CN113726697A - 一种基于置信空间动态判决的otfs符号检测方法 - Google Patents
一种基于置信空间动态判决的otfs符号检测方法 Download PDFInfo
- Publication number
- CN113726697A CN113726697A CN202111075883.9A CN202111075883A CN113726697A CN 113726697 A CN113726697 A CN 113726697A CN 202111075883 A CN202111075883 A CN 202111075883A CN 113726697 A CN113726697 A CN 113726697A
- Authority
- CN
- China
- Prior art keywords
- symbol
- otfs
- data block
- channel
- matrix
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 54
- 239000011159 matrix material Substances 0.000 claims abstract description 55
- 239000013598 vector Substances 0.000 claims description 41
- 238000000034 method Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 13
- 238000013139 quantization Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 4
- 238000004891 communication Methods 0.000 abstract description 6
- 230000008030 elimination Effects 0.000 abstract description 4
- 238000003379 elimination reaction Methods 0.000 abstract description 4
- 238000004422 calculation algorithm Methods 0.000 description 24
- 230000000875 corresponding effect Effects 0.000 description 15
- 230000005540 biological transmission Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 238000001228 spectrum Methods 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 230000008054 signal transmission Effects 0.000 description 2
- 241000287196 Asthenes Species 0.000 description 1
- 238000005311 autocorrelation function Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000021615 conjugation Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000011056 performance test Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
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
- H04L25/0202—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
-
- 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
- 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
- H04L2025/03592—Adaptation methods
- H04L2025/03598—Algorithms
- H04L2025/03611—Iterative algorithms
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)
Abstract
本发明公开了一种基于置信空间动态判决的OTFS符号检测方法，属于多载波正交时频空间OTFS通信技术领域，本发明提出了一种包含联合ISI和IDI消除的高效逐块的OTFS符号检测方法，以降低符号检测复杂度。本发明利用基于可靠性的动态检测来检索传输的数据符号，而不是采用传统的硬或符号估计的软决策；本发明的符号检测和干扰消除之间的迭代方案是通过利用OTFS传输矩阵的稀疏性快速收敛，这使得OTFS接收器能够在CoDSC中高效工作。从而得到一种低检测复杂度的符号检测方法，相较于现有的OTFS均衡器的解调性能，由于迭代次数少得多，所需的检测复杂度能降低一个数量级。
Description
技术领域
本发明属于通信领域中的多载波正交时频空间(OTFS)通信技术领域，具体涉一种基于置信空间动态判决的OTFS符号检测方法。
背景技术
高速铁路、车联网(V2X)和无人机等高速移动场景中的可靠数据传输，已被公认为是未来无线通信的重要需求。而高速移动场景中所面临的挑战之一就是时频(TF)域双色散无线信道的估计和均衡。当采用传统的一维时间或频率调制方案时，这一挑战就对整体系统性能构成了瓶颈。最近，一种二维(2-D)调制技术，即正交时频空间(OTFS)，意其稳健的无线传输性能受到了业界的广泛关注。与正交频分复用(OFDM)中采用的TF域方案不同，OTFS通过在DD平面中复用信息符号来构建延迟多普勒(DD)传输方案。在高移动性中，DD域中信道的稀疏性和较低的可变性简化了信道估计和信号检测。从而OTFS可以比OFDM更有效地获得完整的信道分集，从而实现鲁棒的传输性能。ISFFT/SFFT((Inverse)Symplectic FiniteFourier Transform)在DD(TF)域和TF(DD)域之间架起了一座桥梁，这使得OTFS能够通过对TF域上的多载波调制方案，例如OFDM，进行简单的预处理而得到。作为TF域的傅里叶变换对，DD域的传输可以通过DD信道和OTFS符号之间的二维卷积来表示。对于具有非零多普勒扩展的多径信道，这种二维卷积会使得每个OTFS符号沿延迟和多普勒两个维度进行扩散。最终扩散会导致符号间干扰(ISI)和多普勒间干扰(IDI)，分别分布在延迟和多普勒维度上。信道延迟和多普勒扩展越高，OTFS系统中的ISI和IDI越严重。因此，在高移动性环境中，干扰消除和信号检测对于实现稳健的OTFS数据传输必不可少。
现有的几种OTFS信号检测器设计方案，主要包括非线性方案和线性方案。这些方法均是基于OTFS信号经历有限多普勒频移信道(LDSC)的假设，即信道频谱表现为多普勒维度中的有限的几个脉冲。然而，该假设仅适用于稀疏散射环境，例如在清晰开放的信号传输空间中运行的高速列车。相比之下，在一些移动传输中，例如与大量环境的车辆通信，存在大量的信道散射。信道频谱始终占据多普勒频率的连续范围。就目前而言，在OTFS传输中，没有针对连续多普勒扩展信道(CoDSC)的研究。为LSDC开发的传统解调算法不能直接用于CoDSC以实现所需的解调性能和/或实现复杂性。具体来说，虽然广泛使用的线性方案很容易实现，但与最先进的基于消息传递(MP)的非线性均衡方案相比，仍无法达到理想的检测性能。然而，在CoDSC中，MP检测器会导致巨大的计算负担，因为其复杂度与信道散射的数量高度相关。
发明内容
本发明的目的在于：针对上述存在的问题，提供了一种基于置信空间动态判决的OTFS符号检测方法，以减低检测误差，并降低处理的计算复杂度。
本发明实施例采用的技术方案如下：
一种基于置信空间动态判决的OTFS符号检测方法，包括下列步骤：
步骤1：提取观测向量中的时域接收数据块，再对所述时域接收数据块进行OFDM解调，得到时频域的接收数据块；
步骤2：将时频域的接收数据块转换到延迟多普勒域，得到延迟多普勒域的接收数据块y；并对接收数据块y中的导频信息进行信道估计，得到信道矩阵G；
步骤3：基于当前的接收数据块y(k)和信道矩阵G(k)进行迭代信道均衡处理，得到当前的估计的发射数据向量
其中，k表示迭代次数，接收数据块y(k)和信道矩阵G(k)的初始值分别为接收数据块y和信道矩阵G；
步骤4：对发射数据向量
执行基于置信区域的符号检测：
基于信号星座当前的不可信任区域，对数据向量
的数据符号进行数据量化处理：若数据符号位于不可信任区域之外(即数据符号位于置信区域)，则将所述数据符号量化至就近的星座点，即对置信区域的数据符号进行硬判决；再将数据量化处理后的数据向量
的数据符号划分为两个集合：可信符号集
和不可信符号集
其中，可信符号集
的各数据符号位于不可信任区域之外；
所述信号星座包括多条等间隔等宽度的不可信任区域，所述不可信任区域分布于信号星座的水平和垂直方向；且每次执行完符号检测后，将信号星座的不可信任区域的宽度收缩为：Tk＝T0(1-k/K)，其中，T0表示不可信区域宽度的初始值，K表示最大迭代次数；
步骤5：当不满足预置的迭代结束条件时，对信道矩阵G(k)进行更新，以及从接收数据块y(k)中消除ISI和IDI，以获取下一次的接收数据块y(k+1)和信道矩阵G(k+1)，迭代次数k自增1后继续执行步骤3至5；
当满足预置的迭代结束条件时，将当前的可信符号集
作为最终估计的发射数据向量；
其中，信道矩阵的更新为：
基于信道矩阵G(k)中对应可信符号集
的列向量得到第一子矩阵
基于信道矩阵G(k)中对应不可信符号集
的列向量得到第二子矩阵
并将第二子矩阵
作为G(k+1)；
所述ISI和IDI消除处理为：
基于可信符号集
和第一子矩阵
重构ISI和IDI为
并从接收数据块y(k)中去除
得到更新后的接收数据块y(k+1)。
进一步的，步骤3中，迭代信道均衡处理时，在Krylov子空间中基于最小二乘法求解获取信道均衡处理后的发射数据向量
本发明提供的技术方案至少带来如下有益效果：
本发明提出了一种包含联合ISI和IDI消除的高效逐块的OTFS符号检测方法，以增强CoDSC中的OTFS性能。基于观察到OTFS信道矩阵大、稀疏和病态，本发明提出了一种基于基于置信区域的低复杂度迭代信道均衡方式，其利用基于可靠性的动态检测来检索传输的数据符号，而不是采用传统的硬或符号估计的软决策；本发明的符号检测和干扰消除之间的迭代方案是通过利用OTFS传输矩阵的稀疏性快速收敛，这使得OTFS接收器能够在CoDSC中高效工作。从而得到一种低检测复杂度的符号检测方法，相较于现有的OTFS均衡器的解调性能，由于迭代次数少得多，所需的检测复杂度能降低一个数量级。
附图说明
为了更清楚地说明本发明实施例中的技术方案，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它的附图。
图1为本发明实施例中，OTFS基带信号传输系统框图。
图2为本发明实施例中，连续多普勒谱信道下，OTFS传输矩阵结构，信道最大时延L＝4，图2中，(a)为信道矩阵G的示意图，(b)为信道矩阵G的子矩阵
(c)为矩阵G内元素的幅值分布示意图，(d)为子矩阵
内元素的幅值分布示意图，其中，(·)M表示模M运算，l和l'分别表示DD域时延方向、时延采样指标的索引。
图3为本发明实施例中，基于置信度估计的迭代符号检测和干扰消除流程框图。
图4为本发明实施例中，16-QAM调制下，符号置信区域设计。
图5为本发明实施例中，不同迭代次数下，残留均方误差(噪声方差等于0.01)。
图6为本发明实施例中，不同迭代次数k后，不可信符号的分布示意图，信噪比为20dB。
图7为本发明实施例中，16-QAM调制，不同迭代次数下的SER性能。
图8为本发明实施例中，64-QAM调制，不同迭代次数下的SER性能。
图9为本发明实施例中，用户移动速度270km/h下，SER性能。
图10为本发明实施例中，用户移动速度540km/h下，SER性能。
图11为本发明实施例中，不同最大多普勒频率下，有信道编解码BER(误码率)性能。
图12为本发明实施例中，本发明实施提供的方法与现有处理方案的复杂度对比。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。
本发明实施例提出的基于置信空间动态判决的OTFS符号检测方法，用于OTFS通信系统的接收端，在对观测向量(接收端的接收数据向量)y进行基于置信区域的低复杂度迭代信道均衡(如最小二乘最小残差法(LSMR))后，通过基于置信区间的动态符号检测来提升检测精度，并利用判决后的数据重构其ISI和IDI，进一步实现干扰消除，在降低检测复杂度的同时，获得更好的解调性能。
本发明实施例提供的基于置信空间动态判决的OTFS符号检测方法，主要包括四个部分组成，一是基于LSMR的信道估计，即根据观测向量y和信道矩阵G(即信道传输矩阵)估计发射数据向量
二是基于置信区域发符号检测，即将发射数据向量
送入动态置信区域中，根据置信区间对符号进行判决(量化)；三是信道矩阵的更新，即在每次迭代后，完成符号检测后，信道矩阵将被更新；四是ISI和IDI的消除，即根据检测出的符号，判断其对应的信道矩阵，并以此更新观测向量y并送入下一次迭代，如图3所示。
因此，在利用本发明实施例提供的基于置信空间动态判决的OTFS符号检测方法，具体实现步骤包括：
(1)OFDM与OTFS解调：
接收端首先获取时域数据块并进行OFDM解调，得到TF域数据块。
即接收端首先移除CP(循环前缀)，对时域数据块R∈CM×N进行OFDM解调，得到TF域数据块
具体变换表示为：
其中，FM表示M阶的FFT(快速傅里叶变换)矩阵，M和N分别表示子载波个数和OFDM的符号个数，即时延和多普勒域的资源网格个数；
然后，利用SFFT变换将TF域数据块
转移到DD域，实现OTFS解调，变换表示为
其中，y∈CM×N为DD域接收数据块，将被送入系统后端的符号检测与干扰消除模块，进行迭代流程，FN表示N阶的FFT矩阵，上标“H”表示共轭。
(2)LSMR信道均衡：
在第k次迭代中，观测向量y∈CM×N和信道均衡矩阵
被送到LSMR均衡器中，估计发射数据向量
具体算法流程为：
在LSMR均衡器中，首先进行信道矩阵双对角化，随后构建Krylov子空间：
vi表示Krylov子空间的元素，并在Krylov子空间内完成LS问题(最小二乘问题)的求解：
其中，s(k)表示信源，上标“(k)”用于表示第k次迭代。
为了研究LSMR迭代次数和均衡误差的关系，定义第k次迭代后，残留误差的均方根误差(MSE)如下：
其中，
表示第k次估计的发射数据向量，
表示数据向量
的第i个符号。
图5呈现了不同迭代次数下，残留的均方误差
其中，黑线表示采用LMMSE(线性最小均方误差)均衡方案下的残留均方误差。可以看到，在经过12次迭代后，LSMR的性能与LMMSE基本一致。此外，相较于LSQR算法，LSMR具有更快的收敛速度，更具有低复杂度的优势。
在一种可能的实现方式中，该最小二乘最小残差法(LSMR)信道均衡处理的具体实现过程为：
(1)设置信道均衡迭代运算中涉及的中间量的初始值，包括：
β1＝||y||2，α1＝||GTy||2，
h1＝v1，
ρ0＝1，
其中||·||2表示向量二范数；
初始化迭代次数k＝1；
(2)进行第k次迭代迭代计算：
双对角化：
在krylov子空间内求解LS问题：
更新
其中，
更新
计算第k次迭代的误差
从而基于所有的ri (k)得到误差向量
作为一种优选的方式，迭代结束条件为下述三种方式中的任一种：
(I)迭代次数达到预置的最大迭代次数；
(II)
(III)
其中，A1、B1分别表示预置的第一和第二误差门限。
(3)基于置信区域的符号检测：
经过LSMR均衡器后的数据向量
将被送到动态置信区域中，进而实现数据检测(量化)。在第k次迭代中，图6中不可信区域宽度为Tk。当数据落在不可信区域之外，该数据将被量化至就近的QAM星座点上。在所有数据符号均完成了量化之后，数据向量
将被分成两个集合，其分别是：可信符号集
(即可信数据向量)和不可信符号集
(即不可信数据向量)。为了保证整个迭代过程能够收敛，在完成每次量化后，不可信区域宽度将被收缩至Tk＝T0(1-k/K)，并最终为0。其中，T0表示不可信区域宽度的初始值，值得注意的是，当不可信区域宽度Tk＝0，该判决则退化为经典的硬判决。
(4)信道矩阵更新：
在第k次迭代中，当完成符号检测后，信道矩阵将被更新。具体而言，将矩阵
分解为两个部分：
和
其中，
由矩阵G中的Jk+1个列向量构成，这些列向量对应着不可信数据向量
而
对应着可信数据向量
矩阵将被送入到LSMR均衡其中，进行下一次的迭代。子矩阵
由矩阵G中的Jk-Jk+1个列向量构成，这些列向量对应着可信符号集，矩阵
将被送入干扰消除器中，进行信号IDI与ISI的重构与消除。
(5)ISI和IDI消除：
利用检测出的可信数据向量
和相应的信道矩阵
ISI和IDI被重构为
随后，观测数据将移除ISI和IDI：
在完成干扰重构和消除之后，更新后的观测向量y(k+1)将被送至LSMR均衡器开始下一次迭代。
针对OTFS系统提出的迭代接收方案能够有效的实现数据检测和干扰消除。一方面，在每次迭代中，利用LSMR均衡器和动态置信符号检测，能够较为准确的恢复出一部分发射数据。利用估计出的发射数据，能够精确的重构其引入的ISI和IDI。另一方面，基于块处理的干扰消除方案，能够以线性复杂度的方式实现ISI和IDI的消除。此外，经过干扰消除后的观测向量能够进一步提升下次迭代中LSMR的均衡性能。
实施例
图1为本实施例的基于置信动态判决均衡的基带OTFS系统框图，信源端输入待发送的二进制信息比特流，经过发端调制后的数据符号被分配到二维数据块X∈CM×N中，其中M和N分别为时延和多普勒域的资源网格个数。ISFFT将数据块X从DD域转换到时频域，该变换表示为：
其中，D∈CM×N为TF数据块，FM∈CM×M和FN∈CN×N分别为M阶和N阶的FFT矩阵。利用FFT，将TF域数据块D变换到时域，其变换表示为：
其中，S∈CM×N为时域数据块，S中的第n列S(:,n)∈CM×1为第n个OFDM符号周期的时域发射数据。在对每个时域OFDM符号添加CP后，整个OTFS传输块内的数据将被传输至无线信道。定义信道冲激响应为h[n,l'],l'∈[0,L-1]且假设信道最大多径时延小于CP长度：
h[n,l'],l'∈[0,L-1]。通常来讲，信道冲激响应满足：
其中，
表示第l'条径的功率，r(n-m)表示归一化信道自相关函数，n表示第n个OFDM符号，m表示第m个子载波，且r(0)＝1。
在接收端移除CP后，时域接收数据块R∈CM×N经过OFDM解调，得到TF域数据块
其变换表示为：
FMR
随后，利用SFFT将TF域数据变换到DD域，实现OTFS系统的解调，
最后，针对DD域接收数据块y，通过信道均衡、解映射以及解交织器及解译码器最终得到发送比特的估计。
本实施例中，迭代均衡器-译码器的基本结构图如图2所示，并采用如图3所示的迭代符号检测处理过程，包括：LSMR均衡、基于置信度的动态检测，基于对应的更新后的信道子矩阵执行ISI和IDI干扰消除。平台的详细参数如表1所示。在信道仿真器中，假设信道各径服从独立同分布，并在时间方向上的相关满足：
其中，l',l”表示不同时刻。
表1仿真参数
| 参数 | 数值 |
| 子载波个数(M) | 64 |
| CP长度(M<sub>CP</sub>) | 8 |
| OFDM符号个数(N) | 6/12/24 |
| 载波频率(f<sub>c</sub>) | 4GHz |
| 子载波间隔(Δf) | 15KHz |
| 用户移动速度 | 2.7～675km/h |
| 调制方式 | QPSK,16-QAM,64QAM |
| 信道模型 | Extended vehicular A(EVA) |
| 信道多普勒 | 连续U型谱 |
为了避免信道估计误差带来的检测性能损失，假设信道响应在接收端完全已知。在仿真测试中，当系统未采用信道编解码时，本实施例呈现误符号率(SER)的性能分析。在有信道编解码的性能测试中，本实施例考虑码率2/3的卷积码。此外，本实施例测试多个移动场景下算法的检测性能，其对应的用户移动速率范围为：2.7km/h到675km/h。最后，本实施例还对比仿真了两种现有的均衡方案，即基于LMMSE的线性均衡和基于消息传递算法的检测。
图6表示不同迭代次数下，检测数据的星座图分布，其中信噪比设置为20dB。与图4一致，灰色部分表示不可信区域，黑色散点表示16-QAM原始星座图分布。当迭代次数k＜4，较多的数据分布在不可信区域内。随着迭代次数k的增加，不可信区域的范围逐渐缩小。因此，经过LSMR均衡后的数据将被量化为可信数据。经过10次迭代后，可以看到仅剩余两个不可信符号残留在灰色区域内。
图7和图8分别表示16-QAM和64-QAM调制下，不同迭代次数对应的SER性能，其中信噪比设置为20dB。考虑信道的归一化最大多普勒频率为和15％，分别对应用户的最大移动速度为270km/h和540km/h。从两个图中可以看到，无论在16-QAM还是64-QAM的调制方式下，OTFS系统性能均优于OFDM。值得注意的是，对于本发明提出的迭代均衡算法，当迭代次数k＝0，ISI和IDI消除模块未引入。此时，可以看到LSMR均衡能够获得与LMMSE基本一致的解调性能。再历经10次迭代后，SER显著降低。所以，考虑到复杂度和解调性能的折中，后文的仿真中统一选择：16-QAM调制，迭代10次；64-QAM调制，迭代15次。
图9表示了中等移动速度下的SER性能，其中考虑用户的移动速度为270km/h，对应信道最大多普勒频率为1000Hz。考虑基于消息传递算法的均衡器，在QPSK，16-QAM和64-QAM三种调制方式下，其对应的迭代次数分别为：30、50和100。对本发明提出的迭代均衡算法，设置迭代次数分别为：5，10和15次。从图9可以看到，在QPSK，16-QAM和64-QAM三种调制方式下，提出的算法性能均能够获得最优的解调性能。具体而言，给定SER＝2×10-4,16-QAM调制下，提出的算法相较于LMMSE均衡能够获得8dB的信噪比增益。同样地，相较于基于消息传递算法的均衡，三种调制方式下，信噪比增益分别为：1.5dB，2.3dB和5.5dB。而在超高速移动场景下的SER性能，如图10所示，其中考虑用户的移动速度为540km/h，对应信道的最大多普勒频率为2000Hz。我们可以看到在该场景下，提出的迭代符号检测算法也能够获得最优的解调性能。
图10呈现不同OTFS传输块大小下，系统BER性能。其中，在OTFS系统中，添加信道编解码模块以提升误码性能。给定OTFS传输块大小M×N＝64×12，当满足BER门限为1×10-5，QPSK，16-QAM和64-QAM三种调制间的信噪比差为8.5dB。此外，对于一个确定的调制方式，如固定OTFS系统采用16-QAM调制，OTFS传输信号块越大，能够获得的解码性能越好。
图11表示在不同信道多普勒频率下，有编码OTFS系统的BER性能，其中，考虑QPSK,16-QAM和64-QAM调制方式下，其对应的信噪比分别为11dB,19dB和27dB。可以看到，随着最大多普勒频率的增加，系统的误码性能越好。实际上，信道多普勒频率越大，系统引入的IDI越强，也表明了信道的多普勒域分集增益越多。从图11的现象说明本发明提出的迭代均衡算法能够有效地获得信道多普勒分集增益。值得注意的是，这种现象在低阶QAM调制下更为显著。
复杂度方面，对比分析三种检测器的复杂度，分别是：LMMSE，基于消息传递算法的均衡器，以及本发明提出的迭代检测方案。对于LMMSE来说，由于涉及到矩阵求逆运算，其复杂度为：O(M3N3)。该方案仅仅依赖于OTFS传输块大小：MN。对于基于消息传递算法的均衡器，其复杂度为：O(MNBQIMP)，其中B,Q和IMP分别是信道矩阵G中每一行或每一列中非零元素的个数，星座图的大小和迭代次数。在本发明实施例提出的符号检测方案中，每次迭代LSMR均衡器的复杂度为：O(MNBI)，I表示LSMR算法的迭代次数。对于K次迭代，整体复杂度为O(MNBIK)。在本发明实施例中，考虑IDI弥散至整个多普勒轴，其IDI带宽满足B＝NL，其中L表示信道最大时延。综上，基于消息传递算法的均衡器所需的整体复杂度为：O(MN2LQIMP)；对于本发明实施例提出的迭代检测方案，整体复杂度为O(MN2LIK)。
对比基于消息传递算法的均衡器和本发明实施例提出的符号检测，两者复杂度的差异体现在以下参数的选择上：I,K,IMP,Q。通常来说，本发明实施例提出的符号检测方法所需的迭代次数远远小于基于消息传递算法的均衡器，即：K＜＜IMP。以16-QAM调制为例，上述参数对应的典型值为：I＝15,K＝10,IMP＝50,Q＝60。因此，有IK＜＜IMPQ，即本发明实施例提出的符号检测算法的复杂度远远小于基于消息传递算法的均衡器复杂度。
本实施例中，对比三种信道均衡器的复杂度，分别为：LMMSE，基于消息传递算法的均衡器，本发明提出的迭代检测。图12呈现了所需的复数乘法的次数。可以看到，本发明提出的均衡器具有最低的解码复杂度。相反，由于LMMSE算法需要涉及到矩阵求逆运算，其所需的复数乘法次数最高。在QPSK,16-QAM和64-QAM三种调制方式下，对比基于消息传递算法的均衡器，本发明提出的迭代检测所需的复数乘法次数分别减低：2、4.5和17.9倍。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
以上所述的仅是本发明的一些实施方式。对于本领域的普通技术人员来说，在不脱离本发明创造构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。
Claims (2)
1.一种基于置信空间动态判决的OTFS符号检测方法，其特征在于，包括下列步骤：
步骤1：提取观测向量中的时域接收数据块，再对所述时域接收数据块进行OFDM解调，得到时频域的接收数据块；
步骤2：将时频域的接收数据块转换到延迟多普勒域，得到延迟多普勒域的接收数据块y；并对接收数据块y中的导频信息进行信道估计，得到信道矩阵G；
步骤3：基于当前的接收数据块y(k)和信道矩阵G(k)进行迭代信道均衡处理，得到当前的估计的发射数据向量
其中，k表示迭代次数，接收数据块y(k)和信道矩阵G(k)的初始值分别为接收数据块y和信道矩阵G；
步骤4：对发射数据向量
执行基于置信区域的符号检测：
基于信号星座当前的不可信任区域，对数据向量
的数据符号进行数据量化处理：若数据符号位于不可信任区域之外，则将所述数据符号量化至就近的星座点；再将数据量化处理后的数据向量
的数据符号划分为两个集合：可信符号集
和不可信符号集
其中，可信符号集
的各数据符号位于不可信任区域之外；
所述信号星座包括多条等间隔等宽度的不可信任区域，所述不可信任区域分布于信号星座的水平和垂直方向；且每次执行完符号检测后，将信号星座的不可信任区域的宽度收缩为：Tk＝T0(1-k/K)，其中，T0表示不可信区域宽度的初始值，K表示最大迭代次数；
步骤5：当不满足预置的迭代结束条件时，对信道矩阵G(k)进行更新，以及从接收数据块y(k)中消除ISI和IDI，以获取下一次的接收数据块y(k+1)和信道矩阵G(k+1)，迭代次数k自增1后继续执行步骤3至5；
当满足预置的迭代结束条件时，将当前的可信符号集
作为最终估计的发射数据向量；
其中，信道矩阵的更新为：
基于信道矩阵G(k)中对应可信符号集
的列向量得到第一子矩阵
基于信道矩阵G(k)中对应不可信符号集
的列向量得到第二子矩阵
并将第二子矩阵
作为G(k +1)；
所述ISI和IDI消除处理为：
基于可信符号集
和第一子矩阵
重构ISI和IDI为
并从接收数据块y(k)中去除
得到更新后的接收数据块y(k+1)。
2.如权利要求1所述的方法，其特征在于，步骤3中，迭代信道均衡处理时，在Krylov子空间中基于最小二乘法求解获取信道均衡处理后的发射数据向量
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111075883.9A CN113726697A (zh) | 2021-09-14 | 2021-09-14 | 一种基于置信空间动态判决的otfs符号检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111075883.9A CN113726697A (zh) | 2021-09-14 | 2021-09-14 | 一种基于置信空间动态判决的otfs符号检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113726697A true CN113726697A (zh) | 2021-11-30 |
Family
ID=78683648
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111075883.9A Pending CN113726697A (zh) | 2021-09-14 | 2021-09-14 | 一种基于置信空间动态判决的otfs符号检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113726697A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114745230A (zh) * | 2022-03-10 | 2022-07-12 | 西安电子科技大学 | 基于深度神经网络结构的otfs信号接收恢复方法 |
| CN115051894A (zh) * | 2022-06-10 | 2022-09-13 | 西安电子科技大学 | 基于串行干扰消除的otfs系统符号检测方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20190081836A1 (en) * | 2016-03-23 | 2019-03-14 | Cohere Technologies | Receiver-side processing of orthogonal time frequency space modulated signals |
-
2021
- 2021-09-14 CN CN202111075883.9A patent/CN113726697A/zh active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20190081836A1 (en) * | 2016-03-23 | 2019-03-14 | Cohere Technologies | Receiver-side processing of orthogonal time frequency space modulated signals |
Non-Patent Citations (1)
| Title |
|---|
| HUIYANG QU等: ""Low-Complexity Symbol Detection and Interference Cancellation for OTFS System"", 《IEEE TRANSACTIONS ON COMMUNICATIONS》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114745230A (zh) * | 2022-03-10 | 2022-07-12 | 西安电子科技大学 | 基于深度神经网络结构的otfs信号接收恢复方法 |
| CN114745230B (zh) * | 2022-03-10 | 2024-01-16 | 西安电子科技大学 | 基于深度神经网络结构的otfs信号接收恢复方法 |
| CN115051894A (zh) * | 2022-06-10 | 2022-09-13 | 西安电子科技大学 | 基于串行干扰消除的otfs系统符号检测方法 |
