【技术实现步骤摘要】
本专利技术涉及无线通信，特别是一种基于阈值宽限的物联网大规模多用户检测方法。
技术介绍
1、在第五代移动通信系统(the fifth generation of mobile communicationsystem,5g)中,大规模机器类通信(massive machine type of communication,mmtc)受到了学术接的广泛关注。它具有用户规模大、低延迟、低能耗以及零星通信等特点。而传统的正交多址(orthogonal multiple access,oma)方案受限于有限的正交资源数，已经无法满足mmtc中大型通信场景的需求，同时考虑到基于授权的通信方式在mmtc场景中会导致极大的信令开销。对此，学者们提出了一种免授权非正交多址接入方案。该方案不需要来自基站的调度信息，并且允许活跃用户直接在彼此之间传递消息。因为在gf-noma的方案中允许用户共享数量有限的相同资源，因此它减少了传输期间的资源开销。然而，基站没有任何活跃用户的信息，因此对多用户检测(multi-user detection,mud)算法的研究是必要的。
2、目前大多数现有的多用户检测方案通过利用先验的活跃用户稀疏度信息来进行活跃用户检测(active user detection,aud)，但这种先验信息在实际应用场景中是未知的。此外，在考虑多观测向量的用户活跃模型上，部分学者考虑采用帧稀疏的模型，潜在的用户在整个观测帧内保持相同的活跃或非活跃状态。这种活跃模型可以通过联合多个时隙的检测结果来提高检测的准确性，但却不符合实际场
技术实现思路
1、有鉴于此，本专利技术的目的在于提供一种基于阈值宽限的物联网大规模多用户检测方法，该方法在活跃用户动态稀疏的模型下，利用优化阈值来进行aud，而不需要任何先验的活跃用户稀疏信息。通过构建算法的深度学习网络，在不同信噪比下进行阈值参数的优化，从而得到最优的阈值参数信息。同时，考虑到活跃用户活跃状态的时间相关性，通过给予阈值一定的宽限来利用这种相关性，进而提高检测性能。仿真结果表明，所提出的tla-admm算法在不需要活跃用户稀疏度信息的情况下，其误符号率性能依旧优于几类现存的算法。
2、为实现上述目的，本专利技术采用如下技术方案：一种基于阈值宽限的物联网大规模多用户检测方法，包括基于a-admm算法的信号重构模块和基于优化阈值的活跃用户检测模块，包括以下步骤：
3、步骤s1：获取基站端多用户的接收信号，等效的信道矩阵信息以及优化阈值参数，初始化参数，设置最大迭代次数和终止迭代条件；
4、步骤s2：在用户动态稀疏的模型下，对每一个时隙的接收信号使用a-admm方法进行重构信号的更新；
5、步骤s3：利用优化阈值和阈值宽限因子对更新的重构信号进行活跃用户检测；
6、步骤s4：根据活跃用户检测的结果来对阈值宽限因子进行更新；
7、步骤s5：更新残差和辅助参数，并判断是否满足迭代终止条件，若满足则输出重构信号作为检测结果，如若不满足则继续重复步骤s2-s5直到满足迭代终止条件或最大迭代次数。
8、在一较佳的实施例中，步骤s1包括以下步骤：
9、步骤s11、基站获取的接收信号yt表示为：
10、yt＝htxt+vt,t＝1,2,...,t， (1)
11、其中，yt＝[yt1,yt2,...,ytn]t是在第t个时隙下长度为n×1的接收符号向量，n为正交子载波数；ht表示在第t个时隙下等效的信道矩阵，大小为n×k，由信道增益矩阵gt和扩频矩阵s点乘构成，k为潜在的总用户数；xt表示在第t个时隙下经过调制的原始发送符号；vt表示在第t个时隙下均值为0，方差为η2的加性高斯白噪声；
12、步骤s12、获取优化阈值参数pth*：通过模拟不同信噪比snr下的通信过程，设置阈值参数pth为可学习变量，将检测算法设置为算法层，将算法层和优化器嵌套构建为一个优化层，l个相同的优化层构成一个优化网络；将经过算法层的检测结果与原始数据进行对比，计算均方误差损失函数，再通过优化器进行优化反馈，经过l层的优化后，最终输出该信噪比下对应的优化阈值pth*；
13、步骤s13、初始化参数，设置最大迭代次数和终止迭代条件：设置残差限∈＝1×10-3、阈值宽限步长β＝0.2、最大迭代次数imax＝30；初始化迭代次数i＝1，残差变量rt[0]＝∞，st[0]＝∞，正则参数αt[0]＝0，信号向量权重矩阵w[0]＝1，宽限因子σ[0]＝1；当残差矩阵r和s的frobenius范数值小于残差限或迭代次数大于最大迭代次数时，迭代终止，输出重构信号。
14、在一较佳的实施例中，步骤s2包括以下步骤：
15、步骤s21、用户动态稀疏的模型设计：在用户动态稀疏的场景下，潜在的活跃用户在观测帧内只会在随机连续的时隙内保持活跃状态，活跃用户会在任意时刻进入或退出通信系统；
16、步骤s22、使用a-admm方法进行重构信号的更新：使用公式(2)-公式(4)更新重构信号和
17、
18、
19、
20、其中，右上角的[i]表示第i次迭代，ρt和λt为常量，ik是一个大小为k×k的单位矩阵，表示向量中的第k个元素。
21、在一较佳的实施例中，步骤s3包括以下步骤：
22、步骤s31、利用优化阈值和阈值宽限因子对更新的重构信号进行活跃用户检测：考虑到用户动态活跃场景下，活跃用户时隙之间存在的时间相关性，我们通过给予阈值一定的宽限来实现这种相关性，相关性越强，给予的宽限就越大，因此活跃用户检测可以表示为：
23、
24、其中，表示用户k在第t个时刻下的活跃状态，表示第k个用户在时隙t上活跃，反之，则表示非活跃；表示从前一次迭代中得到的第k个用户在时隙t上的宽限因子。
25、在一较佳的实施例中，步骤s4包括以下步骤：
26、步骤s41、根据活跃用户检测的结果来对阈值宽限因子进行更新：在步骤s3中通过优化阈值和阈值宽限因子更新了活跃用户集，而阈值宽限因子与活跃用户前后时隙的活跃状态息息相关，因此在每一次迭代中都需要对其进行更新：
27、
28、其中β表示宽限步长，和是通过步骤s3得到的用户活跃状态，需要注意，当或不在观测帧内时，它们的值默认为0。
29、在一较佳的实施例中，步骤s5包括以下步骤：
30、步骤s51、更新迭代残差：残差r和残差s分别表示两个交替的重构参数x、z之间的残差以及重构参数z在前后两次迭代中的保留残差，使用公式(7)-公式(8)来表示：本文档来自技高网...
【技术保护点】
1.一种基于阈值宽限的物联网大规模多用户检测方法，包括基于A-ADMM算法的信号重构模块和基于优化阈值的活跃用户检测模块，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于阈值宽限的物联网大规模多用户检测方法，其特征在于，步骤S1包括以下步骤：
3.根据权利要求1所述的一种基于阈值宽限的物联网大规模多用户检测方法，其特征在于，步骤S2包括以下步骤：
4.根据权利要求1所述的一种基于阈值宽限的物联网大规模多用户检测方法，其特征在于，步骤S3包括以下步骤：
5.根据权利要求1所述的一种基于阈值宽限的物联网大规模多用户检测方法，其特征在于，步骤S4包括以下步骤：
6.根据权利要求1所述的一种基于阈值宽限的物联网大规模多用户检测方法，其特征在于，步骤S5包括以下步骤：
【技术特征摘要】
1.一种基于阈值宽限的物联网大规模多用户检测方法，包括基于a-admm算法的信号重构模块和基于优化阈值的活跃用户检测模块，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于阈值宽限的物联网大规模多用户检测方法，其特征在于，步骤s1包括以下步骤：
3.根据权利要求1所述的一种基于阈值宽限的物联网大规模多用户检测方法，其特征在于，步骤s2...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。