CN113922850A - 一种LoRa上行系统中分布式MU-MIMO信道估计算法及传输方法 - Google Patents

Abstract

本发明提供了一种LoRa上行系统中分布式MU‑MIMO信道估计算法及传输方法，其中：对于K个节点传输的信号y同时到达接收端时，接收端首先在接收到的信号中检测前导码，在检测到前导码后，继续检测不同节点的符号边缘是否对齐。当符号边缘对齐时，计算预存的哈达玛矩阵阶数K′，使信号y中chiirp符号数量N＝K′，以采样率B/2^SF对信号y进行采样，遍历哈达玛序列与各信号相乘求解h_ji。当符号边缘不对齐时，以采样率B/2^SF开始采样，建立方程求解h_ji。通过特殊采样率降低了传输方程中未知数的个数，并基于哈达玛序列提出一种求解信道信息的方法，在获取信道信息后采用信道均衡算法分离混合信号，从而解决了在同频异步传输的LoRa网络中实现MU‑MIMO传输的问题。

Description

一种LoRa上行系统中分布式MU-MIMO信道估计算法及传输 方法

技术领域

本发明属于无线通信技术领域，涉及LoRa上行系统，具体涉及一种LoRa上行系统中分布式MU-MIMO信道估计算法。

背景技术

为了提升LoRa系统整体吞吐量、充分利用频带资源，但由于商用网关的限制，一个解调器只能解调一路数据，在同一频率上只能使用一个SF进行传输，这极大浪费了频带资源，限制了传输吞吐量和传输效率。现有方法通过联合时域特征来实现并发解码，将系统吞吐量提升为LoRaWAN的3倍；也有方法利用累积频谱系数区分没有时间偏移的冲突信号，但需要冲突信号具有不同的功率。虽然高速率并非LoRa的设计初衷，但较低的吞吐量将会限制系统传输效率的提升。通过采用MU-MIMO传输可以提升系统吞吐量，提升传输效率。但LoRa节点的分布式布置和异步传输的特点是LoRa实现MU-MIMO的一大挑战。

由于LoRa采用CSS调制，采用不同SF调制的信号彼此正交，因此不同节点可以在同一频率上使用不同SF进行传输。但是在有数据率约束的场景下，如果只有较小的SF才能满足速率需求，而且如果使用同一频率的节点都需要选择同一SF才能满足速率需求时，在标准LoRaWAN下无法正常进行传输，此时LoRa系统的吞吐量将受到限制。

为了将MU-MIMO技术应用在LoRa中，需要在同一频率上设置了相同SF的LoRa节点可靠地进行传输。LoRa由于其分布式的特性，各个节点的传输不具有同步性，因此无法直接采用MU-MIMO进行传输，而现有方法中提出的盲分布式MU-MIMO传输方案可以实现在不具同步性的分布式节点上启用MU-MIMO传输，该方案虽然可以直接在LoRa系统上使用，但在一些特定情况下存在限制，例如在具有K个单天线发送端和一个具有R根天线接收端的MU-MIMO系统中，信号同时到达网关时，即使前导码数量足够多，但是节点传输的前导码对应相等，建立的传输方程组对应的向量组线性相关，必然存在多余的方程，因此无法对信道信息进行求解。此外，还要求接收端天线至少比发送端的天线总数多1根，这对接收端天线数量也进行了限制。

发明内容

针对现有技术存在的不足，本发明的目的在于，提供一种LoRa上行系统中分布式MU-MIMO信道估计算法，以解决现有技术中尚没有在同频异步传输的LoRa网络中实现MU-MIMO传输的技术问题。

为了解决上述技术问题，本发明采用如下技术方案予以实现：

一种LoRa上行系统中分布式MU-MIMO信道估计算法，包括以下步骤：

步骤1，对于K个节点传输的信号y同时到达接收端时，由于K个节点都是新加入系统的节点，因此有K·R个信道h_ji未知；传输1个符号会产生K·R个未知数和R个方程，因此采用的编码矩阵至少为K+1阶；

