CN109586838B - 一种针对大规模scma***的高效因子矩阵设计方法及其硬件架构 - Google Patents
一种针对大规模scma***的高效因子矩阵设计方法及其硬件架构 Download PDFInfo
- Publication number
- CN109586838B CN109586838B CN201811396761.8A CN201811396761A CN109586838B CN 109586838 B CN109586838 B CN 109586838B CN 201811396761 A CN201811396761 A CN 201811396761A CN 109586838 B CN109586838 B CN 109586838B
- Authority
- CN
- China
- Prior art keywords
- scale
- matrix
- resource
- factor matrix
- scma system
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04J—MULTIPLEX COMMUNICATION
- H04J13/00—Code division multiplex systems
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04J—MULTIPLEX COMMUNICATION
- H04J13/00—Code division multiplex systems
- H04J13/16—Code allocation
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
- Complex Calculations (AREA)
Abstract
本发明公开了一种针对大规模SCMA***的高效因子矩阵设计方法及其硬件架构,方法包括以非冲突排序为基础的原型列向量选取、以循环移位为基础的矩阵块设计等内容;硬件架构为针对大规模SCMA***检测的高效架构,包括初始化单元、资源节点更新单元、层节点更新单元、大规模资源‑层交换网络和概率计算单元。本发明利用对非冲突原型列向量的循环移位操作,避免了大规模SCMA***因子矩阵的随机生成,极大降低了大规模SCMA***的因子矩阵设计复杂度,并有效避免了大规模SCMA***带来的性能损失;设计并得到了具有较高通用性的大规模SCMA***的检测器架构,有着较低的硬件消耗和较高的硬件使用效率。
Description
技术领域
本发明涉及无线通信技术领域,尤其是一种针对大规模SCMA***的高效因子矩阵设计方法及其硬件架构。
背景技术
近年来,随着无线通信技术在各领域的广泛应用,社会通信需求呈现快速激增态势,传统通信技术日益无法满足社会发展需要。据主要运营商和权威咨询机构的预测,移动宽带业务流量将在未来10年增长1000倍之多。为应对即将到来的巨大通信压力,5G作为全新的移动通信技术应运而生。其中,“Gbps用户体验速率”将是5G的最关键技术指标。为实现这一超高速传输速率,5G将运用到大规模天线阵列、新型多址、超密集组网、新型网络架构、全频谱接入等重要技术。而新型多址技术作为5G实现的关键技术之一,将在整个***中扮演至关重要的角色。新型多址技术将对发送信号进行高效叠加传输以使***的接入能力得到进一步提升,从而保证5G网络的大规模设备连接需求。
回溯多址技术,其自产生以来,经历了相当长时间的演进和变革,在现代无线通信中有着无法替代的重要地位。传统的多址技术包括频分多址(FDMA)、时分多址(TDMA)、码分多址(CDMA)、空分多址(SDMA)等,而4G技术中所使用的则是正交频分多址(OFDMA)。多有这些多址技术都是正交层面上的多址技术,受到资源数量的极大限制。相比之下,在非正交多址技术中,接入用户则可以成倍大于资源数,从而有效解决这一瓶颈。
稀疏码分多址技术(SCMA)正是5G通信中期待使用的新型多址技术,并具备着重要的非正交特性。理论分析表明SCMA有着极其出色的过载承受能力以及资源复用能力,与传统多址技术相比,其接入量可至少提升50%,并随着***内部往来互联数目的增加可进一步提升。在关于SCMA的相关文献中,用于研究的SCMA***都具备用户规模较小的特点,原因在于大规模SCMA***的因子矩阵设计存在复杂度过高以及性能损失较大的问题,但为了达到5G海量连接的需求,SCMA的大规模扩展是必须的,因此一种应用于大规模SCMA***的高效因子矩阵设计方案就显得尤为重要。
发明内容
本发明所要解决的技术问题在于,提供一种针对大规模SCMA***的高效因子矩阵设计方法及其硬件架构,能够极大的降低大规模SCMA***的因子矩阵设计复杂度并保证较优的误码率性能,相应的硬件架构亦给出该SCMA检测译码器的通用方案,有着较高的硬件使用效率。
为解决上述技术问题,本发明提供一种针对大规模SCMA***的高效因子矩阵设计方法,包括如下步骤:
(1)设一大规模SCMA***有K个资源节点、J个用户层、每个用户有M个码字,每个码字有N个非零元素,根据SCMA***的资源节点个数和用户个数,计算相应的过载系数η=J/K,并根据此过载系数确定因子矩阵生成所需要的原型列向量个数n,通常满足n<η;
(3)以原型列向量p1为例,将其设置为因子矩阵的第一列,并接着以1的步长向上或者向下对该列向量进行循环移位操作,生成相应的全新列向量,直到第t1列,以此方式生成的t1个向量组成一个移位矩阵块,并将其命名为G1;
(4)对于其他的原型列向量采取与步骤(3)相似的操作,以原型列向量pn为例,它将从第(t1+t2+...+tn-1+1)列开始进行循环移位操作,并在第(t1+t2+...+tn-1+tn)列结束移位操作,在所有原型列向量完成移位操作后,即生成最终的因子矩阵;
(5)检查所获得的因子矩阵,确保每一行都有着相同或者差距不大的行重,对于个别不满足要求的列向量进行单独调整。
优选的,步骤(1)中,因子矩阵非零元素的排列具备低重复率的性质(矩阵行重较低),矩阵内存在的封闭环路,其环路长度较长,且长度根据循环移位的步长人为可控,确保***内各个用户的高区分度,提高误码性能。
优选的,步骤(1)中,因子矩阵其最优矩阵的设计以原型列向量为基础,避免矩阵的整体设计,具备最优矩阵搜索复杂度低的性质,将复杂度从Ο(N2)量级降低至Ο(N)量级。
优选的,步骤(1)中,因子矩阵其存储具备单一记录原型列向量的特点,在存储中只需记录原型列向量的非零位,由于循环移位的性质,矩阵中的其他列向量的非零位可以根据原型列向量推导得出,使设计的矩阵具备节省存储空间的特点,存储空间的占用至多可缩减为原设计方法的1/K。
相应的,针对大规模SCMA***的高效因子矩阵硬件架构,包括:初始化单元、资源节点更新单元、层节点更新单元、大规模资源-层交换网络和概率计算单元;SCMA信号首先进入初始化单元,结合缓冲寄存器中的码本信息,计算出初始条件概率;初始条件概率被输入资源节点更新单元中,通过对共享同一资源节点的层节点的置信度计算,更新出资源节点至层节点的置信度信息,并通过大规模资源-层交换网络传递这一更新信息;资源节点至层节点置信度信息由大规模资源-层交换网络被输入层节点更新单元中,通过对共享同一层节点的资源节点的置信度互换,更新出层节点至资源节点的置信度信息;置信度信息以大规模资源-层交换网络作为媒介在资源节点更新单元和层节点更新单元中不断迭代运算,在到达终止条件或最大迭代次数后,输出最终各符号的置信度信息;利用输出的置信度信息,对各用户作出符号判断,选择具备最大置信度的符号作为最后的估计符号,并完成检测。
本发明的有益效果为:(1)利用以非冲突排序为基础的原型列向量选取和以循环移位为基础的矩阵块设计,避免了随机生成带来的点对点一一映射,极大降低了大规模SCMA***的因子矩阵设计复杂度;(2)利用以非冲突排序为基础的原型列向量选取和以循环移位为基础的矩阵块设计,避免了随机生成带来的较短环路,确保了大规模SCMA***情境下的较高误码率性能;(3)针对大规模SCMA***检测的硬件架构作出时序和资源复用上的系列优化,得到具有较高通用性的检测器架构,该架构在处理速度允许的范围内,有着较低的硬件消耗和较高的硬件使用效率。
附图说明
图1为本发明利用非冲突排序为基础的原型列向量选取和以循环移位为基础的矩阵块设计进行因子矩阵设计的设计示意图。
图2为本发明(K=12,J=18,M=4,N=3)的大规模SCMA***以循环移位设计方式生成因子矩阵的示意图。
图3为本发明(K=4,J=6,M=4,N=2)的传统SCMA***和(K=12,J=18,M=4,N=3)大规模SCMA***的误码率性能对比示意图。
图4为本发明传统因子图设计方案和循环移位因子图设计方案的设计复杂度分析示意图。
图5为本发明大规模SCMA***检测器的通用硬件架构的组成细节示意图。
具体实施方式
本实施例提供一种针对大规模SCMA***的高效因子矩阵设计方法,包括以非冲突排序为基础的原型列向量选取和以循环移位为基础的矩阵块设计,以下结合附图对该设计方案做详细描述。
如图1所示,设一大规模SCMA***有K个资源节点、J个用户层、每个用户有M个码字,每个码字有N个非零元素,那么该大规模SCMA***因子矩阵的生成步骤描述如下:
1)根据SCMA***的资源节点个数和用户个数,计算相应的过载系数η=J/K,并根据此过载系数确定因子矩阵生成所需要的原型列向量个数n,通常满足n<η;
3)以原型列向量p1为例,将其设置为因子矩阵的第一列,并接着以1的步长向上或者向下对该列向量进行循环移位操作,生成相应的全新列向量,直到第t1列,以此方式生成的t1个向量组成一个移位矩阵块,并将其命名为G1;
4)对于其他的原型列向量采取与步骤3)相似的操作,以原型列向量pn为例,它将从第(t1+t2+...+tn-1+1)列开始进行循环移位操作,并在第(t1+t2+...+tn-1+tn)列结束移位操作,在所有原型列向量完成移位操作后,即生成最终的因子矩阵;
