CN110943771B - 基于角度熵的小波分辨处理方法 - Google Patents

Abstract

本发明公开了一种基于角度熵的小波分辨处理方法，包括：接收基站发送的多组信号；判断所述多组信号中第一信号和第二信号的波达角的角间隔是否小于4度，若小于，则采用角度熵将所述第一信号和第二信号分为一组；判断所述分组后的第一信号和第二信号的功率比是否为5:5或者6:4，若否，采用串行干扰抵消检测算法分辨所述第一信号和第二信号；本发明根据角度熵进行分组，降低每组中的用户数，克服了传统的小波波束形成算法在角度接近的情况下，无法分辨的缺点，对现有的小波波束形成算法进行了改进，提高了波达角的分辨率。

Description

基于角度熵的小波分辨处理方法

技术领域

本发明涉及无线通信领域，尤其涉及一种基于角度熵的小波分辨处理方法。

背景技术

随着终端用户数的增长以及物联网等移动业务的飞速发展，无线网络各个应用领域的需求呈现爆炸性增长，于是无线通信系统对容量和频谱利用率等方面提出更高的要求。传统的正交多址方式难以提供足够多的接入用户数量，因此非正交多址(NOMA)技术越来越多的被采用，例如5G移动通信系统。但非正交的特征导致在信号检测上比正交信号系统存在严重的多址干扰，因此普遍采用在功率域中使用非正交多址接入技术，通过SI串行干扰抵消检测(SIC)或并行干扰消除(PIC)算法进行信号检测，两种算法各有优缺点，目前SIC算法由于算法简单，易实现而备受青睐，成为非正交多址检测技术的首选方案，但SIC检测算法在用户数较多时，由于检测误差的累加效应，导致误差越来越大，因此不适合用户数较多的场合。

发明内容

本发明提供一种基于角度熵的小波分辨处理方法，以克服上述技术问题。

本发明一种基于角度熵的小波分辨处理方法，包括：

接收基站发送的多组信号；

判断所述多组信号中第一信号和第二信号的波达角的角间隔是否小于4度，若小于，则采用角度熵将所述第一信号和第二信号分为一组；

判断所述分组后的第一信号和第二信号的功率比是否为5:5或者6:4，若否，采用串行干扰抵消检测算法分辨所述第一信号和第二信号。

进一步地，所述接收基站发送的多组信号之后，还包括：

对所述多组信号做预处理，获得所述多组信号的空间谱。

进一步地，所述则采用角度熵将所述第一信号和第二信号分为一组，包括：

对所述第一信号和第二信号的空间谱做小波分解处理，获得所述多组信号对应的第j层离散信号；

设置接收信号与接收天线阵列的法线的夹角，并根据所述接收信号与接收天线阵列的法线的夹角计算所述离散信号的第j层角度熵；

根据第一层离散信号与第j层离散信号的角度熵判断所述第一信号和第二信号的角度熵是否发生突变，若发生突变，停止小波分解，若没有发生突变，则继续下层小波分解。

进一步地，采用公式

计算角度熵，其中θ为接收信号与接收天线阵列的法线的夹角，

为每个夹角对应的幅值与平均值的商。

本发明根据角度熵进行分组，降低每组中的用户数，克服了传统的小波波束形成算法在角度接近的情况下，无法分辨的缺点，对现有的小波波束形成算法进行了改进，提高了波达角的分辨率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明基于角度熵的小波分辨处理方法的流程图；

