CN116346164A - Otfs***中连续并行干扰消除的最大似然检测方法 - Google Patents

Otfs***中连续并行干扰消除的最大似然检测方法 Download PDF

Info

Publication number
CN116346164A
CN116346164A CN202310236114.5A CN202310236114A CN116346164A CN 116346164 A CN116346164 A CN 116346164A CN 202310236114 A CN202310236114 A CN 202310236114A CN 116346164 A CN116346164 A CN 116346164A
Authority
CN
China
Prior art keywords
delay
signal
representing
channel
maximum likelihood
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
CN202310236114.5A
Other languages
English (en)
Other versions
CN116346164B (zh
Inventor
李汀
邵加亮
解培中
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.)
Nanjing University of Posts and Telecommunications
Original Assignee
Nanjing University of Posts 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 Nanjing University of Posts and Telecommunications filed Critical Nanjing University of Posts and Telecommunications
Priority to CN202310236114.5A priority Critical patent/CN116346164B/zh
Publication of CN116346164A publication Critical patent/CN116346164A/zh
Application granted granted Critical
Publication of CN116346164B publication Critical patent/CN116346164B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B1/00—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission
    • H04B1/69—Spread spectrum techniques
    • H04B1/707—Spread spectrum techniques using direct sequence modulation
    • H04B1/7097—Interference-related aspects
    • H04B1/7103—Interference-related aspects the interference being multiple access interference
    • H04B1/7105—Joint detection techniques, e.g. linear detectors
    • H04B1/71057—Joint detection techniques, e.g. linear detectors using maximum-likelihood sequence estimation [MLSE]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B1/00—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission
    • H04B1/69—Spread spectrum techniques
    • H04B1/707—Spread spectrum techniques using direct sequence modulation
    • H04B1/7097—Interference-related aspects
    • H04B1/711—Interference-related aspects the interference being multi-path interference
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Noise Elimination (AREA)

Abstract

本发明公开了一种OTFS***中连续并行干扰消除的最大似然检测方法，属于OTFS***信号检测技术领域；依据最大多径时延的大小在延时多普勒域中***零值；延时多普勒域得到接收信号矩阵，依据信道状态信息确定单一路径叠加数据以及延时量
Figure ZY_1
；在延时量
Figure ZY_2
对应索引处沿着多普勒频移方向去除信道的影响，采用最大似然检测算法检测数据并记录；在多路径叠加所在的延时量
Figure ZY_3
处依据信道状态信息和已检测信号计算干扰分量；去除干扰分量后沿着多普勒方向去除信道的影响，完成对所有接收信号的估计。本发明通过改变MP算法和ML算法实现信号检测，利用信道状态信息和已检测信号，在延时多普勒域实现高准确率的信号检测，降低了最大似然检测算法的复杂度。

