CN111835464B - 一种与源址无关的大规模合作接入方法 - Google Patents

一种与源址无关的大规模合作接入方法 Download PDF

Info

Publication number
CN111835464B
CN111835464B CN202010675832.9A CN202010675832A CN111835464B CN 111835464 B CN111835464 B CN 111835464B CN 202010675832 A CN202010675832 A CN 202010675832A CN 111835464 B CN111835464 B CN 111835464B
Authority
CN
China
Prior art keywords
access point
access
iteration
calculated
sub
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.)
Active
Application number
CN202010675832.9A
Other languages
English (en)
Other versions
CN111835464A (zh
Inventor
邵晓丹
陈晓明
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.)
Zhejiang University ZJU
Original Assignee
Zhejiang University ZJU
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 Zhejiang University ZJU filed Critical Zhejiang University ZJU
Priority to CN202010675832.9A priority Critical patent/CN111835464B/zh
Publication of CN111835464A publication Critical patent/CN111835464A/zh
Application granted granted Critical
Publication of CN111835464B publication Critical patent/CN111835464B/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
    • H04L1/004—Arrangements for detecting or preventing errors in the information received by using forward error control
    • H04L1/0056—Systems characterized by the type of code used
    • H04L1/0061—Error detection codes
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L5/00—Arrangements affording multiple use of the transmission path
    • H04L5/003—Arrangements for allocating sub-channels of the transmission path
    • H04L5/0048—Allocation of pilot signals, i.e. of signals known to the receiver
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L5/00—Arrangements affording multiple use of the transmission path
    • H04L5/003—Arrangements for allocating sub-channels of the transmission path
    • H04L5/0053—Allocation of signaling, i.e. of overhead other than pilot signals

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种与源址无关的大规模合作接入方法。在第六代(6G)去蜂窝无线网络中，多个配备大规模天线阵列的接入点分布在整个区间内，大量无线设备通过接入点接入网络。在任一给定时隙，仅有部分设备激活，而其他设备处于休眠状态。本发明基于免授权的随机接入协议，所有的激活设备使用相同的并且所有的接入点均已知的码书向接入点发送经过外部编码器处理的信息。首先，各个接入点基于一种大规模合作检测方法进行内部数据解码，然后将解码结果传送给外部解码器，外部解码器通过拼接子信息序列恢复出所接收到的信息，但是并不需要检测出这些信息来自于哪些设备。本发明为具有大规模设备接入的去蜂窝无线网络提供了一种高效简单的数据检测方法。

