CN117176212A - Th预编码系统的最优软判决检测方法 - Google Patents
Th预编码系统的最优软判决检测方法 Download PDFInfo
- Publication number
- CN117176212A CN117176212A CN202311088582.9A CN202311088582A CN117176212A CN 117176212 A CN117176212 A CN 117176212A CN 202311088582 A CN202311088582 A CN 202311088582A CN 117176212 A CN117176212 A CN 117176212A
- Authority
- CN
- China
- Prior art keywords
- signal
- sequence
- soft decision
- precoding
- interference
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 33
- 238000009826 distribution Methods 0.000 claims abstract description 42
- 238000004088 simulation Methods 0.000 claims abstract description 14
- 238000012795 verification Methods 0.000 claims abstract description 6
- 108010076504 Protein Sorting Signals Proteins 0.000 claims description 24
- 230000002452 interceptive effect Effects 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 11
- 230000005540 biological transmission Effects 0.000 claims description 7
- 238000013139 quantization Methods 0.000 claims description 6
- 241001505100 Succisa pratensis Species 0.000 claims description 3
- 239000000654 additive Substances 0.000 claims description 3
- 230000000996 additive effect Effects 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 238000013178 mathematical model Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 239000000758 substrate Substances 0.000 claims description 2
- 238000000034 method Methods 0.000 abstract description 8
- 238000004891 communication Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- RYQHXWDFNMMYSD-UHFFFAOYSA-O (1-methylpyridin-4-ylidene)methyl-oxoazanium Chemical compound CN1C=CC(=C[NH+]=O)C=C1 RYQHXWDFNMMYSD-UHFFFAOYSA-O 0.000 description 1
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- Error Detection And Correction (AREA)
Abstract
本发明提出一种TH预编码系统的最优软判决检测方法,考虑了信道编码后的信号c与量化信号r之间的关联性,通过全概率公式和贝叶斯公式得到准确的后验概率(APP),将APP逐符号输入到LDPC译码器中,即可恢复原始的信息序列,其复杂度也与单用户无干扰系统下的编码复杂度基本一致。经仿真验证,当考虑单流信号时,干扰信号为高斯分布时,提出的软判决方法可以实现与无干扰系统大约1dB的误码率性能差异。此软判决检测方法可适用于不同的干扰信号分布,且都可以保证较好的性能,对于提升TH预编码系统的整体性能有适用性。
