一種廣義空間調(diào)制系統(tǒng)的信號檢測方法
【技術(shù)領(lǐng)域】：
[0001] 本發(fā)明涉及無線通信技術(shù)領(lǐng)域，具體涉及一種在廣義空間調(diào)制系統(tǒng)的信號檢測方 法。
【背景技術(shù)】：
[0002] 隨著無線通信技術(shù)的日趨完善，"綠色、節(jié)能、可持續(xù)"已成為未來5G移動通信中一 大重要的發(fā)展方向?？臻g調(diào)制（SM)作為一種新型的多天線調(diào)制技術(shù)，通過每個時隙僅激活 一根發(fā)送天線，可有效降低系統(tǒng)能耗，并徹底消除信道間干擾（ICI)。為進一步提高頻譜效 率，廣義空間調(diào)制（GSM)將激活天線個數(shù)從一根擴展到多根，極大提升了信號傳輸速率。然 而與此同時，GSM系統(tǒng)也引入了部分ICI，這使得低復(fù)雜度的接收機設(shè)計成為亟待解決的問 題。
[0003] 典型的多天線系統(tǒng)接收機通常采用最大比合并（MRC)或最大似然（ML)檢測，然而 這兩種接收機都存在各自的問題：前者無法應(yīng)用于欠定系統(tǒng)，即接收天線數(shù)量少于發(fā)射天 線數(shù)量，這對下行鏈路是致命問題；后者的計算復(fù)雜度隨天線數(shù)和調(diào)整階數(shù)呈指數(shù)增長，這 在大規(guī)模高階調(diào)制系統(tǒng)中不具備實際可操作性。實際上，針對GSM系統(tǒng)中的低復(fù)雜度信號 檢測已經(jīng)存在一些方案，如球形譯碼、塊排序等等，但其本質(zhì)上都是以檢測準確度為代價。 ffenlong Liu 于 2014 年在 IEEE Communication Letter 上發(fā)表了 "Denoising Detection for the Generalized Spatial Modulation System Using Sparse Property''（IEEE 組織 在通信領(lǐng)域的SCI期刊，《廣義空間調(diào)制中利用稀疏性的去噪檢測》），提出了利用壓縮感知 (CS)理論來解決欠定系統(tǒng)中的低復(fù)雜度信號檢測問題，一定程度上提高了準確度。然而，這 種檢測方法只適用于低階調(diào)制，對于無線通信中常用的高階QAM調(diào)制系統(tǒng)，其檢測性能和 理想最大似然檢測相比還有很大差距。與此同時，現(xiàn)有的檢測方法并沒有完全利用信號的 稀疏度特性和量化特性，這意味著低復(fù)雜度、高準確度的信號檢測技術(shù)還有很大的提升空 間。

【發(fā)明內(nèi)容】
：
[0004] 本發(fā)明的目的在于克服上述技術(shù)存在的問題，針對廣義空間調(diào)制系統(tǒng)，提出一種 低復(fù)雜度、高準確度的信號檢測方法。該方法利用調(diào)制信號固有的稀疏度特性和量化特性， 采用復(fù)雜度簡化的貝葉斯壓縮感知來定位激活天線序列集，并提供一種自糾錯機制來重定 位部分激活序列，從而大幅提高檢測準確度。該方法適用于高階QAM調(diào)制并逼近理想最大 似然的檢測結(jié)果。
[0005] 本發(fā)明是根據(jù)以下技術(shù)方案實現(xiàn)的：
[0006] 步驟A :參數(shù)模型化發(fā)送信號向量X，并根據(jù)接收信號向量y和已知的信道矩陣H， 基于貝葉斯壓縮感知迭代求解參數(shù)向量f;
[0007] 步驟B :利用信號特有的稀疏度信息，對步驟A中所獲參數(shù)向量f的主值個數(shù)進行 檢測，并重定位主值序列I。以外的剩余激活天線序列；