5)检查所获得的因子矩阵,确保每一行都有着相同或者差距不大的行重,对于个别不满足要求的列向量进行单独调整。
根据上述步骤,图2以(K=12,J=18,M=4,N=3)的SCMA***展示了循环移位的因子矩阵设计流程。在图2中,原型列向量一共有p1,p2,p3三个,他们均以步长1向下循环移位,得到相应的移位矩阵块,依次为12列、4列和2列,与此同时如图中折线所示,最短环路为l=20,远远长于随机生成得到的因子矩阵,从而确保了大规模SCMA***享有较优秀的误码率性能,相应的误码率性能如图3所示,与传统SCMA***相比存在1dB左右的性能损失,但设计复杂度却远低于传统SCMA***,其相应复杂度分析已展示在图4中,当以综合性能(误码率性能/设计复杂度)作为考核指标时,本专利提出的设计方案具备极大优势,提升量超出50%。
通用硬件架构应用于以非冲突排序为基础的原型列向量选取和以循环移位为基础的矩阵块设计的综合设计方案生成的SCMA***的检测译码。
该硬件架构组成如图5所示,可大致区分为初始化单元、资源节点更新单元、层节点更新单元、大规模资源-层交换网络和概率计算单元,该硬件架构的一般性处理流程可以描述如下:
A)SCMA信号首先进入初始化模块,结合缓冲寄存器中的码本信息,计算出初始条件概率;
B)初始条件概率被输入资源节点更新模块中,通过对共享同一资源节点的层节点的置信度计算,更新出资源节点至层节点的置信度信息;
C)资源节点至层节点置信度信息被输入层节点更新模块中,通过对共享同一层节点的资源节点的置信度互换,更新出层节点至资源节点的置信度信息;
D)置信度信息在资源节点更新模块和层节点更新模块中不断迭代运算,在到达终止条件或最大迭代次数后,输出最终各符号的置信度信息;
E)利用输出的置信度信息,对各用户作出符号判断,选择具备最大置信度的符号作为最后的估计符号,并完成检测。
本发明应用包含折叠、重定时技术在内的硬件设计手段,以获得具有通用性的具备可选码本和可选译码方案的大规模SCMA检测器方案,在实际设计中考虑数据的流向,以流水线运作形式对架构进行优化,从而保证较高的硬件效率和数据吞吐率。设计过程可以描述为四个主要步骤:确定折叠集、求取折叠方程、寿命分析以及寄存器分配;在确定折叠集步骤中,首先规定架构需要进行折叠的折叠阶数以及折叠集个数,然后依据各“步”的原始数据流图DFG对图中各类运算元件进行分组标号,将标号在集合内合理排列,以满足DFG折叠后路径上延时非负的要求;在求取折叠方程步骤中,则根据折叠集和原始DFG路径中的延时个数,按照折叠复用公式计算出折叠后DFG各路径上的延时单元数目;在寿命分析步骤中,根据折叠集和折叠方程确定数据的输入时刻以及最终的消亡时刻从而确定出其在***中的存在时间长度以分析出***所需要的最小寄存器个数并通过寿命表和寿命图的方式加以展示;在寄存器分配过程中,利用前向-后向的寄存器分配策略来达到前一步骤中确定的最小寄存器数目,该策略在数据分配时先就近分配给第一个未被占用的寄存器,并在接下来的每一个时钟周期中由前向后依次分配给紧随其后的下一个寄存器直至达到最后一个寄存器或者数据已经消亡,对于达到最后一个寄存器的情况,数据又由后向前分配给第一个未被占用的寄存器,并在下一个时钟周期再次由前向后分配给后一个寄存器,如此反复,直至全部分配完成。
本发明利用对非冲突原型列向量的循环移位操作,避免了大规模SCMA***因子矩阵的随机生成,极大降低了大规模SCMA***的因子矩阵设计复杂度,并有效避免了大规模SCMA***带来的性能损失;设计并得到了具有较高通用性的大规模SCMA***的检测器架构,有着较低的硬件消耗和较高的硬件使用效率。
Claims (5)
1.一种针对大规模SCMA***的高效因子矩阵设计方法,其特征在于,包括如下步骤:
(1)设一大规模SCMA***有K个资源节点、J个用户层、每个用户有M个码字,每个码字有N个非零元素,根据SCMA***的资源节点个数和用户个数,计算相应的过载系数η=J/K,并根据此过载系数确定因子矩阵生成所需要的原型列向量个数n,满足n<η;
(3)针对原型列向量p1,将其设置为因子矩阵的第一列,并接着以1的步长向上或者向下对该列向量进行循环移位操作,生成相应的全新列向量,直到第t1列,以此方式生成的t1个向量组成一个移位矩阵块,并将其命名为G1;
(4)对于其他的原型列向量采取与步骤(3)相似的操作,针对原型列向量pn,它将从第(t1+t2+...+tn-1+1)列开始进行循环移位操作,并在第(t1+t2+...+tn-1+tn)列结束移位操作,在所有原型列向量完成移位操作后,即生成最终的因子矩阵;
(5)检查所获得的因子矩阵,确保每一行都有着相同或者差距不大的行重,对于个别不满足要求的列向量进行单独调整。
2.如权利要求1所述的针对大规模SCMA***的高效因子矩阵设计方法,其特征在于,步骤(1)中,因子矩阵非零元素的排列矩阵行重较低,矩阵内存在的封闭环路,其环路长度较长,且长度根据循环移位的步长人为可控。
