CN111262656A - 低轨星地链路下高谱效稀疏码多址接入多用户迭代检测译码方法 - Google Patents

Abstract

低轨星地链路下高谱效稀疏码多址接入多用户迭代检测译码方法，涉及信息与通信技术领域，是为了解决低轨星地链路下的高谱效稀疏码多址接入受到多种干扰造成系统可靠性低的问题，本发明提出针对这种体制下的多用户迭代检测译码(IMUDD)方法，该方法以Turbo编译码方式执行软信息迭代，IMUDD可以通过一个外部迭代和三个内部迭代过程有效地实现多址干扰，符号间干扰和载波间干扰消除，在每次迭代中，从检测和解码阶段提取外部信息，然后将其用作下一个迭代中的先验信息，此外，为了降低IMUDD方案的计算复杂度，采用并分析了对数域IMUDD，仿真结果表明，与传统的Turbo结构接收机相比，IMUDD在多径衰落信道或加性高斯白噪声信道上具有明显的性能提升。

Description

低轨星地链路下高谱效稀疏码多址接入多用户迭代检测译码 方法

技术领域

本发明涉及信息与通信技术领域，具体涉及一种高谱效稀疏码多址接入多用户迭代检测译码方法。

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。

人们普遍认为未来基于低轨卫星的物联网(IoT)在无线网络中具有重要的应用前景，它可以在有限的带宽内提供无处不在的连接性，预期的频谱效率和更高的数据速率，为了克服这些重大挑战，已经探索了新的非正交多载波传输和非正交多址方案。

正交多载波传输和正交多址(OMA)方案几乎无法满足即将到来的要求，例如高系统吞吐量，频谱效率和IoT的大规模访问，通过非正交资源分配，与传统OMA相比，非正交多址访问(NOMA)方案可以容纳更多用户，功率域复用和代码域复用是NOMA方案的主要代表，相应的方案包括功率域NOMA，具有低密度扩展的多路访问(LDS)，稀疏代码多路访问(SCMA)等，在SCMA中，多个用户的比特信息被映射到多维稀疏码字，并且消息传递算法(MPA)通常用于检测接收器中的信息，相对于传统的正交频分复用(OFDM)，已经提出了非正交的多载波传输方案来提高带宽效率，已经提出了频谱有效的频分复用(SEFDM)，并且比奈奎斯特信令(FTN)更快，其中压缩时间或频率资源以减少有效带宽占用。

先前的工作已经提出将SCMA和SEFDM结合使用，它们以更高的信号检测方法为代价实现了更高的频谱效率，接收机采用迭代检测和MPA来减轻载波间干扰(ICI)和多址干扰(MAI)，但是，SCMA-SEFDM仍然面临差的误码率(BER)性能和高复杂度的挑战。

迭代的多用户检测方法已经在许多系统中得到了很好的应用，例如，在码分多址(CDMA)系统，LDS系统和SCMA系统中进行了研究。

发明内容

针对上述不足，本发明是为了解决低轨星地链路下的高谱效稀疏码多址接入受到多种干扰造成系统可靠性低的问题，从而提出一种低轨星地链路下高谱效稀疏码多址接入多用户迭代检测译码方法。

低轨星地链路下高谱效稀疏码多址接入多用户迭代检测译码方法，在面向低轨卫星物联网场景下，

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；J、N均为正整数；则一次低轨星地链路下高谱效稀疏码多址接入多用户迭代检测译码方法具体为：

对于用户j,L_b个信息比特

通过Turbo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

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|，然后SEFDM调制器将用户的SCMA信号转换为SEFDM时域信号。

由于是适用于低轨卫星星地链路的多径衰落信道模型下的系统模型，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，最基本的加循环前缀的方式进行解决。

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 (1)

其中s为原始信源符号，x是SCMA信号，F^-1代表傅立叶逆变换(IDFT)；

设加上CP后的数据为s_cp，多径衰落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 (2)

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)

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。

采用信道均衡方式，利用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)变换到频域有：

Y＝H_NgS+N_N (4)

其中H_N为多径衰落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SEFDM信号s的频域形式，g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。

经过一定的频域处理后，接收端信号为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，则得到：

R＝G·x+F·n_H (5)

其中F代表傅里叶变换(DFT)，经过频域处理法的一系列处理，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，直接使用ID检测算法进行信号的检测处理。

在SEFDM解调之后，信号被发送到接收端的IMUDD，IMUDD的结构由三部分组成：迭代检测，软输入输出的MPA解码器和K个并行软输入输出的Turbo解码器，由解交织器和交织器分隔，如图2所示。