Description

一种与源址无关的大规模合作接入方法
技术领域
本发明涉及无线通信领域，尤其涉及一种与源址无关的大规模合作接入方法。
背景技术
大规模机器通信是6G无线网络的三种主要应用场景之一。它的一个主要特点是无线网络需要支持大规模的无线终端的同时接入，同时网络中的终端的激活模式通常是偶发的。因为在每个时隙内，仅有少部分的终端处于激活状态，需要与接入点通信。其他设备为了节省能量而暂时处于休眠状态，它们只有在受到外部事件触发时才会被激活。
一方面，目前的与源址有关的大规模接入技术中，在涉及到联合设备激活检测和信道估计的问题时，激活的终端在每个时隙的开始阶段同时向接入点发射一个各自独有的导频序列，接入点通过激活检测和信道估计算法，得知哪些终端处于激活状态并获得其相应的信道状态信息。由于潜在设备数目庞大，并且接入点配备超大规模天线阵列，造成了设备检测和信道估计算法的导频序列长，计算复杂度等难题。另外，在涉及到数据检测的算法中，数据信息被融入到导频序列中，即每个设备配备多个不同的导频序列，接入点利用压缩感知技术联合检测出激活的设备和相应的数据信息。在这种方式中，每个用户需要配备唯一的一个码本。因此，这种方案仅适用于传递非常短的数据包。然而，短数据包传输已经不能满足飞速发展的物联网的需求。
另一方面，由于大量设备需要访问资源有限的6G无线网络，单接入点的检测已经变得越来越有挑战性。因此，基于多小区的估计算法可以应用到联合设备检测和信道估计问题中。但是，在传统方案中，各个小区的接入点独立进行信道估计。实际上，如果相邻接入点相互合作，共同处理从相邻接入点接收到的数据，可以大大提高检测的准确度，并且多小区间的干扰限制了估计的准确度。
为了解决这两个问题，本专利研究基于多接入点的去蜂窝无线网络，在这个网络中，所有设备都使用相同的码书同时向所有接入点发送数据信息。各个接入点与其邻居节点相互合作检测出这些数据信息，但是不需要判断出哪个信息属于哪个设备。如果发送信息的设备想要标识自己，可以将其ID包含在其所发送的信息里。因此，如何在此模型基础上设计出高效的算法，实现用较短的子时隙长度准确地检测出更长的数据包成为了关键性问题。
发明内容
本发明的目的是为了解决去蜂窝无线网络中，多个接入点配备大规模天线阵列时，现有与源址有关的大规模接入系统中的每个设备需要有一个独特的码书，数据检测方案的所能检测出的数据包短，需要的导频序列长，计算复杂度高的问题，提出了一种与源址无关的大规模合作接入算法。
本发明所采用的具体技术方案如下:
一种与源址无关的大规模合作接入方法，其包括如下步骤：
1)在6G去蜂窝无线网络中，所有激活设备基于一种外部编码方法，将要发送的
Figure BDA0002584012150000023
比特信息融入奇偶校验码后，编码到
Figure BDA0002584012150000021
个子序列块中；
2)激活设备基于一种内部编码方法，将1)中外部编码器生成的
Figure BDA0002584012150000022
个子序列块发送到所有接入点上；
3)各个接入点接收到数据后，利用一种基于合作检测算法的内部解码方法，检测出每个子序列中的数据状态矢量；
4)根据一种硬阈值方法，各个接入点对步骤3)中的数据状态矢量估值进行判决，得出每个子序列块中激活信息的列表；
5)得到激活信息列表后，基于一种外部解码方法，各个接入点通过将子序列块的信息拼接在一起，恢复其所所发送的信息。
作为优选，步骤1)中所述的外部编码方法为：
各个激活设备将
Figure BDA0002584012150000031
比特信息分成
Figure BDA0002584012150000032
块，其中第一块的长度为J，剩下的每块的长度都小于J；然后为所有设备设置相同的伪随机奇偶校验方程，根据此方程为所有终端设备生成奇偶校验码，将奇偶校验码拼接在除第一块以外的其他块序列中，使得所有序列块的长度均为J。
作为优选，步骤2)中所述的内部编码方法为：
给定子时隙的长度为L，设置编码矩阵
Figure BDA0002584012150000033
其中
Figure BDA0002584012150000034
代表复数域，S的每一列都代表一个内部码书；首先，任意一个激活的设备k将其任意的一个子序列块
Figure BDA0002584012150000035
中要发送的J比特信息映射成取值范围是1到2J的整数ek；然后，激活的设备将内部码书S的第ek列发送给去蜂窝无线网络中的所有接入点。
作为优选，步骤3)中所述的基于合作检测算法的内部解码方法为：
对所有的子序列块
Figure BDA0002584012150000036
执行并行运算，每个子序列块进行以下迭代过程：
输入所有接入点b＝1,2,…,B的接收数据Yb、码书S、经验协方差
Figure BDA0002584012150000037
步长ηb和迭代次数t的上界T，其中B为6G去蜂窝网络中的接入点总数，M为每个接入点所配备的天线数目；初始化所有接入点b＝1,2,…,B在迭代次数t＝0时的数据状态矢量初始值为
Figure BDA0002584012150000038
协方差矩阵的初始值为
Figure BDA0002584012150000039
中间量
Figure BDA00025840121500000310
其中σ2为噪声方差，I为单位矩阵，
Figure BDA00025840121500000311
为结合系数，
Figure BDA00025840121500000312
为中间量,
Figure BDA00025840121500000313
为接入点b的一跳邻居接入点集合；对每个接入点b，开始进行第t＝1次迭代：
首先，更新中间变量
Figure BDA00025840121500000314
其中ηb为步长；
