CN112910597B - Mdl受损的mdm系统中基于多级sinr阈值的ml检测方法 - Google Patents
Mdl受损的mdm系统中基于多级sinr阈值的ml检测方法 Download PDFInfo
- Publication number
- CN112910597B CN112910597B CN202110096397.9A CN202110096397A CN112910597B CN 112910597 B CN112910597 B CN 112910597B CN 202110096397 A CN202110096397 A CN 202110096397A CN 112910597 B CN112910597 B CN 112910597B
- Authority
- CN
- China
- Prior art keywords
- mmse
- mode channel
- sinr
- search
- mdl
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04J—MULTIPLEX COMMUNICATION
- H04J14/00—Optical multiplex systems
- H04J14/04—Mode multiplex systems
-
- 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
- H04L1/0045—Arrangements at the receiver end
- H04L1/0054—Maximum-likelihood or sequential decoding, e.g. Viterbi, Fano, ZJ algorithms
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Digital Transmission Methods That Use Modulated Carrier Waves (AREA)
Abstract
本发明提供了一种MDL受损的MDM系统中基于多级SINR阈值的近似ML检测方法。该方法包括:利用最小均方误差MMSE估计器对模式相关增益与损耗MDL受损的模分复用MDM系统的接收信号进行MMSE检测,获得MMSE估计值;计算出MMSE估计器的各个模式通道的信干噪比SINR,根据各个模式通道的SINR确定各个模式通道的搜索宽度;根据各个模式通道的搜索宽度找到各个模式通道的缩减的搜索空间,根据MMSE估计值利用各个模式通道的缩减的搜索空间,对MDL受损的MDM系统实行基于缩减空间的ML检测。本发明算法可以根据接收到的信号动态调整搜索宽度L。对于受MDL影响较小的模式,选择较小的li值可以在不损失性能的情况下降低计算复杂度。此外,压扩函数提供了一个微调性能和降低复杂性的自由度。
Description
技术领域
本发明涉及光纤通信技术领域,尤其涉及一种MDL受损的MDM系统中基于多级SINR阈值的ML检测方法。
背景技术
在光纤通信中,模分复用(mode division multiplexing,MDM)技术的应用引起了人们极大兴趣。类似于无线多输入多输出(multiple input multiple output,MIMO)系统,MDM系统的并行通道可用于增加数据速率或增强系统可靠性。在MDM系统中的光学组件,例如光放大器和光选择器,将导致模式相关增益与损耗(mode-dependent loss,MDL),破坏模式的正交性,并降低系统容量。模式色散可以通过均衡技术来进行补偿,而MDL限制了系统的基本容量。
在MIMO系统中,最大似然(maximum likelihood,ML)检测在所有检测算法中具有最佳性能。然而,当模式数和调制信号的数量增加时,ML通过穷举搜索星座点的所有组合而带来指数复杂性。这在实际中无法接受。因此,如何降低检测算法的复杂度成为我们研究的关键。
在MDL受损的光纤链路中的MIMO检测方案都直接应用在无线通信系统中使用MIMO检测技术。并且它们中的大多数将最小均方误差(minimum mean-square error,MMSE)作为早期信号估计器或均衡器,以降低总体复杂度。但是,现有技术中的方案都没有分析MDL如何影响检测算法的性能。
发明内容
本发明的实施例提供了一种MDL受损的MDM系统中基于多级SINR阈值的ML检测方法,以克服现有技术的问题。
为了实现上述目的,本发明采取了如下技术方案。
一种MDL受损的MDM系统中基于多级SINR阈值的近似ML检测方法,包括:
利用最小均方误差MMSE估计器对模式相关增益与损耗MDL受损的模分复用MDM系统的接收信号进行MMSE检测,获得MMSE估计值;
计算出MMSE估计器的各个模式通道的信干噪比SINR,根据各个模式通道的SINR确定各个模式通道的搜索宽度;
根据各个模式通道的搜索宽度找到各个模式通道的缩减的搜索空间,根据所述MMSE估计值利用各个模式通道的缩减的搜索空间,对MDL受损的MDM系统实行基于缩减空间的ML检测。
优选地,所述的利用MMSE估计器对MDL受损的MDM系统的接收信号进行MMSE检测,获得MMSE估计值,包括:
优选地,所述的根据所述MMSE估计值计算出MMSE估计器的各个模式通道的SINR,包括:
在MMSE检测后,MMSE估计器的第i个模式通道的SINRi的计算方法如下:
其中:Wi,mmse是MMSE检测矩阵的第i列,hi是MMSE估计器的信道矩阵的第i个向量,1≤i≤D。
