CN110011775A - 联合实现活动用户检测及其信道估计方法及其*** - Google Patents

联合实现活动用户检测及其信道估计方法及其*** Download PDF

Info

Publication number
CN110011775A
CN110011775A CN201910221801.3A CN201910221801A CN110011775A CN 110011775 A CN110011775 A CN 110011775A CN 201910221801 A CN201910221801 A CN 201910221801A CN 110011775 A CN110011775 A CN 110011775A
Authority
CN
China
Prior art keywords
machine type
flood tide
equipment
active user
tide machine
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.)
Granted
Application number
CN201910221801.3A
Other languages
English (en)
Other versions
CN110011775B (zh
Inventor
叶新荣
黄涛
张爱清
谢小娟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Anhui Normal University
Original Assignee
Anhui Normal University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Anhui Normal University filed Critical Anhui Normal University
Priority to CN201910221801.3A priority Critical patent/CN110011775B/zh
Publication of CN110011775A publication Critical patent/CN110011775A/zh
Application granted granted Critical
Publication of CN110011775B publication Critical patent/CN110011775B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • H04L25/0202—Channel estimation
    • 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
    • H04L25/0202—Channel estimation
    • H04L25/0224—Channel estimation using sounding signals
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L5/00—Arrangements affording multiple use of the transmission path
    • H04L5/003—Arrangements for allocating sub-channels of the transmission path
    • H04L5/0048—Allocation of pilot signals, i.e. of signals known to the receiver
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/70—Services for machine-to-machine communication [M2M] or machine type communication [MTC]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W74/00—Wireless channel access
    • H04W74/08—Non-scheduled access, e.g. ALOHA
    • H04W74/0833—Random access procedures, e.g. with 4-step access

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Power Engineering (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种联合实现活动用户检测及其信道估计方法及其***，该巨量机器类通信中活动用户检测方法包括：将活动用户检测和活动用户信道估计建模为压缩感知理论中的稀疏信号重构，并运用SLO重构算法根据用户信道状态估计出活跃用户。本发明提供的方法能够减少导频信号的长度，并能获得优于最小二乘法的信道估计性能。

