CN115776431A - 一种基于消息传递的突发干扰场景下目标信号估计与解调方法 - Google Patents

一种基于消息传递的突发干扰场景下目标信号估计与解调方法 Download PDF

Info

Publication number
CN115776431A
CN115776431A CN202211371826.XA CN202211371826A CN115776431A CN 115776431 A CN115776431 A CN 115776431A CN 202211371826 A CN202211371826 A CN 202211371826A CN 115776431 A CN115776431 A CN 115776431A
Authority
CN
China
Prior art keywords
interference
information
block
matrix
module
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.)
Pending
Application number
CN202211371826.XA
Other languages
English (en)
Inventor
袁晓军
欧志豪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yangtze River Delta Research Institute of UESTC Huzhou
Original Assignee
Yangtze River Delta Research Institute of UESTC Huzhou
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Yangtze River Delta Research Institute of UESTC Huzhou filed Critical Yangtze River Delta Research Institute of UESTC Huzhou
Priority to CN202211371826.XA priority Critical patent/CN115776431A/zh
Publication of CN115776431A publication Critical patent/CN115776431A/zh
Pending legal-status Critical Current

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

  • Noise Elimination (AREA)

Abstract

本发明属于信息与通信技术领域，具体涉及一种于消息传递的突发干扰场景下接收机设计方法，考虑到在突发干扰场景下，一个帧内部分数据符号上的突发干扰与导频符号上的背景干扰非同源，导频符号无法测量估计突发干扰的统计特性，现有干扰抑制框架下的算法解调性能较差。本发明基于消息传递框架，利用目标用户星座图信息和干扰信号的低秩性分别设计了不同的降噪模块，通过不同模块间的迭代有效抑制了突发干扰，极大地提升了接收机性能。