其中，R个方程中的第一个方程中，第一个接收天线接收到的数据为：

y₁(n′)＝h₁₁s₁(n′)+…+h_1is_K(n′) 式12；

R个方程中的其它方程中，接收天线接收到的数据的表达式在式12的基础上依次类推；

j表示第j个接收天线；

i表示第i个节点；

h_ji表示第i个节点到第j个接收天线的信道；

s表示chirp；

n′表示第n′个采样点；

步骤2，接收端首先在接收到的信号中检测前导码，如果检测到前导码，则进行步骤3，如果未检测到前导码会持续检测，直到检测到前导码；

步骤3，在检测到前导码后，继续检测不同节点的符号边缘是否对齐；

当符号边缘对齐时，执行步骤4，当符号边缘不对齐时，执行步骤5；

步骤4，当符号边缘对齐时，执行步骤4.1至步骤4.4；

步骤4.1，首先计算预存的哈达玛矩阵阶数K′，然后接收等于哈达玛矩阵阶数K′的采样点；

步骤4.2，接收端预存阶数为K+1的哈达玛矩阵，以采样率B/2^SF对信号y进行采样；

其中，B表示信号带宽；SF表示扩频因子；

步骤4.3，每接收K+1个采样点就遍历哈达玛矩阵中的行来与y₁(n′)相乘，遍历到了第一个节点所使用的序列，由于哈达玛矩阵与编码矩阵不同行相乘求和为0，该序列与s₂(n′)、s₃(n′)、…、s_K(n′)相乘求和均为0，因此，只剩下一项h₁₁·(K+1)/4，除以(K+1)/4即可求出信道信息；

重复该过程，当完整遍历完一遍哈达玛矩阵后即可求得全部信道信息；

步骤4.4，对于K个节点中有K_N个节点新加入系统，K-K_N个节点稳定传输的情况，K-K_N个稳定传输的节点传输过程中的信道h_ji已知，并且数据部分以采样率B/2^SF采样后转换为已知符号，再利用哈达玛矩阵通过控制节点传输功率编码为已知序列，又由于K_N个新加入的节点传输的符号已知，因此只需估计K_N·R个信道h_ji，由于节点总数为K，因此依然需要编码矩阵至少为K+1阶；

其中，R个方程中的第一个方程中，第一个接收天线接收到的数据为：

R个方程中的其它方程中，接收天线接收到的数据的表达式在式13的基础上依次类推；

对于K-K_N个稳定传输的节点，其信道已知但序列并未与新加入节点的序列对齐，由于哈达玛矩阵与编码矩阵不同行错位相乘求和结果为0，因此依然可以区分不同节点传输的信号；对于K_N个新加入的节点，利用节点对应的序列与y₁(n′)相乘求和，最后只剩下一项，而该项即为该节点对应的信道信息与(K+1)/4的乘积；重复该过程能够求出所有未知信道；

接收天线数大于等于发射天线数，即需满足K≤P；

步骤5，当符号边缘不对齐时，执行步骤5.1至步骤5.2；

步骤5.1，以采样率B/2^SF开始采样；

步骤5.2，在1个节点已稳定传输，另一个节点新加入系统，接收端使用2根接收天线的情况下，建立如式14所示的传输方程，通过该传输方程可以求解出所有未知量；

式中:

y₁(1)和y₁(2)分别对应第一个接收天线两个时刻的采样点，这两个采样点分别对应两路信号各自的采样点；

y₂(1)和y₂(2)则为另一个接收天线上的两个采样点；

h₁₁和h₂₁由于是已加入系统的节点的信道，因此为已知量；

h₁₂、x₂(1)、x₁(2)、h₂₂均为未知量，共计4个；

x表示表示节点传输的数据；

步骤6，在获取到全部参数后，信道矩阵H可以直接获得。

本发明还保护一种LoRa上行系统中多节点MU-MIMO传输方法，包括以下步骤：

步骤一，利用多个节点给网关发送信号，不同节点的信号经过瑞利衰落信道进行传输，所有信号与噪声组合之后到达接收天线；

步骤二，对步骤一得到的信号，首先需要检测前导码；

步骤三，接收端进行分布式MU-MIMO信道估计，获取信道信息；

所述的分布式MU-MIMO信道估计的方法采用如上所述的LoRa上行系统中分布式MU-MIMO信道估计算法；

步骤四，将步骤三得到的信道信息，再将信道矩阵H代入信道均衡算法中即可解出MU-MIMO系统中所有节点传输的信号，最后对各路信号分别使用LoRa解码算法，求解出各个节点传输的数据，从而完成了一个完整的MU-MIMO传输过程。