Description

联合实现活动用户检测及其信道估计方法及其***
技术领域
本发明涉及机器类通信(machine type communication，MTC)场景里活动用户检测及其信道估计方法。
背景技术
随着智能家居、智慧交通和智慧医疗等物联网应用的日益发展，当前迫切需要建立能为机器类设备提供互连互通的通信网络。为了实现该目标，第五代移动通信***(5G)已将巨量机器类通信、增强移动宽带及超可靠低时延通信确定为需要支持的三种业务。由于机器类设备数量众多，因此，5G面临的一个极大挑战就是需要为巨量机器类设备提供及时的网络接入和高效的数据传输。
蜂窝网络当前是通过专用的随机接入控制信道并采用授权的方式让用户竞争物理层传输资源，通常包括四个阶段，首先，每个活动用户随机地从正交导频信号池里抽取一个导频信号并发送给基站，通知基站该用户有数据需要发送；接着，基站为每个接收到的导频信号发送一个响应信号，授权可以继续传输信息；然后，接收到授权信号的用户继续向基站发送连接请求；最后，基站向没有发生导频冲突的用户分配传输数据的资源并授权该用户接入网络，而对发生导频冲突的用户不做应答，接入失败的用户需要等待一个时间之后重新竞争接入网络。这种传统授权的接入方案不适用于巨量机器类通信，因为：其一，信道的相干时间和相干带宽有限，这就决定了导频信号的长度有限，从而正交导频信号池里导频信号数量有限，面对巨量接入，导频冲突率高，延长了设备接入网络的耗时。其二，机器类通信的特点是突发式短数据包通信，有时需要发送的数据信息仅几个比特，若采用传统授权式接入方案，接入阶段占时远远超过了数据传输阶段的时间，导致***整体效率低。因此，巨量机器类通信不能采用传统的授权式接入方案，需要开发非正交和无需授权的随机接入方案。在非正交和无需授权接入方案里每个机器类设备均安排一个固定的导频信号，在某一时刻若机器类设备有数据需要发送，该设备即刻直接发送导频信号和数据信息，这样可以避免导频冲突和长时间的授权接入申请，但该接入方案的核心支撑技术是需要从巨量的机器类设备里检测出活动用户并估计出其信道状态信息。
发明内容
本发明的目的是提供一种巨量机器类通信中联合实现活动用户检测及其信道估计的方法，该方法克服了现有授权接入技术中接入时间长的问题。
为了实现上述目的，本发明提供了一种巨量机器类通信中活动用户检测方法，其特征在于，该巨量机器类通信中活动用户检测方法包括：
将活动用户检测和活动用户信道估计建模为压缩感知理论中的稀疏信号重构，并运用SLO(平滑L0范数算法)重构算法根据用户信道状态估计出活跃用户。
优选地，在将活动用户检测和活动用户信道估计建模为压缩感知理论中的稀疏信号重构之前，包括：
将巨量机器类设备通过免授权非正交的方式随机接入基站。
优选地，将巨量机器类设备通过免授权非正交的方式随机接入基站，包括：
将巨量机器类设备的导频信号和数据信息直接发送至所述基站；且将多个巨量机器类设备中每个巨量机器类设备都分配一个预设长度的导频序列，且多个所述序列之间无需满足正交关系。
优选地，将活动用户检测及其信道估计建模为压缩感知理论中的稀疏信号重构，包括：
某一时隙，若K个机器类设备中有Ka个巨量机器类设备处于活动状态，则基站接收到的该Ka个活动用户发来的导频信号可表示为：
其中，p(k)表示第k个活动用户在***里所有巨量机器类设备中的编号；基站和巨量机器类设备均安装的是单天线；hp(k)是第P(k)个巨量机器类设备到基站的信道响应；xp(k)＝[xp(k),1,xp(k),2,…，xp(k),N]T是第p(k)个巨量机器类设备发送的导频序列，w是均值为0，方差为σ2的高斯噪声；
当Ka个巨量机器类设备处于活动状态，则K-Ka个巨量机器类设备处于休眠状态；处于休眠状态的巨量机器类设备其通信链路没有激活，从而其信道响应为零；若考虑所有的巨量机器类设备，则接收到的导频信号可通过如下公式等价表示为
其中，h是一个稀疏向量，包含有K-Ka个零元素，Ka个非零元素，且非零元素在h中的位置与活动用户的编号p(k)相对应。
优选地，运用SLO(平滑L0范数算法)重构算法根据用户信道状态估计出活跃用户，包括：
步骤121，输入观测信号y，观测矩阵X，阈值σmin，收缩因子ρ，步长μ和迭代次数L；
步骤122，令其中，上标符号表示伪逆运算操作；
步骤123，如果σ>σmin，则顺序执行(Ⅰ)和(Ⅱ)；否则，执行步骤124，
(Ⅰ)在可行解集{h|y＝Xh}上，从初始解开始通过如下的L次迭代最速下降算法，最大化目标函数
(a)设置向量δ的元素值为
(b)令然后通过将投影到其可行解集上；
(Ⅱ)令σ←ρσ，并返回步骤123；
步骤124，计算并找出Ka个最大元素值的位置序号，将该Ka个位置序号存入集合I，输出检测出的活动用户I和活动用户信道状态信息
