CN111082902A - 基于大数据统计特性的大规模天线系统的信号检测方法 - Google Patents

基于大数据统计特性的大规模天线系统的信号检测方法 Download PDF

Info

Publication number
CN111082902A
CN111082902A CN201911102204.5A CN201911102204A CN111082902A CN 111082902 A CN111082902 A CN 111082902A CN 201911102204 A CN201911102204 A CN 201911102204A CN 111082902 A CN111082902 A CN 111082902A
Authority
CN
China
Prior art keywords
antenna system
scale antenna
signal detection
distance
big data
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
Application number
CN201911102204.5A
Other languages
English (en)
Other versions
CN111082902B (zh
Inventor
许方敏
曹海燕
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.)
Xi'an Huaqi Zhongxin Technology Development Co ltd
Original Assignee
Hangzhou Dianzi University
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 Hangzhou Dianzi University filed Critical Hangzhou Dianzi University
Priority to CN201911102204.5A priority Critical patent/CN111082902B/zh
Publication of CN111082902A publication Critical patent/CN111082902A/zh
Application granted granted Critical
Publication of CN111082902B publication Critical patent/CN111082902B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • H04L1/20—Arrangements for detecting or preventing errors in the information received using signal quality detector
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/309—Measuring or estimating channel quality parameters

Landscapes

  • Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种基于大数据统计特性的大规模天线系统的信号检测方法。本发明将系统中两两相邻的N个小区作为一个区群，区群中不同的小区采用不同的频率。首先，发送端在发送数据信号之前，先将星座图中的数据点集合S(s1,s2,...,sL)按顺序发出，接收端记录接收到的数据信息集合Z(z1,z2,...,zL)，建立S和Z之间的对应关系表。然后，发送端发送数据信息，接收端根据接收到的数据信息y，根据大数据统计特性，从集合Z中找到与y距离最小的
Figure DDA0002270194000000011
根据S和Z之间的对应关系表估计出发射信号为
Figure DDA0002270194000000012
其中N越大小区间的干扰越小，信号检测效果越好。需要说明的是，该方法不但适用于TDD系统和FDD这些半双工系统，还适用于全双工系统。

