基于M2M通信频谱共享与共存的盲检测算法制造技术

本发明专利技术公开基于M2M通信频谱共享与共存的盲检测算法，包括如下步骤：步骤SS1：构造传统用户过完备模型和M2M通信稀疏模型；步骤SS2：凸优化求解M2M传输信号；步骤SS3：构造传统用户接收数据矩阵；步骤SS4：对所述步骤SS3中的接收数据矩阵奇异值分解；步骤SS5：设置权矩阵；步骤SS6：选择Hopfield神经网络的激活函数，进行Hopfield神经网络迭代运算。本发明专利技术首次利用Hopfield神经网络的盲检测恢复M2M通信中传统用户的恢复，根据传统用户过完备模型和M2M设备稀疏模型，利用凸优化得出M2M设备传输信号，对状态方程进行迭代：每次迭代时，进入Hopfield神经网络，通过仿真验证了在同等条件下，本发明专利技术的误码率优于假设信道已知情况下恢复传统用户信号的方法。

【技术实现步骤摘要】
基于M2M通信频谱共享与共存的盲检测算法
本专利技术涉及基于M2M通信频谱共享与共存的盲检测算法，属于通信信号处理

技术介绍
M2M通信的支持将是通信系统的一个重要组成部分，特别是5G蜂窝系统，这对通信信号的适应性提出了更高的要求。文献[XiaohuaLi,JianZheng,MingjianZhang.”COMPRESSIVESENSINGBASEDSPECTRUMSHARINGANDCOEXISTENCEFORMACHINE-TO-MACHINECOMMUNICATIONS,”InternationalConferenceonAcousticsSpeechandSignalProcessing(ICASSP),IEEE,2017:3604–3608.]介绍了一种新的频谱共享方案：大量分散的M2M设备与诸如蜂窝用户这样的传统通信用户共享同一个信道。当传统用户持续传输时，M2M设备直接在这个通道进行传输，而不需要太多的信道调度和握手开销。M2M通信通过仿真智能电网中PMU通信，将得到的PMU数据包经过16位A/D转换器量化数据，再添加UDP包和20％训练序列。文献用传输信号中的冗余比如训练符号、向导、多路访问控制开销和相关数据，创造一个稀疏信号模型，然后在压缩感知技术下可以利用传输信号的冗余分离混合信号。通过仿真智能电网中的一种M2M通信方案证实了稀疏信号模型和频谱共享方案的可行性。该文献参考了文献[G.B.Giannakis,G.Mateos,S.Farahmand,V.Kekatos,andH.Zhu,“USPACOR:Universalsparsity-controllingoutlierrejection,”Proc.IEEEInt.Conf.onAcoustics,SpeechandSignalProcessing(ICASSP’11),Prague,May2011.]介绍的一种通用的稀疏控制异常值框架，利用Lasso中的稀疏调整参数λ控制估计器中的稀疏度以及框架拒绝异常值的数量构建了带有过完备模型的传统用户信号和带有稀疏模型M2M信号，并使用压缩感知技术利用信号冗余从混合信号中分离出M2M信号和传统用户的信号。文献[ZHUH,GIANNAKISGB.Exploitingsparseuseractivityinmultiuserdetection[J].IEEETransactionsonCommunications,2011,59(2):454–465.]利用用户行为具有稀疏性首次将压缩感知应用到多用户检测中，通过解决凸优化问题降低了CDMA多用户检测系统的复杂度。文献[张男龚,磊翟,旭平.M2M通信系统下基于压缩感知的多用户检测技术,电子测量技术,2018,8.]指出M2M通信具有零星性，为了缓解大规模M2M通信带来的大量控制信号开销问题，讨论了在帧传输结构下利用压缩感知的MMV模型来进一步提高多用户检测中的行为检测性能。但是上述方案在系统设计时就假设传输信道是已知的，从而在去除信道的影响时恢复传统用户信号的误码率较高。而实际的通信系统传输信道是时变的，且大多是未知的。盲检测技术适用于信道未知的情况，其仅利用接受信号本身便能够检测出发送信号，从而消除符号间干扰(ISI)以提高信息传输速率和可靠性。许多文献开始使用Hopfield神经网络对信号盲检测问题进行研究。Hopfield神经网络(HopfieldNeuralNetworks,HNN)盲检测算法不受信道是否含公零点的限制且所需发送数据更短，与二阶统计量盲算法和高阶统计量盲算法相比，更能满足现代通信系统中高速数据传输的要求。
