CN114944896B - 一种基于y型网络的索引调制otfs通信系统及方法 - Google Patents

Abstract

本发明提供了一种基于Y型网络的索引调制OTFS通信系统及方法。具体包括：在发送端的时延‑多普勒(DD)域进行索引调制，将部分二进制比特用于选择所激活符号在DD矩阵中的位置，其余比特用于映射符号信息，通过逆辛傅里叶变换等将发送信号变为时频信号；经过信道作用和辛傅里叶变换得到接收的DD域信号。对接收信号和信道矩阵进行数据预处理得到Y型检测网络的输入，相应的原始二进制比特作为检测网络的标签，采用离线训练好的网络用于索引调制OTFS信号的在线检测，最终恢复出发送比特。本发明结合特征融合思想实现数据驱动的索引调制OTFS通信，有效提升系统误码率及鲁棒性，且适用于快时变信道下的高速移动通信场景。

Description

一种基于Y型网络的索引调制OTFS通信系统及方法

技术领域

本发明涉及无线通信技术领域，具体为一种基于Y型网络的索引调制正交时频空(OTFS,Orthogonal Time Frequency Space)通信系统及方法。

背景技术

正交频分复用技术(OFDM,Orthogonal Frequency Division Multiplexing)及各类改进的高效多载波调制波形被广泛应用于5G移动通信。近年来，高速移动环境下的无线通信系统受到了人们的广泛关注，当面对较高的多普勒和载波频偏时，ODFM子载波间的正交性会被破坏，传统时频域调制手段的通信质量会受到严重影响。Hadani在时延-多普勒(DD,Delay-doppler)域建立了一种新的二维调制OTFS系统，通过一系列二维变换将OFDM所经历的双色散信道转换为近似非衰落信道，通信性能显著提升。

索引调制技术与多载波通信的结合可以有效提高系统的频谱利用率，但由此也造成了系统接收端传统检测算法复杂度的提升。随着深度学习等智能方法在通信系统中的普及，将数据驱动模型应用到通信系统中进行信号检测对下一代无线通信具有里程碑式的意义。

发明内容

发明目的：一方面在OTFS系统的DD域建立索引映射关系，通过索引调制将部分发送比特隐含在激活发送符号的位置信息中，提高系统的频谱效率；另一方面在接收端实现一种基于Y型网络的数据驱动信号检测，将接收符号承载的位置信息和符号信息用两个独立的子网络进行特征提取，最后结合特征融合思想进行输出预测，更好地契合索引调制OTFS通信系统，有效提升高速移动场景下的通信质量。

技术方案：本发明提供了一种基于Y型网络的索引调制OTFS通信系统及方法，该系统包括发送端和接收端：所述发送端包括原型比特分流器、时延-多普勒(DD)索引调制模块、OTFS块产生器、逆辛傅里叶变换(ISFFT)、Heisenberg变换、串并变换、插入导频、D/A转换；所述接收端包括A/D转换、移除导频、并串变换、Wigner变换、辛傅里叶变换(SFFT)、数据预处理模块、Y型网络信号检测模块、比特并流器。该方法包括发送方法和接收方法，具体步骤如下：

所述发送方法的步骤是：

步骤1：发送的二进制比特流经比特分流器平均分组，各组中部分比特用于选择DD矩阵中激活的位置信息，部分比特经星座映射为复数符号后调制到激活索引位置上，各组数据经OTFS块产生器后形成完整DD域发送数据；

步骤2：通过ISFFT将DD域发送信号转换为时频域信号，再通过Heisenberg变换将时频域信号变换到时域，最终经信道和噪声作用到达接收端；

所述接收方法的步骤是：

步骤3：在接收端时域信号经过Wigner变换(即Heisenberg变换的逆变换)到时频域，再经过SFFT变换到时频-多普勒域；

步骤4：经数据预处理后将两路输出数据分别作为各分组Y型检测网络中索引检测子网络和符号检测子网络的输入，将子网络隐藏层的输出进行特征融合后送达输出层输出，得到该组的预测比特，最终将所有分组的预测输出合并恢复出原始的发送二进制比特流。

进一步地，所述系统发送端：二进制比特流经所述比特分流器分别传递至DD域索引选择模块、星座映射模块；所述索引选择模块与星座映射模块的输出信号均传递至所述OTFS块产生器；所述OTFS块产生器的输出信号经ISFFT、Heisenberg变换、串并变换、插入导频、D/A转换后送入信道。

进一步地，所述系统接收端：接收端的输入信号先经过A/D转换、移除导频、并串变换、Wigner变换、SFFT；经数据预处理后分别输入所述Y型网络信号检测模块的索引检测子网络和符号检测子网络；经特征融合后到达网络输出层恢复出发送比特；最终经比特并流器得到所恢复的完整二进制比特流。

进一步地，所述步骤1中发送端产生的共B比特被分为G组，每组p＝B/G比特被映射到OTFS子块上，每个子块在DD矩阵中的大小K＝MN/G，M和N分别为OTFS的子载波数和符号个数。各组p比特中有比特用于选择DD矩阵中L个激活符号的位置，/>表示向下取整函数，/>为二项式系数；其余p₂＝Llog₂ Q比特经Q-ary符号映射调制到激活索引位置，p＝p₁+p₂。所述p₁比特经过索引选择模块后输出为激活位置序号I_g＝{i_g,1,i_g,2,…,i_g,L}，i_g,l∈{1,2,…,K}，g＝1,…,G，l＝1,...,L；所述p₂比特经过星座映射模块后输出为L个符号s_g＝{s_g,1,s_g,2,...,s_g,L}，/>g＝1,…,G，l＝1,...,L，其中/>为Q维星座符号；第g组的输出为x_g＝{x_g,1,x_g,2,...,x_g,K}，/>g＝1,...,G，k＝1,...,K。最终所述OTFS块产生器的输出表示为/> m＝0,...,M-1，n＝0,...,N-1。

进一步地，所述步骤2中ISFFT后的时频域信号表示为X_FT＝F_MX_DDF_N ^H，F_M和F_N分别为M点和N点离散傅里叶矩阵。所述Heisenberg变换后的时域信号为S＝F_M ^HX_FT。

进一步地，所述步骤3可以看作是步骤2的一个逆过程，记接收DD信号和信道矩阵分别为Y_DD和H。

进一步地，所述步骤4中数据预处理过程具体为：将Y_DD和H经迫零均衡后进一步得到索引检测子网络输入g＝1,...,G，k＝1,...,K和符号检测网络输入/>和/>分别为接收信号均衡后的实部和虚部。

进一步地，所述步骤4中Y型检测网络各隐层采用ReLU函数f_ReLU(x)＝max(0,x)作为激活函数，输出层采用sigmoid函数作为激活函数，特征融合采用concatenate函数将两个子网张量进行连接。所述Y型检测网络包含离线训练和在线检测阶段，在离线训练阶段，网络通过反向传播算法和Adam优化器更新各神经元权值W和偏置b，代价函数为交叉熵函数/>b_i和/>分别为输出层第i个神经元的真实标签和当前输出预测值，当代价函数满足cost_CE≤γ时网络停止训练过程，γ为系统预设的误差阈值；在在线检测阶段，上述预训练好的Y型检测网络模型被直接用于索引调制OTFS接收端进行信号检测输出预测的发送比特。

进一步地，所述Y型检测网络在线检测阶段的各组输出比特经过比特并流器合并输出为最终恢复的原始发送比特。

有益效果：本发明在OTFS通信系统的时延-多普勒域建立索引映射，提高频谱利用率。同时在接收端采用结合特征融合思想的Y型网络实现信号检测，分别提取索引位置和符号数据特征，进一步契合索引调制机制，相比传统方法在应对不同信道参数时更具鲁棒性。本发明的实现能为高速移动场景下的无线通信提供一种灵活配置资源的智能化通信方案。

附图说明

图1为本发明一种基于Y型网络的索引调制OTFS通信系统框图；

图2为本发明实施例中检测子网为全连接网络时的Y型网络结构图；

图3为本发明实施例中长短时记忆(LSTM)神经元内部结构图；

图4为本发明实施例中检测子网为双向BLSTM网络时的Y型网络结构图。

具体实施方式

下面结合附图对本发明的技术方案作进一步说明。

如图1所示，本发明所述一种基于Y型网络的索引调制OTFS通信系统及方法，该系统包括发送端和接收端：所述发送端包括原型比特分流器、时延-多普勒(DD)索引调制模块、OTFS块产生器、逆辛傅里叶变换(ISFFT)、Heisenberg变换、串并变换、插入导频、D/A转换；所述接收端包括A/D转换、移除导频、并串变换、Wigner变换、辛傅里叶变换(SFFT)、数据预处理模块、Y型网络信号检测模块、比特并流器。

发送端产生的共B比特被分为G组，每组p＝B/G比特被映射到OTFS子块上，每个子块在DD矩阵中的大小K＝MN/G，M和N分别为OTFS的子载波数和符号个数。各组p比特中有比特用于选择DD矩阵中L个激活符号的位置，/>表示向下取整函数，/>为二项式系数；其余p₂＝Llog₂ Q比特经Q-ary符号映射调制到激活索引位置，p＝p₁+p₂。所述p₁比特经过索引选择模块后输出为激活位置序号I_g＝{i_g,1,i_g,2,...,i_g,L}，i_g,l∈{1,2,...,K}，g＝1,...,G，l＝1,...,L；所述p₂比特经过星座映射模块后输出为L个符号

s_g＝{s_g,1,s_g,2,...,s_g,L}，g＝1,...,G，l＝1,...,L，其中/>为Q维星座符号；第g组的输出为x_g＝{x_g,1,x_g,2,...,x_g,K}，/>g＝1,...,G，k＝1,...,K。最终所述OTFS块产生器的输出表示为/>m＝0,...,M-1，n＝0,...,N-1。

考虑如表1所示的索引映射关系，K＝4，L＝3，每个OTFS符号包含M＝512个子载波且星座符号采用4QAM调制，则此时p₁＝2，p₂＝6，进一步可以计算出上述条件下发送端产生一个OTFS符号需发送1024比特信息。

表1本发明实施例中K＝4且L＝3时所用索引映射表

组合序号	p1	Ig	子块符号状态
				C1	00	{1,2,3}	[sg,1,sg,2,sg,3,0]T
C2	01	{1,2,4}	[sg,1,sg,2,0,sg,3]T
				C3	10	{1,3,4}	[sg,1,0,sg,2,sg,3]T
C4	11	{2,3,4}	[0,sg,1,sg,2,sg,3]T

经过ISFFT后的时频域信号表示为X_FT＝F_MX_DDF_N ^H，F_M和F_N分别为M点和N点离散傅里叶矩阵，再经Heisenberg变换后的时域信号为S＝F_M ^HX_FT。

在接收端，将Y_DD和H经迫零均衡后进一步得到索引检测子网络输入g＝1,...,G，k＝1,...,K和符号检测子网络输入/>和/>分别为接收信号均衡后的实部和虚部。

如图2所示的一种Y型检测网络，以两个相同的长度为256个节点的全连接层作为索引检测子网络和符号检测子网络，和/>的输入张量分别为(None,4)和(None,8)，None为样本数量，各组单次输出的比特长度为p＝p₁+p₂＝8，各隐层采用ReLU函数f_ReLU(x)＝max(0,x)作为激活函数，输出层采用sigmoid函数/>作为激活函数，特征融合采用concatenate函数将两个子网张量进行连接。所述Y型检测网络包含离线训练和在线检测阶段，在离线训练阶段，网络通过反向传播算法和Adam优化器更新各神经元权值W和偏置b，同时采用Dropout机制防止网络训练发送过拟合，代价函数为交叉熵函数b_i和/>分别为输出层第i个神经元的真实标签和当前输出预测值，当代价函数满足cost_CE≤γ时网络停止训练过程，γ为系统预设的误差阈值；在在线检测阶段，上述预训练好的Y型检测网络模型被直接用于索引调制OTFS接收端进行信号检测输出预测的发送比特。

本发明的实施例进一步考虑用图3所示的LSTM单元替换上述检测网络中的普通神经元节点，构建以图4为例的Y型检测网络，索引检测子网络和符号检测子网络分别采用长度为16和48个LSTM单元的双向LSTM网络，和/>的输入张量分别为(None,4,1)和(None,4,2)，各组单次输出的比特长度为p＝8。离线训练和在线检测过程同上。

最终各分组的输出预测比特经比特并流器合并得到恢复的发送比特流。

虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下作出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。

Claims (8)

1.一种基于Y型网络的索引调制OTFS通信系统，包括发送端和接收端；

所述发送端包括原型比特分流器、时延-多普勒DD索引调制模块、OTFS块产生器、逆辛傅里叶变换ISFFT、Heisenberg变换、串并变换、插入导频、D/A转换；发送端产生的共B比特被分为G组，每组p＝B/G比特被映射到OTFS子块上，每个子块在DD矩阵中的大小K＝MN/G，M和N分别为OTFS的子载波数和符号个数，各组p比特中有比特用于选择DD矩阵中L个激活符号的位置，/>表示向下取整函数，/>为二项式系数；其余p₂＝L log₂ Q比特经Q-ary符号映射调制到激活索引位置，p＝p₁+p₂，所述p₁比特经过索引选择模块后输出为激活位置序号I_g＝{i_g,1,i_g,2,...,i_g,L}，i_g,l∈{1,2,...,K}，g＝1,...,G，l＝1,...,L；所述p₂比特经过星座映射模块后输出为L个符号s_g＝{s_g,1,s_g,2,...,s_g,L}，g＝1,...,G，l＝1,...,L，其中/>为Q维星座符号；第g组的输出为x_g＝{x_g,1,x_g,2,...,x_g,K}，/>g＝1,...,G，k＝1,...,K，最终所述OTFS块产生器的输出表示为/>m＝0,...,M-1，n＝0,...,N-1；

所述接收端包括A/D转换、移除导频、并串变换、Wigner变换、辛傅里叶变换SFFT、数据预处理模块、Y型网络信号检测模块、比特并流器；

Y型网络信号检测模块各隐层采用ReLU函数f_ReLU(x)＝max(0,x)作为激活函数，输出层采用sigmoid函数作为激活函数，特征融合采用concatenate函数将两个子网张量进行连接；所述Y型检测网络包含离线训练和在线检测阶段，在离线训练阶段，网络通过反向传播算法和Adam优化器更新各神经元权值W和偏置b，代价函数为交叉熵函数b_i和/>分别为输出层第i个神经元的真实标签和当前输出预测值，当代价函数满足cost_CE≤γ时网络停止训练过程，γ为系统预设的误差阈值；在在线检测阶段，上述预训练好的Y型检测网络模型被直接用于索引调制OTFS接收端进行信号检测输出预测的发送比特。

2.根据权利要求1所述的一种基于Y型网络的索引调制OTFS通信系统，其特征在于，在所述系统发送端：二进制比特流经所述比特分流器分别传递至DD域索引选择模块、星座映射模块；所述索引选择模块与星座映射模块的输出信号均传递至所述OTFS块产生器；所述OTFS块产生器的输出信号经ISFFT、Heisenberg变换、串并变换、插入导频、D/A转换后送入信道。

3.根据权利要求1所述的一种基于Y型网络的索引调制OTFS通信系统，其特征在于，在所述系统接收端：接收端的输入信号先经过A/D转换、移除导频、并串变换、Wigner变换、SFFT；经数据预处理后分别输入所述Y型网络信号检测模块的索引检测子网络和符号检测子网络；经特征融合后到达网络输出层恢复出发送比特；最终经比特并流器得到所恢复的完整二进制比特流。

4.一种基于权利要求1所述的Y型网络的索引调制OTFS通信系统的通信方法，包括发送方法和接收方法；

所述发送方法的步骤是：

步骤1：发送的二进制比特流经比特分流器平均分组，各组中部分比特用于选择DD矩阵中激活的位置信息，部分比特经星座映射为复数符号后调制到激活索引位置上，各组数据经OTFS块产生器后形成完整DD域发送数据；

步骤2：通过ISFFT将DD域发送信号转换为时频域信号，再通过Heisenberg变换将时频域信号变换到时域，最终经信道和噪声作用到达接收端；

发送端产生的共B比特被分为G组，每组p＝B/G比特被映射到OTFS子块上，每个子块在DD矩阵中的大小K＝MN/G，M和N分别为OTFS的子载波数和符号个数，各组p比特中有比特用于选择DD矩阵中L个激活符号的位置，/>表示向下取整函数，/>为二项式系数；其余p₂＝L log₂ Q比特经Q-ary符号映射调制到激活索引位置，p＝p₁+p₂，所述p₁比特经过索引选择模块后输出为激活位置序号I_g＝{i_g,1,i_g,2,...,i_g,L}，i_g,l∈{1,2,…,K}，g＝1,...,G，l＝1,...,L；所述p₂比特经过星座映射模块后输出为L个符号s_g＝{s_g,1,s_g,2,...,s_g,L}，/>g＝1,...,G，l＝1,...,L，其中/>为Q维星座符号；第g组的输出为x_g＝{x_g,1,x_g,2,...,x_g,K}，/>g＝1,...,G，k＝1,...,K，最终所述OTFS块产生器的输出表示为/>m＝0,...,M-1，n＝0,...,N-1；

所述接收方法的步骤是：

步骤3：在接收端时域信号经过Wigner变换(即Heisenberg变换的逆变换)到时频域，再经过SFFT变换到时频-多普勒域；

步骤4：经数据预处理后将两路输出数据分别作为各分组Y型检测网络中索引检测子网络和符号检测子网络的输入，将子网络隐藏层的输出进行特征融合后送达输出层输出，得到该组的预测比特，最终将所有分组的预测输出合并恢复出原始的发送二进制比特流；

步骤4中所述Y型检测网络各隐层采用ReLU函数f_ReLU(x)＝max(0,x)作为激活函数，输出层采用sigmoid函数作为激活函数，特征融合采用concatenate函数将两个子网张量进行连接；所述Y型检测网络包含离线训练和在线检测阶段，在离线训练阶段，网络通过反向传播算法和Adam优化器更新各神经元权值W和偏置b，代价函数为交叉熵函数b_i和/>分别为输出层第i个神经元的真实标签和当前输出预测值，当代价函数满足cost_CE≤γ时网络停止训练过程，γ为系统预设的误差阈值；在在线检测阶段，上述预训练好的Y型检测网络模型被直接用于索引调制OTFS接收端进行信号检测输出预测的发送比特。

5.根据权利要求4所述的一种基于Y型网络的索引调制OTFS通信方法，其特征在于，步骤2中所述ISFFT后的时频域信号表示为X_FT＝F_MX_DDF_N ^H，F_M和F_N分别为M点和N点离散傅里叶矩阵，所述Heisenberg变换后的时域信号为S＝F_M ^HX_FT。

6.根据权利要求4所述的一种基于Y型网络的索引调制OTFS通信方法，其特征在于，所述步骤3看作是步骤2的一个逆过程，记接收DD信号和信道矩阵分别为Y_DD和H。

7.根据权利要求4所述的一种基于Y型网络的索引调制OTFS通信方法，其特征在于，步骤4中所述数据预处理过程具体为：将Y_DD和H经迫零均衡后进一步得到索引检测子网络输入g＝1,...,G，k＝1,...,K和符号检测网络输入/> 和分别为接收信号均衡后的实部和虚部。

8.根据权利要求4所述的一种基于Y型网络的索引调制OTFS通信方法，其特征在于，所述Y型检测网络在线检测阶段的各组输出比特经过比特并流器合并输出为最终恢复的原始发送比特。