本发明还提供一种巨量机器类通信中活动用户检测***，该巨量机器类通信中活动用户检测***包括：
将活动用户检测和活动用户信道估计建模为压缩感知理论中的稀疏信号重构，并运用SLO(平滑L0范数算法)重构算法根据用户信道状态估计出活跃用户的设备。
优选地，包括：
将巨量机器类设备通过免授权非正交的方式随机接入基站的设备。
优选地，将巨量机器类设备通过免授权非正交的方式随机接入基站的设备，包括：
将巨量机器类设备的导频信号和数据信息直接发送至所述基站的设备；且将多个巨量机器类设备中每个巨量机器类设备都分配一个预设长度的导频序列，且多个所述序列之间无需满足正交关系的设备。
优选地，将活动用户检测及其信道估计建模为压缩感知理论中的稀疏信号重构的设备，包括：
某一时隙，若K个机器类设备中有Ka个巨量机器类设备处于活动状态，则基站接收到的该Ka个活动用户发来的导频信号可表示为：
其中，p(k)表示第k个活动用户在***里所有巨量机器类设备中的编号；基站和巨量机器类设备均安装的是单天线；hp(k)是第P(k)个巨量机器类设备到基站的信道响应；xp(k)＝[xp(k),1,xp(k),2,…,xp(k),N]T是第p(k)个巨量机器类设备发送的导频序列，w是均值为0，方差为σ2的高斯噪声；
当Ka个巨量机器类设备处于活动状态，则K-Ka个巨量机器类设备处于休眠状态；处于休眠状态的巨量机器类设备其通信链路没有激活，从而其信道响应为零；若考虑所有的巨量机器类设备，则接收到的导频信号可通过如下公式等价表示为
其中，h是一个稀疏向量，包含有K-Ka个零元素，Ka个非零元素，且非零元素在h中的位置与活动用户的编号p(k)相对应。
优选地，运用SLO(平滑L0范数算法)重构算法根据用户信道状态估计出活跃用户的设备，包括：
输入设备，输入观测信号y，观测矩阵X，阈值σmin，收缩因子ρ，步长μ和迭代次数L；
令其中，上标符号表示伪逆运算操作；
判断设备，如果σ>σmin，则顺序执行(Ⅰ)和(Ⅱ)；否则，执行输出设备工作，
(Ⅰ)在可行解集{h|y＝Xh}上，从初始解开始通过如下的L次迭代最速下降算法，最大化目标函数
(a)设置向量δ的元素值为
(b)令然后通过将投影到其可行解集上；
(Ⅱ)令σ←ρσ，并返回判断设备；
输出设备，计算并找出Ka个最大元素值的位置序号，将该Ka个位置序号存入集合I，输出检测出的活动用户I和活动用户信道状态信息
与现有技术相比，本发明提供的活动用户检测及其信道估计方法运用压缩感知重构算法SL0，能够大幅度地减少信道估计所需要的导频信号长度。该方法计算复杂度低，易于实现。
本发明的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明，但并不构成对本发明的限制。在附图中：
图1是说明本发明的一种巨量机器类通信中联合实现活动用户检测及其信道估计方法实施步骤的流程图；
图2为运用SL0压缩感知联合实现活动用户检测及其信道估计方法(标记为本发明提供的方法)与最小二乘法检测活动用户正确率对比图；
图3为运用本发明提供的方法与最小二乘法估计活动用户信道状态信息的归一化均方误差曲线图。
具体实施方式
以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明。
本发明提供一种巨量机器类通信中活动用户检测方法，该巨量机器类通信中活动用户检测方法包括：
将活动用户检测和活动用户信道估计建模为压缩感知理论中的稀疏信号重构，并运用SLO(平滑L0范数算法)重构算法根据用户信道状态估计出活跃用户。
与现有技术相比，本发明提供的活动用户检测及其信道估计方法运用压缩感知重构算法SL0，能够大幅度地减少信道估计所需要的导频信号长度。该方法计算复杂度低，易于实现。
为了更好的理解本发明实施例的内容，首先详细介绍本发明实施例的***模型。考虑一个机器类设备通信场景，包括一个基站和K个机器类设备，基站和机器类设备均安装的是单天线，采用非正交及免授权的多用户接入协议。假设某一相干时间内有Ka个机器类设备正在向基站发送导频信号，则基站接收到的导频信号可表示为
其中p(k)表示第k个活动用户在***里所有机器类设备中的编号；hp(k)是序号为P(k)的机器类设备到基站的信道响应；xp(k)＝[xp(k),1,xp(k),2,…,xp(k),N]T是第p(k)个机器类设备发送的导频序列，w是均值为0，方差为σ2的高斯噪声。
本发明实施例公开的一种巨量机器类通信中联合实现活动用户检测及其信道估计方法，主要包括如下步骤：
步骤一、巨量机器类设备通过免授权非正交的方式随机接入***。任何机器类设备接入基站是免授权的，即任何活动用户(有数据需要发送的设备称为活动用户)可直接向基站发送导频信号和数据信息，不需要先向基站发送接入申请，并且只能在收到同意接入的指令之后才可以发送导频信号和数据信息。另外，每一个设备都被分配一个长度为N的导频序列，序列之间不要求满足正交关系。