本发明与现有技术相比，具有如下技术效果：

(Ⅰ)本发明的算法实现了在LoRa系统中启用MU-MIMO传输的可能性，为LoRa启用MU-MIMO提出了一种可用的解决方案。

(Ⅱ)本发明的算法通过特殊采样率降低了传输方程中未知数的个数，并基于哈达玛序列提出一种求解信道信息的方法，在获取信道信息后采用信道均衡算法分离混合信号，从而解决了在同频异步传输的LoRa网络中实现MU-MIMO传输的问题。

(Ⅲ)在LoRa系统中采用MU-MIMO时，信号之间的干扰远远低于未采用MU-MIMO的系统，这极大降低了节点间由于传输功率导致的传输错误，提高了系统的鲁棒性。

附图说明

图1是LoRa上行系统中分布式MU-MIMO信道估计的流程示意图。

图2是LoRa上行系统中多节点MU-MIMO传输方法的流程示意图。

图3是信号同时到达接收端及采样结果图。

图4是新节点异步到达接收端及采样结果图。

图5是相同SF并发传输时信号检测算法比较图。

图6是不同SF并发传输时误比特率随SF变化图。

图7是相同SF并发传输时误比特率随SF变化图。

图8是不同SF并发传输时单个节点吞吐量随SNR变化图。

图9是相同SF并发传输时单个节点吞吐量随SNR变化图。

以下结合实施例对本发明的具体内容作进一步详细解释说明。

具体实施方式

需要说明的是，本发明中：

LoRa，全称为Long Range Radio，即远距离无线电。

CSS，全称为Chirp Spread Spectrum，即线性调频扩频调制。

MU-MIMO，全称为Multi-User Multiple-Input Multiple-Output，即多用户-多输入多输出。

SVD，全称为Singular Value Decomposition，即奇异值分解。

SNR，全称为Signal to Noise Ratio，即信噪比。

MMSE，全称为Minimum Mean-Squared Error，即最小均方误差。

MRC，全称为Maximum-Ratio Combining，即最大比合并。

ZF，全称为Zero-Forcing，即迫零算法。

为了解决背景技术中的这些问题，本发明提出一种新颖的MU-MIMO信道估计方法，该方法通过一种特殊的采样率降低了MU-MIMO传输过程中产生的未知数个数，利用正交编码的正交特性提出一种求解信道信息的方法，从而为接收端使用信道均衡算法分离各路信号时提供信道信息，从而实现MU-MIMO传输。

基于信道均衡算法的MIMO需要在接收端获取信道信息，而在实际系统中，遵循ALOHA协议的LoRa系统并不能保证节点有序传输，在异步传输的系统中，由于不同节点传输的前导码部分和数据部分很可能叠加在一起，因此很难获取信道信息。这也是异步传输的LoRa系统中实现MIMO的关键问题。

为了解决上述问题，提出一种信道估计算法，用于在异步传输状态下获取LoRa节点的信道，从而为后续利用信道均衡算法分离混合信号提供信道信息。

为了实现分布式MU-MIMO传输，现有方法中通过增加数据样本联合多个传输方程求解未知信息，其问题在于当其它节点加入MU-MIMO系统时，已经处于稳定状态的节点传输的数据未知，这会增加所需求解的未知数个数。当大量数据包快速到达时，所需求解的未知数数量过多而方程有限，可能无法完成解码任务。

为了降低异步传输时的未知数的个数，通过采用不同于正常LoRa解码时所采用的采样间隔1/B，而使用采样间隔为2^SF/B对传输的信号进行采样，以一个具有任意循环移位C的up-chirp为例，其表达式为：

式中，t表示时间，f_u(t)为频率，表示在一个chirp周期内，一个up-chirp的频率随时间的增加而线性增加。up-chirp的频率可以表示为：

式2中，C为循环移位值，可表示为：

V＝[v₀,v₁,…,v_SF-1]为一个信息向量，表示一个chirp传输的SF个比特，也就是所需要传输数据的二进制形式，式3中v_i为V中的一个元素。

式2中，T_sym为一个chirp的周期，可表示为：

一个标准的up-chirp，其频率由f_min＝f₀-B/2线性增长至f_max＝f₀+B/2，其中f₀为中心频率，B为信号带宽。

对式1以采样间隔为2^SF/B进行采样得：

式中，SF表示扩频因子，B表示信号带宽，n′表示采样点，f_u(t)表示频率，T_sym表示一个chirp的周期，C表示循环移位值。

根据式5可以发现，通过2^SF/B采样间隔采样消除了循环移位C，而LoRa前导码作为一类特殊的符号，仅将循环移位C置为0，对于循环移位C不为0的载荷信号部分，使用上述采样间隔采样后与前导码采样后得到的是相同的结果，因此这种方法可以视为延长了已知序列的长度。