迭代检测(ID)算法如下所示：

d＝ωR⁰+(I-ωG)R^n-1 (6)

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是接收器获得的初始估计，R^n-1是n-1次迭代后的输出，I是单位矩阵。

矩阵G的第k行和第l列的元素表示为：

其中，α＝N/K表示带宽压缩因子，K是傅里叶变换的点数。

对于这种迭代方法，如果失真的功率小于信号的功率，则在无限次迭代之后重建所需的信号，但是，如果是非线性失真操作，则正确选择ω能够加快重建速度，由于AWGN信道的特性，根据之前的研究得到，第n个子信道的频域接收信号矢量简化为：

其中：x_n,j是x的第n行第j列元素，F_K代表K点DFT矩阵；

SISO MPA代表软输入软输出的信息传递方法，SISO MPA译码器对每个用户层的编码比特进行软判决，即后验对数似然比(LLR)，表示为：

通过应用贝叶斯，进一步得出：

其中：

代表SISO MPA译码器的外部信息，

表示先前迭代中给出

的先验LLR，对于第一个迭代，设没有先验信息

根据公式(10)，对于a和x之间的关系：

以相同的方式定义，设

为从

中的编码位映射的一组码字，

也类似，根据贝叶斯：

由于噪声矢量是独立地均匀分布的，并且与码字无关，所以，

其中P{x}是先验概率，得到：

条件概率密度函数P{d_n|x}由下式给出：

根据迭代检测的输出d_n和先验输入信息P{x}，消息更新变为：

其中κ表示归一化系数，

max^*(a,b)@log(e^a+e^b) (17)

LLR被解交织并馈送到Turbo译码器中；后验LLR的计算表示为：

其中：

代表SISO Turbo译码器的外部信息，

代表来自SISO MPA译码器

的先验LLR，其中：

代表SISO Turbo译码器的外部信息，

代表来自SISOMPA译码器

的先验LLR。

本发明获得的有益效果和显著进步：本发明针对低轨星地链路下的高谱效稀疏码多址接入受到多种干扰造成系统可靠性低的问题，提出针对这种体制下的多用户迭代检测译码(IMUDD)方法，该方法以Turbo编译码方式执行软信息迭代，IMUDD可以通过一个外部迭代和三个内部迭代过程有效地实现多址干扰，符号间干扰和载波间干扰消除，在每次迭代中，从检测和解码阶段提取外部信息，然后将其用作下一个迭代中的先验信息，此外，为了降低IMUDD方案的计算复杂度，采用并分析了对数域IMUDD，仿真结果表明，与传统的Turbo结构接收机相比，IMUDD在多径衰落信道或加性高斯白噪声信道上具有明显的性能提升，能够满足实际的应用需求。

附图说明

图1为基于IMUDD的低轨星地链路多径衰落信道的高谱效稀疏码多址接入系统模型框图；

图2为多用户迭代检测译码(IMUDD)算法示意图；

图3为AWGN信道不同I_outer情况下高谱效稀疏码多址接入系统的误码率(BER)性能仿真对比示意图，α＝4/5；

图4为低轨星地链路多径衰落信道不同I_outer情况下高谱效稀疏码多址接入系统的BER性能仿真对比示意图，α＝4/5；

图5为低轨星地链路多径衰落信道不同α情况下高谱效稀疏码多址接入系统的BER性能仿真对比示意图，I_outer＝1；

图6为低轨星地链路多径衰落信道不同α情况下高谱效稀疏码多址接入系统的BER性能仿真对比示意图，I_outer＝2；

图7为低轨星地链路多径衰落信道不同α情况下高谱效稀疏码多址接入系统的BER性能仿真对比示意图，I_outer＝3；

图8为本发明的两种检测方案复杂度对比仿真对比示意图。

具体实施方式

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做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，提出低轨卫星星地链路的高谱效稀疏码多址接入方法，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，系统模型如图1所示，本研究的创新点在于接收端的IMUDD的提出。

对于用户j,L_b个信息比特

通过Turbo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

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|，然后SEFDM调制器将用户的SCMA信号转换为SEFDM时域信号。

本方法考虑是适用于低轨卫星星地链路的多径衰落信道模型下的系统模型，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 (1)

其中s为原始信源符号，x是SCMA信号，F^-1代表傅立叶逆变换(IDFT)。

设加上CP后的数据为s_cp，多径衰落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 (2)

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)

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。

采用信道均衡方式，利用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)变换到频域有：

Y＝H_NgS+N_N (4)

其中H_N为多径衰落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SEFDM信号s的频域形式，g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。

经过一定的频域处理后，接收端信号为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，则得到：

R＝G·x+F·n_H (5)

