CN116633734B - 适用于高阶调制的超奈奎斯特系统svd预编码方法 - Google Patents
适用于高阶调制的超奈奎斯特系统svd预编码方法 Download PDFInfo
- Publication number
- CN116633734B CN116633734B CN202310758645.0A CN202310758645A CN116633734B CN 116633734 B CN116633734 B CN 116633734B CN 202310758645 A CN202310758645 A CN 202310758645A CN 116633734 B CN116633734 B CN 116633734B
- Authority
- CN
- China
- Prior art keywords
- matrix
- svd
- symbol
- symbol block
- super nyquist
- 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
- 238000000034 method Methods 0.000 title claims abstract description 45
- 239000011159 matrix material Substances 0.000 claims abstract description 82
- 238000001914 filtration Methods 0.000 claims abstract description 35
- 238000007493 shaping process Methods 0.000 claims abstract description 27
- 125000004122 cyclic group Chemical group 0.000 claims abstract description 26
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 14
- 230000009466 transformation Effects 0.000 claims abstract description 12
- 230000005540 biological transmission Effects 0.000 claims description 12
- 238000013507 mapping Methods 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 4
- 230000007704 transition Effects 0.000 claims description 2
- 238000004088 simulation Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 5
- 230000007547 defect Effects 0.000 description 4
- 230000011664 signaling Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
- 230000002087 whitening effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/03—Shaping networks in transmitter or receiver, e.g. adaptive shaping networks
- H04L25/03006—Arrangements for removing intersymbol interference
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/03—Shaping networks in transmitter or receiver, e.g. adaptive shaping networks
- H04L25/03891—Spatial equalizers
- H04L25/03898—Spatial equalizers codebook-based design
