CN114285523B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN114285523B CN114285523B CN202111603475.6A CN202111603475A CN114285523B CN 114285523 B CN114285523 B CN 114285523B CN 202111603475 A CN202111603475 A CN 202111603475A CN 114285523 B CN114285523 B CN 114285523B
- Authority
- CN
- China
- Prior art keywords
- user
- data
- representing
- signal
- model
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 66
- 238000004891 communication Methods 0.000 title description 6
- 230000005540 biological transmission Effects 0.000 claims abstract description 53
- 239000011159 matrix material Substances 0.000 claims abstract description 50
- 230000000694 effects Effects 0.000 claims abstract description 39
- 238000000034 method Methods 0.000 claims abstract description 24
- 230000008447 perception Effects 0.000 claims abstract description 6
- 239000013598 vector Substances 0.000 claims description 36
- 238000012937 correction Methods 0.000 claims description 10
- 230000007704 transition Effects 0.000 claims description 10
- 238000010276 construction Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 238000011084 recovery Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000005562 fading Methods 0.000 claims description 3
- 238000004088 simulation Methods 0.000 description 6
- 230000007423 decrease Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000004913 activation Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000013475 authorization Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000013138 pruning Methods 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种面向多业务需求的大规模MTC多用户检测方法及系统，为描述未来mMTC网络中的多业务传输需求，根据免授权mMTC上行MIMO传输模型以及用户的多种业务需求，建立多状态马尔可夫模型，多状态马尔可夫模型联合描述用户活跃状态的时间相关性与传输数据的长度多样性；将多用户检测问题转化为块感知模型下的最大后验概率估计问题；基于压缩感知的信号重建算法得到最大后验概率问题的解，并得到最终估计的数据矩阵，充分利用传输信号的块稀疏结构特性与马尔可夫模型中描述的多业务需求的先验信息，有效地求解最大后验概率估计问题，从而完成多用户检测，本发明提高了用户活跃性检测与数据解码的准确性，获得较优的系统性能。
Description
技术领域
本发明属于大规模MTC网络中的随机接入与数据传输技术，具体涉及一种面向多业务需求的大规模MTC免授权多用户检测方法。
背景技术
大规模机器类通信(massive Machine Type Communications，mMTC)，是第五代移动通信技术(The 5th Generation Mobile Communication Technology，5G)的三大典型应用场景之一，具有大规模连接、小数据包、零星传输的特点。为了解决mMTC在传统随机接入过程中产生的大量信令开销和严重的接入延时，免授权接入方式引起了研究者们的兴趣。在该接入方式下，用户不需要经过基站的授权，就可以直接进行数据传输，提高了系统通信效率。由于无法获知用户的传输信息，需要基于收到的信号进行活跃用户检测、数据解码等操作。而未来的mMTC网络将面临多样的业务传输需求，每一个设备会承载多种类型的服务，从而导致了设备的激活模式及传输的数据总量各不相同。业务需求的多样性为mMTC网络中的多用户检测问题带来了挑战。如何基于多种传输需求建立多用户检测方案，以提高系统检测的性能，是一个需要解决的技术问题。
发明内容
