信道欧氏距离计算。

对数域FN节点更新

定义从用户节点到函数节点的对数域信息为

从函数节点传递要用户节点的对数域信息为

利用Jacobi近似可得到对数域的资源节点更新数学公式为：

对数域VN节点更新

对变量节点到资源节点的概率信息

取自然对数，同样利用Jacobi近似得到对数域变量节点更新公式为：

对数似然比计算

在MPA检测算法中，对数似然比已在对数域进行了计算，采用Jacobi近似后的更新公式为：

其中，n,m为与变量节点j相连的两个资源节点，Q_j(x^j)为每个用户对应码字符号的概率。

性能仿真分析

在本部分，分别针对Lutz信道和AWGN信道下的高谱效稀疏码多址接入的BER性能、频谱效率以及复杂度进行了性能仿真与分析，并且以下的仿真均是未采用信道编码情况下的性能，高谱效稀疏码多址接入系统仿真参数如表2所示。

表2高谱效稀疏码多址接入系统仿真参数

Table 2High spectral efficiency sparse code multiple access systemsimulation parameters

在Lutz信道下，系统为了能够正常采用ID算法检测，在接收端采用了频域处理，具体相关信道仿真参数如表3所示。

表3低轨卫星星地链路Lutz信道仿真参数

Table 3Lutz channel simulation parameters

图3给出了AWGN信道下高谱效稀疏码多址接入系统的BER性能，分别考虑了在不同的带宽压缩因子情况，如α＝1、α＝4/5、α＝4/6，以及采用了ID算法结合MPA作为系统检测方案和采用ID算法结合Log-MPA作为检测方案对系统的性能影响，从图可知，随着带宽压缩因子α变小，也就意味着载波间隔被压缩，子载波压缩程度更大导致了ICI更加明显，采用ID算法结合MPA检测方案和ID算法结合Log-MPA检测方案的BER性能都变得越差，特别需要注意的是，当α＝1时，此时的载波满足OFDM传输条件，在相同的带宽压缩因子α情况下，当信噪比小于12dB时，系统采用ID算法结合MPA检测方案的BER性能要略好于ID算法结合Log-MPA检测方案，大于12dB时，两种检测方案的BER性能几乎相同。

图4给出了Lutz信道下高谱效稀疏码多址接入系统的BER性能，为了克服Lutz信道下的时变与多径衰落等影响，系统采用了循环前缀处理和频域处理，同样也分别考虑了在不同的带宽压缩因子情况，以及采用了ID算法结合MPA作为系统检测方案和采用ID算法结合Log-MPA作为检测方案对系统的性能影响，从图可知，随着带宽压缩因子α变小，系统两张检测方案的BER性能都变得越差，在相同的带宽压缩因子α情况下，当信噪比小于12dB时，系统采用ID算法结合MPA检测方案的BER性能要略好于ID算法结合Log-MPA检测方案，大于12dB时，两种检测方案的BER性能几乎相同。

图5给出了Lutz和AWGN信道下高谱效稀疏码多址接入系统的BER性能，并且仅考虑带宽压缩因子α＝4/5的情况，从图中可以看出，采用相同的检测方案时，AWGN信道下的BER性能略好于Lutz信道下的性能。

频谱效率分析

本部分对高谱效稀疏码多址接入方法的频谱效率进行仿真分析。

图6和图7分别给出了过载因子λ＝150％和λ＝250％情况下的高谱效稀疏码多址接入的频谱效率性能，OFDMA的子载波带宽是15kHz，因此，高谱效稀疏码多址接入的子载波带宽是15αkHz，每个用户的发射功率是1dBm，仿真中分别考虑了在不同的带宽压缩因子，并且在不同的SNR情况和SNR＝10log₁₀(E{|S_j,n|²}/N₀)情况，对高谱效稀疏码多址接入的频谱效率性能的影响，从图中可以看出，高谱效稀疏码多址接入的增益是明显的，并且随着SNR的增加而增长，随着随着带宽压缩因子α变小，系统的频谱效率越高，可以清楚地看出，在相同的带宽下，高谱效稀疏码多址接入显示出比OFDMA更好的频谱效率性能。

图8给出了过载因子α＝4/5情况下的高谱效稀疏码多址接入的频谱效率性能，主要对比了过载因子λ＝150％和λ＝250％情况下的高谱效稀疏码多址接入和OFDMA的频谱效率性能，从图中可以看出，系统的过载因子λ＝250％时比系统的过载因子λ＝150％时频谱效率性能更好。

复杂度分析

在本部分对系统检测算法复杂度进行分析，具体包括ID算法、MPA和Log-MPA复杂度，并用乘法(MUL)、加法(ADD)和指数(EXP)运算来表示，并作比较。

ID算法的复杂度主要依据公式(3-76)得到，可知乘法数量为4I_IDN²，加法数量为8I_IDN²。

在MPA算法中，我们用常规因子图矩阵分析码本的解码复杂度，为了获得码本矩阵的每个元素，涉及到复数乘法，码本矩阵的计算需要2MNd_v个加法和4MNd_v个乘法，依据公式(3-77)，在FN上更新一个VN需要个加法、

个乘法和

个指数运算，依据公式(3-79)，在VN上更新一个FN需要(Z-2)个加法。

在Log-MPA算法中，同样码本矩阵的计算需要2MNd_v个加法和4MNd_v个乘法，依据公式(3-82)，在FN上更新一个VN需要

个加法和

个乘法，但不需要指数运算，关于三个算法的复杂度对比如表4和表5所示。

表4三种算法的复杂度对比

Table 4Comparison of the complexity of the three algorithms

表5两种检测方案的复杂度对比

Table 5Comparison of the complexity of the two detection schemes

本部分用计算复杂度缩小比例(CCRR)来衡量算法的复杂度性能，CCRR定义如下：

本部分的设定量为由定义可知CCRR的值越小，说明该算法的复杂度越低。

在复杂度仿真中，由CCRR、不同的带宽因子和DFT尺寸三个要素构成三维图，CCRR分为乘法MUL、加法ADD和指数EXP三种，带宽压缩因子α的变换范围设定为0.5到1，DFT尺寸设定为4到16，三种检测算法的迭代次数、码本的尺寸以及过载因子参照表2。

在图9中，将ID结合MPA检测方案(位于下方位置)和ID结合Log-MPA检测方案进行乘法(CCRR)数量的复杂度对比，可以看出，ID结合Log-MPA检测方案(位于上方位置)乘法复杂度略高于ID结合MPA检测方案，在图10中，对两种检测方案的加法(CCRR)复杂度对比，可以看出，ID结合Log-MPA检测方案(位于上方位置)的检测方案加法复杂度略高于ID结合MPA检测方案(位于下方位置)，在图11中，对两种检测方案的指数(CCRR)复杂度对比，可以看出，ID结合Log-MPA检测方案(位于上方位置)的指数数量为0，而ID结合MPA检测方案(位于下方位置)具有很高的指数数量，从三个图中可以了解，ID结合Log-MPA检测方案将ID结合MPA检测方案中的指数运算转化为加法和乘法运算，从而降低了整体系统的复杂度，综合可以看出，ID结合Log-MPA检测方案在复杂度上更有优势。

Claims (8)