| CN115051894B (zh) * | 2022-06-10 | 2024-02-06 | 西安电子科技大学 | 基于串行干扰消除的otfs系统符号检测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109922020B (zh) | 一种计算复杂度低的正交时频空调制的均衡方法 | |
| KR100918717B1 (ko) | 다입다출력 직교주파수분할다중화 이동통신 시스템에서의신호 시퀀스 추정 방법 및 장치 | |
| US8320510B2 (en) | MMSE MIMO decoder using QR decomposition | |
| US8488684B2 (en) | Methods and systems for hybrid MIMO decoding | |
| CN113852580B (zh) | 一种基于多级分离的mimo-otfs符号检测方法 | |
| US8259864B2 (en) | Methods and systems for fourier-quadratic basis channel estimation in OFDMA systems | |
| JP4147193B2 (ja) | マルチキャリヤ拡散スペクトル信号の受信 | |
| KR20070095309A (ko) | 다중 캐리어 시스템들을 위한 지연 제한된 채널 추정 | |
| US6990153B1 (en) | Method and apparatus for semi-blind communication channel estimation | |
| CN101132388A (zh) | 利用信道状态信息辅助接收编码信号的接收方法及装置 | |
| CN113726697A (zh) | 一种基于置信空间动态判决的otfs符号检测方法 | |
| CN112003804B (zh) | 一种多路多元差分混沌移位键控迭代接收方法 | |
| CN113852575A (zh) | 一种基于时域信道均衡辅助的迭代otfs符号检测方法 | |
| US8284875B2 (en) | Methods and systems for frequency domain gain control in OFDM MIMO systems | |
| KR101043698B1 (ko) | 공간다중화 시스템에서 신호검출 장치 및 방법 | |
| CN115943395A (zh) | 用于无导频ofdm通信的无线电接收器、发射器和系统 | |
| WO2010146774A1 (ja) | 無線通信装置、無線通信システムおよび通信方法 | |
| US7376196B2 (en) | Receiving apparatus in communication system | |
| Xu et al. | Factor graph based detection and channel estimation for MIMO-OFDM systems in doubly selective channel | |
| Chavali et al. | A soft-demapper for coded MIMO-OFDM system | |
| Kim et al. | A bandwidth efficient OFDM transmission scheme | |
| Soman et al. | Improved DFT-based channel estimation for spatial modulated orthogonal frequency division multiplexing systems | |
| CN115277335B (zh) | 一种正交时序复用系统的符号检测方法 | |
| WO2024002455A1 (en) | Method, apparatus and computer program for estimating a channel based on basis expansion model expansion coefficients determined by a deep neural network | |
| Liu et al. | Modifed SIC Algorithm based on Lattice Reduction Aided for MIMO OFDM Detection |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211130 |