为了解决现有技术中存在的问题，本发明提供了一种面向多业务需求的大规模MTC免授权多用户检测方法，联合考虑了活跃用户的时间相关性与传输数据的长度多样性的影响，以获得较高的检测准确度。
为实现上述目的，本发明采用的技术方案为：一种面向多业务需求的大规模MTC免授权多用户检测方法，包括以下步骤：
建立免授权mMTC上行MIMO传输模型或传输系统，所述传输模型或传输系统包括N个单天设备，和一个具备M根天线的基站，并且由于mMTC零星传输的特征，每时刻只有很少一部分设备处于活跃状态；将设备用户索引集表示为将一个时隙的持续时间划分为L个符号间隔；当用户在某时隙被激活时，传送包含不同数据符号个数的数据包，且每个数据包的最大长度为L；基站在时隙j内接收到的信号为Y[j]＝H[j]X[j]+W[j]，其中X[j]表示时隙j内包含所有用户发送数据的数据矩阵，H[j]表示信道矩阵，W[j]表示噪声；
根据免授权mMTC上行MIMO传输模型以及用户的多种业务需求，建立多状态马尔可夫模型，多状态马尔可夫模型联合描述用户活跃状态的时间相关性与传输数据的长度多样性；
将多用户检测问题转化为块感知模型下的最大后验概率估计问题其中p[j]和c[j]分别为Y[j]和X[j]的等效块稀疏形式；
基于接收信号Y[j]与确定的信道矩阵H[j]，利用压缩感知的信号重建算法得到最大后验概率问题的解并得到最终估计的数据矩阵/>
建立的信号模型Y[j]＝H[j]X[j]+W[j]中，其数据矩阵表示所有用户在时隙j发送的数据，其中/>为用户n发送的数据向量，设/>表示该用户传输的数据包长度，即非零数据符号的个数；每个数据符号从复数调制星座集/>中随机选取，K表示调制阶数；/>表示信道矩阵，/>表示用户n与基站的天线m间的信道系数，且/>考虑平坦瑞丽衰落，信道状态在一个时隙内保持不变；/>为噪声干扰，其元素/>其中/>表示噪声功率。
所述马尔可夫模型中，每一个用户的活跃状态变化对应一条(T+1)状态的马尔可夫链，对应状态集合其中S0表示用户处于非活跃状态，St状态表示用户已连续激活t个时隙(t＝1,…,T)，T表示用户可连续激活的最大时隙数；用户n在时隙j从状态Sp转移至Sq的概率为如下：
其中与/>表示用户n在时隙j与时隙(j+1)时的活跃状态，λ，γ，β分别为(0,1)之间的常数；考虑用户传输数据的长度多样性，设数据包长度集合为/>(1≤L1＜…＜LR≤L)，则若用户n在时隙j处于状态St，则该用户以概率/>生成长度为Lr的数据包，即/>
将多用户检测问题下的普通稀疏模型转换为块压缩感知模型，具体如下：
将数据矩阵X[j]中每一行划分为一个块单元，作为信号检测的最小单位，并将其转换为向量形式即：
其中vec(·)表示矩阵的列向量化；
基于块压缩感知理论，将信号模型Y[j]＝H[j]X[j]+W[j]转换为如下的块压缩感知模型：
p[j]＝D[j]c[j]+v[j]
其中p[j]＝vec((Y[j])T)，v[j]＝vec((W[j])T)，/>表示克罗内克积，IL表示L×L的单位矩阵；
将多用户检测问题转化为在块压缩感知模型中从信号p[j]中恢复信号c[j]。
将多用户检测问题转化为块感知模型下的最大后验概率估计问题：
由贝叶斯准则，得到：
logp(p[j],c[j])＝logp(p[j]|c[j])+logp(c[j])
具体地，
其中，为状态转移概率；/>用于指示用户n的活跃性，/>或0表示该用户处于活跃或非活跃状态。
所述采用基于压缩感知的算法，以贪婪迭代的方式获取最大后验概率问题的解i表示当前迭代索引，每次迭代分为以下两个阶段：
在阶段一，进行活跃性指示向量a＝[a1,…aN]T的估计；在第i次迭代中，基于(i-1)次迭代得到的活跃性指示向量与数据信号的结果与/>对用户/>活跃性估计结果/>与信号估计结果/>进行更新，其中/>表示/>中非零元素的索引集，即支撑集；将/>的值更新为/> 更新为/>对于其他用户/> 与/>保持不变；则更新后的/>与/>表示为/>与/>得到更新后的数据信号/>的对数似然比为：
用户n更新后的数据向量可通过下式获得：
其中表示信道矩阵D的第n个块；进一步可将/>化简为：
得到用户n更新后的活跃性指示向量估计结果的值为：
得到更新活跃性指示向量的候选集为：
在候选集中选择一个具有最大对数似然比ρi的用户作为本次迭代的更新用户，进而得到估计的活跃性指示向量：
在阶段二，进行传输信号的重建；首先利用最小二乘估计的方法估计传输信号：
其中表示/>的子向量，其元素为/> 表示D的子矩阵，元素为/> (·)H表示矩阵的共轭转置，/>表示/>中的元素个数，(·)-1表示矩阵求逆；进行块内元素修正，估计每个块内非零数据符号的个数：
其中表示/>内的第l个符号，l′表示索引集{l,...,L}中的元素，Pth为功率阈值；将/>进行星座映射，最终得到第i次迭代的信号重建结果/>
当满足条件时，退出迭代；假设最终迭代次数i＝I，则得到最大后验概率问题的解/>并得到重建的数据矩阵：
其中vec-1(·)表示vec(·)的逆函数。
另一方面，本发明还可以提供一种面向多业务需求的大规模MTC免授权多用户检测系统，包括模型或系统构建模块、多状态马尔可夫模型构建模块、多用户检测问题转化模块以及求解模块；
模型或系统构建模块用于建立免授权mMTC上行MIMO传输模型或传输系统，所述传输模型或传输系统包括N个单天设备，和一个具备M根天线的基站，并且由于mMTC零星传输的特征，每时刻只有很少一部分设备处于活跃状态；将设备用户索引集表示为将一个时隙的持续时间划分为L个符号间隔；当用户在某时隙被激活时，传送包含不同数据符号个数的数据包，且每个数据包的最大长度为L；基站在时隙j内接收到的信号为Y[j]＝H[j]X[j]+W[j]，其中X[j]表示时隙j内包含所有用户发送数据的数据矩阵，H[j]表示信道矩阵，W[j]表示噪声；