Description

基于大数据统计特性的大规模天线系统的信号检测方法
技术领域
本发明涉及通信技术领域，特别涉及第五代移动通信系统中的基于频分双工(FDD)、时分双工(TDD)、或全双工的大规模天线技术及信号检测技术。
背景技术
近年来，移动通信系统从第三代(3G)、第四代(4G)，到第五代(5G)的飞速发展历程，向人们展示了一个速率更快、覆盖更广、链路更稳定的通信世界。随着人们对多媒体数字业务需求的不断增长，移动通信系统对频谱效率和能量效率也提出了更高的要求。为了满足这些需求，5G采用了高频谱效率的大规模天线系统。大规模天线系统不仅可以补偿毫米波段信号传播严重衰落，而且是实现多层密集网络无线回程与干扰控制的重要手段，能为5G的成功应用奠定重要的基础作用。
在大规模天线系统中，现有的信号检测方法大部分基于时分双工系统进行研究，由于时分双工系统的信道对称特性，可以直接把对上行信道的信道估计结果应用于下行信道的信道估计。首先，用户发送上行导频。基站根据收到的上行导频信号估计信道条件。然后，用户发送数据信号，基站根据估计出的信道条件，来检测用户发送的信号。然而，由于正交导频数量有限，导频通常在小区间复用。导频的复用产生了导频干扰，这导致了基站端得到的信道估计的不准确性。因此，影响了信号检测的精度。导频干扰问题已经成为大规模天线系统的性能瓶颈问题，亟待解决。
发明内容
本发明的目的在于提出一种基于大数据统计特性的大规模天线系统的信号检测方法。
本发明提供的一种基于大数据统计特性的大规模天线系统的信号检测方法，包括步骤：
步骤(1)在大规模天线系统中，将N个两两相邻的小区作为一个区群，作为一个频率复用簇，在一个频率复用簇中的每个小区采用不同的频段。
步骤(2)导频传输阶段：发送端A在发送数据之前，首先将调制星座图中的信号s1,s2,...,sL，按顺序发送一次，这时接收端B接收到的信号分别是z1,z2,...,zL，建立{s1,s2,...,sL}与{z1,z2,...,zL}之间的对应表。
步骤(3)数据传输阶段：完成导频传输后，发送端A发送数据x，这时接收端B接收到的信号记为y。
步骤(4)判决检测阶段：接收端B分别比较y与z1,z2,...,zL的距离。从 z1,z2,...,zL中找出与y距离最小的一个，记为
Figure BDA0002270193980000026
然后，根据步骤(2)将发送端A发送的信号解码为
Figure BDA0002270193980000021
所对应的
Figure BDA0002270193980000022
其中，
Figure BDA0002270193980000023
满足
Figure BDA0002270193980000024
且
Figure BDA0002270193980000025
这里，D(·,·)表示两个点之间的距离。
进一步的，步骤(1)中所述的N，可以是1，3，7，12或者24。
进一步的，步骤(2)中所述的发送端A可以是基站，也可以是用户；对应地，接收端B可以是用户，也可以是基站。
进一步的，步骤(4)中所述的距离，可以是欧式距离，也可以是绝对距离。
进一步的，步骤(4)中所述D(Re{y},Re{zl})表示y的实部与zl的实部之间的距离。
进一步的，步骤(4)中所述D(Im{y},Im{zl})表示y的虚部与zl的虚部之间的距离。
进一步的，该方法适用于采用频分双工(FDD)、时分双工(TDD)、或全双工的通信系统中。
本发明有益效果如下：
本发明利用大规模天线的大量天线数可以得到大数据样本，根据大数据样本的统计特性提出了一种不需要进行信道估计的、低复杂度的信号检测方法。同时，本发明的信号检测方法不但适用于TDD系统，还适用于FDD 和全双工方式通信系统
附图说明
图1示意了本发明的信号检测方法流程图。
具体实施方式
根据本发明的基本构思，在设计实现基于大数据统计特性的大规模天线系统的信号检测方法时，将系统中两两相邻的N个小区作为一个区群，区群中不同的小区采用不同的频率。首先，发送端在发送数据信号之前，先将星座图中的数据点集合S(s1,s2,...,sL)按顺序发出，接收端记录接收到的数据信息集合Z(z1,z2,...,zL)，建立S和Z之间的对应关系表。然后，发送端发送数据信息，接收端根据接收到的数据信息y，根据大数据统计特性，从集合Z中找到与y距离最小的
Figure BDA0002270193980000031
根据S和Z之间的对应关系表估计出发射信号为
Figure BDA0002270193980000032
其中N越大小区间的干扰越小，信号检测效果越好。
根据本发明的一种基于大数据统计特性的大规模天线系统的信号检测方法具体步骤如下：
(1)在大规模天线系统中，以N个小区为一个频率复用簇，在一个簇中的每个小区采用不同的频段。
(2)导频传输阶段：发送端A在发送数据之前，首先将调制星座图中的信号s1,s2,...,sL，按顺序发送一次，这时接收端B接收到的信号分别是 z1,z2,...,zL。
(3)数据传输阶段：完成导频传输后，发送端A发送数据x，这时接收端B接收到的信号记为y。
(4)判决检测阶段：接收端B分别比较y与z1,z2,...,zL的距离。从 z1,z2,...,zL中找出与y距离最小的一个，记为
Figure RE-GDA0002367747490000033
然后，根据步骤(2)，将发送端A发送的信号解码为
Figure RE-GDA0002367747490000034
所对应的
Figure RE-GDA0002367747490000035
其中，
Figure RE-GDA0002367747490000036
满足
Figure RE-GDA0002367747490000037
且
Figure RE-GDA0002367747490000038
这里，D(·,·)表示两个点之间的距离。
进一步的，步骤(1)中所述的N，可以是1，3，7，12或者24。
进一步的，步骤(2)中所述的发送端A可以是基站，也可以是用户；对应地，接收端B可以是用户，也可以是基站。
进一步的，步骤(4)中所述的距离，可以是欧式距离，也可以是绝对距离。
进一步的，步骤(4)中所述D(Re{y},Re{zl})表示y的实部与zl的实部之间的距离。
进一步的，步骤(4)中所述D(Im{y},Im{zl})表示y的虚部与zl的虚部之间的距离。
进一步的，该方法适用于采用频分双工(FDD)、时分双工(TDD)、或全双工的通信系统中。
实施例：
下面参照附图并结合本发明的优选实施例来描述本发明的一种基于大数据统计特性的大规模天线系统的信号检测方法。
本实施例中以3个小区为一个区群，一个区群中的三个小区分别采用不同的频率。假设系统采用BPSK调制，星座图中的点分别为s1＝1， s2＝-1。
参见图1，一种基于大数据统计特性的大规模天线系统的信号检测方法，包括步骤：
(1)在大规模天线系统中，将3个两两相邻的小区作为一个区群，作为一个频率复用簇，在一个簇中的每个小区采用不同的频段。
(2)导频传输阶段：发送端A在发送数据之前，首先将调制星座图中的信号s1,s2，按顺序发送一次，这时接收端B接收到的信号分别是z1,z2，建立{s1,s2}与{z1,z2}之间的对应表。
(3)数据传输阶段：完成导频传输后，发送端A发送数据x，这时接收端B接收到的信号记为y。
(4)判决检测阶段：接收端B分别比较y与z1,z2,...,zL的距离。如果 ||y-z1||＜||y-z2||，则根据步骤(2)，将发送端A发送的信号x解码为z1所对应的s1。
需要说明的是，接收端天数数目越大，步骤(4)中的判断越准确，信号检测也准确。