对于LoRa中的前导码部分和数据部分而言，通过使用2^SF/B采样间隔采样消除了具有不同循环移位的信号之间的差异，从而将前导码部分和数据部分归并为了一类相同的数据，这有效减少了MU-MIMO传输方程中未知数的个数，减少了参数估计时所需样本数。

在将前导码和数据归为一类数据之后，对于信号同时到达网关或一路信号正在传输数据，另一路信号新加入并传输前导码的情况都可以采用上述方式归类为一种MU-MIMO传输形式。以K发R收的MU-MIMO为例，K个节点放置在任意位置，且在任意时刻进行传输，网关上的R根接收天线接收到信号后以采样间隔2^SF/B进行采样。

经过以2^SF/B为采样间隔采样的R根接收天线上接收到的信号在不考虑噪声的情况下可以简化表示为：

式中，n′表示第n′个采样点，h_ji表示节点i到接收天线j的信道，共有K个节点和R个接收天线，s_k(n′)为采样后的chirp，其值为：

式中，n′表示第n′个采样点，式7在式5的基础上增加了一项功率控制系数

表示一个功率随时间变化的序列，该序列采用哈达玛(Hadamard)矩阵中的行序列，即哈达玛序列，以保证不同节点传输信号的正交性。一个2^s阶哈达玛矩阵如下所示：

该矩阵可通过2阶哈达玛矩阵逐次求得，2阶哈达玛矩阵为：

由式8和式9可获得一个4阶哈达玛矩阵如式10所示，在该矩阵中，不同行序列具有正交性，即不同行序列对应相乘求和结果为0，同一序列对应相乘求和结果为矩阵阶数，矩阵中不同行序列错位相乘求和的结果也为0。

在实际情况下，由于在节点处信号幅值只能通过节点的发射功率来控制，因此所使用的编码矩阵中的元素均应为正值。为了防止载荷部分功率过高导致前导码检测的错误，需要控制编码矩阵中的元素取值范围在(0,1]区间内。所以采用的编码矩阵如式11所示：

该矩阵通过将哈达玛矩阵中的-1替换为0.5获得。使用编码矩阵编码的数据流对应使用与编码矩阵同阶的哈达玛矩阵解码。但需注意的是，编码矩阵中的第一行，即全为1的行不可用于编码，因为编码矩阵中的元素全为正值。解码时如果依然使用全为1的行与接收信号相乘，并不能消去其它干扰项，从而造成解码错误，因此，一个Q阶编码矩阵中只有Q-1行序列可用于编码。此外，编码矩阵与哈达玛矩阵对应的行错位奇数位时，相乘求和结果的符号会变化，需要乘以-1处理。

遵从上述技术方案，以下给出本发明的具体实施例，需要说明的是本发明并不局限于以下具体实施例，凡在本申请技术方案基础上做的等同变换均落入本发明的保护范围。

实施例1：

本实施例给出一种LoRa上行系统中分布式MU-MIMO信道估计算法，如图1所示，包括以下步骤：

步骤1，对于K个节点传输的信号y同时到达接收端时，由于K个节点都是新加入系统的节点，因此有K·R个信道h_ji未知；传输1个符号会产生K·R个未知数和R个方程，因此采用的编码矩阵至少为K+1阶；

