CN112106304A - 通信系统、通信方法及存储介质 - Google Patents

通信系统、通信方法及存储介质 Download PDF

Info

Publication number
CN112106304A
CN112106304A CN201880093202.1A CN201880093202A CN112106304A CN 112106304 A CN112106304 A CN 112106304A CN 201880093202 A CN201880093202 A CN 201880093202A CN 112106304 A CN112106304 A CN 112106304A
Authority
CN
China
Prior art keywords
matrix
low
dimensional
mmse
signal
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
CN201880093202.1A
Other languages
English (en)
Other versions
CN112106304B (zh
Inventor
M·帕约维齐
菲利普·奥尔利克
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.)
Mitsubishi Electric Corp
Original Assignee
Mitsubishi Electric Corp
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 Mitsubishi Electric Corp filed Critical Mitsubishi Electric Corp
Publication of CN112106304A publication Critical patent/CN112106304A/zh
Application granted granted Critical
Publication of CN112106304B publication Critical patent/CN112106304B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B1/00—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission
    • H04B1/69—Spread spectrum techniques
    • H04B1/707—Spread spectrum techniques using direct sequence modulation
    • H04B1/7097—Interference-related aspects
    • H04B1/7103—Interference-related aspects the interference being multiple access interference
    • H04B1/7105—Joint detection techniques, e.g. linear detectors
    • H04B1/71055—Joint detection techniques, e.g. linear detectors using minimum mean squared error [MMSE] detector
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00—Baseband systems
    • H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/0202—Channel estimation
    • H04L25/024—Channel estimation channel estimation algorithms
    • H04L25/0256—Channel estimation using minimum mean square error criteria
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B1/00—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission
    • H04B1/69—Spread spectrum techniques
    • H04B1/707—Spread spectrum techniques using direct sequence modulation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B1/00—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission
    • H04B1/69—Spread spectrum techniques
    • H04B1/707—Spread spectrum techniques using direct sequence modulation
    • H04B1/709—Correlator structure
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00—Baseband systems
    • H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/03—Shaping networks in transmitter or receiver, e.g. adaptive shaping networks
    • H04L25/03006—Arrangements for removing intersymbol interference
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W74/00—Wireless channel access, e.g. scheduled or random access
    • H04W74/08—Non-scheduled or contention based access, e.g. random access, ALOHA, CSMA [Carrier Sense Multiple Access]
    • H04W74/0833—Non-scheduled or contention based access, e.g. random access, ALOHA, CSMA [Carrier Sense Multiple Access] using a random access procedure
    • H04W74/0841—Non-scheduled or contention based access, e.g. random access, ALOHA, CSMA [Carrier Sense Multiple Access] using a random access procedure with collision treatment
    • H04W74/0858—Non-scheduled or contention based access, e.g. random access, ALOHA, CSMA [Carrier Sense Multiple Access] using a random access procedure with collision treatment collision detection

Landscapes

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

Abstract

一种通信系统包括：接收器，其接收信号，该信号具有用从扩频码的集合中所选择的扩频码进行编码的符号；滤波器，其使用数量比扩频码的集合中的扩频码数量少的相关器来产生滤波后的信号；以及检测器，其使用利用字典矩阵的稀疏恢复来从滤波后的信号中检测由发送器发送的符号。该通信系统还包括处理器，其基于扩频码的集合和信道中的噪声方差确定最小均方误差(MMSE)矩阵；将MMSE矩阵投影到低维空间以产生低维MMSE矩阵；用低维MMSE矩阵的元素更新相关器的集合的系数的集合；以及基于低维MMSE矩阵的元素更新字典矩阵的元素。

