一种基于GAMP的联合双选信道估计与FTNS检测方法技术

本发明专利技术一种基于GAMP的联合双选信道估计与FTNS检测方法，属于迭代接收机设计技术领域。核心思想是将传输数据块分为若干个子数据块，并假设在一个子数据块内信道系数不变，采用一阶自回归模型对不同子数据块间信道的变化进行建模，充分利用时变信道的统计特性，借助前向‑后向算法提高信道估计性能；构建合理的频域子系统模型以同时考虑由无CP引入的子数据块之间的干扰和由FTNS引入的色噪声干扰；进一步基于此频域子系统模型，保留了数据符号为离散随机变量的统计特性，并利用GAMP方法迭代更新信道系数和数据符号的估计值。本发明专利技术基于频域系统模型，算法实现复杂度低；无需添加循环前缀，有效提高了系统的频谱效率。

【技术实现步骤摘要】

本专利技术涉及一种基于GAMP(Generalizedapproximatedmessagepassing，GAMP)的联合双选信道(DoublySelectiveChannels,DSCs)估计与FTNS(Faster-than-NyquistSignaling，FTNS)检测方法，属于通信系统中的迭代接收机设计

技术介绍
超奈奎斯特(FTN)技术是第五代(5G)蜂窝系统为提高频谱效率拟采用的关键性技术。FTN技术通过选取合适的时域波形，在保持功率谱密度不变的条件下，用超过奈奎斯特(Nyquist)速率的传输速率传输码元，以引入符号间干扰为代价获取频谱效率的提升。针对FTNS通过加性高斯白噪声(AWGN)信道的信号检测问题，已有大量研究分别从时域和频域信号处理的角度出发，提出了具有不同复杂度和误码率(BitErrorRate，BER)性能的FTNS检测算法。随着人们对“移动性”需求的不断增长，由多径和多普勒效应引起的时间和频率双选择性衰落对无线传输的影响越来越显著，因此，FTN系统中的最佳接收机必须进行联合时频双选信道估计和FTNS检测。考虑到FTNS和DSCs引入的符号间干扰(Inter-symbolInterference，ISI)深度长达数十、数百个符号间隔，时域均衡算法的复杂度高，不利于实际应用；而频域均衡算法需要插入大量的循环前缀以消除由时变衰落信道对FTNS检测带来的影响。此外，FTNS引入了不可避免的色噪声问题，接收机需要通过对色噪声过程进行合理建模分析，以减小色噪声对FTNS检测的干扰。与本专利技术相关的文章有以下两篇，下文将分别对其进行分析：文章(1)：《WirelessCommunicationsLetters》2013年2卷第5期，题目为：“Frequency-domainequalizationoffaster-than-Nyquistsignaling”，考虑了FTNS通过AWGN信道传输的符号检测问题。利用频域系统模型，借助循环前缀(CyclicPrefix，CP)，得到了基于最小均方误差(MinimumMeanSquareError，MMSE)准则的符号估计，但这种方法直接将色噪声近似为高斯白噪声进行处理，造成了一定的性能损失；且没有考虑更为贴近实际情况的衰落信道环境下的FTNS传输问题。文章(2)：《ElectronicsLetters》2011年59卷第8期，题目为：“EM-basedjointchannelestimationanddetectionforfrequencyselectivechannelsusingGaussianmessagepassing”，利用期望最大化(Expectation-maximization，EM)方法解决了传统Nyquist系统中的联合DSCs信道估计与符号检测问题。该方法只给出了信道的点估计，即在进行符号检测时忽略了信道估计的不确定度，带来了误码率性能的损失。以上论文研究了FTNS通过AWGN传输或Nyquist信号通过未知DSCs传输的符号检测问题。对于FTNS通过未知的DSCs传输情况，由FTNS和衰落信道共同引入的ISI更长，未知的信道信息和色噪声问题等对FTNS检测带来了更为严重的挑战。基于频域系统模型可以有效降低算法实现的复杂度，然而，更多的循环前缀的使用将减小系统的频谱效率。本专利技术的目的旨在研究无CP、编码系统中的低复杂度联合DSCs估计与FTNS检测问题，通过构建合理的频域系统模型，利用GAMP方法迭代更新信道系数和数据符号的估计值，获得可靠的信道估计和符号检测性能。