Figure BDA00025840121500000315
为接入点b的排除其自身的一跳邻居接入点集合，
Figure BDA00025840121500000316
和
Figure BDA00025840121500000317
分别为集合
Figure BDA00025840121500000318
和
Figure BDA00025840121500000319
的基数，||·||2为向量的二范数,
Figure BDA0002584012150000041
为矩阵
Figure BDA0002584012150000042
的第n行，
Figure BDA0002584012150000043
为接入点b在第t次迭代中的数据状态矢量，
Figure BDA0002584012150000044
为接入点li在第t次迭代中的数据状态矢量，β>0为稀疏性惩罚因子；变量
Figure BDA0002584012150000045
的计算方法为
Figure BDA0002584012150000046
为
Figure BDA0002584012150000047
的第n个元素，
Figure BDA0002584012150000048
为接入点b在t时刻中间变量；梯度
Figure BDA0002584012150000049
的计算方法为：
Figure BDA00025840121500000410
为
Figure BDA00025840121500000411
的第n个元素，子梯度
Figure BDA00025840121500000412
的计算方法为
Figure BDA00025840121500000413
以
Figure BDA00025840121500000414
的概率计算此公式，
Figure BDA00025840121500000430
为概率值参数，col{·}为列向量，
Figure BDA00025840121500000416
为经验协方差，；协方差中间变量
Figure BDA00025840121500000417
的计算方法为
Figure BDA00025840121500000418
为第t次迭代中的协方差矩阵，sn为S的第n列，(·)-1为矩阵的求逆运算，上标H为矩阵的共轭转置运算；
然后，从接入点b的一跳邻居接入点集合
Figure BDA00025840121500000419
中以概率
Figure BDA00025840121500000420
选出一个一跳邻居节点l；
接着，更新结合系数
Figure BDA00025840121500000421
和子步长
Figure BDA00025840121500000422
结合系数
Figure BDA00025840121500000423
的计算方法为
Figure BDA00025840121500000424
ρ为预设的可调参数，exp(·)为指数运算，
Figure BDA00025840121500000425
为邻居节点l在第t-1次迭代中的数据状态矢量；子步长
Figure BDA00025840121500000426
的计算方法为
Figure BDA00025840121500000427
pl为选择概率；
接着，对索引标识n从1到2J取值，依次更新数据状态矢量的元素
Figure BDA00025840121500000428
和协方差
Figure BDA00025840121500000429
的计算方法为
Figure BDA0002584012150000051
为相似性惩罚因子，
Figure BDA0002584012150000052
为中间变量
Figure BDA0002584012150000053
的第n个元素，
Figure BDA0002584012150000054
为中间变量
Figure BDA0002584012150000055
的第n个元素，|·|为取绝对值运算；
Figure BDA0002584012150000056
的计算方法为
Figure BDA0002584012150000057
接着，更新中间变量
Figure BDA0002584012150000058
和中间变量
Figure BDA0002584012150000059
的计算方法为
Figure BDA00025840121500000510
的计算方法为
Figure BDA00025840121500000511
最后，各个接入点将数据状态估计矢量
Figure BDA00025840121500000512
分别通过回程链路传送给其一跳邻居接入点；
完成一次迭代的更新后，更新迭代次数t←t+1，再次重复下一次迭代的更新，直到t＝T时停止循环，完成未知数据状态矢量的估计。
作为优选，步骤4)中所述的硬阈值方法为：
以
Figure BDA00025840121500000513
代表步骤3)中计算得到的任意接入点b和任意一个子序列块i的数据状态矢量估值，利用激活判断标准：
Figure BDA00025840121500000514
各个接入点可以判断出码书S的哪些列处于激活状态，其中
Figure BDA00025840121500000515
为数据状态矢量
Figure BDA00025840121500000516
的第r个元素，vb,i为可调参数，
Figure BDA00025840121500000519
代表在子序列块i检测出来的激活信息列表。
作为优选，步骤5)中所述的外部解码方法为：
对于各个接入点，外部解码器将所有序列块
Figure BDA00025840121500000517
的激活信息列表
Figure BDA00025840121500000518
从整数值转换为二进制值，将数据和奇偶校验位分开，计算列表中的所有信息组合的奇偶校验，并仅扩展树中满足奇偶校验条件的路径。
本发明具有的有益效果是：本发明提出的与源址无关的大规模合作接入算法，可以利用较短的子时隙长度准确地检测出更长的数据包，解决了传统的有源大规模数据检测问题中所能检测出的数据包短，需要的导频序列长，计算复杂度高等所产生的一系列问题。
附图说明
图1是与源址无关的大规模合作接入的场景示意图；
图2是将本发明的与源址无关的大规模合作接入方法与其他基于多小区的与源址无关的大规模接入方法比较时，数据检测错误概率与接入点天线数目的关系；
图3是将本发明的与源址无关的大规模合作接入方法与其他基于多小区的与源址无关的大规模接入方法比较时，数据检测错误概率与设备发射功率的关系；
具体实施方式
本实施例中，与源址无关的大规模合作接入场景图如图1所示，6G无蜂窝无线网络配备多个接入点,每个写入点安装M根天线，每个终端设备配置1根天线，每个时隙内，仅有少量终端随机激活与各个接入点进行通信，其他终端暂时处于睡眠状态。本发明基于免授权的随机接入协议，所有的激活设备运用相同的并且所有的接入点均已知的编码矩阵向各个接入点发送经过外部编码器处理的信息，首先，各个接入点基于一种大规模合作检测方法进行内部数据解码，然后将解码结果传送给外部解码器，外部解码器通过拼接子信息序列恢复出所接收到的信息。
基于多个接入点，本实施例提供了一种与源址无关的大规模合作接入算法，其包括如下步骤：
1)在6G去蜂窝无线网络中，所有激活设备基于一种外部编码方法，将要发送的
Figure BDA0002584012150000061
比特信息融入奇偶校验码后，编码到
Figure BDA0002584012150000062
个子序列块中。
在本步骤中，外部编码方法为：
各个激活设备将
Figure BDA0002584012150000063
比特信息分成
Figure BDA0002584012150000064
块，其中第一块的长度为J，剩下的每块的长度都小于J；然后为所有设备设置相同的伪随机奇偶校验方程，根据此方程为所有终端设备生成奇偶校验码，将奇偶校验码拼接在除第一块以外的其他块序列中，使得所有序列块的长度均为J。
2)激活设备基于一种内部编码方法，将1)中外部编码器生成的
Figure BDA00025840121500000718
个子序列块发送到所有接入点上。
在本步骤中，内部编码方法为：
给定子时隙的长度为L，设置编码矩阵
Figure BDA0002584012150000071
其中
Figure BDA0002584012150000072
代表复数域，S的每一列都代表一个内部码书；首先，任意一个激活的设备k将其任意的一个子序列块
Figure BDA0002584012150000073
中要发送的J比特信息映射成取值范围是1到2J的整数ek；然后，激活的设备将内部码书S的第ek列发送给去蜂窝无线网络中的所有接入点。
3)各个接入点接收到数据后，利用一种基于合作检测算法的内部解码方法，检测出每个子序列中的数据状态矢量。
在本步骤中，基于合作检测算法的内部解码方法为：
对所有的子序列块
Figure BDA0002584012150000074
执行并行运算，每个子序列块进行以下迭代过程：
输入所有接入点b＝1,2,…,B的接收数据Yb、码书S、经验协方差
Figure BDA0002584012150000075
步长ηb和迭代次数t的上界T，其中B为6G去蜂窝网络中的接入点总数，M为每个接入点所配备的天线数目；初始化所有接入点b＝1,2,…,B在迭代次数t＝0时的数据状态矢量初始值为
Figure BDA0002584012150000076
协方差矩阵的初始值为
Figure BDA0002584012150000077
中间量
Figure BDA0002584012150000078
其中σ2为噪声方差，I为单位矩阵，
Figure BDA0002584012150000079
为结合系数，
Figure BDA00025840121500000710
为中间量,
Figure BDA00025840121500000711
为接入点b的一跳邻居接入点集合；对每个接入点b，开始进行第t＝1次迭代(迭代过程中参数的上标t表示第t次迭代的参数)：
首先，更新中间变量
Figure BDA00025840121500000712
其中ηb为步长；
Figure BDA00025840121500000713
为接入点b的排除其自身的一跳邻居接入点集合，
Figure BDA00025840121500000714
和
Figure BDA00025840121500000715
分别为集合
Figure BDA00025840121500000716
和
Figure BDA00025840121500000717
的基数，||·||2为向量的二范数,
Figure BDA0002584012150000081
为矩阵
Figure BDA0002584012150000082
的第n行，
Figure BDA0002584012150000083
为接入点b在第t次迭代中的数据状态矢量，
Figure BDA0002584012150000084
为接入点li在第t次迭代中的数据状态矢量，β>0为稀疏性惩罚因子；变量
Figure BDA0002584012150000085
的计算方法为
Figure BDA0002584012150000086
为
Figure BDA0002584012150000087
的第n个元素，
Figure BDA0002584012150000088
为接入点b在t时刻中间变量；梯度
Figure BDA0002584012150000089
的计算方法为：
