CN105846962B - 一种基于分类学习的联合信道状态检测和译码算法 - Google Patents
一种基于分类学习的联合信道状态检测和译码算法 Download PDFInfo
- Publication number
- CN105846962B CN105846962B CN201610340546.0A CN201610340546A CN105846962B CN 105846962 B CN105846962 B CN 105846962B CN 201610340546 A CN201610340546 A CN 201610340546A CN 105846962 B CN105846962 B CN 105846962B
- Authority
- CN
- China
- Prior art keywords
- node
- symbol
- channel status
- channel
- message
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 38
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 24
- 230000006870 function Effects 0.000 claims abstract description 32
- 238000013507 mapping Methods 0.000 claims abstract description 14
- 238000000034 method Methods 0.000 claims abstract description 14
- 230000005540 biological transmission Effects 0.000 claims description 14
- 238000011144 upstream manufacturing Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 3
- 230000010363 phase shift Effects 0.000 claims 1
- 238000004891 communication Methods 0.000 abstract description 11
- 206010027476 Metastases Diseases 0.000 abstract description 5
- 230000009401 metastasis Effects 0.000 abstract description 5
- 230000003044 adaptive effect Effects 0.000 abstract description 2
- 238000004364 calculation method Methods 0.000 abstract description 2
- 230000007704 transition Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000007423 decrease Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L1/00—Arrangements for detecting or preventing errors in the information received
- H04L1/004—Arrangements for detecting or preventing errors in the information received by using forward error control
- H04L1/0056—Systems characterized by the type of code used
- H04L1/0057—Block codes
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/14—Relay systems
- H04B7/15—Active relay systems
- H04B7/185—Space-based or airborne stations; Stations for satellite systems
- H04B7/18502—Airborne stations
- H04B7/18506—Communications with or from aircraft, i.e. aeronautical mobile service
- H04B7/18508—Communications with or from aircraft, i.e. aeronautical mobile service with satellite system used as relay, i.e. aeronautical mobile satellite service
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/14—Relay systems
- H04B7/15—Active relay systems