技术实现思路
本专利技术的目的是为解决传统的频域均衡算法直接将离散数据符号近似为高斯随机变量，导致信道估计性能和数据符号检测性能损失严重的问题，提出了一种基于GAMP的联合双选信道估计与FTNS检测方法。本专利技术的核心思想为：将传输数据块分为若干个子数据块，并假设在一个子数据块内信道系数不变，采用一阶自回归(Autoregressive，AR)模型对不同子数据块间信道的变化进行建模，充分利用时变信道的统计特性，借助前向-后向(Forward-Backward，FB)算法提高信道估计性能；构建合理的频域子系统模型以同时考虑由无CP引入的子数据块之间的干扰和由FTNS引入的色噪声干扰；进一步基于此频域子系统模型，保留了数据符号为离散随机变量的统计特性，并利用GAMP方法迭代更新信道系数和数据符号的估计值。一种基于GAMP的联合双选信道估计与FTNS检测方法，简称本方法；基于如下系统，简称本系统；本系统是一个FTNS通过双选信道传输的编码系统，在发送端，经过编码调制后的数据符号s＝[s0,…,sK-1]T通过发送滤波器ht(t)后，以τT为发送符号周期进行传输，其中[·]T表示转置，数据符号为调制符号空间集，aj为调制符号星座点，J为调制阶数，T为满足无符号间干扰的符号周期，τ为压缩因子；调制后的波形通过双选信道进行传输。本方法，具体包括以下步骤：步骤1，发射端发送信号，在接收端经匹配滤波后，经符号速率采样，得到采样序列；其中，采样序列记为：r[k]，k＝0,…,K-1；将数据符号s分为P个长度为M的子数据块(即K＝PM，P为正整数)，满足M≥L-1，其中L＝Lh+Lg-1，Lg＝2ν+1，Lh为信道记忆深度，Lg为FTNS引入的ISI长度，ν的取值由τ决定；记第p个子数据块为sp＝[spM,…,s(p+1)M-1]T，sp经历的DSCs系数为FTNS引入的ISI系数为g＝[g[-ν],…,g[ν]]T，其中g[n]＝g(nτT)，g(t)＝(hrht)(t)，为线性卷积，sp对应的第p个接收子数据块为rp:＝[rpM,…,rpM+N-1]T，N＝M+L-1；则第p个子系统模型的时域表达为公式(1)：其中，和分别为第p-1个子数据块和第p+1个个子数据块对当前子第p个数据块的干扰；v′p为第p个数据块的色噪声矢量，其自相关矩阵为步骤2，构建频域子系统模型，并近似求得色噪声和子数据块间干扰的统计特性；为了利用频域均衡的低复杂度优势，将hp、g和sp分别通过后补零的方式得到N维矢量，由此式(1)中的线性卷积计算可转换为圆周卷积计算，得到如下频域子系统模型：其中，yp为接收子数据块rp的频域表示，其计算式为yp＝FNrp，cp为DSCs系数hp后补零的频域表示，其计算式为⊙代表圆周卷积；g为FTN引入的ISI系数g后补零的频域表示，其计算式为tp为sp后补零的频域表示，其表达式为tp＝FNT3sp＝FNsp；和wp′分别为干扰项和v′p的频域表示，其计算式分别为wp′＝FNv′p；T1、T2和T3分别为对hp，g，和sp进行后补零计算的矩阵，表达式分别为T3＝[IM0M×(N-M)]T，IM为M维单位矩阵，0M×N为M×N维零矩阵，FN为离散傅里叶变换(DiscreteFourierTransform，DFT)矩阵，其第(m,n)个元素为N-1/2e-j2π(m-1)(n-1)，记则wp的均值矢量和协方差矩阵分别为公式(2)和(3)：V(wp)≈λIN+Λp′＝Λp。(3)在式(2)中，E(·)和V(·)分别为括号内矢量的均值矢量和协方差矩阵；和分本文档来自技高网...