其中，R个方程中的第一个方程中，第一个接收天线接收到的数据为：

y₁(n′)＝h₁₁s₁(n′)+…+h_1is_K(n′) 式12；

R个方程中的其它方程中，接收天线接收到的数据的表达式在式12的基础上依次类推；

j表示第j个接收天线；

i表示第i个节点；

h_ji表示第i个节点到第j个接收天线的信道；

s表示chirp；

n′表示第n′个采样点；

本实施例中，两个节点传输的信号如图3所示，图中信号的前8个符号为前导码部分，后4个符号为载荷部分，图中红色圆圈标出的是采样后的序列。

步骤2，接收端首先在接收到的信号中检测前导码，如果检测到前导码，则进行步骤3，如果未检测到前导码会持续检测，直到检测到前导码；

步骤3，在检测到前导码后，继续检测不同节点的符号边缘是否对齐；

当符号边缘对齐时，执行步骤4，当符号边缘不对齐时，执行步骤5；

步骤4，当符号边缘对齐时，执行步骤4.1至步骤4.4；

步骤4.1，首先计算预存的哈达玛矩阵阶数K′，然后接收等于哈达玛矩阵阶数K′的采样点；

步骤4.2，接收端预存阶数为K+1的哈达玛矩阵，以采样率B/2^SF对信号y进行采样；

其中，B表示信号带宽；SF表示扩频因子；

步骤4.3，每接收K+1个采样点就遍历哈达玛矩阵中的行来与y₁(n′)相乘，遍历到了第一个节点所使用的序列，由于哈达玛矩阵与编码矩阵不同行相乘求和为0，该序列与s₂(n′)、s₃(n′)、…、s_K(n′)相乘求和均为0，因此，只剩下一项h₁₁·(K+1)/4，除以(K+1)/4即可求出信道信息；

重复该过程，当完整遍历完一遍哈达玛矩阵后即可求得全部信道信息；

由于前导码和数据采样后变为了一类数据并使用了已知序列对信号功率进行编码，每加入一个节点就会产生R个信道，而对于每根接收天线来说，接收信号是独立的；在哈达玛矩阵的阶数足够大的情况下，就能够解出传输到每根天线上节点的信道信息，因此解决了所有信号同时到达网关时信道信息的无法求解的问题。

步骤4.4，对于K个节点中有K_N个节点新加入系统，K-K_N个节点稳定传输的情况，K-K_N个稳定传输的节点传输过程中的信道h_ji已知，并且数据部分以采样率B/2^SF采样后转换为已知符号，再利用哈达玛矩阵通过控制节点传输功率编码为已知序列，又由于K_N个新加入的节点传输的符号已知，因此只需估计K_N·R个信道h_ji，由于节点总数为K，因此依然需要编码矩阵至少为K+1阶；

其中，R个方程中的第一个方程中，第一个接收天线接收到的数据为：

R个方程中的其它方程中，接收天线接收到的数据的表达式在式13的基础上依次类推；

对于K-K_N个稳定传输的节点，其信道已知但序列并未与新加入节点的序列对齐，由于哈达玛矩阵与编码矩阵不同行错位相乘求和结果为0，因此依然可以区分不同节点传输的信号；对于K_N个新加入的节点，利用节点对应的序列与y₁(n′)相乘求和，最后只剩下一项，而该项即为该节点对应的信道信息与(K+1)/4的乘积；重复该过程能够求出所有未知信道；

接收天线数大于等于发射天线数，即需满足K≤R；

本实施例中，两个节点传输的信号如图4所示，第二个信号相比第一个信号增加了一个符号周期的时间延迟，图中红色圆圈标出的是采样后的序列。

在上述这种情况下即使可以求解出信道h_ji，也无法在信道均衡算法中求解传输的数据。因为受MIMO传输本身的限制，发射天线数量决定了采用信道均衡算法求解数据时未知数的个数，接收天线数量决定了每次传输所能建立的方程个数，因此，接收天线数不可少于发射天线数，即需满足K≤B；

步骤5，当符号边缘不对齐时，执行步骤5.1至步骤5.2；

对于各路传输信号异步到达且符号边缘未对齐的情况，如果没有信道信息就无法使用信道均衡算法进行信号检测，需要对该情况下的信道进行测量。符号边缘未对齐时，由于采样后序列也未对齐，因此接收信号并非是采样后序列的线性组合，而是由已知采样点与未知采样点线性组合而成；由于已知采样点减少了传输方程中未知数的个数，且在新节点加入系统时已加入系统并稳定传输的节点信道已知，因此也能够使用增加采样点的方式求解未知信息。

步骤5.1，以采样率B/2^SF开始采样；

步骤5.2，在1个节点已稳定传输，另一个节点新加入系统，接收端使用2根接收天线的情况下，建立如式14所示的传输方程，通过该传输方程可以求解出所有未知量；

式中:

y₁(1)和y₁(2)分别对应第一个接收天线两个时刻的采样点，这两个采样点分别对应两路信号各自的采样点；

y₂(1)和y₂(2)则为另一个接收天线上的两个采样点；

h₁₁和h₂₁由于是已加入系统的节点的信道，因此为已知量；

h₁₂、x₂(1)、x₁(2)、h₂₂均为未知量，共计4个；

x表示表示节点传输的数据；

步骤6，在获取到全部参数后，信道矩阵H可以直接获得。

实施例2：

本实施例给出一种LoRa上行系统中多节点MU-MIMO传输方法，如图2所示，包括以下步骤：

步骤一，利用多个节点给网关发送信号，不同节点的信号经过瑞利衰落信道进行传输，所有信号与噪声组合之后到达接收天线；

步骤二，对步骤一得到的信号，首先需要检测前导码；

前导码是接收端检测信号的依据，在检测到前导码后就可以进行信道估计，因此检测前导码是LoRa是否能启用MU-MIMO的前提条件；

步骤三，接收端进行分布式MU-MIMO信道估计，获取信道信息；

所述的分布式MU-MIMO信道估计的方法采用实施例1中的LoRa上行系统中分布式MU-MIMO信道估计算法；

步骤四，将步骤三得到的信道信息，再将信道矩阵H代入信道均衡算法中即可解出MU-MIMO系统中所有节点传输的信号，最后对各路信号分别使用LoRa解码算法，求解出各个节点传输的数据，从而完成了一个完整的MU-MIMO传输过程。

性能测试：

第一，信号检测算法比较：

在测试MU-MIMO的各种性能前，首先对各种信号检测算法进行对比，包括三种信道均衡算法，还加入一种采用预编码的方法SVD作为对比。

系统中采用2个单天线节点进行发送，接收端使用4根接收天线进行接收，SF均设置为7，并在SNR分别为-5dB、-10dB、-15dB、-20dB、-25dB、-30dB的情况下进行传输。统计各次传输的误比特率，测试结果如图5所示。图中MMSE具有最优的性能，尽管MRC在低SNR时与MMSE相似，但当SNR超过-15dB时，MRC的误比特率相对较高；ZF的性能与MMSE非常接近，但在低SNR时误比特率略高于MMSE。因此本发明将采用MMSE作为主要分析的MU-MIMO信号检测算法。

第二，SF和SNR对误比特率和吞吐量的影响：

为了研究采用MU-MIMO的LoRa系统中影响系统吞吐量的主要参数，讨论具有2个单天线发送端和一个4根天线接收端的MU-MIMO系统在不同SNR时，误比特率随SF的变化情况，变化曲线如图6和图7所示。由图6可知，当采用不同SF并发传输时，MU-MIMO中单个节点的误比特率随SF的增加逐渐降低。这与节点单独传输时的情况非常相似，也验证了对于不同SF并发传输的情况，MU-MIMO可以有效分离各路信号。对于相同SF并发传输的情况，如图7所示，MU-MIMO中单个节点的误比特率在高于-15dB时几乎不随SF的变化而变化，而只与网关接收到节点传输信号的SNR相关，在低于-15dB时误比特率随SF的增加逐渐降低。

在获取了各SF的误比特率之后，可以计算得出该MU-MIMO系统中单个节点的吞吐量变化情况，吞吐量可表示为：

式中，T_SF,SNR和BER_SF,SNR分别表示以SF进行传输时信噪比为SNR的吞吐量和误比特率，T_SF表示chirp的周期。

由于该MU-MIMO系统可以将混合信号分解为独立的数据流，当计算系统吞吐量时只需将所有节点的吞吐量相加即可，因此，这里只给出单个节点的吞吐量。图8和图9中给出了在2×4的MU-MIMO系统中单个节点吞吐量的变化情况。

由图8和图9可知MU-MIMO中单个节点的吞吐量随SNR的增大逐渐上升，此外，在使用SF7、SF8和SF9进行传输时，吞吐量受SNR的变化影响较大；而在使用SF10、SF11和SF12进行传输时，吞吐量受SNR的变化影响较小。从该图中还可以看出采用各SF传输时，SF越大吞吐量达到饱和时对应的SNR越低。

Claims (2)

1.一种LoRa上行系统中分布式MU-MIMO信道估计算法，其特征在于，包括以下步骤：

步骤1，对于K个节点传输的信号y同时到达接收端时，由于K个节点都是新加入系统的节点，因此有K·R个信道h_ji未知；传输1个符号会产生K·R个未知数和R个方程，因此采用的编码矩阵至少为K+1阶；

其中，R个方程中的第一个方程中，第一个接收天线接收到的数据为：

y₁(n′)＝h₁₁s₁(n′)+…+h_1is_K(n′) 式12；

R个方程中的其它方程中，接收天线接收到的数据的表达式在式12的基础上依次类推；

j表示第j个接收天线；

i表示第i个节点；

h_ji表示第i个节点到第j个接收天线的信道；

s表示chirp；

n′表示第n′个采样点；

步骤2，接收端首先在接收到的信号中检测前导码，如果检测到前导码，则进行步骤3，如果未检测到前导码会持续检测，直到检测到前导码；

步骤3，在检测到前导码后，继续检测不同节点的符号边缘是否对齐；

当符号边缘对齐时，执行步骤4，当符号边缘不对齐时，执行步骤5；

步骤4，当符号边缘对齐时，执行步骤4.1至步骤4.4；

步骤4.1，首先计算预存的哈达玛矩阵阶数K′，然后接收等于哈达玛矩阵阶数K′的采样点；

步骤4.2，接收端预存阶数为K+1的哈达玛矩阵，以采样率B/2^SF对信号y进行采样；

其中，B表示信号带宽；SF表示扩频因子；

步骤4.3，每接收K+1个采样点就遍历哈达玛矩阵中的行来与y₁(n′)相乘，遍历到了第一个节点所使用的序列，由于哈达玛矩阵与编码矩阵不同行相乘求和为0，该序列与s₂(n′)、s₃(n′)、…、s_K(n′)相乘求和均为0，因此，只剩下一项h₁₁·(K+1)/4，除以(K+1)/4即可求出信道信息；

重复该过程，当完整遍历完一遍哈达玛矩阵后即可求得全部信道信息；

步骤4.4，对于K个节点中有K_N个节点新加入系统，K-K_N个节点稳定传输的情况，K-K_N个稳定传输的节点传输过程中的信道h_ji已知，并且数据部分以采样率B/2^SF采样后转换为已知符号，再利用哈达玛矩阵通过控制节点传输功率编码为已知序列，又由于K_N个新加入的节点传输的符号已知，因此只需估计K_N·R个信道h_ji，由于节点总数为K，因此依然需要编码矩阵至少为K+1阶；

其中，R个方程中的第一个方程中，第一个接收天线接收到的数据为：

R个方程中的其它方程中，接收天线接收到的数据的表达式在式13的基础上依次类推；

对于K-K_N个稳定传输的节点，其信道已知但序列并未与新加入节点的序列对齐，由于哈达玛矩阵与编码矩阵不同行错位相乘求和结果为0，因此依然可以区分不同节点传输的信号；对于K_N个新加入的节点，利用节点对应的序列与y₁(n′)相乘求和，最后只剩下一项，而该项即为该节点对应的信道信息与(K+1)/4的乘积；重复该过程能够求出所有未知信道；

接收天线数大于等于发射天线数，即需满足K≤R；

步骤5，当符号边缘不对齐时，执行步骤5.1至步骤5.2；

步骤5.1，以采样率B/2^SF开始采样；

步骤5.2，在1个节点已稳定传输，另一个节点新加入系统，接收端使用2根接收天线的情况下，建立如式14所示的传输方程，通过该传输方程可以求解出所有未知量；

式中：

y₁(1)和y₁(2)分别对应第一个接收天线两个时刻的采样点，这两个采样点分别对应两路信号各自的采样点；

y₂(1)和y₂(2)则为另一个接收天线上的两个采样点；

h₁₁和h₂₁由于是已加入系统的节点的信道，因此为已知量；

h₁₂、x₂(1)、x₁(2)、h₂₂均为未知量，共计4个；

x表示表示节点传输的数据；

步骤6，在获取到全部参数后，信道矩阵H可以直接获得。

2.一种LoRa上行系统中多节点MU-MIMO传输方法，其他组在于，包括以下步骤：

步骤一，利用多个节点给网关发送信号，不同节点的信号经过瑞利衰落信道进行传输，所有信号与噪声组合之后到达接收天线；

步骤二，对步骤一得到的信号，首先需要检测前导码；

步骤三，接收端进行分布式MU-MIMO信道估计，获取信道信息；

所述的分布式MU-MIMO信道估计的方法采用如权利要求1所述的LoRa上行系统中分布式MU-MIMO信道估计算法；

步骤四，将步骤三得到的信道信息，再将信道矩阵H代入信道均衡算法中即可解出MU-MIMO系统中所有节点传输的信号，最后对各路信号分别使用LoRa解码算法，求解出各个节点传输的数据，从而完成了一个完整的MU-MIMO传输过程。

Images