Description
【技术领域】
针对采用TH(Tomlinson-Harashima)预编码的通信系统,本发明提供一种最优的软判决检测方法,该方法可以最大程度地挖掘信道编码的效能,充分降低系统的误码率。该发明属于通信与信息系统、信号与信息处理处理领域。
【背景技术】
为了适应大接入数和高容量的需求,当今和未来的无线通信都是基于多输入多输出(multiple-input multiple-output,MIMO)系统和多址接入(multiple-access,MA)。MIMO信道上传输的困难之一是多用户间的干扰,虽然可以通过迫零(zero forcing,ZF)和最小均方误差(minimum mean square error,MMSE)预编码之类的线性预编码抑制干扰,但它们的和速率性能通常与信道容量界相差甚远。Gelfand和Pinsker提出污纸编码(dirtypaper coding,DPC)可以实现信道容量,但是DPC的多维处理在实际操作中难以实现。Tomlinson-Harashima预编码(Tomlinson-Harashima precoding,THP)作为DPC的一个简单但次优的逐符号实现受到了广泛的关注。然而,在本发明之前,绝大多数工作仅进行理论的分析,少部分的误码性能分析也大多使用硬判决检测,关于低误码率的软判决检测方法的研究非常稀少。新加坡的E.Peh教授和以色列的Y.Hayoun教授发表了基于软判决的改进TH预编码接收机方案,但是没有考虑TH预编码符号之间的相关性,使得其难以达到较好的误码率性能。
目前,TH预编码的理论性能被大量用来刻画下行链路能谱效率的上限,但其实际应用上的误码率性能研究十分有限。
【发明内容】
(一)本发明的目的
本发明提供一种最优的软判决检测方法,在信道编码结合TH预编码的系统中,得到一个准确的后验概率和对数似然比(Log-Likelihood Ratio,LLR),最大程度地挖掘信道编码的效能,充分降低TH预编码系统的误码率。
在应用TH预编码的多用户大规模MIMO系统中,用户的干扰项s在接收端未知,但是基站对所有用户的干扰信号已知。实际应用中,干扰项是多用户通信中来自一个或者多个用户叠加的信号,基站可以通过TH预编码在信号发射时对干扰进行预补偿。
此发明考虑的问题是如何设计TH预编码的软判决译码器,能够最大程度上结合信道编码并挖掘TH预编码系统的性能,尽可能提升误码率性能。
(二)技术方案
本发明一种TH预编码系统的最优软判决检测方法,包括如下步骤:
步骤一:发送端信道编码和调制
首先考虑实数的基带信号模型。考虑基站要传递一个长度为k的信息序列w到一个用户设备,c表示经信道编码后长度为n的数据流序列,可表示为:
其中,表示模q乘法,G是一个(n,k)维的编码生成矩阵。通过多路二进制编码,将c中元素编码成q进制,其每个元素属于{0,,q-1}。
经信道编码后,数据流序列c通过比特交织编码调制(BICM)和格雷码映射被逐符号地映射成q-PAM调制的信号序列,当不存在干扰时,调制后的信号可表示为:
其中,γ是用来归一化x的平均能量。这里,公式(1)、(2)将消息序列映射到了n长的q-PAM符号序列,其信息速率为比特/符号。
步骤二:TH预编码
TH预编码编码器的数学模型描述如下,c表示经信道编码后长度为n的数据流序列,s是该用户的干扰信号序列,x是信道编码后序列c经过TH预编码编码器后的输出信号,简称预编码后的信号,可以表示为:
其中,Ps表示干扰信号的平均能量,Enc表示TH预编码编码器,其具体结构和操作如图1所示。对于存在干扰信号序列s的情况,TH预编码后的信号x可具体地表示为:
其中,表示对干扰信号序列s的整数量化,这里QZ把干扰表达式逐符号量化到最近的整数值sQ,表示模q减法,γ用来对预编码后的信号x进行能量归一化。α是性能优化系数,可以通过MMSE估计得到以降低系统的误码率,其取值为
将TH预编码后的信号x与干扰信号序列s的和称为量化信号r,其可以表示为:
步骤三:信道传输
通过无线信道的传输,接收端收到的信号序列为:
这里预编码后的信号x和干扰信号序列s的平均能量做了归一化,Px和Ps分别表示它们的能量,z表示均值为0方差为σ2的加性高斯白噪声。
步骤四:软判决检测方法
本部分为本发明的核心内容,详细介绍接收端如何将接收到的信号通过软判决计算得到对应的LLR。
基于TH预编码的特性,逐符号对序列进行处理。令c[t],y[t]和r[t]分别表示经信道编码后长度为n的数据流序列c,接收信号序列y和量化信号r的第t个符号,t=1,,n。