图2-1是本发明基于角度熵的小波分辨处理方法的为原始信号图；

图2-2是本发明基于角度熵的小波分辨处理方法的为第一层分解信号图；

图2-3是本发明基于角度熵的小波分辨处理方法的为第二层分解信号图；

图2-4是本发明基于角度熵的小波分辨处理方法的为第三层分解信号图；

图2-5是本发明基于角度熵的小波分辨处理方法的为第四层分解信号图；

图3-1是本发明基于角度熵的小波分辨处理方法的角度熵突变与功率的关系中波达角的角间隔为1度的角度熵突变图；

图3-2是本发明基于角度熵的小波分辨处理方法的角度熵突变与功率的关系中波达角的角间隔为2度的角度熵突变图；

图3-3是本发明基于角度熵的小波分辨处理方法的角度熵突变与功率的关系中波达角的角间隔为3度的角度熵突变图；

图3-4是本发明基于角度熵的小波分辨处理方法的角度熵突变与功率的关系中波达角的角间隔为4度的角度熵突变图；

图4-1是本发明基于角度熵的小波分辨处理方法的角度熵突变与用户关系中波达角的角间隔为1度的角度熵突变图；

图4-2是本发明基于角度熵的小波分辨处理方法的角度熵突变与用户关系中波达角的角间隔为2度的角度熵突变图；

图4-3是本发明基于角度熵的小波分辨处理方法的角度熵突变与用户关系中波达角的角间隔为3度的角度熵突变图；

图4-4是本发明基于角度熵的小波分辨处理方法的角度熵突变与用户关系中波达角的角间隔为4度的角度熵突变图；

图5是本发明基于角度熵的小波分辨处理方法的角度熵突变与角度关系图；

图6是本发明基于角度熵的小波分辨处理方法的处理流程图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，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做出创造性劳动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。

如图1所示，本发明包括以下步骤：

S1：接收基站发送的多组信号；

S2：判断所述多组信号中第一信号和第二信号的波达角的角间隔是否小于4度，若小于，则采用角度熵将所述第一信号和第二信号分为一组；

S3：判断所述分组后的第一信号和第二信号的功率比是否为5:5或者6:4，若否，采用SIC算法分辨所述第一信号和第二信号。

在角度域中，波达角差异较大的所述第一信号和第二信号具有角度域正交的特性，而波达角差异较小的所述第一信号和第二信号具有角度域非正交的特性。如果所述第一信号和第二信号波达角差异较大，即所述第一信号和第二信号角度域正交，则在低分辨率时，所述第一信号和第二信号将被分在不同的组中，从而利用传统的波束形成即可估计出各自的波达角。

如果所述第一信号和第二信号波达角差异较小，即所述第一信号和第二信号角度域非正交，则在低分辨率小波分解中，通过角度熵的突变，会被分在同一个组内，对该组角度域非正交信号，小波分解的波束形成已经失效，需要对该组信号进行非正交检测，即在功率域进行SIC检测，因此对波达角的估计能够比传统的波束形成分辨率更高。

具体而言，假设第一信号和第二信号波达角的角间隔和功率为均匀分布，对K个用户，角间隔的分布范围为：

其中4度以内小波算法无法检测出来，需要小波分解的角度熵进行分组；

进一步地，所述接收基站发送的多组信号之后，还包括：

对所述多组信号做预处理，获得所述多组信号的空间谱。

具体而言，获得接收信号空间谱。在下行链路中，假设移动终端的传感器阵列为均匀直线阵列，阵元在各个方向上都具有相同响应，阵元总数为M，阵元间隔取信号载波波长的1/2，每个传感器接收的信号数目为N，假设信号彼此之间是互不相关的。多信号分类算法(MUSIC)接收信号序列的协方差矩阵的噪声子空间获取信号子空间，信号子空间谱可写为：

其中U_n＝{u_N+1,u_N+2,…,u_M}为噪声子空间，第n个方向向量为

a为方向向量，H为矩阵的转置矩阵，θ为接收信号与接收天线阵列的法线的夹角，d为阵元间距，j为小波分解层数，M为接收端天线数，λ为波长。

进一步地，所述则采用角度熵将所述第一信号和第二信号分为一组，包括：

对所述第一信号和第二信号的空间谱做小波分解处理，获得所述多组信号对应的第j层离散信号；

对离散信号波形序列的MUSIC空间谱进行小波分解，如下：

得到P^(j)(θ)(j＝1,2,…θ＝1,2,…)，这里θ为接收信号与接收天线阵列的法线的夹角，j为小波分解层数，τ为采样间隔。

设置接收信号与接收天线阵列的法线的夹角，并根据所述接收信号与接收天线阵列的法线的夹角计算所述离散信号的第j层角度熵；

角度域中角度间隔分辨率与小波尺度之间的关系，由小波分解理论，有

其中f为信号实际频率，f_db为小波中心频率，a为小波分解尺度，f_T为信号采样频率。其中

a＝2^j (5)

