CN114666012A - 一种基于mpa的多采样点联合检测的scma检测方法 - Google Patents

Abstract

本发明涉及无线通信技术领域，公开了一种基于MPA的多采样点联合检测的SCMA检测方法，包括：S1、信号预处理：对基站接收端的过采样信号按照与所述过采样信号相关联的用户时延信息进行采样点抽取得到预处理信号；S2、初始概率计算：对所述预处理信号进行初始概率值的计算，得到对应的功能节点的初始概率值；S3、对功能节点更新：基于初始概率值，对变量节点传递给功能节点的消息概率进行更新；S4、对变量节点更新：对所述功能节点传递到变量节点的消息概率值进行归一化处理，然后再传递给所述功能节点；S5、重复步骤S3与S4，直到功能节点与变量节点之间的消息概率的迭代更新完成；S6、软信息输出。本发明的检测算法性能优秀、收敛速度快。

Description

一种基于MPA的多采样点联合检测的SCMA检测方法

技术领域

本发明涉及无线通信技术领域，具体涉及一种基于MPA的多采样点联合检测的SCMA检测方法。

背景技术

SCMA(Sparse Code Multiple Access)是一种基于多维码本调制和低密度扩频的非正交多址接入技术，由来自华为技术有限公司渥太华无线研发中心的两位科学家，Hosein Nikopour和Hadi Baligh，在2013年的PIMRC会议上提出。非正交、稀疏性、多维调制是SCMA的三大特点：非正交使得SCMA可以在相同数量资源块上传输比正交多址接入技术更多的用户数据；稀疏性可以有效限制大规模应用时接收端进行多用户检测的复杂度；多维调制可以带来星座成型增益。研究表明，SCMA能够提供正交多址接入技术三倍的连接数，而且能够有效地降低传输延迟，可以很好地应对第五代移动通信系统海量连接、超低时延、超大容量的需求。因此，SCMA被认为是第五代移动通信系统中无线多址接入方案的有力竞争者。

在SCMA中时常会用到MPA，MPA(Message Passing Algorithm)是根据和积原理提出的迭代译码算法，其被证明是在最大后验概率准则(MAP)下的最优译码器。MPA算法能够用可实现的硬件开销达到令人满意的译码性能，故极受追捧。然而，传统MPA算法要求送入检测器的四路采样信号精确同步，在同步精度下降的情况下，传统MPA算法的性能便会大幅下降，导致目标比特出错概率增大。基站和不同用户之间的距离随时间不断变化，所以实际的SCMA系统本身很难满足所有用户信号理想同步的要求。

发明内容

本发明提供一种基于MPA的多采样点联合检测的SCMA检测方法，目的在于解决实际SCMA系统中多用户非理想同步导致的检测器性能恶化的问题。

本发明通过下述技术方案实现：

一种基于MPA的多采样点联合检测的SCMA检测方法，包括：

S1、信号预处理：对基站接收端的过采样信号按照与所述过采样信号相关联的用户时延信息进行采样点抽取得到预处理信号；

S2、初始概率计算：对所述预处理信号进行初始概率值的计算，得到对应的功能节点的初始概率值；

S3、对功能节点更新：基于初始概率值，对变量节点传递给功能节点的消息概率进行更新，并将更新后的消息概率传递给变量节点；

S4、对变量节点更新：对所述功能节点传递到变量节点的消息概率值进行归一化处理，以防止下一次功能节点更新得到的消息概率值存在概率表征溢出的情况，然后再传递给所述功能节点；

S5、重复步骤S3与S4，直到功能节点与变量节点之间的消息概率的迭代更新完成；

S6、软信息输出：通过迭代更新完成得到的消息概率进行并行地对数似然比计算并将输出该对数似然比。

作为优化，步骤S1中，过采样信号为y_k(t)：

其中，g_RC(t)为升余弦滤波器的时域响应，n′为噪声变量，k∈[1，4]，k为过采样信号的路数，t₀为初始采样时刻，x_k，d[m]为用户d在k上发送的第m个符号，N为样点数的最大值，T_s为采样时间间隔；τ_d为与所述过采样信号相关联的用户时延信息，d∈[1，6]，d为用户序号。

作为优化，步骤S1中，对基站接收端的过采样信号按照与所述过采样信号相关联的用户时延信息进行采样点抽取的抽取规则为：

对于第k路过采样信号，相关联的用户由三个用户i、j、p共同组成，其中，i、j、p均∈d，利用三个所述用户的时延信息τ_i，τ_j，τ_p进行采样点的抽取公式如下：

y_k ⁽ⁱ⁾[n]＝y_k(nT_s+τ_i)＝h_k，ix_k，i[n]g_RC(0)+h_k，jx_k，j[n]g_RC(τ_i-τ_j)+h_k，px_k，p[n]g_RC(τ_i-τ_p)+n′(t)+R(n)

y_k ^(j)[n]＝y_k(nT_s+τ_j)＝h_k，ix_k，i[n]g_RC(τ_j-τ_i)+h_k，jx_k，j[n]g_RC(0)+h_k，px_k，p[n]g_RC(τ_j-τ_p)+n′(t)+R(n)

y_k ^(p)[n]＝y_k(nT_s+τ_p)＝h_k，ix_k，i[n]g_RC(τ_p-τ_i)+h_k，jx_k，j[n]g_RC(τ_p-τ_j)+h_k，px_k，p[n]g_RC(0)+n′(t)+R(n)

其中，

作为优化，步骤2中，对所述预处理信号进行初始概率值的计算的具体步骤为：

步骤2.1、并行计算用户i、j、p对应的所述预处理信号与标准信号星座点的欧氏距离

步骤2.2、通过所述欧式距离计算出任意功能节点F_k的联合的初始条件概率值

作为优化，步骤2.1中，计算欧式距离的具体步骤为：

步骤2.1.1、将信道增益参数h与标准信号星座点相乘得到第一数值；

步骤2.1.2、将所述第一数值与所述预处理符号相减得到第二数值；

步骤2.1.3、对所述第二数值进行模平方操作得到第三数值；

步骤2.1.4、对所述第三数值与

相乘，得到对应的欧式距离，N₀为噪声功率。

作为优化，功能节点F_k包括三个子功能节点F_k ⁽ⁱ⁾、F_k ^(j)、F_k ^(p)，所述功能节点F_k更新的步骤为：

S3.1、对子功能节点F_k ^(p)进行更新得到功能节点F_k传递给变量节点V_p的消息概率，此时将变量节点V_i传递至F_k ⁽ⁱ⁾的消息概率

和V_j传递至F_k ⁽ⁱ⁾的消息概率

按下式进行更新：

其中，C_j为用户j的码本集合，C_i为用户i的码本集合，

为功能节点F_k传递给变量节点V_p的消息概率，

和

分别表示变量节点V_i和V_j传递给功能节点F_k的消息概率，n为第n个采样符号；

更新计算完成后将结果传变量节点递至V_p；

S3.2、对子功能节点F_k ^(j)进行更新得到功能节点F_k传递给变量节点V_j的消息概率，此时将变量节点V_i传递至F_k ⁽ⁱ⁾的消息概率

和V_P传递至F_k ^(p)的消息概率

按下式进行更新：

其中，C_p为用户p的码本集合，C_i为用户i的码本集合，

为功能节点F_k传递给变量节点V_j的消息概率，

和

分别表示变量节点V_i和V_p传递给功能节点F_k的消息概率；更新计算完成后将结果传变量节点递至V_j；

S3.3、对子功能节点F_k ⁽ⁱ⁾进行更新得到功能节点F_k传递给变量节点V_i的消息概率，此时将变量节点V_j传递至F_k ^(j)的消息概率

和V_P传递至F_k ^(p)的消息概率

按下式进行更新：

其中，C_p为用户p的码本集合，C_j为用户j的码本集合，

为功能节点F_k传递给变量节点V_i的消息概率，

和

分别表示变量节点V_j和V_p传递给功能节点F_k的消息概率，n为第n个采样符号；

更新计算完成后将结果传变量节点递至V_i；

S3.4、功能节点F_k则更新完成。

作为优化，所述消息概率为功能节点与变量节点之间传递的信号的概率。

作为优化，步骤S4中，对所述功能节点传递到变量节点V_p的消息概率值进行归一化处理的具体方法如下：

其中，p∈k，F_a、F_b为与变量节点V_p对应的功能节点，C_p为用户p的码本集合。

作为优化，步骤S4中，对所述功能节点传递到变量节点V_p的消息概率值进行归一化处理后，再进行消息阻尼更新，以提升收敛的稳定性，所述消息阻尼更新的公式如下：

