一种基于矢量线性预测的数字移动前传信号量化方法技术

本发明专利技术公开一种基于矢量线性预测的数字移动前传信号量化方法，将OFDM调制信号进行IFFT得到实部和虚部I/Q两路采样信号，再将其构建成多维矢量集；对输入的多维矢量集进行差分矢量量化，输出由码字‑索引映射序构成的列量化信号；将量化信号进行PAM‑4编码，再经过电光调制变成光信号；将光信号输入单模光纤中传输至射频拉远单元，再经过光电探测和PAM‑4译码后恢复出量化信号；将恢复的量化信号进行索引‑码字映射及差分解调恢复出原始的差分矢量量化信号；将恢复的差分矢量量化信号进行矢量集的解调，恢复出OFDM‑IFFT的I/Q两路采样信号。本发明专利技术方法在保证数字移动前传良好性能的前提下，极大的提高了传输信号的频谱效率，丰富了数字移动前传的实现方法。

A quantization method of digital mobile forward signal based on vector linear prediction

【技术实现步骤摘要】
一种基于矢量线性预测的数字移动前传信号量化方法
本专利技术涉及5G移动通信
，具体为一种基于矢量线性预测的数字移动前传信号量化方法。
技术介绍
随着第五代移动通信(5G)的商业化推进,基于宽频带、高速率的5G数据传输将会为物联网、VR/AR等一些新兴的产业提供强有力的支持。云无线接入网(C-RAN)是一种适用于5G的集中化处理信号的网络架构，通过减少基站机房数量，大规模安装价格低廉的简化基站，使传输距离较短的毫米波信号的得以全方位覆盖。数字移动前传可以视为C-RAN接入网架构的移动前传部分的一种信号传输方式，基站机房为实施射频信号集中数字化处理的基带单元池，简化基站实际上是承载射频信号的恢复和发射等任务的射频拉远单元，基带单元池和射频拉远单元之间利用传输数字基带信号的单模光纤连接。如何提高光纤中传输的数字基带信号的频谱效率，一直以来都是数字移动前传网络需要攻克的难题之一。就目前的研究现状而言，实现数字移动前传的信号量化方法多种多样。传统的信号量化以标量量化为主，PCM作为最原始的模拟信号数字化方法采用均匀或者压缩的标量量化实现过程较为简单。DPCM则是在量化前对信号进行差分处理，极大的优化了PCM的量化性能。此外，矢量量化的方法也开始应用于数字移动前传，基于k-means聚类的传统矢量量化技术相比于标量量化，量化性能更显得优越。需要指出的是，PCM量化需要的量化比特数较大，导致数字信号的频谱利用率过低；利用DPCM技术进行信号量化虽然改善了PCM技术的频谱利用率，但是仍需要将OFDM信号的I/Q两路信号分量利用时分复用进行传输；而基于k-means聚类的矢量量化技术在信号的动态范围较大时量化性能极大的下降。本专利技术给出了一种基于矢量线性预测的数字移动前传信号量化方法。
技术实现思路
针对上述问题，本专利技术的目的在于提供一种能够在保证数字移动前传良好性能的前提下，极大的提高传输信号的频谱效率，丰富数字移动前传的实现方法的基于矢量线性预测的数字移动前传信号量化方法。技术方案如下：一种基于矢量线性预测的数字移动前传信号量化方法，包括以下步骤：步骤1：将OFDM调制信号进行IFFT得到实部和虚部I/Q两路采样信号，再将I/Q两路采样信号构建成一个多维矢量集；步骤2：利用基于矢量线性预测的差分矢量量化方法对输入的多维矢量集进行差分矢量量化，输出由码字-索引映射序构成的列量化信号；步骤3：将量化信号进行PAM-4编码，再经过电光调制变成光信号；步骤4：将光信号输入单模光纤中传输至射频拉远单元，再经过光电探测和PAM-4译码后恢复出量化信号；步骤5：将恢复的量化信号按照步骤2的逆过程进行索引-码字映射及差分解调恢复出原始的差分矢量量化信号；步骤6：将恢复的差分矢量量化信号按照步骤1的逆过程进行矢量集的解调，恢复出OFDM-IFFT的I/Q两路采样信号。进一步的，所述利用基于矢量线性预测的差分矢量量化方法对输入的多维矢量集进行差分矢量量化的具体过程为：步骤21：设置矢量线性预测的参数，包括训练矢量序列的长度、预测阶数；步骤22：线下训练过程：截取特定长度的多维矢量集作为训练的样本序列，利用矢量线性预测的方法得到所需的预测系数矩阵和最优码本；步骤23：线上量化过程：利用得到的预测系数矩阵和最优码本，将多维矢量集信号输入到基于矢量线性预测的差分矢量量化器中，输出的量化信号为最优码本中的各个码字对应的索引编号序列，其中，矢量量化采用基于k-means聚类的算法。更进一步的，所述步骤22的具体过程为：步骤1)从所述构建的多维矢量集中截取一定长度为N的多维矢量集作为线下训练序列X＝{s1,s2,…,sN}；步骤2)通过预测系数矩阵集A＝{A1,A2,…,Ap}来定义记忆长度为p的有限记忆矢量线性预测器；Aj为D×D矩阵，j∈[1,p]，p为矢量线性预测器的阶数；D为多维矢量集的维度；步骤3)对于线上量化，矢量量化器的输入为预测矢量误差表示为：其中，sn是输入的多维矢量，是预测器的输出矢量值；p阶矢量线性预测器通过前p次时刻的采样观测值sn-1,sn-2,…,sn-p，由下式得到所述输入的多维矢量sn的预测值步骤4)定义p阶预测器性能测度J为：选择使p阶预测器性能测度J最小的预测系数矩阵集A：定义D×D相关矩阵为此处i,j∈[1,p]，分别为D×1,1×D阶矩阵。根据正交法则，当线性预测器产生的各误差分量与各观测值正交时，有将式(1)和(2)代入式(3)，得式中，v∈[1,p]；Av为步骤2中预测系数矩阵集里对应的第v个子矩阵。将式(4)写成：将式(5)通过如下的矩阵方程来表示：对于式(6)，采用Levinson-Durbin算法求解一般情况下的p阶平稳D维矢量序列最佳线性预测器的系数矩阵集A；步骤5)采用k-means聚类法对所述长度为N的多维矢量集进行聚类，求得最优码本C；码本的长度由量化比特数决定，量化比特数Qb＝log2k，k为k-means的聚类簇数。本专利技术的有益效果是：本专利技术利用矢量量化代替标量量化，极大的提高了数字移动前传链路的频谱效率；利用矢量线性预测技术，将矢量信号进行差分量化处理，减小信号的动态范围，降低信号进行矢量量化的噪声；通过改变矢量信号的维度、矢量预测器的阶数p等参数，使数字移动前传的信号量化变得更加灵活。附图说明图1为本专利技术一种基于矢量线性预测的数字移动前传信号量化方法实现框图。图2为VLP-VQ框图。图3为基于矢量线性预测的数字移动前传信号量化原理图。图4为二维矢量信号量化示意图：(a)VLP-OFDM采样；(b)OFDM采样。图5为基于矢量线性预测的数字移动前传接收端性能测试图。具体实施方式下面结合附图和具体实施例对本专利技术做进一步详细说明。如图1所示，本专利技术提供了一种基于矢量线性预测的数字移动前传信号量化方法，包括如下步骤：步骤1：将OFDM调制信号进行IFFT得到实部和虚部I/Q两路采样信号，再将I/Q两路采样信号构建成一个多维矢量集。OFDM调制信号经过IFFT后的实部和虚部分别为I/Q两路各自的采样信号(100)，采样信号可表示为：S＝{sO1,sO2,…,sOL}，其中L为采样信号长度。信号的采样率fs可以表示为：fs＝P_IFFT×ΔP，P_IFFT为IFFT/FFT点数，ΔP为OFDM的子载波间隔。采样信号S根据矢量的维度D，按照一定的规律构建多维矢量集200，例如，要构建一个维度为4的矢量集，具体的矢量集构建方法如式(1)所示：步骤2：利用基于矢量线性预测的差分矢量量化方法对输入的多维矢量集进行差分矢量量化，输出由码字-索引映射序构成的列量化信号。如图2所示为数字移动前传基于矢量线性预测的矢量信本文档来自技高网...