其中j为小波分解层数，

根据时域中小波分解的理论，将时域中的时间序列信号类比到角度域的波达角序列信号，对该角度域序列信号，其周期为角度间隔，其信号实际频率f则变为角度间隔的倒数。因此式(1)重新定义为：

a′＝2^j′ (5)'

式(4)'和(5)'是角度域序列，即波达角序列信号的小波分解关系式，我们通过实验验证了在角度域中，采样频率和分解层数(分辨率)之间仍然存在关系。表1.1～表1.5给出了实验结果，表1.1为Δθ＝1°时采样频率和小波分解层数的关系、表1.2为Δθ＝2°时采样频率和小波分解层数的关系、表1.3为Δθ＝3°时采样频率和小波分解层数的关系、表1.4为Δθ＝4°时采样频率和小波分解层数的关系，其中Δθ为信号的角度差异。

表1.1

采样频率	2	5	10
				j′	1	2	3

表1.2

采样频率	1.25	2	5	10
					j′	1	2	3	4

表1.3

采样频率	0.83	1.1	2	5	10
						j′	1	2	3	4	5

表1.4

采样频率	0.4	0.5	2	5	10
						j′	1	2	3	4	5

小波的分解层数(j′)与分辨率(a′)有关，即a′＝2^j′，如果角度间隔较小，即两个信号的波达角接近，如果在分辨率较低时，小波分解的效果会将这两个信号视为一个信号，这启发我们将这种小波分解的效果视为一种分组操作。表1.1～1.4给出了不同角度下，采样频率和小波分解层数，即角度间隔分辨率与小波尺度之间的关系。表中数据是在接收用户阵元数为32，采用db4小波，中心频率为0.77的条件下取得的。由表1.1～1.4可以看出，采样频率越大，角度间隔分辨率越高，分解层数也就越多。表1.1～1.4中的数据与式(4)'的计算结果相符，这表明将时域的小波分解引入角度域的小波分解是可行的。

根据奈奎斯特定理，在表1.5为不同角度对应的最小采样频率，给出了当间隔角度分别为1度，2度，3度和4度时的最小采样频率。

表1.5

角度	1	2	3	4
					最小采样频率	2	1	0.66	0.5

设离散信号波形序列在小波分解下为P(θ)(θ＝1,2,…)，θ为接收信号与接收天线阵列的法线的夹角，波形幅度平均值

为：

为了消减P(θ)的大小使每个角度对应的幅值与平均值做商，即：

则角度熵为：

角度熵能够描述信号的波动程度，在小波对信号进行分解的过程中，每一层的波形都会有变化，设给定两个接收信号x₁和x₂，两者的波达角分别为0度和4度，角度比较接近，在接收端，对该接收信号计算空间谱，并对该时间序列进行小波分解，使用的小波为db4，分解结果如图2所示，图2-1为原始信号，图2-2为第一层分解信号，图2-3为第二层分解，图2-4为第三层分解，图2-5为第四层分解，可见随着分解层数的增加，分辨率也在逐渐降低，由于二者的波达角比较接近，所以在分辨率较高的第一层分解中，不能有效的分辨出x₁和x₂，但在第二层与第三层，波形由原来的两个波峰变成了一个波峰，波形变化比较剧烈，而其他层之间，比如一层与二层，或三层与四层之间，波形虽然幅度有变化，但整体轮廓上比较相似，本发明引入了角度熵来描述小波分解过程中不同层波形的波动。由式(4)'给出的频率和尺度关系，一个信号频率对应一个分解尺度，在分解至这个尺度时，信号数量会发生突变，引起波形的波动程度变化，因此描述波形的角度熵也会发生变化，这个角度熵的突变也意味着角度域小波分解的某个尺度，在这个尺度下，角度相近的信号被视为是一个信号，这个信号也意味着这些角度相近的信号可以视为一个分组，例如在上面的例子中，在第三层，x₁和x₂显示为一个波达角，我们可以将这两个信号视为一组，这个波达角可以视为是该组信号波达角的代表。通过该波达角进行的波束形成，提取的是x₁和x₂合成的信号。这个信号如果继续进行小波波束形成已经无法分辨了，但把这组信号放到功率域中进行非正交检测，如果信号的功率相差足够大，还能分辨出来。

