CN113225114A - 基于预编码联合优化的无线通信信号发送和接收方法 - Google Patents

Abstract

本发明提出了一种基于预编码联合优化的无线通信信号发送和接收方法，其步骤为：首先，将原始数据信息比特流依次经过信道编码、比特交织、比特分组和串并转换后变成并行的比特向量；其次，对预编码矩阵进行优化并利用优化的预编码矩阵对并行的比特向量进行编码得到发送的信号；最后，发送信号经过信道后到达接收端，实现了无线通信信号的调制和波束成形联合的发送和接收。在此基础上，本发明还可以将原始数据信息比特流经过比特分组和串并转换后直接变成并行的比特向量，再通过预编码直接实现从原始的比特流到发送信号的映射，即用一个预编码矩阵同时实现了信道编码、高阶的数字调制和波束成形，实现整体无线通信系统的性能最优。

Description

基于预编码联合优化的无线通信信号发送和接收方法

技术领域

本发明涉及无线移动通信系统技术领域，特别是指一种基于预编码联合优化的无线通信 信号发送和接收方法。

背景技术

现在的无线通信系统中，为了提高系统的传输速率，通常采用的方法为：提高频带的宽 度和提高频谱效率。因为频谱资源是有限的，带宽的提高总是有限度，因此提高频谱效率就 显得尤其重要。

目前的4G和5G多天线系统无线传输框架如图1所示，从图1中可见，原始数据信息比 特流首先要经过信道编码来提高抗误码性能，然后经比特交织和串并转换分割成多个比特流。 接着每个比特流的信息比特先进行分组，每一组的多个数据比特经过数字调制后，用一个信 息符号传递。比特分组后每一组的比特数由数字调制的阶数来决定的。数字调制的阶数越高， 每组的比特数越多，传输的速率也就越高。如果数字调制采用QPSK，每组就只有2个比特。 如果数字调制采用64QAM，每组就有6个比特。最后，各个数据流经过数字调制形成的信息 符号经过预编码后，映射到各个天线上发送出去。如果数据流的数目为M，天线数为N，则 预编码为是一个归一化N×M的矩阵。由图1可以看到，提高频谱效率(单位带宽的传输速 率)，通常可以采用两种方法：一是采用高阶调制，即同一个信息符号携带更多的数据比特； 另外一种方法是利用多天线技术传输更多的数据流，即空间复接技术。

近几年，一种新的利用多天线提高信息传输速率的方法-空间调制技术被提了出来——利 用多个天线发送额外信息的方法。该技术中，给每个发送天线分配一个序号，每次只选择其 中的一个天线发送数据信息。该发送天线的序号可以指示额外发送的信息，即将激活天线的 索引信息成为一种额外的数据携带的方式。该技术能够发送额外信息的比特数跟发送天线数 有关，如果有N个发送天线，则可以额外发送log₂N个比特信息。在该方案中，接收端为了 得到所有的信息，除了对传统方法的通信信号进行检测以外，还需要检测发送天线信息。一 般说来，需要对传统方法的通信信号进行N次检测来判断发送端采用的是哪个发送天线，从 而获得额外的信息。例如如果发送端有两个天线，可以额外发送1个比特的信息，当该比特 信息为0时，就由第一个天线发送；当该比特信息为1时，就由第二个天线发送。接收端对 通信信号进行2次假设检测来判断发送端采用的是哪个发送天线，最后得到这个额外的信息。

在以往的提高频谱效率方法在大规模和超大规模MIMO系统中应用时，都有本身固有的 缺陷：

1)采用高阶调制的方法虽然提高了传输速率，但它是完全利用功率域的复用实现的。随 着调制阶数的增大，功率域的复用率越来越高，传输的误码率会急剧提高。该方法仅仅利用 了功率域这一个维度的自由度。在大规模和超大规模MIMO系统中，随着天线数目的增多， 空间的自由度越来越大，在该方案中却得不到利用。

2)空间复接技术则仅仅利用了空间的自由度，通过传输多流数据来提高频谱效率。在本 方法中，数据速率只能成倍增长，缺少灵活性。另外，各个数据流之间也存在干扰。

3)空间调制技术虽然利用多个天线发送额外信息，但是每次只能使用一个天线发送。这 样就不能获得大规模MIMO系统最为重要的波束增益，从而得不偿失。

发明内容

针对上述背景技术中存在的不足，本发明提出了一种基于预编码联合优化的无线通信信 号发送和接收方法，采用一个预编码矩阵同时实现了信道编码、高阶的数字调制和波束成形， 将功率域和空域联合在一起进行预编码矩阵的优化设计，实现整体无线通信系统的性能最优。