对第t个符号,其码字的值为c[t]=i,i=0,,q-1,对应的后验概率求解为本发明的重点以及难点,需要根据符号之间的相关性得到,可以表示为:
上式的计算为本发明的核心创新点,充分利用符号之间的相关性进行计算,其先验概率p(r[t])以及其他概率函数取值的计算将在后面具体实施方案部分给出细节。然后根据LLR的计算公式,代入得到LLR的值。
步骤五:信道编码的译码(具体步骤见图2)
根据步骤四得到的LLR,并将其输入到标准的二进制LDPC迭代译码器,即可得到经信道编码后长度为n的数据流序列c的软判决译码结果。
步骤六:仿真验证与性能评估
在TH预编码系统模型下,针对本发明提出的软判决检测方法,开展系统误码率(BER)与信噪比(SNR)的仿真。考虑用户信号为等概率离散q-PAM分布,干扰信号为等概率离散q-PAM分布或者为连续的高斯分布。
为了评估TH预编码系统中单用户的性能,根据不同的编码速率、调制方式和干扰信号分布,对无干扰系统误码率和TH预编码系统误码率性能进行对比。
在无干扰的情况下,软判决检测方法可以实现最佳的错误检测率。然而,在实际应用中,很难完全消除干扰。因此,在评估软判决检测方法的性能时,需要考虑与无干扰情况下的性能差异。
(三)优点及功效
本发明在TH预编码系统的基础上,提出了软判决检测方法,考虑了信道编码后的信号c与量化信号r之间的关联性,通过全概率公式和贝叶斯公式得到准确的后验概率(APP),将APP逐符号输入到LDPC译码器中,即可恢复原始的信息序列,其复杂度也与单用户无干扰系统下的编码复杂度基本一致。经仿真验证,当考虑单流信号时,干扰信号为高斯分布时,提出的软判决方法可以实现与无干扰系统大约1dB的误码率性能差异。在大规模MIMO系统下,当系统和速率相同时,此方法在功耗上可以实现与无干扰系统相差低于1dB,与理论值差距在3.8dB左右。在系统和速率性能上,可以逼近下行多用户信道的信息理论极限(差距在1dB左右)。以低成本显著提升了系统的能谱效率和吞吐量。此软判决检测方法可适用于不同的干扰信号分布,且都可以保证较好的性能,对于提升TH预编码系统的整体性能有适用性。
【附图说明】
图1为TH预编码编码器的结构框图。
图2为提出的TH预编码译码器流程示意图。
图3为q=5的扩展星座示意图(不同形状的符号对应不同的消息值)。
图4为单用户模型干扰信号为高斯分布时的误码率性能曲线。
图5为3×3MIMO场景下系统和速率为时的功率性能曲线。
【具体实施方式】
为能对本发明的原理、方法、特征、性能优势有更进一步的认知与了解,现对其进行详细描述。
步骤一:发送端信道编码和调制
首先考虑实数的基带信号模型。考虑基站要传递一个长度为k的信息序列w到一个用户设备,c表示经信道编码后长度为n的数据流序列,可表示为:
其中,表示模q乘法,G是一个(n,k)维的编码生成矩阵。通过多路二进制编码,将c中元素编码成q进制,其每个元素属于{0,,q-1}。
经信道编码后的数据流序列c通过比特交织编码调制(BICM)和格雷码映射被逐符号地映射成q-PAM调制的信号序列。当不存在干扰时,调制后的信号可表示为:
其中,γ是用来归一化x的平均能量。这里,公式(8)、(9)将消息序列映射到了n长的q-PAM符号序列,其信息速率为比特/符号。
q-PAM序列的不同取值可以用星座点表示,一个q-PAM原始星座(星座点集合)可表示为如下:
考虑到TH预编码时发射功率的问题,对该q个星座点在整数域进行重复,得到一个关于的扩展星座(Expanded Constellation),表示如下:
对该扩展星座根据其对应的消息值进行分组,可得到不同消息值对应的星座点集合为:
为原始星座集合,/>为扩展星座集合,/>为扩展星座集合里对应消息值为c的子集,/>表示整数集合,/>为q元素的有限整数集合。
为了更形象地说明扩展星座点地概念,考虑q=5的情况,图3给出了对应的图形表示。原始星座为扩展星座为对某一确定的消息值如c=3为例,在原始星座中/>在扩展星座中其可表示为/>图3中对该子集元素用“”形状表示。
步骤二:TH预编码
TH预编码编码器的数学模型描述如下,c表示经信道编码后长度为n的数据,s是该用户的干扰信号序列,x是信道编码后序列c经过TH预编码编码器后的输出信号,简称预编码后的信号,可以表示为:
其中,Ps表示干扰信号的平均能量,Enc表示TH预编码编码器,其结构如图1所示,对于存在干扰信号序列s的情况,TH预编码后的信号x可具体地表示为:
其中是对干扰信号序列s的整数量化,这里QZ把干扰序列s逐符号量化到最近的整数值sQ,表示在/>有限循环域内做模q减法,γ用来对预编码后的信号x进行能量归一化。α是性能优化系数,可以通过MMSE估计得到以降低系统的误码率,其取值为/>
将TH预编码后的信号x与干扰序列s的和称为量化信号r,其可以表示为:
其中,r的所有可能取值组成了扩展星座点r中的每个符号均为扩展星座/>的一个码字。
步骤三:信道传输
通过无线信道的传输,接收端收到的信号序列为:
这里预编码后的信号x和干扰信号序列s的平均能量做了归一化,Px和Ps分别表示它们的能量,z表示均值为0方差为σ2的加性高斯白噪声。
步骤四:软判决检测方法(本发明的核心内容)
基于TH预编码的特性,逐符号对序列进行处理。令c[t],y[t]和r[t]分别表示经信道编码后长度为n的数据流序列c,接收信号序列y和量化信号r的第t个符号,t=1,,n。
对第t个符号,其码字的值为c[t]=i,i=0,,q-1,对应的后验概率求解为本发明的重点以及难点,需要根据符号之间的相关性得到,表示为:
由于r[t]与c[t]是一一对应的关系,因此p(c[t]=i|r[t])=1,公式(17)可表示成如下形式:
接下来给出先验概率p(r[t]),条件概率p(y[t]|r[t])的计算方法。
由于量化信号r与信号x、干扰序列s相关,因此p(r[t])的值根据干扰序列s的不同分布情况进行分析。根据实际应用场景,主要分为高斯分布和q-PAM两种分布,分别对其进行计算。
(1)当干扰序列s符合高斯分布:
为方便描述,令s[t]表示干扰序列s的第t个符号,t=1,,n,其分布满足均值为0,方差为的高斯分布/>根据高斯分布的性质,可以得到
即
由公式(4)中模减的性质可知因此对于公式(11)中扩展星座点/>的每一个取值,其先验概率p(r[t])等于/>取到r[t]的对应区间的概率,即/>根据s的高斯分布,可得因此,
(2)当干扰序列s为q-PAM分布:
根据q-PAM分布的性质,可以得到干扰信号s[t]对于其原始星座中的任一可能取值s,概率均为即/>将c[t]和sQ[t]的不同取值代入可以得到公式(13)对应的扩展星座/>以及对应的概率。令c[t]和sQ[t]分别符合q1-PAM和q2-PAM的分布,因此/>
由于是对于每一个y[t]求解后验概率,因此p(y[t])=1。
由公式(4)和(6)可知,因此p(y[t]|r[t])可得到如下形式:
其中,
将以上概率取值代入到公式(18)中,即可得到每一个y[t]对应不同星座点的后验概率取值,经过对相同消息值对应星座点概率的累加,即可得到y[t]对应的不同消息值的后验概率。
关于LLR的计算方法,此处仅给出4PAM时的计算公式。对于信息元素{0,1,2,3}对应的后验概率,将其表现为对应扩展星座点的和,可表示为
PP(i=c(i))。令并将LLR1和LLR2分别作为LLR的奇数位和偶数位元素,即:
步骤五:信道编码的译码(见图2)
根据步骤四得到的LLR,并将其输入到标准的二进制LDPC迭代译码器,即可得到经信道编码后长度为n的数据流序列c的软判决译码结果。
步骤六:仿真验证与性能评估
在TH预编码问题的系统模型下,针对本发明提出的软判决检测方法,开展系统误码率(BER)对信噪比(SNR)的Monte-Carlo仿真。分别考虑干扰信号分布为等概率离散q-PAM和干扰信号为连续的高斯分布的随机变量。每个SNR点收集100个帧错误后停止仿真,记录BER和FER的结果。仿真时码长为1920,编码速率为
在单用户模型下,用所提出的软判决检测方法,对干扰信号为高斯分布以及无干扰情况下的误码率性能进行仿真,性能曲线如图4所示。可以看到提出的软判决检测方法与无干扰情况的系统误码率相比,仅有1dB左右的差距。
下面给出一个具体实施例:
TH预编码软判决方法在3×3MIMO下行信道中的应用
本发明解决了多用户大规模MIMO下行信道TH预编码系统的最优软判决检测问题。本实例给出多用户大规模MIMO场景下用户数为K,基站天线数N=K的TH预编码结合MMSE预编码的收发端设计,N和K的取值可以随着系统需求改变。
用户k的接收信号可表示为:
其中,为用户k信号序列的第t个符号,t=1,…,n,hk是基站到用户k的信号矢量,uk为用户k信号的预编码矢量,wk[t]为高斯白噪声。为了表述方便,把/>代入公式(20),/>可以得到此时用户k的接收信号表达式为:
其中,为TH预编码结合MMSE无法消除的干扰信号,因此用户k的SINR可以表示为:
从公式(18)可知在基站发送端,将所有j>k用户的叠加信号视为干扰,运用TH预编码对用户k的消息做预编码。在用户k接收端,利用此发明的最优软判决检测方法求解用户k的消息。由于 为不同参数的q-PAM分布,当s[t]中叠加用户数量大于4时,由李雅普诺夫中心极限定理可知,s[t]符合均值为0,方差为/>的高斯分布,其中n为j>k的用户数,/>为对应信号的方差。
使用步骤一中干扰信号为高斯分布的情况,可以计算得到对应的APP。当s[t]中叠加用户数量小于4时,使用步骤一中干扰信号为q-PAM分布的情况,可以计算得到此情况对应的APP。
