CN112637092B - Bp均衡方法、装置、通信设备及存储介质 - Google Patents
Bp均衡方法、装置、通信设备及存储介质 Download PDFInfo
- Publication number
- CN112637092B CN112637092B CN201910907176.8A CN201910907176A CN112637092B CN 112637092 B CN112637092 B CN 112637092B CN 201910907176 A CN201910907176 A CN 201910907176A CN 112637092 B CN112637092 B CN 112637092B
- Authority
- CN
- China
- Prior art keywords
- symbol
- received signal
- oni
- stream
- equivalent
- 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
Links
Classifications
-
- 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
- H04L25/03178—Arrangements involving sequence estimation techniques
- H04L25/03305—Joint sequence estimation and interference removal
-
- 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
- H04L25/0242—Channel estimation channel estimation algorithms using matrix methods
-
- 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
- H04L25/0224—Channel estimation using sounding signals
- H04L25/0228—Channel estimation using sounding signals with direct estimation from sounding signals
- H04L25/023—Channel estimation using sounding signals with direct estimation from sounding signals with extension to other symbols
- H04L25/0236—Channel estimation using sounding signals with direct estimation from sounding signals with extension to other symbols using estimation of the other symbols
-
- 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
- H04L25/03178—Arrangements involving sequence estimation techniques
- H04L25/03312—Arrangements specific to the provision of output signals
- H04L25/03324—Provision of tentative decisions
-
- 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
- H04L25/03159—Arrangements for removing intersymbol interference operating in the frequency domain
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Digital Transmission Methods That Use Modulated Carrier Waves (AREA)
- Cable Transmission Systems, Equalization Of Radio And Reduction Of Echo (AREA)
Abstract
本发明实施例提供一种BP均衡方法、装置、通信设备及存储介质,先对接收信号Yc,信道估计Hc,符号估计Xc进行实部和虚部拆分得到接收信号矩阵Y、信道估计矩阵H和符号估计矩阵X;然后对信道估计矩阵H进行正交三角QR分解得到等效接收信号Ybp,等效信道R和噪声功率σ2,进而基于得到的等效接收信号Ybp,等效信道R,噪声功率σ2进行迭代得到每流符号的位置概率;由于采用QR分解,从而使得更新维度为流数乘以流数,不随天线数目增大,实现了降维,更适用于大规模阵列天线多用户检测场景,也即提升了BP均衡方法的适用场景;同时由于R矩阵为上三角矩阵,在迭代时仅需迭代非零节点,因此可进一步降低计算开销,可提升均衡算法中符号估计的准确性。
Description
技术领域
本发明涉及通信技术领域,尤其涉及一种BP(Belief Propagation,置信传播)均衡方法、装置、通信设备及存储介质。
背景技术
均衡(Equalization)在通信领域中指代对信道特性的均衡,也就是接收机产生与信道相反的特性,用以抵消信道由于时变和多径等效应引起的符号间干扰。在多用户检测中,采用的均衡技术包括ZF(Zero Forcing,迫零),MMSE(Minimum Mean Square Error,最小均方误差),IRC(Interference Rejection Combining,干扰抑制合并),SD以及(SphereDecoding,球形译码)和BP算法等。其中BP算法使用FG(Factor Graph,因子图)思想,迭代更新节点间的置信信息,其性能优于线性均衡算法,且由于其无需进行大矩阵求逆操作,其实现复杂度也低于传统线性均衡算法。相关技术中BP均衡算法主要有两种实现方式,分别为FG-GAI(Factor Graph based Graphical Model with Gaussian Approximation ofInterference,图论因子图的高斯估计干扰法)和CHEMP(Channel Hardening-ExploitingMessage Passing,信道硬化的信息传递法)。其中FG-GAI和CHEMP均存在开销大,适用场景有限的问题。
发明内容
本发明实施例提供的一种BP均衡方法、装置、通信设备及存储介质,解决相关技术中的BP均衡算法存在开销大,适用场景有限的问题。
为解决上述技术问题,本发明实施例提供一种置信传播BP均衡方法,包括:
对接收信号Yc,信道估计Hc,符号估计Xc进行实部和虚部拆分得到接收信号矩阵Y、信道估计矩阵H和符号估计矩阵X;
对所述信道估计矩阵H进行正交三角QR分解得到等效接收信号Ybp,等效信道R和噪声功率σ2;
基于所述等效接收信号Ybp,等效信道R,噪声功率σ2进行迭代得到每流符号的位置概率。