多状态马尔可夫模型构建模块用于根据免授权mMTC上行MIMO传输模型以及用户的多种业务需求，建立多状态马尔可夫模型，多状态马尔可夫模型联合描述用户活跃状态的时间相关性与传输数据的长度多样性；
多用户检测问题转化模块用于将多用户检测问题转化为块感知模型下的最大后验概率估计问题其中p[j]和c[j]分别为Y[j]和X[j]的等效块稀疏形式；
求解模块采用采用基于压缩感知的信号重建算法得到最大后验概率问题的解并得到最终估计的数据矩阵/>
另外，本发明还挺一种计算机设备，包括处理器以及存储器，存储器用于存储计算机可执行程序，处理器从存储器中读取所述计算机可执行程序并执行，处理器执行计算可执行程序时能实现本发明所述面向多业务需求的大规模MTC免授权多用户检测方法。
同时可以提供一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时，能实现本发明所述的面向多业务需求的大规模MTC免授权多用户检测方法。
与现有技术相比，本发明至少具有以下有益效果：本发明建立了多状态马尔可夫模型，更加全面系统地描述了多业务需求中的用户活跃状态的时间相关性与传输数据的长度多样性；将信号模型转化为具有块稀疏结构的块压缩感知模型，将多用户检测问题转化为最大后验概率问题，有效地利用了所构建的马尔可夫模型中的先验信息；并设计了基于压缩感知的检测算法有效求解最大后验概率问题，提高了系统活跃用户检测和数据解码的准确度。
附图说明
图1为本发明考虑的mMTC用户在多时隙内的传输场景图。
图2为本发明建立的描述多业务需求的多状态马尔可夫模型图。
图3为不同功率阈值Pth下，系统误符号率的变化曲线。
图4为不同信噪比下，Pth最优值的变化曲线。
图5为本发明方法与对比方案下的活跃性错误率随信噪比的变化曲线。
图6为本发明方法与对比方案下的误符号率随信噪比的变化曲线。
具体实施方式
下面结合附图对本发明进行详细阐述。
系统模型
考虑免授权mMTC上行MIMO传输场景，N个单天设备和一个具备M根天线的基站，基于mMTC零星传输的特征，每时刻只有很少一部分设备处于活跃状态。将设备用户索引集表示为本发明将一个时隙的持续时间划分为L个符号间隔，如图1所示，当用户在某时隙被激活时，传送包含不同数据符号个数的数据包，且每个数据包的最大长度为L。对于时隙j(j＝1,2,…)，用户n传输的数据包用一个长度为L的向量表示，设/>表示该用户数据包的大小，即非零数据符号的个数。对于/> 表示用户传输的第l个数据符号，该数据符号从一个复数星座集/>中随机选择，其中K表示调制阶数。将每一个数据符号进行功率归一化，即/>假设每个用户在空闲的符号间隔中发送符号“0”，则对于有/>此外，如果用户在该时隙内处于非活跃状态，则相当于发送了一个长为L的零向量。因此所有用户发送的符号可用星座集/>表示。
本发明假设基站已知准确的信道信息，则基站在时隙j接收到来自所有用户的信号叠加为
Y[j]＝H[j]X[j]+W[j]
其中，表示包含所有活跃用户发送数据的数据矩阵。表示信道矩阵，/>表示用户n与基站的天线m间的信道系数，考虑平坦瑞丽衰落，信道状态在一个时隙内保持不变，信道状态在一个时隙内保持不变；/>为噪声干扰，其元素其中/>表示噪声功率。
由于mMTC设备具有零星传输的特征，只有极少的用户在同一时刻处于活跃状态，则数据矩阵X[j]具有行稀疏特性，即矩阵中只存在少部分的非零行。本发明通过从信号Y[j]中恢复行稀疏矩阵X[j]以实现多用户检测，即实现联合的用户活跃性与数据检测。
多状态马尔可夫模型
为描述mMTC网络中的多业务需求，本发明建立了多状态马尔可夫模型，如图2所示，该模型同时考虑了活跃用户的时间相关性与数据长度多样性的影响。本发明将用户活跃状态的时间相关性建模为(T+1)状态的马尔可夫链，对应状态集合其中S0表示用户处于非活跃状态，St状态表示用户已连续激活t个时隙(t＝1,...,T)，T表示用户可连续激活的最大时隙数；用户n在时隙j从状态Sp转移至Sq的概率为：
其中与/>表示用户n在时隙j与时隙(j+1)时的状态，λ∈(0,1)表示用户从状态S0转移至S1，即非活跃转换为活跃的概率，βp-1γ表示用户从Sp转移至Sp+1(p＝1,…T-1)的概率，β∈(0,1)表示折扣因子，βp-1表示状态Sp转移至Sp+1时活跃概率的衰减程度，以保证随着用户连续激活的时隙个数的增加，用户的活跃概率逐渐减小。
考虑用户传输数据的长度多样性，设数据包长度集合为(1≤L1＜…＜LR≤L)，则若用户n在时隙j处于状态St，则该用户以概率/>生成长度为Lr的数据包，即
基于以上讨论，本发明通过建立多状态的马尔可夫模型，系统地描述了多业务需求的特征，联合考虑了时间相关性与数据长度多样性。
面向多业务需求的多用户检测
先将多用户检测问题转换为块压缩感知模型下的最大后验概率估计问题，然后设计出基于压缩感知的检测算法有效求解所建立的最大后验概率问题。
问题构建
将数据矩阵X[j]中每一行，即划分为一个块单元，作为信号检测的最小单位，并将其转换为向量形式/>即
其中vec(·)表示矩阵的列向量化。由于X[j]是行稀疏矩阵，则c[j]具有块稀疏性，即c[j]只存在少量的非零块。基于块压缩感知理论，将信号模型Y[j]＝H[j]X[j]+W[j]转换为如下的块压缩感知模型：
p[j]＝D[j]c[j]+v[j]
其中p[j]＝vec((Y[j])T)，v[j]＝vec((W[j])T)，/>表示克罗内克积，IL表示L×L的单位矩阵。从而将多用户检测问题转化为在块压缩感知模型中从信号p[j]中恢复信号c[j]。