3.如权利要求1所述的针对大规模SCMA***的高效因子矩阵设计方法,其特征在于,步骤(1)中,因子矩阵其最优矩阵的设计以原型列向量为基础,具备最优矩阵搜索复杂度低的性质,将复杂度从O(N2)量级降低至O(N)量级。
4.如权利要求1所述的针对大规模SCMA***的高效因子矩阵设计方法,其特征在于,步骤(1)中,因子矩阵在存储中只需记录原型列向量的非零位,由于循环移位的性质,矩阵中的其他列向量的非零位根据原型列向量推导得出,使设计的矩阵具备节省存储空间的特点,存储空间的占用至多缩减为原设计方法的1/K。
5.一种应用如权利要求1所述方法的针对大规模SCMA***的高效因子矩阵硬件架构,其特征在于,包括:初始化单元、资源节点更新单元、层节点更新单元、大规模资源-层交换网络和概率计算单元;SCMA信号首先进入初始化单元,结合缓冲寄存器中的码本信息,计算出初始条件概率;初始条件概率被输入资源节点更新单元中,通过对共享同一资源节点的层节点的置信度计算,更新出资源节点至层节点的置信度信息;资源节点至层节点置信度信息被输入层节点更新单元中,通过对共享同一层节点的资源节点的置信度互换,更新出层节点至资源节点的置信度信息;置信度信息在资源节点更新单元和层节点更新单元中不断迭代运算,在到达终止条件或最大迭代次数后,输出最终各符号的置信度信息;利用输出的置信度信息,对各用户作出符号判断,选择具备最大置信度的符号作为最后的估计符号,并完成检测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811396761.8A CN109586838B (zh) | 2018-11-22 | 2018-11-22 | 一种针对大规模scma***的高效因子矩阵设计方法及其硬件架构 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811396761.8A CN109586838B (zh) | 2018-11-22 | 2018-11-22 | 一种针对大规模scma***的高效因子矩阵设计方法及其硬件架构 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109586838A CN109586838A (zh) | 2019-04-05 |
CN109586838B true CN109586838B (zh) | 2020-11-03 |
Family
ID=65923677
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811396761.8A Active CN109586838B (zh) | 2018-11-22 | 2018-11-22 | 一种针对大规模scma***的高效因子矩阵设计方法及其硬件架构 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109586838B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103503344A (zh) * | 2011-04-27 | 2014-01-08 | Lg电子株式会社 | 用于在无线通信***中发送控制信息的方法和设备 |
CN106301683A (zh) * | 2016-08-04 | 2017-01-04 | 东南大学 | 一种基于scma***的dmpa译码方法及译码器架构 |
CN107863972A (zh) * | 2017-11-06 | 2018-03-30 | 山东大学 | 一种低译码复杂度的快速多元ldpc码译码方法 |
CN108282200A (zh) * | 2018-03-07 | 2018-07-13 | 江南大学 | 一种大规模mimo***中基于因子图的置信度传播信号检测方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6956891B2 (en) * | 2000-11-15 | 2005-10-18 | Go-Cdma Limited | Method and apparatus for non-linear code-division multiple access technology |
JP4494190B2 (ja) * | 2004-12-24 | 2010-06-30 | 日本電信電話株式会社 | 空間多重伝送用送信方法および空間多重伝送用送信装置 |
CN101686061A (zh) * | 2008-09-27 | 2010-03-31 | 松下电器产业株式会社 | 构造低密度奇偶校验码的方法及发送/接收装置和*** |
US9240853B2 (en) * | 2012-11-16 | 2016-01-19 | Huawei Technologies Co., Ltd. | Systems and methods for sparse code multiple access |