其中F代表傅里叶变换(DFT)，经过频域处理法的一系列处理，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

在SEFDM解调之后，信号被发送到接收端的IMUDD。IMUDD的结构由三部分组成：迭代检测，软输入输出的MPA解码器和K个并行软输入输出的Turbo解码器，由解交织器和交织器分隔，如图2所示。

迭代检测(ID)算法如下所示：

d＝ωR⁰+(I-ωG)R^n-1 (6)

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是接收器获得的初始估计，R^n-1是n-1次迭代后的输出，I是单位矩阵。

矩阵G的第k行和第l列的元素表示为：

其中，α＝N/K表示带宽压缩因子，K是傅里叶变换的点数。

对于这种迭代方法，如果失真的功率小于信号的功率，则可以在无限次迭代之后重建所需的信号，但是，如果是非线性失真操作，则正确选择ω可以加快重建速度，考虑到AWGN信道的特性，根据之前的研究可以得到，第n个子信道的频域接收信号矢量可以简化为：

其中x_n,j是x的第n行第j列元素，F_K代表K点DFT矩阵。

SISO MPA代表软输入软输出的信息传递算法，SISO MPA译码器可对每个用户层的编码比特进行软判决，即后验对数似然比(LLR)，可以表示为：

通过应用贝叶斯，可以进一步得出：

其中，

代表SISO MPA译码器的外部信息，

表示先前迭代中给出

的先验LLR，对于第一个迭代，假设没有先验信息

根据[10]，考虑a和x之间的关系：

以相同的方式定义，设

为从

中的编码位映射的一组码字，

也类似，根据贝叶斯：

由于噪声矢量是独立地均匀分布的，并且与码字无关，所以：

其中P{x}是先验概率，得到：

条件概率密度函数P{d_n|x}由下式给出：

根据迭代检测的输出d_n和先验输入信息P{x}，消息更新变为：

其中κ表示归一化系数，

max^*(a,b)@log(e^a+e^b) (17)

LLR被解交织并馈送到Turbo译码器中。后验LLR的计算类似于Turbo译码器，可以表示为：

其中

代表SISO Turbo译码器的外部信息，

代表来自SISO MPA译码器

的先验LLR。

性能仿真分析

在本部分，分别针对低轨星地链路多径衰落信道和AWGN信道下的基于IMUDD的高谱效稀疏码多址接入的BER性能，以及复杂度进行了性能仿真与分析。系统仿真参数如表1所示。

表1系统仿真参数

Table 1 System simulation parameters

图3和图4分别显示了IMUDD方案和Log-IMUDD方案在AWGN信道和低轨星地链路多径衰落信道上的BER性能，仅考虑带宽压缩因子α＝4/5的情况，仿真结果表明，IMUDD的性能要优于非迭代的IMUDD，与传统的Turbo编码的系统的BER性能相比，IMUDD方案具有更好的BER性能。

图4表明，不同检测方案和不同的外部迭代次数的BER性能比较，与IMUDD的1次迭代相比，当BER为10^-5时，IMUDD的2次迭代具有约5dB的增益，随着算法的收敛，更多的迭代仍然带来更多的系统性能增强，经过2次以上的迭代后，BER10^-5的增益约为1.3dB，对于IMUDD方案，3次迭代可在BER10^-5处获得1.3dB的更大增益，IMUDD方案实现的性能要比Log-IMUDD方案好一些，但是，Log-IMUDD的复杂度小于IMUDD的复杂度。

从图5到图7，IMUDD方案和Log-IMUDD方案在多径衰落信道上分别在I_outer＝1，I_outer＝2和I_outer＝3时的不同的BER性能，当带宽压缩因子α接近1时，IMUDD方案和Log-IMUDD方案都将获得更好的BER性能，由于带宽压缩系数α越小，子载波之间的干扰越大，例如，图6表示，与α＝4/6时的BER为10^-4时的IMUDD的2次迭代相比，α＝4/5时的IMUDD的2次迭代具有约6.8dB的增益IMUDD方案以损失复杂性为代价，比Log-IMUDD方案获得的性能要好一些。

复杂度分析

在这一部分中，分析了IMUDD和对数域Log-IMUDD的复杂度，包括迭代检测，MPA和Log-MPA复杂度，可以通过乘法(MUL)，加法(ADD)和指数(EXP)评估两种方案的复杂性，三种算法的复杂度如表2所示，IMUDD和Log-IMUDD的复杂度如表3所示。