- H04L25/0391—Spatial equalizers codebook-based design construction details of matrices
-
- 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
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Digital Transmission Methods That Use Modulated Carrier Waves (AREA)
Abstract
本发明公开了适用于高阶调制的超奈奎斯特系统SVD预编码方法，包括：获取发送符号块及码间干扰矩阵；获取傅里叶变换矩阵对码间干扰矩阵进行SVD分解，得到对角矩阵；根据傅里叶变换矩阵对发送符号块进行SVD预编码；对预编码的发送符号块进行基带成形并发射，其中，所述基带成形基于循环卷积实现；接收发射的发送符号块并进行匹配滤波，其中，所述匹配滤波通过匹配滤波的循环卷积实现；根据对角矩阵对所述匹配滤波后的符号块进行SVD解码，获得估计符号块。通过上述技术方案，本发明降低超奈奎斯特系统的复杂度，同时提高超奈奎斯特系统的符号估计精度，改善超奈奎斯特系统采用高阶调制时的误比特率性能。
Description
技术领域
本发明涉及通信技术领域，特别涉及一种适用于高阶调制的超奈奎斯特系统SVD预编码方法，可用于超奈奎斯特系统的传输方案设计。
背景技术
在设计传统通信系统时，为了避免系统的码间干扰，通信系统均遵循奈奎斯特第一准则。然而，奈奎斯特传输系统无码间干扰传输的符号之间的正交性是以牺牲频谱效率为代价的。通过人工引入码间干扰，超奈奎斯特(Faster-Than-Nyquist,FTN)系统可以支持更高的传输速率和频谱效率。相应的，超奈奎斯特系统需要更高的复杂度来消除码间干扰，从而估计超奈奎斯特系统发射机的发送符号。
Shinya Sugiura在其发表论文“Frequency-domain equalization of faster-than-Nyquist signaling”(IEEE wireless communications letters，2013，2：555-558)中提出了一种基于循环前缀的频域均衡方法，其充分考虑了超奈奎斯特系统中的有色噪声并利用最小均方误差准则对其进行噪声白化，在低阶调制方式情况下可有效消除码间干扰，具有良好的误比特率性能。该方法存在的不足之处是，当超奈奎斯特系统采用高阶调制方式时其符号估计精度较低，误比特率性能差。
Ebrahim Bedeer在其发表论文“A very low complexity successive symbol-by-symbol sequence estimator for faster-than-Nyquist signaling”(IEEE access，2017，5：7414-7422)中提出了一种基于回退重复估计的低复杂度符号估计方法。该方法首先利用此前估计出的符号估计当前接收符号，然后利用当前符号的估计符号重新估计当前估计符号的前端数个符号。这种方法具有较低的复杂度，在轻度码间干扰的情况下可以有效消除超奈奎斯特系统的码间干扰。该方法存在的不足之处是，当超奈奎斯特系统选用高阶调制方式时，其误比特率性能差。
中国人民解放军理工大学刘爱军等人在其发表论文“Linear precoding forfaster-than-Nyquist signaling”(IEEE international conference on computer andcommunications，2017，52-56)中提出了一种基于奇异值分解(SingularValueDecomposition,SVD)预编码的符号估计方法，该方法针对每一个发送符号块构造码间干扰矩阵，然后对其进行SVD分解，并借助SVD分解结果实现预编码，从而消除码间干扰。该方法存在的不足之处是，所需复杂度较高，且所构造的码间干扰矩阵忽略块间干扰，导致当超奈奎斯特系统采用高阶调制方式时，此方法无法有效消除块间干扰，因此符号估计精度低，误比特率性能差。
发明内容
为解决上述现有技术中所存在的问题，本发明提供一种适用于高阶调制的超奈奎斯特系统SVD预编码方法，以降低采用SVD预编码的超奈奎斯特系统的复杂度，同时提高超奈奎斯特系统的符号估计精度，改善超奈奎斯特系统采用高阶调制时的误比特率性能。
为了实现上述技术目的，本发明提供了如下技术方案：适用于高阶调制的超奈奎斯特系统SVD预编码方法，包括：
获取发送符号块及码间干扰矩阵；
获取傅里叶变换矩阵，基于所述傅里叶变换矩阵对所述码间干扰矩阵进行SVD分解，得到对角矩阵；
根据所述傅里叶变换矩阵对所述发送符号块进行SVD预编码；
对预编码的发送符号块进行上采样及基带成形并发射，其中，所述基带成形基于循环卷积实现；
接收发射的符号块，将接收到的符号块作为接收符号块，对所述接收符号块进行匹配滤波及下采样，其中，所述匹配滤波通过匹配滤波的循环卷积实现；
根据对角矩阵对所述下采样后的接收符号块进行SVD解码，获得估计符号块。
可选的，所述发送符号块的获取过程包括：
获取比特数据，将所述比特数据映射为发送符号，并对所述发送符号进行等长度划分，得到发送符号块。
可选的，所述码间干扰矩阵的获取过程包括：
获取码间干扰因子，基于循环对称特性，根据所述码间干扰因子及所述发送符号块的长度，获取所述码间干扰矩阵。
可选的，对码间干扰矩阵进行SVD分解的过程包括：
获取傅里叶变换矩阵：
其中，ql,η表示傅里叶变换矩阵Q的第l行、第η列元素，λ表示虚数单位，l和η的取值范围均为[1,L]，L为发送符号块长度；
根据所述傅里叶变换矩阵，对所述码间干扰矩阵G进行SVD分解：
G＝QTΛQ*
其中，Λ为码间干扰矩阵的对角矩阵，上标T表示转置操作，上标*为取共轭操作。
可选的，对所述发送符号块进行SVD预编码的过程包括：
根据傅里叶变换矩阵，对发送符号块进行SVD预编码，将所述发送符号块ak转换至频域：
sk＝QTak
其中，sk表示超奈奎斯特系统发射机第k个经过预编码的发送符号块，上标T表示转置操作。
可选的，对上采样后的发送符号块进行基带成形的过程包括：
将超奈奎斯特系统发射机基带成形的线性卷积替换为循环卷积，通过基带成形的循环卷积实现基带成形：
其中，ck表示超奈奎斯特系统发射机经过循环卷积的第k个符号块，p表示基带成形和匹配滤波的时域响应系数，表示发送符号块sk经过零值内插的上采样符号块，/>为循环卷积操作。
可选的，对接收的符号块进行匹配滤波的过程包括：
将超奈奎斯特系统接收机匹配滤波的线性卷积替换为循环卷积，通过匹配滤波的循环卷积实现匹配滤波：
其中，表示超奈奎斯特系统接收机经过循环卷积的第k个符号块，/>表示ck经过信道、加入噪声后的符号块即接收符号块。
可选的，对所述下采样后的符号块进行SVD解码的过程包括：
根据对角矩阵，对匹配滤波后的符号块进行SVD解码，将所述匹配滤波后的符号块转换至时域：
其中，rk表示经过下采样后的接收符号块，/>表示转换回时域的第k个符号块。
本发明具有如下技术效果：
第一，由于本发明将超奈奎斯特系统基带成形和匹配滤波的线性卷积替换为循环卷积，无需考虑发送符号块间干扰，即可构造完整的码间干扰矩阵，并借助傅里叶变换矩阵分别在超奈奎斯特系统发射机和接收机实现SVD预编码和解码，从而消除码间干扰、恢复发送符号，克服了现有技术当超奈奎斯特系统选用高阶调制方式时符号估计性能差的问题，能更精确的估计超奈奎斯特系统的发射符号，尤其适用于采用高阶调制方式的超奈奎斯特系统。
第二，由于本发明将超奈奎斯特系统基带成形和匹配滤波的线性卷积替换为循环卷积，使得超奈奎斯特系统的码间干扰矩阵具备循环对称特性，可利用傅里叶变换矩阵实现SVD预编码和解码，而傅里叶变换矩阵可通过快速傅里叶变换及其逆变换实现，因此本发明只需要1对快速傅里叶变换及其逆变换知识产权核(IP核)和1个复数乘法器即可实现，降低了现有SVD预编码方法的实现复杂度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是超奈奎斯特系统框图；
图2是本发明基于图1超奈奎斯特系统进行符号估计的实现流程图；
图3是用本发明方法在64-APSK、128-APSK和256-APSK条件下进行符号估计的仿真结果图，其中，(a)为采用64-APSK作为其调制方式进行符号估计的仿真结果图；(b)为采用128-APSK作为其调制方式进行符号估计的仿真结果图；(c)为采用256-APSK作为其调制方式进行符号估计的仿真结果图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的目的在于针对上述已有技术的不足，提出一种适用于高阶调制的超奈奎斯特系统SVD预编码方法，以降低采用SVD预编码的超奈奎斯特系统的复杂度，同时提高超奈奎斯特系统的符号估计精度，改善超奈奎斯特系统采用高阶调制时的误比特率性能。