本发明的技术方案是这样实现的：

一种基于预编码联合优化的无线通信信号发送和接收方法，其步骤如下：

步骤一：将原始数据信息比特流依次经过信道编码、比特交织、比特分组和串并转换后 变成并行的比特向量；

步骤二：对预编码矩阵进行优化得到最优的预编码矩阵，并利用最优的预编码矩阵对步 骤一中的并行的比特向量进行编码得到发送的信号；

步骤三：将发送的信号经过信道矩阵达到接收端，实现了无线通信信号的调制和波束成 形联合的发送和接收。

优选地，信道矩阵下，最优的预编码矩阵的获得方法为：

将并行的比特向量经过预编码矩阵得到初始发送信号：

s＝Wb；

其中，b＝[b₁ b₂ … b_K]^T为并行的比特向量，s＝[s₁ s₂ … s_N]^T为初始发送信号，W为N×K维的预编码矩阵，N、K均为维数；

预编码矩阵W的表达式为：

将初始发送信号经过信道矩阵H后，到达接收端，得到接收信号：

r＝Hs+n＝HWb+n；

其中，r＝[r₁ r₂ … r_L]^T为接收信号，H为L×N维的信道矩阵，L为接收天线的数量， n表示噪声向量；

信道矩阵H的表达式为：

对于K维的并行的比特向量b，比特向量b可能的取值有2^K个，用β₁ β₂ …

表 示；在已知信道矩阵H的情况下，对应的接收信号的可能取值表示为：γ₁γ₂…

；则 最优的预编码矩阵W'为：

利用最优的预编码矩阵W'对接收端的接收信号r进行最优的MIMO检测，得到发送的 并行的比特向量的比特值

一种基于预编码联合优化的无线通信信号发送和接收方法，其步骤如下：

步骤一：将原始数据信息比特依次经过比特分组和串并转换后变成并行的比特向量；

步骤二：对预编码矩阵进行优化得到最优的预编码矩阵，并利用最优的预编码矩阵对步 骤一中的并行的比特向量进行编码，得到多个资源上的发送的信号；

步骤三：将发送的信号经过等效信道矩阵达到接收端，实现了无线通信信号的信道编码、 高阶的数字调制和波束成形联合的发送和接收。

优选地，等效信道矩阵下，最优的预编码矩阵的获得方法为：

将并行的比特向量经过预编码矩阵后，得到初始发送信号：

s＝Wb；

其中，b＝[b₁ b₂ … b_K]^T为并行的比特向量，s＝[s₁ s₂ … s_N]^T为初始发送信号，W为N×K维的预编码矩阵，N、K均为维数；

预编码矩阵W的表达式为：

初始发送信号s在R个资源/符号上发送出去，将初始发送信号s分成R组， s＝[s₁s₂ … s_R]^T；

每组发送的信息数为发送天线个数M，即每组有M个符号；则第q组的元素为 s_q＝[s_(q-1)*M+1 s_(q-1)*M+2 … s_q*M]^T；N、M和R满足如下关系：

N＝M×R；

第q组的元素s_q在第q时频资源上，通过M个天线的发送，发送信号经过信道后，到达 接收端，得到在第q时频资源上的接收信号：

r_q＝H_qs_q+n_q；

其中，r_q＝[r_q,1 r_q,2 … r_q,L]^T为第q时频资源上的接收信号，H_q为第q时频资源信道 对应的L×M维的信道矩阵，n_q为第q时频资源L个接收天线收到的噪声向量；