- H04B7/185—Space-based or airborne stations; Stations for satellite systems
- H04B7/1851—Systems using a satellite or space-based relay
- H04B7/18515—Transmission equipment in satellites or space-based relays
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L1/00—Arrangements for detecting or preventing errors in the information received
- H04L1/004—Arrangements for detecting or preventing errors in the information received by using forward error control
- H04L1/0056—Systems characterized by the type of code used
- H04L1/0071—Use of interleaving
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/18—Phase-modulated carrier systems, i.e. using phase-shift keying
- H04L27/22—Demodulator circuits; Receiver circuits
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Astronomy & Astrophysics (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Error Detection And Correction (AREA)
Abstract
本发明公开了属于动中通卫星通信技术领域的一种基于分类学***均得到当前信道状态节点消息,不断迭代计算得到信道状态分布和译码结果。本发明与基于信道状态转移模型的信道状态检测和译码方法相比,具有复杂度低、自适应信道变化等显著特点。
Description
技术领域
本发明属于动中通卫星通信技术领域,特别涉及一种基于分类学习的联合信道状态检测和译码算法。
背景技术
近些年来,卫星通信中的动中通(On‐the‐Move)领域逐渐受到重视。动中通卫星通信技术是指在车辆、飞行器等载体移动的过程中保持不间断卫星通信的技术。在载体移动的过程中,由于会受到障碍物的遮挡等因素会对无线信号造成随机遮挡甚至随机中断。同时在直升机卫星通信中,由于直升机天线安装的位置受到限制,信号会受到直升机旋翼的遮挡。因此解决动中通通信***中的信道断续难题尤为关键。
为了解决动中通卫星通信的信道断续问题,现主要研究物理层和链路层的可靠传输技术。以往传统的断续信道下的通信技术中信道检测、解调和译码是单独进行的。研究表明,将信道检测、解调和译码级联,进行联合迭代能够获得性能上的提升。在信道检测方面,传统的信道状态检测方法是基于信号能量的信道状态信息检测算法,在低信噪比场合,该算法无法兼顾误检概率和检测精度。并且在实际应用中,接收信号的信噪比不断变化会导致实际性能会进一步降低。同时,相对于传统的基于信号能量的信道状态信息检测算法有所改进的基于状态转移模型的联合信道状态检测方法,其利用断续信道结构特性,使用信道转移概率函数更新信道状态变量节点消息,能够得到良好的检测结果,但需要预先知道信道的状态转移概率,而在实际应用中,由于信道变化,获取准确参数困难,使得检测效果下降。
发明内容
本发明的目的是提供一种基于分类学习的联合信道状态检测和译码算法,其特征在于,包括如下步骤:
步骤1,接收符号,初始化发送符号概率分布;
步骤2,更新信道状态分布序列;
步骤3,利用邻居消息加权平均更新信道状态变量节点;
步骤4,更新观测函数节点及发送符号变量节点的上行消息;
步骤5,计算对数似然比;
步骤6,解交织,输入译码器进行译码迭代,得到新的外信息序列和译码结果;
步骤7,交织并更新接收符号概率:进入步骤8,或返回步骤2,重复上述2‐6步骤过程,直到满足迭代次数。
步骤8,输出译码结果及信道状态分布序列。
所述步骤1具体为将接收符号初始化:假设接收符号的个数为N,对每接收L个符号对信道状态进行一次检测,则所有接收到的N个符号被分为了H=N/L组,采用QPSK(正交相移键控)调制,定义观测函数节点为f、信道状态变量节点为A、发送符号变量节点为x、符号映射函数节点为φ,用表示从符号映射函数节点到发送符号变量节点的消息,其余类似,其中i=1…H,j=1…L,表示第i组第j个发送的符号,H表示接收符号的分组个数;初始化
其中A表示QPSK调制符号集合;
所述步骤2具体为传递和更新消息,更新信道状态分布序列:在要求的迭代次数内,执行以下步骤:对于编号i=1…H,表示发送符号变量节点到观测函数节点的消息,表示观测函数节点到信道状态变量节点Ai的消息,执行以下步骤更新所有与Ai连接的观测函数节点f到信道状态变量结点Ai的消息
其中σ2为信道加入的复高斯噪声的方差;
所述步骤3具体为利用邻居消息加权平均更新信道状态变量节点:对于编号i=1…H和j=1…L,定义为所有与Ai节点相连且非观测函数f节点传递的消息,依此计算同时根据已有信息,执行以下步骤更新信道状态变量节点Ai到观测函数节点的消息
所述步骤4具体为更新观测函数节点及发送符号变量节点的上行消息:对于编号i=1…H和j=1…L,表示观测函数节点到发送符号节点的消息,表示发送符号变量节点到调制映射函数节点的消息,根据已有信息,执行以下步骤更新和
所述步骤5具体为计算对数似然比,
对于编号i=1…H,j=1…L,q=1…Q,根据调制映射规则,计算其对应编码比特的对数似然比序列
其中Q表示符号对应的编码比特序列的比特数,q=1…Q,则表示符号对应的编码比特序列中的第q个编码比特,A1 q为调制符号集合的子集,A1 q中的每个符号满足:对应的第q个编码比特取值为1,类似地,为调制符号集合的子集,中的每个符号满足:对应的第q个编码比特取值为0。为上一次迭代时由译码器输出的外信息,并将在本次迭代中更新;
所述步骤6具体为将似然比序列进行解交织,输入LDPC译码器进行译码迭代输出得到新的外信息序列和译码结果序列;
所述步骤7具体为将外信息序列进行交织,对于编号i=1…H和j=1…L,执行以下步骤更新
得以更新接收符号概率;
所述步骤8具体为重复步骤2至步骤7直到满足迭代次数,输出译码结果序列和信道状态分布序列
本发明的有益效果是利用断续信道结构信息构建断续信道状态转移模型,并采用和积算法,借助因子图结构信道观测函数节点、信道状态变量节点、接收符号变量节点、符号映射函数节点、交织映射节点和编码约束节点之间传递,采用邻居信道状态节点消息的加权平均得到当前信道状态节点消息,不断迭代计算得到信道状态分布和译码结果。本发明与基于信道状态转移模型的信道状态检测和译码方法相比,具有复杂度低;自适应信道变化等显著特点。
附图说明
图1为基于分类学习的联合信道状态检测算法流程图。
图2为基于分类学习的联合信道状态检测和译码方法组成的因子图。
图3基于分类学习的联合信道状态检测和译码方法和基于状态转移模型的联合信道状态检测和译码方法对比图,其中仿真参数设置:L=32。
具体实施方式
本发明提供一种基于分类学习的联合信道状态检测和译码算法,下面结合附图和实施例予以说明。
如图1所示的基于分类学习的联合信道状态检测和译码算法流程图。
本发明的基于分类学习的联合信道状态检测和译码算法包括如下流程:
步骤1,接收符号,初始化发送符号概率分布;
步骤2,更新信道状态分布序列;
步骤3,利用邻居消息加权平均更新信道状态变量节点;
步骤4,更新观测函数节点及发送符号变量节点的上行消息;
步骤5,计算对数似然比;
步骤6,解交织,输入译码器进行译码迭代,得到新的外信息序列和译码结果;
步骤7,交织并更新接收符号概率:进入步骤8,或返回步骤2,重复上述2‐6步骤过程,直到满足迭代次数。
步骤8,输出译码结果及信道状态分布序列。
本发明所述方法的原理及算法描述如下:
1)初始化:
迭代算法初始化阶段t=1,设置
2)传递和更新消息:
在第t次迭代过程中,执行以下步骤:
a)更新信道状态分布序列,对于编号i=1…H,执行以下步骤更新
b)利用邻居消息加权平均更新信道状态变量节点,对于编号i=1…H和j=1…L,执行以下步骤更新
c)更新观测函数节点及发送符号变量节点的上行消息,对于编号i=1…H和j=1…L,执行以下步骤更新和
d)对于编号i=1…H,j=1…L,q=1…Q,计算其对应编码比特的对数似然比序列
3)更新外信息和译码结果:
对得到的似然比序列进行解交织,输入译码器进行译码迭代,得到新的外信息序列和译码结果序列;
4)交织并更新接收符号概率:
将外信息序列进行交织,对于编号i=1…H和j=1…L,执行以下步骤更新
5)重复2)至4)直到满足迭代次数,输出译码结果和信道状态分布序列。
如附图2所示,本发明提出的联合信道状态检测和译码方法包括以下步骤:
本方法开始时,先根据调制方式初始化符号映射函数节点到发送符号变量节点的消息,同时初始化迭代次数为0。之后在设定的迭代次数之内,进行消息的传递、计算和更新;满足迭代次数之后,输出得到译码结果及信道状态分布序列。
实施例
如图2所示的基于分类学习的联合信道状态检测和译码方法组成的因子图。
以一个算法仿真为例。本仿真,信道编码使用(2048,8192)的LDPC码,调制方式为QPSK调制,信道中断时间占总时间的比例为10%。每帧长度为8192个符号,中断位置为随机设置。算法总的迭代次数设置为10,其中LDPC译码器部分单独迭代次数设置为3,L=32(如图2所示)。以下给出仿真流程,便于理解本发明的特征和优点。
(1)采用LDPC码对发送信息比特编码;
(2)对编码后信息比特进行交织;
(3)对交织后信息比特***参考符号;
(4)将***参考符号的信息进行QPSK符号映射,得到发送符号序列;
(5)发送符号序列通过断续信道得到接收符号序列;
(6)初始化发送符号概率分布;
(7)通过传递和更新消息,利用邻居消息加权平均更新信道状态变量节点消息,进而更新信道状态分布序列和编码比特的对数似然比序列;
(8)对得到的似然比序列进行解交织,输入译码器进行译码迭代,得到新的外信息序列和译码结果序列;
(9)将外信息序列进行交织,更新接收符号概率;
(10)重复上述过程,直到满足迭代次数。
对上述过程进行计算机仿真测试,得出了下面的结果:
如图3所示,基于分类学习的联合信道状态检测和译码方法和基于信道状态转移模型的信道状态检测方法误码率曲线比较。仿真中两种算法的检测精度均设置为L=32,可以看到,在误检概率为1e-4时,算法在不需要先验参数的情况下达到了基于信道状态转移模型的检测信噪比和检测精度。
