本發(fā)明涉及通信技術(shù)領(lǐng)域，特別涉及一種超奈奎斯特ftn信號的檢測方法，可以用于超奈奎斯特通信系統(tǒng)。

背景技術(shù)：

超奈奎斯特ftn傳輸技術(shù)被看做是下一代通信系統(tǒng)5g中用來提高傳輸速率和頻譜利用效率的方式之一。它將信號以超奈奎斯特速率進(jìn)行傳輸，使系統(tǒng)達(dá)到更高的頻譜利用率。但正因為ftn信號傳輸速率超過了傳統(tǒng)的速率極限nyquist速率，因而一定會帶來碼間串?dāng)_，而如何消除ftn信號中固有的碼間串?dāng)_的影響成為設(shè)計ftn傳輸系統(tǒng)的關(guān)鍵，這也為低復(fù)雜度接收端譯碼算法的實現(xiàn)帶來了挑戰(zhàn)。

為了克服ftn信號中碼間串?dāng)_的影響，人們研究了多種方法，主要思路有兩種。第一種思路是通過采用均衡算法來克服ftn信號中存在的碼間串?dāng)_，但這種均衡算法在用于ftn系統(tǒng)時復(fù)雜度過高。

第二種思路是將碼間串?dāng)_看成普通噪聲，如yongjin，danielkim和janbajcsy在"binaryfasterthannyquistopticaltransmissionvianon-uniformpowerallocation"(informationtheory(cwit)，201313thcanadianworkshopon，pages:180-185)中所提出的基于功率不均勻分配ftn傳輸系統(tǒng)，其做法是采用分層的結(jié)構(gòu)，給不同層的碼字分配不同的發(fā)送功率，在接收端將不同發(fā)送功率的碼字分開，通過逐次干擾抵消和迭代譯碼來譯出發(fā)送信號。這種結(jié)構(gòu)雖然可以降低ftn系統(tǒng)接收端檢測的復(fù)雜度，但在一定程度上犧牲了ftn系統(tǒng)的譜效率。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的在于針對上述現(xiàn)有技術(shù)的不足，提供一種超奈奎斯特信號的檢測方法，以保證系統(tǒng)的譜效率，降低檢測的復(fù)雜度。

本發(fā)明的技術(shù)思路是：在系統(tǒng)接收端采用基于ungerboeck模型的改進(jìn)m-bcjr算法對ftn信號進(jìn)行檢測，在前向遍歷時，每一時刻只保留m個最大可能的狀態(tài)。在選擇下一時刻所保留的m個狀態(tài)時，不僅由當(dāng)前時刻的狀態(tài)轉(zhuǎn)移決定，還要額外向后遍歷l個符號，根據(jù)遍歷l個符號后的狀態(tài)概率確定下一時刻所應(yīng)保留的m個狀態(tài)，以此來提高狀態(tài)選取的準(zhǔn)確度。整個過程不用進(jìn)行完整的后向遍歷，在保證了良好性能的基礎(chǔ)上大大減小了超奈奎斯特信號檢測的復(fù)雜度，其實現(xiàn)步驟包括如下：

(1)對隨機(jī)產(chǎn)生的信息序列進(jìn)行編碼，并進(jìn)行符號映射，產(chǎn)生映射后符號流x；

(2)對映射后的符號流x進(jìn)行符號收尾：

設(shè)lisi為單邊的對當(dāng)前發(fā)送的符號造成干擾的符號個數(shù)，其數(shù)值等于實際ftn系統(tǒng)干擾矩陣g的長度；

根據(jù)ungerboeck模型定義發(fā)送第n個映射后符號的碼間串?dāng)_狀態(tài)為其中xn-i為第n個映射后符號的前第i個符號，0≤i＜lisi；

在映射后的符號流首尾兩端分別添加lisi個0符號用來收尾，產(chǎn)生待發(fā)送符號流；

(3)采用脈沖成型函數(shù)h(t)對待發(fā)送符號流依次進(jìn)行脈沖成型操作，將經(jīng)過脈沖成型的符號流按照1/τ倍的奈奎斯特傳輸速率發(fā)送，即符號間時間間隔為τt，其中t為奈奎斯特速率下的符號間時間間隔，τ為ftn系統(tǒng)的時間加速因子，0＜τ＜1；

(4)將發(fā)送端的脈沖成型函數(shù)h(t)作為濾波器函數(shù)，對接收端接收到的信號進(jìn)行匹配濾波，并將匹配濾波后的信號以1/τ倍的奈奎斯特傳輸速率進(jìn)行采樣，得到采樣序列y；

(5)用采樣序列y計算每一位符號所應(yīng)保留的碼間串?dāng)_狀態(tài)及對應(yīng)狀態(tài)的概率：

(5a)利用采樣序列y分別計算狀態(tài)轉(zhuǎn)移概率γ(s′,s)，第n個符號的過去狀態(tài)度量αn(s)和第n個符號的未來狀態(tài)度量βn(s)，其中s′為第n-1個符號的碼間串?dāng)_狀態(tài)，s為第n個符號的碼間串?dāng)_狀態(tài)；