实现本发明目的的思路是，通过将超奈奎斯特系统基带成形和匹配滤波的线性卷积替换为循环卷积，将超奈奎斯特系统预编码后的码间干扰矩阵转换为循环对称矩阵，然后借助傅里叶变换矩阵对该循环对称矩阵进行SVD分解，并以此为基础进行SVD预编码，消除码间干扰。
根据上述思路，本发明的实现步骤如下：
1)获取超奈奎斯特系统经过星座映射后的发送符号，并将其划分为长度为L的发送符号块ak，其中ak为列向量，表示第k个发送符号块，1≤k≤N，N表示发送符号块总数，L取以2为底数的指数(如256、512和1024)；
2)计算并获得超奈奎斯特系统的码间干扰矩阵；
3)利用傅里叶变换矩阵Q对码间干扰矩阵进行SVD分解，获得码间干扰矩阵的对角矩阵Λ；
4)按照下式，对超奈奎斯特系统发射机的发送符号块进行预编码，由此将其转换至频域：
sk＝QTak
其中，sk表示超奈奎斯特系统发射机第k个经过预编码的发送符号块，上标T表示转置操作；
5)将超奈奎斯特系统发射机基带成形的线性卷积替换为循环卷积，进行超奈奎斯特成形：
其中，ck表示超奈奎斯特系统发射机经过循环卷积的第k个符号块，p表示基带成形和匹配滤波的时域响应系数，为循环卷积操作，/>表示发送符号块sk经过零值内插的上采样符号块；
6)将超奈奎斯特系统接收机匹配滤波的线性卷积替换为循环卷积，进行匹配滤波：
其中，表示超奈奎斯特系统接收机经过循环卷积的第k个符号块，/>表示ck经过信道、加入噪声后的符号块；
7)利用傅里叶变换矩阵，将接收符号块rk转换回时域：
其中，rk表示经过下采样后的接收符号块，/>表示转换回时域的第k个符号块，上标*为取共轭操作；
8)按照下式，利用码间干扰矩阵的对角矩阵获得估计符号：
其中，表示超奈奎斯特系统接收机经过码间干扰消除后的第k个估计符号块，(·)-1表示矩阵逆运算。
结合附图对上述技术方案进行详细阐述：
参照图1，本发明采用的超奈奎斯特系统主要由数据源、星座映射、SVD预编码、上采样、基带成形、信道、匹配滤波、下采样、SVD解码、解映射和误比特率模块构成，其中：
数据源模块，产生传输系统所需传输的比特数据，并将比特数据传递给星座映射模块；
星座映射模块，根据星座映射规则将比特数据映射为符号，并将映射后符号传递给SVD预编码模块；
SVD预编码模块，将星座映射后符号划分为符号块，然后利用预编码矩阵进行SVD预编码，并将预编码后符号块传递给上采样模块；
上采样模块，对预编码后的符号块进行零值内插，并将零值内插后符号块传递给基带成形模块；
基带成形模块，对上采样后的符号块进行超奈奎斯特成形，并将基带成形后的符号传递给信道模块；
信道模块，对基带成形后符号添加高斯白噪声，以模拟信道环境，并将添加高斯白噪声后符号传递给匹配滤波模块；
匹配滤波模块，对添加高斯白噪声后符号进行匹配滤波操作，并将滤波后符号传递给下采样模块；
下采样模块，对匹配滤波后的符号块进行抽取，并将抽取后符号块传递给SVD解码模块；
SVD解码模块，利用SVD解码矩阵消除接收符号中的码间干扰，估计发送符号，并将估计后符号传递给解映射模块；
解映射模块，将估计后符号恢复为比特数据，并将比特数据传递给误比特率模块；
误比特率模块，对解映射模块恢复的比特数据统计误比特率。
参照图2，本发明利用上述超奈奎斯特系统进行符号估计的实现步骤如下：
步骤1，划分发送符号块。
获取超奈奎斯特系统经过星座映射后的发送符号，并将其划分为长度为L的发送符号块ak，其中ak为列向量，表示第k个发送符号块，1≤k≤N，N表示发送符号块总数，L取以2为底数的指数(如256、512和1024)，本实例取1024。
步骤2，获得超奈奎斯特系统的码间干扰矩阵。
借助循环对称特性，计算超奈奎斯特系统的码间干扰矩阵G：
其中，gj表示超奈奎斯特系统中的第j个码间干扰因子，L×L表示码间干扰矩阵G的维度。
步骤3，对超奈奎斯特系统的码间干扰矩阵进行SVD分解。
3.1)按照下式，获取傅里叶变换矩阵Q：
其中，ql,η表示傅里叶变换矩阵Q的第l行、第η列元素，λ表示虚数单位，l和η的取值范围均为[1,L]；
3.2)将码间干扰矩阵G进行SVD分解：
G＝QTΛQ*
其中，Λ为码间干扰矩阵的对角矩阵，上标T表示转置操作，上标*为取共轭操作。
步骤4，对发送符号块进行SVD预编码。
利用傅里叶变换矩阵对超奈奎斯特系统发射机的发送符号块进行预编码，由此将其转换至频域：