第q时频资源信道对应的L×M维的信道矩阵H_q的表达式为：

令r＝[r₁ r₂ … r_R]^T，得到：

定义所有资源上的等效信道

为：

由等效信道可得接收信号为：

其中，n'＝[n₁ n₂ … n_R]^T；

当所有资源上的信道相同，即H＝H₁＝H₂＝…＝H_R，则等效信道表示为

其 中，I_R为R阶单位阵，

为矩阵的克罗内克积；

对于K维的并行的比特向量b，比特向量b可能的取值有2^K个，用

表示；在已知等效信道矩阵

的情况下，对应的接收信号的可能取值表示为

则最优的预编码矩阵W'为：

利用最优的预编码矩阵W'对接收端的接收信号r进行最优的MIMO检测，得到发送的 并行的比特向量的比特值

优选地，所述对预编码矩阵进行优化得到最优的预编码矩阵的方法为：

将预编码矩阵、信道矩阵或等效信道矩阵、接收端作为一个多层的神经网络，通过数据 训练得到最优的预编码矩阵，其中，多层的神经网络包括三层：第一层为预编码矩阵，第二 层为信道矩阵或等效信道矩阵，第三层为接收端；

从并行的比特向量中随机选择一组数据作为输入数据；

将输入数据输入多层的神经网络，得到输出数据，并利用交叉熵函数计算输入数据与输 出数据的误差；

判断误差值是否收敛，若是，输出最优的预编码矩阵，否则，重新从并行的比特向量中 随机选择一组数据进行再次迭代，直至误差值收敛，得到最优的预编码矩阵。

优选地，所述交叉熵函数为：

其中，b_i'为第i'个比特向量，y_i'为第i'个比特向量对应的输出数据。

与现有技术相比，本发明产生的有益效果为：

(1)采用一个预编码矩阵同时实现了高阶的数字调制和波束成形，实现调制和波束成形 的联合优化发送，最终比特级的误码率性能是最优的；并且对接收信号进行MIMO检测，直 接得到发送的各个比特，省去了符号解调的过程。

(2)采用一个预编码矩阵同时实现了信道编码、高阶的数字调制和波束成形，实现信道 编码、调制和波束成形的联合优化发送，最终比特级的误码率性能是最优的；并且对接收信 号进行MIMO检测，就可以直接得到发送的各个比特，而省去了信道编译码和符号解调的过 程。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术 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为传统多天线系统无线传输框架图。

图2为本发明实施例1的无线传输系统结构图。

图3为本发明基于深度学习的预编码设计的结构图。

图4为本发明实施例2的无线传输系统结构图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描 述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明 中的实施例，本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例， 都属于本发明保护的范围。

实施例1，一种基于预编码联合优化的无线通信信号发送和接收方法，用一个预编码矩 阵同时实现了高阶的数字调制和波束成形，整个系统结构如图2所示。原始数据信息比特流 首先要经过信道编码来提高抗误码性能，然后经交织后根据需要的传输速率直接进行比特分 组。比特分组后每一组的比特数由需要的传输速率来决定的。要支持的传输速率越高，每组 的比特数越多。比特分组后，每个组的比特信息经串并转换后变成并行的比特向量。该并行 的比特向量经预编码后，映射到各个天线上发送出去。如果比特向量的维度为K，天线数为 N，则预编码为是一个归一化N×K的矩阵。具体步骤如下：

步骤一：将原始数据信息比特流依次经过信道编码、比特交织、比特分组和串并转换后 变成并行的比特向量；

步骤二：对预编码矩阵进行优化得到最优的预编码矩阵，并利用最优的预编码矩阵对步 骤一中的并行的比特向量进行编码得到发送的信号；

所述对预编码矩阵进行优化得到最优的预编码矩阵的方法为：

将并行的比特向量经过预编码矩阵后，得到初始发送信号：

s＝Wb；

其中，b＝[b₁ b₂ … b_K]^T为并行的比特向量，s＝[s₁ s₂ … s_N]^T为初始发送信号，W为N×K维的预编码矩阵，N、K均为维数；

预编码矩阵W的表达式为：

将初始发送信号经过信道矩阵H后，到达接收端，得到接收信号：

r＝Hs+n＝HWb+n；

其中，r＝[r₁ r₂ … r_L]^T为接收信号，H为L×N维的信道矩阵，L为接收天线的数量， n表示噪声向量；

信道矩阵H的表达式为：

本发明中，由于发送的比特数是固定的，所以优化的目标是这些比特传输的误码率最低。 直接设计误码率最小的预编码矩阵，传统的数学方法不好实现。为了让误码率最小，即设计 预编码矩阵让通过信道后各个星座点的接收信号向量之间的距离最大。对于K维的并行的比 特向量b，比特向量b可能的取值有2^K个，用