用户的活跃性指示向量表示为其元素an [j]＝1表示用户n在时隙j活跃，an [j]＝0则表示该用户处于非活跃状态，an [j]的概率分布由状态Sn [j-1]转移至/>的转移概率决定，即
其中由于每个用户的激活状态相互独立，因此有/>进而得到数据矩阵/>的概率分布：
由于每个用户数据包的生成相互独立，因此有噪声矩阵W[j]服从复高斯分布/>则在给定数据信号c[j]时，接收信号p[j]的后验概率p(p[j]|c[j])可表示为
进而将从信号p[j]中恢复信号c[j]的多用户检测问题转化为如下的最大后验概率问题
块内修正辅助的贝叶斯块正交匹配追踪
基于所构建的最大后验概率问题，本发明设计了一种压缩感知信号重构算法，名为块内元素修正辅助的贝叶斯块正交匹配追踪(intra-block pruning aided Bayesianblock orthogonal matching pursuit，IBPA-BBOMP)算法，有效解决构建的最大后验概率问题。
对于时隙j，算法以贪婪迭代的方式估计信号c[j]。在以下描述中，省略表示时隙的上标[j]。令i表示迭代索引，与/>表示在第i次迭代中估计的活跃性指示向量与估计的信号。/>的支撑集定义为
其中表示活跃性指示向量/>中非零元素的索引集。可以得到/>中的元素也表示估计的信号/>中非零块的索引。将第i次迭代的残差信号定义为
在迭代开始前，进行初始化设置：及r0＝p。每次迭代包含两个阶段：活跃性指示向量更新阶段与信号重建阶段。将第i次迭代的过程描述如下：
阶段一：活跃性指示向量的更新
基于第i-1次迭代中得到的结果及/>在第i次迭代中将估计的活跃性指示向量/>进行更新，得到/>以实现/>注意到，接收信号数据信号的联合概率p(p,c)表示为
p(p,c)＝p(p|c)p(c)＝p(p|c)p(c,a)＝p(p|c)p(c|a)p(a)
其中第二个等式成立的原因是：a可由c唯一确定，有p(c)＝p(c,a)，即c的边缘概率等于a与c的联合概率。每次迭代，在集合中选择一个用户，对其活跃性指示向量估计与信号估计进行更新，其中/>表示在第i-1次迭代中估计的处于非活跃状态的用户。假设选择用户/>并假设其对应的/>的值更新为/> 更新为/>对于其他用户/> 与/>保持不变，则更新后的其他用户n′第i-1次迭代结果/>与/>表示为/>与/>为了描述经过上述更新过程后/>的变化，定义更新后的数据信号/>的对数似然比为：
用户n更新后的数据向量可通过下式获得
其中表示信道矩阵D的第n个块。由于对/>有/>则得到且/>另外由于/>由/>唯一确定，因此有/>进而将/>化简为/>接着分两步进行活跃性指示向量的更新：
(1)生成候选集
用户n更新后的活跃性指示向量估计结果的值为可由下式确定：
得到更新活跃性指示向量的候选集为
(2)更新活跃性指示向量
在候选集中选择一个具有最大对数似然比ρi的用户作为本次迭代的更新用户，进而得到估计的活跃性指示向量/>
阶段二：信号的重建
由得到其支撑集/>接着分以下三步对信号c进行重建：
(1)利用最小二乘估计初步恢复数据信号
根据支撑集利用LS对数据信号进行估计：
其中表示/>的子向量，其元素为/> 表示D的子矩阵，元素为Dn (·)H表示矩阵的共轭转置，/>表示/>中的元素个数，(·)-1表示矩阵求逆。
(2)块内元素修正
多业务需求场景中数据长度多样性的存在，使块稀疏信号c中每一个块内的非零元素个数各不相同。而在步骤(1)中的LS估计每次将每个块内的L个元素进行同时恢复，这使得原本的零元素被错误识别为非零元素。因此通过修正中每一个块内的元素，获得实际非零元素的个数。由于被判断错误的零元素的功率通常小于实际的非零元素，则将修正准则设计如下：
其中表示/>内的第l个符号，l′表示索引集{l,...,L}中的元素，Pth为功率阈值。由于每个数据符号的功率被归一化，则Pth的最优值可通过一维搜索确定。
(3)星座映射
根据星座集将估计信号的每一个元素/>映射到对应的星座点，以得到第i次迭代的信号重建结果/>进而对残差信号ri进行更新：/>并计算/>
当满足条件时，退出迭代；假设最终迭代次数i＝I，则得到最大后验概率问题的解/>并得到重建的数据矩阵：
其中vec-1(·)表示vec(·)的逆函数。
具体算法过程如算法1所示。
另外，本发明还可以提供一种计算机设备，包括处理器以及存储器，存储器用于存储计算机可执行程序，处理器从存储器中读取部分或全部所述计算机可执行程序并执行，处理器执行部分或全部计算可执行程序时能实现本发明所述面向多业务需求的大规模MTC免授权多用户检测方法。
另一方面，本发明提供一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时，能实现本发明所述的面向多业务需求的大规模MTC免授权多用户检测方法。
所述计算机设备可以采用笔记本电脑、桌面型计算机或工作站。
处理器可以是中央处理器(CPU)、数字信号处理器(DSP)、专用集成电路(ASIC)或现成可编程门阵列(FPGA)。
对于本发明所述存储器，可以是笔记本电脑、桌面型计算机或工作站的内部存储单元，如内存、硬盘；也可以采用外部存储单元，如移动硬盘、闪存卡。计算机可读存储介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机可读存储介质可以包括：只读存储器(ROM，Read OnlyMemory)、随机存取记忆体(RAM，Random Access Memory)、固态硬盘(SSD，Solid StateDrives)或光盘等。其中，随机存取记忆体可以包括电阻式随机存取记忆体(ReRAM,Resistance Random Access Memory)和动态随机存取存储器(DRAM，Dynamic RandomAccess Memory)。
数值仿真与结果分析
1)仿真参数设置
本发明通过仿真来评估所提方案的系统性能，系统参数设置如表1所示：
表1仿真参数
图3所示，在给定信噪比时，不同功率阈值Pth下系统误符号率的变化曲线。可以看出，存在一个Pth的最优值使得系统的误符号率性能最佳。
图4所示为不同信噪比下，Pth最优值的变化曲线。可以看出随着信噪比的增大，Pth最优值逐渐减小。在下面的仿真评估中，将采用图4所示的不同信噪比下的Pth最优值。
为了证明本发明所提出的面向多业务需求的多用户检测方案的性能优越性，将所述方案与传统的块正交匹配追踪(traditional BOMP)方案、修改的块正交匹配追踪(modified-BOMP)方案、边信息辅助的块正交匹配追踪(side-information aided BOMP，SIA-BOMP)方案、与作为基准的oracle LS方案进行了对比分析。其中modified-BOMP方案在traditional BOMP的基础上去除了基站已知准确的活跃用户个数的假设条件，并添加了块内元素修正步骤；SIA-BOMP方案将T个时隙内的所有数据包为一个检测块，利用BOMP算法进行联合检测，并利用前一检测块中的先验信息，并同样添加了元素修正步骤；oracle LS方案最为性能比较的基准方案，假设基站已知准确的活跃用户集合每个数据包的实际长度。
图5为本方案与traditional BOMP、modified-BOMP及SIA-BOMP方案下的活跃性检测错误率随信噪比的变化曲线。可以看出，随着系统信噪比的增加，所有方案的活跃性检测错误率都逐渐下降，但本发明提出的方案性能优于其他对比方案。这是由于本发明不像传统压缩感知算法一样仅采用最大相关原则进行用户检测，而是遵循了最大后验概率原则进行活跃用户集的选取，从而联合考虑了多业务需求带来的先验信息，获得了更高的活跃性检测准确度。
图6为本发明所述方法与traditional BOMP、modified-BOMP、SIA-BOMP及oracleLS方案下的误符号率随信噪比的变化曲线。可以看出，随着系统信噪比的增加，所有方案的误符号率都逐渐下降，但本方案的性能优于traditional BOMP、modified-BOMP及SIA-BOMP方案，其原因在于本方案通过求解最大后验概率问题进行信号支撑集的判断与信号系数的恢复，充分利用了所建立的多状态马尔可夫模型中多业务需求所提供的先验信息。而oracle LS方案的性能优于所提出的方案，因为该方案假设基站已知准确的活跃用户集与数据包长度，二者性能的差距是由不准确的活跃用户估计与不准确的数据长度估计造成的，
综上所述，本发明提出的面向多业务需求的mMTC多用户检测方案，充分利用了所构建的马尔可夫模型中描述的多业务需求的有效信息，并根据最大后验概率原则进行信号检测，获得了较高的系统性能。仿真结果表明：与现有的多用户检测方案相比，本发明面向多业务需求的多用户检测方案有效降低了用户活跃性检测错误率与误符号率，具有更优的系统性能。
以上内容是对本发明的详细说明，不能认定本发明的仅限于此，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的推演或替换，都应当视为属于本发明由所提交的权利要求书确定保护范围。
Claims (8)
1.一种面向多业务需求的大规模MTC免授权多用户检测方法，其特征在于，包括以下步骤：
建立免授权mMTC上行MIMO传输模型或传输系统，所述传输模型或传输系统包括N个单天线设备，和一个具备M根天线的基站，并且由于mMTC零星传输的特征，每时刻只有很少一部分设备处于活跃状态；将设备用户索引集表示为将一个时隙的持续时间划分为L个符号间隔；当用户在某时隙被激活时，传送包含不同数据符号个数的数据包，且每个数据包的最大长度为L；基站在时隙j内接收到的信号为Y[j]＝H[j]X[j]+W[j]，其中X[j]表示时隙j内包含所有用户发送数据的数据矩阵，H[j]表示信道矩阵，W[j]表示噪声；
根据免授权mMTC上行MIMO传输模型以及用户的多种业务需求，建立多状态马尔可夫模型，多状态马尔可夫模型联合描述用户活跃状态的时间相关性与传输数据的长度多样性；
将多用户检测问题转化为块感知模型下的最大后验概率估计问题其中p[j]和c[j]分别为Y[j]和X[j]的等效块稀疏形式；
基于接收信号Y[j]与确定的信道矩阵H[j]，利用压缩感知的信号重建算法得到最大后验概率问题的解并得到最终估计的数据矩阵/>所述利用压缩感知的信号重建算法，以贪婪迭代的方式获取最大后验概率问题的解/>i表示当前迭代索引，每次迭代分为以下两个阶段：
在阶段一，进行活跃性指示向量a＝[a1,...aN]T的估计；在第i次迭代中，基于(i-1)次迭代得到的活跃性指示向量与数据信号的结果与/>对用户/>活跃性估计结果/>与信号估计结果/>进行更新，其中/>表示/>中非零元素的索引集，即支撑集；将/>的值更新为/> 更新为/>对于其他用户/> 与/>保持不变；则更新后的/>与/>表示为/>与/>得到更新后的数据信号/>的对数似然比为：
用户n更新后的数据向量可通过下式获得：
其中表示信道矩阵D的第n个块；进一步可将/>化简为：
得到用户n更新后的活跃性指示向量估计结果的值为：
得到更新活跃性指示向量的候选集为：
在候选集中选择一个具有最大对数似然比ρi的用户作为本次迭代的更新用户，进而得到估计的活跃性指示向量：
在阶段二，进行传输信号的重建；首先利用最小二乘估计的方法估计传输信号：
其中表示/>的子向量，其元素为/> 表示D的子矩阵，元素为Dn (·)H表示矩阵的共轭转置，/>表示/>中的元素个数，(·)-1表示矩阵求逆；进行块内元素修正，估计每个块内非零数据符号的个数：
其中表示/>内的第l个符号，l′表示索引集{l,...,L}中的元素，Pth为功率阈值；将/>进行星座映射，最终得到第i次迭代的信号重建结果/>
当满足条件时，退出迭代；假设最终迭代次数i＝I，则得到最大后验概率问题的解/>并得到重建的数据矩阵：
其中vec-1(·)表示vec(·)的逆函数。
2.根据权利要求1所述的面向多业务需求的大规模MTC免授权多用户检测方法，其特征在于，建立的信号模型Y[j]＝H[j]X[j]+W[j]中，其数据矩阵表示所有用户在时隙j发送的数据，其中/>为用户n发送的数据向量，设/>表示该用户传输的数据包长度，即非零数据符号的个数；每个数据符号从复数调制星座集/>中随机选取，K表示调制阶数；/>表示信道矩阵，/>表示用户n与基站的天线m间的信道系数，且/>考虑平坦瑞丽衰落，信道状态在一个时隙内保持不变；/>为噪声干扰，其元素/>其中/>表示噪声功率。
3.根据权利要求1所述的面向多业务需求的大规模MTC免授权多用户检测方法，其特征在于，所述马尔可夫模型中，每一个用户的活跃状态变化对应一条(T+1)状态的马尔可夫链，对应状态集合其中S0表示用户处于非活跃状态，St状态表示用户已连续激活t个时隙(t＝1,…,T)，T表示用户可连续激活的最大时隙数；用户n在时隙j从状态Sp转移至Sq的概率为如下：
其中与/>表示用户n在时隙j与时隙(j+1)时的活跃状态，λ，γ，β分别为(0,1)之间的常数；考虑用户传输数据的长度多样性，设数据包长度集合为/>(1≤L1＜…＜LR≤L)，则若用户n在时隙j处于状态St，则该用户以概率/>生成长度为Lr的数据包，即/>
4.根据权利要求1所述的面向多业务需求的大规模MTC免授权多用户检测方法，其特征在于，将多用户检测问题下的普通稀疏模型转换为块压缩感知模型，具体如下：
将数据矩阵X[j]中每一行划分为一个块单元，作为信号检测的最小单位，并将其转换为向量形式即
其中vec(·)表示矩阵的列向量化；
基于块压缩感知理论，将信号模型Y[j]＝H[j]X[j]+W[j]转换为如下的块压缩感知模型：
p[j]＝D[j]c[j]+v[j]
其中p[j]＝vec((Y[j])T)，v[j]＝vec((W[j])T)，/>表示克罗内克积，IL表示L×L的单位矩阵；
将多用户检测问题转化为在块压缩感知模型中从信号p[j]中恢复信号c[j]。
5.根据权利要求1所述的面向多业务需求的大规模MTC免授权多用户检测方法，其特征在于，将多用户检测问题转化为块感知模型下的最大后验概率估计问题：
由贝叶斯准则，得到：
logp(p[j],c[j])＝logp(p[j]|c[j])+logp(c[j])
具体地，
其中，为状态转移概率；/>用于指示用户n的活跃性，/>或0表示该用户处于活跃或非活跃状态。
6.一种面向多业务需求的大规模MTC免授权多用户检测系统，其特征在于，包括模型或系统构建模块、多状态马尔可夫模型构建模块、多用户检测问题转化模块以及求解模块；
模型或系统构建模块用于建立免授权mMTC上行MIMO传输模型或传输系统，所述传输模型或传输系统包括N个单天设备，和一个具备M根天线的基站，并且由于mMTC零星传输的特征，每时刻只有很少一部分设备处于活跃状态；将设备用户索引集表示为将一个时隙的持续时间划分为L个符号间隔；当用户在某时隙被激活时，传送包含不同数据符号个数的数据包，且每个数据包的最大长度为L；基站在时隙j内接收到的信号为Y[j]＝H[j]X[j]+W[j]，其中X[j]表示时隙j内包含所有用户发送数据的数据矩阵，H[j]表示信道矩阵，W[j]表示噪声；
多状态马尔可夫模型构建模块用于根据免授权mMTC上行MIMO传输模型以及用户的多种业务需求，建立多状态马尔可夫模型，多状态马尔可夫模型联合描述用户活跃状态的时间相关性与传输数据的长度多样性；
多用户检测问题转化模块用于将多用户检测问题转化为块感知模型下的最大后验概率估计问题其中p[j]和c[j]分别为Y[j]和X[j]的等效块稀疏形式；
求解模块采用采用基于压缩感知的信号重建算法得到最大后验概率问题的解并得到最终估计的数据矩阵/>所述采用基于压缩感知的算法，以贪婪迭代的方式获取最大后验概率问题的解/>i表示当前迭代索引，每次迭代分为以下两个阶段：
在阶段一，进行活跃性指示向量a＝[a1,...aN]T的估计；在第i次迭代中，基于(i-1)次迭代得到的活跃性指示向量与数据信号的结果与/>对用户/>活跃性估计结果/>与信号估计结果/>进行更新，其中/>表示/>中非零元素的索引集，即支撑集；将/>的值更新为/> 更新为/>对于其他用户/> 与/>保持不变；则更新后的/>与/>表示为/>与/>得到更新后的数据信号/>的对数似然比为：
用户n更新后的数据向量可通过下式获得：
其中表示信道矩阵D的第n个块；进一步可将/>化简为：
得到用户n更新后的活跃性指示向量估计结果的值为：
得到更新活跃性指示向量的候选集为：
在候选集中选择一个具有最大对数似然比ρi的用户作为本次迭代的更新用户，进而得到估计的活跃性指示向量：
在阶段二，进行传输信号的重建；首先利用最小二乘估计的方法估计传输信号：
其中表示/>的子向量，其元素为/> 表示D的子矩阵，元素为Dn (·)H表示矩阵的共轭转置，/>表示/>中的元素个数，(·)-1表示矩阵求逆；进行块内元素修正，估计每个块内非零数据符号的个数：
其中表示/>内的第l个符号，l′表示索引集{l,...,L}中的元素，Pth为功率阈值；将/>进行星座映射，最终得到第i次迭代的信号重建结果/>
当满足条件时，退出迭代；假设最终迭代次数i＝I，则得到最大后验概率问题的解/>并得到重建的数据矩阵：
其中vec-1(·)表示vec(·)的逆函数。