CN107222291B (zh) * | 2017-04-20 | 2019-10-11 | 东南大学 | 一种基于正六边形星座图的12点scma码本设计方法及scma*** |
-
2018
- 2018-11-22 CN CN201811396761.8A patent/CN109586838B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103503344A (zh) * | 2011-04-27 | 2014-01-08 | Lg电子株式会社 | 用于在无线通信***中发送控制信息的方法和设备 |
CN106301683A (zh) * | 2016-08-04 | 2017-01-04 | 东南大学 | 一种基于scma***的dmpa译码方法及译码器架构 |
CN107863972A (zh) * | 2017-11-06 | 2018-03-30 | 山东大学 | 一种低译码复杂度的快速多元ldpc码译码方法 |
CN108282200A (zh) * | 2018-03-07 | 2018-07-13 | 江南大学 | 一种大规模mimo***中基于因子图的置信度传播信号检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109586838A (zh) | 2019-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109039534B (zh) | 一种基于深度神经网络的稀疏码分多址信号检测方法 | |
CN110167176B (zh) | 一种基于分布式机器学习的无线网络资源分配方法 | |
CN113708804B (zh) | 基于鲸鱼算法的用户调度和模拟波束选择优化方法 | |
CN101432972A (zh) | 基数-4维特比解码 | |
CN105262493B (zh) | 低密度奇偶校验码的译码方法 | |
US7185268B2 (en) | Memory system and method for use in trellis-based decoding | |
CN109889205A (zh) | 编码方法及***、解码方法及***、编解码方法及*** | |
CN113965233A (zh) | 一种基于深度学习的多用户宽带毫米波通信资源分配方法及*** | |
CN107222448B (zh) | 一种星座图优化方法及*** | |
CN113923082B (zh) | 传输ppdu的方法及相关装置 | |
CN109586838B (zh) | 一种针对大规模scma***的高效因子矩阵设计方法及其硬件架构 | |
Omslandseter et al. | User grouping and power allocation in NOMA systems: a novel semi-supervised reinforcement learning-based solution | |
CN109361439B (zh) | 针对scma***的低复杂度码本设计方法及其硬件架构 | |
CN101916259A (zh) | 确定自动机状态转换表的空间压缩方法 | |
WO2017185935A1 (zh) | 消息发送、接收方法及装置、基站 | |
CN108988988B (zh) | 一种基于准循环矩阵两级查找表的rcm编码器和编码方法 | |
CN101540663B (zh) | 一种用于高阶mimo***的预编码码本的构造方法 | |
CN107800511A (zh) | 一种多级编码调制***映射方法及装置 | |
CN113746511B (zh) | 一种快速mimo信号搜索方法、***、设备及存储介质 | |
Yang et al. | Efficient hardware architecture of deterministic MPA decoder for SCMA | |
US20230037965A1 (en) | Layered semi parallel ldpc decoder system having single permutation network | |
Fan et al. | Two‐dimensional sorting algorithm for high‐throughput K‐best MIMO detection | |
JP4587427B2 (ja) | 復号方法及びその装置とそれを用いたシステム | |
EP4173243A1 (en) | Training in communication systems | |
CN101136657A (zh) | 传输格式组合指示译码装置和方法 |
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 |