步骤二、将活跃用户检测及其信道估计建模为压缩感知理论中的稀疏信号重构。***内共有K个机器类设备，在某一时间段里Ka个机器设备处于活动状态，则其余的K-Ka个机器类设备处于休眠状态。处于休眠状态的机器类设备其通信链路没有激活，从而其信道响应为零。若考虑***内所有的机器类设备，则式(1)可等价表示为
其中h是一个稀疏向量，包含有K-Ka个零元素，Ka个非零元素，且非零元素在h中的位置与式(1)中p(k)相对应。
步骤三、运用SL0压缩感知重构算法联合检测活动用户并估计其信道状态信息。依据(2)的线性方程y＝Xh+w，本发明提供的采用SL0算法检测活动用户及估计其信道响应具体步骤可归纳如下：
本发明还提供了一种最优选地实施方式，该方法包括：
步骤11，巨量机器类设备通过免授权非正交的方式随机接入***；
步骤12，将活跃用户检测及其信道估计建模为压缩感知理论中的稀疏信号重构，并运用SL0(smoothed l0-norm algorithm)重构算法联合检测和估计出活跃用户及其信道状态信息。
进一步优选地，在步骤11中，
任何机器类设备接入基站是免授权的，即任何活动用户(有数据需要发送的设备称为活动用户)可直接向基站发送导频信号和数据信息，不需要先向基站发送接入申请，并且只能在收到同意接入的指令之后才可以发送导频信号和数据信息。另外，每一个设备都被分配一个长度为N的导频序列，序列之间不要求满足正交关系。
进一步优选地，在步骤12中，将活动用户检测及其信道估计建模为压缩感知理论中的稀疏信号重构方法包括：
某一时隙，若***内共有Ka个机器设备处于活动状态，则基站接收到的该Ka个活动用户发来的导频信号可表示为：
其中p(k)表示第k个活动用户在***里所有机器类设备中的编号；基站和机器类设备均安装的是单天线，hp(k)是第P(k)个机器类设备到基站的信道响应；xp(k)＝[xp(k),1,xp(k),2,…,xp(k),N]T是第p(k)个机器类设备发送的导频序列，w是均值为0，方差为σ2的高斯噪声。
***内共有K个机器类设备，在某一时间段里Ka个机器设备处于活动状态，则其余的K-Ka个机器类设备处于休眠状态。处于休眠状态的机器类设备其通信链路没有激活，从而其信道响应为零。若考虑***内所有的机器类设备，则接收到的导频信号可等价表示为
其中h是一个稀疏向量，包含有K-Ka个零元素，Ka个非零元素，且非零元素在h中的位置与活动用户在***中的编号p(k)相对应。
进一步优选地，在步骤12中，运用SL0重构算法检测出活动用户并估计出其信道状态信息的方法包括：
步骤121，输入观测信号y，观测矩阵X，阈值σmin，收缩因子ρ，步长μ和迭代次数L；
步骤122，令其中上标符号表示伪逆运算操作；
步骤123，如果σ>σmin，则顺序执行(Ⅰ)和(Ⅱ)；否则，执行步骤124。
(Ⅰ)在可行解集{h|y＝Xh}上，从初始解开始通过如下的L次迭代最速下降算法，最大化目标函数
(a)设置向量δ的元素值为
(b)令然后通过将投影到其可行解集上；
(Ⅱ)令σ←ρσ，并返回步骤123；
步骤124，计算并找出Ka个最大元素值的位置序号，将该Ka个位置序号存入集合I，输出检测出的活动用户I及其信道状态信息
与现有技术相比，本发明提供的活动用户检测及其信道估计方法运用压缩感知重构算法SL0，能够大幅度地减少信道估计所需要的导频信号长度。该方法计算复杂度低，易于实现。
为了验证本发明方法的有效性与相比现有方法的优势，做了如下仿真对比试验。所考虑的场景参数是：机器类设备数目K＝200，活动用户数目Ka＝40；SL0算法变量参数值为σmin＝0.001，ρ＝0.5，μ＝2，L＝3。图2为运用SL0压缩感知联合实现活动用户检测及其信道估计方法(标记为本发明提供的方法)与传统最小二乘方法采用不同长度导频信号的活动用户检测正确概率对比图，从图中可以看出本发明提供方法的检测正确概率明显优于最小二乘法。图3运用本发明提供方法与最小二乘方法采用不同长度导频信号的信道估计归一化均方误差曲线图，从图中可以看出本发明提供的信道估计方法能减少50％导频长度，且估计精度高。
以上结合附图详细描述了本发明的优选实施方式，但是，本发明并不限于上述实施方式中的具体细节，在本发明的技术构思范围内，可以对本发明的技术方案进行多种简单变型，这些简单变型均属于本发明的保护范围。
另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合，为了避免不必要的重复，本发明对各种可能的组合方式不再另行说明。
此外，本发明的各种不同的实施方式之间也可以进行任意组合，只要其不违背本发明的思想，其同样应当视为本发明所公开的内容。

