CN108234010B - 一种低复杂度的信号检测算法 - Google Patents
一种低复杂度的信号检测算法 Download PDFInfo
- Publication number
- CN108234010B CN108234010B CN201711349508.2A CN201711349508A CN108234010B CN 108234010 B CN108234010 B CN 108234010B CN 201711349508 A CN201711349508 A CN 201711349508A CN 108234010 B CN108234010 B CN 108234010B
- Authority
- CN
- China
- Prior art keywords
- signal
- signal detection
- covariance matrix
- algorithm
- observation
- 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 52
- 239000011159 matrix material Substances 0.000 claims abstract description 22
- 238000005070 sampling Methods 0.000 claims abstract description 12
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 4
- 238000012360 testing method Methods 0.000 claims description 6
- 239000000654 additive Substances 0.000 claims description 3
- 230000000996 additive effect Effects 0.000 claims description 3
- 238000000034 method Methods 0.000 abstract description 4
- 238000004891 communication Methods 0.000 description 6
- 238000007476 Maximum Likelihood Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005562 fading Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
- H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
- H04B7/08—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the receiving station
- H04B7/0837—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the receiving station using pre-detection combining
- H04B7/0842—Weighted combining
- H04B7/0848—Joint weighting
- H04B7/0854—Joint weighting using error minimizing algorithms, e.g. minimum mean squared error [MMSE], "cross-correlation" or matrix inversion
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Power Engineering (AREA)
- Noise Elimination (AREA)
Abstract
本发明提供一种低复杂度的信号检测算法,所述算法包括:根据接收机的接收信号与观察次数,计算出所述接收信号的采样协方差矩阵Ry;然后对所述采样协方差矩阵进行特征值分解,从而获得上述矩阵的特征值;最后,根据***模型,计算相应的成本函数的两个判断值,并比较大小,根据所述大小判断准则判定信号是否存在。解决了现有的信号检测方法中检测效率和算法复杂度之间的矛盾,且无需噪声功率等繁复冗余的先验信息。
Description
技术领域
本发明涉及一种通信技术领域的信号检测算法,尤其涉及一种无需信道状态信息、导频设计信息、调制策略和噪声功率等先验信息的低复杂度、超简高效的信号检测算法。
背景技术
随着移动互联网的蓬勃发展,移动数据量和接入设备数暴增,基站天线数大幅提高,导致接收端信号处理复杂程度大幅增加。在这样的背景下,国内外各个实验室都在对接收端不同的信号检测算法进行研究,探究不同信号检测方法的检测性能和算法复杂度,以寻求一种简单高效的信号检测算法。
在通信领域的信号检测,主要是指对所接收到的含干扰噪声的信号进行提取的过程,通常与数学理论和软件算法有关。信号检测的目的,是在接收端恢复出发送信号,而检测算法的复杂度和误码率性能将直接影响通信***的优劣。现有的信号检测方法包括线性检测、非线性检测和最大似然检测方法。普遍来说,线性检测算法复杂度低、检测性能一般;非线性的信号检测算法复杂度高,但检测性能也高于线性检测算法。总的来说,线性检测方法和非线性检测算法的复杂度相对最大似然检测方法来说都较低,但是由于其检测性能不够,在具体工程实践中很难满足***要求;最大似然信号检测方法,虽然能够满足工程实现的***要求,但是,在调制阶数较高或者收发天线较多的***中仍然存在检测效率低的问题。例如,在MIMO***中,收发天线越多,接收端信号检测越复杂。最大似然检测算法在理论上性能最优,可以获得的误码率最低,但是实际运用中算法复杂度很难达到***要求。而一些简单的信号检测算法由于检测性能不佳,通常也在通信***中得不到应用。
发明内容
本发明的目的是为了解决上述问题,提供一种低复杂度高效率的信号检测算法,该信号检测算法的技术方案主要包括三个步骤:
首先,根据接收机的接收信号与观察次数,计算出接收信号的采样协方差矩阵Ry;