可见,采用本方法能够在无需信道转移概率参数的情况下,以低复杂度低达到基于信道状态转移模型的信道状态检测和译码的算法的性能。
本发明通过利用根据信道状态结构信息中相邻时刻的信道状态有很大的概率一致这一特点,提出了基于分类学***均得到当前信道状态节点消息,去除了对于信道转移概率的依赖,以低复杂度低达到基于信道状态转移模型的信道状态检测和译码的算法的性能。因此,本发明对于信道状态检测明显优于其他方法。
Claims (1)
1.一种基于分类学习的联合信道状态检测和译码算法,包括如下步骤:
步骤1,接收符号,初始化发送符号概率分布;
步骤2,更新信道状态分布序列;
步骤3,利用邻居消息加权平均更新信道状态变量节点;
步骤4,更新观测函数节点及发送符号变量节点的上行消息;
步骤5,计算对数似然比;
步骤6,解交织,输入译码器进行译码迭代,得到新的外信息序列和译码结果;
步骤7,交织并更新接收符号概率:进入步骤8,或返回步骤2,重复上述2-6步骤过程,直到满足迭代次数;
步骤8,输出译码结果及信道状态分布序列:
其特征在于,具体包括:
1)将接收符号初始化:假设接收符号的个数为N,对每接收L个符号对信道状态进行一次检测,则所有接收到的N个符号被分为了H=N/L组,采用正交相移键控QPSK调制,定义观测函数节点为f、信道状态变量节点为A,表示QPSK调制符号集合;发送符号变量节点为x、符号映射函数节点为φ,用表示从符号映射函数节点到发送符号变量节点的消息,其余类似,其中i=1…H,j=1…L,表示第i组第j个发送的符号,H表示接收符号的分组个数;将接收符号初始化为
2)传递和更新消息,更新信道状态分布序列:在要求的迭代次数内,执行以下步骤:对于编号i=1…H,表示发送符号变量节点到观测函数节点的消息,表示观测函数节点到信道状态变量节点Ai的消息,执行以下步骤更新所有与Ai连接的观测函数节点f到信道状态变量结点Ai的消息
其中σ2为信道加入的复高斯噪声的方差;
3)具体为用邻居消息加权平均更新信道状态变量节点:对于编号i=1…H和j=1…L,定义为所有与Ai节点相连且非观测函数f节点传递的消息,依此计算同时根据已有信息,执行以下步骤更新信道状态变量节点Ai到观测函数节点的消息
4)更新观测函数节点及发送符号变量节点的上行消息:对于编号i=1…H和j=1…L,表示观测函数节点到发送符号节点的消息,表示发送符号变量节点到调制映射函数节点的消息,根据已有信息,执行以下步骤更新和
5)计算对数似然比,对于编号i=1…H,j=1…L,q=1…Q,根据调制映射规则,计算其对应编码比特的对数似然比序列
其中Q表示符号对应的编码比特序列的比特数,q=1…Q,则表示符号对应的编码比特序列中的第q个编码比特,A1 q为调制符号集合的子集,A1 q中的每个符号满足:对应的第q个编码比特取值为1,类似地,为调制符号集合的子集,中的每个符号满足:对应的第q个编码比特取值为0,为上一次迭代时由译码器输出的外信息,并将在本次迭代中更新;
6)将似然比序列进行解交织,输入LDPC译码器进行译码迭代输出得到新的外信息序列和译码结果序列;
7)将外信息序列进行交织,对于编号i=1…H和j=1…L,执行以下步骤更新
得以更新接收符号概率;
8)重复步骤2)至步骤7)直到满足迭代次数,输出译码结果序列和信道状态分布序列
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610340546.0A CN105846962B (zh) | 2016-05-19 | 2016-05-19 | 一种基于分类学习的联合信道状态检测和译码算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610340546.0A CN105846962B (zh) | 2016-05-19 | 2016-05-19 | 一种基于分类学习的联合信道状态检测和译码算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105846962A CN105846962A (zh) | 2016-08-10 |
CN105846962B true CN105846962B (zh) | 2018-08-28 |
Family
ID=56593064
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610340546.0A Active CN105846962B (zh) | 2016-05-19 | 2016-05-19 | 一种基于分类学习的联合信道状态检测和译码算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105846962B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106330199B (zh) * | 2016-08-22 | 2019-06-04 | 电子科技大学 | 基于因子图的scma和ldpc联合检测译码算法及装置 |
CN106972910A (zh) * | 2017-03-15 | 2017-07-21 | 清华大学 | 一种卫星断续信道下的基于分类学习的接收***及方法 |