Figure BDA00025840121500000810
为
Figure BDA00025840121500000829
的第n个元素，子梯度
Figure BDA00025840121500000811
的计算方法为
Figure BDA00025840121500000812
以
Figure BDA00025840121500000813
的概率计算此公式，
Figure BDA00025840121500000830
为概率值参数，col{·}为列向量，
Figure BDA00025840121500000815
为经验协方差，；协方差中间变量
Figure BDA00025840121500000816
的计算方法为
Figure BDA00025840121500000817
为第t次迭代中的协方差矩阵，sn为S的第n列，(·)-1为矩阵的求逆运算，上标H为矩阵的共轭转置运算；
然后，从接入点b的一跳邻居接入点集合
Figure BDA00025840121500000818
中以概率
Figure BDA00025840121500000819
选出一个一跳邻居节点l；
接着，更新结合系数
Figure BDA00025840121500000820
和子步长
Figure BDA00025840121500000821
结合系数
Figure BDA00025840121500000822
的计算方法为
Figure BDA00025840121500000823
ρ为预设的可调参数，exp(·)为指数运算，
Figure BDA00025840121500000824
为邻居节点l在第t-1次迭代中的数据状态矢量；子步长
Figure BDA00025840121500000825
的计算方法为
Figure BDA00025840121500000826
pl为选择概率；
接着，对索引标识n从1到2J取值，依次更新数据状态矢量的元素
Figure BDA00025840121500000827
和协方差
Figure BDA00025840121500000828
的计算方法为
Figure BDA0002584012150000091
为相似性惩罚因子，
Figure BDA0002584012150000092
为中间变量
Figure BDA0002584012150000093
的第n个元素，
Figure BDA0002584012150000094
为中间变量
Figure BDA0002584012150000095
的第n个元素，|·|为取绝对值运算；
Figure BDA0002584012150000096
的计算方法为
Figure BDA0002584012150000097
接着，更新中间变量
Figure BDA0002584012150000098
和中间变量
Figure BDA0002584012150000099
的计算方法为
Figure BDA00025840121500000910
的计算方法为
Figure BDA00025840121500000911
最后，各个接入点将数据状态估计矢量
Figure BDA00025840121500000912
分别通过回程链路传送给其一跳邻居接入点；
完成一次迭代的更新后，更新迭代次数t←t+1，再次重复下一次迭代的更新，直到t＝T时停止循环，完成未知数据状态矢量的估计。
4)根据一种硬阈值方法，各个接入点对步骤3)中的数据状态矢量估值进行判决，得出每个子序列块中激活信息的列表。
在本步骤中，硬阈值方法为：
以
Figure BDA00025840121500000913
代表步骤3)中计算得到的任意接入点b和任意一个子序列块i的数据状态矢量估值，利用激活判断标准：
Figure BDA00025840121500000914
各个接入点可以判断出码书S的哪些列处于激活状态，其中
Figure BDA00025840121500000915
为数据状态矢量
Figure BDA00025840121500000916
的第r个元素，vb,i为可调参数，
Figure BDA00025840121500000918
代表在子序列块i检测出来的激活信息列表。
5)得到激活信息列表后，基于一种外部解码方法，各个接入点通过将子序列块的信息拼接在一起，恢复其所所发送的信息。
在本步骤中，外部解码方法为：
对于各个接入点，外部解码器将所有序列块
Figure BDA00025840121500000917
的激活信息列表
Figure BDA00025840121500000919
从整数值转换为二进制值，将数据和奇偶校验位分开，计算列表中的所有信息组合的奇偶校验，并仅扩展树中满足奇偶校验条件的路径。
通过计算机仿真可以看出：如图2所示，本发明的与源址无关的大规模合作接入方案相较于传统的多小区接入方案，即基于多小区的近似信息传递算法，基于多小区的最大似然算法检测的准确率有明显的提升，并且相比于其他两种传统方案，本文方案可以使用更少的接入点天线数目来容纳更多的激活设备数目。图3表明本发明提出的与源址无关的大规模合作接入方案，相对于传统的基于多小区的近似信息传递算法，基于多小区的最大似然算法检测准确度有明显提升，并且本文方案需要很小的发射功率便能达到和其他两种传统方案相同的检测性能。这些优势首先是因为本文方案令多个接入点相互合作，将各个接入点的数据状态矢量间的联合稀疏性和联合相似性高效地结合到了最大似然算法中，推导出来了闭式表达式。其次是本文方案基于接入点接收数据的协方差进行计算，不需要估计各个设备的瞬时信道值，这减小了未知参数的数目，使得检测算法准确率更高。因此，本发明提出的与源址无关的大规模合作接入方案可以为大规模通信系统提供一种高效的数据检测方法。