技术实现思路
本专利技术所要解决的技术问题是为了改善现有技术的缺陷和不足，提供基于M2M通信频谱共享与共存的盲检测算法。本专利技术的算法在M2M通信频谱共享与共存方案的基础上采用盲检测算法恢复传统用户发送信号，利用Hopfield神经网络进一步提高处理通信信号的可靠性。该方法旨在为M2M通信中传统用户信号的恢复提供一种准确且可靠的检测方法。本专利技术采用如下技术方案：基于M2M通信频谱共享与共存的盲检测算法，其特征在于，包括如下步骤：步骤SS1：构造传统用户过完备模型和M2M通信稀疏模型；步骤SS2：凸优化求解M2M传输信号；步骤SS3：构造传统用户接收数据矩阵；步骤SS4：对所述步骤SS3中的接收数据矩阵奇异值分解；步骤SS5：设置权矩阵W＝IN-Q，其中IN是N×N维的单位矩阵，步骤SS6：选择Hopfield神经网络的激活函数，进行Hopfield神经网络迭代运算。作为一种较佳的实施例，所述步骤SS1具体包括：接收端接收单个传统用户和M个M2M设备的发送信号，经过OFDM调制和解调，经过采样，获得接收方程：式中，q是过采样因子，P表示信道的阶数，M是M2M通信设备数，si(m)是发送信号矩阵，i＝0时s0(m)＝U0a0(m)＝U0[a0(m),...,a0(m+N-1)]T为传统用户发送信号矩阵a0(m)经过矢量转换后的发送矩阵，i＝1,L,M时si(m)＝Uiai(m)＝Ui[ai(m),...,ai(m+N-1)]T为M2M设备发送信号矩阵ai(m)经过矢量转换后的发送矩阵，U0，Ui均为N×N矢量转换酉矩阵；[hi0,…,hiP]q×(P+1)是传统用户和M2M设备通信信道的冲激响应，当采样因子q取1时为假设信道已知情况下的信道矩阵；向量v(m)由均值为零和方差为的加性高斯白噪声组成，发送信号与加性噪声相互独立。指标函数Ii(m)＝1表示用户/设备i在OFDM块m中传输，而Ii(m)＝0表示用户/设备i没有传输信号；假设Ui在系统设计时是已知的，忽略噪声影响，上式可写成如下形式：RN＝SiΓT；Si＝[sL+P(m),L,sL+P(m+N-1)]T＝[sN(k),L,sN(m-P-L)]N×(L+P+1)是发送信号矩阵；(RN)N×(L+1)q＝[rL(m),L,rL(m+N-1)]T是传统用户的接收矩阵；(Γ)(L+1)q×(L+P+1)是由hij,j＝0,1,L,P构成的块Toeplitz平滑矩阵，其中，L是均衡器的参数；考虑到数据包的相似性和邻近OFDM块的相似，从ai(m)中减去ai(m-1)利用这样的相似性增强稀疏性；令xi(m)＝ai(m)-ai(m-1)，i＝1,L,M；假设已经对所有的ai(l)块进行了分析并且其已知，其中l≤m-1，则只需要检测ai(m)，i＝0,L,M；因此从接收信号向量r(m)中减去检测到的接收端信号得到传统用户的过完备模型和M2M通信稀疏模型：式中首项是传统用户信号的过完备模型，第二项为M2M通信信号的稀疏模型，q是过采样因子，P表示信道的阶数，M是M2M通信设备数，Ii(m)＝1，Ui均为N×N矢量转换酉矩阵，N×K0矩阵是U0对应的子矩阵，(h0j)q×1是传统用户信号的冲激响应，(hij)q×1是M2M通信的冲激函数，向量v(m)由均值为零和方差为的加性高斯白噪声组成，发送信号与加性噪声相互独立。作为一种较佳的实施例，所述步骤SS2具体包括：使用压缩感知技术通过求解优化来估计x0(m)和xi(m)：调整加权系数λi与||xi||0匹配，||·||0表本文档来自技高网...