Description

通信系统、通信方法及存储介质
技术领域
本公开涉及通信系统，并且更具体地，涉及用于在多用户通信系统中对经由共享无线信道发送的符号进行解码的分组冲突检测。
背景技术
通常，多用户检测处理在诸如无线通信、高速数据传输、DSL、卫星通信、数字电视和磁记录之类的领域中发生的相互干扰的数字信息流的解调。目前也正在研究多用户检测，以用于低功率芯片间和芯片内通信中的解调。
多用户检测包括致力于联合检测经由共享信道接收到的干扰信号的技术。相互干扰在现代高效频谱的无线系统中是不可避免的：即使使用诸如TDMA、同步CDMA或OFDMA之类的正交复用系统，多用户干扰也源自信道失真以及小区外干扰。另外，在多天线(MIMO)系统中，从不同天线发出的数字调制流在接收器处发生干扰，并且MIMO接收器使用多用户检测技术将其分开。通过利用干扰信号的结构，多用户检测能够提高频谱效率、接收器灵敏度以及系统能够维持的用户数量。
例如，考虑一种通信系统，其中用户(发送器)与诸如基站和/或接入点之类的单个接收器进行通信。用户在相同的频带中进行发送并且潜在地在相同时隙中进行发送，并且配备有扩频码，使得接收器能够分离他们的发送(即，检测他们发送的符号)。分离是借助于接收器前端的滤波器组完成的。滤波器组包括相关器，每个相关器将接收到的信号与特定于该相关器的特定码相关。在传统多用户检测系统中，滤波器组中的相关器的数量等于发送器所使用的扩频码的数量，使得每个相关器与一个发送器相关联。另外，传统系统中的扩频码被设计为正交或接近正交。
然而，正交扩频码的数量是有限的，并且对于具有成百上千个用户/发送器的诸如IoT系统之类的多用户通信系统可能是不够的。这种缺陷导致使用非正交码，这进而导致分组冲突并挑战分组恢复问题，例如，参见美国专利公开2017-0244815。
发明内容
在数量日益增长的IoT应用中，发送设备的数量阻止了仅正交信道资源的指配。因此，从活动用户发送的符号会发生冲突，必须在接收器侧进行他们的分离。假设IoT用户(发送器)以低概率进行发送，那么能够利用用户活动域中的稀疏性将符号分离问题公式化为稀疏恢复问题。然而，过高的计算复杂度仍然是一个挑战，其中接收器所使用的滤波器数量等于用户的总数。因此，需要降维处理器以促进低复杂度的符号分离。
一些实施方式的目的是提供一种适合于处理诸如物联网(IoT)设备之类的大量发送用户与接收器通信的场景的多用户通信系统。用户数量能够很大，诸如数百甚至数千。一些实施方式基于以下认识：被配置为处理这种需求的多用户检测系统能够面对几个问题。首先，在接收器中实现超大数量的相关器(如果不是数千个，也是数百个)，导致接收器中计算复杂度和能耗增加。其次，指配给大量用户的扩频码不是正交的。附加地或另选地，对于一些应用，从接收器侧上的所有用户获取信道状态信息可能是不切实际的。
一些实施方式基于以下认识：大量发送器导致非正交扩频码，而在大量发送器当中，只有很少的发送器在相同时间(即，在相同时隙内)进行发送。例如，IoT设备不可能一直具有关于发送的信息。例如，IoT设备可能偶尔仅发送温度测量结果。
一些实施方式基于以下认识：非正交码的稀疏发送仍然需要恢复所发送的符号。一些实施方式基于以下认识：这样的恢复(例如，冲突符号的稀疏恢复)不仅能够用于检测符号，而且能够减少在前端处的对用扩频码编码的接收到的信号进行滤波所使用的相关器的数量。以这种方式，一些实施方式在不减少用户数量的情况下减少了滤波器组中所需相关器的数量。或者，等同地，给定相关器的数量，一些实施方式增加接收器能够支持的用户数量而超过接收器的相关器数量。
总体上，一些实施方式基于以下认识：因为只有很少用户同时进行发送，所以接收到的信号是低维的，即，“存在于(lives)”由扩频码扩展(即，生成)的空间的低维子空间中。因此，通过将接收到的信号投影到这种子空间的轴上，能够从所获得的投影中分离出发送的符号。如本文所定义，低维子空间是维数比由可用扩频码的集合所定义的信号空间的维数小的信号空间。
例如，假设在100个潜在的发送用户当中，在给定的时隙内只有三个用户进行了发送。假设这三个用户的身份(及他们的扩频码)是已知的。在这种情况下，接收到的信号是与那些用户相关联的三个扩频码的混合。这样的信号在由扩频码扩展的空间中是低维的，具体地，接收到的符号“存在于”维数为3的低维子空间中(前提是扩频码是独立的，这点始终满足)。在那种情况下，滤波器组将包括三个相关器，每个相关器被调谐到一个扩频码。滤波后的信号包括三个值，其被称为滤波后的符号。这三个值是接收到的信号所“存在于”的低维子空间中的接收到的信号的有效“坐标”。对三个活动用户发送的符号的检测随后由这三个“坐标”进行。
现在，想象另一示例，其中三个用户在给定的时隙内进行了发送，但他们的身份未知。然后，接收到的信号是三个扩频码的混合。这些扩频码是未知的，但是属于扩频码的集合。接收到的信号仍“存在于”维数为3的低维子空间中。但是，该子空间的基础(即，“身份”)是未知的。因此，滤波器组实质上执行在伪随机基础上投影所接收到的信号。在实现方面，相关器的系数被设计为使得输出值(滤波后的符号)包含可能存在于接收到的信号中的任何扩频码的特定标记(fingerprint)。在该示例中，滤波器组中的相关器的数量必须至少为三个，但通常更多(例如，五个)，以实现可接受的检测性能，并且用稀疏恢复技术恢复所发送扩频码的伪随机基础或特定标记。
通常，实施方式预先并不知道在时隙内有多少用户可能进行发送。然而，基于特定设备每隔多久可以进行发送的统计信息，一些实施方式估计该数量的上限。滤波器组中的相关器的数量必须至少等于同时进行发送的用户数量，并且在一些实现中大于同时进行发送的用户数量，以产生更好的检测性能。相关器的数量定义了低维空间的维数，而可用扩频码的数量定义了高维空间的维数。
一些实施方式基于以下认识：在前端的滤波器的相关器的系数与稀疏检测器所使用的字典矩阵之间存在关系。具体地，这种依存性允许减小滤波器的维数，同时仍然允许恢复所发送的符号。一些实施方式通过最小均方误差(MMSE)矩阵来建立这样的依存性：滤波器的系数和字典矩阵的系数是相同MMSE矩阵的函数(尽管是不同的函数)。
例如，相关器的系数形成矩阵，在一些实施方式中基于MMSE矩阵和一些降维矩阵来计算该矩阵。如果滤波器组中的相关器的数量等于用户数量，则不存在降维，并且相关器系数的矩阵等于MMSE矩阵。根据所有用户的扩频码和噪声方差来计算MMSE矩阵。MMSE矩阵中的系数形成MMSE滤波器。MMSE滤波器是使误差信号的功率最小化的最优线性处理器，该误差信号被定义为从用户真实发送的信号与滤波器组的与该用户相关联的相关器的输出处的信号之间的差。
一些实施方式将MMSE矩阵投影到低维空间以产生形成滤波器的相关器的系数的低维MMSE矩阵。另外，字典矩阵的系数也是低维MMSE矩阵的函数。
在一些实施方式中，降维矩阵是从矩阵的一些集合中选择的。降维矩阵的目的是将要从MMSE滤波器输出的信号投影到某个降维空间中。注意，在一些实施方式中，MMSE滤波器不是直接实现的，并且因此不直接作用于接收到的信号(否则，与传统多用户检测方案相比相关器的数量将不会减少)。相反，一些实施方式的滤波器组(即，其系数的矩阵)是根据MMSE矩阵和降维矩阵来计算的。从滤波后的信号执行活动用户及他们符号的检测。
不同的实施方式以不同方式选择降维矩阵。一些实施方式将接收到的信号投影到由伪随机轴所扩展的子空间中(每个投影是用滤波器组中的一个相关器实现的，并且每个轴由该相关器的系数指定)。由于活动用户是未知的，因此一些实施方式旨在进行这样的投影，使得每个扩频码在滤波后的信号中得到其特定标记。但是，这可以以多种方式进行。
例如，一个实施方式基于以下认识：所获得的投影应尽可能地不同，使得包含于滤波后的信号中的信息能够检测所发送的符号(以及存在于接收到的信号中的扩频码)。从数学上讲，这类似于伪随机基向量尽可能正交的要求。换句话说，伪随机基向量需要尽可能不同。通过相关器的系数的矩阵的相干性来捕捉该要求。矩阵的相干性被定义为矩阵的任何两个不同列之间的最大互相关。因此，一些实施方式从候选集合中选择降维矩阵，使得相关器的系数的所得矩阵的相干性最小。
因此，一个实施方式公开了一种通信系统，该通信系统包括：接收器，其包括天线以接收信号，该信号包括由多个发送器经由将发送器与该通信系统连接的无线信道而发送的符号中的一个或组合，其中，信号被编码，以使得每个符号用从扩频码的集合中所选择的扩频码进行编码，并且其中，接收到的信号的持续时间至少是所述扩频码的持续时间；滤波器，其产生滤波后的信号，其中，该滤波器包括产生滤波后的符号的集合的相关器的集合以及对滤波后的符号进行组合以产生滤波后的信号的组合器，其中每个相关器包括：处理所接收到的信号并产生滤波后的符号的系数，其中相关器的集合中的相关器数量小于扩频码的集合中的扩频码数量；检测器，其使用利用字典矩阵的稀疏恢复从滤波后的信号中检测由发送器发送的符号；以及处理器，其基于扩频码的集合和信道中的噪声方差确定最小均方误差(MMSE)矩阵；将MMSE矩阵投影到低维空间以产生低维MMSE矩阵；用低维MMSE矩阵的元素更新相关器的集合的系数的集合；以及基于低维MMSE矩阵的元素更新字典矩阵的元素。