7.一种计算机设备，其特征在于，包括处理器以及存储器，存储器用于存储计算机可执行程序，处理器从存储器中读取所述计算机可执行程序并执行，处理器执行计算可执行程序时能实现权利要求1～5中任一项所述面向多业务需求的大规模MTC免授权多用户检测方法。
8.一种计算机可读存储介质，其特征在于，计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时，能实现如权利要求1～5中任一项所述的面向多业务需求的大规模MTC免授权多用户检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111603475.6A CN114285523B (zh) | 2021-12-24 | 2021-12-24 | 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 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111603475.6A CN114285523B (zh) | 2021-12-24 | 2021-12-24 | 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 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114285523A CN114285523A (zh) | 2022-04-05 |
| CN114285523B true CN114285523B (zh) | 2023-09-15 |
Family
ID=80875402
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111603475.6A Active CN114285523B (zh) | 2021-12-24 | 2021-12-24 | 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 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114285523B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115333709B (zh) * | 2022-06-21 | 2023-06-23 | 北京邮电大学 | 数据传输方法、装置、电子设备和存储介质 |
| CN115550994A (zh) * | 2022-09-29 | 2022-12-30 | 浙江大学 | 一种与源址无关的分布式状态监测方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9209870B1 (en) * | 2014-12-11 | 2015-12-08 | Telefonaktiebolaget L M Ericsson (Publ) | Adaptive wireless MIMO communications system using list-based MIMO detector |
| CN107431521A (zh) * | 2015-04-01 | 2017-12-01 | 三星电子株式会社 | 一种用于在无线通信系统中管理无线电链路的装置和方法 |
| CN110071881A (zh) * | 2019-04-26 | 2019-07-30 | 北京理工大学 | 一种自适应开销的活跃用户检测和信道估计方法 |
| CN110139249A (zh) * | 2019-05-05 | 2019-08-16 | 西安电子科技大学 | 基于机器类型通信设备分组的半非授权随机接入方法 |
| CN112242861A (zh) * | 2020-09-01 | 2021-01-19 | 宁波大学 | 大规模mimo系统的用户活跃性和信号联合检测方法 |
| CN112994850A (zh) * | 2021-05-18 | 2021-06-18 | 南京邮电大学 | 一种联合发送端和接收端的scma编译码方法 |
-
2021
- 2021-12-24 CN CN202111603475.6A patent/CN114285523B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9209870B1 (en) * | 2014-12-11 | 2015-12-08 | Telefonaktiebolaget L M Ericsson (Publ) | Adaptive wireless MIMO communications system using list-based MIMO detector |
| CN107431521A (zh) * | 2015-04-01 | 2017-12-01 | 三星电子株式会社 | 一种用于在无线通信系统中管理无线电链路的装置和方法 |
| CN110071881A (zh) * | 2019-04-26 | 2019-07-30 | 北京理工大学 | 一种自适应开销的活跃用户检测和信道估计方法 |
| CN110139249A (zh) * | 2019-05-05 | 2019-08-16 | 西安电子科技大学 | 基于机器类型通信设备分组的半非授权随机接入方法 |
| CN112242861A (zh) * | 2020-09-01 | 2021-01-19 | 宁波大学 | 大规模mimo系统的用户活跃性和信号联合检测方法 |