优选地,所述的根据各个模式通道的SINR确定各个模式通道的搜索宽度,包括:
将SINR的范围划分为Q区间,通过蒙特卡洛仿真了一定数量的SINRi得到SINR的pdf分布函数,根据设定的每个区间内的概率和所述pdf分布函数求出每个区间的阈值;
SINRth,Q=+∞,SINRth,0=0,P是每个区间内的概率函数,f(x)是压扩函数;
将计算出的第i个模式通道的SINRi与各个区间的阈值进行比较,确定SINRi对应的区间以及区间阈值;
第i个模式通道的搜索宽度li的计算方法如下:
q代表第i个模式通道的SINRi对应的Q区间中的第q个区间的阈值,1≤q≤Q,M是调制阶数,在不同的区间对应不同的li值。
优选地,所述的根据各个模式通道的搜索宽度找到各个模式通道的缩减的搜索空间,包括:
根据各个模式通道的搜索宽度选取各个模式通道的对应的星座点个数,将选取的星座点个数作为各个模式通道的搜索集,该搜索集即为各个模式通道的缩减的搜索空间,所有模式通道的搜索集组成的笛卡尔集即为算法的整个搜索集;
其中:i=1,...,D,d1≤...≤dM;
优选地,所述的根据所述MMSE估计值利用各个模式通道的缩减的搜索空间,对MDL受损的MDM系统实行基于缩减空间的ML检测,包括:
利用各个模式通道的缩减的搜索空间,对MDL受损的MDM系统实行基于缩减空间的ML检测。
由上述本发明的实施例提供的技术方案可以看出,本发明算法可以根据接收到的信号动态调整搜索宽度L。对于受MDL影响较小的模式,选择较小的li值可以在不损失性能的情况下降低计算复杂度。此外,压扩函数提供了一个微调性能和降低复杂性的自由度。
本发明附加的方面和优点将在下面的描述中部分给出,这些将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种MDL受损的MDM系统中基于多级SINR阈值的ML检测方法的处理流程图。
具体实施方式
下面详细描述本发明的实施方式,所述实施方式的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的,仅用于解释本发明,而不能解释为对本发明的限制。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解,当我们称元件被“连接”或“耦接”到另一元件时,它可以直接连接或耦接到其他元件,或者也可以存在中间元件。此外,这里使用的“连接”或“耦接”可以包括无线连接或耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样定义,不会用理想化或过于正式的含义来解释。
为便于对本发明实施例的理解,下面将结合附图以几个具体实施例为例做进一步的解释说明,且各个实施例并不构成对本发明实施例的限定。
本发明实施例分析MDL受损光纤链路的MMSE估计器的信干噪比(signal tointerference plus noise ratio,SINR)统计特性。
在MMSE检测后,均方误差(mean-square error,MSE)达到最小,检测后SINR达到最大值。因此SINR能够影响MMSE估计的可靠性。较大的SINR意味着干扰和噪声相对较小。因此,我们期望低SINR对应的li大,反之亦然。
本发明实施例提供的MDL受损的MDM系统中基于多级SINR阈值的ML检测方法(MST-IRS算法)根据各模式的SINR动态选择搜索宽度L。离线预处理的第一步是用MMSE估计器获得SINR样本,利用Gamma或广义Gamma分布对SINR样本进行离线预处理,利用压扩函数计算SINR阈值。
本发明实施例提供的一种MDL受损的MDM系统中基于多级SINR阈值的ML检测方法的处理流程图如图1所示,包括如下的处理步骤:
步骤S10、利用MMSE估计器对MDL受损的MDM系统的接收信号进行MMSE检测,获得MMSE估计值。
步骤S20、计算出MMSE估计器的各个模式通道的SINR。
在MMSE检测后,MMSE估计器的第i个模式通道的SINRi表示如下:
其中:Wi,mmse是MMSE检测矩阵的第i列,hi是MMSE估计器的信道矩阵的第i个向量,1≤i≤D。
公式(2)计算出SINR,我们期望SINR小的值选择li较大的值,SINR大的值选择li较小的值。
MMSE估计器的信道矩阵的第i列即为第i个模式通道,发送信号与接收信号的第i列即为第i个模式通道的数据;第i个模式通道的搜索宽度li即是接收信号第i列解调所需要的星座点个数,搜索集即为所需星座点的集合。候补信号即为它是全部星座点的一部分,由公式(6)选取。选定调制格式就选定了信号星座点。
步骤S30、根据各个模式通道的SINR确定各个模式通道的搜索宽度。
根据各个模式通道的SINR将SINR的范围划分为Q区间,q代表Q区间中的第q个阈值,1≤q≤Q。
各个区间的阈值的选取方法为:通过蒙特卡洛仿真了10000个SINRi得到SINR的pdf分布,则给出每个区间内的概率根据cdf函数即可求出每个区间的阈值。
其中:SINRth,Q=+∞,和SINRth,0=0。f(x)是压扩函数,在本发明实施例中引入压扩函数f(x)来权衡性能和复杂度。M是调制阶数,P是概率函数。在不同的概率区间对应不同的区间阈值q和li值。
将计算出的第i个模式通道的SINRi与各个区间的阈值进行比较,确定SINRi对应的区间以及区间阈值。
第i个模式通道的搜索宽度li由下式确定:
公式(4)中的q为第i个模式通道的SINRi对应的区间阈值。