附图说明
[图1A]
图1A示出了根据一些实施方式的通信系统的示意图。
[图1B]
图1B示出了根据一些实施方式的其中用户仅偶尔发送数据的示例性同步上行链路发送的示意图。
[图1C]
图1C示出了由一些实施方式变换的多用户检测(MUD)滤波器组的框图。
[图2]
图2示出了根据各种实施方式所采用的原理设计的接收器的框图。
[图3]
图3示出了根据一个实施方式的降维滤波器的框图。
[图4A]
图4A示出了根据一些实施方式配置的处理器的操作的框图。
[图4B]
图4B示出了根据一个实施方式的处理器计算滤波器系数所使用的方法的框图。
[图4C]
图4C示出了根据一些实施方式的由处理器实现的用于计算字典矩阵的方法的框图。
[图4D]
图4D示出了根据一个实施方式的计算字典矩阵的实现的框图。
[图4E]
图4E示出了根据一些实施方式的计算预白化滤波器系数的方法的框图。
[图5A]
图5A示出了根据一些实施方式的检测器的框图。
[图5B]
图5B示出了由一些实施方式进行符号检测所使用的稀疏恢复模型的示意图。
[图5C]
图5C示出了一个实施方式检测符号所使用的降维解相关(RDD)检测的框图。
[图5D]
图5D示出了由一个实施方式进行稀疏恢复检测所使用的降维决策反馈(RDDF)检测的框图。
[图5E]
图5E示出了由一个实施方式进行稀疏恢复检测所使用的正交匹配追踪(OMP)检测的框图。
[图6A]
图6A示出了根据一个实施方式的滤波器的模拟实现的框图。
[图6B]
图6B示出了根据一个实施方式的滤波器的数字实现的框图。
[图7A]
图7A示出了根据一个实施方式的用于确定低维矩阵的方法的框图。
[图7B]
图7B示出了根据另一实施方式的用于确定低维矩阵的方法的框图。
[图8]
图8示出了一些实施方式基于时域双工(TDD)所使用的信道估计和信息预编码的框图。
具体实施方式
图1A示出了根据一些实施方式的通信系统的示意图。例如，通信系统包括多个发送器101、102、103、104、105、106和107，在此也称为“用户”，他们与公共接收器110进行上行链路通信。活动用户101、104和105发生经由共享信道发送信号111、112和113，导致信号冲突。接收器110以分离活动用户的信号为目标对接收到的信号实施信号处理方法。用户能够是物联网(IoT)设备，而接收器能够是室内环境下的接入点(AP)，或室外环境下的基站(BS)。
各种实施方式的通信系统能够考虑向公共接收器发送信号的大量(诸如数百或数千个)发送器。通常，用户在时间上是同步的。这意味着时间轴被划分为时隙，其中每个用户知道每个时隙的开始时刻和结束时刻。
图1B示出了根据一些实施方式的其中用户仅偶尔发送数据的示例性同步上行链路发送的示意图。在此示例中，N个用户121、122、123和124与接收器110通信。时间轴131被划分为时隙130，使得数据发送135发生在从136开始并在137结束的时隙内。在该实施方式中，如果发送器在时刻138获得要发送的数据，则他需要等待直到下一时隙的开始136，以开始发送数据。
然而，在大量用户当中，只有少数几个碰巧同时发送。例如，这种情况出现在IoT网络中，在该网络中，大量IoT设备能够与相同接入点通信，但只有少数几个同时发送信号。例如，IoT设备可以是每小时发送一次测量结果的温度传感器。如图1B所示，只有两个用户121和123在相同时隙期间发送数据141和142，而所有其他N-2个用户在该时隙内处于静默/非活动状态。
一些实施方式基于以下认识：当通信系统的用户被指配正交信道资源时，他们的发送不会冲突。这意味着，如果两个用户同时进行发送，则他们在不同的频带中进行发送，使得他们的信号在频域中是分离的。然而，如果用户被指配相同的频带并允许同时进行发送，则他们可以被指配正交扩频码，使得他们的发送能够在扩频码域中是分离的。此外，即使两个或更多个用户共享相同信道，这意味着他们可以在相同频带中同时进行发送并且具有非正交扩频码，但仍开发了多种信道接入控制机制以确保在给定时间只有一个用户利用信道资源。总体上，数十年来在通信中开发了许多技术，其目的是减少两个或更多用户的发送之间冲突的可能性和不利影响。
然而，将这些通信技术扩展到大量用户与相同接入点进行通信的设置提出了巨大的挑战。首先，用户数量可以防止将他们指配给正交信道资源。例如，给定频带可能不够宽，以至于每个用户只能获得一个组块，使得任何两个不同的组块不交叠。其次，由于用户仅偶尔发送信号，因此为他们指配正交信道资源将导致信道利用率不足。例如，即使在可用带宽足够宽使得每个用户获得一个独立组块的情况下，大部分频带在大部分时间不会被使用。第三，采用为了确保一个用户在给定时间利用信道资源而开发的网络管理和控制技术可能是不切实际的。即，假定其中仅有一小部分用户具有在给定时隙发送的数据的大量用户，网络控制和管理将导致非常大的开销。因此，这可能导致信道利用不足，因为信道资源将主要用于控制和管理，而很少用于数据传输。
为此，一些实施方式考虑一种通信应用，其中(1)大量用户同步地向同一接入点发送数据，(2)只有一小部分用户具有要在给定时隙发送的数据，使得(3)采用为了避免不同发送之间的冲突而设计的传统通信技术是不可能的或不切实际的。
以这种方式，由一些实施方式考虑的通信应用中的每个用户被指配唯一的扩频码。但是，扩频码不一定是正交的。这是因为，如上所讨论的，用户数量通常非常大，以至于没有如此多的正交码。本质上，每个用户使用自己的扩频码对数据进行编码。例如，扩频码通常是其持续时间等于信令间隔(也称为符号时间)的波形w，使得在BPSK调制的情况下，用户用w表示符号+1，用-w表示符号-1。请注意，当一些用户没有进行编码时，其数据等同于具有w＝1。
图1C示出了由一些实施方式变换的多用户检测(MUD)滤波器组的框图。在预处理步骤之后，MUD通过匹配的滤波器组(MFB)150处理接收到的信号215。接收到的信号通过分割器301，分割器301的每个输出在MFB中被馈入到一个滤波器的输入。每个匹配的滤波器151、152和153的模板是相应用户的扩频码。总体而言，MFB包含N个滤波器，每个用户一个滤波器。来自MFB的输出包括足够的统计信息以用于在所考虑的信令间隔中的发送符号的检测160。检测器输出检测到的符号161。
然而，图1C的MUD的挑战在于，在滤波器组中实现的所需滤波器数量等于用户数量，其可能是数百或数千。另外，这导致需要存储的长的MFB输出信号，导致相对大的存储器存储需求。最后，由于从MFB输出信号恢复所发送的符号，所以这也导致相对大的计算复杂度要求。
为此，一些实施方式的目的是变换图1C的MUD来设计滤波器组，以减少以下项的全部或子集：(1)滤波器组中所需滤波器的数量，(2)存储器存储需求以及(3)检测阶段的计算复杂度。
一些实施方式基于以下认识：能够通过以可能的性能劣化为代价来减少MFB中的滤波器数量，来利用用户活动域中的稀疏性。因此，目的是设计一种由M个滤波器组成的降维处理器，该M个滤波器具有模板fm,m＝1,...,M，其中M<N，并且优选地，M＝N。
图2示出了根据各种实施方式采用的原理设计的接收器的框图。该接收器包括天线210，该天线210接收来自一个或多个活动用户的发送器的信号。对所采用的天线的类型没有限制。接收到的信号的持续时间至少等于扩频码的持续时间。换句话说，直到接收到与一个整个信令间隔相对应的波形，才对接收到的信号进行处理。接收到的信号215经过其系数223在处理器222中得到计算的滤波器220。然后滤波后的信号225被输入到检测器230，该检测器230利用使用从处理器222获得的字典矩阵224的稀疏恢复方法来检测发送的符号231。
图3示出了根据一个实施方式的降维滤波器220的框图。接收到的信号215在通过分割器301之后在包括M个相关器311、312和313的滤波器220中进行处理。相关器的系数的集合形成滤波器系数223。各个相关器的输出为滤波后的符号315、316和317。滤波后的符号进入用于进行组合的组合器320。例如，组合器320本质上将符号滤波为向量，并输出滤波后的信号225。
图4A示出了根据一些实施方式所配置的处理器222的操作的框图。处理器的一个构建块使用指配给用户的扩频码的集合402以及噪声方差405，来评估最小均方误差(MMSE)矩阵400。噪声方差是预先给定的/已知的，或者是使用噪声方差估计从数据中估计出的。将计算出的MMSE矩阵投影到适当地选择的降/低维空间410中，这产生低维MMSE矩阵，该低维MMSE矩阵的元(entry)构成了滤波器系数223的集合。另外，MMSE矩阵用于计算420用于符号检测的字典矩阵224。
图5A示出了根据一些实施方式的检测器230的框图。在各种实施方式中，使用稀疏恢复检测520从滤波后的信号225中检测符号231。稀疏恢复检测基于包括字典矩阵420的稀疏恢复模型530。
图5B示出了由一些实施方式进行符号检测所使用的稀疏恢复模型的示意图。滤波后的信号225作为嵌入在噪声510中的长稀疏向量500和字典矩阵420之间的乘积被给出。稀疏向量包括由用户1,2,…,N发送的符号501、502、503。在一些实现中，如果一些用户是非活动的，则认为其发送符号0。字典矩阵420中的每列对应于一个特定用户。这样，511、512和513分别对应于用户1的发送数据501、用户2的发送数据502和用户N的发送数据503。