为解决上述技术问题,本发明实施例还提供一种BP均衡装置,包括:
拆分处理模块,用于对接收信号Yc,信道估计Hc,符号估计Xc进行实部和虚部拆分得到接收信号矩阵Y、信道估计矩阵H和符号估计矩阵X;
分解处理模块,用于对所述信道估计矩阵H进行正交三角QR分解得到等效接收信号Ybp,等效信道R和噪声功率σ2;
迭代处理模块,用于基于所述等效接收信号Ybp,等效信道R,噪声功率σ2进行迭代得到每流符号的位置概率。
为解决上述技术问题,本发明实施例还提供了一种通信设备,包括处理器、存储器和通信总线;
所述通信总线用于将所述处理器和存储器连接;
所述处理器用于执行所述存储器中存储的计算机程序,以实现如上所述的BP均衡方法的步骤。
为解决上述技术问题,本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有一个或多个计算机程序,所述一个或多个计算机程序可被一个或多个处理器执行,以实现如上所述的BP均衡方法的步骤。
根据本发明实施例提供的BP均衡方法、装置、通信设备及存储介质,先对接收信号Yc,信道估计Hc,符号估计Xc进行实部和虚部拆分得到接收信号矩阵Y、信道估计矩阵H和符号估计矩阵X;然后对信道估计矩阵H进行正交三角QR分解得到等效接收信号Ybp,等效信道R和噪声功率σ2,进而基于得到的等效接收信号Ybp,等效信道R,噪声功率σ2进行迭代得到每流符号的位置概率;由于采用QR分解,从而使得更新维度为流数乘以流数,不随天线数目增大,实现了降维,更适用于大规模阵列天线Massive MIMO多用户检测场景,也即提升了BP均衡方法的适用场景;同时由于R矩阵为上三角矩阵,在迭代时仅需迭代非零节点,因此可进一步降低计算开销,可提升均衡算法中符号估计的准确性。
可选地,在发明实施例中,还可利用酉矩阵特性保证在降维过程中噪声功率不变。
可选地,在信息迭代更新过程中,可根据SIC(Successive InterferenceCancellation,连续干扰消除)原理,利用最后一流无需使用GAI(Gaussian Approximationof Interference)算法来消除流间干扰的原理,并使用最优使用阻尼(damping)滤波方法,可保证节点的高置信概率,进而提高整体多用户检测的准确性,加快收敛速度。
本发明其他特征和相应的有益效果在说明书的后面部分进行阐述说明,且应当理解,至少部分有益效果从本发明说明书中的记载变的显而易见。
附图说明
图1为本发明实施例一的BP均衡方法流程示意图;
图2为本发明实施例二的基于4QAM的BP均衡方法流程示意图;
图3为本发明实施例二的进行QR-GAI算法的主体迭代过程示意图;
图4为本发明实施例二的基于16QAM的BP均衡方法流程示意图;
图5为本发明实施例三的BP均衡装置结构示意图;
图6为本发明实施例四的通信设备结构示意图;
图7为本发明实施例四的基站结构示意图;
图8为本发明实施例四的通信终端结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,下面通过具体实施方式结合附图对本发明实施例作进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
实施例一:
针对相关技术中的BP均衡算法存在开销大,适用场景有限的问题,实施例提供的BP均衡方法对信道估计矩阵H进行正交三角QR分解,从而使得更新维度为流数乘以流数,不随天线数目增大,实现了降维,更适用于Massive MIMO多用户检测场景,也即提升了BP均衡方法的适用场景;同时由于R矩阵为上三角矩阵,在迭代时仅需迭代非零节点,因此可进一步降低计算开销,可提升均衡算法中符号估计的准确性。本实施例提供的BP均衡算法适用于各种通信设备,该通信设备包括网络侧的各种通信设备和终端侧的各种通信设备中的至少一种。且本实施例提供的BP均衡算法也适用于任意阶QAM调制的QR-GAI算法方法。为了便于理解,本实施例可称本实施例提供的BP均衡算法为QR-GAI算法。
为了便于理解,本实施例下面结合图1所示的置信传播BP均衡方法流程示意图为示例进行说明,包括:
S101:对接收信号Yc,信道估计Hc,符号估计Xc进行实部和虚部拆分得到接收信号矩阵Y、信道估计矩阵H和符号估计矩阵X。
本实施例中的接收信号Yc可为通信设备的接收信号,该通信设备可以为网络侧的通信设备,例如可包括但不限于各种基站。当然一些示例中该通信设备也可包括终端侧的各种通信设备。在本实施例中,通信设备接收到接收信号Yc后,可执行本实施例中图1所示的置信传播BP均衡方法。
在本实施例中,S101目的是将复数域QAM星座点拆分为两个实数域PAM星座点,进而在后续步骤中可以进行实数域操作。
本实施例中,可以根据具体应用场景灵活的设置接收模型。例如,一种示例中,对于接收信号Yc,信道估计Hc和符号估计Xc,可设置接收模型(应当理解的是并不限于下述示例模型,可以根据需求灵活调整)如下:
Yc=HcXc+Nc;
其中,上述接收信号Yc∈Cante×1;上述信道估计Hc∈Cante×flow;上述符号估计Xc∈Cflow×1;上述高斯白噪声Nc∈Cante×1,其均值为0,方差为2·σ2;上述C表示复数域;上述ante为天线数目;上述flow为流数;上述σ2为噪声功率。
相应的,进行实部和虚部拆分得到的接收信号矩阵Y、信道估计矩阵H和符号估计矩阵X满足:
Y=HX+N;
上述接收信号矩阵上述信道估计矩阵上述符号估计矩阵/>Re{.}表示取实部,Im{.}表示取虚部。
S102:对得到的信道估计矩阵H进行正交三角QR分解得到等效接收信号Ybp,等效信道R和噪声功率σ2;从而作为下一步骤的输入。
在本实施例的一种示例中,对信道估计矩阵H进行QR分解得到:
Y=HX+N=QRX+N;
根据Y=HX+N=QRX+N从而得到:
其中,上述等效噪声QTN均值为0,噪声功率为σ2。
通过本步骤对信道估计值H=QR∈R2·ante×2·flow进行QR分解,至少具备以下优点:1)等效信道R的维度为R∈R2·flow×2·flow,在Massive MIMO下,其维度远小于原信道维度H∈R2·ante×2·flow,进而极大低降低了后续迭代算法的复杂度;2)根据酉矩阵特性使得var(QTN)=var(N),即噪声功率不变,其中var(.)表示方差;3)由于R为上三角矩阵,使得后续迭代中仅需更新非零元素,可进一步降低计算开销。
S103:基于得到的等效接收信号Ybp,等效信道R,噪声功率σ2进行迭代得到每流符号的位置概率。
例如,承接上述示例,基于所述等效接收信号Ybp,等效信道R,噪声功率σ2进行迭代得到每流符号的位置概率可包括:
以等效接收信号Ybp作为观察节点(Observation Node),符号估计矩阵X作为信息节点(Symbol Node)构建全连接BP网络,并初始化每流符号位置概率为该M为正交振幅调制QAM的阶数,也即为2MQAM阶数;然后进行以下计算:
计算各观察节点之索引ONI={2·flow,...,1}上的等效接收信号平均值Su,ONI和等效接收信号方差估计值承接上述示例,该过程可包括:
其中,上述为每流符号估计值,上述/>为每流符号方差估计值,上述SNI为流索引,上述β为符号能量归一化因子,例如对于4QAM,16QAM,64QAM,256QAM,β的取值分别为/>对于其他阶的OAM则以此类推,在此不再赘述。
在得到等效接收信号平均值Su,ONI和等效接收信号方差估计值后,可依据Su,ONI和/>计算每流符号似然概率llr∈RM×1和每流符号置信概率proT∈RM×1。
为了进一步提升均衡算法中符号估计的准确性,依据Su,ONI和计算每流符号似然概率llr∈RM×1和每流符号置信概率proT∈RM×1之前,还可利用外部信息原理(Extrinsic Information)去除等效接收信号平均值Su,ONI和等效接收信号方差估计值中流ONI的均值和方差得到μ和s,具体如下:
以上得到的μ和s为在观察节点之索引Observation Node ONI,去除了ONI流等效接收信号的均值和方差。
在以上步骤中,由于R为上三角矩阵,因此仅需遍历ONI={2·flow,...,1},SNI={ONI,...,2·flow},这样可使得QR-GAI算法的迭代开销进一步降低。另外对于ONI=2·flow的节点,由于其没有流间干扰,无需进行GAI白噪化估计(GAI估计在信道高相关性下估计性能严重恶化),所以其LLR(Log Likelihood Ratio,对数似然比)置信概率较高,这样使得迭代算法在迭代中有优势节点,从而提升了整体迭代算法的估计性能。
在本实施例中的一种示例中,根据得到的等效接收信号平均值Su,ONI和等效接收信号方差估计值计算每流符号似然概率llr∈RM×1和每流符号置信概率proT∈RM×1。
其中,计算每流符号似然概率llr∈RM×1的过程包括:
定义符号索引向量对于索引i=1,2,...,M,分别按以下方式计算每流符号似然概率llr∈RM×1:
其中,上述llr(i)表示第i个符号位置,上述i=1,2,...,M,上述符号X(ONI)为si(0)/β与为si(i)/β的似然比。
然后对于每流符号置信概率proT∈RM×1,通过以下方式进行计算:
proT(i)=exp(llr(i))/∑iexp(llr(i));
上述proT(i)则分别表示第ONI流符号X(ONI)为si(i)/β的概率。
在本实施例的一些示例中,为了防止在相邻迭代周期概率跳变,可选的基于等效接收信号Ybp,等效信道R,噪声功率σ2进行迭代得到每流符号的位置概率还可包括采用以下阻尼算法更新第ONI流符号:
pro(:,ONI)=df·pro(:,ONI)+(1-df·proT);
其中上述pro(:,ONI)表示所有行,ONI列,上述df为阻尼因子;本实施例中df的取值可以灵活确定,例如一种示例中该取值可为0.2~0.3中的任意一个值。
在本实施例中,通过S103得到每流符号的位置概率后,对于得到的每流符号的位置概率可以根据需求进行灵活的应用。
例如,在本实施例的一种示例中,可利用得到的每流符号的位置概率计算每流符号SNI={1,...,flow}的复值QAM星座点,从而可输出每流符号bit级LLR概率。
其中,计算每流符号SNI={1,...,flow}的复值QAM星座点包括:
其中,上述pro(i,SNI)和pro(i,SNI+flow)为第SNI流实部和虚部实值符号位置的概率。
在一些示例中,pro(i,SNI)和pro(i,SNI+flow)其可直接作为译码模块输入。例如,在一些示例中,本实施例中的BP均衡方法还包括计算符号硬判决,包括:
X(SNI)=(si(rp)+si(ip)·j)/β;
其中,上述X(SNI)为每流2MQAM复值符号的硬判决值,上述j表示虚部。
本实施例所提供的QR-GAI算法,相对相关技术中的FG-GAI算法,具有至少具备以下优点:1)实现了降维操作,在Massive MIMO场景中,极大地降低计算开销,2)利用SIC原理,保证最后一流的高置信概率,提高了多用户检测的准确性,3)在迭代过程中仅更新R矩阵非零元素,进一步降低计算开销等优点;而相对CHEMP算法,也至少具备以下优点具:1)降维操作没有增大噪声功率,提高符号估计准确性,2)利用SIC原理,保证最后一流的高置信概率,3)等效信道R矩阵较H的协方差矩阵更加稀疏等优点,使得算法在高信道相关性下依然适用等优点。另外本实施例所提供的QR-GAI算法可推广到任意阶QAM调制;可进一步提升适用场景。
实施例二:
为了便于理解,本实施例以上述实施例一所示的QR-GAI算法,结合基于4QAM和基于16QAM的两种应用场景为示例进行说明。
示例一:基于4QAM的QR-GAI均衡处理过程请参见图2所示,包括:
S201:将二维的QAM复数域星座点拆分为两个PAM星座点。对接收信号Yc=HcXc+Nc,拆分实部和虚部,得到:
其满足Y=HX+N。
S202:对信道估计矩阵H=QR∈R2·ante×2·flow进行QR分解,有 其中在本示例中,等效噪声QTN均值为0,方差为σ2。得到步骤S203中的输入Ybp∈R2·flow×1,R∈R2·flow×2·flow,σ2。
S203:进行QR-GAI算法的主体迭代过程。在本示例中,构建全连接BP网络,其观察节点(Observation Node)为Ybp∈R2·flow×1,信息节点(Information Node)为X∈R2·flow×1。初始化每流位置概率概率其中,M为QAM阶数,对于4QAM,Pro=0.5·I2×2·flow;在本示例中,请参见图3所示,该过程包括:
S2031:进行GAI干扰估计,对于每一个Observation Node ONI={2·flow,...,1},进行以下处理:
其中,SNI={ONI,...,2·flow}为Symbol Node索引,为每流符号估计值,Su,ONI为Obsevation Node ONI上等效接收信号平均值,2·Pro(1,SNI)·(1-Pro(1,SNI))为每流方差估计值,/>为Obsevation Node ONI上等效接收信号方差估计值,σ2为噪声功率值。
根据Extrinsic Information原理,计算去除流ONI的均值和方差,有
其中,μ和s为在Observation Node ONI,去除了流ONI的等效接收信号均值和方差。
S2032:先计算似然概率llr∈R2×1,再计算置信概率pro∈R2×2·flow。计算似然概率llr∈R2×1的准则为:
其中,llr(1)表示第ONI流,符号为与为/>的似然比,其值为0。llr(2)表示第ONI流,符号为/>与为/>的似然比。
计算置信概率pro∈R2×2·flow,定义临时置信概率proT∈R2×1其更新准则为:
proT(1)=exp(llr(1))/(exp(llr(1))+exp(llr(2)));
proT(2)=exp(llr(2))/(exp(llr(1))+exp(llr(2)));
其中,proT(1),proT(2)分别表示第ONI流符号为和/>的概率。S2033:使用阻尼(Damping)算法更新第ONI流,有
pro(:,ONI)=df·pro(:,ONI)+(1-df·proT);
其中,df为Damping因子,本示例中df的取值可为0.2~0.3中的任意一个值。
S204:输出每流符号的位置判决。定义符号向量si={1,-1},对于每一流SNI={1,...,flow}的复值QAM星座点,有:
其中,pro(i,SNI)和pro(i,SNI+flow)为SNI流实部和虚部实值符号位置的概率,其可直接作为译码模块输入。
在本示例中,对于符号硬判决有:
其中X(SNI)为第SNI流4QAM符号的硬判决值。
示例二:基于16QAM的QR-GAI均衡处理过程请参见图4所示,包括:
S401:将二维的16QAM复数域星座点拆分为两个4PAM星座点,对接收信号Yc=HcXc+Nc,拆分实部和虚部,得到:
其满足Y=HX+N。
S402:对信道估计矩阵H=QR∈R2·ante×2·flow进行QR分解,有 其中在本示例中,等效噪声QTN均值为0,方差为σ2。得到步骤S203中的输入Ybp∈R2·flow×1,R∈R2·flow×2·flow,σ2。
S403:进行QR-GAI算法的主体迭代过程。包括构建全连接BP网络,其观察节点(Observation Node)为Ybp∈R2·flow×1,信息节点(Information Node)为X∈R2·flow×1,初始化置信概率Pro=1/4·I4×2·flow。该过程包括:
子步骤a):进行GAI干扰估计。对于每一个Observation Node ONI={2·flow,...,1},定义符号向量si={3,1,-1,-3},有
上述Su,ONI为Obsevation Node ONI上等效接收信号平均值,为ObsevationNode ONI上等效接收信号方差估计值,σ2为噪声功率值。
计算去除流ONI的均值和方差,有:
其中,μ和s为在Observation Node ONI,去除了流ONI的接收信号均值和方差。
子步骤b):计算似然概率llr∈R4×1和置信概率Pro∈R4×2·flow。对于符号位置索引i={1,2,3,4},有:
其中,
llr(i)表示第ONI流,符号为与为/>的似然比。
再计算临时置信概率,对于符号位置索引i={1,2,3,4},有:
其中,上述proT(i)分别表示第ONI流符号为的概率。
子步骤c):使用阻尼(Damping)算法更新第ONI流,有:
pro(:,ONI)=df·pro(:,ONI)+(1-df·proT);
其中,df为Damping因子,df可设置为0.2~0.3。
S404:输出bit级LLR判决或符号硬判决。对于符号索引向量si={3,1,-1,-3},对于每一流SNI={1,...,flow}的复数值星座点,有:
其中,pro(i,SNI)和pro(i,SNI+flow)为第SNI流实值符号的LLR概率值,其可作为译码模块输入,也可根据需求做其他使用。
对于符号硬判决有:
其中,X(SNI)为每流16QAM符号的硬判决值。
应当理解的是,本实施例中仅仅是基于4QAM和16QAM的两种应用场景为示例对本实施例所提供的BP均衡方法进行示例说明。对于64QAM,256QAM等应用场景侧可参见上述各实施例依次类推,在此不再赘述。且应当理解的是本实施例所提供的BP均衡方法可适用于各阶的QAM。
实施例三:
本实施例提供了一种BP均衡装置,该BP均衡装置可设置于通信设备内,该通信设备可以包括用户侧的通信设备和网络侧的通信设备中的至少一种。本实施例中所提供的BP均衡装置参见图5所示,其可包括:
拆分处理模块501,用于对接收信号Yc,信道估计Hc,符号估计Xc进行实部和虚部拆分得到接收信号矩阵Y、信道估计矩阵H和符号估计矩阵X。
在本实施例中,拆分处理模块501将复数域QAM星座点拆分为两个实数域PAM星座点,进而在后续步骤中可以进行实数域操作。
本实施例中,拆分处理模块501可以根据具体应用场景灵活的设置接收模型。例如,一种示例中,对于接收信号Yc,信道估计Hc和符号估计Xc,可设置接收模型如下:
Yc=HcXc+Nc;
其中,上述接收信号Yc∈Cante×1;上述信道估计Hc∈Cante×flow;上述符号估计Xc∈Cflow×1;上述高斯白噪声Nc∈Cante×1,其均值为0,方差为2·σ2;上述C表示复数域;上述ante为天线数目;上述flow为流数;上述σ2为噪声功率。
相应的,拆分处理模块501进行实部和虚部拆分得到的接收信号矩阵Y、信道估计矩阵H和符号估计矩阵X满足:
Y=HX+N;
上述接收信号矩阵上述信道估计矩阵上述符号估计矩阵/>Re{.}表示取实部,Im{.}表示取虚部。
分解处理模块502,用于对所述信道估计矩阵H进行正交三角QR分解得到等效接收信号Ybp,等效信道R和噪声功率σ2。
在本实施例的一种示例中,分解处理模块502对信道估计矩阵H进行QR
分解得到:
Y=HX+N=QRX+N;
分解处理模块502根据Y=HX+N=QRX+N从而得到:
其中,上述等效噪声QTN均值为0,噪声功率为σ2。
通过分解处理模块502对信道估计值H=QR∈R2·ante×2·flow进行QR分解,至少具备以下优点:1)等效信道R的维度为R∈R2·flow×2·flow,在Massive MIMO下,其维度远小于原信道维度H∈R2·ante×2·flow,进而极大低降低了后续迭代算法的复杂度;2)根据酉矩阵特性使得var(QTN)=var(N),即噪声功率不变,其中var(.)表示方差;3)由于R为上三角矩阵,使得后续迭代中仅需更新非零元素,可进一步降低计算开销。
迭代处理模块503,用于基于所述等效接收信号Ybp,等效信道R,噪声功率σ2进行迭代得到每流符号的位置概率。
例如,承接上述示例,迭代处理模块503基于等效接收信号Ybp,等效信道R,噪声功率σ2进行迭代得到每流符号的位置概率可包括:
迭代处理模块503以等效接收信号Ybp作为观察节点(Observation Node),符号估计矩阵X作为信息节点(Symbol Node)构建全连接BP网络,并初始化每流符号位置概率为该M为正交振幅调制QAM的阶数,也即为2MQAM阶数;然后进行以下计算:
迭代处理模块503计算各观察节点之索引ONI={2·flow,...,1}上的等效接收信号平均值Su,ONI和等效接收信号方差估计值承接上述示例,该过程可包括:
其中,上述为每流符号估计值,上述/>为每流符号方差估计值,上述SNI为流索引,上述β为符号能量归一化因子,例如对于4QAM,16QAM,64QAM,256QAM,β的取值分别是/>对于其他阶的OAM则以此类推,在此不再赘述。
在得到等效接收信号平均值Su,ONI和等效接收信号方差估计值后,迭代处理模块503可依据Su,ONI和/>计算每流符号似然概率llr∈RM×1和每流符号置信概率proT∈RM×1。
可选的,在本实施例中,为了进一步提升均衡算法中符号估计的准确性,迭代处理模块503依据Su,ONI和计算每流符号似然概率llr∈RM×1和每流符号置信概率proT∈RM ×1之前,还可利用外部信息原理(Extrinsic Information)去除等效接收信号平均值Su,ONI和等效接收信号方差估计值/>中流ONI的均值和方差得到μ和s,具体如下:
以上得到的μ和s为在观察节点之索引Observation Node ONI,去除了ONI流等效接收信号的均值和方差。
在以上步骤中,由于R为上三角矩阵,因此仅需遍历ONI={2·flow,...,1},SNI={ONI,...,2·flow},这样可使得QR-GAI算法的迭代开销进一步降低。另外对于ONI=2·flow的节点,由于其没有流间干扰,无需进行GAI白噪化估计(GAI估计在信道高相关性下估计性能严重恶化),所以其LLR(Log Likelihood Ratio,对数似然比)置信概率较高,这样使得迭代算法在迭代中有优势节点,从而提升了整体迭代算法的估计性能。
在本实施例中的一种示例中,迭代处理模块503根据得到的等效接收信号平均值Su,ONI和等效接收信号方差估计值计算每流符号似然概率llr∈RM×1和每流符号置信概率proT∈RM×1。
其中,迭代处理模块503计算每流符号似然概率llr∈RM×1的过程包括:
定义符号索引向量对于索引i=1,2,...,M,分别按以下方式计算每流符号似然概率llr∈RM×1:
其中,上述llr(i)表示第i个符号位置,上述i=1,2,...,M,上述符号X(ONI)为si(0)/β与为si(i)/β的似然比。
然后迭代处理模块503对于每流符号置信概率proT∈RM×1,通过以下方式进行计算:
proT(i)=exp(llr(i))/∑iexp(llr(i));
上述proT(i)则分别表示第ONI流符号X(ONI)为si(i)/β的概率。
在本实施例的一些示例中,为了防止在相邻迭代周期概率跳变,可选的,迭代处理模块503基于等效接收信号Ybp,等效信道R,噪声功率σ2进行迭代得到每流符号的位置概率还可包括采用以下阻尼算法更新第ONI流符号:
pro(:,ONI)=df·pro(:,ONI)+(1-df·proT);
其中,上述pro(:,ONI)表示所有行,ONI列,上述df为阻尼因子;本实施例中df的取值可以灵活确定,例如一种示例中该取值可为0.2~0.3中的任意一个值。
在本实施例中,迭代处理模块503得到每流符号的位置概率后,对于得到的每流符号的位置概率可以根据需求进行灵活的应用。例如,请参见图5所示,该BP均衡装置还包括应用处理模块504。
例如,在本实施例的一种示例中,应用处理模块504可利用得到的每流符号的位置概率计算每流符号SNI={1,...,flow}的复值QAM星座点,从而可输出每流符号bit级LLR概率。
其中,应用处理模块504计算每流符号SNI={1,...,flow}的复值QAM星座点包括:
其中,上述pro(i,SNI)和pro(i,SNI+flow)为第SNI流实部和虚部实值符号位置的概率。
在一些示例中,pro(rp,SNI)和pro(ip,SNI+flow)其可直接作为译码模块输入。例如,在一些示例中,本实施例中应用处理模块504还可用于计算符号硬判决,包括:
X(SNI)=(si(rp)+si(ip)·j)/β;
其中,上述X(SNI)为每流2MQAM复值符号的硬判决值,上述j表示虚部。
实施例四:
本实施例还提供了一种通信设备,该通信设备可以是用户侧的设备,例如各种用户侧的用户设备(例如用户终端),也可以是网络侧的通信设备,例如各AAU(例如基站设备)等,参见图6所示,其包括处理器601、存储器602以及通信总线603;
通信总线603用于实现处理器601与存储器602之间的通信连接;
一种示例中,处理器601可用于执行存储器602中存储的一个或者多个计算机程序,以实现如上各实施例中的BP均衡方法的步骤。
为了便于理解,本实施例的一种示例中以通信设备为基站进行示例说明。且应当理解的是,本实施例中的基站可以为机柜式宏基站、分布式基站或多模基站。请参见图7所示,本示例中的基站包括基带单元(Building Base band Unit,BBU)71和射频拉远单元(Radio Remote Unit,RRU)72以及天线73,其中:
基带单元71负责集中控制与管理整个基站系统,完成上下行基带处理功能,并提供与射频单元、传输网络的物理接口,完成信息交互。按照逻辑功能的不同,请参见图7所示,基带单元71可包括基带处理单元712、主控单元711、传输接口单元713等。其中,主控单元711主要实现基带单元的控制管理、信令处理、数据传输、交互控制、系统时钟提供等功能;基带处理单元712用于完成信号编码调制、资源调度、数据封装等基带协议处理,提供基带单元和射频拉远单元间的接口;传输接口单元713负责提供与核心网连接的传输接口。在本示例中,上述各逻辑功能单元可分布在不同的物理板卡上,也可以集成在同一块板卡上。且可选的,基带单元71可采用基带主控集成式,也可采用基带主控分离式。对于基带主控集成式,主控、传输、基带一体化设计,即基带处理单元与主控单元、传输接口单元集成在一块物理板卡上,该架构具有更高的可靠性、更低的低延、更高的资源共享及调度效率,同时功耗更低。对于基带主控分离式,基带处理单元与主控单元分布在不同的板卡上,对应于基带板、主控板,分离式架构支持板卡间自由组合、便于基带灵活扩容。具体可根据需求灵活采用设置。
射频拉远单元72通过基带射频接口与BBU通信,完成基带信号与射频信号的转换。参见图7所示,一种示例的射频拉远单元72主要包括接口单元721、上行信号处理单元724、下行信号处理单元722、功放单元723、低噪放单元725、双工器单元726等,构成下行信号处理链路与上行信号处理链路。其中,接口单721提供与基带单元之间的前传接口,接收和发送基带IQ信号;下行信号处理单元722完成信号上变频、数模转换、射频调制等信号处理功能;上行信号处理单元724主要完成信号滤波、混频、模数转换、下变频等功能;功放单元723用于对下行信号进行放大后通过天线73发出,例如发给终端;低噪放单元725用于对天线73接收到的上行信号进行放大后发给上行信号处理单元724进行处理;双工器单元726支持收发信号复用并对收发信号进行滤波。
另外,应当理解的是,本实施例中的基站还可采用CU(Central Unint,中央单元)-DU(Distributed Unit,分布式单元)架构,其中DU是分布式接入点,负责完成底层基带协议及射频处理功能,CU是中央单元,负责处理高层协议功能并集中管理多个DU。CU和DU共同完成基站的基带及射频处理功能。
在本实施例中,基站还可包括用于存储各种数据的存储单元,例如该存储单元可以存储上述一个或者多个计算机程序,其中上述主控单元或中央单元可以作为处理器,调用存储单元中存储的一个或者多个计算机程序,以实现如上各实施例中的BP均衡方法的步骤。
在本示例中,上述BP均衡装置设置于基站中时,该BP均衡装置的至少一个模块的功能也可通过上述主控单元或中央单元实现。
为了便于理解,本实施例的另一示例中以通信设备为通信终端进行示例说明。参见图8所示,该通信终端可以为具有通信功能的移动终端,例如包括手机、平板电脑、笔记本电脑、掌上电脑、个人数字助理(Personal Digital Assistant,PDA)、导航装置、可穿戴设备、智能手环等。该通信终端可以包括:RF(Radio Frequency,射频)单元801、传感器805、显示单元806、用户输入单元807、接口单元808、存储器809、处理器810、以及电源811等部件。本领域技术人员可以理解,图8中示出的通信终端结构并不构成对通信终端的限定,通信终端可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置,其中:
射频单元801可用于通信,实现信号的接收和发送,例如将基站的下行信息接收后,给处理器810处理;另外,将上行的数据发送给基站。通常,射频单元801包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器、双工器等。此外,射频单元801还可以通过无线通信与网络和其他设备通信。传感器805,比如光传感器、运动传感器以及其他传感器。具体地,光传感器包括环境光传感器及接近传感器,其中,环境光传感器可根据环境光线的明暗来调节显示面板8061的亮度。