根据公式(3)和(4),选择li等效于将SINR的累积分布函数(cumulativedistribution function,CDF)量化为Q级。受脉冲编码调制(PCM)的启发,引入压扩函数f(x)来提高或降低li。这可以平衡性能和复杂性。压扩函数f(x)可以是压缩函数,也可以是扩展函数。压缩函数f(x)是一个A率函数:
扩展函数是f1(x)的反函数:
其中:A或B是压缩或扩展因子,如果A=B,f(x)=x。
压扩函数f(x)首先改变选定的概率,这样就改变了公式(4)中对应的li。我们在需要降低复杂度时降低li,需要提高性能时提高li。
例如我们选择Q=4代表一共分为了4个区间(则三个阈值即可),M=16即16QAM。每个区间内的概率为1/4,第一个阈值到第二个阈值的概率为1/4。li由公式(3)确定,把所有选择的阈值按从小到大排列,当SINRi小于第一个阈值时,li为16;当SINRi在第一、二阈值之间时,li为12;当SINRi在第二、三阈值之间时,li为8;当SINRi大于第三个阈值时,li为4。(16,12,8,4也就是星座点的个数,这样就定好了每个模式需要的搜索宽度)
步骤S40、根据各个模式通道的搜索宽度找到各个模式通道的缩减的搜索空间。
其中:i=1,...,D,d1≤…≤dM。
步骤S50、利用各个模式通道的缩减的搜索空间,对MDL受损的MDM系统实行基于缩减空间的ML检测。
SINR是MDL受损光纤链路的随机值。在无线MIMO系统中,Gamma分布通常用来近似SINR的概率分布。然而,MDL受损光纤链路并非如此。在本发明中,我们使用广义Gamma分布来近似SINR的概率分布。
综上所述,本发明实施例的MST-IRS算法可以根据接收到的信号动态调整搜索宽度L。对于受MDL影响较小的模式,选择较小的li值可以在不损失性能的情况下降低计算复杂度。此外,压扩函数提供了一个微调性能和降低复杂性的自由度。
本发明实施例分析MDL受损光纤链路的MMSE估计器的SINR统计特性,用一种通用的方法确定搜索空间L的大小,降低复杂度提高性能,通过引入一种压扩函数,以进一步缩小搜索空间的大小。该算法使用多级SINR阈值来确定搜索空间的大小。结果表明,该算法可以提高性能,降低复杂度。
本领域普通技术人员可以理解:附图只是一个实施例的示意图,附图中的模块或流程并不一定是实施本发明所必须的。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置或系统实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的装置及系统实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (4)
1.一种MDL受损的MDM系统中基于多级SINR阈值的近似ML检测方法,其特征在于,包括:
利用最小均方误差MMSE估计器对模式相关增益与损耗MDL受损的模分复用MDM系统的接收信号进行MMSE检测,获得MMSE估计值;
计算出MMSE估计器的各个模式通道的信干噪比SINR,根据各个模式通道的SINR确定各个模式通道的搜索宽度;
将SINR的范围划分为Q区间,通过蒙特卡洛仿真了一定数量的SINRi得到SINR的pdf分布函数,根据设定的每个区间内的概率和所述pdf分布函数求出每个区间的阈值;
SINRth,Q=+∞,SINRth,0=0,P是每个区间内的概率函数,f(x)是压扩函数;
将计算出的第i个模式通道的SINRi与各个区间的阈值进行比较,确定SINRi对应的区间以及区间阈值;
第i个模式通道的搜索宽度li的计算方法如下:
q代表第i个模式通道的SINRi对应的Q区间中的第q个区间的阈值,1≤q≤Q,M是调制阶数,在不同的区间对应不同的li值;
根据各个模式通道的搜索宽度找到各个模式通道的缩减的搜索空间,根据所述MMSE估计值利用各个模式通道的缩减的搜索空间,对MDL受损的MDM系统实行基于缩减空间的ML检测;
所述的利用MMSE估计器对MDL受损的MDM系统的接收信号进行MMSE检测,获得MMSE估计值,包括:
3.根据权利要求2所述的方法,其特征在于,所述的根据各个模式通道的搜索宽度找到各个模式通道的缩减的搜索空间,包括:
根据各个模式通道的搜索宽度选取各个模式通道的对应的星座点个数,将选取的星座点个数作为各个模式通道的搜索集,该搜索集即为各个模式通道的缩减的搜索空间,所有模式通道的搜索集组成的笛卡尔集即为算法的整个搜索集;
设第i个模式通道的搜索宽度为li,li是接收信号第i列的对应的星座点个数,选取li个调制星座点作为第i个模式通道的搜索集Ai,所有Ai组成的笛卡尔集即为算法的整个搜索集;
其中:i=1,...,D,d1≤...≤dM;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110096397.9A CN112910597B (zh) | 2021-01-25 | 2021-01-25 | Mdl受损的mdm系统中基于多级sinr阈值的ml检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110096397.9A CN112910597B (zh) | 2021-01-25 | 2021-01-25 | Mdl受损的mdm系统中基于多级sinr阈值的ml检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112910597A CN112910597A (zh) | 2021-06-04 |