根据第一层离散信号与第j层离散信号的角度熵判断所述第一信号和第二信号的角度熵是否发生突变，若发生突变，停止小波分解，若没有发生突变，则继续下层小波分解。

具体而言，在小波对信号进行分解的过程中，每一层的波形都会有变化，所以引入角度熵描述小波分解过程中不同层波形的波动。由频率和尺度的关系得出，一个信号频率对应一个分解尺度，在分解至这个尺度时，信号数量会发生突变，引起波形的波动程度变化，因此描述波形的角度熵也会发生变化，这个角度熵的突变也意味着角度域小波分解的某个尺度，在这个尺度下，角度相近的信号被视为是一个信号，这个信号也意味着这些角度相近的信号可以视为一个分组。

如图6所示，计算角度熵公式为：

计算temp＝log(E(P⁽¹⁾-E(P⁽²⁾))，当temp＜0，进行小波分解j(j＞2)层空间谱，得到P^(j)(l)，计算j层波形熵E(P^(j))，temp＝log(E(P⁽¹⁾)-E(P^(j)))。

小波分解先进行第一层的分解(j＝1)，分解后，计算P⁽¹⁾(θ)的角度熵，再进行第二层小波分解(j＝2)，分解后，计算P⁽²⁾(θ)的角度熵，比较两次角度熵，如果没有突变，则继续进行下一层的小波分解。如果发生突变，则停止小波分解，根据小波分解的结果，确定分组。

如图3-1至3-4所示，设定用户数为6，用户功率差异变化分别为1:9，2:8，3:7，4:6，1:1，角度间隔为1度，2度，3度，4度的角度熵分别如图3-1，3-2，3-3，3-4所示。图中横轴x表示层数变化，y表示功率差异变化，y轴1代表1:9，2代表2:8，3代表3:7，4代表4:6，5代表1:1，z轴为角度熵值。

图3-1为间隔角度1度熵突变图，图3-2为间隔角度2度熵突变图，图3-3为间隔角度3度熵突变图，图3-4为间隔角度4度熵突变图；图3-1在第二层角度熵发生突变，图3-2，3-3，3-4角度熵在第三层发生突变。尽管功率差异有所变化，但是角度熵的突变一直存在，所以角度熵突变与功率无关。

如图4-1至4-4所示，设定功率差异为2:8保持不变，用户数变化为6，8，10，12，角度为1度，2度，3度，4度的角度熵分别如图4-1，4-2，4-3，4-4所示。图中横轴x表示层数变化，y表示用户数变化，y轴1代表6个用户，2代表8个用户，3代表10个用户，4代表12个用户，z轴为角度熵值，所以角度熵突变与用户数无关。

如图4-1在第二层角度熵发生突变，图4-2，4-3，4-4角度熵在第三层发生突变。尽管用户数发生变化，但是角度熵的突变一直存在。

设定功率差异为2:8，用户数为6，角度分别为1，2，3，4。如图4和图5所示，图中横轴x表示层数变化，y表示角度变化，y轴1代表角度1，2代表角度2，3代表角度3，4代表角度4，z轴为角度熵值，所以角度熵突变与角度有关。

由图3，4，5可以看出，角度熵的突变与功率和用户数无关，只和角度间隔有关。角度的变化会影响分解层数的变化，角度为1时角度熵的突变发生在第二层，角度为2，3，4时角度熵的突变发生在第三层。

在SIC算法中，对上述信号进行两种操作：现有技术：不通过小波分解的角度熵进行分组，直接进行SIC检测；本申请：应用本发明的小波分解的角度熵进行分组，再进行SIC检测。

设有信号x₁，x₂，x₃，其中x₁和x₂角度相差较大为10度，x₂和x₃角度比较接近为3度，采用本申请x₁和x₂功率比较接近为6:4，采用现有技术x₂和x₃功率相差较大为8:2，表2为两种方法误码率的比较表。

表2

如表2所示，采用现有技术，由于x₁和x₂功率相差较小，根据理论分析与仿真实验，可以发现，SIC检测效果很差，x₁和x₂无法分辨。

采用本申请，先进行角度域的小波分解，由于x₁和x₂角度相差较大，因此x₁和x₂被分到不同的组中，而x₂和x₃由于角度相差较小，在低分辨率的小波分解中，被分到同一个组中，这样，通过传统的小波低分辨率分解，将SIC算法无法分辨的x₁和x₂分到了不同的组中，从而提高了SIC算法的精度。

在小波波束形成中，对上述信号分别进行：现有技术：传统的小波波束形成；本申请：应用本发明的小波分解的角度熵进行分组，再进行SIC检测；表3为两种方法误码率的比较表。

设三个接收信号为x₁，x₂，x₃，其中x₂和x₃角度接近为2度，采用本申请x₁与x₂角度相差较大为10度，采用现有技术x₂和x₃功率相差较大为8:2。

表3

如表3所示，采用现有技术，按照传统的小波波束形成算法进行处理。结果是可以区分出x₁，但x₂和x₃由于角度差异较小，通过小波波束形成无法区分。

采用本申请进行处理，将该组信号应用小波分组算法，结果是x₁为一组，x₂和x₃为另一组，对第一组的x₁，通过小波波束形成即可分辨出波达角；对第二组的x₂和x₃采用功率域的SIC算法，则依据功率的不同，成功的进行了信号的检测。这里小波的波束形成并没有追求高分辨率，通过低分辨率，实现了x₁的波束形成，而对x₂和x₃而言，低分辨率的波束形成实现的是分组，x₂和x₃在低分辨率时，呈现出相同的特征，因而视为一个波达角信号，根据这个波达角，分解出x₂和x₃合成的信号，对这个合成信号使用SIC算法，即可实现对x₂和x₃的分辨，从而提高了波束形成的分辨率。

本发明根据角度熵进行分组，降低每组中的用户数，克服了传统的小波波束形成算法在角度接近的情况下，无法分辨的缺点，对现有的小波波束形成算法进行了改进，提高了波达角的分辨率。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (2)

1.一种基于角度熵的小波分辨处理方法，其特征在于，包括：

接收基站发送的多组信号；

判断所述多组信号中第一信号和第二信号的波达的角间隔是否小于4度，若小于，则采用角度熵将所述第一信号和第二信号分为一组；其中，采用公式

计算角度熵，其中，θ为接收信号与接收天线阵列的法线的夹角，

为每个夹角对应的幅值与平均值的商；

判断所述分组后的第一信号和第二信号的功率比是否为5:5或者6:4，若否，采用串行干扰抵消检测算法分辨所述第一信号和第二信号；

所述则采用角度熵将所述第一信号和第二信号分为一组，包括：

对所述第一信号和第二信号的空间谱做小波分解处理，获得所述多组信号对应的第j层离散信号；

设置接收信号与接收天线阵列的法线的夹角，并根据所述接收信号与接收天线阵列的法线的夹角计算所述离散信号的第j层角度熵；

根据第一层离散信号与第j层离散信号的角度熵判断所述第一信号和第二信号的角度熵是否发生突变，若发生突变，停止小波分解，若没有发生突变，则继续下层小波分解。

2.根据权利要求1所述的方法，其特征在于，所述接收基站发送的多组信号之后，还包括：

对所述多组信号做预处理，获得所述多组信号的空间谱。

Images