Claims (10)

1.一种巨量机器类通信中活动用户检测方法，其特征在于，该巨量机器类通信中活动用户检测方法包括：
将活动用户检测和活动用户信道估计建模为压缩感知理论中的稀疏信号重构，并运用SLO重构算法根据用户信道状态估计出活跃用户。
2.根据权利要求1所述的巨量机器类通信中活动用户检测方法，其特征在于，在将活动用户检测和活动用户信道估计建模为压缩感知理论中的稀疏信号重构之前，包括：
将巨量机器类设备通过免授权非正交的方式随机接入基站。
3.根据权利要求1所述的巨量机器类通信中活动用户检测方法，其特征在于，将巨量机器类设备通过免授权非正交的方式随机接入基站，包括：
将巨量机器类设备的导频信号和数据信息直接发送至所述基站；且将多个巨量机器类设备中每个巨量机器类设备都分配一个预设长度的导频序列，且多个所述序列之间无需满足正交关系。
4.根据权利要求1所述的巨量机器类通信中活动用户检测方法，其特征在于，将活动用户检测及其信道估计建模为压缩感知理论中的稀疏信号重构，包括：
某一时隙，若K个机器类设备中有Ka个巨量机器类设备处于活动状态，则基站接收到的该Ka个活动用户发来的导频信号可表示为：
其中，p(k)表示第k个活动用户在***里所有巨量机器类设备中的编号；基站和巨量机器类设备均安装的是单天线；hp(k)是第P(k)个巨量机器类设备到基站的信道响应；xp(k)＝[xp(k)，1，xp(k)，2，…，xp(k)，N]T是第p(k)个巨量机器类设备发送的导频序列，w是均值为0，方差为σ2的高斯噪声；
当Ka个巨量机器类设备处于活动状态，则K-Ka个巨量机器类设备处于休眠状态；处于休眠状态的巨量机器类设备其通信链路没有激活，从而其信道响应为零；若考虑所有的巨量机器类设备，则接收到的导频信号可通过如下公式等价表示为
其中，h是一个稀疏向量，包含有K-Ka个零元素，Ka个非零元素，且非零元素在h中的位置与活动用户的编号p(k)相对应。
5.根据权利要求1所述的巨量机器类通信中活动用户检测方法，其特征在于，运用SLO(平滑L0范数算法)重构算法根据用户信道状态估计出活跃用户，包括：
步骤121，输入观测信号y，观测矩阵X，阈值σmin，收缩因子ρ，步长μ和迭代次数L；
步骤122，令其中，上标符号表示伪逆运算操作；
步骤123，如果σ＞σmin，则顺序执行(I)和(II)；否则，执行步骤124，
(I)在可行解集{h|y＝Xh}上，从初始解开始通过如下的L次迭代最速下降算法，最大化目标函数
(a)设置向量δ的元素值为
(b)令然后通过将投影到其可行解集上；
(II)令σ←ρσ，并返回步骤123；
步骤124，计算并找出Ka个最大元素值的位置序号，将该Ka个位置序号存入集合I，输出检测出的活动用户I和活动用户信道状态信息
6.一种巨量机器类通信中活动用户检测***，其特征在于，该巨量机器类通信中活动用户检测***包括：
将活动用户检测和活动用户信道估计建模为压缩感知理论中的稀疏信号重构，并运用SLO(平滑L0范数算法)重构算法根据用户信道状态估计出活跃用户的设备。
7.根据权利要求6所述的巨量机器类通信中活动用户检测***，其特征在于，包括：
将巨量机器类设备通过免授权非正交的方式随机接入基站的设备。
8.根据权利要求6所述的巨量机器类通信中活动用户检测***，其特征在于，将巨量机器类设备通过免授权非正交的方式随机接入基站的设备，包括：
将巨量机器类设备的导频信号和数据信息直接发送至所述基站的设备；且将多个巨量机器类设备中每个巨量机器类设备都分配一个预设长度的导频序列，且多个所述序列之间无需满足正交关系的设备。
9.根据权利要求6所述的巨量机器类通信中活动用户检测***，其特征在于，将活动用户检测及其信道估计建模为压缩感知理论中的稀疏信号重构的设备，包括：
某一时隙，若K个机器类设备中有Ka个巨量机器类设备处于活动状态，则基站接收到的该Ka个活动用户发来的导频信号可表示为：
其中，p(k)表示第k个活动用户在***里所有巨量机器类设备中的编号；基站和巨量机器类设备均安装的是单天线；hp(k)是第P(k)个巨量机器类设备到基站的信道响应；xp(k)＝[xp(k)，1，xp(k)，2，…，xp(k)，N]T是第p(k)个巨量机器类设备发送的导频序列，w是均值为0，方差为σ2的高斯噪声；
当Ka个巨量机器类设备处于活动状态，则K-Ka个巨量机器类设备处于休眠状态；处于休眠状态的巨量机器类设备其通信链路没有激活，从而其信道响应为零；若考虑所有的巨量机器类设备，则接收到的导频信号可通过如下公式等价表示为
其中，h是一个稀疏向量，包含有K-Ka个零元素，Ka个非零元素，且非零元素在h中的位置与活动用户的编号p(k)相对应。
10.根据权利要求6所述的巨量机器类通信中活动用户检测***，其特征在于，运用SLO(平滑L0范数算法)重构算法根据用户信道状态估计出活跃用户的设备，包括：
输入设备，输入观测信号y，观测矩阵X，阈值σmin，收缩因子ρ，步长μ和迭代次数L；
令其中，上标符号表示伪逆运算操作；
判断设备，如果σ＞σmin，则顺序执行(I)和(II)；否则，执行输出设备工作，
(I)在可行解集{h|y＝Xh}上，从初始解开始通过如下的L次迭代最速下降算法，最大化目标函数
(a)设置向量δ的元素值为
(b)令然后通过将投影到其可行解集上；
(II)令σ←ρσ，并返回判断设备；
输出设备，计算并找出Ka个最大元素值的位置序号，将该Ka个位置序号存入集合I，输出检测出的活动用户I和活动用户信道状态信息
CN201910221801.3A 2019-03-22 2019-03-22 联合实现活动用户检测及其信道估计方法及其*** Active CN110011775B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910221801.3A CN110011775B (zh) 2019-03-22 2019-03-22 联合实现活动用户检测及其信道估计方法及其***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910221801.3A CN110011775B (zh) 2019-03-22 2019-03-22 联合实现活动用户检测及其信道估计方法及其***