其中，

为前一次更新的得到的消息概率，

为本次更新得到的消息概率。

作为优化，步骤S6中，当所述功能节点和变量节点完成最大次数迭代后，所述变量节点输出各个用户发送比特的对数似然比，每个用户2比特，故所述变量节点的总计输出12个LLR：

其中c_p，i表示第p个用户发送的第i个比特，F_a、F_b为与变量节点V_p对应的功能节点，

表示功能节点F_a传递给对应的变量节点V_p的消息概率，

表示功能节点F_a传递给对应的变量节点V_p的消息概率，x_p:b_i代表用户p的符号x_p的第i个比特，i表示比特序号,i＝1or i＝2。

本发明与现有技术相比，具有如下的优点和有益效果：

在非理想同步的条件下，相比传统的MPA检测器性能急剧恶化导致通信链路无法正常工作，本发明的检测算法的误码率性能优秀、收敛速度快，可在信噪比SNR＝5.2dB处达到目标比特出错概率BER＝10^-4。

附图说明

为了更清楚地说明本发明示例性实施方式的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。在附图中：

图1是本发明所述的一种基于MPA的多采样点联合检测的SCMA检测方法所适用的普遍SCMA系统结构图；

图2是本发明所述的一种基于MPA的多采样点联合检测的SCMA检测方法进行检测所运用的SS-MPA检测器的总体框图；

图3是本发明所述的一种基于MPA的多采样点联合检测的SCMA检测方法中进行信号预处理所运用到的预处理模块的示意图；

图4是本发明所述的一种基于MPA的多采样点联合检测的SCMA检测方法中进行初始概率计算所运用到的初始概率模块的示意图；

图5是本发明所述的一种基于MPA的多采样点联合检测的SCMA检测方法中算法因子图和功能节点更新规则示意图；

图6是本发明所述的一种基于MPA的多采样点联合检测的SCMA检测方法中进行功能节点更新的功能节点子模块的示意图；

图7是本发明所述的一种基于MPA的多采样点联合检测的SCMA检测方法中进行变量节点更新的变量节点模块的示意图；

图8是本发明所述的一种基于MPA的多采样点联合检测的SCMA检测方法中进行软信息计算和输出模块的示意图；

图9是非理想同不条件下本发明的算法与现有算法的平均误码率对比图。

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明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。

本发明提出的基于MPA的多采样点联合检测的SCMA检测方法适用于具有发送滤波器、接收滤波器的实际SCMA上行传输的系统模型，不同用户与基站之间存在随机时延τ_d，d＝1，2，3，...，D。如图1所示，101为用户发送端的结构，102为基站接收端的结构图，发送端的不同用户信号分别经过时延τ_d到达接收端，在接收端进行叠加，叠加的过程便会带来多用户接入干扰。多用户接入干扰会导致检测器的性能急剧下降，严重的情况直接导致通信链路中断。本发明主要包括图1中102的阴影部分，即SCMA检测器部分。

SCMA上行系统包括D个独立用户和K个正交资源块，最常用的SCMA传输系统是4个正交的资源块，6个接入用户，每个用户占用2个资源块，每个资源块上承载3个用户的信号，即D＝6，K＝4，L＝2。

本文提出的多采样点联合检测算法和装置主要包括五个步骤：SS预处理，SS初始概率计算，SS功能节点更新，SS变量节点更新，SS软信息输出。

本发明中，SS预处理步骤完成了多采样点的选择性抽取，相比传统方法，获得了更多原始信号的信息，为后续的检测过程提供了更多可处理空间，SS初始概率计算步骤完成采样点到初始概率的计算，由于计算量较大，本发明采用了并行设计，提升了计算效率，功能节点更新和变量节点更新是将多个采样点联合迭代检测，利用冗余信息消除了非理想同步对检测器的影响，SS软信息输出采用了并行设计，提高了输出效率。