Description

OTFS***中连续并行干扰消除的最大似然检测方法
技术领域
本发明属于OTFS***信号检测技术领域，具体涉及一种OTFS***中连续并行干扰消除的最大似然检测方法。
背景技术
未来无线通信的一个目标是支持高速移动场景中的可靠通信，目前5G的主要调制技术是正交频分复用（Orthogonal Frequency Division Multiplexing，OFDM）。在高速移动场景中会产生较大的多普勒频移使得信道具有快速时变特性，导致OFDM符号经历严重的干扰。新型调制技术正交时频空（OTFS）调制可以获得时频域全分集，与OFDM相比展现出显著的性能优势。OTFS***在延时多普勒（Delay Doppler，DD）域传输信号，在延时多普勒域中信道具有时不变特性，因此延时多普勒域的信号传输可以避免信道时变性的影响。
OTFS***信道建模更加符合实际物理信道，在高速移动场景具有显著性能优势，但是想要发挥其优势必须研发出性能优异的信号检测算法，信号检测问题是OTFS***重要的研究方向。因此OTFS***信号检测问题的研究与设计，对于提升OTFS***性能具有重要意义。
OTFS***进行信号检测的常见算法包括消息传递（Message Passing，MP）算法及其改进算法， LMMSE、MMSE、ZF等方法。这些方法利用了延时多普勒域信道稀疏性的特点，但是在信号检测过程中没有充分利用已检测信号，算法复杂度高。ML算法是信号检测的经典方法，用于OTFS***进行信号检测算法复杂度呈现指数级增长，路径越多增长越快。延时多普勒域信道具有正交特性，不同路径可分离，显然不能将ML算法直接用于OTFS***进行信号检测。针对这一问题，本发明充分利用发送信号和信道状态信息二维卷积的形式以及已检测信号，提出利用并行干扰消除的方法降低最大似然检测算法复杂度。在此基础上对OTFS帧结构进行改进***零值，实现连续并行干扰消除，进一步降低算法复杂度。
发明内容
本发明的目的在于提供一种OTFS***中连续并行干扰消除的最大似然检测方法，以解决上述背景技术中提出的问题。
本发明目的是这样实现的：OTFS***中连续并行干扰消除的最大似然检测方法，其特征在于：该最大似然检测方法包括以下步骤：
步骤S1：发送端根据最大多径时延的大小在延时多普勒域中沿着延时方向***零值，产生延时多普勒域的发送信号矩阵
Figure SMS_1
；
步骤S2：接收端在延时多普勒域得到接收信号矩阵
Figure SMS_2
，根据已知的信道状态信息
Figure SMS_3
确定单一路径叠加数据以及延时量/>
Figure SMS_4
；
步骤S3：根据S2确定的延时量
Figure SMS_6
对应的索引处沿着多普勒频移方向去除信道的影响即/>
Figure SMS_10
，/>
Figure SMS_13
表示接收端数据矩阵/>
Figure SMS_7
的第/>
Figure SMS_9
行，/>
Figure SMS_11
表示第/>
Figure SMS_15
条路径信道矩阵/>
Figure SMS_5
的第/>
Figure SMS_8
行；采用最大似然检测算法检测/>
Figure SMS_12
并记录；/>
Figure SMS_14
为最大似然检测；
步骤S4：在多路径叠加所在的延时量
Figure SMS_16
处依据信道状态信息和已检测信号计算干扰分量/>
Figure SMS_17
；其中，/>
Figure SMS_18
表示发送信号/>
Figure SMS_19
的第/>
Figure SMS_20
行沿多普勒频移方向循环移位/>
Figure SMS_21
已检测的结果；/>
Figure SMS_22
表示哈达玛积；
步骤S5：根据步骤S4中的计算结果去除干扰分量即
Figure SMS_23
后沿着多普勒方向去除信道的影响/>
Figure SMS_24
，然后采用最大似然检测算法检测数据/>
Figure SMS_25
并记录数据；其中，/>
Figure SMS_26
表示接收信号/>
Figure SMS_27
矩阵第/>
Figure SMS_28
行去除已检测信号后的结果，只保留第/>
Figure SMS_29
条路径的数据；
步骤S6：完成对所有接收信号的估计。
优选的，所述步骤S1中在延时多普勒域中沿着延时方向***零值，产生延时多普勒域的发送信号
Figure SMS_30
具体操作如下：
步骤S1-1：根据信道状态信息
Figure SMS_31
确定/>
Figure SMS_32
条路径中信道最大的延时量/>
Figure SMS_33
；其中，/>
Figure SMS_34
表示信道增益，/>
Figure SMS_35
为频率偏移产生的相位失真建模，/>
Figure SMS_36
为循环移位建模；
步骤S1-2：在离散网格
Figure SMS_37
中，延时量/>
Figure SMS_38
满足/>
Figure SMS_39
条件的位置***QAM符号，延时量/>
Figure SMS_40
满足/>
Figure SMS_41
***零值，最终形成延时多普勒域的发射信号矩阵/>
Figure SMS_42
；
其中，
Figure SMS_45
表示路径总数，/>
Figure SMS_46
表示载波间隔且/>
Figure SMS_48
，/>
Figure SMS_44
表示延时多普勒域离散网格
Figure SMS_49
中延时索引，/>
Figure SMS_50
表示延时方向索引的最大值，/>
Figure SMS_51
表示延时多普勒域离散网格/>
Figure SMS_43
中多普勒索引，/>
Figure SMS_47
表示多普勒方向上索引最大值。
优选的，所述步骤S2中确定单一路径叠加的数据以及延时量具体操作如下：