Description

一种基于消息传递的突发干扰场景下目标信号估计与解调 方法
技术领域
本发明属于信息与通信技术领域，具体涉及一种基于消息传递的突发干扰场景下接收机设计方法。
背景技术
在5.5G上行超宽带(Uplink Centric Broadband Communication,UCBC)场景中需要使用refarming F、A、E频段来进行上行数据传输，但这些频段存在制式间干扰、大气波导干扰、电磁污染等问题，极大地限制了通信系统的性能，这些干扰具体有如下特征：1、干扰的能量强度很高，与底噪相比较其干噪比(Interference over Thermal-noise,IoT)可达到20dB以上；2、在一个传输时间间隔(Transmission Time Interval,TTI)内部不同的OFDM符号上干扰来源不同，也就是说与整个TTI上都存在的来自系统内部的背景干扰不同，有部分OFDM符号上受到的干扰来自于系统外部的复杂电磁环境，其干扰特征与背景干扰不一致；3、在突发性干扰场景下，干扰仅发生在部分数据符号上，导频符号上未受到突发干扰的影响，无法通过导频符号来测量到数据符号上突发干扰的特征。
在现有的通用最小均方误差干扰抑制(Minimum Mean Squared Error-basedInterference Rejection Combining,MMSE-IRC)算法框架下，准确地估计数据符号上的干扰协方差矩阵非常重要，但在受到非同源突发干扰的数据符号上，通用的协方差估计方法难以有效消除目标信号和突发干扰的交叉项，这些交叉项的能量强度会随着目标信号增强而增大，导致数据符号估计的信干噪比(Signal to Interference plus Noise Ratio,SINR)存在上界，特别是在高阶调制下(64QAM及以上)检测性能相对于无交叉项时急剧恶化。
发明内容
本发明在贝叶斯框架下通过迭代干扰消除的方式来提升目标用户信号估计与解调的性能，算法设计基于Turbo类型消息传递(Turbo-type Message Passing,TMP)框架。本发明中接收机共由三个模块组成，分别为LMMSE线性估计模块A、软解调降噪模块B和低秩性降噪模块C。在模块A中作LMMSE线性估计器得到粗略的目标信号和干扰信号估计值，并将二者分别输入到模块B和模块C，然后在模块B利用星座图信息来对目标信号估计值进行降噪。另一方面，在基站接收端配备的天线数目远多于干扰源数目，干扰信号在空间上呈现出低秩特性，故在模块C中可利用干扰信号的低秩性实现降噪。三个模块之间交替迭代来优化估计值直至收敛。
本发明采用的技术方案是基于消息传递的突发干扰场景下目标信号估计与解调方法，包括以下步骤：
S1、系统建模：在一个帧内共有Ti个OFDM数据符号受到突发干扰影响，且干扰发生的位置已知(假设干扰未发生在导频符号上)，系统频域带宽共有K＝12NRB个子载波，NRB为资源块(Resource Block,RB)数目。设基站端接受天线数目为Nr，目标信号流数为Ns，干扰信号流数为Ni，第t个数据符号第k个子载波上基站接收信号可表示为，
Figure BDA0003925206130000031
其中
Figure BDA0003925206130000032
为目标用户信道，
Figure BDA0003925206130000033
为干扰用户信道，
Figure BDA0003925206130000034
为目标信号，
Figure BDA0003925206130000035
为干扰信号，
Figure BDA0003925206130000036
为白噪声。
S2、分块模型：考虑到频域上相邻子载波信道变化较为缓慢，相邻R个RB视为一个子块，则系统共分为Q＝NRB/R个子块，同时可将Ti个OFDM符号的相同子块拼接到一起，即每个子块的维度为Nr×M，其中M＝KTi/Q，第q子块内的第m列接收信号为，
yq，m＝Hq，msq，m+HI，q，msI，q，m+nq，m
＝Hq，msq，m+lq，m+nq，m
其中下标q，m对应了系统第ceil(mQ/K)个受突发干扰的OFDM数据符号上的第qK/Q+mod(m-1，K/Q)+1个子载波，ceil(x)表示对x向上取整，mod(x，y)表示x对y取模的值，lq，m＝HI，q，msI，q，m表示干扰信号。将目标符号sq，m和干扰信号lq，m表示为矩阵形式Sq＝[sq，1，…，sq，M]和Lq＝[lq，1，…，lq，M]，在后续步骤中每个子块单独处理且处理步骤相同，为了符号表示的简洁性，后面的内容中省去子块下标q，即后续将符号yq，m，Hq，m，sq，m，lq，m，nq，m，Sq和Lq去掉下标q简写成对应的符号ym，Hm，sm，lm，nm，S和L。
S3、接收机参数初始化：
Figure BDA0003925206130000037
其中
Figure BDA0003925206130000038
表示模块A中目标符号s的先验信息，
Figure BDA0003925206130000039
为先验值
Figure BDA00039252061300000310