显示单元806用于显示由用户输入的信息或提供给用户的信息。显示单元86可包括显示面板6061,例如有机发光二极管(Organic Light-Emitting Diode,OLED)显示面板、有源矩阵有机发光二极管(Active-matrix organic light emitting diode,AMOLED)显示面板。
用户输入单元807可用于接收输入的数字或字符信息,以及产生与移动终端的用户设置以及功能控制有关的键信号输入。用户输入单元807可包括触控面板8071以及其他输入设备8072。
接口单元808用作至少一个外部装置与通信终端连接可以通过的接口。例如,外部装置可以包括外部电源(或电池充电器)端口、有线或无线数据端口、存储卡端口、用于连接具有识别模块的装置的端口、音频输入/输出(I/O)端口等等。
存储器809可用于存储软件程序以及各种数据。存储器809可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
处理器810是通信终端的控制中心,利用各种接口和线路连接整个通信终端的各个部分,通过运行或执行存储在存储器809内的软件程序和/或模块,以及调用存储在存储器809内的数据,执行通信终端的各种功能和处理数据。例如,处理器810可用于可调用存储器809中存储的一个或多个计算机程序,以实现如上的BP均衡方法的步骤。
处理器810可包括一个或多个处理单元;优选的,处理器810可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器810中。
电源811(比如电池),可选的,电源811可以通过电源管理系统与处理器810逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。
在本示例中,在本示例中,上述BP均衡装置设置于通信终端中时,该BP均衡装置的至少一个模块的功能也可通过上述处理器810实现。
本实施例还提供了一种计算机可读存储介质,该计算机可读存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、计算机程序模块或其他数据)的任何方法或技术中实施的易失性或非易失性、可移除或不可移除的介质。计算机可读存储介质包括但不限于RAM(Random Access Memory,随机存取存储器),ROM(Read-Only Memory,只读存储器),EEPROM(Electrically Erasable Programmable read only memory,带电可擦可编程只读存储器)、闪存或其他存储器技术、CD-ROM(Compact Disc Read-Only Memory,光盘只读存储器),数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。
在一种示例中,本实施例中的计算机可读存储介质可用于存储一个或者多个计算机程序,该一个或者多个计算机程序可被一个或者多个处理器执行,以实现如上各实施例中的BP均衡方法的步骤。
本实施例还提供了一种计算机程序(或称计算机软件),该计算机程序可以分布在计算机可读介质上,由可计算装置来执行,以实现如上各实施例所示的BP均衡方法的至少一个步骤;并且在某些情况下,可以采用不同于上述实施例所描述的顺序执行所示出或描述的至少一个步骤。
本实施例还提供了一种计算机程序产品,包括计算机可读装置,该计算机可读装置上存储有如上所示的计算机程序。本实施例中该计算机可读装置可包括如上所示的计算机可读存储介质。
可见,本领域的技术人员应该明白,上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件(可以用计算装置可执行的计算机程序代码来实现)、固件、硬件及其适当的组合。在硬件实施方式中,在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分;例如,一个物理组件可以具有多个功能,或者一个功能或步骤可以由若干物理组件合作执行。某些物理组件或所有物理组件可以被实施为由处理器,如中央处理器、数字信号处理器或微处理器执行的软件,或者被实施为硬件,或者被实施为集成电路,如专用集成电路。
此外,本领域普通技术人员公知的是,通信介质通常包含计算机可读指令、数据结构、计算机程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据,并且可包括任何信息递送介质。所以,本发明不限制于任何特定的硬件和软件结合。
以上内容是结合具体的实施方式对本发明实施例所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (12)
1.一种置信传播BP均衡方法,包括:
对接收信号Yc,信道估计Hc,符号估计Xc进行实部和虚部拆分得到接收信号矩阵Y、信道估计矩阵H和符号估计矩阵X;
对所述信道估计矩阵H进行正交三角QR分解得到等效接收信号Ybp,等效信道R和噪声功率σ2;
以所述等效接收信号Ybp作为观察节点,所述符号估计矩阵X作为信息节点构建全连接BP网络,并初始化每流符号位置概率为所述M为正交振幅调制QAM的阶数;
计算各观察节点之索引ONI={2·flow,...,1}上的等效接收信号平均值Su,ONI和等效接收信号方差估计值
根据所述等效接收信号平均值Su,ONI和等效接收信号方差估计值计算每流符号似然概率llr∈RM×1和每流符号置信概率proT∈RM×1。
2.如权利要求1所述的BP均衡方法,其特征在于,所述接收信号Yc,信道估计Hc,符号估计Xc满足:
Yc=HcXc+Nc;
所述接收信号矩阵Y、信道估计矩阵H和符号估计矩阵X满足:
Y=HX+N;
其中,所述接收信号Yc∈Cante×1;所述信道估计Hc∈Cante×flow;所述符号估计Xc∈Cflow×1;所述高斯白噪声Nc∈Cante×1,其均值为0,方差为2·σ2;所述C表示复数域;所述ante为天线数目;所述flow为流数;所述σ2为噪声功率;所述接收信号矩阵所述信道估计矩阵/>所述符号估计矩阵/>Re{.}表示取实部,Im{.}表示取虚部。
3.如权利要求2所述的BP均衡方法,其特征在于,对所述信道估计矩阵H进行QR分解得到:
Y=HX+N=QRX+N,从而得到其中,所述等效噪声QTN均值为0,噪声功率为σ2。
4.如权利要求1所述的BP均衡方法,其特征在于,所述计算各观察节点之索引ONI={2·flow,...,1}上的等效接收信号平均值Su,ONI和等效接收信号方差估计值包括:
其中,所述为每流符号估计值,所述/>为每流符号方差估计值,所述SNI为流索引,所述β为符号能量归一化因子。
5.如权利要求4所述的BP均衡方法,其特征在于,根据所述等效接收信号平均值Su,ONI和等效接收信号方差估计值计算每流符号似然概率llr∈RM×1和每流符号置信概率proT∈RM×1之前,还包括利用外部信息原理去除所述等效接收信号平均值Su,ONI和等效接收信号方差估计值/>中流ONI的均值和方差得到μ和s;
6.如权利要求5所述的BP均衡方法,其特征在于,所述根据所述等效接收信号平均值Su,ONI和等效接收信号方差估计值计算每流符号似然概率llr∈RM×1和每流符号置信概率proT∈RM×1包括:
定义符号索引向量
分别按以下方式计算每流符号似然概率llr∈RM×1和每流符号置信概率proT∈RM×1:
proT(i)=exp(llr(i))/∑iexp(llr(i));
其中,所述llr(i)表示第i个符号位置,所述i=1,2,...,M,所述符号X(ONI)为si(0)/β与所述符号X(ONI)为si(i)/β的似然比;所述proT(i)分别表示第ONI流符号X(ONI)为si(i)/β的概率。
7.如权利要求6所述的BP均衡方法,其特征在于,基于所述等效接收信号Ybp,等效信道R,噪声功率σ2进行迭代得到每流符号的位置概率还包括采用以下阻尼算法更新第ONI流符号:
pro(:,ONI)=df·pro(:,ONI)+(1-df·proT);
其中所述pro(:,ONI)表示所有行,ONI列,所述df为阻尼因子。
8.如权利要求7所述的BP均衡方法,其特征在于,所述BP均衡方法还包计算每流符号SNI={1,...,flow}的复值QAM星座点,包括:
其中,所述pro(i,SNI)和pro(i,SNI+flow)为第SNI流实部和虚部实值符号位置的概率。
9.如权利要求8所述的BP均衡方法,其特征在于,所述BP均衡方法还包括计算符号硬判决,包括:
X(SNI)=(si(rp)+si(ip)·j)/β;
其中,所述X(SNI)为每流2MQAM复值符号的硬判决值,所述j表示虚部。
10.一种BP均衡装置,其特征在于,包括:
拆分处理模块,用于对接收信号Yc,信道估计Hc,符号估计Xc进行实部和虚部拆分得到接收信号矩阵Y、信道估计矩阵H和符号估计矩阵X;
分解处理模块,用于对所述信道估计矩阵H进行正交三角QR分解得到等效接收信号Ybp,等效信道R和噪声功率σ2;
迭代处理模块,用于以所述等效接收信号Ybp作为观察节点,所述符号估计矩阵X作为信息节点构建全连接BP网络,并初始化每流符号位置概率为所述M为正交振幅调制QAM的阶数,计算各观察节点之索引ONI={2·flow,...,1}上的等效接收信号平均值Su,ONI和等效接收信号方差估计值/>根据所述等效接收信号平均值Su,ONI和等效接收信号方差估计值/>计算每流符号似然概率llr∈RM×1和每流符号置信概率proT∈RM ×1。
11.一种通信设备,其特征在于,包括处理器、存储器和通信总线;
所述通信总线用于将所述处理器和存储器连接;
所述处理器用于执行所述存储器中存储的计算机程序,以实现如权利要求1-9任一项所述的BP均衡方法的步骤。
12.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有一个或者多个计算机程序,所述一个或者多个计算机程序可被一个或者多个处理器执行,以实现如权利要求1-9任一项所述的BP均衡方法的步骤。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910907176.8A CN112637092B (zh) | 2019-09-24 | 2019-09-24 | Bp均衡方法、装置、通信设备及存储介质 |
US17/762,972 US11979260B2 (en) | 2019-09-24 | 2020-09-23 | BP equalization method, device, communication apparatus and storage medium |
EP20870183.9A EP4030710A4 (en) | 2019-09-24 | 2020-09-23 | BP EQUALIZATION METHOD, APPARATUS, COMMUNICATIONS DEVICE AND STORAGE MEDIA |
PCT/CN2020/117160 WO2021057798A1 (zh) | 2019-09-24 | 2020-09-23 | Bp均衡方法、装置、通信设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910907176.8A CN112637092B (zh) | 2019-09-24 | 2019-09-24 | Bp均衡方法、装置、通信设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112637092A CN112637092A (zh) | 2021-04-09 |
CN112637092B true CN112637092B (zh) | 2023-10-27 |
Family
ID=75165556
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910907176.8A Active CN112637092B (zh) | 2019-09-24 | 2019-09-24 | Bp均衡方法、装置、通信设备及存储介质 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11979260B2 (zh) |
EP (1) | EP4030710A4 (zh) |
CN (1) | CN112637092B (zh) |
WO (1) | WO2021057798A1 (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101909028A (zh) * | 2010-07-08 | 2010-12-08 | 清华大学 | 一种单载波解调方法和系统、发射机和接收机 |
WO2011106571A2 (en) * | 2010-02-24 | 2011-09-01 | Qualcomm Incorporated | Methods and apparatus for iterative decoding in multiple-input-multiple-output (mimo) communication systems |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8290096B2 (en) * | 2008-04-14 | 2012-10-16 | Qualcomm Incorporated | Radius adaptive sphere decoding with probabilistic noise constraint |
CN101841375B (zh) | 2010-01-08 | 2013-08-28 | 华为技术有限公司 | 一种多输入多输出单载波分块传输系统的检测方法及装置 |
CN107005504A (zh) | 2015-02-10 | 2017-08-01 | 华为技术有限公司 | 用于通过降低复杂度的树搜索检测无线通信网络中的数据的方法及装置 |
-
2019
- 2019-09-24 CN CN201910907176.8A patent/CN112637092B/zh active Active
-
2020
- 2020-09-23 WO PCT/CN2020/117160 patent/WO2021057798A1/zh unknown