步骤S2-1：发送信号经过信道传输之后，延时多普勒域的发送信号与信道状态信息是两维卷积的结果，分析公式
Figure SMS_53
；其中，/>
Figure SMS_58
表示接收信号矩阵的/>
Figure SMS_60
第/>
Figure SMS_55
行第/>
Figure SMS_56
列的元素，/>
Figure SMS_59
表示发送信号矩阵/>
Figure SMS_62
第
Figure SMS_52
行第/>
Figure SMS_57
的元素，/>
Figure SMS_61
表示加性噪声，/>
Figure SMS_63
表示信道增益，/>
Figure SMS_54
表示路径i产生的相位噪声；
步骤S2-2：确定
Figure SMS_64
条路径中最小的两个延时量/>
Figure SMS_65
和/>
Figure SMS_66
， />
Figure SMS_67
；
步骤S2-3：确定接收端延时多普勒域离散网格平面
Figure SMS_68
中，当延时量/>
Figure SMS_69
满足/>
Figure SMS_70
，在接收端延时多普勒信号矩阵中/>
Figure SMS_71
可以获得第/>
Figure SMS_72
条路径的/>
Figure SMS_73
个单一路径叠加数据。
优选的，所述步骤S3中采用最大似然检测算法检测
Figure SMS_74
并记录具体操作如下：
步骤S3-1：在接收端当延时量
Figure SMS_76
满足/>
Figure SMS_78
时，将上一步获得的第/>
Figure SMS_82
条路径的/>
Figure SMS_77
个数据沿着多普勒频移依次去除信道的影响即/>
Figure SMS_80
，/>
Figure SMS_81
表示接收端数据矩阵/>
Figure SMS_84
的第/>
Figure SMS_75
行，/>
Figure SMS_79
表示第/>
Figure SMS_83
条路径信道矩阵的第/>
Figure SMS_85
行；
步骤S3-2：采用最大似然检测算法检测去除信道影响的数据
Figure SMS_86
，并记录检测结果作为后续并行干扰消除的初始数据。
优选的，所述步骤S4中依据信道状态信息和已检测信号计算干扰分量
Figure SMS_87
具体操作如下：
步骤S4-1：依据公式
Figure SMS_88
明确在当前延时量/>
Figure SMS_89
处有几条干扰路径，再根据选定干扰路径的延时量大小从上一步单路径检测的结果中提取需要的数据；
步骤S4-2：根据所选定的干扰路径的信道状态信息和已检测数据计算干扰分量
Figure SMS_90
，其中 />
Figure SMS_91
表示已检测信号。
优选的，所述步骤S5中去除干扰分量即
Figure SMS_92
中/>
Figure SMS_93
为：
Figure SMS_94
，
Figure SMS_95
，
其中，
Figure SMS_103
表示接受信号矩阵/>
Figure SMS_97
的第/>
Figure SMS_110
行，/>
Figure SMS_102
表示路径/>
Figure SMS_111
信道矩阵/>
Figure SMS_105
的第/>
Figure SMS_108
行，
Figure SMS_100
表示信道矩阵/>
Figure SMS_106
中第/>
Figure SMS_96
行第/>
Figure SMS_109
列的元素，/>
Figure SMS_99
表示发送信号/>
Figure SMS_104
的第
Figure SMS_101
行沿多普勒频移方向循环移位/>
Figure SMS_107
已检测的结果，/>
Figure SMS_98
表示哈达玛积。
优选的，所述步骤S5中去除干扰分量
Figure SMS_113
后沿着多普勒方向去除信道的影响/>
Figure SMS_116
，在当前延时量/>
Figure SMS_118
处根据/>
Figure SMS_114
去除已检测信号的干扰，即矩阵/>
Figure SMS_115
的第/>
Figure SMS_117
行只保留第/>
Figure SMS_119
条路径的数据
Figure SMS_112
；
Figure SMS_120
表示接收信号矩阵/>
Figure SMS_121
第/>
Figure SMS_122
行去除已检测信号后的结果，此时只保留第/>
Figure SMS_123
条路径的数据。
优选的，所述步骤S3 与步骤S5中最大似然检测算法为：
Figure SMS_124
；
其中，
Figure SMS_128
表示延时多普勒域有效信道矩阵，/>
Figure SMS_130
为接受信号；/>
Figure SMS_133
表示与接收信号/>
Figure SMS_127
相关的/>
Figure SMS_129
个发送信号组成的向量，向量/>
Figure SMS_132
一共/>
Figure SMS_135
种形式，形成的解空间记为/>
Figure SMS_125
，Q为QAM符号添置阶数；/>
Figure SMS_131
表示/>
Figure SMS_134
中与接收信号/>
Figure SMS_136
相关的信道状态信息；将最大似然检测记为/>
Figure SMS_126
。
与现有技术相比，本发明具有如下改进及优点： 1、通过发送端延时多普勒域信号矩阵中***零值，在接收端先监测单路径叠加的数据，然后在多路劲叠加数据监测时去除已检测信号干扰实现连续并行干扰消除，降低最大似然检测算法的复杂度。
2、本发明基于MP算法和ML算法的基本原理，改变ML算法实现信号检测，充分利用信道状态信息和已检测信号，进一步降低了最大似然检测算法的复杂度。