该SS-MPA检测器的总体结构如图2所示。其中201为SS预处理模块，完成接收信号的过采样和选择处理步骤，并将选取的信号样点送入下一个模块。202中包含了多个SS初始概率计算单元和SS功能节点更新单元。从该图中可以看出，初始概率计算步骤是多个单元多路并行计算的，这可以大幅提升初始概率的计算速度。另外，初始概率单元计算的结果可以直接传输给对应的功能节点更新单元，以完成SS功能节点更新步骤。203中包含6个变量节点更新单元，变量节点更新单元和功能节点更新单元之间通过互相传递概率信息来进行信息迭代，以计算出最终收敛后的概率信息。SCMA迭代检测算法与因子图密切相关，如图5所示，该因子图也是对202中的功能节点更新单元和203中的变量节点更新单元的具体连接方式的形象描述。501为变量节点组(VariableNode，简称VN，对应于SCMA系统中的6个用户)，502为功能节点组(FunctionNode，简称FN，对应于SCMA系统中的资源块)。SS-MPA检测算法的因子图中的每个功能节点组包含3部分，每部分完成各自的信息更新计算，其输入来源于SS初始概率计算步骤。该因子图可以对同一路信号的多个样点进行充分迭代，在多采样点迭代的前提下，迭代的结果更加精确。204是似然比计算和输出模块，完成SS软信息输出步骤，该模块的输出结果可以直接用于译码器软译码。

下面，以图1的SCMA上行系统为例，说明本发明的具体细节：

本发明公开的一种基于MPA的多采样点联合检测的SCMA检测方法，包括：

SS预处理：即，

S1、信号预处理：对基站接收端的过采样信号按照与所述过采样信号相关联的用户时延信息进行采样点抽取得到预处理信号。

具体的，SS预处理的数据流图如图3所示，其输入为4路相互独立的过采样信号y_k(t)，k＝1，2，3，4以及6个用户的时延信息τ_d，d＝1，2，...，6。其中，y_k(t)表达式如(1)所示。

其中，g_RC(t)为升余弦滤波器的时域响应，n′为噪声变量，k∈[1，4]，k为过采样信号的路数；τ_d为与所述过采样信号相关联的用户时延信息，d∈[1，6]，d为用户序号。不同用户信号的时延τ_d，d＝1，2，...，6由接收端102中信道估计模块通过估计算法得到。

如图3所示，301为过采样单元，302为采样点抽取单元，针对各路过采样信号，按照该路信号相关联的用户时延信息进行采样点抽取。每一路信号经过抽取操作后，分别得到3路包含不同信息的采样点。抽取的具体规则如下：对于第k路信号而言，其信息由用户i、j、p三个用户共同组成，利用该三个用户的时延信息τ_i，τ_j，τ_p按照式(2)～(4)进行采样点的抽取所示。

y_k ⁽ⁱ⁾[n]＝y_k(nT_s+τ_i)＝h_k，ix_k，i[n]g_RC(0)+h_k，jx_k，j[n]g_RC(τ_i-τ_j)+h_k，px_k，p[n]g_RC(τ_i-τ_p)+n′(t)+R(n)； (2)

y_k ^(j)[n]＝y_k(nT_s+τ_j)＝h_k，ix_k，i[n]g_RC(τ_j-τ_i)+h_k，jx_k，j[n]g_RC(0)+h_k，px_k，p[n]g_RC(τ_j-τ_p)+n′(t)+R(n)； (3)

y_k ^(p)[n]＝y_k(nT_s+τ_p)＝h_k，ix_k，i[n]g_RC(τ_p-τ_i)+h_k，jx_k，j[n]g_RC(τ_p-τ_j)+h_k，px_k，p[n]g_RC(0)+n′(t)+R(n)； (4)