[0008] 步驟C :根據(jù)步驟B中獲取的激活天線序列集f，采用線性均衡和星座圖解調(diào)發(fā)送 符號向量f，并根據(jù)? Λ S ；)解比特映射，得到輸出信息流。
[0009] 優(yōu)選地，建模并計算參數(shù)向量,，.所述的步驟A包括如下步驟：
[0010] 步驟Al :將發(fā)送信號向量X建模為參數(shù)化的多元復(fù)高斯分布
[0011]
[0012] 其中γ = Iz1,S…]為表征信號稀疏性的參數(shù)向量，初始化γ = 1&。
[0013] 步驟Α2 :根據(jù)最大后驗概率（MAP)準則，迭代求解目標式
[0014]
[0015] 中的參數(shù)向量譬，直至達到固定的循環(huán)次數(shù)T或1中任一元素的變化量小于Ajl 止，其中P (XI y ; γ)為用參數(shù)γ表征的后驗概率密度函數(shù)。
[0016] 優(yōu)選地，所述的步驟Α2中所涉及的每次迭代過程包括如下步驟：
[0017] 步驟Α21 :對當前的參數(shù)向量f中過小的元素進行剪枝，并調(diào)整對應(yīng)的下標集I及 信道矩陣H,計算公式為：
[0018]
[0019] 其中，
[0020]
[0021] 為剪枝后參與運算的下標集。
[0022] 步驟A22 :根據(jù)剪枝后f的值，更新后驗概率p (X I y ; γ )的期望μ和協(xié)方差矩陣 Σ，其計算公式為：
[0023]
[0024]
[0025] 式中，接收信號向量y的協(xié)方差矩陣，其計算公式為：
[0026] Σγ= σ 2Ι+ΗΓΗ*
[0027] 其中Γ = diag(y)為參數(shù)化χ模型的協(xié)方差矩陣。
[0028] 步驟A23 :采用最大期望（EM)方法更新參數(shù)向量f，其計算公式為：
[0029]
[0030] 優(yōu)選地，檢測并重定位激活序列，所述的步驟B包括如下步驟：
[0031] 步驟Bl :根據(jù)峰值平均功率比（PAPR)，統(tǒng)計參數(shù)向量f的主峰個數(shù)民及主峰序列 1〇,其計算公式定義為：
[0032]
[0033] 其中η _為大于1的預(yù)設(shè)閾值。主峰個數(shù)圮定義為I。的集合大小g 。
[0034] 步驟B2 :將主峰個數(shù)反與信號稀疏度\進行比較，若相等則取γ中前\個最大項 的下標作為檢測的激活天線序列集否則執(zhí)行步驟Β3 ;
[0035] 步驟Β3 :若％ =]，則遍歷約束集為。.來獲取激活序列/,目標式為：
[0036]
[0037] 其中，約束集為D定義為：
[0038]
[0039] 式中，符號向量％):的計算公式為：
[0040]
[0041] 其中Q( ·)為星座圖量化過程。否則，執(zhí)行步驟M。
[0042] 步驟M :采用正交匹配跟蹤（OMP)獲取激活序列f ,目標式為：
[0043]
[0044] 其中三個參量依次代表結(jié)果向量、測量矩陣和迭代次數(shù)。yras的計算公式為：
[0045]
[0046] 優(yōu)選地，解調(diào)發(fā)送符號及解映射，所述的步驟C包括如下步驟：
[0047] 步驟Cl :根據(jù)獲取的激活天線序列集f，采用迫零（ZF)均衡和星座圖量化來求解 發(fā)送符號向量S，計算公式為：
[0048]
[0049] 步驟C2 :根據(jù)廣義空間調(diào)制的映射規(guī)則，對獲取的f/i)進行解比特映射，得到輸 出信息流。
[0050] 與現(xiàn)有技術(shù)相比，本發(fā)明具有如下有益效果：<