为了展示具体性能,给出了在K=3的情况下给出仿真结果和性能分析。在K=N=3的情况下,码长为1920,系统和速率为的情况下系统的功率性能如图5所示。为了方便表述,将系统噪声功率设为1。仿真中用户可选的调制方式为BPSK和4-PAM,可选编码速率为[0,1/4,1/3,1/2,2/3]。图中的4个点从上到下分别表示为:TH预编码系统结合MMSE时所有用户BER<10-4时系统的平均发射功率;无干扰系统中所有用户BER<10-4时系统的平均发射功率;用户速率取值为符合编码速率的离散值时系统理论的平均发射功率;用户速率取值连续时系统理论的平均发射功率。以上均为在500次信道实现情况下的平均。从图中可以看出,TH预编码系统结合MMSE时与无干扰系统相比性能差距仅为0.6dB左右;与理论计算得到的性能相比,差距为3dB左右。
本发明的仿真将使用Matlab科学计算,并通过mex函数调用二进制LDPC的编码器、译码器、优化器的基于C语言的程序。将单用户下的TH预编码的仿真验证方法运用到上述多用户大规模MIMO串行TH预编码系统中,得到数值仿真结果。
虽然本发明已以实施例揭露如上,然而其仅仅为示例,并非用以限制本发明,任何所属技术领域中具有通常知识者,在不脱离本发明的精神和范围内,当可做出种种等同的改变或替换,因此本发明的保护范围当视所附的权利要求书所界定的范围为准。
Claims (10)
1.一种TH预编码系统的最优软判决检测方法,其特征在于,包括如下步骤:
步骤一:发送端信道编码和调制;
首先考虑实数的基带信号模型;考虑基站要传递一个长度为k的信息序列w到一个用户设备,c表示经信道编码后长度为n的数据流序列,表示为:
其中,表示模q乘法,G是一个(n,k)维的编码生成矩阵;通过多路二进制编码,将c中元素编码成q进制,其每个元素属于{0,…,q-1};
经信道编码后,数据流序列c通过比特交织编码调制(BICM)和格雷码映射被逐符号地映射成q-PAM调制的信号序列,当不存在干扰时,调制后的信号表示为:
其中,γ是用来归一化x的平均能量;这里,公式(1)、(2)将消息序列映射到了n长的q-PAM符号序列,其信息速率为比特/符号;
步骤二:TH预编码;
TH预编码编码器的数学模型为:c表示经信道编码后长度为n的数据流序列,s是该用户的干扰信号序列,x是信道编码后序列c经过TH预编码编码器后的输出信号,简称预编码后的信号,表示为:
其中,Ps表示干扰信号的平均能量,Enc表示TH预编码编码器,对于存在干扰信号序列s的情况,TH预编码后的信号x表示为:
其中,表示对干扰信号序列s的整数量化,这里QZ把干扰表达式/>逐符号量化到最近的整数值sQ,/>表示模q减法,γ用来对预编码后的信号x进行能量归一化;α是性能优化系数,通过MMSE估计得到以降低系统的误码率,其取值为/>
将TH预编码后的信号x与干扰信号序列s的和称为量化信号r,表示为:
步骤三:信道传输;
通过无线信道的传输,接收端收到的信号序列为:
这里预编码后的信号x和干扰信号序列s的平均能量做了归一化,Px和Ps分别表示它们的能量,z表示均值为0方差为σ2的加性高斯白噪声;
步骤四:软判决检测方法;
基于TH预编码的特性,逐符号对序列进行处理;令c[t],y[t]和r[t]分别表示经信道编码后长度为n的数据流序列c,接收信号序列y和量化信号r的第t个符号,t=1,…,n;
对第t个符号,其码字的值为c[t]=i,i=0,…,q-1,对应的后验概率求解需要根据符号之间的相关性得到,表示为:
然后根据LLR的计算公式,代入得到LLR的值;
步骤五:信道编码的译码;
将步骤四得到结果,输入到标准的二进制LDPC迭代译码器,即得到经信道编码后长度为n的数据流序列c的软判决译码结果;
步骤六:仿真验证与性能评估;
开展系统误码率BER与信噪比SNR的仿真;用户信号为等概率离散q-PAM分布,干扰信号为等概率离散q-PAM分布或者为连续的高斯分布;
评估TH预编码系统中单用户的性能,根据不同的编码速率、调制方式和干扰信号分布,对无干扰系统误码率和TH预编码系统误码率性能进行对比。
2.根据权利要求1所述的TH预编码系统的最优软判决检测方法,其特征在于:在步骤一中,q-PAM序列的不同取值用星座点表示,一个q-PAM原始星座表示为如下:
3.根据权利要求2所述的TH预编码系统的最优软判决检测方法,其特征在于:对该q个星座点在整数域进行重复,得到一个关于的扩展星座,表示如下:
对该扩展星座根据其对应的消息值进行分组,得到不同消息值对应的星座点集合为:
为原始星座集合,/>为扩展星座集合,/>为扩展星座集合里对应消息值为c的子集,/>表示整数集合,/>为q元素的有限整数集合。