【技术保护点】
1.一种基于矢量线性预测的数字移动前传信号量化方法，其特征在于，包括以下步骤：/n步骤1：将OFDM调制信号进行IFFT得到实部和虚部I/Q两路采样信号，再将I/Q两路采样信号构建成一个多维矢量集；/n步骤2：利用基于矢量线性预测的差分矢量量化方法对输入的多维矢量集进行差分矢量量化，输出由码字-索引映射序构成的列量化信号；/n步骤3：将量化信号进行PAM-4编码，再经过电光调制变成光信号；/n步骤4：将光信号输入单模光纤中传输至射频拉远单元，再经过光电探测和PAM-4译码后恢复出量化信号；/n步骤5：将恢复的量化信号按照步骤2的逆过程进行索引-码字映射及差分解调恢复出原始的差分矢量量化信号；/n步骤6：将恢复的差分矢量量化信号按照步骤1的逆过程进行矢量集的解调，恢复出OFDM-IFFT的I/Q两路采样信号。/n

【技术特征摘要】
1.一种基于矢量线性预测的数字移动前传信号量化方法，其特征在于，包括以下步骤：
步骤1：将OFDM调制信号进行IFFT得到实部和虚部I/Q两路采样信号，再将I/Q两路采样信号构建成一个多维矢量集；
步骤2：利用基于矢量线性预测的差分矢量量化方法对输入的多维矢量集进行差分矢量量化，输出由码字-索引映射序构成的列量化信号；
步骤3：将量化信号进行PAM-4编码，再经过电光调制变成光信号；
步骤4：将光信号输入单模光纤中传输至射频拉远单元，再经过光电探测和PAM-4译码后恢复出量化信号；
步骤5：将恢复的量化信号按照步骤2的逆过程进行索引-码字映射及差分解调恢复出原始的差分矢量量化信号；
步骤6：将恢复的差分矢量量化信号按照步骤1的逆过程进行矢量集的解调，恢复出OFDM-IFFT的I/Q两路采样信号。


2.根据权利要求1所述的基于矢量线性预测的数字移动前传信号量化方法，其特征在于，所述利用基于矢量线性预测的差分矢量量化方法对输入的多维矢量集进行差分矢量量化的具体过程为：
步骤21：设置矢量线性预测的参数，包括训练矢量序列的长度、预测阶数；
步骤22：线下训练过程：截取特定长度的多维矢量集作为训练的样本序列，利用矢量线性预测的方法得到所需的预测系数矩阵和最优码本；
步骤23：线上量化过程：利用得到的预测系数矩阵和最优码本，将多维矢量集信号输入到基于矢量线性预测的差分矢量量化器中，输出的量化信号为最优码本中的各个码字对应的索引编号序列，其中，矢量量化采用基于k-means聚类的算法。


3.根据权利要求2所述的基于矢量线性预测的数字移动前传信号量化方法，其特征在于，所...

【专利技术属性】
技术研发人员：叶佳，罗健威，郭仪，闫连山，潘炜，邹喜华，李鹏，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：四川;51