1.低轨卫星星地链路的高谱效稀疏码多址接入方法，其特征是：在面向低轨卫星物联网场景下,设J个用户共享N个资源块，并且J＞N；J、N均为正整数；

其信号发射方法包括以下步骤：

步骤一、对J个用户的信息比特进行信道编码与交织；获得信道编码后信号；

步骤二、对步骤一获得的信道编码后的信号进行SCMA编码；获得SCMA编码后信号；

步骤三、对步骤二获得的SCMA编码后信号进行SEFDM调制；获得SEFDM调制后信号；

步骤四、对步骤三获得的SEFDM调制后信号s进行发送前信道处理，并发送至无线信道；

步骤五、对步骤三获得的SEFDM调制后信号进行发送前信道处理；获得发送信号；

其信号接收方法包括以下步骤：

步骤六、利用接收机从无线信道接收步骤五发送的发送信号，并进行与步骤五对应的信道处理，获得接收信号y；

步骤七、对步骤六获得的接收信号y进行频域处理，获得频域下的接收信号；

步骤八、对步骤七获得的频域下的接收信号进行SEFDM解调，获得SEFDM解调后接收信号；

步骤九、将步骤八获得的SEFDM解调后接收信号进行迭代检测，获得迭代检测后信号；

步骤十、将步骤九获得的迭代检测后的信号进行SCMA译码；获得SCMA译码后信号；

步骤十一、将步骤九获得的检测后信号进行信道解码；获得J个用户的信息的原始比特信息；完成一次低轨卫星星地链路的高谱效稀疏码多址接入。

2.根据权利要求1所述的低轨卫星星地链路的高谱效稀疏码多址接入方法，其特征在于步骤一中对J个用户的信息比特进行信道编码与交织的步骤；获得信道编码后信号的具体方法为：

对于用户j,L_b个信息比特

通过信道编码器被编码为L_c个编码比特

其编码率为R＝L_b/L_c；在信道编码器和SCMA编码器之间使用交织器以减少编码比特和突发错误之间的相关性，交织器Π_j对编码比特c_j进行交织并映射为相应的符号

3.根据权利要求2所述的低轨卫星星地链路的高谱效稀疏码多址接入方法，其特征在于通过信道编码器被编码为L_c个编码比特

的其编码率为：

R＝L_b/L_c。

4.根据权利要求1所述的低轨卫星星地链路的高谱效稀疏码多址接入方法，其特征在于步骤二、对步骤一获得的信道编码后的信号进行SCMA编码；获得SCMA编码后信号的具体为：

将SCMA编码器被定义为其中x＝f(a)；一个SCMA信号通过映射log₂|M|个比特到一个尺寸为M的N维复数码本得到；N维的复数码字x具有Z个非零行的稀疏向量，其中，Z＜N；根据码字的稀疏性，SCMA编码器能够进一步被定义为f:≡Vg，其中g将每个用户的二进制输入比特编码为Z维非零码字，而映射矩阵V∈B^N×Z将Z维非零码字变换为N维稀疏码字；通过SCMA编码器将交织的编码比特a_j映射为相应的SCMA信号x_j＝[x_0,j,x_1,j,...,x_N-1,j]，并且符号长度变为：

L_x＝L_c/log₂|M|。

5.根据权利要求1所述的低轨卫星星地链路的高谱效稀疏码多址接入方法，其特征在于步骤三中，对步骤二获得的SCMA编码后信号进行SEFDM调制，具体为：

步骤三一、将J路输入信号分别进行并/串转换，获得串行输入信号；

步骤三二、将步骤三一获得串行输入信号分别进行K点DFT变换，获得K点DFT变换后的信号；

步骤三三、将步骤三二获得的K点DFT变换后的信号进行串/并转换，获得J路并行信号；

步骤三四、将步骤三三获得的J路并行信号相加，获得调制后信号s。

6.根据权利要求1所述的低轨卫星星地链路的高谱效稀疏码多址接入方法，其特征在于步骤四中，对步骤三获得的SEFDM调制后信号s进行发送前信道处理为：给调制后信号s加入循环前缀。

7.根据权利要求1所述的低轨卫星星地链路的高谱效稀疏码多址接入方法，其特征在于步骤六中，进行与步骤五对应的信道处理为：去除接收信号的循环前缀。

8.根据权利要求1所述的低轨卫星星地链路的高谱效稀疏码多址接入方法，其特征在于步骤八中，对步骤七获得的频域下接收信号进行SEFDM解调的具体方法是：

步骤七一、将接收信号y进行串/并转换，获得N路并行信号；

步骤七二、将步骤七一获得的N路并行信号分别进行K点DFT变换，获得K点DFT变换后的信号，将该N路DFT变换后的信号并行信号作为SEFDM解调后的输出信号。

Images