Claims (1)

1.一种与源址无关的大规模合作接入方法，其特征在于包括如下步骤：
1)在6G去蜂窝无线网络中，所有激活设备基于一种外部编码方法，将要发送的
Figure FDA0002984326290000019
比特信息融入奇偶校验码后，编码到
Figure FDA0002984326290000015
个子序列块中；
2)激活设备基于一种内部编码方法，将1)中外部编码器生成的
Figure FDA0002984326290000016
个子序列块发送到所有接入点上；
3)各个接入点接收到数据后，利用一种基于合作检测算法的内部解码方法，检测出每个子序列中的数据状态矢量；
4)根据一种硬阈值方法，各个接入点对步骤3)中的数据状态矢量估值进行判决，得出每个子序列块中激活信息的列表；
5)得到激活信息列表后，基于一种外部解码方法，各个接入点通过将子序列块的信息拼接在一起，恢复其所发送的信息；
步骤1)中所述的外部编码方法为：
各个激活设备将
Figure FDA0002984326290000018
比特信息分成
Figure FDA0002984326290000017
块，其中第一块的长度为J，剩下的每块的长度都小于J；然后为所有设备设置相同的伪随机奇偶校验方程，根据此方程为所有终端设备生成奇偶校验码，将奇偶校验码拼接在除第一块以外的其他块序列中，使得所有序列块的长度均为J；
步骤2)中所述的内部编码方法为：
给定子时隙的长度为L，设置编码矩阵
Figure FDA0002984326290000011
其中
Figure FDA0002984326290000012
代表复数域，S的每一列都代表一个内部码书；首先，任意一个激活的设备k将其任意的一个子序列块
Figure FDA0002984326290000013
中要发送的J比特信息映射成取值范围是1到2J的整数ek；然后，激活的设备将内部码书S的第ek列发送给去蜂窝无线网络中的所有接入点；
步骤3)中所述的基于合作检测算法的内部解码方法为：
对所有的子序列块
Figure FDA0002984326290000014
执行并行运算，每个子序列块进行以下迭代过程：
输入所有接入点b＝1,2,…,B的接收数据Yb、码书S、经验协方差
Figure FDA0002984326290000021
步长ηb和迭代次数t的上界T，其中B为6G去蜂窝网络中的接入点总数，M为每个接入点所配备的天线数目；初始化所有接入点b＝1,2,…,B在迭代次数t＝0时的数据状态矢量初始值为
Figure FDA0002984326290000022
协方差矩阵的初始值为
Figure FDA0002984326290000023
中间量
Figure FDA0002984326290000024
其中σ2为噪声方差，I为单位矩阵，
Figure FDA0002984326290000025
为结合系数，
Figure FDA0002984326290000026
为中间量,
Figure FDA0002984326290000027
Figure FDA0002984326290000028
为接入点b的一跳邻居接入点集合；对每个接入点b，开始进行第t＝1次迭代：
首先，更新中间变量
Figure FDA0002984326290000029
其中ηb为步长；
Figure FDA00029843262900000210
Figure FDA00029843262900000211
Figure FDA00029843262900000212
为接入点b的排除其自身的一跳邻居接入点集合，
Figure FDA00029843262900000213
和
Figure FDA00029843262900000214
分别为集合
Figure FDA00029843262900000215
和
Figure FDA00029843262900000216
的基数，||·||2为向量的二范数,
Figure FDA00029843262900000217
为矩阵
Figure FDA00029843262900000218
的第n行，
Figure FDA00029843262900000219
为接入点b在第t次迭代中的数据状态矢量，
Figure FDA00029843262900000220
为接入点li在第t次迭代中的数据状态矢量，β>0为稀疏性惩罚因子；变量
Figure FDA00029843262900000221
的计算方法为
Figure FDA00029843262900000222
Figure FDA00029843262900000223
为
Figure FDA00029843262900000224
的第n个元素，
Figure FDA00029843262900000225
为接入点b在t时刻中间变量；梯度
Figure FDA00029843262900000226
的计算方法为：
Figure FDA00029843262900000227
Figure FDA00029843262900000228
为
Figure FDA00029843262900000229
的第n个元素，子梯度
Figure FDA00029843262900000230
的计算方法为