其中，

SS初始概率计算：即，

S2、初始概率计算：对所述预处理信号进行初始概率值的计算，得到对应的功能节点的初始概率值。

SS预处理完成后，SS-MPA检测流程开始。执行SS预处理操作后得到了12路预处理信号。将这些预处理信号以12个为一组。对于第n组输入的预处理信号，先利用式(6)～(8)计算出各符号与星座点的欧氏距离

然后利用(9)～(11)式可以计算出任意功能节点k的联合条件概率

根据图5的因子图，每个功能节点k分为了三部分，故其联合条件概率也为3部分。如式(9)是根据样点

计算出的条件概率，式(10)是根据样点

计算出的条件概率，式(11)是根据样点

计算出的条件概率，这三者共同组成了功能节点k的联合条件概率。

图4更为直观地给出了SS初始概率计算单元结构。其中，CB表示事先存储好的不同用户的码本，该码本即代表了标准的信号星座点。对于满足参数D＝6，K＝4，L＝2的SCMA系统，系统码本共64个星座点。在此条件下，传统MPA算法将4路信号分别与64个星座点进行计算，将得到256个条件概率值。本发明的SS条件概率计算由于输入变为12路信号，因此得到64·12＝768个条件概率值。采样点越多，计算出的条件概率值越多，其所包含的接收信息越多，有利于提高检测准确率，因此，通过本发明的预处理以后的输入信号变多，经过初始概率计算得到的条件概率值越多。401、402将图1的102中信道估计模块得到的信道增益参数h与标准信号星座点相乘，403将输入信号与402的结果相减得到二者的差值，404相当于取差值的模平方，405完成欧氏距离计算，406得到初始条件概率。

P(y_k ⁽ⁱ⁾[n]|x_i，x_j，x_p)＝exp(d_k ⁽ⁱ⁾(x_i，x_j，x_p))； (9)

P(y_k ^(j)[n]|x_i，x_j，x_p)＝exp(d_k ^(j)(x_i，x_j，x_p))； (10)

P(y_k ^(p)[n]|x_i，x_j，x_p)＝exp(d_k ^(p)(x_i，x_j，x_p))； (11)

N₀为噪声功率值；

SS功能节点更新，即，

S3、对功能节点更新：基于初始概率值，对变量节点传递给功能节点的消息概率进行更新，并将更新后的消息概率传递给变量节点。

如图2所示，在得到所有采样点的初始条件概率后，便进入功能节点更新和变量节点更新的循环迭代过程。该两部分也是SS-MPA检测器唯一的迭代部分，其主要目的是通过不断迭代计算出边缘条件概率(其物理意义为某个用户发送某个符号的概率)。

在描述功能节点更新规则之前，首先给出消息概率的含义。消息概率在本发明中表示功能节点与变量节点传递的某个符号的概率，用数学符号I表示，

表示功能节点F_k传递给变量节点V_i的消息概率，

表示变量节点V_i传递给功能节点F_k的消息概率。例如，

即代表用户V_i在第k个资源块上发送符号00的概率为0.5，发送01的概率0.3，发送11和10的概率均为0.1。在迭代之初，每个用户发送各符号的概率均等，在不断地迭代后得各用户的真实概率。功能节点更新即不断更新消息概率值，并将更新后的概率值传递给变量节点。

SS功能节点更新的规则是每个功能节点的每个部分按顺序进行更新。每次迭代更新需要对每一个F_k的每一部分进行更新，具体的更新规则如图5的503所示。第一步，对功能节点F_k的第3部分(F_k ^(p))进行更新。此时将变量节点V_i传递至F₁ ⁽ⁱ⁾的消息

和V_j传递至F_k ^(j)的消息

按式(14)进行更新，更新计算完成后将结果传递至V_p。接下来将F_k的其余两部分F_k ⁽ⁱ⁾、F_k ^(j)也按该方法更新，如式(14)、(13)，该三部分均更新完成后，功能节点F_k则更新完成。502中四个功能节点是完全独立的，因此各功能节点的更新可以同时进行。