ID算法的复杂度主要基于等式(6)，可以看出，乘法的数量为4I_IDN²，加法的数量为8I_IDN²。

对于MPA，我们使用规则因子图矩阵来分析码本的译码复杂度，为了获得码本矩阵的每个元素，需要进行复数乘法，码本矩阵的计算需要2MNd_v加法和4MNd_v乘法，要更新一个FN处的VN，需要

加法，

乘法和

指数运算，在VN上更新一个FN需要(Z-2)加法，在Log-MPA算法中，对同一码本矩阵的计算需要2MNd_v加法和4MNd_v乘法。

表2三种算法的复杂度对比

Table 2 Comparison of the complexity of the three algorithms

表3两种检测方案的复杂度对比

Table 3 Comparison of the complexity of the two detection schemes

在图8中，复杂度的三个要素，不同的带宽压缩因子和DFT大小构成了三维图形，与Log-IMUDD相比，IMUDD的加法次数更少，但乘法运算却高得多，Log-IMUDD没有指数运算，但是IMUDD具有非常高的指数运算，Log-IMUDD的指数运算转换为加法和乘法运算，从而降低了整个系统的复杂性，综合可以看出，Log-IMUDD在复杂性方面具有更多优势。

Claims (2)

1.低轨星地链路下高谱效稀疏码多址接入多用户迭代检测译码方法，其特征是：在面向低轨卫星物联网场景下，

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；J、N均为正整数；则一次低轨星地链路下高谱效稀疏码多址接入多用户迭代检测译码方法具体为：

对于用户j,L_b个信息比特

通过Turbo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

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|；然后SEFDM调制器将用户的SCMA信号转换为SEFDM时域信号；

由于是适用于低轨卫星星地链路的多径衰落信道模型下的系统模型；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，采用最基本的加循环前缀的方式进行解决；

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 (1)

其中s为原始信源符号，x是SCMA信号，F^-1代表傅立叶逆变换(IDFT)；

设加上CP后的数据为s_cp，多径衰落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 (2)

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)

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；

采用信道均衡方式，利用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)变换到频域有：

Y＝H_NgS+N_N (4)

其中H_N为多径衰落信道的单位脉冲响应h的频域形式，由于是圆周卷积，其变换到频域所做的DFT点数为N；S是SEFDM信号s的频域形式；g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；

经过频域处理后，接收端信号为R，设经过去除CP和拖尾数据后的截断噪声为n_H，则得到：

R＝G·x+F·n_H (5)

其中：F代表傅里叶变换(DFT)，经过频域处理法的一系列处理，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，直接使用ID检测算法进行信号的检测处理；

在SEFDM解调之后，信号被发送到接收端的IMUDD；

迭代检测(ID)方法如下所示：

d＝ωR⁰+(I-ωG)R^n-1 (6)

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是接收器获得的初始估计，R^n-1是n-1次迭代后的输出，I是单位矩阵；

矩阵G的第k行和第l列的元素表示为：

其中，α＝N/K表示带宽压缩因子，K是傅里叶变换的点数；

对于这种迭代方法，如果失真的功率小于信号的功率，则在无限次迭代之后重建所需的信号，但是，如果是非线性失真操作，则正确选择ω能够加快重建速度；由于AWGN信道的特性，根据之前的研究得到，第n个子信道的频域接收信号矢量简化为：

其中：x_n,j是x的第n行第j列元素，F_K代表K点DFT矩阵；

SISO MPA代表软输入软输出的信息传递方法，SISO MPA译码器对每个用户层的编码比特进行软判决，即后验对数似然比(LLR)，表示为：

通过应用贝叶斯，进一步得出：

其中：

代表SISO MPA译码器的外部信息，

表示先前迭代中给出

的先验LLR，对于第一个迭代，设没有先验信息

根据公式(10)，对于a和x之间的关系：

以相同的方式定义，设

为从

中的编码位映射的一组码字，

根据贝叶斯：

由于噪声矢量是独立地均匀分布的，并且与码字无关，所以，

其中P{x}是先验概率，得到：

条件概率密度函数P{d_n|x}由下式给出：

根据迭代检测的输出d_n和先验输入信息P{x}，消息更新变为：

其中κ表示归一化系数，

max^*(a,b)@log(e^a+e^b) (17)

LLR被解交织并馈送到Turbo译码器中；后验LLR的计算表示为：

其中：

代表SISO Turbo译码器的外部信息，

代表来自SISO MPA译码器

的先验LLR。

2.根据权利要求1所述的低轨星地链路下高谱效稀疏码多址接入多用户迭代检测译码方法，其特征在于接收端的IMUDD；IMUDD的结构包括三部分：迭代检测单元，软输入输出的MPA解码器单元和K个并行软输入输出的Turbo解码器单元，K为正整数。

Images