Figure FDA00029843262900000231
以
Figure FDA00029843262900000232
的概率计算此公式，
Figure FDA00029843262900000233
Figure FDA00029843262900000234
为概率值参数，col{·}为列向量，
Figure FDA00029843262900000235
为经验协方差，；协方差中间变量
Figure FDA00029843262900000236
的计算方法为
Figure FDA00029843262900000237
Figure FDA00029843262900000238
为第t次迭代中的协方差矩阵，sn为S的第n列，(·)-1为矩阵的求逆运算，上标H为矩阵的共轭转置运算；
然后，从接入点b的一跳邻居接入点集合
Figure FDA0002984326290000031
中以概率
Figure FDA0002984326290000032
选出一个一跳邻居节点l；
接着，更新结合系数
Figure FDA0002984326290000033
和子步长
Figure FDA0002984326290000034
结合系数
Figure FDA0002984326290000035
的计算方法为
Figure FDA0002984326290000036
ρ为预设的可调参数，exp(·)为指数运算，
Figure FDA0002984326290000037
为邻居节点l在第t-1次迭代中的数据状态矢量；子步长
Figure FDA0002984326290000038
的计算方法为
Figure FDA0002984326290000039
pl为选择概率；
接着，对索引标识n从1到2J取值，依次更新数据状态矢量的元素
Figure FDA00029843262900000310
和协方差
Figure FDA00029843262900000311
Figure FDA00029843262900000312
的计算方法为
Figure FDA00029843262900000313
τ>0为相似性惩罚因子，
Figure FDA00029843262900000314
为中间变量
Figure FDA00029843262900000315
的第n个元素，
Figure FDA00029843262900000316
为中间变量
Figure FDA00029843262900000317
的第n个元素，|·|为取绝对值运算；
Figure FDA00029843262900000318
的计算方法为
Figure FDA00029843262900000319
接着，更新中间变量
Figure FDA00029843262900000320
和中间变量
Figure FDA00029843262900000321
的计算方法为
Figure FDA00029843262900000322
Figure FDA00029843262900000323
的计算方法为
Figure FDA00029843262900000324
最后，各个接入点将数据状态估计矢量
Figure FDA00029843262900000325
分别通过回程链路传送给其一跳邻居接入点；
完成一次迭代的更新后，更新迭代次数t←t+1，再次重复下一次迭代的更新，直到t＝T时停止循环，完成未知数据状态矢量的估计；
步骤4)中所述的硬阈值方法为：
以
Figure FDA0002984326290000041
代表步骤3)中计算得到的任意接入点b和任意一个子序列块i的数据状态矢量估值，利用激活判断标准：
Figure FDA0002984326290000042
各个接入点可以判断出码书S的哪些列处于激活状态，其中
Figure FDA0002984326290000043
为数据状态矢量
Figure FDA0002984326290000044
的第r个元素，vb,i为可调参数，
Figure FDA0002984326290000045
代表在子序列块i检测出来的激活信息列表；
步骤5)中所述的外部解码方法为：
对于各个接入点，外部解码器将所有序列块
Figure FDA0002984326290000046
的激活信息列表
Figure FDA0002984326290000047
从整数值转换为二进制值，将数据和奇偶校验位分开，计算列表中的所有信息组合的奇偶校验，并仅扩展树中满足奇偶校验条件的路径。
CN202010675832.9A 2020-07-14 2020-07-14 一种与源址无关的大规模合作接入方法 Active CN111835464B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010675832.9A CN111835464B (zh) 2020-07-14 2020-07-14 一种与源址无关的大规模合作接入方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010675832.9A CN111835464B (zh) 2020-07-14 2020-07-14 一种与源址无关的大规模合作接入方法

Publications (2)

Publication Number Publication Date
CN111835464A CN111835464A (zh) 2020-10-27
CN111835464B true CN111835464B (zh) 2021-06-25

Family

ID=72923209

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010675832.9A Active CN111835464B (zh) 2020-07-14 2020-07-14 一种与源址无关的大规模合作接入方法

Country Status (1)

Country Link
CN (1) CN111835464B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023065275A1 (en) * 2021-10-22 2023-04-27 Nokia Shanghai Bell Co., Ltd. Apparatuses, methods, and computer readable media for association between user equipment device and access point
CN116781206A (zh) * 2022-03-11 2023-09-19 华为技术有限公司 信号传输方法及相关装置
CN115021780B (zh) * 2022-05-18 2023-12-22 浙江大学 基于无蜂窝大规模多输入多输出系统的免授权随机接入方法
CN115550994A (zh) * 2022-09-29 2022-12-30 浙江大学 一种与源址无关的分布式状态监测方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103236879A (zh) * 2013-04-19 2013-08-07 西安交通大学 一种基于mrc-zf 接收矢量估计的协调波束赋形方法
CN106612549A (zh) * 2015-10-22 2017-05-03 中国移动通信集团公司 一种资源分配方法及基站
CN107743103A (zh) * 2017-10-26 2018-02-27 北京交通大学 基于深度学习的mmtc系统的多节点接入检测和信道估计方法
CN110971547A (zh) * 2019-11-20 2020-04-07 浙江大学 一种基于毫米波/太赫兹的宽带大规模终端检测和信道估计方法
CN111373679A (zh) * 2017-11-15 2020-07-03 Idac控股公司 使用低密度奇偶校验码的新型无线电数据传输

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110226343B (zh) * 2017-03-24 2021-11-09 瑞典爱立信有限公司 无线设备、无线电网络节点以及在其中执行的用于处理无线通信网络中的通信的方法
CN108540410B (zh) * 2018-03-06 2020-11-03 东南大学 免调度传输系统联合活跃用户检测和信道估计方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103236879A (zh) * 2013-04-19 2013-08-07 西安交通大学 一种基于mrc-zf 接收矢量估计的协调波束赋形方法
CN106612549A (zh) * 2015-10-22 2017-05-03 中国移动通信集团公司 一种资源分配方法及基站
CN107743103A (zh) * 2017-10-26 2018-02-27 北京交通大学 基于深度学习的mmtc系统的多节点接入检测和信道估计方法
CN111373679A (zh) * 2017-11-15 2020-07-03 Idac控股公司 使用低密度奇偶校验码的新型无线电数据传输
CN110971547A (zh) * 2019-11-20 2020-04-07 浙江大学 一种基于毫米波/太赫兹的宽带大规模终端检测和信道估计方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
6G蜂窝物联网的大规模接入技术;田飞燕等;《物联网学报》;20200331 *
Grant-Free Massive Random Access With a Massive MIMO Receiver;Alexander Fengler等;《ICC 2020 - 2020 IEEE International Conference on Communications (ICC)》;20200330 *

Also Published As

Publication number Publication date
CN111835464A (zh) 2020-10-27

Similar Documents

Publication Publication Date Title
CN111835464B (zh) 一种与源址无关的大规模合作接入方法
US11923973B2 (en) Method and apparatus for encoding data using a polar code
CN105721106B (zh) 基于串行策略的scma上行通信系统多用户检测方法
US11700545B2 (en) Method and device for transmitting data
CN105978655B (zh) 一种无线网络中的小包数据传输方法及系统
TWI591973B (zh) A signal detection method and device
CN110690941B (zh) Polar码的速率匹配方法及装置
CN111447160A (zh) 基于神经网络的大规模mimo无源随机接入的信号检测方法
CN111865845A (zh) 一种mimo用户检测与信道估计装置及方法
CN107743056A (zh) 一种基于压缩感知辅助的scma多用户检测方法
CN114285523A (zh) 面向多业务需求的大规模mtc免授权多用户检测方法及系统
CN107864029A (zh) 一种降低多用户检测复杂度的方法
Duchemin et al. Coded random access for massive MTC under statistical channel knowledge
CN107437976B (zh) 一种数据处理方法及设备
CN112996099B (zh) 抗时隙删除的极化时隙aloha的发送与接收方法
CN107017967B (zh) 一种改良串行策略的scma通信系统多用户检测方法
CN107181567A (zh) 一种基于门限的低复杂度mpa算法
KR101874259B1 (ko) 링크 성능과 지연 시간 사이의 트레이드 오프를 고려한 mtc를 위한 압축 센싱 기반 랜덤 액세스 방법 및 시스템
Shevchuk Theoretical and algorithmic foundations of improving the efficiency of packet data transmission in high-speed and secure radio networks
Liang et al. Iterative receiver of uplink massive MIMO unsourced random access
CN112438023B (zh) 极化编码和解码
Han et al. Block Orthogonal Sparse Superposition Codes for $\sf {L}^ 3$ Communications: Low Error Rate, Low Latency, and Low Power Consumption
WO2024193537A1 (zh) 扩频序列码本的构造方法、激活序列检测方法及相关设备、存储介质、计算机程序产品
CN110417509B (zh) 一种全并行scma译码器及其使用方法
CN106301499B (zh) 一种基于rs码的预编码矩阵设计方法

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