【技术保护点】
1.基于M2M通信频谱共享与共存的盲检测算法，其特征在于，包括如下步骤：步骤SS1：构造传统用户过完备模型和M2M通信稀疏模型；步骤SS2：凸优化求解M2M传输信号；步骤SS3：构造传统用户接收数据矩阵；步骤SS4：对所述步骤SS3中的接收数据矩阵奇异值分解；步骤SS5：设置权矩阵W＝IN‑Q，其中IN是N×N维的单位矩阵，

【技术特征摘要】
1.基于M2M通信频谱共享与共存的盲检测算法，其特征在于，包括如下步骤：步骤SS1：构造传统用户过完备模型和M2M通信稀疏模型；步骤SS2：凸优化求解M2M传输信号；步骤SS3：构造传统用户接收数据矩阵；步骤SS4：对所述步骤SS3中的接收数据矩阵奇异值分解；步骤SS5：设置权矩阵W＝IN-Q，其中IN是N×N维的单位矩阵，步骤SS6：选择Hopfield神经网络的激活函数，进行Hopfield神经网络迭代运算。2.根据权利要求1所述的基于M2M通信频谱共享与共存的盲检测算法，其特征在于，所述步骤SS1具体包括：接收端接收单个传统用户和M个M2M设备的发送信号，经过OFDM调制和解调，经过采样，单输入多输出(Single-inputMulti-output,SIMO)系统接收端接收到信号向量r(m)＝[r(m),...,r(m+N-1)]T，接收方程：其中q是过采样因子，P表示信道的阶数，M是M2M通信设备数，si(m)是发送信号矩阵，i＝0时s0(m)＝U0a0(m)＝U0[a0(m),...,a0(m+N-1)]T为传统用户发送信号矩阵a0(m)经过矢量转换后的发送矩阵，i＝1,L,M时si(m)＝Uiai(m)＝Ui[ai(m),...,ai(m+N-1)]T为M2M设备发送信号矩阵ai(m)经过矢量转换后的发送矩阵，U0，Ui均为N×N矢量转换酉矩阵；[hi0,…,hiP]q×(P+1)是传统用户和M2M设备通信信道的冲激响应，当采样因子q取1时为假设信道已知情况下的信道矩阵；向量v(m)由均值为零和方差为的加性高斯白噪声组成，发送信号与加性噪声相互独立。指标函数Ii(m)＝1表示用户/设备i在OFDM块m中传输，而Ii(m)＝0表示用户/设备i没有传输信号；假设Ui在系统设计时是已知的，忽略噪声影响，上式可写成如下形式：RN＝SiΓT；Si＝[sL+P(m),L,sL+P(m+N-1)]T＝[sN(k),L,sN(m-P-L)]N×(L+P+1)是发送信号矩阵；(RN)N×(L+1)q＝[rL(m),L,rL(m+N-1)]T是传统用户的接收矩阵；(Γ)(L+1)q×(L+P+1)是由hij,j＝0,1,L,P构成的块Toeplitz平滑矩阵，其中，L是均衡器的参数；考虑到数据包的相似性和邻近OFDM块的相似，从ai(m)中减去ai(m-1)利用这样的相似性增强稀疏性；令xi(m)＝ai(m)-ai(m-1)，i＝1,L,M；假设已经对所有的ai(l)块进行了分析并且其已知，其中l≤m-1，则只需要检测ai(m)，i＝0,L,M；因此从接收信号向量r(m)中减去检测到的接收端信号得到传统用户的过完备模型和M2M通信稀疏模型：式中首项是传统用户信号的过完备模型，第二项为M2M通信信号的稀疏模型，q是过采样因子，P表示信道的阶数，M是M2M通信设备数，Ii(m)＝1，Ui均为N×N矢量转换酉矩阵，N×K0矩阵是U0对应的子矩阵，(h0j)q×1是传统用户信号的冲激响应，(hij)q×1是M2M通信的冲激函数，向量v(m)由均值为零和方差为的加性高斯白噪声组成，发送信号与加性噪声相互独立。3.根据权利要求1所述的基于M2M通信频谱共享与共存的盲检测算法，其特征在于，所述步骤SS2具体包括：使用压缩感知技术通过求解优化来估计x0(m)和xi(m)：调整加权系数λi与||xi||0匹配，||·||0表示l0范数；压缩传感的一个常见做法是用凸点集l1范数来代替l0范数，这使得上述公式变为：通过凸面最优化求解可以解出在得到之后，可以利用以下公式估计M2M设备发送信号：式中，q是过采样因子，P表示信道的阶数，M是M2M通信设备数，si(m)是发送信号矩阵，i＝0时s0(m)＝U0a0(m)＝U0[a0(m),...,a0(m+N-1)]T为传统用户发送信号矩阵a0(m)经过矢量转换后的发送矩阵，i＝1,L,M时si(m)＝Uiai(m)＝Ui[ai(m),...,ai(m+N-1)]T为M2M设备发送信号矩阵ai(m)经过矢量转换后的...

【专利技术属性】
技术研发人员：张昀，李冰蕊，曹健，杨杰，于舒娟，
申请(专利权)人：南京邮电大学，南京邮电大学南通研究院有限公司，
类型：发明
国别省市：江苏,32