sk＝QTak
其中，sk表示超奈奎斯特系统发射机第k个经过预编码的发送符号块。
步骤5，基于循环卷积的超奈奎斯特成形。
将超奈奎斯特系统发射机基带成形的线性卷积替换为循环卷积，进行超奈奎斯特成形：
其中，ck表示超奈奎斯特系统发射机经过循环卷积的第k个符号块，p表示基带成形和匹配滤波的时域响应系数，表示发送符号块sk经过零值内插的上采样符号块，/>为循环卷积操作。
步骤6，基于循环卷积的匹配滤波。
将超奈奎斯特系统接收机匹配滤波的线性卷积替换为循环卷积，进行匹配滤波：
其中，表示超奈奎斯特系统接收机经过循环卷积的第k个符号块，/>表示ck经过信道、加入噪声后的符号块。
步骤7，超奈奎斯特系统接收机进行SVD解码。
7.1)利用傅里叶变换矩阵，将接收符号块rk转换回时域：
其中，rk表示经过下采样后的接收符号块，/>表示转换回时域的第k个符号块；
7.2)按照下式，利用码间干扰矩阵的对角矩阵获得估计符号：
其中，表示超奈奎斯特系统接收机的第k个估计符号块，(·)-1表示矩阵逆运算。下面结合仿真实验对本发明的效果进一步说明。
1.仿真条件：
本发明的仿真实验是在MATLAB 2022B软件下进行的。在本发明的仿真实验中，超奈奎斯特系统中接收机匹配滤波的时域响应系数总数P为201，其下采样倍数B为10。
设置超奈奎斯特系统加速因子为0.9，超奈奎斯特系统中接收机匹配滤波滚降因子为0.3。
设置单个比特信噪比的仿真总比特数为1×107。
2.仿真内容与结果分析：
在上述条件下，采用64-APSK、128-APSK和256-APSK作为其调制方式，用本发明和现有频域均衡方法、SVD预编码方法，分别进行符号估计，结果如图3，其中：
图3中的(a)为采用64-APSK作为其调制方式进行符号估计的仿真结果图；
图3中的(b)为采用128-APSK作为其调制方式进行符号估计的仿真结果图；
图3中的(c)为采用256-APSK作为其调制方式进行符号估计的仿真结果图。
图3中的横轴表示超奈奎斯特系统的比特信噪比，其单位为分贝dB(decibel)，纵轴表示超奈奎斯特系统的误比特率。
从图3可知，当超奈奎斯特系统采用高阶调制方式时，本发明方法的误比特率曲线均低于现有频域均衡方法、SVD预编码方法的误比特率曲线，这表明使用本发明方法可以在超奈奎斯特系统采用高阶调制方式时有效消除码间干扰，进而更精确的估计发送符号，使得超奈奎斯特系统具有更好的误比特率性能。
以上，仅为本申请较佳的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应该以权利要求的保护范围为准。
Claims (4)
1.适用于高阶调制的超奈奎斯特系统SVD预编码方法，其特征在于，包括：
获取发送符号块及码间干扰矩阵；
获取傅里叶变换矩阵，基于所述傅里叶变换矩阵对所述码间干扰矩阵进行SVD分解，得到对角矩阵；
根据所述傅里叶变换矩阵对所述发送符号块进行SVD预编码；
对预编码的发送符号块进行上采样及基带成形并发射，其中，所述基带成形基于循环卷积实现；
接收发射的符号块，将接收到的符号块作为接收符号块，对所述接收符号块进行匹配滤波及下采样，其中，所述匹配滤波通过匹配滤波的循环卷积实现；
根据对角矩阵对所述下采样后的接收符号块进行SVD解码，获得估计符号块；
对所述发送符号块进行SVD预编码的过程包括：
根据傅里叶变换矩阵，对发送符号块进行SVD预编码，将所述发送符号块ak转换至频域：
sk＝QTak
其中，sk表示超奈奎斯特系统发射机第k个经过预编码的发送符号块，上标T表示转置操作；
对上采样后的发送符号块进行基带成形的过程包括：
将超奈奎斯特系统发射机基带成形的线性卷积替换为循环卷积，通过基带成形的循环卷积实现基带成形：
其中，ck表示超奈奎斯特系统发射机经过循环卷积的第k个符号块，p表示基带成形和匹配滤波的时域响应系数，表示发送符号块sk经过零值内插的上采样符号块，/>为循环卷积操作；
对接收的符号块进行匹配滤波的过程包括：
将超奈奎斯特系统接收机匹配滤波的线性卷积替换为循环卷积，通过匹配滤波的循环卷积实现匹配滤波：
其中，表示超奈奎斯特系统接收机经过循环卷积的第k个符号块，/>表示ck经过信道、加入噪声后的符号块即接收符号块；
对所述下采样后的符号块进行SVD解码的过程包括：
根据对角矩阵，对匹配滤波后的符号块进行SVD解码，将所述匹配滤波后的符号块转换至时域：
其中，rk表示经过下采样后的接收符号块，/>表示转换回时域的第k个符号块；
利用码间干扰矩阵的对角矩阵获得估计符号：
其中，表示超奈奎斯特系统接收机的第k个估计符号块，(·)-1表示矩阵逆运算。
2.根据权利要求1所述的超奈奎斯特系统SVD预编码方法，其特征在于：
所述发送符号块的获取过程包括：
获取比特数据，将所述比特数据映射为发送符号，并对所述发送符号进行等长度划分，得到发送符号块。
3.根据权利要求1所述的超奈奎斯特系统SVD预编码方法，其特征在于：
所述码间干扰矩阵的获取过程包括：
获取码间干扰因子，基于循环对称特性，根据所述码间干扰因子及所述发送符号块的长度，获取所述码间干扰矩阵。
4.根据权利要求1所述的超奈奎斯特系统SVD预编码方法，其特征在于：
对码间干扰矩阵进行SVD分解的过程包括：
获取傅里叶变换矩阵：
其中，ql,η表示傅里叶变换矩阵Q的第l行、第η列元素，λ表示虚数单位，l和η的取值范围均为[1,L]，L为发送符号块长度；
根据所述傅里叶变换矩阵，对所述码间干扰矩阵G进行SVD分解：
G＝QTΛQ*
其中，Λ为码间干扰矩阵的对角矩阵，上标T表示转置操作，上标*为取共轭操作。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310758645.0A CN116633734B (zh) | 2023-06-26 | 2023-06-26 | 适用于高阶调制的超奈奎斯特系统svd预编码方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310758645.0A CN116633734B (zh) | 2023-06-26 | 2023-06-26 | 适用于高阶调制的超奈奎斯特系统svd预编码方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116633734A CN116633734A (zh) | 2023-08-22 |
| CN116633734B true CN116633734B (zh) | 2024-02-23 |
Family
ID=87638231
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310758645.0A Active CN116633734B (zh) | 2023-06-26 | 2023-06-26 | 适用于高阶调制的超奈奎斯特系统svd预编码方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116633734B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110011947A (zh) * | 2019-04-18 | 2019-07-12 | 重庆邮电大学 | 一种超奈奎斯特传输系统中基于分解矩阵的干扰消除调制方法 |
| CN110149287A (zh) * | 2019-06-18 | 2019-08-20 | 西安电子科技大学 | 基于线性预编码的超奈奎斯特系统及其符号估计方法 |
| CN110266617A (zh) * | 2019-06-18 | 2019-09-20 | 西安电子科技大学 | 超奈奎斯特系统的多径信道估计方法 |
| CN115374397A (zh) * | 2022-07-19 | 2022-11-22 | 广州大学 | 一种基于广义奇异值分解构造无线通信预编码器的方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101009774B1 (ko) * | 2006-07-11 | 2011-01-19 | 더 유니버시티 코트 오브 더 유니버시티 오브 에딘버그 | 다중입출력 시스템에서 공간 변조 방법 및 그를 이용한 송수신 장치 |
-
2023
- 2023-06-26 CN CN202310758645.0A patent/CN116633734B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110011947A (zh) * | 2019-04-18 | 2019-07-12 | 重庆邮电大学 | 一种超奈奎斯特传输系统中基于分解矩阵的干扰消除调制方法 |