CN112910597B true CN112910597B (zh) | 2022-05-20 |
Family
ID=76118923
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110096397.9A Active CN112910597B (zh) | 2021-01-25 | 2021-01-25 | Mdl受损的mdm系统中基于多级sinr阈值的ml检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112910597B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106877916A (zh) * | 2017-02-13 | 2017-06-20 | 重庆邮电大学 | 一种基于广义空间调制系统的星座点分块检测方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3273624A1 (en) * | 2016-07-18 | 2018-01-24 | Institut Mines Telecom | Joint space-time and fec coding in multi-mode fiber optical transmission systems |
CN108631904B (zh) * | 2018-04-03 | 2019-05-31 | 吉林大学 | 一种基于格基规约的模分复用系统损伤补偿方法 |
-
2021
- 2021-01-25 CN CN202110096397.9A patent/CN112910597B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106877916A (zh) * | 2017-02-13 | 2017-06-20 | 重庆邮电大学 | 一种基于广义空间调制系统的星座点分块检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112910597A (zh) | 2021-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lee et al. | Deep power control: Transmit power control scheme based on convolutional neural network | |
CN111181619A (zh) | 基于深度强化学习的毫米波混合波束成形设计方法 | |
CN101499840B (zh) | 多入多出系统的迭代检测方法 | |
EP2410707A1 (en) | Space time coding method in orthogonal network and relay transmission system | |
WO2006043369A1 (ja) | 信号分離装置及び信号分離方法 | |
CN101582748A (zh) | 低复杂度的mimo系统信号检测方法和检测装置 | |
CN104702390A (zh) | 分布式压缩感知信道估计中的导频分配方法 | |
JP2022537979A (ja) | 機械学習支援プリコーディングのためのデバイス及び方法 | |
CN114097202A (zh) | 用于机器学习辅助的球解码的装置和方法 | |
JP4381901B2 (ja) | 通信路推定及びデータ検出方法 | |
CN104580039A (zh) | 格基规约算法辅助的无线mimo系统的接收机检测方法 | |
CN114499601B (zh) | 一种基于深度学习的大规模mimo信号检测方法 | |
CN111162828B (zh) | 一种大规模mimo系统的低复杂度信号检测方法 | |
CN112215335A (zh) | 一种基于深度学习的系统检测方法 | |
CN104519001A (zh) | 一种基于rls和lms联合算法的信道均衡方法及均衡器 | |
CN113541747B (zh) | 一种大规模mimo检测方法、装置和存储介质 | |
CN112910597B (zh) | Mdl受损的mdm系统中基于多级sinr阈值的ml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 | |
CN112054832B (zh) | 一种深度学习多输入多输出检测方法 | |
JP4536495B2 (ja) | 信号分離装置及び信号分離方法 | |
Ding et al. | HOS-based semi-blind spatial equalization for MIMO Rayleigh fading channels | |
KR102596571B1 (ko) | 가시광 통신에서 일반적인 led 인덱스 기반 변조 방식용 딥 러닝 기반의 인덱스 추정기 | |
CN110868244B (zh) | 一种基于信道穿刺的低复杂度通信信号检测方法 | |
CN105262708B (zh) | 基于导频信道估计的mimo系统软检测方法 | |
CN101026428A (zh) | 用于多输入多输出系统的最大似然估值方法及装置 |
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 |