的先验方差，其为一个Ns×1的向量，即同一子块内不同用户目标符号估计值对应不同的方差，
Figure BDA00039252061300000311
表示模块A中干扰信号L的先验信息，
Figure BDA00039252061300000312
为先验值
Figure BDA00039252061300000313
的先验方差，其为一个标量，即同一子块内不同的干扰信号估计值使用同一个方差值，
Figure BDA0003925206130000041
为干扰信号的能量强度。后续步骤中使用上标“prior”的缩写“pri”表示先验信息，上标“posterior”的缩写“post”表示后验信息，上标“extrinsic”的缩写“ext”表示外信息，同一符号不同上标用于区分其所属信息类别，下标A，B，C分别表示相应符号所处的模块A，B和C。
S4、LMMSE线性估计模块A：基于步骤S2中分块模型在子块的每一列对目标符号和干扰信号作LMMSE估计。当基站使用平面天线阵列进行接收时，干扰信号lm的协方差矩阵表现出非对角特性但其表现为一个特定的模式，该模式用归一化后的干扰协方差矩阵
Figure BDA0003925206130000042
表示。
记模块A残余接收信号为
Figure BDA0003925206130000043
其协方差矩阵为，
Figure BDA0003925206130000044
其中
Figure BDA0003925206130000045
表示以向量x作为对角元构成一个对角矩阵，其非对角线元素全为零，
Figure BDA0003925206130000046
为白噪声能量强度，I为单位矩阵。目标符号sm的后验估计为，
Figure BDA0003925206130000047
Figure BDA0003925206130000048
其中diag(X)表示取矩阵X对角元为列向量。干扰信号lm的后验估计为，
Figure BDA0003925206130000049
Figure BDA00039252061300000410
其中trace(X)表示求矩阵X的迹。
S5、模块A外信息计算：先对子块内不同列上的后验方差作平均，
Figure BDA0003925206130000051
外信息计算公式为，
Figure BDA0003925206130000052
Figure BDA0003925206130000053
其中⊙为哈达玛积。再分别将目标符号和干扰信号的外信息输入到模块B和C。
S6、软解调降噪模块B：在模块B中利用目标符号的星座图信息对估计值
Figure BDA0003925206130000054
降噪，其n行m列元素为
Figure BDA0003925206130000055
其方差为
Figure BDA0003925206130000056
即
Figure BDA0003925206130000057
的第n个元素。设目标用户采用2J阶QAM调制，则一个星座点表示J个比特，符号
Figure BDA0003925206130000058
对应第k个星座点的概率
Figure BDA0003925206130000059
为，
Figure BDA00039252061300000510
其中ck表示第k个星座点。后验均值与方差分别为，
Figure BDA00039252061300000511
其中|x|表示求复数x的模。
S7、模块B外信息计算：先将一个子块内不同用户的后验方差求平均值，
Figure BDA00039252061300000512
则后验方差为
Figure BDA00039252061300000513
后验均值拼接为矩阵形式
Figure BDA00039252061300000514
其第n行m的元素为
Figure BDA0003925206130000061
模块B外信息计算公式为，
Figure BDA0003925206130000062
其中⊙为哈达玛积。然后将模块B的外信息均值和方差返回到模块A中。
S8、干扰低秩降噪模块C：假设一个子块内信道平坦时，即子块内不同载波上的信道
Figure BDA0003925206130000063
相同，干扰信号L＝[l1，…，lM]，lm＝HI，msI，m的秩为Ni，但因信道频率选择性的存在，不同载波上的信道有较小的变化，对干扰信号作奇异值分解(Singular ValueDecomposition,SVD)后除了前Ni个较大的奇异值外还存在部分较小的奇异值。在降噪时如将外泄部分较小奇异值直接置零则会损失部分有用信息，若完全吸纳则会引入过多的底噪。本发明选用Optimal Shrinker来处理奇异值，干扰后验信息计算方法如下，
S81、首先对模块C的输入
Figure BDA0003925206130000064
作SVD分解，
Figure BDA0003925206130000065
其中
Figure BDA0003925206130000066
中的奇异值σi，i＝1，2，…，Nr成降序排列，即
Figure BDA0003925206130000067