(信号模型)
在各种实施方式中，N个用户中的每一个配备有作用在所发送的符号上的扩频码sn(t)。值得注意的是，0≤t≤T，其中，T是符号持续时间。在一个信令间隔期间在基站处接收的信号由下式给出：
Figure BDA0002762510360000101
其中，w(t):CN(0,σ2)是加性高斯白噪声(AWGN)，hn∈C是用户n与基站之间的信道实现，而bn是在所考虑的信令间隔处用户n的发送符号。不失一般性，我们假设用户采用二进制相移键控(BPSK)调制。另外，如果用户n在0<t<T期间不进行发送，则bn＝0。
为了描述清楚，本公开使用离散时域信号表示。但是，模拟时域和离散时域之间的映射是很容易利用的。在其采样频率等于sn(t)的码片速率的离散化的前提下，获得信号模型(1)的离散时域表示。因此，
y＝SHb+w, (2)
其中，S是扩频码的矩阵，该矩阵的第n列是离散化的扩频码sn(t)，表示为sn，H＝diag(h1,...,hN)是信道矩阵，而b是发送符号的向量，该向量的第n个元是来自用户n的发送符号。最后，w是w:CN(0,σ2IN)的AWGN向量，其中IN是N阶恒等矩阵。
图4B示出了根据一个实施方式的由处理器222计算滤波器系数所使用的方法的框图。在该实施方式中，处理器222分两步计算滤波器系数。首先，处理器计算与指配给用户的扩频码的合集402以及噪声方差405相对应的最小均方误差(MMSE)矩阵400。第二，将获得的MMSE矩阵投影到更低/降维子空间410中。
用GMMSE表示的MMSE矩阵由下式给出：
GMMSE＝(G+σ2I)-1SH (3)
其中，G＝SHS是扩频码矩阵S的Gram(格拉姆)矩阵。MMSE矩阵是在均方误差意义上是最佳的线性处理器。这意味着其系数被计算为使得所需信号(即，我们期望看到的信号)与MMSE输出之间的误差的功率最小化。其是线性的且在均方误差意义上是最佳的事实就是我们选择其作为降维处理(RDP)的基本构建块的原因。
降维最小均方误差(RD-MMSE)矩阵是通过将MMSE矩阵与降维变换A进行级联而获得的，并由下式给出：
FRD-MMSE＝AGMMSE＝A(G+σ2I)-1SH。 (4)
换句话说，在410中，MMSE矩阵被投影到降维子空间中。这通过将MMSE矩阵与“低维”矩阵相乘来进行。A的秩是M并等于低维空间的维数。
如(3)中所指示的，根据噪声方差405、扩频码的集合402和扩频码的Gram矩阵G＝SHS407来计算MMSE矩阵。然后，使用降维矩阵415将MMSE矩阵投影410到降维子空间中。
(字典矩阵)
一些实施方式针对滤波后的信号225使用具有根据FRD-MMSE所设置的滤波器220的系数的模型。RD-MMSE滤波信号225由使用(2)和(4)的下式(5)和(6)给出：
rRD-MMSE＝A(G+σ2I)-1GHb+wRD-MMSE (5)
其中，wRD-MMSE:CN(0,ΣRD-MMSE)，并且
ΣRD-MMSE＝σ2A(G+σ2I)-1G(G+σ2I)-1AH.。 (6)
滤波信号能够简洁地表示为
rRD-MMSE＝CRD-MMSEb+wRD-MMSE (7)
其中，
CRD-MMSE＝A(G+σ2I)-1GH。 (8)
因为在给定的信令时间间隔处只有少数用户处于活动状态，所以发送符号b的向量稀疏，使得(4)是用于未知符号的稀疏恢复模型。稀疏恢复公式(4)的字典矩阵(也称为感测矩阵)为CRD-MMSE。该矩阵是检测器230中的稀疏恢复检测所必需的，并且在420中计算该矩阵。
图4C示出了根据一些实施方式的由处理器222实现的用于计算字典矩阵的方法的框图。例如，如由(8)所指示的，根据噪声方差405、降维矩阵415、用户的信道H417以及在407中从扩频码的集合402中获得的Gram矩阵来计算420字典矩阵224。一些实施方式使用各种信道估计方法来估计用户的信道。附加地或另选地，一些实施方式避免信道估计，如下所述。
图4D示出了根据一个实施方式的计算字典矩阵的实现的框图。例如，通过比较(4)和(8)得到字典矩阵能够表示为：
CRD-MMSE＝FRD-MMSESH。 (9)
为此，实施方式根据滤波器系数223、扩频码的集合402和用户的信道417来计算字典矩阵。
(检测器)
一些实施方式的目的是检测K个活动用户及他们的符号。为了降低由于使用由N个滤波器(每个用户一个滤波器)组成的传统、成熟处理器而引起的计算复杂度，通过由M个滤波器组成的处理器来处理接收到的信号。在数学上，通过将A应用于传统处理器之一，将接收到的信号投影到更低的M维的子空间中。
因为在给定的信令间隔只有少数用户进行发送，从而导致用户活动域中的稀疏性，所以可以从降维空间中的滤波后的信号rRD-MMSE中检测活动用户及其符号。
滤波后的信号用于检测活动用户及他们的发送符号。许多算法能够用于此任务。为了简化表示法，在本公开中，滤波后的信号r由下式给出：
r＝Cb+v, (10)
其中，C是字典矩阵，b是发送符号的稀疏向量，并且v是噪声。返回参照图5A，字典矩阵420是处于稀疏模型(10)530中的C。滤波后的信号r被输入到稀疏恢复检测算法520。
图5C示出了由一个实施方式检测符号所使用的降维解相关(RDD)检测的框图。RDD将字典矩阵C420中的每列与滤波后的信号r225进行互相关(540)，
Figure BDA0002762510360000121
其中，cn是C的第n列。假设已知活动用户的数量K542，则根据K个最大统计量
Figure BDA0002762510360000124
的索引来检测544活动用户。如下地恢复546检测到的活动用户的BPSK符号：
Figure BDA0002762510360000122
其中，符号运算符sgn{}与实数值的符号字母一致。总体而言，RDD是活动用户及他们的符号的一次检测器。
图5D示出了由一个实施方式进行稀疏恢复检测520所使用的降维决策反馈(RDDF)检测的框图。RDDF是遵循连续干扰消除(SIC)原理的迭代过程，其中在每次迭代中恢复一个活动用户和他的符号。具体而言，使用互相关550来检测552第k次迭代中的活动用户，使得
Figure BDA0002762510360000123
其中，vk-1是在先前迭代中评估的残差。注意v(0)＝r。换句话说，550中的互相关在第一迭代中是在滤波后的信号225与字典矩阵420中的每列之间进行。第k个活动用户的发送符号被检测554为：
Figure BDA0002762510360000131
最后，残差被更新556为：
vk＝y-Cb(k), (15)
其中，b(k)是其元为直到迭代k并且包括迭代k所恢复的用户的估计符号的向量。与所有其他用户相对应的元为0。在第二次和随后的迭代中，将获得的残差信号输入到互相关设备550。运行迭代直到满足558特定停止准则为止。在预先知道活动用户的数量K的情况下，迭代的数量等于活动用户的数量。在K未知的情况下，能够采用特设(ad-hoc)方法来估算K。例如，RDDF算法可以运行迭代，只要残差信号中的功率大于某个阈值(取决于噪声方差)即可。例如，阈值能够等于噪声方差的十分之一。
图5E示出了由一个实施方式进行稀疏恢复检测520所使用的正交匹配追踪(OMP)检测的框图。与RDDF相反，滤波后的信号在每次迭代中被表示为字典矩阵中的与直到该迭代并包括该迭代所检测到的活动用户相对应的列的加权和。这是通过寻找最小二乘(LS)拟合560来进行的。通过寻找与所获得的LS权重最接近的星座点，来检测562直至该迭代并包括该迭代所检测到的活动用户的符号。残差信号被计算564为滤波后的信号与LS拟合之间的差。
(预-白化)
在一些实施方式中，在RDP输出处的噪声过程是零均值的高斯分布的，但是非恒等协方差矩阵。一些稀疏恢复检测未考虑噪声统计信息，因此固有地假设为白噪声。为此，一些实施方式对接收到的信号y进行预白化，使得来自RDP的输出噪声是白色的。以这种方式，提高利用稀疏恢复的接收器的检测性能。
图4E示出了根据一些实施方式的计算预白化的滤波器系数的方法的框图。对于产生输出噪声相关矩阵Σ的通用RDP处理器F，如下获得预白化的RDP
Figure BDA0002762510360000132
Figure BDA0002762510360000133
其中Σ和F分别由(6)和(4)给出。预白化430实现了(16)。
因此，所得的字典矩阵
Figure BDA0002762510360000134
使用(2)，由下式给出：
Figure BDA0002762510360000135
使得来自预白化的RDP的输出为
Figure BDA0002762510360000141
其中，w:CN(0,I)。与图4D所示相同原理的框图也适用于此，注意滤波器系数223是在图4E所示框图的输出处获得的滤波器系数。