| CN112994850A (zh) * | 2021-05-18 | 2021-06-18 | 南京邮电大学 | 一种联合发送端和接收端的scma编译码方法 |
Non-Patent Citations (4)
| Title |
|---|
| MCMC-Based Detection for Random Access With Preambles in MTC;Jinho Choi;《IEEE Transactions on Communications ( Volume: 67, Issue: 1, January 2019)》;全文 * |
| Tao Wang ; Yichen Wang ; Chunfeng Wang ; Zihuan Yang ; Julian Cheng.Group-Based Random Access and Data Transmission Scheme for Massive MTC Networks.《IEEE Transactions on Communications ( Volume: 69, Issue: 12, December 2021)》.2021,全文. * |
| 杨子欢 ; 王熠晨 .大规模MTC网络中基于最优功率退避的NORA方案.《2017-2019年"学术金秋"获奖论文集》.2020,全文. * |
| 面向后5G的非正交多址技术综述;杨一夫;武刚;李欣然;付靖微;胡苏;;《无线电通信技术》(第01期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114285523A (zh) | 2022-04-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114285523B (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 | |
| US8619918B2 (en) | Sparse channel estimation for MIMO OFDM systems | |
| US7668268B2 (en) | Lower complexity computation of lattice reduction | |
| TWI463823B (zh) | 相關性衰落通道的模型基礎通道估計器和通道估計方法 | |
| CN108141314B (zh) | 用于确定纠错码系统的特征的方法和装置 | |
| US20090135944A1 (en) | Cooperative-MIMO Communications | |
| US20150215010A1 (en) | Method and apparatus for estimating communication channel in mobile communication system | |
| CN105071843B (zh) | 大规模mimo系统低复杂度多项式展开矩阵求逆方法及应用 | |
| Wang et al. | Sparse Bayesian learning based user detection and channel estimation for SCMA uplink systems | |
| CN103685088A (zh) | 稀疏信道的导频优化方法、装置和信道估计方法 | |
| TW201635736A (zh) | 一種信號檢測方法及裝置 | |
| CN111865843A (zh) | 大规模mimo-ofdm系统混合消息传递信道估计方法 | |
| Jamali et al. | A low-complexity recursive approach toward code-domain NOMA for massive communications | |
| KR20170114961A (ko) | 순차적 스피어 디코딩을 위한 방법 및 장치 | |
| CN102075224B (zh) | Mimo系统及其信号接收方法和基站 | |
| JP6063607B2 (ja) | 送信信号のための多入力多出力ｍｉｍｏ検出方法、装置及びシステム | |
| CN110611626A (zh) | 信道估计方法、装置及设备 | |
| CN103002480B (zh) | 上行基带信号分布式协同检测方法以及设备 | |
| US9755860B2 (en) | Method of performing uplink channel estimation and base station using the same | |
| CN107615804B (zh) | 用于设备通信的新传输方案 | |
| CN114640561A (zh) | 一种通信信号传输方法和设备 | |
| Tian et al. | Pilot-aided channel estimation for massive MIMO systems in TDD-mode using Walsh-Hadamard transformed subsampled data at the base station | |
| WO2017054339A1 (zh) | 一种迭代信道估计方法及装置、计算机存储介质 | |
| CN104734756A (zh) | 一种mimo系统检测方法和装置 | |
| CN116032317B (zh) | 一种免授权的联合活跃用户与数据检测方法 |
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 |