将奇异值归一化为，
Figure BDA0003925206130000068
其中
Figure BDA0003925206130000069
为模块C的输入方差。
S82、对奇异值降噪得，
Figure BDA00039252061300000610
其中β＝Nr/M。进一步处理器奇异值为，
Figure BDA0003925206130000071
其中x＝x(σi)。处理完毕后的奇异值矩阵记为
Figure BDA0003925206130000072
S83、重构模块C干扰的后验均值为
Figure BDA0003925206130000073
其中
Figure BDA0003925206130000074
表示矩阵低秩降噪器。
S9、模块C外信息计算：模块C的外信息均值可表示为先验信息和后验信息的组合
Figure BDA0003925206130000075
线性参数计算公式为，
Figure BDA0003925206130000076
其中div(X)表示求矩阵X的散度，<X，Y>表示求矩阵内积。上述矩阵散度div(·)的计算方法为先对先验信息添加强度为ε的白噪声Ndiv得到
Figure BDA0003925206130000077
降噪得
Figure BDA0003925206130000078
计算得到散度为
Figure BDA0003925206130000079
外信息方差计算方法为
Figure BDA00039252061300000710
其中||·||F为矩阵F-范数。最后将模块C外信息均值和方差输入到模块A进行迭代。
S10、若算法收敛或达到预设的最大迭代次数则结束，否则进入步骤S4。
本发明的有益效果在于：利用目标符号的星座图信息和干扰信号的低秩性来对线性模块的估计值进行降噪，通过算法中不同模块的相互迭代可以逐渐将干扰消除。更具体的，针对干扰信号的特征设计了特殊的线性估计模块和低秩降噪模块，使接收机算法中的条件假设更贴近实际情况，有效实现了干扰消除，大幅提升了数据解调性能。
附图说明
图1是本发明的接收机结构框图；
图2是归一化干扰协方差矩阵mesh图；
图3是归一化干扰协方差矩阵热度图；
图4是干扰信号矩阵奇异值对比图；
图5是16QAM下算法解调BLER性能图；
图6是64QAM下算法解调BLER性能图。
具体实施方式
下面结合附图对本发明作进一步地详细说明。本发明的接收机结构框图如图1所示，包括了线性估计模块A、软解调降噪模块B和低秩降噪模块C。算法仿真信道为3GPP38.901标准第7.5节中描述的Urban Macro(UMa)场景信道，参数设置参考该标准中Table7.5-6Part-1中UMa场景NLOS列。仿真中基站接收天线数Nr＝64，目标用户流数Ns＝8，突发干扰流数Ni＝8，突发干扰IoT为10dB/流，一个TTI内OFDM数据符号总数T＝12，受突发干扰的数据符号数目Ti＝2，系统带宽为NRB＝24个RB，共K＝288个子载波，R＝4个RB作一个子块，系统共分为Q＝6个子块，调制方式为16QAM或64QAM，信道编码采用LDPC编码，编码码率为3/4，单个TTI内所有OFDM数据符号编为一个码字。此外因为突发干扰位置已知，未受到突发干扰的数据符号直接采用MMSE-IRC算法进行数据解调，收到突发干扰的数据符号采用本发明中设计算法(命名为C-TMP-Opt)进行解调，其最大迭代次数设置了5次或者10次两种情况。当前配置下具体实施方式如下：
S1、系统建模：在一个帧内共有2个OFDM数据符号受到突发干扰影响，且干扰发生的位置已知(假设干扰未发生在导频符号上)，系统频域带宽共有K＝12NRB＝288个子载波，NRB＝24为资源块(Resource Block，RB)数目。设基站端接受天线数目为Nr＝64，目标信号流数为Ns＝8，干扰信号流数为Ni＝8，第t个数据符号第k个子载波上基站接收信号可表示为，
Figure BDA0003925206130000091
其中
Figure BDA0003925206130000092
为目标用户信道，
Figure BDA0003925206130000093
为干扰用户信道，
Figure BDA0003925206130000094
为目标信号，
Figure BDA0003925206130000095
为干扰信号，
Figure BDA0003925206130000096
为白噪声。
S2、分块模型：考虑到频域上相邻子载波信道变化较为缓慢，相邻R＝4个RB视为一个子块，则系统共分为Q＝NRB/R＝6个子块，同时可将Ti＝2个OFDM符号的相同子块拼接到一起，即每个子块的维度为64×96，第q子块内的第m列接收信号为，
yq，m＝Hq，msq，m+HI，q，msI，q，m+nq，m
＝Hq，msq，m+lq，m+nq，m
其中下标q，m对应了系统第ceil(m/48)个受突发干扰的OFDM数据符号上的第48q+mod(m-1，48)+1个子载波，ceil(x)表示对x向上取整，mod(x，y)表示x对y取模的值，lq，m＝HI，q，msI，q，m表示干扰信号。将目标符号sq，m和干扰信号lq，m表示为矩阵形式Sq＝[sq，1，…，sq，M]和Lq＝[lq，1，…，lq，M]，在后续步骤中每个子块单独处理且处理步骤相同，为了符号表示的简洁性，后面的内容中省去子块下标q，即后续将符号yq，m，Hq，m，sq，m，lq，m，nq，m，Sq和Lq去掉下标q简写成对应的符号ym，Hm，sm，lm，nm，S和L。
S3、接收机参数初始化：
Figure BDA0003925206130000101
其中
Figure BDA0003925206130000102
表示模块A中目标符号S的先验信息，
Figure BDA0003925206130000103
为先验值
Figure BDA0003925206130000104
的先验方差，其为一个8×1的向量，即同一子块内不同用户目标符号估计值对应不同的方差，
Figure BDA0003925206130000105
表示模块A中干扰信号L的先验信息，
Figure BDA0003925206130000106
为先验值
Figure BDA0003925206130000107
的先验方差，其为一个标量，即同一子块内不同的干扰信号估计值使用同一个方差值，
Figure BDA0003925206130000108
为干扰信号的能量强度。后续步骤中使用上标“prior”的缩写“pri”表示先验信息，上标“posterior”的缩写“post”表示后验信息，上标“extrinsic”的缩写“ext”表示外信息，同一符号不同上标用于区分其信息类别，下标A，B，C分别表示相应符号所处模块A，B和C。
S4、LMMSE线性估计模块A：基于步骤S2中分块模型在子块的每一列对目标符号和干扰信号作LMMSE估计。当基站使用平面天线阵列进行接收时，干扰信号lm的协方差矩阵表现出非对角特性但其表现为一个特定的模式，该模式用归一化后的干扰协方差矩阵
Figure BDA0003925206130000109
表示。矩阵
Figure BDA00039252061300001010
的获取可通过基站历史中接收到的P次干扰信号进行统计平均，记接收的第p次干扰信号矩阵为Lp，先计算历史干扰的统计平均
Figure BDA00039252061300001011
归一化协方差矩阵为
Figure BDA00039252061300001012
其中diag(·)为取矩阵对角线元素，mean(·)为取平均值。统计平均得到的矩阵如图1(mesh图)和图2(热度图)所示。
记模块A残余接收信号为
Figure BDA0003925206130000111
其协方差矩阵为，
Figure BDA0003925206130000112
其中
Figure BDA0003925206130000113
表示以向量x作为对角元构成一个对角矩阵，其非对角线元素全为零，
Figure BDA0003925206130000114
为白噪声能量强度，I为单位矩阵。目标符号sm的后验估计为，
Figure BDA0003925206130000115
Figure BDA0003925206130000116
其中diag(X)表示取矩阵X对角元为列向量。干扰信号lm的后验估计为，
Figure BDA0003925206130000117
Figure BDA0003925206130000118
其中trace(X)表示求矩阵X的迹。
S5、模块A外信息计算：先对子块内不同列上的后验方差作平均，
Figure BDA0003925206130000119
外信息计算公式为，
Figure BDA00039252061300001110
Figure BDA00039252061300001111
其中⊙为哈达玛积。再分别将目标符号和干扰信号的外信息输入到模块B和C。
S6、软解调降噪模块B：在模块B中利用目标符号的星座图信息对估计值
Figure BDA00039252061300001112
降噪，其n行m列元素为
Figure BDA00039252061300001113
其方差为
Figure BDA00039252061300001114
即
Figure BDA00039252061300001115
的第n个元素。目标用户采用2J＝64阶QAM调制，一个星座表示J＝6个比特，
Figure BDA00039252061300001116
对应第k个星座点的概率
Figure BDA0003925206130000121
为，
Figure BDA0003925206130000122
其中ck表示第k个星座点。后验均值与方差分别为，
Figure BDA0003925206130000123
其中|x|表示求复数x的模。
S7、模块B外信息计算：先将一个子块内不同用户的后验方差求平均值，
Figure BDA0003925206130000124
则后验方差为
Figure BDA0003925206130000125
后验均值拼接为矩阵形式
Figure BDA0003925206130000126
其第n行m的元素为
Figure BDA0003925206130000127
模块B外信息计算公式为，
Figure BDA0003925206130000128
其中⊙为哈达玛积。然后将模块B的外信息均值和方差返回到模块A中。
S8、干扰低秩降噪模块C：假设一个子块内信道平坦时，即子块内不同载波上的信道
Figure BDA0003925206130000129
相同，干扰信号L＝[l1，…，l96]，lm＝HI，msI，m的秩为Ni＝8，但因信道频率选择性的存在，不同载波上的信道有较小的变化，对干扰信号作奇异值分解(Singular ValueDecomposition,SVD)后除了前Ni＝8个较大的奇异值外还存在部分相对较小的奇异值，如图4中所示的第8到16个奇异值。在降噪时如将外泄部分较小奇异值直接置零则会损失部分有用信息，若完全吸纳则会引入过多的底噪。本发明选用Optimal Shrinker来处理奇异值，干扰后验信息计算方法如下，
S81、首先对模块C的输入
Figure BDA0003925206130000131
作SVD分解，
Figure BDA0003925206130000132
∑＝diag{σ1，σ2，…，σ64}，
其中
Figure BDA0003925206130000133
中的奇异值σi，i＝1，2，…，64成降序排列，即σ1＞σ2＞…＞σ64。将奇异值归一化为，
Figure BDA0003925206130000134
其中
Figure BDA0003925206130000135
为模块C的输入方差。
S82、对奇异值降噪得，
Figure BDA0003925206130000136
其中β＝Nr/M＝64/96＝2/3。进一步处理器奇异值为，
Figure BDA0003925206130000137
其中x＝x(σi)。处理后的奇异值矩阵记为∑opt＝diag{η(σ1)，…，η(σ64)}。OptimalShrinker可处理部分外泄奇异值，图4中第8到16个较小奇异值实现部分恢复。
S83、重构模块C干扰的后验均值为
Figure BDA0003925206130000138
其中
Figure BDA0003925206130000139
表示矩阵低秩降噪器。
S9、模块C外信息计算：模块C的外信息均值可表示为先验信息和后验信息的组合
Figure BDA00039252061300001310
线性参数计算公式为，
Figure BDA00039252061300001311
其中div(X)表示求矩阵X的散度，<X，Y>表示求矩阵内积。上述矩阵散度div(·)的计算方法为先对先验信息添加强度为ε＝10-3的白噪声Ndiv得到
Figure BDA0003925206130000141
降噪得
Figure BDA0003925206130000142
计算散度
Figure BDA0003925206130000143
外信息方差计算方法为
Figure BDA0003925206130000144
其中||·||F为矩阵F-范数。最后将模块C外信息均值和方差输入到模块A进行迭代。S10、若算法收敛或达到最大迭代次数(5次或10次)则结束，否则进入S4。
图5和图6分别展示了16QAM和64QAM调制下不同算法数据解调的BLER性能曲线，横轴为目标用户信号相对于底噪的强度，纵轴为数据解调BLER，其中曲线Interference-free对应没有数据符号受到突发干扰的情况，曲线MMSE-IRC-Bound对应MMSE-IRC算法的一个性能界，其中干扰协方差矩阵通过对单个OFDM符号子块内所有子载波上的干扰信号取平均值获得(实际上干扰信号未知，其仅作为一个参考性能界)，曲线C-TMP-Opt-10对应本发明中的C-TMP-Opt算法迭代10次的结果，曲线C-TMP-Opt-5为算法迭代5次的结果，曲线LMMSE对应将突发干扰视为白噪声来处理的情况。
当BLER＝0.1时，在16QAM调制下C-TMP-Opt算法迭代10次和5次性能基本一致，与Interference-free之间的差距约1.4dB；在64QAM调制下C-TMP-Opt算法迭代10次和5次差异仍较小，较16QAM调制时略有增加，迭代5次时与Interference-free距离1.8dB。随着QAM调制阶数的上升，星座图密度增大导致模块B降噪能力减弱，造成C-TMP-Opt算法性能下降，故与Interference-free之间的差距相对增大，而与LMMSE之间的差距有所减小。此外，注意到随着QAM调制阶数的上升，无干扰情况与LMMSE算法的间距逐渐缩小，该现象是因为仅有两个符号受干扰时码字内整体错误率较低，而一个TTI内所有符号编为一个码字，在高阶调制下码长要远大于低阶调制，可以更好地实现纠错。
综上所述，本发明提出的C-TMP-Opt算法在高阶调制(64QAM)下有明显增益，在BLER＝0.1处，较LMMSE基线取得3dB增益，较无干扰情况损失在2dB以内；在低阶调制(16QAM)下算法增益更为显著，较LMMSE基线有6dB增益，较无干扰情况仅损失1.4dB。