然后,对该采样协方差矩阵进行特征值分解,从而获得上述矩阵的特征值,并定义为{l1,l2,...,lp},l1≥l2,...,≥lp;
最后,根据设定的***模型,计算成本函数的两个判断值,并比较大小,根据大小判断后选择相应的二进制假设检验。
在实施例中,考虑一个多径衰落信道模型,然后信号检测定义为二进制假设检验,通过上面所述计算接收信号的采样协方差矩阵,并对其进行特征值分解获得特征值,最后计算两个判断值,并根据大小判定信号是否存在。
本发明的有益效果:
(1)解决了现有的信号检测方法中检测效率和算法复杂度之间的矛盾,本发明中的算法复杂度极低,检测效率优良。
(2)本发明中的信号检测算法具有普适性,适用于多种背景下。
(3)该信号检测算法较之传统信号检测方法来说,无需先验信息,在没有信道状态信息、导频设计信息、调制策略和噪声功率等先验信息的情况一样估计高效地进行信号检测。
总的来说,本发明仅利用少量的信息,进行简单的算法处理,便可获得一个较优的信号检测效果,非常适合用于复杂、大规模的通信***中,是下一代无线通信技术进一步大力发展的利好条件。
附图说明
图1为低复杂度高效率信号检测算法基础***模型的流程示意图
图2为一种实施例下的低复杂度高效率信号检测算法的流程图
具体实施方式
下面将结合说明书附图,对本发明做进一步的说明。
图1为本发明的基础***模型的流程示意图。
定义***模型为
y=Cs+η
其中,y为一个a×1的复杂的观察列向量,C为一个a×b(a>b)的复杂的***矩阵,s为一个b×1的复杂源调制信号,η为额外附加的高斯白噪声。需要特别注意的是,这里的C、b、σ2都是未知的。σ2是噪声的方差。
由此,根据最小长度表示准则,定义成本函数如下
其中,N表示观察时间,li表示采样协方差矩阵的第i个降序特征值,k为整数,k∈{0,1}。
如图2所示为一种实施例下的低复杂度高效率信号检测算法的流程图,在实施例中,考虑一个多径衰落信道模型。令y(t)表示次级用户接收机的连续时间基带接收信号。信号检测可以被定义为以下的二进制假设检验:
Γ0:y(t)=η(t)
其中s(t)表示由主用户发送的信号,h(t)表示主发射机和次级接收机之间的连续信道响应,η(t)表示加性白噪声,T表示信道的持续时间。假设信道响应在每次观察期间保持不变。为了获得离散表示,特假设接收到的信号以速率fs采样,
令y(n)=y(nT0),s(n)=s(nT0),η(n)=η(nT0)
由此,上述二进制假设检验变为
Γ0:y(n)=η(n)
其中,h(i)(0≤i≤L-1)表示h(t)的离散信道响应,L表示离散信道的顺序。每个观察结果由M个接收信号样本组成,以矩阵形式表达上式为
Γ0:yi=ηi
Γ1:yi=Hsi+ηi
H是一个M×(L+M-1)的信道矩阵
yi是M×1的观察向量,si是(L+M-1)×1的源信号向量,ηi是M×1的噪声向量,定义如下
yi=[y(iM-M+1),y(iM-M+2),...,y(iM)]T
si=[s(iM-M-L+2),s(iM-M-L+3),...,s(iM)]T
ηi=[η(iM-M+1),η(iM-M+2),...,η(iM)]T
为了构造超定信道矩阵H,需要扩大观察空间,因此通过在次级用户处采用多个接收天线来增加空间维度。具体地说,假设次级用户的检测机配备有K根天线,则
为了保证H是一个超定矩阵,需保证其行数大于列数,即
或者
此外,假设来自不同天线的噪声样本是独立的零均值噪声,从而确保多天线下的***模式满足超定条件。
为了方便计算,下文中令a=MK和b=L+M-1。
实施例下的低复杂度高效率信号检测算法的流程如下(对应图2中从计算协方差矩阵求特征值起的过程):
③计算成本函数的两个判断值,并判断f(0)和f(1)的大小,
如果f(0)≥f(1),则信号存在;
如果f(0)<f(1),则信号不存在。
至此,可以发现该算法仅需计算k=0和1处的判断值,因此该算法的计算复杂度相较于其他信号检测法来说显著降低。
以上显示和描述了本发明的基本原理、主要特征及优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界。
Claims (2)
1.一种低复杂度高效率的信号检测算法,其特征在于,包括:
步骤一,根据接收机的接收信号和观察次数,计算出所述接收信号的采样协方差矩阵Ry;
步骤二,然后对所述采样协方差矩阵Ry进行特征值分解,从而获得对应的特征值,定义为{l1,l2,...,lp},l1≥l2,...,≥lp;
步骤三,根据***模型,计算相应的成本函数的两个判断值,并比较大小,根据大小判断准则选择相应的二进制假设检验;
步骤三中:
所述***模型为y=Cs+η,其中,y为一个a×1的复杂的观察列向量,C为一个a×b的***矩阵,a>b,s为一个b×1的源调制信号,η为额外附加的高斯白噪声;所述C、b、a都是未知的;
根据最小长度表示准则,定义所述成本函数
其中,所述N表示观察时间,所述li表示采样协方差矩阵的第i个降序特征值,k为整数,k∈{0,1};
信号检测定义为以下的所述二进制假设检验
Γ0:yi=ηi
Γ1:yi=Hsi+ηi
2.根据权利要求1所述的算法,其特征在于,根据所述成本函数求得两个判断值,并判断f(0)和f(1)的大小,如果f(0)≥f(1),则信号存在;反之,信号不存在。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711349508.2A CN108234010B (zh) | 2017-12-15 | 2017-12-15 | 一种低复杂度的信号检测算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711349508.2A CN108234010B (zh) | 2017-12-15 | 2017-12-15 | 一种低复杂度的信号检测算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108234010A CN108234010A (zh) | 2018-06-29 |
CN108234010B true CN108234010B (zh) | 2020-11-03 |