图6A示出了根据一个实施方式的滤波器200的模拟实现的框图。滤波器220包括相关器600。相关器的数量M比用户的数量N小，并且优选地，小得多。在模拟域中的接收到的信号215经过分割器301。分割器的输出数量等于滤波器中相关器的数量，使得分割器的每个输出被输入到一个相关器中。因此，在分割器的输出602上的接收信号的复制版本进入相应的相关器600。相关器从与该相关器相对应的滤波器系数FRD-MMSE223的矩阵中提取604一个特定行。回想一下，其中FRD-MMSE中的行数是M，使得每一行由一个相关器使用。滤波器系数的所提取的行被输入到生成器606，该生成器606从所提取的行生成模拟信号波形。然后，将在分割器的输出602上的接收信号与所生成的模拟波形相乘610。所得的信号在615中被积分。积分器输出被采样617以产生采样符号620。617中的采样周期等于信令间隔。所采样的符号是到组合器320的输入之一。
以这种方式，相关器600取所接收到的信号中与一个信令间隔相对应的部分，将其与根据对应于该相关器的滤波器系数所生成的模拟波形相乘，并对结果进行积分。这得到单个统计信息，该单个统计信息与来自其他相关器的统计信息组合，并用于检测发送符号。
该实施方式的一个优点在于全部采样器(即，模数转换器(ADC))以符号速率工作。另一方面，主要困难来自生成模拟波形以及在每个相关器中使用模拟乘法器。
图6B示出了根据一个实施方式的滤波器200的数字实现的框图。前端632与天线210连接并且处理接收到的信号215。在一些实现中，前端实现以码片速率工作的ADC 635。所得的数字信号经过分割器637，分割器637的每个输出连接到一个相关器630。相关器从滤波器系数223的矩阵中提取604相应行。所提取的行和数字化的接收信号639在数字乘法器640中相乘，然后将得到的采样求和642。换言之，所接收到的信号在一个信令间隔内的采样与相应的滤波器系数对齐，相乘并求和。该操作得到采样后的符号620，该采样后的符号620然后进入组合器320。
与来自图6A的模拟实现相比，数字实现不需要生成模拟波形，并且以更加有效的方式在数字域中实现乘法和积分。但是，这是以需要高速率ADC为代价的。
降维处理器依靠降维变换(也称为低维矩阵)A，以将检测问题有效地投影到低维空间中。活动用户及他们的符号的检测本质上是稀疏恢复问题。在降维空间中活动用户的可分离性直接取决于感测矩阵C的相干特性。在一些实现中，矩阵的相干性是在其不同列之间的最大互相关。因此，选择A，以使感测矩阵C的相干性最小化。以这种方式，C的相干性不依赖于对角信道矩阵H，使得能够在不知道H的情况下离线地预先计算A。以这种方式，提高了降维的准确度。
能够以多种方式来选择矩阵A。简单的方法是从随机矩阵的一些集合中随机地采样矩阵。例如，该集合能够是具有零均值和单位方差的独立同分布的高斯元的高斯矩阵的集合。该集合的另一示例是部分离散傅里叶变换(DFT)矩阵的集合，使得通过从N阶DFT矩阵中均匀地随机采样M行来获得矩阵A。又一集合能够是具有从集合{+1,-1}均匀地随机采样的独立同分布元的矩阵的集合。用于采样矩阵A的其他域也是可行的。
图7A示出了根据一个实施方式的用于确定低维矩阵的方法的框图。该实施方式从指定低维矩阵的集合700开始。指定的低维矩阵的集合能够是具有独立同分布CN(0,1)元并且其列被归一化为单位范数的随机矩阵的集合。另一选择能够是通过从N阶的离散傅里叶变换(DFT)矩阵中均匀地随机选择M行所生成的局部离散傅里叶变换(DFT)矩阵的集合。又一选择能够是其元是{+1,-1}集合中的独立同分布采样的双极矩阵的集合。在指定了低维矩阵的集合之后，从该指定集合中采样704特定的、预定数量的矩阵702。向前移动，计算706每个候选矩阵的相干性作为来自不同列的任何对的最大互相关。输出708产生最小相干性的候选矩阵，并且存储该候选矩阵作为降维矩阵415，并且将其用于计算滤波器系数和字典矩阵。
图7B示出了根据另一实施方式的用于确定低维矩阵的方法的框图。例如，除了选择在随机产生的多个候选当中具有最小相干性的A之外，能够按照使得感测矩阵C具有最小相干性的方式来选择A。
在该实施方式中，还指定700了低维矩阵的集合，并且从该集合中采样704特定数量的矩阵702。然后，计算712与每个采样的/候选矩阵相对应的感测矩阵。这通过将候选矩阵与MMSE矩阵710相乘来进行。
附加地或另选地，候选矩阵能够与直到信道矩阵的MMSE矩阵相乘，这是因为信道矩阵可能是未知的。在该步骤之后，计算715每个候选矩阵的所得矩阵的相干性，并且输出708产生所得感测矩阵的最小相干性的候选矩阵并存储该候选矩阵作为降维矩阵415。总体而言，在RD-MMSE矩阵的情况下能够选择A，以使A(G+σ2I)-1G的相干性最小化。
值得注意的是，在图7A和图7B的两个实施方式中，如果使用了预白化的处理器，则能够选择A，使得所得的预白化的处理器
Figure BDA0002762510360000162
的相干性最小化。例如，参照图7B，在712中计算出的感测矩阵和/或字典矩阵能够是预白化的矩阵。
一些实施方式使用噪声方差来计算滤波器系数和字典矩阵。可以预先知道和预先设置噪声方差。另选地，能够从接收到的信号中估计噪声方差。
在各种实施方式中，来自所有用户的上行链路信道在接收器处是已知的。这能够通过采用大量信道估计技术和协议中的任何一种来实现。例如，在一个实施方式中，基站或接入点分别与每个用户交换导频信号并估计每个用户上行链路信道。该实施方式能够利用传统估计技术。
然而，一个挑战在于具有被指配给同一基站的大量用户，使得利用其中网络控制协调从每个用户到基站的导频的正交传输的技术来估计所有信道是不切实际的。当信道随时间变化时，这个问题甚至更加严重。
图8示出了由一些实施方式基于时域双工(TDD)所使用的信道估计和信息预编码的框图。基站(或接入点)广播810有助于在每个用户处并行地进行下行链路信道估计的导频符号。即，假设发送的导频为x，用户n接收信号y＝hnx+w，其中w为噪声，并估计信道812。例如，由下式给出最小二乘(LS)信道估计：
Figure BDA0002762510360000161
然后，每个用户通过使用迫零(ZF)预编码器来基于估计的信道对符号进行预编码。由于TDD和ZF预编码，在基站接收的信号并不明确地依赖于信道系数。但是，这种方法的一个问题在于，如果某个信道的幅度低，则ZF预编码信号具有相对大的功率。尽管此问题在智能电表网络中并不构成重大挑战，但在提出此方法的上下文中，这通常是不希望的。
为了克服由发送符号的ZF预编码所引起的问题，在一些实施方式中，用户使用单位幅度(即，归一化)的ZF预编码器814，对他们的符号进行预编码。即，预编码器n由以下给出：
Figure BDA0002762510360000171
其中，hn是用户n的信道系数。然后，活动用户发送预编码的数据符号816。因此，来自所有用户的发送符号的向量为
b＝Pb, (21)
其中，P＝diag{p1,...,pN}。用以上b代替(2)中的b得到：
y＝SHPb+w.。 (22)
最后，将(20)代入(22)得到
Figure BDA0002762510360000172
其中，
Figure BDA0002762510360000173
并且因此接收到的信号仅取决于信道幅度。
然后，能够通过任何降维处理器来处理接收到的信号(23)，并且所有先前的讨论适用于此。实际上，仔细检查发现，活动用户及其他们的发送符号的基于RDD、RDDF或OMP的检测不需要信道幅度的知识。而且，用户对其符号应用单位幅度ZF预编码以使得在接收器处无需信道状态信息也可以进行检测的方案适于任何恒模调制格式。
能够以多种方式中的任何方法来实现本发明的上述实施方式。例如，可以使用硬件、软件或其组合来实现这些实施方式。当以软件实现时，软件代码能够在任何合适的处理器或处理器集上执行，无论其是设置在单台计算机中还是分布在多台计算机当中。这种处理器可以实现为集成电路，在集成电路组件中具有一个或更多个处理器。但是，可以使用任何适当格式的电路来实现处理器。
本文在一般意义上使用术语“程序”或“软件”以指代能够用来对计算机或其他处理器进行编程以实现如前所讨论的本发明的各个方面的任何类型的计算机代码或计算机可执行指令的集合。
计算机可执行指令可以是由一台或更多台计算机或其他设备执行的诸如编程模式之类的许多形式。通常，编程模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件和数据结构。通常，在各种实施方式中，编程模块的功能可以根据需要进行组合或分布。能够使用被编程为或以其他方式配置为执行功能的任何适当格式的电路来实现用于执行功能、执行功能或配置为执行功能的处理器，而无需附加修改。
而且，本发明的实施方式可以体现为一种方法，已经提供了该方法的示例。作为该方法的一部分执行的动作可以以任何合适的方式排序。因此，可以构造这样的实施方式，在该实施方式中以与所示出的次序不同的次序来执行动作，其可以包括同时执行一些动作，即使这些动作在示例性实施方式中被示为顺序动作。
在权利要求中使用诸如“第一”、“第二”之类的序数术语来修饰权利要求要素，本身并不意味着一个权利要求要素相对于另一权利要求要素的优先权、优先级或次序，或者执行方法动作的时间次序，而仅用作标签以将具有一定名称的一个权利要求要素与具有相同名称(除了使用序数词之外)的另一要素区分开，以区分权利要求要素。

Claims (16)

1.一种通信系统，该通信系统包括：
接收器，该接收器包括天线以接收信号，该信号包括由多个发送器经由将所述发送器与所述通信系统连接的无线信道而发送的符号中的一个或组合，其中，所述信号被编码，以使得每个符号用从扩频码的集合中所选择的扩频码进行编码，并且其中，所接收到的信号的持续时间至少是所述扩频码的持续时间；
滤波器，该滤波器产生滤波后的信号，其中，该滤波器包括产生滤波后的符号的集合的相关器的集合以及对所述滤波后的符号进行组合以产生所述滤波后的信号的组合器，其中，每个相关器包括处理所接收到的信号以产生所述滤波后的符号的系数，其中，所述相关器的集合中的相关器的数量小于所述扩频码的集合中的扩频码的数量；
处理器，该处理器：
基于所述扩频码的集合和信道中的噪声方差确定最小均方误差MMSE矩阵；
将所述MMSE矩阵投影到低维空间以产生低维MMSE矩阵；
用所述低维MMSE矩阵的元素更新相关器集合的所述系数的集合；并且
基于所述低维MMSE矩阵的元素更新字典矩阵的元素；以及
检测器，该检测器使用利用所述字典矩阵的稀疏恢复，从所述滤波后的信号中检测由所述发送器发送的符号。
2.根据权利要求1所述的通信系统，其中，在模拟域中接收所述信号，其中，每个相关器包括：
生成器，该生成器根据该相关器的系数生成模拟信号；
乘法器，该乘法器将所生成的模拟信号与所接收到的信号相乘以生成混合信号；
积分器，该积分器对所述混合信号进行积分；以及
采样器，该采样器对积分后的混合信号进行采样，以产生所述滤波后的符号。
3.根据权利要求1所述的通信系统，该通信系统还包括：
前端，该前端连接到所述天线以产生在数字域中的接收到的信号，其中，每个相关器包括：
乘法器，该乘法器将所述相关器的系数与数字信号相乘以产生混合信号；以及
求和器，该求和器对所述混合信号进行积分，以产生所述滤波后的符号。
4.根据权利要求1所述的通信系统，其中，所述处理器通过将所述MMSE矩阵与秩等于所述低维空间的维数的低维矩阵相乘来将所述MMSE矩阵投影到所述低维空间。
5.根据权利要求4所述的通信系统，其中，所述处理器从高斯矩阵、离散傅立叶变换DFT矩阵和双极矩阵中的一个或组合中随机地选择所述低维矩阵。
6.根据权利要求4所述的通信系统，其中，所述处理器从低维矩阵的集合中选择所述低维矩阵，使得所选择的低维矩阵和所述MMSE矩阵的乘积得到低维MMSE矩阵，该低维MMSE矩阵在等于所述MMSE矩阵与所述低维矩阵的集合中的其它低维矩阵的乘积的矩阵当中具有最小相干性。
7.根据权利要求6所述的通信系统，其中，所述低维矩阵的集合包括高斯矩阵、离散傅立叶变换DFT矩阵、双极矩阵中的一个或组合。
8.根据权利要求4所述的通信系统，其中，所述处理器从低维矩阵的集合中选择所述低维矩阵，使得预白化的低维MMSE矩阵、所选择的低维矩阵和所述MMSE矩阵的乘积得到低维MMSE矩阵，该低维MMSE矩阵在等于所述预白化的低维MMSE矩阵、所述MMSE矩阵以及所述低维矩阵的集合中的其它低维矩阵的乘积的矩阵当中具有最小相干性。
9.根据权利要求8所述的通信系统，其中，所述低维矩阵的集合包括高斯矩阵、离散傅立叶变换DFT矩阵、双极矩阵中的一个或组合。
10.根据权利要求1所述的通信系统，其中，所述滤波器的集合的所述系数的集合的组合形成所述低维MMSE矩阵。
11.根据权利要求1所述的通信系统，其中，由所述相关器的集合的所述系数的集合的组合形成的矩阵是所述低维MMSE矩阵的预白化。
12.根据权利要求1所述的通信系统，其中，所述处理器估计所述信道的增益和所述信道中的噪声方差，并且基于所述低维MMSE矩阵的元素和所述信道的增益来更新所述字典矩阵的元素。
13.根据权利要求1所述的通信系统，其中，所述接收器从所述发送器接收所述信道的增益，并且基于所述低维MMSE矩阵的元素和所述信道的增益来更新所述字典矩阵的元素。
14.根据权利要求1所述的通信系统，其中，所述信号中的符号是用恒模调制来调制的，并且是用使所述字典矩阵独立于所述信道的增益的、归一化的迫零预编码器来预编码的。
15.一种通信方法，该通信方法使用与存储的实现该方法的指令联接的处理器，其中，所述指令在由所述处理器执行时实施该方法的步骤，该方法包括：
接收信号，该信号包括由多个发送器经由将所述发送器与通信系统连接的无线信道而发送的符号中的一个或组合，其中，所述信号被编码，以使得每个符号用从扩频码的集合中所选择的扩频码进行编码，并且其中，所接收到的信号的持续时间至少是所述扩频码的持续时间；
对所述信号进行滤波以产生滤波后的信号，其中，所述滤波使用相关器的集合以产生滤波后的符号的集合，所述滤波后的符号被组合为所述滤波后的信号，其中，每个相关器包括处理所接收到的信号以产生所述滤波后的符号的系数，其中，所述相关器的集合中的相关器的数量小于所述扩频码的集合中的扩频码的数量；
基于所述扩频码的集合和所述信道中的噪声方差确定最小均方误差MMSE矩阵；
将所述MMSE矩阵投影到低维空间以生成低维MMSE矩阵；
用所述低维MMSE矩阵的元素更新所述相关器的集合的所述系数的集合；
基于所述低维MMSE矩阵的元素更新字典矩阵的元素；以及
使用利用所述字典矩阵的稀疏恢复来从所述滤波后的信号中检测由所述发送器发送的符号。
16.一种非暂时性计算机可读存储介质，在该非暂时性计算机可读存储介质上实现有由处理器能执行的用于执行一种方法的程序，该方法包括：
接收信号，该信号包括由多个发送器经由将所述发送器与通信系统连接的无线信道而发送的符号中的一个或组合，其中，所述信号被编码，以使得每个符号用从扩频码的集合中所选择的扩频码进行编码，并且其中，所接收到的信号的持续时间至少是所述扩频码的持续时间；
对所述信号进行滤波以产生滤波后的信号，其中，所述滤波使用相关器的集合以产生滤波后的符号的集合，所述滤波后的符号被组合为所述滤波后的信号，其中，每个相关器包括处理所接收到的信号以产生所述滤波后的符号的系数，其中，所述相关器的集合中的相关器的数量小于所述扩频码的集合中的扩频码的数量；
基于所述扩频码的集合和所述信道中的噪声方差确定最小均方误差MMSE矩阵；
将所述MMSE矩阵投影到低维空间以产生低维MMSE矩阵；
用所述低维MMSE矩阵的元素更新所述相关器的集合的所述系数的集合；
基于所述低维MMSE矩阵的元素更新字典矩阵的元素；以及
使用利用所述字典矩阵的稀疏恢复来从所述滤波后的信号中检测由所述发送器发送的符号。
CN201880093202.1A 2018-05-11 2018-12-18 通信系统、通信方法及存储介质 Active CN112106304B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US15/977,024 2018-05-11
US15/977,024 US10498558B1 (en) 2018-05-11 2018-05-11 Symbol detection in shared wireless channel
PCT/JP2018/047421 WO2019215954A1 (en) 2018-05-11 2018-12-18 Communication system, communication method and storage medium

Publications (2)

Publication Number Publication Date
CN112106304A true CN112106304A (zh) 2020-12-18
CN112106304B CN112106304B (zh) 2022-03-25

Family

ID=65139065

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201880093202.1A Active CN112106304B (zh) 2018-05-11 2018-12-18 通信系统、通信方法及存储介质

Country Status (6)

Country Link
US (1) US10498558B1 (zh)
EP (1) EP3791479B1 (zh)
JP (1) JP6980136B2 (zh)
CN (1) CN112106304B (zh)
CA (1) CA3096584C (zh)
WO (1) WO2019215954A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112671435A (zh) * 2020-12-22 2021-04-16 杭州电子科技大学 一种fdd大规模天线中基于字典迭代的信道估计方法

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018216989A1 (ko) * 2017-05-21 2018-11-29 엘지전자 주식회사 무선통신 시스템에서 피드백 정보를 전송하는 방법 및 이를 위한 장치
TR202005532A1 (tr) * 2020-04-07 2021-10-21 Aselsan Elektronik Sanayi Ve Tic A S Yukari yönlü bağlanti di̇kgen olmayan çoklu eri̇şi̇m metodunun performasinin i̇yi̇leşti̇ri̇lmesi̇ i̇çi̇n bi̇r yöntem

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2779547A1 (en) * 2013-03-14 2014-09-17 ST-Ericsson SA Iterative successive interference cancellation in MU-MIMO using interference whitening and channel reestimation
US20150236817A1 (en) * 2014-02-19 2015-08-20 Mitsubishi Electric Research Laboratories, Inc. Method and Apparatus for Detecting Symbols Received Wirelessly using Probabilistic Data Association with Uncertainty
CN105375931A (zh) * 2015-09-21 2016-03-02 安徽大学 一种基于卡尔曼滤波的复杂环境下信号重构方法
CN105610477A (zh) * 2016-01-28 2016-05-25 西南交通大学 基于压缩感知的多发多收系统增强信号复用技术
CN105791189A (zh) * 2016-02-23 2016-07-20 重庆大学 一种提高重构精度的稀疏系数分解方法
WO2017045344A1 (zh) * 2015-09-17 2017-03-23 东南大学 一种视频帧的下采样方法和上采样方法以及传输处理方法
CN107534638A (zh) * 2015-05-29 2018-01-02 华为技术有限公司 具有低峰值平均功率比多载波波形的mc‑cdma
CN107743056A (zh) * 2017-10-25 2018-02-27 电子科技大学 一种基于压缩感知辅助的scma多用户检测方法