Claims (7)

1.基于大数据统计特性的大规模天线系统的信号检测方法，其特征在于包括步骤：
步骤(1)在大规模天线系统中，将N个两两相邻的小区作为一个区群，作为一个频率复用簇，在一个频率复用簇中的每个小区采用不同的频段；
步骤(2)导频传输阶段：发送端A在发送数据之前，首先将调制星座图中的信号s1,s2,...,sL，按顺序发送一次，这时接收端B接收到的信号分别是z1,z2,...,zL，建立{s1,s2,...,sL}与{z1,z2,...,zL}之间的对应表；
步骤(3)数据传输阶段：完成导频传输后，发送端A发送数据x，这时接收端B接收到的信号记为y；
步骤(4)判决检测阶段：接收端B分别比较y与z1,z2,...,zL的距离；从z1,z2,...,zL中找出与y距离最小的一个，记为
Figure FDA0002270193970000014
然后，根据步骤(2)将发送端A发送的信号解码为
Figure FDA0002270193970000016
所对应的
Figure FDA0002270193970000015
其中，
Figure FDA0002270193970000011
满足
Figure FDA0002270193970000012
且
Figure FDA0002270193970000013
这里，D(·,·)表示两个点之间的距离。
2.根据权利要求1所述的基于大数据统计特性的大规模天线系统的信号检测方法，其特征在于步骤(1)中所述的N是1、3、7、12或者24。
3.根据权利要求1或2所述的基于大数据统计特性的大规模天线系统的信号检测方法，其特征在于步骤(2)中所述的发送端A是基站或用户；对应地接收端B是用户或基站。
4.根据权利要求3所述的基于大数据统计特性的大规模天线系统的信号检测方法，其特征在于步骤(4)中所述的距离是欧式距离。
5.根据权利要求3所述的基于大数据统计特性的大规模天线系统的信号检测方法，其特征在于步骤(4)中所述的距离是绝对距离。
6.根据权利要求4或5所述的基于大数据统计特性的大规模天线系统的信号检测方法，其特征在于步骤(4)中所述D(Re{y},Re{zl})表示y的实部与zl的实部之间的距离。
7.根据权利要求6所述的基于大数据统计特性的大规模天线系统的信号检测方法，其特征在于步骤(4)中所述D(Im{y},Im{zl})表示y的虚部与zl的虚部之间的距离。
CN201911102204.5A 2019-11-12 2019-11-12 基于大数据统计特性的大规模天线系统的信号检测方法 Active CN111082902B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911102204.5A CN111082902B (zh) 2019-11-12 2019-11-12 基于大数据统计特性的大规模天线系统的信号检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911102204.5A CN111082902B (zh) 2019-11-12 2019-11-12 基于大数据统计特性的大规模天线系统的信号检测方法

Publications (2)

Publication Number Publication Date
CN111082902A true CN111082902A (zh) 2020-04-28
CN111082902B CN111082902B (zh) 2022-05-17

Family

ID=70310865

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911102204.5A Active CN111082902B (zh) 2019-11-12 2019-11-12 基于大数据统计特性的大规模天线系统的信号检测方法

Country Status (1)

Country Link
CN (1) CN111082902B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2001089164A1 (fr) * 2000-05-16 2001-11-22 France Telecom Procede et systeme de detection et de decodage iteratif de symboles recus, couple a une reestimation des coefficients du canal de transmission
US20020150037A1 (en) * 2001-02-28 2002-10-17 Mitsubishi Electric Research Laboratories, Inc. Iterative maximum likelihood channel estimation and signal detection for OFDM systems
US20020181389A1 (en) * 2001-03-08 2002-12-05 Giannakis Georgios B. Channel estimation for wireless OFDM systems
US6856802B1 (en) * 1999-03-29 2005-02-15 Nokia Mobile Phones Ltd. Method and apparatus for measuring and optimising the quality of data transmission
CN1734957A (zh) * 2004-08-12 2006-02-15 中兴通讯股份有限公司 一种宽带码分多址系统的半盲信道估计方法
CN107994929A (zh) * 2017-12-07 2018-05-04 杭州电子科技大学 一种大规模天线系统的调制方式协同方法
CN109818887A (zh) * 2019-03-07 2019-05-28 西安电子科技大学 基于evd-ilsp的半盲信道估计方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6856802B1 (en) * 1999-03-29 2005-02-15 Nokia Mobile Phones Ltd. Method and apparatus for measuring and optimising the quality of data transmission
WO2001089164A1 (fr) * 2000-05-16 2001-11-22 France Telecom Procede et systeme de detection et de decodage iteratif de symboles recus, couple a une reestimation des coefficients du canal de transmission
US20020150037A1 (en) * 2001-02-28 2002-10-17 Mitsubishi Electric Research Laboratories, Inc. Iterative maximum likelihood channel estimation and signal detection for OFDM systems
US20020181389A1 (en) * 2001-03-08 2002-12-05 Giannakis Georgios B. Channel estimation for wireless OFDM systems
CN1734957A (zh) * 2004-08-12 2006-02-15 中兴通讯股份有限公司 一种宽带码分多址系统的半盲信道估计方法
CN107994929A (zh) * 2017-12-07 2018-05-04 杭州电子科技大学 一种大规模天线系统的调制方式协同方法
CN109818887A (zh) * 2019-03-07 2019-05-28 西安电子科技大学 基于evd-ilsp的半盲信道估计方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
XU FENGMIN等: "Antenna Selection and Power Allocation Algorithm in Distributed Antenna Systems", 《IEEE 16TH INTERNATIONAL CONFERENCE ON COMMUNICATION TECHNOLOGY (ICCT)》 *
张剑等: "基于信道分布空间的OFDM信道半盲估计方法", 《信号处理》 *
方昕等: "大规模MIMO系统中的伪随机码导频设计", 《应用科学学报》 *
曹海燕等: "一种大规模MIMO系统低复杂度的CSM检测算法", 《杭州电子科技大学学报(自然科学版)》 *
曹海燕等: "大规模MIMO系统中的伪随机码导频设计", 《杭州电子科技大学学报(自然科学版)》 *
王茜竹等: "Massive MIMO系统基于子空间的半盲信道估计", 《计算机工程与应用》 *

Also Published As

Publication number Publication date
CN111082902B (zh) 2022-05-17

Similar Documents

Publication Publication Date Title
EP2578051B1 (en) Base station calibration
US10270496B2 (en) Apparatus and method for transmitting/receiving signal in wireless communication system supporting distributed antenna system
US20180042021A1 (en) Method of power allocation and base station using the same
CN109714817B (zh) 使用noma和d2d组的通信系统功率分配方法
WO2008042527A2 (en) Mobile assisted downlink beamforming with antenna weight feedback
CN101167323A (zh) 用于延迟分集无线通信系统中信道估计的系统和方法
CN114039706B (zh) 一种基于新型可重构智能表面的空时编码发送方法
CN114114150A (zh) 一种面向通信感知一体化的无线定位方法
CN114222318B (zh) 一种认知无线供电反向散射通信网络鲁棒优化方法
CN100492936C (zh) 无线电通信系统中根据接收信号特性的可变分集发射
US10181927B2 (en) Apparatus and method for channel quality information feedback in wireless communication system using frequency quadrature amplitude modulation
CN107104711B (zh) 一种大规模非正交多接入方法
CN106131855A (zh) 一种5g高密度网络中虚拟小区的信道分配方法
US10575267B2 (en) System and method for providing weighted pattern demapper for Bluetooth® low energy long range
CN106788938B (zh) 一种用户分组的半正交导频设计和信道估计方法
CN108900449B (zh) 多小区mimo-imac的干扰对齐方法
CN110213183A (zh) 一种基于Chu序列的全双工中继系统的信道估计方法
CN106028364A (zh) 一种用于5g高密度网络的虚拟小区形成方法
CN116566769A (zh) 一种ris辅助的去蜂窝大规模mimo共生通信信道估计方法
CN111082902B (zh) 基于大数据统计特性的大规模天线系统的信号检测方法
CN106160814B (zh) 一种基于干扰对齐技术的多基站协作下行传输方法
CN115776424B (zh) 一种去蜂窝大规模mimo共生通信系统信道估计方法
US20200196160A1 (en) Multi-cell coordination system and channel calibration method thereof
US20220278801A1 (en) Device and method for detecting interference between base stations in wireless communication system
CN113438651A (zh) 基于noma的环境背向散射通信系统的物理层认证方法

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20220929

Address after: 710000 No. B49, Xinda Zhongchuang space, 26th Street, block C, No. 2 Trading Plaza, South China City, international port district, Xi'an, Shaanxi Province

Patentee after: Xi'an Huaqi Zhongxin Technology Development Co.,Ltd.

Address before: 310018 No. 2 street, Xiasha Higher Education Zone, Hangzhou, Zhejiang

Patentee before: HANGZHOU DIANZI University