其中C_j为用户j的码本集合。

为功能节点k传递给变量节点p的信息，

和

分别表示变量节点i和j传递给功能节点k的信息。

也就是说，本实施例中，功能节点F_k包括三个子功能节点F_k ⁽ⁱ⁾、F_k ^(j)、F_k ^(p)，所述功能节点F_k更新的步骤为：

S3.1、对子功能节点F_k ^(p)进行更新得到功能节点F_k传递给变量节点V_p的消息概率，此时将变量节点V_i传递至F_k ⁽ⁱ⁾的消息概率

和V_j传递至F_k ^(j)的消息概率

按下式进行更新：

其中，C_j为用户j的码本集合，C_i为用户i的码本集合，

为功能节点F_k传递给变量节点V_p的消息概率，

和

分别表示变量节点V_i和V_j传递给功能节点F_k的消息概率，n为第n个采样符号；

更新计算完成后将结果传变量节点递至V_p；

S3.2、对子功能节点F_k ^(j)进行更新得到功能节点F_k传递给变量节点V_j的消息概率，此时将变量节点V_i传递至F_k ⁽ⁱ⁾的消息概率

和V_P传递至F_k ^(p)的消息概率

按下式进行更新：

其中，C_p为用户p的码本集合，C_i为用户i的码本集合，

为功能节点F_k传递给变量节点V_j的消息概率，

和

分别表示变量节点V_i和V_p传递给功能节点F_k的消息概率；

更新计算完成后将结果传变量节点递至V_j；

S3.3、对子功能节点F_k ⁽ⁱ⁾进行更新得到功能节点F_k传递给变量节点V_i的消息概率，此时将变量节点V_j传递至F_k ^(j)的消息概率

和V_P传递至F_k ^(p)的消息概率

按下式进行更新：

其中，C_p为用户p的码本集合，C_j为用户j的码本集合，

为功能节点F_k传递给变量节点V_i的消息概率，

和

分别表示变量节点V_j和V_p传递给功能节点F_k的消息概率；更新计算完成后将结果传变量节点递至V_i；

S3.4、功能节点F_k则更新完成。

功能节点组502中包含4个功能节点，每个功能节点分为3个子功能节点，一共12个子功能节点，这12部分的内部结构完全相同，如图6。601为基本运算单元，简称为FU。602为SS初始概率存储器，里面存储的结果来自于SS初始概率模块。603为求和运算模块，将所有FU的输出结果进行求和，最后输出更新后的结果。

SS变量节点更新：即，

S4、对变量节点更新：对所述功能节点传递到变量节点的消息概率值进行归一化处理，然后再传递给所述功能节点。

SS变量节点更新的目的是对功能节点传递到变量节点的信息进行归一化处理，让下一次消息迭代更新时不会存在概率表征溢出的情况。其具体的归一化更新公式为：

其中，p∈k，F_a、F_b为与变量节点V_p对应的功能节点，C_p为用户p的码本集合。

本发明中为了提升SS-MPA算法收敛的稳定性，在变量节点更新处加入了消息阻尼更新(Message damping)。其核心思想在于改变传统MPA算法的更新规则，通过加入阻尼因子，在传递概率的旧估计值和新估计值之间取一个中间值，从而增强消息传播算法的稳定性。具体公式如

其中

为上次更新的值，

为本次更新后的值。

图7给出了变量节点的具体结构，701对应于归一化更新，702对应于消息阻尼更新。

S5、重复步骤S3与S4，直到功能节点与变量节点之间的消息概率的迭代更新完成。达到最大迭代次数即认为迭代更新完成，最大迭代次数经过试验设定为5次。

SS软信息输出：即，

S6、软信息输出：通过迭代更新完成得到的消息概率进行并行地对数似然比计算并将输出该对数似然比。

迭代在功能节点与变量节点之间进行，当完成最大次数迭代后，输出各个用户发送比特的对数似然比，每个用户2比特，故总计输出12个LLR结果：

其中，c_p，i表示第p个用户发送的第i个比特，F_a、F_b为与变量节点V_p对应的功能节点，

表示功能节点F_a传递给对应的变量节点V_p的消息概率，

表示功能节点F_a传递给对应的变量节点V_p的消息概率，x_p:b_i代表用户p的符号x_p的第i个比特，i表示比特序号,i＝1or i＝2。

SS软信息计算和输出模块如图8中801所示，该模块由6各基本单元LU组成，LU的内部结构如802所示。

如图9所示，本发明的检测方法误码率性能优秀，从图9中可以看出，传统MPA算法BER曲线无法收敛(或者收敛速度极慢)，而本发明的算法BER收敛速度较快，SNR在5.2dB处BER能达到10^-4。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于MPA的多采样点联合检测的SCMA检测方法，其特征在于，包括：

S1、信号预处理：对基站接收端的过采样信号按照与所述过采样信号相关联的用户时延信息进行采样点抽取得到预处理信号；

S2、初始概率计算：对所述预处理信号进行初始概率值的计算，得到对应的功能节点的初始概率值；

S3、对功能节点更新：基于初始概率值，对变量节点传递给功能节点的消息概率进行更新，并将更新后的消息概率传递给变量节点；

S4、对变量节点更新：对所述功能节点传递到变量节点的消息概率值进行归一化处理，然后再传递给所述功能节点；

S5、重复步骤S3与S4，直到功能节点与变量节点之间的消息概率的迭代更新完成；

S6、软信息输出：通过迭代更新完成得到的消息概率进行并行地对数似然比计算并将输出该对数似然比。

2.根据权利要求1所述的一种基于MPA的多采样点联合检测的SCMA检测方法，其特征在于，步骤S1中，过采样信号为yk(t)：

其中，g_RC(t)为升余弦滤波器的时域响应，n′为噪声变量，k∈[1，4]，k为过采样信号的路数，t₀为初始采样时刻，x_k，d[m]为用户d在k上发送的第m个符号，N为样点数的最大值，T_s为采样时间间隔；τ_d为与所述过采样信号相关联的用户时延信息，d∈[1，6]，d为用户序号。

3.根据权利要求2所述的一种基于MPA的多采样点联合检测的SCMA检测方法，其特征在于，步骤S1中，对基站接收端的过采样信号按照与所述过采样信号相关联的用户时延信息进行采样点抽取的抽取规则为：

对于第k路过采样信号，相关联的用户由三个用户i、j、p共同组成，其中，i、j、p均∈d，利用三个所述用户的时延信息τ_i，τ_j，τ_p进行采样点的抽取公式如下：

y_k ⁽ⁱ⁾[n]＝y_k(nT_s+τ_i)＝h_k，ix_k，i[n]g_RC(0)+h_k，jx_k，j[n]g_RC(τ_i-τ_j)+h_k，px_k，p[n]g_RC(τ_i-τ_p)+n′(t)+R(n)

y_k ^(j)[n]＝y_k(nT_s+τ_j)＝h_k，ix_k，i[n]g_RC(τ_j-τ_i)+h_k，jx_k，j[n]g_RC(0)+h_k，px_k，p[n]g_RC(τ_j-τ_p)+n′(t)+R(n)

y_k ^(p)[n]＝y_k(nT_s+τ_p)＝

h_k，ix_k，i[n]g_RC(τ_p-τ_i)+h_k，jx_k，j[n]g_RC(τ_p-τ_j)+h_k，px_k，p[n]g_RC(0)+n′(t)+R(n)

其中，

其中，h_k，dx_k，d为信道响应系数，g_RC为升余弦滤波器冲激响应，t₀为初始采样时刻，τ_d为时延信息，x_k，d[m]为用户d在k上发送的第m个符号，N为样点数的最大值，n为样点序号，T_s为采样时间间隔。

4.根据权利要求3所述的一种基于MPA的多采样点联合检测的SCMA检测方法，其特征在于，步骤2中，对所述预处理信号进行初始概率值的计算的具体步骤为：

步骤2.1、并行计算用户i、j、p对应的所述预处理信号与标准信号星座点的欧氏距离

步骤2.2、通过所述欧式距离计算出任意功能节点F_k的联合的初始条件概率值

5.根据权利要求4所述的一种基于MPA的多采样点联合检测的SCMA检测方法，其特征在于，步骤2.1中，计算欧式距离的具体步骤为：

步骤2.1.1、将信道增益参数h与标准信号星座点相乘得到第一数值；

步骤2.1.2、将所述第一数值与所述预处理符号相减得到第二数值；

步骤2.1.3、对所述第二数值进行模平方操作得到第三数值；

步骤2.1.4、对所述第三数值与-

相乘，得到对应的欧式距离，N₀为噪声功率。

6.根据权利要求5所述的一种基于MPA的多采样点联合检测的SCMA检测方法，其特征在于，功能节点F_k包括三个子功能节点F_k ⁽ⁱ⁾、F_k ^(j)、F_k ^(p)，所述功能节点F_k更新的步骤为：

S3.1、对子功能节点F_k ^(p)进行更新得到功能节点F_k传递给变量节点V_p的消息概率，此时将变量节点V_i传递至F_k ⁽ⁱ⁾的消息概率

和V_j传递至F_k ^(j)的消息概率

按下式进行更新：

其中，C_j为用户j的码本集合，C_i为用户i的码本集合，

为功能节点F_k传递给变量节点V_p的消息概率，

和

分别表示变量节点V_i和V_j传递给功能节点F_k的消息概率，n为第n个采样符号；

更新计算完成后将结果传变量节点递至V_p；

S3.2、对子功能节点F_k ^(j)进行更新得到功能节点F_k传递给变量节点V_j的消息概率，此时将变量节点V_i传递至F_k ⁽ⁱ⁾的消息概率

和V_P传递至F_k ^(p)的消息概率

按下式进行更新：

其中，C_p为用户p的码本集合，C_i为用户i的码本集合，

为功能节点F_k传递给变量节点V_j的消息概率，

和

分别表示变量节点v_i和V_p传递给功能节点F_k的消息概率；

更新计算完成后将结果传变量节点递至V_j；

S3.3、对子功能节点F_k ⁽ⁱ⁾进行更新得到功能节点F_k传递给变量节点V_i的消息概率，此时将变量节点V_j传递至F_k ^(j)的消息概率

和V_P传递至F_k ^(p)的消息概率

按下式进行更新：

其中，C_p为用户p的码本集合，C_j为用户j的码本集合，

为功能节点F_k传递给变量节点V_i的消息概率，

和

分别表示变量节点V_j和V_p传递给功能节点F_k的消息概率；

更新计算完成后将结果传变量节点递至V_i；

S3.4、功能节点F_k则更新完成。

7.根据权利要求6所述的一种基于MPA的多采样点联合检测的SCMA检测方法，其特征在于，所述消息概率为功能节点与变量节点之间传递的信号的概率。

8.根据权利要求1所述的一种基于MPA的多采样点联合检测的SCMA检测方法，其特征在于，步骤S4中，对所述功能节点传递到变量节点V_p的消息概率值进行归一化处理的具体方法如下：

其中，p∈k，F_a、F_b为与变量节点V_p对应的功能节点，C_p为用户p的码本集合。

9.根据权利要求8所述的一种基于MPA的多采样点联合检测的SCMA检测方法，其特征在于，步骤S4中，对所述功能节点传递到变量节点V_p的消息概率值进行归一化处理后，再进行消息阻尼更新，以提升收敛的稳定性，所述消息阻尼更新的公式如下：

其中，

为前一次更新的得到的消息概率，

为本次更新得到的消息概率。

10.根据权利要求9所述的一种基于MPA的多采样点联合检测的SCMA检测方法，其特征在于，步骤S6中，当所述功能节点和变量节点完成最大次数迭代后，所述变量节点输出各个用户发送比特的对数似然比，每个用户2比特，故所述变量节点的总计输出12个对数似然比LLR：

其中，c_p，i表示第p个用户发送的第i个比特，F_a、F_b为与变量节点V_p对应的功能节点，

表示功能节点F_a传递给对应的变量节点V_p的消息概率，

表示功能节点F_a传递给对应的变量节点V_p的消息概率，x_p：b_i代表用户p的符号x_p的第i个比特，i表示比特序号，i＝1or i＝2。

Images