附图说明
图1是本发明的流程图。
图2是本发明的***模型图。
图3是MP算法中的信息传递示意图。
图4是DD域中输入和输出信号的位置关系示意图。
图5是DD域帧结构示设计图。
图6是MMSE算法、MP算法、ML算法信号检测的误码率性能比较图。
图7是最大似然检测算法及其改进算法误码率性能比较图。
图8是不同多普勒频移下的误码率性能对比图。
具体实施方式
以下结合附图对本发明做进一步概述。
如图1所示，OTFS***中连续并行干扰消除的最大似然检测方法，该最大似然检测方法包括以下步骤：
步骤S1：发送端根据最大多径时延的大小在延时多普勒域中沿着延时方向***零值，产生延时多普勒域的发送信号矩阵
Figure SMS_137
；
具体操作如下：
步骤S1-1：根据信道状态信息
Figure SMS_138
确定/>
Figure SMS_139
条路径中信道的最大延时量/>
Figure SMS_140
；
其中，
Figure SMS_141
是置换矩阵，/>
Figure SMS_142
是对角矩阵，如下所示：
Figure SMS_143
其中
Figure SMS_144
即路径/>
Figure SMS_145
的延时对发射信号向量/>
Figure SMS_146
产生的循环移位建模成/>
Figure SMS_147
，频率偏移产生的相位失真建模为/>
Figure SMS_148
；
步骤S1-2：在离散网格
Figure SMS_149
中，延时量/>
Figure SMS_150
满足/>
Figure SMS_151
条件的位置***QAM符号，延时量/>
Figure SMS_152
满足/>
Figure SMS_153
***零值，最终形成延时多普勒域的发射信号矩阵/>
Figure SMS_154
。
步骤S2：接收端在延时多普勒域得到接收信号矩阵
Figure SMS_155
，根据已知的信道状态信息/>
Figure SMS_156
确定单一路径叠加数据以及延时量/>
Figure SMS_157
；
步骤S2中确定单一路径叠加的数据以及延时量具体操作如下：
步骤S2-1：发送信号经过信道传输之后，延时多普勒域的发送信号与信道状态信息是两维卷积的结果，分析公式
Figure SMS_158
；
步骤S2-2：确定
Figure SMS_159
条路径中最小的两个延时量/>
Figure SMS_160
和/>
Figure SMS_161
；
步骤S2-3：确定接收端延时多普勒域离散网格平面
Figure SMS_162
中，当延时量/>
Figure SMS_163
满足/>
Figure SMS_164
，在接收端延时多普勒信号矩阵中/>
Figure SMS_165
可以获得第/>
Figure SMS_166
条路径的/>
Figure SMS_167
个单一路径叠加数据。
步骤S3：根据S2确定的延时量
Figure SMS_168
对应的索引处沿着多普勒频移方向去除信道的影响即/>
Figure SMS_169
，采用最大似然检测算法检测/>
Figure SMS_170
并记录；
步骤S3中采用最大似然检测算法检测数据
Figure SMS_171
并记录具体操作如下：
步骤S3-1：在接收端当延时量
Figure SMS_173
满足/>
Figure SMS_177
时，将上一步获得的第/>
Figure SMS_180
条路径的/>
Figure SMS_174
个数据沿着多普勒频移方向依次去除信道的影响即/>
Figure SMS_176
，/>
Figure SMS_179
表示接收端数据矩阵/>
Figure SMS_182
的第/>
Figure SMS_172
行，/>
Figure SMS_175
表示第/>
Figure SMS_178
条路径信道矩阵的第/>
Figure SMS_181
行；
步骤S3-2：采用最大似然检测算法检测去除信道影响的数据
Figure SMS_183
，并记录检测结果作为后续并行干扰消除的初始数据。
步骤S4：在多路径叠加所在的延时量
Figure SMS_184
处依据信道状态信息和已检测信号计算干扰分量/>
Figure SMS_185
；
步骤S4中依据信道状态信息和已检测信号计算干扰分量
Figure SMS_186
具体操作如下：
步骤S4-1：依据公式
Figure SMS_187
明确在当前延时量/>
Figure SMS_188
处有几条干扰路径，再根据选定干扰路径的延时量大小从上一步单路径检测的结果中提取需要的数据；
步骤S4-2：根据所选定的干扰路径的信道状态信息和已检测数据计算干扰分量
Figure SMS_189
，其中 />
Figure SMS_190
表示已检测信号。
步骤S5：根据步骤S4中的计算结果去除干扰分量即
Figure SMS_191
后沿着多普勒方向去除信道的影响/>
Figure SMS_192
，然后采用最大似然检测算法检测数据/>
Figure SMS_193
并记录数据；
所述步骤S5中去除干扰分量
Figure SMS_194
后沿着多普勒方向去除信道的影响/>
Figure SMS_195
具体操作如下：
在当前延时量
Figure SMS_196
处根据/>
Figure SMS_197
去除已检测信号的干扰，即矩阵/>
Figure SMS_198
的第/>
Figure SMS_199
行只保留第/>
Figure SMS_200
条路径的数据/>
Figure SMS_201
。
步骤S6：完成对所有接收信号的估计。
工作原理：利用最大似然检测算法进行信号检测时，算法复杂度随着路径数量的增加迅速上升。在此对ML算法做出改进，以降低算法复杂度。
在OTFS调制中，信息符号即QAM符号，
Figure SMS_202
，Q为调制阶数；直接映射到DD域。在发送端进行逆辛傅里叶变换(Inverse Symplectic Finite Fourier Transform，ISFFT)将DD域的数据信号映射到时频域，即
Figure SMS_203
在频域进行OFDM调制，将频域信号转换为时域信号，
Figure SMS_204
其中，
Figure SMS_206
是发射端脉冲波形，当采用矩形波时/>
Figure SMS_209
是一个单位矩阵/>
Figure SMS_212
，/>
Figure SMS_205
表示傅里叶变换矩阵，/>
Figure SMS_208
和/>
Figure SMS_211
表示逆傅里叶变换矩阵。/>
Figure SMS_213
分别表示DD域信号、时频域信号以及OFDM调制产生的时域信号。以列优先将矩阵/>
Figure SMS_207
展开成向量/>
Figure SMS_210
，变换如下：
Figure SMS_214
其中
Figure SMS_215
表示将矩阵/>
Figure SMS_216
通过串并转换成向量/>
Figure SMS_217
，/>
Figure SMS_218
表示克罗内克积，在发射之前为时域信号/>
Figure SMS_219
添加一个循环前缀,循环前缀长度依据信道最大多径延时确定。
添加循环前缀之后，数据信号经历双向选择性衰落信道，在接收端去掉循环前缀，在离散时间域可以得到如下表达式：
Figure SMS_220
其中，
Figure SMS_222
表示接受信号/>
Figure SMS_224
向量的第/>
Figure SMS_227
个元素，/>
Figure SMS_221
表示向量的第
Figure SMS_225
个元素，P是传播路径总数，/>
Figure SMS_228
表示信道增益，/>
Figure SMS_230
表示取模操作，/>
Figure SMS_223
表示加性噪声，/>
Figure SMS_226
和/>
Figure SMS_229
分别表示整数多径延时和多普勒频移，本发明不考虑分数情况。将公式(4)写成向量的形式如下：
Figure SMS_231
其中，
Figure SMS_232
，/>
Figure SMS_233
是置换矩阵，/>
Figure SMS_234
是对角矩阵，如下所示：
Figure SMS_235
是置换矩阵，/>
Figure SMS_236
是对角矩阵，如下所示：
Figure SMS_237
，
其中
Figure SMS_238
即路径/>
Figure SMS_239
的延时对发射信号向量/>
Figure SMS_240
产生的循环移位建模成/>
Figure SMS_241
，频率偏移产生的相位失真建模为/>
Figure SMS_242
。
然后进行与发射端对应操作的逆操作，将接收信号进行串并变换
Figure SMS_243
，再依次将信号转换到时频域和DD域，如下所示:
Figure SMS_244
其中
Figure SMS_245
分别表示DD域信号，时频域接收信号，/>
Figure SMS_246
对应匹配滤波，当采用矩形波时是单位矩阵/>
Figure SMS_247
。
为了体现实际信道的影响，写出接收信号矩阵
Figure SMS_248
向量化形式：
Figure SMS_249
（8）
其中，
Figure SMS_250
表示接收信号矩阵/>
Figure SMS_251
向量化的结果，
Figure SMS_252
表示有效信道，即延时多普勒域信道矩阵，
Figure SMS_253
表示噪声向量，采用矩形波时，信道表示如下：
Figure SMS_254
（9）
其中
Figure SMS_255
结果与每条路径的延时和多普勒频移相关，计算过程利用了矩阵的块循环特性：
Figure SMS_256
其中，
Figure SMS_257
分别表示矩阵/>
Figure SMS_258
的行索引和列索引，
Figure SMS_259
。根据/>
Figure SMS_260
的结果可以写出DD域输入输出的两维卷积关系式：
Figure SMS_261
其中，
Figure SMS_262
表示加性噪声，/>
Figure SMS_263
表示路径/>
Figure SMS_264
产生的相位噪声。
Figure SMS_265
从公式(11)可以看出在DD域输入输出呈现二维卷积关系，可以在延时多普勒域获得全分集。从公式(12)可以发现信道状态信息与时间无关，即信道状态信息不随时间变化。
通过图4说明改进最大似然检测算法的主要思路，为简化说明假设
Figure SMS_266
，有两条路径，路径1参数：/>
Figure SMS_267
，路径2参数：/>
Figure SMS_268
,不考虑信道增益，只关注DD域发送信号在接收端的叠加形式，如图4所示，（a）表示发射信号，（b）表示接收信号。图4（b）所对应的数学关系如下：
Figure SMS_269
在接收端对第一行信号采用最大似然检测算法可以得到信号X11 ，X21 ，X31，X41，X14 ，X24 ，X34 ，X44的估计。在对 X12 ，X22 ，X32 ，X42进行检测估计时，可以通过干扰消除的方法去除已检测信号的影响再进行估计，例如对X22的估计：
Figure SMS_270
其中，Y22是X11，X22经过信道后叠加而成，
Figure SMS_271
和/>
Figure SMS_272
分别是X11与X22对应的信道信息。
对每一行接收信号进行公式（14）的操作，最后可以完成的发送信号的检测。该方案充分利用了已检测信号和信道状态信息之间的相互关系，降低ML检测算法的复杂度。
主要以收发信号的每一行为基本单位，进行并行干扰消除，与常见的逐个符号检测采取的串行干扰消除有所区别，为了更加直观的体现其过程，将延时多普勒域输入输出关系改写为如下行的形式：
Figure SMS_273
Figure SMS_274
其中，
Figure SMS_276
表示接受信号矩阵/>
Figure SMS_280
的第/>
Figure SMS_283
行，/>
Figure SMS_275
表示路径/>
Figure SMS_279
信道矩阵/>
Figure SMS_282
的第/>
Figure SMS_285
行，
Figure SMS_278
表示发送信号/>
Figure SMS_281
的第/>
Figure SMS_284
行，沿多普勒频移方向循环移位/>
Figure SMS_286
的结果，/>
Figure SMS_277
表示哈达玛积。
一般情况，起始阶段采用最大似然检测算法的行数取决于最大多径延时，假设最大多径延时是
Figure SMS_287
，此算法的主要流程如下：
步骤一：当
Figure SMS_300
时，对接收每个信号/>
Figure SMS_289
基于公式/>
Figure SMS_298
采用最大似然检测算法，遍历/>
Figure SMS_292
种解，求解并记录每条路径上的信号的估计；其中，/>
Figure SMS_299
表示延时多普勒域有效信道矩阵，/>
Figure SMS_294
为接受信号；/>
Figure SMS_301
表示与接收信号/>
Figure SMS_295
相关的/>
Figure SMS_303
个发送信号组成的向量，向量/>
Figure SMS_288
一共/>
Figure SMS_297
种形式，形成的解空间记为/>
Figure SMS_290
，Q为QAM符号添置阶数；/>
Figure SMS_296
表示
Figure SMS_291
中与接收信号/>
Figure SMS_302
相关的信道状态信息；将最大似然检测记为/>
Figure SMS_293
；
步骤二：当
Figure SMS_304
时，根据第一步中记录的已检测数据以及信道信息/>
Figure SMS_305
，对每一行待检测信号消除所有已经检测的信号，即/>
Figure SMS_306
，/>
Figure SMS_307
表示接收信号/>
Figure SMS_308
矩阵第/>
Figure SMS_309
行去除已检测信号后的结果，只保留第/>
Figure SMS_310
条路径的数据；
步骤三：消除干扰后，对
Figure SMS_311
去除信道的影响，然后进行最大似然检测即
Figure SMS_312
，重复步骤二和步骤三；
步骤四：当接收信号矩阵
Figure SMS_313
的所有行完成干扰消除信号检测时，综合/>
Figure SMS_314
条路径的检测结果，得出待检测数据信号的估/>
Figure SMS_315
将上述算法记为并行干扰消除最大似然检测算法。
实验结果：
仿真参数载波频率为4GHz,载波数量256（M），符号数256（N），载波间隔15KHz，,最大移动速度500KM/h,循环前缀长队17，采用4-QAM符号，路径数量设置为4。考虑整数的延时和多普勒频移量。
图5比较了MMSE算法、MP算法、ML算法信号检测算法的误码率性能。总体来看这三种算法中MP算法误码性能最佳，ML算法性能略优于MMSE算法。MMSE算法和ML算法在信噪比较低时，随着信噪比增加误码率下降缓慢，从12db附近误码率快速下降。MP算法误码率曲线以14db为界主要可以分为两段，后一段误码率下降快于前一段，两段近似线性变化。ML算法可以实现较高精度的信号检测。
图6比较了最大似然检测算法与本发明提出的两种ML改进算法的误码率性能比较。从图中不难发现ML算法与其他两种算法有明显差异，ML算法虽然对DD域中每个点遍历所有可能解，计算复杂度随路径成指数上升但是与其他两种算法相比没有性能优势。主要原因是解空间中解的数量为
Figure SMS_316
，路径数越多解越多则解之间的距离也越小，抗噪声性能下降，在噪声较小时才有比较好的性能。CPICMLD算法在信噪比低于14db时与PICMLD算法误码率曲线基本重合，随着信噪比下降误码率不断下降。在14db之后CPIC算法误码率与EPIC2相比略有上升。CPICMLD算法误码率略有上升的主要原因如下：当信道中存在一些衰落较大的路径时信道增益较小，CPICMLD算法在初始阶段采用干扰消除，误码概率增大。
还有一个明显的趋势就是，ML算法误码率随着信噪比增大加速下降，而其他两种算法在信噪比约为14db之后误码率下降速度放缓。主要原因在于干扰消除本身，在求解过程如果出现错码，这种错误会向后传播，而ML算法中各个节点独立求解，不存在向后传播的现象。
图7比较了OTFS***在不同多普勒频移下的误码率性能，采用的是连续并行干扰消除最大似然检测算法。其中最大k值分别等于2、8、16表示收发端相对速度为30 km/h、120km/h、500km/h。信噪比在10db到14db之间时三者误码率曲线基本重合，信噪比在14db到20db区间内，高多普勒频移的误码率性能比低多普勒频移稍差。在
Figure SMS_317
较大时由多普勒频移引起的相位失真变化更快，在DD域中信道响应与QAM符号相乘时产生一些小量，使得误码率性能有所上升。但是不难发现信噪比是影响误码率性能的主要因素，随之信噪比增大误码率不断降低，到高信噪比才呈现出一些性能上的差异。DD域的发送信号经历时不变信道，使得OTFS***在高多普勒频移下具有较好地误码率性能增益。
以上所述仅为本发明的实施方式而已，并不用于限制本发明。对于本领域技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原理内所作的任何修改、等同替换、改进等，均应包括在本发明的权利要求范围之内。

Claims (8)

1.OTFS***中连续并行干扰消除的最大似然检测方法，其特征在于：该最大似然检测方法包括以下步骤：
步骤S1：发送端根据最大多径时延的大小在延时多普勒域中沿着延时方向***零值，产生延时多普勒域的发送信号矩阵
Figure QLYQS_1
；
步骤S2：接收端在延时多普勒域得到接收信号矩阵
Figure QLYQS_2
，根据已知的信道状态信息/>
Figure QLYQS_3
确定单一路径叠加数据以及延时量/>
Figure QLYQS_4
；
步骤S3：根据S2确定的延时量
Figure QLYQS_6
对应的索引处沿着多普勒频移方向去除信道的影响即
Figure QLYQS_9
，/>
Figure QLYQS_11
表示接收端数据矩阵/>
Figure QLYQS_5
的第/>
Figure QLYQS_8
行，/>
Figure QLYQS_12
表示第/>
Figure QLYQS_14
条路径信道矩阵/>
Figure QLYQS_7
的第/>
Figure QLYQS_10
行；采用最大似然检测算法检测/>
Figure QLYQS_13
并记录；/>
Figure QLYQS_15
为最大似然检测；
步骤S4：在多路径叠加所在的延时量
Figure QLYQS_16
处依据信道状态信息和已检测信号计算干扰分量
Figure QLYQS_17
；其中，/>
Figure QLYQS_18
表示发送信号/>
Figure QLYQS_19
的第/>
Figure QLYQS_20
行沿多普勒频移方向循环移位/>
Figure QLYQS_21
已检测的结果；/>
Figure QLYQS_22
表示哈达玛积；
步骤S5：根据步骤S4中的计算结果去除干扰分量即
Figure QLYQS_23
后沿着多普勒方向去除信道的影响/>
Figure QLYQS_24
，然后采用最大似然检测算法检测数据
Figure QLYQS_25
并记录数据；其中，/>
Figure QLYQS_26
表示接收信号/>
Figure QLYQS_27
矩阵第/>
Figure QLYQS_28
行去除已检测信号后的结果，只保留第/>
Figure QLYQS_29
条路径的数据；
步骤S6：完成对所有接收信号的估计。
2.根据权利要求1所述的OTFS***中连续并行干扰消除的最大似然检测方法，其特征在于：所述步骤S1中在延时多普勒域中沿着延时方向***零值，产生延时多普勒域的发送信号
Figure QLYQS_30
具体操作如下：
步骤S1-1：根据信道状态信息
Figure QLYQS_31
确定/>
Figure QLYQS_32
条路径中信道最大的延时量/>
Figure QLYQS_33
；其中，/>
Figure QLYQS_34
表示信道增益，/>
Figure QLYQS_35
为频率偏移产生的相位失真建模，/>
Figure QLYQS_36
为循环移位建模；
步骤S1-2：在离散网格
Figure QLYQS_37
中，延时量/>
Figure QLYQS_38
满足
Figure QLYQS_39
条件的位置***QAM符号，延时量/>
Figure QLYQS_40
满足/>
Figure QLYQS_41
***零值，最终形成延时多普勒域的发射信号矩阵/>
Figure QLYQS_42
；
其中，
Figure QLYQS_44
表示路径总数，/>
Figure QLYQS_47
表示载波间隔且/>
Figure QLYQS_49
，/>
Figure QLYQS_45
表示延时多普勒域离散网格/>
Figure QLYQS_48
中延时索引，/>
Figure QLYQS_50
表示延时方向索引的最大值，/>
Figure QLYQS_51
表示延时多普勒域离散网格/>
Figure QLYQS_43
中多普勒索引，/>
Figure QLYQS_46
表示多普勒方向上索引最大值。
3.根据权利要求1所述的OTFS***中连续并行干扰消除的最大似然检测方法，其特征在于：所述步骤S2中确定单一路径叠加的数据以及延时量具体操作如下：
步骤S2-1：发送信号经过信道传输之后，延时多普勒域的发送信号与信道状态信息是两维卷积的结果，分析公式
Figure QLYQS_53
；其中，/>
Figure QLYQS_58
表示接收信号矩阵的/>
Figure QLYQS_59
第/>
Figure QLYQS_54
行第/>
Figure QLYQS_56
列的元素，/>
Figure QLYQS_61
表示发送信号矩阵/>
Figure QLYQS_63
第/>
Figure QLYQS_52
行第/>
Figure QLYQS_57
的元素，/>
Figure QLYQS_60
表示加性噪声，/>
Figure QLYQS_62
表示信道增益，/>
Figure QLYQS_55
表示路径i产生的相位噪声；
步骤S2-2：确定
Figure QLYQS_64
条路径中最小的两个延时量/>
Figure QLYQS_65
和/>
Figure QLYQS_66
， />
Figure QLYQS_67
；
步骤S2-3：确定接收端延时多普勒域离散网格平面
Figure QLYQS_68
中，当延时量/>
Figure QLYQS_69
满足/>
Figure QLYQS_70
，在接收端延时多普勒信号矩阵中/>
Figure QLYQS_71
可以获得第/>
Figure QLYQS_72
条路径的/>
Figure QLYQS_73
个单一路径叠加数据。
4.根据权利要求1所述的OTFS***中连续并行干扰消除的最大似然检测方法，其特征在于：所述步骤S3中采用最大似然检测算法检测
Figure QLYQS_74
并记录具体操作如下：
步骤S3-1：在接收端当延时量
Figure QLYQS_76
满足/>
Figure QLYQS_78
时，将上一步获得的第/>
Figure QLYQS_80
条路径的
Figure QLYQS_77
个数据沿着多普勒频移方向依次去除信道的影响即/>
Figure QLYQS_83
，/>
Figure QLYQS_84
表示接收端数据矩阵/>
Figure QLYQS_85
的第/>
Figure QLYQS_75
行，/>
Figure QLYQS_79
表示第/>
Figure QLYQS_81
条路径信道矩阵的第/>
Figure QLYQS_82
行；
步骤S3-2：采用最大似然检测算法检测去除信道影响的数据
Figure QLYQS_86
，并记录检测结果作为后续并行干扰消除的初始数据。
5.根据权利要求1所述的OTFS***中连续并行干扰消除的最大似然检测方法，其特征在于：所述步骤S4中依据信道状态信息和已检测信号计算干扰分量
Figure QLYQS_87
具体操作如下：
步骤S4-1：依据公式
Figure QLYQS_88
明确在当前延时量/>
Figure QLYQS_89
处有几条干扰路径，再根据选定干扰路径的延时量大小从上一步单路径检测的结果中提取需要的数据；
步骤S4-2：根据所选定的干扰路径的信道状态信息和已检测数据计算干扰分量
Figure QLYQS_90
，其中 />
Figure QLYQS_91
表示已检测信号。
6.根据权利要求5所述的OTFS***中连续并行干扰消除的最大似然检测方法，其特征在于：所述步骤S5中去除干扰分量即
Figure QLYQS_92
中/>
Figure QLYQS_93
为：
Figure QLYQS_94
；
Figure QLYQS_95
；
其中，
Figure QLYQS_102
表示接受信号矩阵/>
Figure QLYQS_98
的第/>
Figure QLYQS_109
行，/>
Figure QLYQS_103
表示路径/>
Figure QLYQS_107
信道矩阵/>
Figure QLYQS_108
的第/>
Figure QLYQS_111
行，/>
Figure QLYQS_99
表示信道矩阵/>
Figure QLYQS_106
中第/>
Figure QLYQS_96
行第/>
Figure QLYQS_104
列的元素，/>
Figure QLYQS_101
表示发送信号/>
Figure QLYQS_105
的第/>
Figure QLYQS_100
行沿多普勒频移方向循环移位/>
Figure QLYQS_110
已检测的结果，/>
Figure QLYQS_97
表示哈达玛积。
7.根据权利要求6所述的OTFS***中连续并行干扰消除的最大似然检测方法，其特征在于：所述步骤S5中去除干扰分量
Figure QLYQS_113
后沿着多普勒方向去除信道的影响（/>
Figure QLYQS_115
），在当前延时量/>
Figure QLYQS_117
处根据/>
Figure QLYQS_114
去除已检测信号的干扰，即矩阵/>
Figure QLYQS_116
的第/>
Figure QLYQS_118
行只保留第/>
Figure QLYQS_119
条路径的数据/>
Figure QLYQS_112
；
Figure QLYQS_120
表示接收信号/>
Figure QLYQS_121
矩阵第/>
Figure QLYQS_122
行去除已检测信号后的结果，只保留第/>
Figure QLYQS_123
条路径的数据。
8.根据权利要求1所述的OTFS***中连续并行干扰消除的最大似然检测方法，其特征在于：所述步骤S3 与步骤S5中最大似然检测算法为：
Figure QLYQS_124
；
其中，
Figure QLYQS_126
表示延时多普勒域有效信道矩阵；/>
Figure QLYQS_129
为接受信号；/>
Figure QLYQS_133
表示与接收信号/>
Figure QLYQS_128
相关的/>
Figure QLYQS_131
个发送信号组成的向量，向量/>
Figure QLYQS_134
一共/>
Figure QLYQS_136
种形式，形成的解空间记为/>
Figure QLYQS_125
，/>
Figure QLYQS_132
为QAM符号调制阶数； />
Figure QLYQS_135
表示/>
Figure QLYQS_137
中与接收信号/>
Figure QLYQS_127
相关的信道状态信息，将最大似然检测记为/>
Figure QLYQS_130
。
CN202310236114.5A 2023-03-13 2023-03-13 Otfs***中连续并行干扰消除的最大似然检测方法 Active CN116346164B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310236114.5A CN116346164B (zh) 2023-03-13 2023-03-13 Otfs***中连续并行干扰消除的最大似然检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310236114.5A CN116346164B (zh) 2023-03-13 2023-03-13 Otfs***中连续并行干扰消除的最大似然检测方法

Publications (2)

Publication Number Publication Date
CN116346164A true CN116346164A (zh) 2023-06-27
CN116346164B CN116346164B (zh) 2023-11-24

Family

ID=86880010

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310236114.5A Active CN116346164B (zh) 2023-03-13 2023-03-13 Otfs***中连续并行干扰消除的最大似然检测方法

Country Status (1)

Country Link
CN (1) CN116346164B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021099169A1 (en) * 2019-11-19 2021-05-27 Volkswagen Aktiengesellschaft Differential power analysis for otfs pilot interference detection
CN113395221A (zh) * 2021-04-25 2021-09-14 北京邮电大学 一种基于正交时频空联合信道估计与符号检测方法
CN115051894A (zh) * 2022-06-10 2022-09-13 西安电子科技大学 基于串行干扰消除的otfs***符号检测方法
CN115150230A (zh) * 2022-06-01 2022-10-04 北京理工大学 一种提升频谱效率的正交时频空间调制***及方法
CN115296970A (zh) * 2022-07-07 2022-11-04 北京航空航天大学 基于逐元素外部信息的迭代正交时频空波形检测方法
CN115442195A (zh) * 2022-08-23 2022-12-06 西安交通大学 一种多普勒轴插零扩展的otfs调制方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021099169A1 (en) * 2019-11-19 2021-05-27 Volkswagen Aktiengesellschaft Differential power analysis for otfs pilot interference detection
CN113395221A (zh) * 2021-04-25 2021-09-14 北京邮电大学 一种基于正交时频空联合信道估计与符号检测方法
CN115150230A (zh) * 2022-06-01 2022-10-04 北京理工大学 一种提升频谱效率的正交时频空间调制***及方法
CN115051894A (zh) * 2022-06-10 2022-09-13 西安电子科技大学 基于串行干扰消除的otfs***符号检测方法
CN115296970A (zh) * 2022-07-07 2022-11-04 北京航空航天大学 基于逐元素外部信息的迭代正交时频空波形检测方法
CN115442195A (zh) * 2022-08-23 2022-12-06 西安交通大学 一种多普勒轴插零扩展的otfs调制方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
THARAJ THAJ 等: "Low Complexity Iterative Rake Decision Feedback Equalizer for Zero-Padded OTFS Systems", IEEE TRANSACTIONS ON VEHICULAR TECHNOLOGY, VOL. 69, NO. 12, DECEMBER 2020, pages 15606 - 15622 *
苗毫伟: "基于干扰消除的 MIMO-OTFS ***信道估计与信号检测研究", 《中国优秀硕士学位论文全文数据库 》, no. 2, pages 1 - 67 *

Also Published As

Publication number Publication date
CN116346164B (zh) 2023-11-24

Similar Documents

Publication Publication Date Title
CN101350800B (zh) 载波间干扰处理装置和方法以及无线通信***的接收机
KR100594084B1 (ko) 직교 주파수 분할 다중 수신기의 채널 추정 방법 및 채널추정기
CN102035767B (zh) 信道估计方法和装置
CN101355541B (zh) 快变信道条件下正交频分复用***中分块均衡方法
CN101945066B (zh) 一种ofdm/oqam***的信道估计方法
CN103051578B (zh) 带有ici消除的迭代差错扩散判决ofdm信道估计方法
CN113098818B (zh) 一种正交扩频数据的交织与映射方法
CN113872657B (zh) 一种免信道均衡的单载波宽带传输方法及***
CN109861939B (zh) 一种oqpsk频域均衡无线数据传输方法
CN113660061B (zh) 基于接收符号分块的otfs***符号检测方法
CN113259291B (zh) 利用水声连续信号动态多普勒跟踪实现的相位补偿方法
CN114745246B (zh) 基于正交空间调制的正交时频空间调制***的工作方法
CN109412987B (zh) 一种ofdm***信道跟踪方法
Khan et al. LS estimator: Performance analysis for block-type and comb-type channel estimation in OFDM system
CN101026433B (zh) 一种用于自适应调制编码的信噪比估算方法
CN106911621B (zh) 一种基于v-ofdm的信道均衡和跟踪方法
CN116346164B (zh) Otfs***中连续并行干扰消除的最大似然检测方法
CN115426224B (zh) 一种基于otfs信号的信道估计方法及***
Khan et al. Robust modified MMSE estimator for comb-type channel estimation in OFDM systems
CN101958866A (zh) 导频***方法和导频***模块
CN115150230B (zh) 一种提升频谱效率的正交时频空间调制***及方法
CN107968760B (zh) 滤波多音调制***中一种基于迭代信道估计的接收算法
CN111817990B (zh) Ofdm***中基于最小均方误差的一种信道估计改进算法
CN111245589B (zh) 一种导频叠加信道估计方法
CN111030741A (zh) 快时变场景下用于多载波***抑制干扰的预编码算法

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