表示；在已知信道矩阵H的 情况下，对应的接收信号的可能取值表示为：

则最优的预编码矩阵W'为：

利用最优的预编码矩阵W'对接收端的接收信号r进行最优的MIMO检测，得到发送的 并行的比特向量的比特值

可见本实施例的方法省去了符号解调的过程，从而直接得到了比特向量的各个比特。并 且此时比特级的误码率性能是最优的。得到比特向量的各个比特后，对多个向量比特进行解 交织，信道译码，就得到原始要发送的比特数据信息，从而完成了整个发送和接收。

上述方法设定的预编码矩阵的优化目标是通过信道后各个星座点的接收信号向量之间的 距离最大，而不是最终目标误码率最小。以误码率为最小来优化预编码矩阵涉及到接收端的 检测算法，传统的数学方法难以实现，为此，本发明提出来基于深度学习的预编码矩阵的设 计方法，来实现误码率最小的优化。基于深度学习的预编码设计的结构如图3所示：该方法 中，将预编码矩阵、信道矩阵和接收端作为一个多层的神经网络，通过数据训练得到最优的 预编码矩阵，其中，多层的神经网络包括三层：第一层为预编码矩阵，第二层为信道矩阵， 第三层为接收端。

所述对预编码矩阵进行优化得到最优的预编码矩阵的方法为：

从并行的比特向量中随机选择一组数据作为输入数据；

将输入数据输入多层的神经网络，得到输出数据，并利用交叉熵函数计算输入数据与输 出数据的误差；所述交叉熵函数为：

其中，b_i'为第i'个比特向量，y_i'为第i'个比特向量对应的输出数据。

判断误差值是否收敛，若是，输出最优的预编码矩阵，否则，重新从并行的比特向量中 随机选择一组数据进行再次迭代，直至误差值收敛，得到最优的预编码矩阵。

基于深度学习的预编码的算法流程如下：

1)第一层为预编码矩阵，第一层的输入为要传输的比特向量，输出为预编码矩阵和输入 比特向量的乘积。与通用的一层神经网络的相比，该层只有线性运算，没有偏移量和激活函 数。第一层的输出即为MIMO系统发送的信号。第一层的预编码矩阵的系数为训练的对象。

2)第二层为信道矩阵和噪声，第二层的输入预编码后的信号，即为MIMO系统发送的 信号，第二层的输出为信道矩阵和发送信号的乘积再加上噪声。即MIMO系统接收天线接收 到的信号。与通用的一层神经网络的相比，第二层的信道系数相当于该层的权值，噪声相当 于偏移量，该层也没有激活函数。第二层的系数是不需要训练的。

3)第三层为接收端，即通过MIMO检测算法实现。一般来说，MIMO检测算法由于不可导，很难当作神经网络来进行训练。本发明中，采用消息传递算法(messenger passingalgorithm，MPA)或者期望传递算法(expectation passing algorithm，EPA)进行MIMO信号的检测。MPA/EPA是基于后验概率的迭代算法，随着迭代次数增加，检测性能逐渐提高。但是增加的一定次数，达到收敛状态，性能就稳定下来。本发明中，将MPA/EPA算法的每一次迭代看成是一层神经网络，多层网络对应多次迭代，最后一层的输出即为检测的结果。也是MIMO系统最后的数据结果。

为了实现误码率最优的训练效果，本发明通过选用输入的比特向量和MIMO检测算法的 输出的数据的交叉熵最小来保证训练的优化目标为误比特率最小。即优化目标如下式所示：

其中，b_i'为第i'个比特向量，y_i'为第i'个比特向量对应的输出数据。

利用多层的神经网络训练得到的最优的预编码矩阵W'，就可以实现基于误码率最小的调 制和波束成形的联合优化发送。

此时对接收端的接收信号r利用MPA/EPA算法进行检测，就可以得到误比特率最小的最 优性能。整个算法流程省去了符号调制解调的过程，这个过程被融合进了预编码矩阵里，通 过MIMO检测直接得到了发送比特向量。得到比特向量的各个比特后，对多个向量比特进行 解交织，信道译码，就得到原始要发送的比特数据信息，从而完成了整个发送和接收。

步骤三：将发送的信号经过信道矩阵后达到接收端，实现了无线通信信号的调制和波束 成形联合的发送和接收。

本实施例提出了基于预编码的调制和波束成形联合实现的无线通信信号发送和接收方 法。在本实施例中，用一个预编码矩阵同时实现了高阶的数字调制和波束成形。基于本实施 例，实现调制和波束成形的联合优化发送，最终比特级的误码率性能是最优的；并且对接收 信号进行MIMO检测，就可以直接得到发送的各个比特，而省去了符号解调的过程。

实施例2，如图4所示，一种基于预编码联合优化的无线通信信号发送和接收方法，通 过预编码矩阵一次实现信道编码、数字调制和波束成形，即通过预编码直接实现了从原始的 (未经信道纠错编码的)比特流到多个传输时频资源(符号)上大规模/超大规模MIMO各个发 送天线发送信号的映射，将时频域、功率域和空域联合在一起进行预编码矩阵的优化设计。 从而实现了包括编码在内整体的最优。整个系统结构如图4所示。具体步骤为：

步骤一：将原始数据信息比特流依次经过比特分组和串并转换后变成并行的比特向量； 原始数据信息比特流首先要经过比特分组，比特分组后每一组的比特数由当前传输的时频资 源/符号数和需要的传输速率来决定的。时频资源/符号数越多，要支持的传输速率越高，每组 的比特数越多。比特分组后，每个组的比特信息经串并转换后变成并行的比特向量。该并行 的比特向量经过预编码的线性操作完成信道编码，数字调制和波束成形的功能。直接映射到 多个时频资源的各个天线上发送出去。

步骤二：对预编码矩阵进行优化后得到最优的预编码矩阵，并利用最优的预编码矩阵对 步骤一中的并行的比特向量进行编码后得到发送的信号；

将并行的比特向量经过预编码矩阵后，得到初始发送信号：

s＝Wb；

其中，b＝[b₁ b₂ … b_K]^T为并行的比特向量，s＝[s₁ s₂ … s_N]^T为初始发送信号，W为N×K维的预编码矩阵，N、K均为维数；

预编码矩阵W的表达式为：

初始发送信号s在R个资源/符号上发送出去(每个资源占据一个时间和频率的资源，发 送一个整体符号)，将初始发送信号s分成R组，s＝[s₁ s₂ … s_R]^T。

每组发送的信息数为发送天线个数M，即每组有M个符号；则第q组的元素为 s_q＝[s_(q-1)*M+1 s_(q-1)*M+2 … s_q*M]^T；N、M和R满足如下关系：

N＝M×R；

第q组的元素s_q在第q的时频资源上，通过M个天线的发送，发送信号经过信道后，到 达接收端，得到在第q的时频资源上的接收信号：

r_q＝H_qs_q+n_q；

其中，r_q＝[r_q,1 r_q,2 … r_q,L]^T为第q的时频资源上的接收信号，H_q为第q的时频资源 信道对应的L×M维的信道矩阵，n_q为第q的时频资源L个接收天线收到的噪声向量。

第q的时频资源信道对应的L×M维的信道矩阵H_q的表达式为：

本发明中，R个资源上的接收信号是联合处理的。令r＝[r₁ r₂ … r_R]^T，得到：

定义所有资源上的等效信道

为：

由等效信道可得接收信号为：

其中，n'＝[n₁ n₂ … n_R]^T；

当所有资源上的信道相同，即H＝H₁＝H₂＝…＝H_R，则等效信道表示为

其 中，I_R为R阶单位阵，

为矩阵的克罗内克积，即Kronecker product。

本发明中，优化的目标是比特传输的误码率最低。为了让误码率最小，即设计预编码矩 阵让通过等效信道

后各个星座点的接收信号向量之间的距离最大。在知道各个资源上的信 道的情况下，可以得到等效信道

对于K维的并行的比特向量b，比特向量b可能的取值 有2^K个，用

表示；在已知等效信道矩阵

的情况下，对应的接收信号的可 能取值表示为：

则最优的预编码矩阵W'为：

利用最优的预编码矩阵W'对接收端的接收信号r进行最优的MIMO检测，得到发送的 并行的比特向量的比特值

可见本实施例的方法省去了信道译码和符号解调的过程，从而直接通过MIMO检测算法 得到了最终的结果；并且此时比特级的误码率性能是最优的。

上述预编码矩阵的优化目标是通过等效信道

后各个星座点的接收信号向量之间的距离 最大，不是最终目标误码率最小。以误码率为最小来优化预编码矩阵涉及接收端的检测算法， 传统的数学方法难以实现，为此，本发明提出来基于深度学习的预编码矩阵的设计方法，来 实现误码率最小的优化。基于深度学习的预编码设计的结构如图3所示，与实施例1相比， 实施例2用于训练的信道为多个资源上的等效信道