- 2020-09-23 US US17/762,972 patent/US11979260B2/en active Active
- 2020-09-23 EP EP20870183.9A patent/EP4030710A4/en active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011106571A2 (en) * | 2010-02-24 | 2011-09-01 | Qualcomm Incorporated | Methods and apparatus for iterative decoding in multiple-input-multiple-output (mimo) communication systems |
CN101909028A (zh) * | 2010-07-08 | 2010-12-08 | 清华大学 | 一种单载波解调方法和系统、发射机和接收机 |
Non-Patent Citations (1)
Title |
---|
Li Lin 等.Semidefinite further relaxation on likelihood ascent search detection algorithm for highorder modulation in massive MIMO system.IET Communications.2017,第2-3节. * |
Also Published As
Publication number | Publication date |
---|---|
US20220353111A1 (en) | 2022-11-03 |
CN112637092A (zh) | 2021-04-09 |
WO2021057798A1 (zh) | 2021-04-01 |
US11979260B2 (en) | 2024-05-07 |
EP4030710A4 (en) | 2022-11-09 |
EP4030710A1 (en) | 2022-07-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Multiuser detection for uplink large-scale MIMO under one-bit quantization | |
RU2663708C1 (ru) | Способ и устройство для передачи данных | |
US20210105548A1 (en) | Method and device for communication in passive optical network, and computer-readable medium | |
CN108234072B (zh) | 用于对数据信号进行子块解码的方法和设备 | |
US8488721B2 (en) | Adaptive QRD-M algorithm based signal detecting method by using constellation set grouping in spatial multiplexing multiple-input multiple-output system | |
CN105656538A (zh) | 一种大规模mimo系统的低复杂度置信传播检测算法 | |
CN105518995A (zh) | 用于低密度签名调制的低复杂度接收器和方法 | |
CN107276935B (zh) | 用于顺序球形解码的方法和设备 | |
CN107018113B (zh) | 发射机、接收机和信号处理的方法 | |
Domouchtsidis et al. | Joint symbol level precoding and combining for MIMO-OFDM transceiver architectures based on one-bit DACs and ADCs | |
Jing et al. | A low-complexity Lanczos-algorithm-based detector with soft-output for multiuser massive MIMO systems | |
Jing et al. | Linear MIMO precoders with finite alphabet inputs via stochastic optimization and deep neural networks (DNNs) | |
CN103581103A (zh) | 适用于apsk星座的软解映射方法 | |
CN112637092B (zh) | Bp均衡方法、装置、通信设备及存储介质 | |
Cao et al. | An AMP based decoder for massive MU-MIMO-OFDM with low-resolution ADCs | |
US20170085294A1 (en) | System and method for large dimension equalization using small dimension equalizers | |
CN107493123B (zh) | 基于预编码辅助广义正交空间调制的低复杂度检测方法 | |
CN113630160A (zh) | 一种大规模mimo检测方法、装置、设备和存储介质 | |
WO2021068007A2 (en) | Apparatus and method of multiple-input multiple-output detection with successive transmission layer detection and soft interference cancellation | |
CN109962875B (zh) | 信号处理方法、装置及存储介质 | |
CN107248876B (zh) | 基于稀疏贝叶斯学习的广义空间调制符号检测方法 | |
Jing et al. | Graph-merged detection and decoding of polar-coded MIMO systems | |
Rahman et al. | Performance analysis of a 5G compatible windowing and overlapping scheme implemented hybrid precoded mmWave massive MIMO NC-OFDM system | |
Zhang et al. | A low-complexity detector for uplink massive MIMO systems based on Gaussian approximate belief propagation | |
Yang et al. | Intelligent and reliable coded bit stream recovery over correlated fast fading channels |
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 |