基于稀疏贝叶斯学习的广义空间调制符号检测方法技术

本发明专利技术公开了一种基于稀疏贝叶斯学习的广义空间调制符号检测方法，包括：对MIMO系统广义空间调制建立数学模型，其中，所述数学模型中发射信号建模为输入向量x，接收信号建模为输出向量y，其中，假设x、y服从多元高斯分布先验；对所述数学模型应用快速稀疏贝叶斯学习算法，得出关于x的方差的损失函数，并对所述损失函数按照预设方式进行处理迭代，以得到最小化损失函数；针对广义空间调制符号的整数性质，对所述快速稀疏贝叶斯学习算法的参数进行调整，以估算x的方差出现的范围。本发明专利技术具有如下优点：应用新的压缩感知算法，提高现有广义空间调制中调制符号检测技术的准确率与效率。

Generalized spatial modulation symbol detection method based on Sparse Bayesian learning

The invention discloses a generalized spatial modulation symbol sparse Bayesian learning based detection method, including: the establishment of mathematical model of generalized space modulation MIMO system which, the mathematical model of the transmit signal is modeled as input vector x, the received signal is modeled as the output vector y, which assumes that the X and Y comply with prior multivariate Gauss distribution on the application of mathematical model; fast sparse Bayesian learning algorithm, the variance on the X loss function, and the loss function according to the preset manner in order to get the iteration, minimizing the cost function; the integer properties of generalized spatial modulation symbols, the fast sparse Bayesian learning algorithm of the parameters of the adjustment range in the estimation of variance X. The present invention has the following advantages: the new compression sensing algorithm is applied to improve the accuracy and efficiency of the modulation symbol detection technique in the existing generalized spatial modulation.

【技术实现步骤摘要】
基于稀疏贝叶斯学习的广义空间调制符号检测方法
本专利技术涉及数字信号传输
，特别涉及一种基于稀疏贝叶斯学习的广义空间调制符号检测方法。
技术介绍
多入多出(Multiple-InputMultiple-Output，MIMO)系统是一个发射端与接收端均配置有多根天线的通信系统。它能充分利用空间资源，通过多个发射和接收天线实现多发、多收。MIMO能够提供多个相互独立的信道，在同一空间内同时传送多路数据，即空间复用增益，从而提高信道容量。而且可以利用多天线来同时传送并行数据流，从而抑制信道衰落，降低误码率。MIMO通信技术包括空分复用、空间分集、波束赋形、预编码等领域。MIMO技术能充分利用空间资源，通过多个天线实现多发多收，在不增加频谱资源和天线发射功率的情况下，可以成倍的提高系统信道容量，显示出明显的优势。被视为下一代移动通信(5G)的核心技术。在MIMO中，受功率所限，无法做到同时使用全部的发射天线发送信号，因而产生了空间调制技术。空间调制是一种通过对发射天线序列编码增加传输量的技术，从不同发射天线发出的信号蕴含不同的信息，从而提高了传输效率。传输过程可视为原发送信号乘以一个本文档来自技高网...

【技术保护点】
一种基于稀疏贝叶斯学习的广义空间调制符号检测方法，其特征在于，包括以下步骤：S1：对MIMO系统广义空间调制建立数学模型，其中，所述数学模型中发射信号建模为输入向量x，接收信号建模为输出向量y，其中，假设x、y服从多元高斯分布先验；S2：对所述数学模型应用快速稀疏贝叶斯学习算法，得出关于x的方差的损失函数，并对所述损失函数按照预设方式进行处理迭代，以得到最小化损失函数；S3：针对广义空间调制符号的整数性质，对所述快速稀疏贝叶斯学习算法的参数进行调整，以估算x的方差出现的范围。

【技术特征摘要】
1.一种基于稀疏贝叶斯学习的广义空间调制符号检测方法，其特征在于，包括以下步骤：S1：对MIMO系统广义空间调制建立数学模型，其中，所述数学模型中发射信号建模为输入向量x，接收信号建模为输出向量y，其中，假设x、y服从多元高斯分布先验；S2：对所述数学模型应用快速稀疏贝叶斯学习算法，得出关于x的方差的损失函数，并对所述损失函数按照预设方式进行处理迭代，以得到最小化损失函数；S3：针对广义空间调制符号的整数性质，对所述快速稀疏贝叶斯学习算法的参数进行调整，以估算x的方差出现的范围。2.根据权利要求1所述的基于稀疏贝叶斯学习的广义空间调制符号检测方法，其特征在于，在步骤S2中，对所述损失函数按照预设方式进行处理迭代进一步包...

【专利技术属性】
技术研发人员：王劲涛，朱邦华，何龙桩，潘长勇，宋健，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京,11