【技术保护点】
一种基于GAMP的联合双选信道估计与FTNS检测方法，简称本方法；基于如下系统，简称本系统；是一个FTNS通过双选信道传输的编码系统，在发送端，经过编码调制后的数据符号s＝[s0,...,sK‑1]T通过发送滤波器ht(t)后，以τT为发送符号周期进行传输，其中[·]T表示转置，数据符号为调制符号空间集，aj为调制符号星座点，J为调制阶数，T为满足无符号间干扰的符号周期，τ为压缩因子；调制后的波形通过双选信道进行传输，其特征在于：核心思想为：将传输数据块分为若干个子数据块，并假设在一个子数据块内信道系数不变，采用一阶自回归(Autoregressive，AR)模型对不同子数据块间信道的变化进行建模，充分利用时变信道的统计特性，借助前向‑后向(Forward‑Backward，FB)算法提高信道估计性能；构建合理的频域子系统模型以同时考虑由无CP引入的子数据块之间的干扰和由FTNS引入的色噪声干扰；进一步基于此频域子系统模型，保留了数据符号为离散随机变量的统计特性，并利用GAMP方法迭代更新信道系数和数据符号的估计值。

【技术特征摘要】
1.一种基于GAMP的联合双选信道估计与FTNS检测方法，简称本方法；基于如下系统，简称本系统；是一个FTNS通过双选信道传输的编码系统，在发送端，经过编码调制后的数据符号s＝[s0,...,sK-1]T通过发送滤波器ht(t)后，以τT为发送符号周期进行传输，其中[·]T表示转置，数据符号为调制符号空间集，aj为调制符号星座点，J为调制阶数，T为满足无符号间干扰的符号周期，τ为压缩因子；调制后的波形通过双选信道进行传输，其特征在于：核心思想为：将传输数据块分为若干个子数据块，并假设在一个子数据块内信道系数不变，采用一阶自回归(Autoregressive，AR)模型对不同子数据块间信道的变化进行建模，充分利用时变信道的统计特性，借助前向-后向(Forward-Backward，FB)算法提高信道估计性能；构建合理的频域子系统模型以同时考虑由无CP引入的子数据块之间的干扰和由FTNS引入的色噪声干扰；进一步基于此频域子系统模型，保留了数据符号为离散随机变量的统计特性，并利用GAMP方法迭代更新信道系数和数据符号的估计值。2.根据权利要求1所述的一种基于GAMP的联合双选信道估计与FTNS检测方法，其特征在于：包括以下步骤：步骤1，发射端发送信号，在接收端经匹配滤波后，再经符号速率采样得到采样序列；步骤2，构建频域子系统模型，并近似求得色噪声和子数据块间干扰的统计特性：步骤3，利用VB方法，得到一个子数据块内的信道系数的近似后验概率密度函数；步骤4，构建一阶自回归模型，并通过前向-后向算法更新信道系数估计；步骤5，利用GAMP算法，计算数据符号的近似后验概率密度函数；步骤6，更新与色噪声干扰和子数据块间干扰有关的信息；至此，从步骤1到步骤6，完成了一种基于GAMP的联合双选信道估计与FTNS检测方法。3.根据权利要求2所述的一种基于GAMP的联合双选信道估计与FTNS检测方法，其特征在于：步骤1中，采样序列记为：r[k]，k＝0,...,K-1；将数据符号s分为P个长度为M的子数据块(即K＝PM，P为正整数)，满足M≥L-1，其中L＝Lh+Lg-1，Lg＝2ν+1，Lh为信道记忆深度，Lg为FTNS引入的ISI长度，ν的取值由τ决定，τ是超奈奎斯特的压缩因子；记第p个子数据块为sp＝[spM,...,s(p+1)M-1]T，sp经历的DSCs系数为FTNS引入的ISI系数为g＝[g[-ν],...,g[ν]]T，其中，g[n]＝g(nτT)，g(t)＝(hrht)(t)，为线性卷积，sp对应的第p个接收子数据块为rp:＝[rpM,...,rpM+N-1]T，N＝M+L-1；则第p个子系统模型的时域表达为公式(1)：其中，和分别为第p-1个子数据块和第p+1个个子数据块对当前子第p个数据块的干扰；v′p为第p个数据块的色噪声矢量，其自相关矩阵为4.根据权利要求2所述的一种基于GAMP的联合双选信道估计与FTNS检测方法，其特征在于：步骤2中为了利用频域均衡的低复杂度优势，将hp、g和sp分别通过后补零的方式得到N维矢量，由此式(1)中的线性卷积计算可转换为圆周卷积计算，得到如下频域子系统模型：其中，yp为接收子数据块rp的频域表示，其计算式为yp＝FNrp，cp为DSCs系数hp后补零的频域表示，其计算式为⊙代表圆周卷积；g为FTN引入的ISI系数g后补零的频域表示，其计算式为tp为sp后补零的频域表示，其表达式为tp＝FNT3sp＝FNsp；和wp′分别为干扰项和v′p的频域表示，其计算式分别为wp′＝FNv′p；T1，T2和T3分别为对hp，g，和sp进行后补零计算的矩阵，表达式分别为T3＝[IM0M×(N-M)]T，IM为M维单位矩阵，0M×N为M×N维零矩阵，FN为离散傅里叶变换(DiscreteFourierTransform，DFT)矩阵，其第(m,n)个元素为N-1/2e-j2π(m-1)(n-1)，记则wp的均值矢量和协方差矩阵分别为公式(2)和(3)：E(wp)=E(wp-1tail)+E(wp+1head)---(2)]]>V(wp)≈λIN+Λp′＝Λp。(3)在式(2)中，E(·)和V(·)分别为矢量的均值矢量和协方差矩阵；和分别通过公式(4)和(5)计算：其中，Ah=IL-10(L-1)×M0M×(L-1)0M,At=0M0M×(L-1)0(L-1)×MIL-1;]]>矩阵Ah和At分别用来与矢量相乘以获取矢量的前L-1个元素和矢量的后L-1个元素，代表定义式；表示以矢量g为对角线元素的对角矩阵)；Λp′为对角矩阵，是色噪声协方差矩阵的近似矩阵，其对角线元素与的对角线元素相同；λ=1NΣl=0Lh-1[vp-1′l|E(hp-1l)|2+vp+1′(Lh-1-1)|E(hp+1l)|...

【专利技术属性】
技术研发人员：武楠，施巧霖，王华，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：北京;11