4.根据权利要求1所述的TH预编码系统的最优软判决检测方法,其特征在于:在步骤二中,公式(5)进一步表示为:
其中,r的所有可能取值组成了扩展星座点r中的每个符号均为扩展星座/>的一个码字。
5.根据权利要求1所述的TH预编码系统的最优软判决检测方法,其特征在于:在步骤四中,在公式(7)中,由于r[t]与c[t]是一一对应的关系,因此p(c[t]=i|r[t])=1,表示成如下形式:
6.根据权利要求5所述的TH预编码系统的最优软判决检测方法,其特征在于:由于量化信号r与信号x、干扰序列s相关,因此p(r[t])的值根据干扰序列s的不同分布情况进行分析;根据实际应用场景,分为高斯分布和q-PAM两种分布。
7.根据权利要求6所述的TH预编码系统的最优软判决检测方法,其特征在于:当干扰序列s符合高斯分布:
令s[t]表示干扰序列s的第t个符号,t=1,…,n,其分布满足均值为0,方差为的高斯分布/>根据高斯分布的性质,得到
即
其中,对于扩展星座点/>的每一个取值,其先验概率p(r[t])等于/>取到r[t]的对应区间的概率,即根据s的高斯分布,得到因此,
8.根据权利要求6所述的TH预编码系统的最优软判决检测方法,其特征在于:当干扰序列s为q-PAM分布:
根据q-PAM分布的性质,得到干扰信号s[t]对于其原始星座中的任一可能取值s,概率均为/>即/>将c[t]和sQ[t]的不同取值代入得到对应的扩展星座/>以及对应的概率;令c[t]和sQ[t]分别符合q1-PAM和q2-PAM的分布,因此/>
由于是对于每一个y[t]求解后验概率,因此p(y[t])=1。
9.根据权利要求8所述的TH预编码系统的最优软判决检测方法,其特征在于:由公式(4)和(6)得到,因此p(y[t]|r[t])得到如下形式:
其中,
将以上概率取值代入到公式(12)中,得到每一个y[t]对应不同星座点的后验概率取值,经过对相同消息值对应星座点概率的累加,得到y[t]对应的不同消息值的后验概率。
10.根据权利要求1所述的TH预编码系统的最优软判决检测方法,其特征在于:关于LLR的计算方法,此处给出4PAM时的计算公式;对于信息元素{0,1,2,3}对应的后验概率,将其表现为对应扩展星座点的和,表示为:PP(i=c(i));令并将LLR1和LLR2分别作为LLR的奇数位和偶数位元素,即:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311088582.9A CN117176212A (zh) | 2023-08-28 | 2023-08-28 | Th预编码系统的最优软判决检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311088582.9A CN117176212A (zh) | 2023-08-28 | 2023-08-28 | Th预编码系统的最优软判决检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117176212A true CN117176212A (zh) | 2023-12-05 |
Family
ID=88931092
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311088582.9A Pending CN117176212A (zh) | 2023-08-28 | 2023-08-28 | Th预编码系统的最优软判决检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117176212A (zh) |
-
2023
- 2023-08-28 CN CN202311088582.9A patent/CN117176212A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Veeravalli et al. | The coding-spreading tradeoff in CDMA systems | |
Love et al. | Limited feedback diversity techniques for correlated channels | |
Pérez-Cruz et al. | MIMO Gaussian channels with arbitrary inputs: Optimal precoding and power allocation | |