(5b)根據(jù)(5a)計算得到的αn(s)，βn(s)，計算第n個符號的碼間串?dāng)_狀態(tài)為s的概率n為采樣序列y的長度：

(5c)對于不同的碼間串?dāng)_狀態(tài)s，將得到的不同的與之對應(yīng)的在所有的中選出m個最大值，將m個最大的對應(yīng)的s存在sn(i)中，sn(i)為第n個符號保留的第i個碼間串?dāng)_狀態(tài)，i＝1,2,...,m；

(6)重復(fù)(5)步驟，將sn(i)和對應(yīng)的αn(sn(i))用于下一個符號的遍歷，直到遍歷完所有符號，得到所有符號所保留的m個最大可能碼間串?dāng)_狀態(tài)和對應(yīng)概率；

(7)根據(jù)每個符號保留的m個狀態(tài)sn(i)和各狀態(tài)概率得出對發(fā)送符號的估計等于+1的概率及等于-1的概率完成對超奈奎斯特信號的檢測。

本發(fā)明與現(xiàn)有技術(shù)相比具有以下優(yōu)點：

第一，由于基于ungerboeck模型的檢測算法并不需要白化濾波器來處理色噪聲，所以本發(fā)明在接收端檢測超奈奎斯特信號時不需要白化濾波器；

第二，由于本發(fā)明在檢測超奈奎斯特信號時，在每個符號時刻只保留m個狀態(tài)繼續(xù)向后遍歷，因此可以有效降低超奈奎斯特信號檢測的復(fù)雜度；

附圖說明

圖1為本發(fā)明的發(fā)明流程圖；

圖2為本發(fā)明的仿真結(jié)果圖。

具體實施方式

以下結(jié)合附圖對本發(fā)明的實施例和效果作詳細(xì)描述。

參照圖1，本發(fā)明的實現(xiàn)步驟如下：

步驟1.隨機(jī)產(chǎn)生信源序列，并進(jìn)行編碼和映射。

隨機(jī)產(chǎn)生長度為6000的信源序列，用0.5碼率的(7,5)卷積碼對信源序列進(jìn)行編碼，產(chǎn)生長度為12000的碼字，對產(chǎn)生的碼字進(jìn)行交織及進(jìn)行bpsk映射產(chǎn)生映射后符號流x。

步驟2.對映射后符號流x進(jìn)行符號收尾。

設(shè)加速因子τ＝0.7，脈沖成型函數(shù)和濾波器函數(shù)均選為根升余弦函數(shù)h(t)；設(shè)滾降系數(shù)為0.3時，ftn系統(tǒng)的干擾系數(shù)矩陣g的長度為7，即單邊干擾對當(dāng)前發(fā)送符號造成干擾的符號個數(shù)lisi＝7；

根據(jù)ungerboeck模型,定義發(fā)送第n個映射后符號的碼間串?dāng)_狀態(tài)為其中xn-i為第n個映射后符號的前第i個符號，0≤i＜lisi；

給x首尾兩端分別添加lisi個0，使得其起始的碼間串?dāng)_狀態(tài)歸零，產(chǎn)生待發(fā)送符號流a；

待發(fā)送符號流的a的表示形式如下：

其中l(wèi)isi＝7，xi為映射后符號流x的第i位，0≤i＜i，映射后符號流x的長度i＝12000；

所述的根升余弦函數(shù)h(t)表示如下：

其中λ為滾降系數(shù)，t為符號持續(xù)時間。

步驟3.以超奈奎斯特速率發(fā)送產(chǎn)生待發(fā)送符號流a。

選用脈沖成型函數(shù)為h(t)，并使用h(t)對產(chǎn)生待發(fā)送符號流a依次進(jìn)行脈沖成型操作，產(chǎn)生脈沖成形后符號流b；

將經(jīng)過脈沖成型的符號流b按照1/τ＝10/7倍的奈奎斯特傳輸速率發(fā)送至高斯白噪聲信道。

步驟4.對經(jīng)過高斯白噪聲信道的信號進(jìn)行匹配濾波及采樣。

選用濾波器函數(shù)為h(t)，對經(jīng)過高斯白噪聲信道的信號進(jìn)行匹配濾波，并將匹配濾波后的信號以1/τ＝10/7倍的奈奎斯特傳輸速率進(jìn)行采樣，得到采樣序列y。

步驟5.用采樣序列y計算每一位符號所應(yīng)保留的m個碼間串?dāng)_狀態(tài)及對應(yīng)狀態(tài)的概率。

(5a)計算狀態(tài)轉(zhuǎn)移概率γ(s′,s)：

目前，計算狀態(tài)轉(zhuǎn)移概率γ(s′,s)的方法主要有基于forney模型的bcjr算法和基于forney模型的m-bcjr算法，本發(fā)明采用但不限于下述方法對其進(jìn)行計算，其計算公式如下：