| CN110149287A (zh) * | 2019-06-18 | 2019-08-20 | 西安电子科技大学 | 基于线性预编码的超奈奎斯特系统及其符号估计方法 |
| CN110266617A (zh) * | 2019-06-18 | 2019-09-20 | 西安电子科技大学 | 超奈奎斯特系统的多径信道估计方法 |
| CN115374397A (zh) * | 2022-07-19 | 2022-11-22 | 广州大学 | 一种基于广义奇异值分解构造无线通信预编码器的方法 |
Non-Patent Citations (1)
| Title |
|---|
| FTN系统中基于矩阵分解的预编码算法;张广娜;郭明喜;沈越泓;;军事通信技术(第03期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116633734A (zh) | 2023-08-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110149287B (zh) | 基于线性预编码的超奈奎斯特系统及其符号估计方法 | |
| CN110266617B (zh) | 超奈奎斯特系统的多径信道估计方法 | |
| CN101478510B (zh) | 一种自适应均衡器及使用该均衡器的接收机系统 | |
| CN102624652B (zh) | Ldpc解码方法和装置及接收终端 | |
| CN101242388B (zh) | 高速单载波频域均衡超宽带系统的信道估计方法 | |
| CN108712353B (zh) | 软迭代信道估计方法 | |
| CN101917355A (zh) | 一种信道估计方法及系统 | |
| EP2420033B1 (en) | Method and receiver for jointly decoding received communication signals using maximum likelihood detection | |
| TW201004230A (en) | Equalisation processing | |
| CN107666451B (zh) | 用于lte系统的信道估计方法 | |
| CN108156101B (zh) | 一种mimo-scfde系统联合迭代信道估计与迭代均衡方法 | |
| CN111106877B (zh) | 一种基于Farrow滤波与码字匹配的水声通信传输方法 | |
| CN113381951A (zh) | 时变频选衰落信道下mftn联合信道估计与均衡方法 | |
| CN109194594B (zh) | 一种基于连续载波聚合的相位噪声抑制方法 | |
| CN109600327A (zh) | 一种基于虚部干扰利用的信道估计方法 | |
| Sun et al. | ICINet: ICI-aware neural network based channel estimation for rapidly time-varying OFDM systems | |
| CN107332606B (zh) | 基于双采样的leo系统差分空时正交频分复用编码方法 | |
| CN110324271B (zh) | 一种基于压缩感知的限幅的f-ofdm系统收发机设计方法 | |
| CN112491754B (zh) | 基于ddst及深度学习的信道估计与信号检测方法 | |
| CN115426224B (zh) | 一种基于otfs信号的信道估计方法及系统 | |
| CN116633734B (zh) | 适用于高阶调制的超奈奎斯特系统svd预编码方法 | |
| CN116668246B (zh) | 一种无需循环前缀的超奈奎斯特系统频域均衡方法 | |
| WO2013071759A1 (zh) | 一种相位噪声的估计方法、估计装置、接收机及通信设备 | |
| CN116633737B (zh) | 针对超奈奎斯特系统的低复杂度svd预编码方法 | |
| CN111030741B (zh) | 快时变场景下用于多载波系统抑制干扰的预编码算法 |
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 |