Publications (2)

Publication Number Publication Date
CN110011775A true CN110011775A (zh) 2019-07-12
CN110011775B CN110011775B (zh) 2022-06-07

Family

ID=67167781

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910221801.3A Active CN110011775B (zh) 2019-03-22 2019-03-22 联合实现活动用户检测及其信道估计方法及其***

Country Status (1)

Country Link
CN (1) CN110011775B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110784286A (zh) * 2019-11-01 2020-02-11 重庆邮电大学 基于压缩感知的非正交多址接入***的多用户检测方法
CN112929307A (zh) * 2021-02-26 2021-06-08 广东工业大学 一种免授权通信下的分布式信道估计方法
CN113194499A (zh) * 2021-04-02 2021-07-30 西安交通大学 一种基于用户估计的免授权自适应传输方法
WO2023272475A1 (en) * 2021-06-29 2023-01-05 Nokia Shanghai Bell Co., Ltd. Methods, apparatuses, and computer readable media for user equipment device activity detection
WO2023060370A1 (en) * 2021-10-11 2023-04-20 Nokia Shanghai Bell Co., Ltd. Methods, devices, and computer readable media for adaptive user equipment device activity detection
WO2023246729A1 (zh) * 2022-06-21 2023-12-28 北京邮电大学 数据传输方法、装置、电子设备和存储介质
WO2024108547A1 (en) * 2022-11-25 2024-05-30 Nokia Shanghai Bell Co., Ltd. Enhancement on user activity detection

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105554901A (zh) * 2015-12-11 2016-05-04 清华大学 随机接入方法
DE102015208344A1 (de) * 2015-05-06 2016-11-10 Universität Bremen Mehrträger Compressed Sensing Multi-User System
CN106130938A (zh) * 2016-07-18 2016-11-16 安徽师范大学 Tdd大规模mimo***多用户联合信道估计方法
GB201621509D0 (en) * 2016-12-16 2017-02-01 Samsung Electronics Co Ltd A method for detecting a number of active users in a communication system
CN106789770A (zh) * 2016-12-26 2017-05-31 电子科技大学 基于压缩感知的大规模mimo非正交多用户接入方法
CN106936556A (zh) * 2017-03-07 2017-07-07 西北工业大学 一种面向窄带物联网的时频二维稀疏码多址接入方法
US20170272278A1 (en) * 2016-03-21 2017-09-21 Huawei Technologies Co., Ltd. User equipment detection for uplink random access in dispersive fading environments
CN107248902A (zh) * 2017-07-21 2017-10-13 电子科技大学 一种块压缩感知非正交多址***多用户检测方法
CN107743103A (zh) * 2017-10-26 2018-02-27 北京交通大学 基于深度学习的mmtc***的多节点接入检测和信道估计方法
CN108259073A (zh) * 2018-01-30 2018-07-06 深圳清华大学研究院 基于广义空间调制的上行通信多用户信号检测方法及装置
CN108540410A (zh) * 2018-03-06 2018-09-14 东南大学 免调度传输***联合活跃用户检测和信道估计方法
CN108768585A (zh) * 2018-04-27 2018-11-06 南京邮电大学 基于深度学习的上行免信令noma***多用户检测方法
US20190044588A1 (en) * 2017-08-04 2019-02-07 Samsung Electronics Co., Ltd. Apparatus and method for uplink transmission in wireless communication system
CN109327850A (zh) * 2018-11-16 2019-02-12 安徽大学 基于梯度追踪和多步拟牛顿法技术的非正交多址接入***多用户检测方法

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102015208344A1 (de) * 2015-05-06 2016-11-10 Universität Bremen Mehrträger Compressed Sensing Multi-User System
CN105554901A (zh) * 2015-12-11 2016-05-04 清华大学 随机接入方法
US20170272278A1 (en) * 2016-03-21 2017-09-21 Huawei Technologies Co., Ltd. User equipment detection for uplink random access in dispersive fading environments
CN106130938A (zh) * 2016-07-18 2016-11-16 安徽师范大学 Tdd大规模mimo***多用户联合信道估计方法
GB201621509D0 (en) * 2016-12-16 2017-02-01 Samsung Electronics Co Ltd A method for detecting a number of active users in a communication system
CN106789770A (zh) * 2016-12-26 2017-05-31 电子科技大学 基于压缩感知的大规模mimo非正交多用户接入方法
CN106936556A (zh) * 2017-03-07 2017-07-07 西北工业大学 一种面向窄带物联网的时频二维稀疏码多址接入方法
CN107248902A (zh) * 2017-07-21 2017-10-13 电子科技大学 一种块压缩感知非正交多址***多用户检测方法
US20190044588A1 (en) * 2017-08-04 2019-02-07 Samsung Electronics Co., Ltd. Apparatus and method for uplink transmission in wireless communication system
CN107743103A (zh) * 2017-10-26 2018-02-27 北京交通大学 基于深度学习的mmtc***的多节点接入检测和信道估计方法
CN108259073A (zh) * 2018-01-30 2018-07-06 深圳清华大学研究院 基于广义空间调制的上行通信多用户信号检测方法及装置
CN108540410A (zh) * 2018-03-06 2018-09-14 东南大学 免调度传输***联合活跃用户检测和信道估计方法
CN108768585A (zh) * 2018-04-27 2018-11-06 南京邮电大学 基于深度学习的上行免信令noma***多用户检测方法
CN109327850A (zh) * 2018-11-16 2019-02-12 安徽大学 基于梯度追踪和多步拟牛顿法技术的非正交多址接入***多用户检测方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
HANNAK G: "Joint channel estimation and activity detection for multiuser communication systems", 《2015 IEEE INTERNATIONAL CONFERENCE ON COMMUNICATION WORKSHOP》 *
赵晓娟: "非正交多址接入中基于压缩感知的多用户检测技术研究", 《中国优秀硕士学位论文全文数据库》 *
高西奇: "非协调多址接入活跃用户检测与信道估计方法研究", 《万方学位论文库》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110784286A (zh) * 2019-11-01 2020-02-11 重庆邮电大学 基于压缩感知的非正交多址接入***的多用户检测方法
CN110784286B (zh) * 2019-11-01 2022-05-03 重庆邮电大学 基于压缩感知的非正交多址接入***的多用户检测方法
CN112929307A (zh) * 2021-02-26 2021-06-08 广东工业大学 一种免授权通信下的分布式信道估计方法
CN112929307B (zh) * 2021-02-26 2022-03-25 广东工业大学 一种免授权通信下的分布式信道估计方法
CN113194499A (zh) * 2021-04-02 2021-07-30 西安交通大学 一种基于用户估计的免授权自适应传输方法
WO2023272475A1 (en) * 2021-06-29 2023-01-05 Nokia Shanghai Bell Co., Ltd. Methods, apparatuses, and computer readable media for user equipment device activity detection
WO2023060370A1 (en) * 2021-10-11 2023-04-20 Nokia Shanghai Bell Co., Ltd. Methods, devices, and computer readable media for adaptive user equipment device activity detection
WO2023246729A1 (zh) * 2022-06-21 2023-12-28 北京邮电大学 数据传输方法、装置、电子设备和存储介质
WO2024108547A1 (en) * 2022-11-25 2024-05-30 Nokia Shanghai Bell Co., Ltd. Enhancement on user activity detection

Also Published As

Publication number Publication date
CN110011775B (zh) 2022-06-07

Similar Documents

Publication Publication Date Title
CN110011775A (zh) 联合实现活动用户检测及其信道估计方法及其***
CN107248902B (zh) 一种块压缩感知非正交多址***多用户检测方法
Zhang et al. Channel estimation for reconfigurable intelligent surface aided massive MIMO system
Bai et al. Deep learning based fast multiuser detection for massive machine-type communication
CN113194548B (zh) 一种智能超表面辅助的大规模无源随机接入方法
CN108777855A (zh) 应用于das的功率分配方法、装置及计算机可读存储介质
CN106793147B (zh) 基于定时提前信息的导频随机接入方法
Chataut et al. Efficient and low complex uplink detection for 5G massive MIMO systems
CN110401475A (zh) 下行波束训练方法、网络设备和终端设备
CN106304053A (zh) 基于基站控制的d2d通信物理层群密钥产生方法
CN107248875A (zh) 一种基于信噪比的多天线中继***物理层安全设计方法
CN106341169A (zh) 一种多用户大规模mimo***上行链路的天线选择方法
CN105659669A (zh) 用于无线网络的功率控制方法和***
CN113766541B (zh) Mmtc场景下的活跃设备及其使用信道的检测方法
CN113726396B (zh) 一种全双工无线携能中继通信***高能效保密传输方法
Zhang et al. Joint device activity detection, channel estimation and signal detection for massive grant-free access via BiGAMP
Abebe et al. Multi-sequence spreading random access (MSRA) for compressive sensing-based grant-free communication
KR102041012B1 (ko) 시분할 이중통신 다중 사용자 다중 안테나 환경에서 다중 안테나를 이용한 파일럿 오염 공격을 검출하는 방법 및 시스템
Gui et al. Low‐complexity large‐scale multiple‐input multiple‐output channel estimation using affine combination of sparse least mean square filters
CN111683023A (zh) 一种模型驱动的基于深度学习的大规模设备检测方法
CN106911367A (zh) 基于迭代干扰消除的多小区大规模mimo信道估计方法和装置
Dai et al. An efficient message passing algorithm for active user detection and channel estimation in NOMA
CN105049384B (zh) 用于在上行多用户mimo***中的信道估计方法
Zhang et al. Application of convolutional neural network in multi-channel scenario D2D communication transmitting power control
CN107018576A (zh) 基于网格图的随机接入方法

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