其中s′為第n-1個符號的碼間串?dāng)_狀態(tài)，其值從sn-1(i)中選取，s為第n個符號的碼間串?dāng)_狀態(tài)，n0為噪聲功率譜密度，為狀態(tài)s的第lisi位符號值，即第n位符號的可能取值，由于本實例采用的映射方式為bpsk映射，所以的取值為+1或-1；yn為匹配濾波器輸出采樣序列y的第n位，g為干擾系數(shù)矩陣，g[0]為干擾系數(shù)矩陣g的第0位取值，g[l]為干擾系數(shù)矩陣g的第l位取值，1≤l≤lisi-1，為狀態(tài)s的第lisi-l位符號值，為符號的先驗概率，*表示乘號；

(5b)計算第n個符號的過去狀態(tài)度量αn(s)：

現(xiàn)有技術(shù)中，計算第n個符號的過去狀態(tài)度量αn(s)的方法主要有基于forney模型的bcjr算法和基于forney模型的m-bcjr算法，本發(fā)明采用但不限于下述方法對其進(jìn)行計算，其計算公式如下：

其中m＝2，sn-1(i)為第n-1個符號保留的第i個狀態(tài)值，i＝0,1，αn-1(sn-1(i))為第n-1個符號的狀態(tài)取值為sn-1(i)時的過去狀態(tài)度量，γ(sn-1(i),s)為狀態(tài)sn-1(i)轉(zhuǎn)移到狀態(tài)s的概率，s為第n個符號的碼間串?dāng)_狀態(tài)；

(5c)計算第n個符號的未來狀態(tài)度量βn(s)：

目前，計算第n個符號的未來狀態(tài)度量βn(s)的方法主要有基于forney模型的bcjr算法和基于forney模型的m-bcjr算法，本發(fā)明采用但不限于下述方法對其進(jìn)行計算，其計算公式如下：

其中l(wèi)＝3，表示序列的所有可能取值組合，為第n個符號后第j個符號的取值，其取值可能為+1或-1，1≤j≤l，en+k-1為從第n位符號的狀態(tài)s開始轉(zhuǎn)移，到第n+k-1位符號轉(zhuǎn)移得到的狀態(tài)，en+k為由en+k-1轉(zhuǎn)移得到的狀態(tài)，1≤k≤l，γ(en+k-1,en+k)為狀態(tài)en+k-1轉(zhuǎn)移到en+k-1的概率；

(5d)根據(jù)(5b)，(5c)計算得到的αn(s)，βn(s)，計算得到第n個符號的碼間串?dāng)_狀態(tài)為s的概率：其中n為采樣序列y的長度，表示采樣序列y的第0位到第n-1位；

(5e)對于不同的碼間串?dāng)_狀態(tài)s，將得到不同的與之對應(yīng)的在所有的中選出2個最大值，并將兩個最大的對應(yīng)的s存在sn(i)中，sn(i)為第n個符號保留的第i個碼間串?dāng)_狀態(tài)，i＝0,1。

步驟6.重復(fù)步驟5，將sn(i)和對應(yīng)的αn(sn(i))用于下一個符號的遍歷，直到遍歷完所有符號，得到所有符號所保留的2個最大可能碼間串?dāng)_狀態(tài)和對應(yīng)概率。

步驟7.根據(jù)每個符號保留的2個碼間串?dāng)_狀態(tài)和各狀態(tài)概率得出對發(fā)送符號的估計等于+1的概率及等于-1的概率

(7a)初始化

(7b)設(shè)每一位符號所應(yīng)保留的碼間串?dāng)_狀態(tài)個數(shù)為m＝2，遍歷每個符號保留的2個碼間串?dāng)_狀態(tài)sn(0)和sn(1)；

(7c)根據(jù)sn(0)和sn(1)的第lisi位符號數(shù)值確定和的值：

首先，觀察sn(0)，若sn(0)的第lisi位符號為+1，則將加在上，若sn(0)的第lisi位符號為-1，則將加在上；

然后，觀察sn(1)，若sn(1)的第lisi位符號為+1，則將加在上，若sn(1)的第lisi位符號為-1，則將加在上。

下面結(jié)合圖2對本發(fā)明的效果做進(jìn)一步說明。

1.仿真參數(shù)：

信道編碼選用碼率為0.5，碼長為12000的(7,5)卷積碼，調(diào)制方式選用bpsk調(diào)制，信道為高斯白噪聲信道，信號加速因子τ＝0.7，每符號保留狀態(tài)數(shù)m＝2，每符號額外向后遍歷符號個數(shù)l＝3；

2.仿真內(nèi)容：

使用microsoftvisualstudio2013仿真軟件，用本發(fā)明仿真(7,5)卷積碼在ftn通信系統(tǒng)中的誤碼率性能，并與現(xiàn)有的正交通信系統(tǒng)誤碼率進(jìn)行比較，結(jié)果如圖2。其中其橫軸表示比特能量和噪聲功率譜密度比值，單位db，縱軸表示誤碼率。

從圖2可見，利用本發(fā)明方法對有碼間串?dāng)_的ftn通信系統(tǒng)的超奈奎斯特信號進(jìn)行檢測，誤碼率與沒有碼間串?dāng)_的正交通信系統(tǒng)的誤碼率曲線幾乎重合，表明本發(fā)明的檢測方法可以有效消除碼間串?dāng)_對系統(tǒng)造成的影響，在降低檢測復(fù)雜度的同時具有良好的性能。