而不是真实的信道。具体方法如下：

将预编码、等效信道和接收端的MIMO检测算法看成是一个多层的神经网络，通过数据 训练的得到最优的预编码矩阵。

1)第一层为预编码矩阵，该层的输入为要传输的比特向量，输出为预编码矩阵和输入比 特数据的乘积。与通用的一层神经网络的相比，该层只有线性运算，没有偏移量和激活函数。 该层的输出即为多个资源上MIMO发送的信号。该层的预编码矩阵的系数为训练的对象。

2)第二层为等效信道和噪声，该层的输入即为MIMO系统发送的信号，该层的输出为 等效信道矩阵

和发送信号的乘积在加上噪声。即为多个资源上MIMO接收天线接收到的信 号。与通用的一层神经网络的相比，该层的信道系数相当于该层的权值，噪声相当于偏移量， 该层也没有激活函数。该层的系数是不需要训练的。

3)第三层是接收端的MIMO检测算法。一般来说，MIMO检测算法由于不可导，很难当作神经网络来进行训练。本发明中，采用MPA/EPA算法来进行MIMO信号的检测。MPA/EPA算法是基于后验概率的迭代算法，随着迭代次数增加，检测性能逐渐提高。但是增加的一定次数，达到收敛状态，性能就稳定下来。本发明中，将MPA/EPA算法的每一次迭代看成是一层神经网络，多层网络对应多次迭代，最后一层的输出即为检测的结果。也是MIMO系统最后的数据结果。

为了实现误码率最优的训练效果，本发明通过选用输入的比特数据和MIMO检测算法的 输出的数据的交叉熵最小来保证训练的优化目标为误比特率最小。即优化目标如下式所示：

其中，b_i'为第i'个比特向量，y_i'为第i'个比特向量对应的输出数据。

利用多层的神经网络训练得到的最优的预编码矩阵W'，就可以实现基于误码率最小的调 制和波束成形的联合优化发送。

此时对接收端的接收信号r利用MPA/EPA算法进行检测，就可以得到误比特率最小的最 优性能。整个过程省去了信道编译码和符号调制解调的过程，这些过程被融合进了预编码矩 阵里，通过MIMO检测直接得到了最终的发送比特。与原有的系统相比整体是最优的。

步骤三：将发送的信号经过等效信道矩阵后达到接收端，实现了无线通信信号的调制和 波束成形联合的发送和接收。

本实施例提出了基于预编码的信道编码、数字调制和波束成形联合实现的无线通信信号 发送和接收方法。在该方案中，用一个预编码矩阵同时实现了信道编码、高阶的数字调制和 波束成形。基于本实施例，实现信道编码、调制和波束成形的联合优化发送，最终比特级的 误码率性能是最优的。并且对接收信号进行MIMO检测，就可以直接得到发送的各个比特， 而省去了信道编译码和符号解调的过程。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原 则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种基于预编码联合优化的无线通信信号发送和接收方法，其特征在于，其步骤如下：

步骤一：将原始数据信息比特流依次经过信道编码、比特交织、比特分组和串并转换后变成并行的比特向量；

步骤二：对预编码矩阵进行优化得到最优的预编码矩阵，并利用最优的预编码矩阵对步骤一中的并行的比特向量进行编码得到发送的信号；

步骤三：将发送的信号经过信道矩阵达到接收端，实现了无线通信信号的调制和波束成形联合的发送和接收。

2.根据权利要求1所述的基于预编码联合优化的无线通信信号发送和接收方法，其特征在于，信道矩阵下，最优的预编码矩阵的获得方法为：

将并行的比特向量经过预编码矩阵得到初始发送信号：

s＝Wb；

其中，b＝[b₁ b₂ … b_K]^T为并行的比特向量，s＝[s₁ s₂ … s_N]^T为初始发送信号，W为N×K维的预编码矩阵，N、K均为维数；

预编码矩阵W的表达式为：

将初始发送信号经过信道矩阵H后，到达接收端，得到接收信号：

r＝Hs+n＝HWb+n；

其中，r＝[r₁ r₂ … r_L]^T为接收信号，H为L×N维的信道矩阵，L为接收天线的数量，n表示噪声向量；

信道矩阵H的表达式为：

对于K维的并行的比特向量b，比特向量b可能的取值有2^K个，用

表示；在已知信道矩阵H的情况下，对应的接收信号的可能取值表示为：

则最优的预编码矩阵W'为：

利用最优的预编码矩阵W'对接收端的接收信号r进行最优的MIMO检测，得到发送的并行的比特向量的比特值

3.一种基于预编码联合优化的无线通信信号发送和接收方法，其特征在于，其步骤如下：

步骤一：将原始数据信息比特依次经过比特分组和串并转换后变成并行的比特向量；

步骤二：对预编码矩阵进行优化得到最优的预编码矩阵，并利用最优的预编码矩阵对步骤一中的并行的比特向量进行编码，得到多个资源上的发送的信号；

步骤三：将发送的信号经过等效信道矩阵达到接收端，实现了无线通信信号的信道编码、高阶的数字调制和波束成形联合的发送和接收。

4.根据权利要求3所述的基于预编码联合优化的无线通信信号发送和接收方法，其特征在于，等效信道矩阵下，最优的预编码矩阵的获得方法为：

将并行的比特向量经过预编码矩阵后，得到初始发送信号：

s＝Wb；

其中，b＝[b₁ b₂ … b_K]^T为并行的比特向量，s＝[s₁ s₂ … s_N]^T为初始发送信号，W为N×K维的预编码矩阵，N、K均为维数；

预编码矩阵W的表达式为：

初始发送信号s在R个资源/符号上发送出去，将初始发送信号s分成R组，s＝[s₁ s₂ …s_R]^T；

每组发送的信息数为发送天线个数M，即每组有M个符号；则第q组的元素为s_q＝[s_(q-l)*M+1 s_(q-1)*M+2 …s_q*M]；N、M和R满足如下关系：

N＝M×R；

第q组的元素s_q在第q时频资源上，通过M个天线的发送，发送信号经过信道后，到达接收端，得到在第q时频资源上的接收信号：

r_q＝H_qs_q+n_q；

其中，r_q＝[r_q,1 r_q,2 … r_q,L]^T为第q时频资源上的接收信号，H_q为第q时频资源信道对应的L×M维的信道矩阵，n_q为第q时频资源L个接收天线收到的噪声向量；

第q时频资源信道对应的L×M维的信道矩阵H_q的表达式为：

令r＝[r₁ r₂ … r_R]^T，得到：

定义所有资源上的等效信道

为：

由等效信道可得接收信号为：

其中，n'＝[n₁ n₂ … n_R]^T；

当所有资源上的信道相同，即H＝H₁＝H₂＝…＝H_R，则等效信道表示为

其中，I_R为R阶单位阵，

为矩阵的克罗内克积；

对于K维的并行的比特向量b，比特向量b可能的取值有2^K个，用

表示；在已知等效信道矩阵

的情况下，对应的接收信号的可能取值表示为：

则最优的预编码矩阵W'为：

利用最优的预编码矩阵W'对接收端的接收信号r进行最优的MIMO检测，得到发送的并行的比特向量的比特值

5.根据权利要求2或4所述的基于预编码联合优化的无线通信信号发送和接收方法，其特征在于，所述对预编码矩阵进行优化得到最优的预编码矩阵的方法为：

将预编码矩阵、信道矩阵或等效信道矩阵、接收端作为一个多层的神经网络，通过数据训练得到最优的预编码矩阵，其中，多层的神经网络包括三层：第一层为预编码矩阵，第二层为信道矩阵或等效信道矩阵，第三层为接收端；

从并行的比特向量中随机选择一组数据作为输入数据；

将输入数据输入多层的神经网络，得到输出数据，并利用交叉熵函数计算输入数据与输出数据的误差；

判断误差值是否收敛，若是，输出最优的预编码矩阵，否则，重新从并行的比特向量中随机选择一组数据进行再次迭代，直至误差值收敛，得到最优的预编码矩阵。

6.根据权利要求5所述的基于预编码联合优化的无线通信信号发送和接收方法，其特征在于，所述交叉熵函数为：

其中，b_i'为第i'个比特向量，y_i'为第i'个比特向量对应的输出数据。

Images