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SG77607A1 (en) * 1997-08-26 2001-01-16 Univ Singapore A multi-user code division multiple access receiver
EP1128564A1 (en) 2000-02-28 2001-08-29 Lucent Technologies Inc. Multi-user detection CDMA receivers in mobile telecommunications systems
US6690660B2 (en) * 2002-05-22 2004-02-10 Interdigital Technology Corporation Adaptive algorithm for a Cholesky approximation
KR100461547B1 (ko) * 2002-10-22 2004-12-16 한국전자통신연구원 디에스/시디엠에이 미모 안테나 시스템에서 보다 나은수신 다이버시티 이득을 얻기 위한 전송 시스템
JP4521633B2 (ja) * 2004-03-12 2010-08-11 直樹 末広 符号分割多重信号の相関分離識別方式
GB2418327A (en) 2004-09-17 2006-03-22 Toshiba Res Europ Ltd Common channel interference cancellation in a CDMA system
US20070110135A1 (en) * 2005-11-15 2007-05-17 Tommy Guess Iterative interference cancellation for MIMO-OFDM receivers
EP2178233A1 (en) * 2007-08-06 2010-04-21 Sharp Kabushiki Kaisha Receiver and reception method
CN101494625A (zh) 2008-01-21 2009-07-29 华为技术有限公司 一种线性均衡方法及线性均衡器
CN102710568B (zh) 2012-05-15 2015-05-13 北京理工大学 基于压缩感知的直接序列扩频信号采集和恢复方法
LU92709B1 (zh) 2015-05-06 2016-11-07
US10548115B2 (en) 2015-09-30 2020-01-28 Lg Electronics Inc. Method for transmitting and receiving signals on basis of non-orthogonal multiple access scheme, and apparatus therefor
KR101701421B1 (ko) 2015-10-16 2017-02-13 고려대학교 산학협력단 다중 시퀀스 확산을 이용한 랜덤 접속 및 다중 사용자 검출 방법 및 장치
CN107026805B (zh) 2016-01-29 2019-09-17 清华大学 非正交多址接入传输系统的接收方法及装置
US9948754B2 (en) 2016-02-18 2018-04-17 Mitsubishi Electric Research Laboratories, Inc. System and method for decoding asynchronously transmitted packets

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2779547A1 (en) * 2013-03-14 2014-09-17 ST-Ericsson SA Iterative successive interference cancellation in MU-MIMO using interference whitening and channel reestimation
US20150236817A1 (en) * 2014-02-19 2015-08-20 Mitsubishi Electric Research Laboratories, Inc. Method and Apparatus for Detecting Symbols Received Wirelessly using Probabilistic Data Association with Uncertainty
CN107534638A (zh) * 2015-05-29 2018-01-02 华为技术有限公司 具有低峰值平均功率比多载波波形的mc‑cdma
WO2017045344A1 (zh) * 2015-09-17 2017-03-23 东南大学 一种视频帧的下采样方法和上采样方法以及传输处理方法
CN105375931A (zh) * 2015-09-21 2016-03-02 安徽大学 一种基于卡尔曼滤波的复杂环境下信号重构方法
CN105610477A (zh) * 2016-01-28 2016-05-25 西南交通大学 基于压缩感知的多发多收系统增强信号复用技术
CN105791189A (zh) * 2016-02-23 2016-07-20 重庆大学 一种提高重构精度的稀疏系数分解方法
CN107743056A (zh) * 2017-10-25 2018-02-27 电子科技大学 一种基于压缩感知辅助的scma多用户检测方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
TAKUYA FUJIHASHI ET AL.: "Compressive Sensing for Loss-Resilient Hybrid Wireless Video Transmission", 《2015 IEEE GLOBAL COMMUNICATIONS CONFERENCE (GLOBECOM)》 *
范彬等: "基于免调度非正交多址系统的稀疏多用户检测方法", 《广东通信技术》 *
马培媛: "多用户M元扩频通信技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112671435A (zh) * 2020-12-22 2021-04-16 杭州电子科技大学 一种fdd大规模天线中基于字典迭代的信道估计方法
CN112671435B (zh) * 2020-12-22 2022-07-22 杭州电子科技大学 一种fdd大规模天线中基于字典迭代的信道估计方法

Also Published As

Publication number Publication date
CA3096584A1 (en) 2019-11-14
JP2021514599A (ja) 2021-06-10
CA3096584C (en) 2023-01-10
EP3791479B1 (en) 2022-02-09
CN112106304B (zh) 2022-03-25
US20190349222A1 (en) 2019-11-14
WO2019215954A1 (en) 2019-11-14
EP3791479A1 (en) 2021-03-17
JP6980136B2 (ja) 2021-12-15
US10498558B1 (en) 2019-12-03

Similar Documents

Publication Publication Date Title
CN112106304B (zh) 通信系统、通信方法及存储介质
KR100765873B1 (ko) 수신 다이버시티를 갖는 블록 전송을 위한 그룹형 직렬간섭 제거
US6426973B1 (en) Differential minimum mean squared error communication signal compensation method
US7453855B1 (en) Multiuser detection and interference suppression techniques for direct sequence spread spectrum systems in which all users employ same spreading code
JP3455073B2 (ja) 移動体無線通信チャネルにおけるマルチキャリア信号検出およびパラメータ推定方法
Gao et al. Blind channel estimation for MIMO OFDM systems via nonredundant linear precoding
Gesbert et al. Blind multiuser MMSE detector for CDMA signals in ISI channels
Mirzaei et al. Semi-blind time-domain channel estimation for frequency-selective multiuser massive MIMO systems
US7376106B2 (en) Code-division-multiple-access (DS-CDMA) channels with aperiodic codes
Bhatti et al. Spectrum sensing using principal component analysis
Roy et al. Blind channel estimation in multi-rate CDMA systems
US7873127B2 (en) Weighting a signal received by an antenna array to enhance the signal and suppress interference
Tugnait et al. A multistep linear prediction approach to blind asynchronous CDMA channel estimation and equalization
US20080181324A1 (en) Systems and methods for scaling to equalize noise variance
Pajovic et al. Reduced-dimension symbol detection in random access channel
Luo et al. Exploiting large scale BSS technique for source recovery in massive MIMO systems
Lin et al. MCMOE-based CFO estimator aided with the correlation matrix approach for Alamouti's STBC MC-CDMA downlink systems
TUZLUKOV Employment of Generalized Receiver for Group-Blind Intersymbol Detection in Downlink CDMA over Fading Multipath Channels
Hu et al. Code timing acquisition using an antenna array for asynchronous DS-CDMA systems in a near-far environment
Meftah et al. Multiuser detection in OFDM-IDMA systems using noisy Independent Component Analysis
Lin et al. A simple blind CFO estimate technique for a QO-STBC based MC-CDMA uplink system
Yu et al. Multiuser detection for QO-STBC MC-CDMA MIMO systems
Morales et al. Spectrally efficient maximum-likelihood detection for chaotic underdetermined MIMO systems
Overbye et al. A semi-blind LMMSE multiuser detector for DS-CDMA using a subspace noise estimator
Xu Asymptotically optimal cdma receiver: Perfect mai cancellation

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