Family
ID=62652221
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711349508.2A Active CN108234010B (zh) | 2017-12-15 | 2017-12-15 | 一种低复杂度的信号检测算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108234010B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103139111A (zh) * | 2011-12-01 | 2013-06-05 | ***通信集团公司 | 一种ofdm***中的低复杂度信号检测方法和设备 |
CN104777449A (zh) * | 2014-10-31 | 2015-07-15 | 哈尔滨工业大学深圳研究生院 | 基于贝叶斯信息准则的信源数估计方法 |
CN106713190A (zh) * | 2017-01-05 | 2017-05-24 | 西安电子科技大学 | 基于随机矩阵理论和特征阈值估计的mimo发射天线数目盲估计算法 |
CN106712903A (zh) * | 2016-12-21 | 2017-05-24 | 重庆邮电大学 | 一种低复杂度mimo fbmc‑oqam***信号检测方法 |
-
2017
- 2017-12-15 CN CN201711349508.2A patent/CN108234010B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103139111A (zh) * | 2011-12-01 | 2013-06-05 | ***通信集团公司 | 一种ofdm***中的低复杂度信号检测方法和设备 |
CN104777449A (zh) * | 2014-10-31 | 2015-07-15 | 哈尔滨工业大学深圳研究生院 | 基于贝叶斯信息准则的信源数估计方法 |
CN106712903A (zh) * | 2016-12-21 | 2017-05-24 | 重庆邮电大学 | 一种低复杂度mimo fbmc‑oqam***信号检测方法 |
CN106713190A (zh) * | 2017-01-05 | 2017-05-24 | 西安电子科技大学 | 基于随机矩阵理论和特征阈值估计的mimo发射天线数目盲估计算法 |
Non-Patent Citations (1)
Title |
---|
上行SC-FDMA多天线检测和空时分组码盲识别方法研究;洪晨;《中国优秀硕士学位论文全文数据库 信息科技辑》;20160315;第4.2-4.6节 * |
Also Published As
Publication number | Publication date |
---|---|
CN108234010A (zh) | 2018-06-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109951214B (zh) | 一种适用于大规模mimo***的信号检测方法 | |
CN106953709B (zh) | 一种基于空间调制的多天线***的下行非正交多接入方法 | |
CN111405596B (zh) | 莱斯信道下大规模天线无线携能通信***资源优化方法 | |
CN107204831B (zh) | 一种用于mimo-scma***的低复杂度检测方法 | |
CN104869626A (zh) | 基于低复杂度接收机的上行大规模mimo***功率控制方法 | |
CN109905917B (zh) | 基于无线携能的noma通信***中无线资源分配方法 | |
CN112215335B (zh) | 一种基于深度学习的***检测方法 | |
CN105636226A (zh) | 基于静态分簇的密集分布式无线网络多用户调度方法 | |
CN110808764A (zh) | 大规模mimo中继***中一种联合信息估计方法 | |
CN116192307A (zh) | 非高斯噪声下分布式协同的多天线协作频谱智能感知方法、***、设备及介质 | |
CN105119665B (zh) | 一种基于格基规约的mimo检测方法 | |
CN108234010B (zh) | 一种低复杂度的信号检测算法 | |
CN109412658A (zh) | 一种基于阴影域的改进型bb搜索树检测方法 | |
Han et al. | Constellation design for energy-based noncoherent massive SIMO systems over correlated channels | |
CN101924601B (zh) | 一种实现mimo信号检测的方法和装置 | |
CN114389756A (zh) | 基于分组ml检测和并行迭代干扰抵消的上行mimo检测方法 | |
CN114389655A (zh) | 一种相关信道下大规模mimo***非相干编码的检测方法 | |
CN109547074B (zh) | 一种基于zf准则的格基规约辅助的ml-sic信号检测方法 | |
CN107196741B (zh) | 一种用于mimo-scma***的检测方法 | |
CN106231683A (zh) | 基于小区网络的d2d通信中的机会干扰管理方案 | |
CN107248876B (zh) | 基于稀疏贝叶斯学习的广义空间调制符号检测方法 | |
CN112910519B (zh) | 基于残差齐次化排序技术的大规模mimo基站接收端信号恢复方法 | |
CN109150277B (zh) | 一种基于近端梯度算法的大规模多用户信号检测方法 | |
CN110798249B (zh) | Massive MIMO***中信号快速收敛联合预编码方法、信号传输方法 | |
CN113328771B (zh) | 一种基于共轭梯度算法的大规模mimo信号检测方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |