CN115695132A - 一种基于近似消息传递的面向低精度量化的otfs解调方法 - Google Patents
一种基于近似消息传递的面向低精度量化的otfs解调方法 Download PDFInfo
- Publication number
- CN115695132A CN115695132A CN202211594152.XA CN202211594152A CN115695132A CN 115695132 A CN115695132 A CN 115695132A CN 202211594152 A CN202211594152 A CN 202211594152A CN 115695132 A CN115695132 A CN 115695132A
- Authority
- CN
- China
- Prior art keywords
- message
- matrix
- otfs
- approximate
- 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.)
- Granted
Links
Images
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
- Radar Systems Or Details Thereof (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Abstract
Description
技术领域
本发明涉及信号解调技术领域,更具体地,涉及一种基于近似消息传递的面向低精度量化的OTFS解调方法。
背景技术
OTFS(Orthogonal Time Frequency Space, 正交时频空间)解调问题,指原始信号经过OTFS调制并经过空间信道的作用后在接收端恢复原始信号。OTFS调制是近年新兴的通信调制方式,与传统的正交频分复用技术(Orthogonal Frequency DivisionMultiplexing, OFDM)调制不同之处在于,OTFS调制在OFDM调制的基础上增加了辛傅里叶变换(SFFT)和辛傅里叶逆变换(ISFFT)模块,这两个模块使得OTFS与OFDM调制模型的等价信道矩阵不同,OTFS调制模型的信道矩阵具有稀疏性、维度大等特点,为信号解调带来了新的困难。
如图1所示,在现有的OTFS调制模型中,原始信号是在延时-多普勒(delay–Doppler, DD)域上的行列的信息符号,原始信号先经过ISFFT模块的作用,变为在时间-频率(time–frequency, TF)域上的信息符号,TF 域的信息符号再经过海森堡变换(Heisenberg Transform)变为时域信号,时域信号经过空间信道矩阵及噪声的作用变为接收信号(其中,为循环移位矩阵,为对角矩阵),接受信号 经过魏格纳变换(Wigner Transform)和SFFT模块变为最终需要处理的信号。
信号解调问题涉及:估计原始信号的信息符号,例如QAM调制方式中的星座点,高斯-伯努利分布中的稀疏率和信息符号。解决信号解调问题的算法有:信念传播(beliefpropagation, BP)、广义近似消息传递(generalized approximate message passing,GAMP)和广义期望一致信号重构(generalized expectation consistent-signalrecovery, GEC-SR),但这些算法都是针对独立同分布高斯信道矩阵的情况设计的,GAMP算法对于信道矩阵有较高的要求,在面对病态矩阵时性能会大幅下降,GEC-SR算法对于信道矩阵的要求较低,但其计算过程涉及矩阵求逆运算,因此在面对信道矩阵维度较大的场景会出现复杂度和计算消耗较大的情况。
同时,随着信号传播规模的扩大,传统的高精度模数转换器(analog to digitalconverter, ADC)的高采样速率会导致高功耗以及高成本,为了控制功耗和成本,可行的方法是使用低精度的ADC,但这会对量化处理前的信号产生较大的不可逆的畸变,使得现有算法对该情况的性能下降。
在现有技术中于2021年01月14日公开了一种基于贝叶斯学习的OTFS雷达目标参数估计方法。本方法包括如下步骤:步骤1:获取时延-多普勒域下接收符号的矩阵;步骤2:对矩阵按行展开,得到其列矢量形式;步骤3:根据先验信息计算出有效时延单元和有效多普勒单元,得到简化的估计模型;步骤4:从矢量中随机选取S行,并计算获取相同行索引下的测量矩阵A;步骤5:利用CPCSBL-GAMP算法得到稀疏雷达信道矢量;步骤6:将雷达信道矢量重新恢复成矩阵形式,并找出矩阵非零元的位置;步骤7:得到目标距离和相对速度的估计值。该方法使用CPCSBL-GAMP算法估计原始信号,虽然在一定程度上降低计算复杂度,但是并未能解决OTFS领域内低精度量化模型的解调问题。
发明内容
本发明提供一种基于近似消息传递的面向低精度量化的OTFS解调方法,解决OTFS领域内低精度量化模型的解调问题。
为解决上述技术问题,本发明的技术方案如下:
一种基于近似消息传递的面向低精度量化的OTFS解调方法,包括以下步骤:
S2:根据带量化模块的OTFS模型对应的广义线性模型矢量因子图,利用GEC-SR-svd算法,通过矩匹配规则将高维消息投影到高斯分布上,循环迭代求解模型,输入估计的原始信号和近似后验概率,其中,所述GEC-SR-svd算法为将GEC-SR算法中大维度矩阵求逆的运算简化为对角阵的求逆;
优选地,步骤S1中所述带量化模块的OTFS模型,具体为:
原始信号为在延迟多普勒平面上传输的二维信息符号,原始信号经辛傅立叶逆变换模块得到时频域符号矩阵,时频域符号矩阵经海森堡变换得到时域符号矩阵,时域符号矩阵进行列向量化得到向量,向量经延迟-多普勒域稀疏信道传播后得到时域接收信号,表示空间信道中某条路径的时延频移,表示空间信道中某条路径的多普勒频移,时域接收信号重排为矩阵后再由量化模块转换为,经逆海森堡变换得到时频域信号,时频域信号通过辛傅里叶变换模块得到接收信号,重新排列为向量后得到最后的接收信号向量。
优选地,步骤S2中带量化模块的OTFS模型对应的广义线性模型矢量因子图,具体为:
优选地,步骤S2中所述GEC-SR-svd算法为将GEC-SR算法中大维度矩阵求逆的运算简化为对角阵的求逆,具体为:
运用SVD分解,将等价信道矩阵分解为,其中,是酉矩阵,是对角阵,并将投影的函数集改进为同方差的高斯分布,那么大维度矩阵求逆可以化简为对角阵求逆,其中 表示从传到 消息的方差, 表示从传到消息的方差,表示向量点除。
优选地,步骤S2中通过矩匹配规则将高维消息投影到高斯分布上,具体为:
优选地,步骤S2中根据带量化模块的OTFS模型对应的广义线性模型矢量因子图,利用GEC-SR-svd算法,通过矩匹配规则将高维消息投影到高斯分布上,循环迭代求解模型,输入估计的原始信号和近似后验概率,具体为:
投影的方差就是:
与现有技术相比,本发明技术方案的有益效果是:
本发明提出一种基于近似消息传递的面向低精度量化的OTFS解调方法,采用因子图作为工具,通过基于GEC-SR的矩匹配消息传递规则推断出原始信号的近似后验概率;采用最小均方误差估计的方法,实现对原始信号估计值的准确估计;采用方差标量化的方法,降低了算法中求逆部分的复杂度;对OTFS模型进行改进,加入了量化模块,使得模型更符合实际,功耗成本也进一步降低。
附图说明
图1为现有的OTFS系统模型示意图。
图2为本发明的方法流程示意图。
图3为本发明提供的带量化模块的OTFS系统模型示意图。
图4为带量化模块的OTFS系统对应的广义线性模型矢量因子图。
具体实施方式
附图仅用于示例性说明,不能理解为对本专利的限制;
为了更好说明本实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;
对于本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例1
本实施例提供一种基于近似消息传递的面向低精度量化的OTFS解调方法,如图2所示,包括以下步骤:
S2:根据带量化模块的OTFS模型对应的广义线性模型矢量因子图,利用GEC-SR-svd算法,通过矩匹配规则将高维消息投影到高斯分布上,循环迭代求解模型,输入估计的原始信号和近似后验概率,其中,所述GEC-SR-svd算法为将GEC-SR算法中大维度矩阵求逆的运算简化为对角阵的求逆;
实施例2
本实施例在实施例1的基础上,继续公开以下内容:
在现有的OTFS调制模型中,空间信道矩阵具有一定的稀疏性及相关性。现有的GAMP算法要求矩阵为独立同分布(Independent and identically distributed, i.i.d.)高斯矩阵,当信道矩阵不是i.i.d.高斯时,GAMP算法的性能会大幅下降甚至不工作。现有的GEC-SR算法对矩阵的要求较低,即使是非i.i.d.高斯矩阵也能工作,但GEC-SR在计算时需要对大维度矩阵进行求逆,造成非常大的复杂度。
步骤S1中所述带量化模块的OTFS模型,如图3所示,具体为:
原始信号为在延迟多普勒平面上传输的二维信息符号,原始信号经辛傅立叶逆变换模块得到时频域符号矩阵,时频域符号矩阵经海森堡变换得到时域符号矩阵,时域符号矩阵进行列向量化得到向量,向量经延迟-多普勒域稀疏信道传播后得到时域接收信号,表示空间信道中某条路径的时延频移,表示空间信道中某条路径的多普勒频移,时域接收信号重排为矩阵后再由量化模块转换为,经逆海森堡变换得到时频域信号,时频域信号通过辛傅里叶变换模块得到接收信号,重新排列为向量后得到最后的接收信号向量。
步骤S2中带量化模块的OTFS模型对应的广义线性模型矢量因子图,如图4所示,具体为:
因子图中的圆形节点表示变量,方形节点表示概率分布,如果某个变量与该概率分布有关联,那么就会用线连接该变量和该概率分布。
所述广义线性模型矢量因子图具有两个变量、,三个概率分布、、,其中,分别与、连接,分别与、连接,在上从传到的消息表示为,在上从传到的消息表示为,在上从传到的消息表示为,在上从传到的消息表示为。在该模型中,变量依赖先验,因此与相连,也依赖这个概率转移关系,从转移到,因此变量也与 相连,同理。
实施例3
本实施例在实施例1和实施例2的基础上,继续公开以下内容:
步骤S2中,在矢量因子图上应用GEC-SR算法,由于GEC-SR的算法复杂度较高,改进GEC-SR算法得到GEC-SR-svd算法,所述GEC-SR-svd算法为将GEC-SR算法中大维度矩阵求逆的运算简化为对角阵的求逆,具体为:
运用SVD分解,将等价信道矩阵分解为,其中 是酉矩阵,是对角阵,并将投影的函数集改进为同方差的高斯分布,方差为标量;那么大维度矩阵求逆可以化简为对角阵求逆,其中表示从传到消息的方差,表示从传到 消息的方差,表示向量点除。
本发明改进后的算法命名为GEC-SR-svd,算法如下表所示:
优选地,步骤S2中通过矩匹配规则将高维消息投影到高斯分布上,具体为:
优选地,步骤S2中根据带量化模块的OTFS模型对应的广义线性模型矢量因子图,利用GEC-SR-svd算法,通过矩匹配规则将高维消息投影到高斯分布上,循环迭代求解模型,输入估计的原始信号和近似后验概率,具体为:
投影的方差就是:
相同或相似的标号对应相同或相似的部件;
附图中描述位置关系的用语仅用于示例性说明,不能理解为对本专利的限制;
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (10)
9.根据权利要求8所述的基于近似消息传递的面向低精度量化的OTFS解调方法,其特征在于,步骤S2中根据带量化模块的OTFS模型对应的广义线性模型矢量因子图,利用GEC-SR-svd算法,通过矩匹配规则将高维消息投影到高斯分布上,循环迭代求解模型,输入估计的原始信号和近似后验概率,具体为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211594152.XA CN115695132B (zh) | 2022-12-13 | 2022-12-13 | 一种基于近似消息传递的面向低精度量化的otfs解调方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211594152.XA CN115695132B (zh) | 2022-12-13 | 2022-12-13 | 一种基于近似消息传递的面向低精度量化的otfs解调方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115695132A true CN115695132A (zh) | 2023-02-03 |
CN115695132B CN115695132B (zh) | 2023-03-21 |
Family
ID=85055661
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211594152.XA Active CN115695132B (zh) | 2022-12-13 | 2022-12-13 | 一种基于近似消息传递的面向低精度量化的otfs解调方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115695132B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116318490A (zh) * | 2023-05-25 | 2023-06-23 | 广州南方卫星导航仪器有限公司 | 一种基于5g应急通信车的通信信号检测方法及系统 |
CN116567098A (zh) * | 2023-07-10 | 2023-08-08 | 广东工业大学 | 一种混合广义期望一致的信号重构方法及系统 |
CN117194857A (zh) * | 2023-11-08 | 2023-12-08 | 广州龙建达电子股份有限公司 | 一种二次方程模型下基于消息传递的相位恢复方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111478868A (zh) * | 2020-03-09 | 2020-07-31 | 北京邮电大学 | 一种otfs系统的信号检测方法及装置 |
CN112882005A (zh) * | 2021-01-14 | 2021-06-01 | 东南大学 | 一种基于贝叶斯学习的otfs雷达目标参数估计方法 |
CN114337876A (zh) * | 2021-12-31 | 2022-04-12 | 南京邮电大学 | 一种基于nsga2算法训练的amp检测算法和实施该算法的系统 |
CN114338305A (zh) * | 2021-12-30 | 2022-04-12 | 袁正道 | 一种针对正交时频空调制系统的符号检测方法 |
CN115378775A (zh) * | 2022-07-28 | 2022-11-22 | 浙江大学 | 一种低复杂度otfs波形统一近似消息传递均衡方法及装置 |
-
2022
- 2022-12-13 CN CN202211594152.XA patent/CN115695132B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111478868A (zh) * | 2020-03-09 | 2020-07-31 | 北京邮电大学 | 一种otfs系统的信号检测方法及装置 |
CN112882005A (zh) * | 2021-01-14 | 2021-06-01 | 东南大学 | 一种基于贝叶斯学习的otfs雷达目标参数估计方法 |
CN114338305A (zh) * | 2021-12-30 | 2022-04-12 | 袁正道 | 一种针对正交时频空调制系统的符号检测方法 |
CN114337876A (zh) * | 2021-12-31 | 2022-04-12 | 南京邮电大学 | 一种基于nsga2算法训练的amp检测算法和实施该算法的系统 |
CN115378775A (zh) * | 2022-07-28 | 2022-11-22 | 浙江大学 | 一种低复杂度otfs波形统一近似消息传递均衡方法及装置 |
Non-Patent Citations (2)
Title |
---|
YANG ZHANG等: "A Low-Complexity Approximate Message Passing Equalizer for OTFS system" * |
孙宇彤等: "基于GA-MP的低复杂度OTFS检测算法" * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116318490A (zh) * | 2023-05-25 | 2023-06-23 | 广州南方卫星导航仪器有限公司 | 一种基于5g应急通信车的通信信号检测方法及系统 |
CN116318490B (zh) * | 2023-05-25 | 2023-08-29 | 广州南方卫星导航仪器有限公司 | 一种基于5g应急通信车的通信信号检测方法及系统 |
CN116567098A (zh) * | 2023-07-10 | 2023-08-08 | 广东工业大学 | 一种混合广义期望一致的信号重构方法及系统 |
CN116567098B (zh) * | 2023-07-10 | 2023-09-15 | 广东工业大学 | 一种混合广义期望一致的信号重构方法及系统 |
CN117194857A (zh) * | 2023-11-08 | 2023-12-08 | 广州龙建达电子股份有限公司 | 一种二次方程模型下基于消息传递的相位恢复方法 |
CN117194857B (zh) * | 2023-11-08 | 2024-02-27 | 广州龙建达电子股份有限公司 | 一种二次方程模型下基于消息传递的相位恢复方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115695132B (zh) | 2023-03-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115695132B (zh) | 一种基于近似消息传递的面向低精度量化的otfs解调方法 | |
Zhao et al. | Sparse Bayesian learning of delay-Doppler channel for OTFS system | |
CN112882005B (zh) | 一种基于贝叶斯学习的otfs雷达目标参数估计方法 | |
CN111698182A (zh) | 一种基于压缩感知的时频分块稀疏的信道估计方法 | |
Perrins et al. | PAM decomposition of M-ary multi-h CPM | |
CN111865843B (zh) | 大规模mimo-ofdm系统混合消息传递信道估计方法 | |
CN105915473A (zh) | 一种基于压缩感知技术的ofdm系统参数化信道估计及均衡方法 | |
CN115426223B (zh) | 一种低轨卫星信道估计和符号检测方法及系统 | |
Thoota et al. | Massive MIMO-OFDM systems with low resolution ADCs: Cramér-Rao bound, sparse channel estimation, and soft symbol decoding | |
CN114338305A (zh) | 一种针对正交时频空调制系统的符号检测方法 | |
CN106972875B (zh) | 一种mimo系统下多维联合估计动态稀疏信道的方法 | |
US8165231B2 (en) | Wireless communications apparatus | |
CN115065432A (zh) | 天波大规模mimo三重波束基信道建模及信道信息获取 | |
EP1943794A2 (en) | Noise power interpolation in a multi-carrier system | |
CN111641575B (zh) | 一种正交时频二维空间调制信号接收方法及接收器 | |
CN110086734B (zh) | 一种时变大规模mimo系统中的信道追踪和恢复方法 | |
CN115412416A (zh) | 一种面向高速移动场景的低复杂度otfs信号检测方法 | |
CN101662441B (zh) | 信号估计方法、装置及检测系统 | |
CN107395547B (zh) | 一种iq支路不平衡条件下的补偿方法及系统 | |
CN111970028B (zh) | 基于循环最小化的电力线通信系统脉冲噪声抑制方法 | |
CN113852579A (zh) | 一种低维子空间otfs信道估计方法 | |
Şahin et al. | Majority Vote Computation With Complementary Sequences for Distributed UAV Guidance | |
CN111277522B (zh) | 一种水声ofdm通信系统中信道参数的快速重构方法 | |
CN114584431B (zh) | 一种基于uamp的双线性信道估计方法 | |
US20210111769A1 (en) | Systems, methods, and media for recovering data symbols in multiple-input, multiple-output receivers |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230904 Address after: 510000 rooms 704 and 705, building 3, No. 18, Shenzhou Road, Huangpu District, Guangzhou, Guangdong Province Patentee after: Guangzhou longjianda Electronics Co.,Ltd. Address before: 510090 Dongfeng East Road 729, Yuexiu District, Guangzhou City, Guangdong Province Patentee before: GUANGDONG University OF TECHNOLOGY |
|
TR01 | Transfer of patent right |