CN110492956B - 一种用于musa***的误差补偿多用户检测方法及装置 - Google Patents

一种用于musa***的误差补偿多用户检测方法及装置 Download PDF

Info

Publication number
CN110492956B
CN110492956B CN201910834807.8A CN201910834807A CN110492956B CN 110492956 B CN110492956 B CN 110492956B CN 201910834807 A CN201910834807 A CN 201910834807A CN 110492956 B CN110492956 B CN 110492956B
Authority
CN
China
Prior art keywords
matrix
user
transmitting end
error
noise
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
Application number
CN201910834807.8A
Other languages
English (en)
Other versions
CN110492956A (zh
Inventor
陈发堂
石贝贝
邓青
李小文
王丹
王华华
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.)
Hefei Minglong Electronic Technology Co ltd
Original Assignee
Chongqing University of Post and Telecommunications
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 Chongqing University of Post and Telecommunications filed Critical Chongqing University of Post and Telecommunications
Priority to CN201910834807.8A priority Critical patent/CN110492956B/zh
Publication of CN110492956A publication Critical patent/CN110492956A/zh
Application granted granted Critical
Publication of CN110492956B publication Critical patent/CN110492956B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/309—Measuring or estimating channel quality parameters
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/382—Monitoring; Testing of propagation channels for resource allocation, admission control or handover
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/391—Modelling the propagation channel
    • H04B17/3912—Simulation models, e.g. distribution of spectral power density or received signal strength indicator [RSSI] for a given geographic region
    • 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
    • H04L27/20—Modulator circuits; Transmitter circuits
    • 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)
  • Electromagnetism (AREA)
  • Quality & Reliability (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明属于移动通信技术领域，涉及MUSA***的上行链路多用户检测技术；为一种用于MUSA***的误差补偿多用户检测方法及装置；方法包括发射端的用户数据通过QPSK调制后，随机选择复数扩展序列扩展；接收端对接收到的信号采用并行干扰消除检测，计算出权重矩阵获得发射端的用户信号的估计值；对特征矩阵进行特征值分解，选取部分分解结果重构发射端的用户信号；利用拉格朗日乘数法让等价噪声矩阵最小化，重新调整其估计值；采用最大似然估计计算出实际的用户信号估计值并择一输出。本发明通过补偿MMSE准则估计出信号的误差，将相关噪声投影到特征向量空间，在噪声增强的方向上搜索信号，获得了更好的检测性能，提高检测准确性等。

Description

一种用于MUSA***的误差补偿多用户检测方法及装置
技术领域
本发明属于移动通信技术领域，具体涉及MUSA***的上行链路多用户检测技术；具体为一种用于MUSA***的误差补偿多用户检测方法及装置。
背景技术
3GPP R15是5G标准的第一版主要聚焦对eMBB和URLLC等场景的支持，非正交多址接入作为5G新空口上行链路多址接入方案的备选方案，在后续5G对mMTC场景做出特别设计时，必然会显现出它独特的优势，以满足5G对不同业务场景的要求。因此现阶段需要对非正交多址技术投入研究。现有的非正交多址接入技术有SCMA(Sparse Code MultipleAccess，稀疏码分多址)技术，MUSA(Multiple user shared access，多用户共享接入)技术，NOMA(Non-Orthogonal Multiple Access，非正交多址接入)技术，PDMA(PatternDivisionMultipleAccess，图样分割多址)技术。
非正交多址技术在***上行吞吐量、接入用户数方面有比较明显的增益。中兴公司提出的MUSA技术是一种码域的、基于扩频通信的非正交多址接入方案，MUSA技术由于接入的用户随机的选取扩展序列，所以不需要复杂的调度接入过程，即这是一种免调度模式，且这种免调度模式节省了调度时间、减少了信令开销，这对于5G要求的三种场景中的海量连接和低时延有很大的优势。其具体方案可包括在发送端接入***的多个用户独立的选取复数扩频序列将自己的调制符号进行扩展，然后扩展后的用户数据在相同的时频资源里发送。接收端通过最小均方误差多用户检测技术识别分离各个用户的数据。
传统的多用户检测技术一般有最小均方误差-串行干扰消除MMSE-SIC算法、最小均方误差-并行干扰抵消MMSE-PIC算法以及准并行干扰消除检测算法；MMSE-SIC检测方法进行多少级检测由用户数决定，且每一级检测都需对权重矩阵ωMMSE进行计算，权重矩阵的计算涉及矩阵求逆，矩阵求逆的复杂度高，其复杂度为O(M3)，当用户数大时，该方法整体复杂度高导致时延增加，不适用于5G的低时延场景。而MMSE-PIC检测方法虽然检测级别少，能够有效降低时延，但是整体的检测性能又比较差。准并行干扰消除检测算法虽然处理时延比MMSE-SIC小，性能优于MMSE-PIC，但是检测性能相较于MMSE-SIC仍然较差。
发明内容
基于现有技术存在的问题，本发明考虑到如果能够改进MMSE-PIC检测方法的性能，提高检测的准确性，则可以实现在保证性能的同时既能达到低时延的要求，又能够减少计算复杂度；因此本发明提出了一种用于MUSA***的误差补偿多用户检测方法及装置。
本发明提出的一种用于MUSA***的误差补偿多用户检测方法，所述方法如图1所示，可包括：
S1、发射端的多个用户数据进行调制后，随机选择复数扩展序列对各自的调制符号进行扩展，并从相同的时频资源上发送；
S2、接收端对接收到的信号y通过MMSE检测器进行并行干扰消除检测，计算出权重矩阵ωMMSE，获得发射端的用户信号的调制符号估计值x；
S3、对权重矩阵中的特征矩阵进行特征值分解，分解出特征值λl、对应的特征向量vl，以及将特征向量的H矩阵和噪声构建出等价噪声al；l＝{1,2,...,M}，M表示发射端的用户数目；
S4、选取前N个较大的特征值λk、对应的特征向量vk以及等价噪声ak计算出发射端的用户信号对应的每种调制符号分别与估计出的调制符号估计值之间的误差el(m)；k＝{1,2,...,N}；
S5、采用拉格朗日乘数法让等价噪声矩阵aHa最小化，利用计算出的误差以及特征值λk和特征向量vk，计算出每种调制符号对应的等价噪声矩阵的估计值
Figure BDA0002191814890000021
S6、采用最大似然估计的方式根据等价噪声矩阵的估计值
Figure BDA0002191814890000022
重新调整误差el(m)，并利用其对检测算法形成的误差进行补偿，从而计算出实际的用户信号估计值
Figure BDA0002191814890000031
并选择其中误差最小的实际的用户信号估计值
Figure BDA0002191814890000032
作为最终输出；
H矩阵表示厄米特Hermitian矩阵；m表示调制方式对应的符号数。
例如，当采用的调制方式为QPSK调制时，m＝{1,2,3,4}。
另外，本发明还提出了一种用于MUSA***的误差补偿多用户检测装置，所述装置包括：
发射天线：用于发射用户数据；
调制器：用于对用户数据进行调制；
序列扩展模块：用于对调制数据进行序列扩展；
接收机：用于接收调制扩展后的用户数据；
MMSE检测器：用于通过最小化发送向量和估计向量之间的最小均方误差求得权重矩阵；
特征分解模块：用于权重矩阵中的特征矩阵进行特征值分解；分解出特征值λi、对应的特征向量vi；
等价噪声构建模块：用于根据特征向量分解单元分解出的特征向量矩阵的H矩阵与噪声相乘；
误差估计模块：取前N个较大的特征值、对应的特征向量以及等价噪声计算出发射端的用户信号对应的每种调制符号分别与估计出的调制符号估计值之间的误差；
拉格朗日乘数法模块：用于根据拉格朗日乘数法计算出每种符号下对应的等价噪声矩阵的估计值；
误差计算模块：用于根据拉格朗日乘数法模块计算出的各个等价噪声矩阵的估计值计算出实际的用户信号；
硬判决模块：用于对计算出的实际的用户信号进行硬判决，选择出误差最小的作为输出。
本发明的有益效果：
本发明是基于MMSE准则的，并在此基础上通过对MMSE检测估计出的信号的误差进行补偿，将相关噪声投影到矩阵R的特征向量上，同时在噪声增强的方向上搜索信号，提高了检测的准确性，该方法避免了串行检测方法的多级复杂的矩阵求逆运算，使得复杂度大大减小，降低了时延，更加地适用于5G低时延的场景。通过分析和仿真结果显示，本发明的检测性能优于MMSE-SIC检测方法，相比于MMSE-PIC检测方法性能更是大大的提高。
附图说明
图1是本发明方法所采用的***流程图；
图2是本发明采用的MUSA***框图；
图3是三元复序列元素的星座图；
图4是扩展序列选择的流程图；
图5是仿真结果性能曲线图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
本实施例以图2为例，假设发送端的用户数为M，每个用户数据流均各自通过编码以及调制过程；每个用户独立随机的选择满足平衡性准则和相关性准则的复数扩展序列，用各自的扩展序列对调制符号进行扩展。
在一个实施例中，该编码过程采用差分编码的方式；该调制过程采用正交相移键控(Quadrature Phase Shift Keying，QPSK)的调制方式。扩展序列的长度为N，然后在相同的时频资源上发送，即多用户共享信道，经该信道传输后被动产生了噪声，接收端通过多用户检测分离出各个用户数据。
作为一种可实现方式，本发明还可以采取16QAM、64QPSK等等调制方式。
本实施方式中复扩展序列的实部和虚部分别取自一个三元集合{-1,0,1}，其星座图如图3所示。用户数据经QPSK调制后各自独立选择扩展序列，扩展序列选择的流程可如图4所示。
每个用户独立的选择扩展序列，初始时，令i＝1；
第i个用户随机生成扩展序列，判断扩展序列是否满足平衡性准则和自相关准则，若满足，则令i＝i+1；否则继续对第i个用户随机生成扩展序列；
当i＝i+1后，判断i≤M是否成立，若成立，也对第i个用户随机生成扩展序列；否则，所有用户独立的选择扩展序列这个过程完成；
判断两两用户之间是否满足互相关准则，若满足，则结束整个流程，否则从初始状态开始重新对每个用户独立的选择扩展序列。
在一个实施例中，接收端通过多用户检测分离出各个用户数据的过程可包括：
步骤1、接收端首先对接收到的信号y通过MMSE检测器进行并行干扰消除检测；
在这个过程中，需要计算出权重矩阵以及根据权重矩阵估计出发射端用户的调制符号；
权重矩阵表示为：ωMMSE＝(HHH+σ2I)-1HH，并记R＝(HHH+σ2I)-1；
估计出的调制符号表示为：
Figure BDA0002191814890000051
其中，H为发射端的用户的信道矩阵；HH为信道矩阵H的Hermitian矩阵；σ2表示噪声方差；I表示单位矩阵。
接收信号y表示为：
y＝Hx+n；
其由标量表示
Figure BDA0002191814890000052
推广得到，其中Sm为第m个用户的扩展序列，gm为第m个用户的信道增益，xm为第m个用户的调制符号。
其矢量表达式中，y＝(y1,y2,y3,......,yN)H，H是包含扩展序列和信道增益的等效信道矩阵，由信道估计得到，x＝(x1,x2,x3,......,xM)H,n＝(n1,n2,n3,......,nN)H，nk表示第k个噪声信号，N是扩展序列长度，M是用户数。
步骤2、将矩阵R进行特征值特征向量分解，得到R＝VDVH；具体分解出特征值λi、对应的特征向量vi，将特征向量的H矩阵和噪声构建出等价噪声ai；i＝{1,2,...,M}，M表示发射端的用户数目；
其中，V表示特征向量矩阵包括M个相互正交的M×1维列特征向量组成的M×M维酉矩阵，V＝[v1,v2,......,vM]；D表示特征值矩阵包括M个特征值组成的M×M对角阵，D＝diag[λ1,λ2,......,λM]；VH表示特征向量矩阵的Hermitian矩阵，令包括M个等价噪声的等价噪声矩阵为a＝VHn'，n'＝(n'1,n'2,...,n'M)H，n'i表示假设的第i个噪声信号，上标H表示Hermitian矩阵，由于a是等价噪声，所以它的各阶统计特性不变，也即是其均值、方差与n＝(n1,n2,n3,......,nN)H相同。
步骤3、从M个特征值中选取其中较大的N(N＜M)个特征值λk(k＝{1,2,...,N})，以及这N个特征值对应的特征向量vk，组成新的矩阵V和矩阵D，由于实际的用户发送信号s与估计值x之间存在误差，其关系为
Figure BDA0002191814890000061
因此，新的矩阵V是M×N维矩阵，新矩阵D是N阶矩阵，对实际的用户发送信号进行估计，表示为
Figure BDA0002191814890000062
此时，由于未计算出等价噪声矩阵a，所以接下来需要对a进行估计。
步骤4、利用拉格朗日乘数法让等价噪声矩阵aHa最小化，通过约束条件计算出每种符号下对应的等价噪声矩阵的估计值
Figure BDA0002191814890000063
每种调制符号对应的等价噪声矩阵的估计值
Figure BDA0002191814890000064
的计算公式为：
Figure BDA0002191814890000065
其中，C＝[c1,c2,...,cM]，
Figure BDA0002191814890000066
(·)↑表示Moore-Penrose伪逆；E＝[e1 *(m),e2 *(m),...,eM *(m)]；
Figure BDA0002191814890000067
bl(m)表示第l个发射端用户可能发送的第m个符号，
Figure BDA0002191814890000068
Figure BDA0002191814890000069
表示第l个发射端用户发送的调制符号估计值；(vk)l表示特征向量vk的第l个元素；上标H表示Hermitian矩阵。
在这个过程中需要计算出每种符号对应的发射符号与调制符号之间的误差
Figure BDA0002191814890000071
由于本实施例采用的QPSK调制方式，且每个发射符号的取值有四种符号，则
Figure BDA0002191814890000072
bl(m)表示第l个发射端用户可能发送的第m个符号。
在一个优选实施例中，每种调制符号对应的等价噪声矩阵的估计值
Figure BDA0002191814890000073
的计算公式还包括以发射端的用户信号对应的每种调制符号bl(m)分别与估计出的调制符号估计值x之间的误差作为约束条件，利用拉格朗日乘数法最小化代价函数f[a]，选择两个发射端用户l1和l2对估计值
Figure BDA0002191814890000074
进行估计；其中，拉格朗日乘数法最小化代价函数的过程包括：
Figure BDA0002191814890000075
s.t.
约束条件1：
Figure BDA0002191814890000076
约束条件2：
Figure BDA0002191814890000077
约束条件3：
Figure BDA0002191814890000078
其中，f[a]表示估计值
Figure BDA0002191814890000079
的代价函数；γ1和γ2均表示拉格朗日系数；el1(m)表示实际的用户信号中第l1个发射端用户可能发送的第m个符号对应的误差，el2(m)表示实际的用户信号中第l2个发射端用户可能发送的第m个符号对应的误差，*表示共轭符号；
Figure BDA00021918148900000710
Figure BDA00021918148900000711
Figure BDA00021918148900000712
下标l1和下标l2表示属于{1,2,...,M}的两个不同发射端用户；(v1)l1表示特征向量v1的第l1个元素；(v1)l2表示特征向量v1的第l2个元素。
另外，约束条件1的产生过程是通过对a*求偏导而得：
Figure BDA0002191814890000081
可以理解的是，上述拉格朗日乘数法过程中仅仅使用了两个关于发射端的用户信号对应的每种调制符号bl(m)分别与估计出的调制符号估计值x之间的误差的约束条件，即从C中选择了两个发射端用户对应的约束条件：
Figure BDA0002191814890000082
以及
Figure BDA0002191814890000083
(约束条件2和约束条件3)；相应的，E＝[el1 *(m),el2 *(m)]H；若为了使得估计值
Figure BDA0002191814890000084
的估计结果更加精确，可以从M个发射端用户中选择更多的约束条件，例如还增加约束条件：
Figure BDA0002191814890000085
l3表示属于{1,2,...,M}的发射端用户；此时的E＝[el1 *(m),el2 *(m),el3 *(m)]H；当然此时的发射端用户l1、l2以及l3也是通过计算SINR排序后选择而来的；具体可参考以下过程：
发射端用户l1和l2的选择过程包括通过计算每个发射端用户的信干噪比SINR，并对其进行排序，选择出其中SINR最小的两个用户作为发射端用户l1和发射端用户l2；其中SINR的计算公式表示为：
Figure BDA0002191814890000086
其中ωi,MMSE表示的是权重矩阵的第i行，hi表示的是等效信道矩阵H的第i列，σ2是噪声方差，||·||代表Frobenius范数。
步骤5、采用最大似然估计的方式根据等价噪声矩阵的估计值
Figure BDA0002191814890000087
计算出实际的用户信号估计值
Figure BDA0002191814890000088
并选择其中误差最小的实际的用户信号估计值
Figure BDA0002191814890000089
作为最终输出。
由于b(m)的取值符号不同，算出所有情况下，E＝[e1 *(m),e2 *(m)]H，
Figure BDA00021918148900000810
并计算
Figure BDA00021918148900000811
得到各种情况下的
Figure BDA00021918148900000812
(·)↑表示Moore-Penrose伪逆，从下式中计算出最终的输出结果：
Figure BDA00021918148900000813
其中，argmin表示
Figure BDA0002191814890000091
取得最小值时对应的自变量
Figure BDA0002191814890000092
Q(·)表示硬判决；||·||代表Frobenius范数。
在一个实施例中，本发明还给出了一种用于MUSA***的误差补偿多用户检测装置，所述装置包括：
发射天线：用于发射用户数据；
调制器：用于对用户数据进行调制；
序列扩展模块：用于对调制数据进行序列扩展；
接收机：用于接收调制扩展后的用户数据；
MMSE检测器：用于通过最小化发送向量和估计向量之间的最小均方误差求得权重矩阵；
特征分解模块：用于权重矩阵中的特征矩阵进行特征值分解；分解出特征值λi、对应的特征向量vi；
等价噪声构建模块：用于根据特征向量分解单元分解出的特征向量矩阵的H矩阵与噪声相乘；
误差估计模块：取前N个较大的特征值、对应的特征向量以及等价噪声计算出发射端的用户信号对应的每种调制符号分别与估计出的调制符号估计值之间的误差；
拉格朗日乘数法模块：用于根据拉格朗日乘数法计算出每种符号下对应的等价噪声矩阵的估计值；
误差计算模块：用于根据拉格朗日乘数法模块计算出的各个等价噪声矩阵的估计值计算出实际的用户信号；
硬判决模块：用于对计算出的实际的用户信号进行硬判决，选择出误差最小的作为输出。
其中，所述特征分解模块包括特征值分解单元和特征向量分解单元；所述特征值分解单元用于分解出M个特征值组成的M×M对角阵；所述特征向量分解单元用于分解出M个相互正交的M×1维列特征向量组成的M×M维酉矩阵M表示发射端的用户数目。
本装置通过发射天线向接收机发射用户数据，在向接收机发射数据之前，通过调制器对发射天线发射的数据进行调制，利用序列扩展模块对调制后的数据进行扩展，在经过多用户共享通道传输后，接收机接收到用户数据，经过MMSE检测器求取权重矩阵，利用特征分解模块将权重矩阵中的特征矩阵进行分解，从而分解出特征矩阵和特征值；并通过等价噪声构建模块对分解出的特征向量矩阵的H矩阵与噪声相乘，构建出等价噪声矩阵；通过误差估计模块选择部分分解后的结果以及等价噪声矩阵对发射端的用户信号对应的每种调制符号分别与估计出的调制符号估计值之间的误差进行估计；从而对发射端的用户信号进行重构；利用拉格朗日乘数法模块计算出等价噪声的估计值，最终通过误差计算模块根据计算出等价噪声的估计值，从而计算出对应的实际的用户信号估计值，硬判决模块从各个实际的用户信号估计值通过硬判决的方式选择出一个作为输出。
本实施例结合具体数据，利用Matlab对传统的MMSE-SIC检测方法、MMSE-PIC检测方法和本发明在AWGN信道中BER误码性能进行仿真和对比分析，仿真参数设置如表1所示，性能仿真结果如图5所示。根据仿真结果可以看到，本发明实施例的误差补偿多用户并行改进检测方法的性能在信噪比SNR大于10dB时优于MMSE-SIC检测方法的性能，且与MMSE-PIC检测性能相比有很大的提升。随着信噪比的增加，改进算法也越为准确。MMSE-SIC检测方法中矩阵求逆的复杂度为O(M3)，整个算法的复杂度正比于O(M4+M3N)，而改进方法中，矩阵的特征值特征向量分解的复杂度为O(M3)，各种情况的
Figure BDA0002191814890000101
的计算涉及MN次乘法，每种情况的a～的计算涉及8+8N次乘法，所以整个改进算法的复杂度正比于O(M3)。对于用户数较小时，改进算法在复杂度上的优势不大，但是当用户数增大时，改进方法的复杂度将会大大降低，改进方法计算的复杂度将会比MMSE-SIC方法的复杂度减少一个量级，这将十分有利于5G的海量连接及低时延场景。
表1仿真参数设置
Figure BDA0002191814890000111
本发明可以解决现有的备选多用户检测方法存在的问题，MMSE-SIC检测算法涉及矩阵求逆，算法复杂度高，且用户数量大时，检测运算量大，导致处理时延大；MMSE-PIC检测算法检测级别数少，虽时延小，但是检测性能差；以及准并行干扰消除检测算法，虽然处理时延比MMSE-SIC小，性能优于MMSE-PIC，但是检测性能相较于MMSE-SIC仍然较差。本发明是MMSE-PIC检测方法的改进，MMSE-PIC检测方法只进行一级检测，性能差，本发明通过补偿MMSE准则估计出信号的误差，将相关噪声投影到特征向量空间，在噪声增强的方向上搜索信号，以获得更好的检测性能，提高检测准确性，降低误码率。本发明运用于MUSA***的多用户检测，将提高***的检测能效，实现绿色通信。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：ROM、RAM、磁盘或光盘等。
以上所举实施例，对本发明的目的、技术方案和优点进行了进一步的详细说明，所应理解的是，以上所举实施例仅为本发明的优选实施方式而已，并不用以限制本发明，凡在本发明的精神和原则之内对本发明所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种用于MUSA***的误差补偿多用户检测方法，其特征在于，所述方法包括：
S1、发射端的多个用户数据进行调制后，随机选择复数扩展序列对各自的调制符号进行扩展，并从相同的时频资源上发送；
S2、接收端对接收到的信号y通过MMSE检测器进行并行干扰消除检测，计算出权重矩阵ωMMSE，获得发射端的用户信号的调制符号估计值
Figure FDA0003013096900000011
S3、对权重矩阵中的特征矩阵进行特征值分解，分解出特征值λl、对应的特征向量vl，以及将特征向量的厄米特Hermitian矩阵和噪声构建出等价噪声al；l＝{1,2,...,M}，M表示发射端的用户数目；
S4、选取前N个较大的特征值λk、对应的特征向量vk以及等价噪声ak计算出发射端的用户信号对应的每种调制符号分别与估计出的调制符号估计值之间的误差el(m)；k＝{1,2,...,N}；
S5、采用拉格朗日乘数法让等价噪声矩阵aHa最小化，利用计算出的误差以及特征值λk和特征向量vk，计算出每种调制符号对应的等价噪声矩阵的估计值
Figure FDA0003013096900000012
S6、采用最大似然估计的方式根据等价噪声矩阵的估计值
Figure FDA0003013096900000013
重新调整误差el(m)，并利用其对检测算法形成的误差进行补偿，从而计算出实际的用户信号估计值
Figure FDA0003013096900000014
并选择其中误差最小的实际的用户信号估计值
Figure FDA0003013096900000015
作为最终输出；
上标H表示Hermitian矩阵；m表示调制方式对应的符号数。
2.根据权利要求1所述的一种用于MUSA***的误差补偿多用户检测方法，其特征在于，所述步骤S3中对权重矩阵中的特征矩阵进行特征值分解包括权重矩阵为ωMMSE＝(HHH+σ2I)-1HH，令特征矩阵R＝(HHH+σ2I)-1，将特征矩阵R进行特征值特征向量分解，得到R＝VDVH；H为发射端的用户的信道矩阵；HH为信道矩阵H的Hermitian矩阵；σ2表示噪声方差；I表示单位矩阵；V表示特征向量矩阵包括M个相互正交的M×1维列特征向量组成的M×M维酉矩阵；D表示特征值矩阵包括M个特征值组成的M×M对角阵；VH表示特征向量矩阵的Hermitian矩阵，令包括M维等价噪声的等价噪声矩阵为a＝VHn'，n'＝(n'1,n'2,...,n'l,...,n'M)H，n'l表示假设的第l个发射端用户带有的噪声信号，上标H表示Hermitian矩阵。
3.根据权利要求1所述的一种用于MUSA***的误差补偿多用户检测方法，其特征在于，发射端的用户信号对应的每种调制符号分别与估计出的调制符号估计值
Figure FDA0003013096900000021
之间的误差表示为
Figure FDA0003013096900000022
el(m)表示第l个发射端用户发送的第m个符号时，与对应估计出的调制符号估计值
Figure FDA0003013096900000023
之间的误差；bl(m)表示第l个发射端用户可能发送的第m个符号；
Figure FDA0003013096900000024
表示第l个发射端用户发送的调制符号估计值；(vk)l表示特征向量vk的第l个元素。
4.根据权利要求1所述的一种用于MUSA***的误差补偿多用户检测方法，其特征在于，每种调制符号对应的等价噪声矩阵的估计值
Figure FDA0003013096900000025
的计算公式为：
Figure FDA0003013096900000026
其中，C＝[c1,c2,...,cl,...,cM]，
Figure FDA0003013096900000027
(·)↑表示Moore-Penrose伪逆；E＝[e1 *(m),e2 *(m),...,el *(m),...,eM *(m)]H；*表示共轭符号；
Figure FDA0003013096900000028
bl(m)表示第l个发射端用户可能发送的第m个符号，
Figure FDA0003013096900000029
Figure FDA00030130969000000210
表示第l个发射端用户发送的调制符号估计值；(vk)l表示特征向量vk的第l个元素；上标H表示Hermitian矩阵。
5.根据权利要求4所述的一种用于MUSA***的误差补偿多用户检测方法，其特征在于，每种调制符号对应的等价噪声矩阵的估计值
Figure FDA00030130969000000211
的计算公式还包括以发射端的用户信号对应的每种调制符号bl(m)分别与估计出的调制符号估计值
Figure FDA00030130969000000212
之间的误差作为约束条件，利用拉格朗日乘数法最小化代价函数f[a]，选择两个发射端用户l1和l2对估计值
Figure FDA0003013096900000031
进行估计；其中，拉格朗日乘数法最小化代价函数的过程包括：
Figure FDA00030130969000000311
s.t.
Figure FDA0003013096900000032
Figure FDA0003013096900000033
Figure FDA0003013096900000034
其中，f[a]表示估计值
Figure FDA0003013096900000035
的代价函数；γ1和γ2均表示拉格朗日系数；el1(m)表示实际的用户信号中第l1个发射端用户可能发送的第m个符号对应的误差，el2(m)表示实际的用户信号中第l2个发射端用户可能发送的第m个符号对应的误差，*表示共轭符号；
Figure FDA0003013096900000036
Figure FDA0003013096900000037
Figure FDA0003013096900000038
下标l1和下标l2表示属于{1,2,...,M}的两个不同发射端用户；(v1)l1表示特征向量v1的第l1个元素；(v1)l2表示特征向量v1的第l2个元素。
6.根据权利要求5所述的一种用于MUSA***的误差补偿多用户检测方法，其特征在于，发射端用户l1和l2的选择过程包括通过计算每个发射端用户的信干噪比SINR，并对其进行排序，选择出其中SINR最小的两个用户作为发射端用户l1和发射端用户l2；其中SINR的计算公式表示为：
Figure FDA0003013096900000039
其中，ωi,MMSE表示的是权重矩阵的第i行，hi表示的是等效信道矩阵H的第i列，σ2是噪声方差，||·||代表Frobenius范数。
7.根据权利要求1所述的一种用于MUSA***的误差补偿多用户检测方法，其特征在于，步骤S6中的最终输出的实际用户信号估计值
Figure FDA00030130969000000310
表示为：
Figure FDA0003013096900000041
其中，
Figure FDA0003013096900000042
表示估计计算值；argmin表示
Figure FDA0003013096900000043
取得最小值时对应的自变量
Figure FDA0003013096900000044
Q(·)表示硬判决；||·||代表Frobenius范数；H为发射端的用户的信道矩阵。
8.一种用于MUSA***的误差补偿多用户检测装置，其特征在于，所述装置包括：
发射天线：用于发射用户数据；
调制器：用于对用户数据进行调制；
序列扩展模块：用于对调制数据进行序列扩展；
接收机：用于接收调制扩展后的用户数据；
MMSE检测器：用于通过最小化发送向量和估计向量之间的最小均方误差求得权重矩阵；
特征分解模块：用于权重矩阵中的特征矩阵进行特征值分解；分解出特征值λi、对应的特征向量vi；
等价噪声构建模块：用于根据特征向量分解单元分解出的特征向量矩阵的厄米特Hermitian矩阵与噪声相乘；
误差估计模块：取前N个较大的特征值、对应的特征向量以及等价噪声计算出发射端的用户信号对应的每种调制符号分别与估计出的调制符号估计值之间的误差；
拉格朗日乘数法模块：用于根据拉格朗日乘数法计算出每种符号下对应的等价噪声矩阵的估计值；
误差计算模块：用于根据拉格朗日乘数法模块计算出的各个等价噪声矩阵的估计值计算出实际的用户信号；
硬判决模块：用于对计算出的实际的用户信号进行硬判决，选择出误差最小的作为输出。
9.根据权利要求8所述的一种用于MUSA***的误差补偿多用户检测装置，其特征在于，所述特征分解模块包括特征值分解单元以及特征向量分解单元；所述特征值分解单元用于分解出M个特征值组成的M×M对角阵；所述特征向量分解单元用于分解出M个相互正交的M×1维列特征向量组成的M×M维酉矩阵；M表示发射端的用户数目。
CN201910834807.8A 2019-09-05 2019-09-05 一种用于musa***的误差补偿多用户检测方法及装置 Active CN110492956B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910834807.8A CN110492956B (zh) 2019-09-05 2019-09-05 一种用于musa***的误差补偿多用户检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910834807.8A CN110492956B (zh) 2019-09-05 2019-09-05 一种用于musa***的误差补偿多用户检测方法及装置

Publications (2)

Publication Number Publication Date
CN110492956A CN110492956A (zh) 2019-11-22
CN110492956B true CN110492956B (zh) 2021-07-06

Family

ID=68556589

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910834807.8A Active CN110492956B (zh) 2019-09-05 2019-09-05 一种用于musa***的误差补偿多用户检测方法及装置

Country Status (1)

Country Link
CN (1) CN110492956B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114665934B (zh) * 2022-03-18 2023-05-12 五邑大学 基于分解因子矩阵的信号检测方法、***、设备及介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102891815A (zh) * 2012-09-19 2013-01-23 北京航空航天大学 一种时分双工多基站协作***中的低复杂度信道估计方法
CN106059968A (zh) * 2016-05-27 2016-10-26 重庆邮电大学 Musa***多级部分并行干扰消除多用户检测方法
CN107809299A (zh) * 2017-10-23 2018-03-16 哈尔滨工业大学 多用户共享接入技术上行链路的先串后并多用户检测方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118316499A (zh) * 2018-01-19 2024-07-09 联想（新加坡）私人有限公司 信道压缩矩阵参数

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102891815A (zh) * 2012-09-19 2013-01-23 北京航空航天大学 一种时分双工多基站协作***中的低复杂度信道估计方法
CN106059968A (zh) * 2016-05-27 2016-10-26 重庆邮电大学 Musa***多级部分并行干扰消除多用户检测方法
CN107809299A (zh) * 2017-10-23 2018-03-16 哈尔滨工业大学 多用户共享接入技术上行链路的先串后并多用户检测方法

Also Published As

Publication number Publication date
CN110492956A (zh) 2019-11-22

Similar Documents

Publication Publication Date Title
US6987819B2 (en) Method and device for multiple input/multiple output transmit and receive weights for equal-rate data streams
KR101381130B1 (ko) 다중 사용자 프리코딩 및 스케줄링 방법 및 이를 구현하는 기지국
US9077516B2 (en) Reduced complexity frequency domain equalization of multiple input multiple output channels
US8077788B2 (en) Soft demapping for MIMO decoding
CN107947840B (zh) 基于毫米波大规模mimo的时间反演抗干扰方法
KR100918717B1 (ko) 다입다출력 직교주파수분할다중화 이동통신 시스템에서의신호 시퀀스 추정 방법 및 장치
CN111698182A (zh) 一种基于压缩感知的时频分块稀疏的信道估计方法
JP4966190B2 (ja) マルチアンテナシステムで信号を送信するための方法および装置、信号、ならびに対応する伝送チャネルを推定するための方法
WO2010029765A1 (ja) 無線送信装置およびプレコーディング方法
KR20070122511A (ko) 채널 행렬의 특이값 분해를 위한 장치 및 방법
Jeya et al. Optimized semiblind sparse channel estimation algorithm for MU-MIMO OFDM system
CN110166401B (zh) 大规模mimo正交频分复用***的相位噪声抑制方法
WO2015112883A1 (en) System and method for early termination in iterative null-space directed singular value decomposition for mimo
WO2017132984A1 (en) Method and apparatus of topological pilot decontamination for massive mimo systems
US9031123B2 (en) Communication system and method using subspace interference cancellation
CN114285444A (zh) 一种去蜂窝大规模mimo***的功率优化方法
CN108566227B (zh) 一种多用户检测方法
CN110492956B (zh) 一种用于musa***的误差补偿多用户检测方法及装置
Raja et al. Improved spectral efficiency in massive MIMO ultra-dense networks through optimal pilot-based vector perturbation precoding
CN114124168A (zh) 一种基于深度学习的mimo-noma***信号检测方法及***
CN108600125B (zh) 一种基于迭代的信道估计方法
Banister et al. Feedback assisted stochastic gradient adaptation of multiantenna transmission
JP5288622B2 (ja) 無線通信装置、無線通信システムおよび通信方法
WO2014187356A1 (zh) 发射信号的多输入多输出mimo检测方法、装置及***
CN112653497B (zh) 一种降低mimo多通道相位噪声影响的信号收发方法

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
TR01 Transfer of patent right

Effective date of registration: 20240507

Address after: 230000 B-1015, wo Yuan Garden, 81 Ganquan Road, Shushan District, Hefei, Anhui.

Patentee after: HEFEI MINGLONG ELECTRONIC TECHNOLOGY Co.,Ltd.

Country or region after: China

Address before: 400065 Chongwen Road, Nanshan Street, Nanan District, Chongqing

Patentee before: CHONGQING University OF POSTS AND TELECOMMUNICATIONS

Country or region before: China

TR01 Transfer of patent right