Baeza et al. | A noncoherent multiuser large-scale SIMO system relying on M-ary DPSK and BICM-ID | |
Dizdar et al. | Rate-splitting multiple access for downlink multi-antenna communications: Physical layer design and link-level simulations | |
Yang et al. | On the optimal design and performance of linear physical-layer network coding for fading two-way relay channels | |
US8243860B1 (en) | Co-channel interference cancellation with multiple receive antennas for BICM | |
CN113315553B (zh) | 一种简便的可逼近信息论极限的污纸编码方法 | |
Chen et al. | Sparsity-inspired sphere decoding (SI-SD): A novel blind detection algorithm for uplink grant-free sparse code multiple access | |
CN115514453A (zh) | 格码多址系统及收发机处理方法 | |
Fang et al. | Linear physical-layer network coding over hybrid finite ring for Rayleigh fading two-way relay channels | |
CN108809378B (zh) | 基于有限字符集信号输入的无线携能mimo预编码方法 | |
Tirkkonen et al. | Subset-codebook precoding for 1-bit massive multiuser MIMO | |
Aggarwal et al. | Power-controlled feedback and training for two-way MIMO channels | |
Xue et al. | On deep learning solutions for joint transmitter and noncoherent receiver design in MU-MIMO systems | |
Roger Varea et al. | Non-coherent MIMO communication for the 5th generation mobile: Overview and practical aspects | |
Khorsandmanesh et al. | Quantization-aware precoding for MU-MIMO with limited-capacity fronthaul | |
Kumar et al. | Channel state feedback over the MIMO-MAC | |
CN117176212A (zh) | Th预编码系统的最优软判决检测方法 | |
Castillo Soria et al. | Multiuser MIMO downlink transmission using SSK and orthogonal Walsh codes | |
Sreesudha et al. | An efficient channel estimation for BER improvement of MC CDMA system using KGMO algorithm | |
Arafa et al. | In-Sequence Zeros-Ones Patterns Exploiting Approach for Spatial Modulation Performance Enhancement | |
CN115021781B (zh) | 一种基于概率成形的多用户多输入多输出调制分集方法 | |
Zuo et al. | Sparse code multiple access with index modulation | |
CN114050853B (zh) | 基于联合非正交码本与预编码设计的多用户mimo传输方法 |
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 |