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 PDFInfo
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 61
- 241000234295 Musa Species 0.000 title claims 4
- 239000011159 matrix material Substances 0.000 claims abstract description 112
- 238000000034 method Methods 0.000 claims abstract description 52
- 239000013598 vector Substances 0.000 claims abstract description 35
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 26
- 230000007480 spreading Effects 0.000 claims abstract description 26
- 230000008030 elimination Effects 0.000 claims abstract description 6
- 238000003379 elimination reaction Methods 0.000 claims abstract description 6
- 238000007476 Maximum Likelihood Methods 0.000 claims abstract description 4
- 238000004364 calculation method Methods 0.000 claims description 16
- 238000004422 calculation algorithm Methods 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 13
- 238000010276 construction Methods 0.000 claims description 4
- 238000003491 array Methods 0.000 claims 1
- 239000000126 substance Substances 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 10
- 239000003795 chemical substances by application Substances 0.000 abstract description 2
- 238000010295 mobile communication Methods 0.000 abstract description 2
- 238000004088 simulation Methods 0.000 description 7
- 230000008901 benefit Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000010363 phase shift Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
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
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};
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;
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。
其中,C=[c1,c2,...,cM],(·)↑表示Moore-Penrose伪逆;E=[e1 *(m),e2 *(m),...,eM *(m)];bl(m)表示第l个发射端用户可能发送的第m个符号, 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:
s.t.
其中,f[a]表示估计值的代价函数;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; 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。
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:以及(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: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:
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。
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
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;
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};
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。
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:
s.t.
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。
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)
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)
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)
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 |
-
2019
- 2019-09-05 CN CN201910834807.8A patent/CN110492956B/zh active Active
Patent Citations (3)
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 |