Claims (2)

1.一种基于消息传递的突发干扰场景下目标信号估计与解调方法，其特征在于，包括以下步骤：
S1、系统建模：在一个帧内共有Ti个OFDM数据符号受到突发干扰影响，且干扰发生的位置已知，系统频域带宽共有K＝12NRB个子载波，NRB为资源块Resource Block即RB数目，设基站端接受天线数目为Nr，目标信号流数为Ns，干扰信号流数为Ni，第t个数据符号第k个子载波上基站接收信号可表示为，
Figure FDA0003925206120000011
其中
Figure FDA0003925206120000012
为目标用户信道，
Figure FDA0003925206120000013
为干扰用户信道，
Figure FDA0003925206120000014
为目标信号，
Figure FDA0003925206120000015
为干扰信号，
Figure FDA0003925206120000016
为白噪声；
S2、分块模型：考虑到频域上相邻子载波信道变化较为缓慢，相邻R个RB视为一个子块，则系统共分为Q＝NRB/R个子块，同时可将Ti个OFDM符号的相同子块拼接到一起，即每个子块的维度为Nr×M，其中M＝KTi/Q，第q子块内的第m列接收信号为，
yq，m＝Hq，msq，m+HI，q，msI，q，m+nq，m
＝Hq，msq，m+lq，m+nq，m
其中下标q，m对应了系统第ceil(mQ/K)个受突发干扰的OFDM数据符号上的第qK/Q+mod(m-1，K/Q)+1个子载波，ceil(x)表示对x向上取整，mod(x，y)表示x对y取模的值，lq，m＝HI，q， msI，q，m表示干扰信号，将目标符号sq，m和干扰信号lq，m表示为矩阵形式Sq＝[sq，1，...，sq，M]和Lq＝[lq，1，...，lq，m]，在后续步骤中每个子块单独处理且处理步骤相同，为了符号表示的简洁性，后面的内容中省去子块下标q，即后续将符号yq，m，Hq，m，sq，m，lq，m，nq，m，Sq和Lq去掉下标q简写成对应的符号ym，Hm，sm，lm，nm，S和L；
S3、接收机参数初始化：
Figure FDA0003925206120000021
其中
Figure FDA0003925206120000022
表示模块A中目标符号s的先验信息，
Figure FDA0003925206120000023
为先验值
Figure FDA0003925206120000024
的先验方差，其为一个Ns×1的向量，即同一子块内不同用户目标符号估计值对应不同的方差，
Figure FDA0003925206120000025
表示模块A中干扰信号L的先验信息，
Figure FDA0003925206120000026
为先验值
Figure FDA0003925206120000027
的先验方差，其为一个标量，即同一子块内不同的干扰信号估计值使用同一个方差值，
Figure FDA0003925206120000028
为干扰信号的能量强度，后续步骤中使用上标prior的缩写pri表示先验信息，上标posterior的缩写post表示后验信息，上标extrinsic的缩写ext表示外信息，同一符号不同上标用于区分其所属信息类别，下标A，B，C分别表示相应符号所处的模块A，B和C；
S4、LMMSE线性估计模块A：基于步骤S2中分块模型在子块的每一列对目标符号和干扰信号作LMMSE估计，当基站使用平面天线阵列进行接收时，干扰信号lm的协方差矩阵表现出非对角特性但其表现为一个特定的模式，该模式用归一化后的干扰协方差矩阵
Figure FDA0003925206120000029
表示；
记模块A残余接收信号为
Figure FDA00039252061200000210
其协方差矩阵为，
Figure FDA00039252061200000211
其中
Figure FDA00039252061200000212
表示以向量x作为对角元构成一个对角矩阵，其非对角线元素全为零，
Figure FDA00039252061200000213
为白噪声能量强度，I为单位矩阵，目标符号sm的后验估计为，
Figure FDA00039252061200000214
Figure FDA00039252061200000215
其中diag(X)表示取矩阵X对角元为列向量，干扰信号lm的后验估计为，
Figure FDA0003925206120000031
Figure FDA0003925206120000032
其中trace(X)表示求矩阵X的迹；
S5、模块A外信息计算：先对子块内不同列上的后验方差作平均，
Figure FDA0003925206120000033
外信息计算公式为，
Figure FDA0003925206120000034
Figure FDA0003925206120000035
其中⊙为哈达玛积，再分别将目标符号和干扰信号的外信息输入到模块B和C；
S6、软解调降噪模块B：在模块B中利用目标符号的星座图信息对估计值
Figure FDA0003925206120000036
降噪，其n行m列元素为
Figure FDA0003925206120000037
其方差为
Figure FDA0003925206120000038
即
Figure FDA0003925206120000039
的第n个元素，设目标用户采用2J阶QAM调制，则一个星座点表示J个比特，符号
Figure FDA00039252061200000310
对应第k个星座点的概率
Figure FDA00039252061200000311
为，
Figure FDA00039252061200000312
其中ck表示第k个星座点，后验均值与方差分别为，
Figure FDA00039252061200000313
其中|x|表示求复数x的模；
S7、模块B外信息计算：先将一个子块内不同用户的后验方差求平均值，
Figure FDA0003925206120000041
则后验方差为
Figure FDA0003925206120000042
后验均值拼接为矩阵形式
Figure FDA0003925206120000043
其第n行m的元素为
Figure FDA0003925206120000044
模块B外信息计算公式为，
Figure FDA0003925206120000045
其中⊙为哈达玛积，然后将模块B的外信息均值和方差返回到模块A中；
S8、干扰低秩降噪模块C：假设一个子块内信道平坦时，即子块内不同载波上的信道
Figure FDA0003925206120000046
相同，干扰信号L＝[l1，...，lM]，lm＝HI，msI，m的秩为Ni，但因信道频率选择性的存在，不同载波上的信道有较小的变化，对干扰信号作奇异值分解Singular ValueDecomposition即SVD后除了前Ni个较大的奇异值外还存在部分较小的奇异值，在降噪时如将外泄部分较小奇异值直接置零则会损失部分有用信息，若完全吸纳则会引入过多的底噪，选用Optimal Shrinker来处理奇异值，干扰后验信息计算方法如下，
S81、首先对模块C的输入
Figure FDA0003925206120000047
作SVD分解，
Figure FDA0003925206120000048
其中
Figure FDA0003925206120000049
和的奇异值σi，i＝1，2，...，Nr成降序排列，即
Figure FDA00039252061200000410
将奇异值归一化为，
Figure FDA00039252061200000411
其中
Figure FDA00039252061200000412
为模块C的输入方差；
S82、对奇异值降噪得，
Figure FDA0003925206120000051
其中β＝Nr/M，进一步处理器奇异值为，
Figure FDA0003925206120000052
其中x＝x(σi)，处理完毕后的奇异值矩阵记为
Figure FDA00039252061200000511
S83、重构模块C干扰的后验均值为
Figure FDA0003925206120000053
其中
Figure FDA0003925206120000054
表示矩阵低秩降噪器；
S9、模块C外信息计算：模块C的外信息均值可表示为先验信息和后验信息的组合
Figure FDA0003925206120000055
线性参数计算公式为，
Figure FDA0003925206120000056
其中div(X)表示求矩阵X的散度，<X，Y>表示求矩阵内积。上述矩阵散度div(·)的计算方法为先对先验信息添加强度为ε的白噪声Ndiv得到
Figure FDA0003925206120000057
降噪得
Figure FDA0003925206120000058
计算得到散度为
Figure FDA0003925206120000059
外信息方差计算方法为
Figure FDA00039252061200000510
其中||·||F为矩阵F-范数。最后将模块C外信息均值和方差输入到模块A进行迭代；
S10、若算法收敛或达到预设的最大迭代次数则结束，否则进入步骤S4。
2.根据权利要求1所述的一种基于消息传递的突发干扰场景下目标信号估计与解调方法，其特征在于：步骤S1中假设干扰未发生在导频符号上。
CN202211371826.XA 2022-11-03 2022-11-03 一种基于消息传递的突发干扰场景下目标信号估计与解调方法 Pending CN115776431A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211371826.XA CN115776431A (zh) 2022-11-03 2022-11-03 一种基于消息传递的突发干扰场景下目标信号估计与解调方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211371826.XA CN115776431A (zh) 2022-11-03 2022-11-03 一种基于消息传递的突发干扰场景下目标信号估计与解调方法

Publications (1)

Publication Number Publication Date
CN115776431A true CN115776431A (zh) 2023-03-10

Family

ID=85388753

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211371826.XA Pending CN115776431A (zh) 2022-11-03 2022-11-03 一种基于消息传递的突发干扰场景下目标信号估计与解调方法

Country Status (1)

Country Link
CN (1) CN115776431A (zh)

Similar Documents

Publication Publication Date Title
EP2134017B1 (en) Method and system for data communication
KR100996535B1 (ko) 다중입출력 안테나 직교주파수 분할 다중화 시스템의 셀간 간섭 완화를 위한 공간 공분산 행렬 추정 기법을 이용한 셀간 간섭 완화 방법 및 이를 이용한 셀간 간섭 완화 수신 장치
US9680676B2 (en) Communication system, communication device and communication method that can improve frequency use efficiency
KR100932456B1 (ko) 직교주파수분할다중접속 시스템의 셀간 간섭 완화 장치 및방법
CN107624235B (zh) 用于估计无线通信系统中的下行链路信道的装置和方法
Jeya et al. Optimized semiblind sparse channel estimation algorithm for MU-MIMO OFDM system
US10484210B2 (en) Successive interference cancellation and multi-user minimum mean square channel estimation based on soft decoding information
CN100395975C (zh) 多载波扩频信号的接收
Khattak et al. Distributed iterative multiuser detection through base station cooperation
WO2014139550A1 (en) Iterative interference cancellation method
CN109560850B (zh) Mrc软检测方法、装置、设备及计算机可读存储介质
CN113726697A (zh) 一种基于置信空间动态判决的otfs符号检测方法
JP4889756B2 (ja) 無線アクセスシステム及び移動局装置
JP5276711B2 (ja) Ｍｉｍｏ受信方法
Dai et al. Time domain synchronous OFDM based on simultaneous multi-channel reconstruction
CN115776431A (zh) 一种基于消息传递的突发干扰场景下目标信号估计与解调方法
Li et al. Asynchronous co-channel interference suppression in MIMO OFDM systems
Khan et al. Data aided channel estimation for MIMO-OFDM wireless systems using reliable carriers
US20120147942A1 (en) System and Method for Signaling and Detecting in Wireless Communications Systems
EP1906559A1 (en) Process for mitigation of interference in a mobile cellular network and base station of a mobile cellular network
CN113037658A (zh) 信号检测方法、装置、通信设备及计算机存储介质
Raghavendra et al. Co-channel interference mitigation for 3G LTE MIMO-OFDM systems
JP3981656B2 (ja) アレーアンテナの制御方法及び制御装置
Manchón et al. Interference cancellation based on divergence minimization for MIMO-OFDM receivers
Karunakaran et al. On interference rejection combining for LTE-A systems: Analysis of covariance estimators and an iterative algorithm for frequency-selective channels

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