US10069519B1 (en) * | 2018-01-23 | 2018-09-04 | Mitsubishi Electric Research Laboratories, Inc. | Partition based distribution matcher for probabilistic constellation shaping |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103701561A (zh) * | 2013-12-02 | 2014-04-02 | 清华大学 | 一种适用于延迟敏感业务的新型编码调制方法与*** |
CN103841065A (zh) * | 2014-02-17 | 2014-06-04 | 清华大学 | 非正交多用户接入发送及联合接收解调译码***及方法 |
CN103618585B (zh) * | 2013-10-28 | 2014-12-31 | 清华大学 | 一种基于置信传播算法的联合多用户检测和译码方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106411465B (zh) * | 2011-08-15 | 2020-06-02 | 华为技术有限公司 | 传输信道状态信息的方法、用户设备和基站 |
-
2016
- 2016-05-19 CN CN201610340546.0A patent/CN105846962B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103618585B (zh) * | 2013-10-28 | 2014-12-31 | 清华大学 | 一种基于置信传播算法的联合多用户检测和译码方法 |
CN103701561A (zh) * | 2013-12-02 | 2014-04-02 | 清华大学 | 一种适用于延迟敏感业务的新型编码调制方法与*** |
CN103841065A (zh) * | 2014-02-17 | 2014-06-04 | 清华大学 | 非正交多用户接入发送及联合接收解调译码***及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105846962A (zh) | 2016-08-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105846962B (zh) | 一种基于分类学习的联合信道状态检测和译码算法 | |
CN103581087B (zh) | 多输入多输出***二进制数字信号空移键控调制解调方法 | |
CN101091319B (zh) | 多级低密度奇偶校验 | |
CN105721106A (zh) | 基于串行策略的scma上行通信***多用户检测方法 | |
CN101453221A (zh) | 基于比特交织编码调制***的映射器及其映射方法 | |
CN109672639B (zh) | 一种基于机器学习的信号解调方法 | |
CN109391369B (zh) | 编码器输入选择器 | |
CN103036845A (zh) | 一种基于apsk星座图的非等概星座映射方法 | |
CN102710581A (zh) | 一种软解映射方法 | |
CN102694624A (zh) | 自适应编码调制方法及装置 | |
Wang et al. | A deep learning-based intelligent receiver for improving the reliability of the MIMO wireless communication system | |
CN103647741A (zh) | 基于sim-ofdm的叠加编码调制方法 | |
CN106027437B (zh) | 一种直升机卫星通信载波同步方法及*** | |
CN104202281A (zh) | 多元码调制映射方法及装置 | |
CN106254030A (zh) | 无速率Spinal码的双向编译码方法 | |
CN104486284A (zh) | 基于增强型六维64psk星座的正交频分复用方法 | |
CN103095641A (zh) | 一种apsk星座映射及其解映射方法 | |
CN103581103A (zh) | 适用于apsk星座的软解映射方法 | |
Mao et al. | Deep learning in physical layer communications: Evolution and prospects in 5G and 6G networks | |
CN107911152A (zh) | 适用于任意发送天线数量的空间编码调制***和方法 | |
CN104243386B (zh) | 多载波通信***附加通道信息传输方法 | |
CN106972910A (zh) | 一种卫星断续信道下的基于分类学习的接收***及方法 | |
CN106936544B (zh) | 基于马尔科夫链的联合信道检测、相位恢复和译码方法 | |
CN104868976A (zh) | 一种网络编码方法 | |
CN115514596B (zh) | 基于卷积神经网络的otfs通信接收机信号处理方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |