申请/专利权人：郑州大学;河南聚讯电子科技有限公司

申请日：2021-10-26

公开（公告）日：2024-02-06

公开（公告）号：CN114401172B

主分类号：H04L25/03

分类号：H04L25/03;H04L25/02

优先权：

专利状态码：有效-授权

法律状态：2024.02.06#授权;2022.05.13#实质审查的生效;2022.04.26#公开

摘要：本发明公开了一种基于Turbo均衡框架和VAMP的联合估计与检测方法，包括：对SC系统模型待估计量的联合后验概率密度函数进行因子分解并得到相应的因子图模型；设置初始化参数值，对信道进行初始估计，双VAMP均衡器将来自SISO译码器外信息作为其输入信息，并得到符号的先验概率；在因子图模型中，两次使用VAMP分别对符号和信道进行联合估计，获取符号的近似后验分布以及信道抽头的近似后验分布；通过求得编码比特的后验，并将其转换成外信息传给SISO译码器；计算出新的编码比特概率；返回第二步并更新SISO译码器的外信息，开始下一次Turbo迭代；该算法同现有算法相比，提出的VAMP接收算法在BER、NMSE方面有着显著提高。

主权项：1.一种基于Turbo均衡框架和VAMP的联合估计与检测方法，其特征在于，包括如下步骤：步骤A、对SC系统模型待估计量的联合后验概率密度函数进行因子分解并得到相应的因子图模型；步骤B、针对步骤A中的因子图模型设置初始化参数值，对信道进行初始估计，双VAMP均衡器将来自SISO译码器外信息作为其输入信息，并得到符号的先验概率；步骤C、在所述因子图模型中，根据信道的估计值，两次使用VAMP分别对符号和信道进行联合估计，运行双VAMP均衡器直至收敛，获取符号的近似后验分布以及信道抽头的近似后验分布；步骤D、通过求得编码比特的后验，并将其转换成外信息传给SISO译码器；步骤E、SISO译码器将来自均衡器的外信息作为先验，计算出新的编码比特概率；步骤F、返回步骤B，并更新SISO译码器的外信息，开始下一次Turbo迭代；在步骤A中，根据SC系统模型，在频域观测y给定情况下，传输符号x，时域信道抽头h，编码比特c，信息比特b，边缘后验概率分布可通过如下边缘化因子分解求得： 其中定义b-i＝[b1,...,bi-1,bi+1,...,bNb]T，因式分解中，根据贝叶斯公式和b为独立均匀分布的假设；由于向量y,h,x,c,b,之间的条件独立关系可得，其中py|h,x表示高斯似然观测： 这里vl,d和λl,d分别表示方差和权重，且此处使用2阶高斯混合模型2-GMM，决定了编码比特和符号的调制关系，为噪声的方差；按照因子图模型构建规则，得到SC系统的在该问题下的对应因子图模型；所述步骤B具体包括如下步骤：步骤B1、使用LMMSE算法对接收的信号进行信道估计，获得信道抽头的后验均值和方差；步骤B2、根据估计出的信道信息，构造信道转移矩阵，SISO译码器的外信息转换为编码比特信息，编码比特信息再转换为符号先验信息，信道转移矩阵和符号先验作为VAMP估计的输入信息；在步骤B2中具体包括如下：根据LMMSE算法估计出来的信道后验均值构造信道转移矩阵其中，FM表示M×M维的离散傅里叶变换矩阵，表示取矩阵前L列；SISO均衡器与译码器之间传递的是外信息，交织器和解交织器之间传递的是软信息；对于SISO均衡器而言，输入的是频域接收信号y和译码器反馈的先验信息可表示为：其中cn,a表示编码交织后的比特序列分为ND组，每组有A个比特；通过转换式可以得到编码比特软信息从而可得数据符号的先验pxnxn为：这里，是调制符号字母表，γn,j＝Pr{xn＝sj}表示数据符号的pmf；且导频和保护间隔的先验是已知的，并和数据符号放在一起统一处理；根据SISO译码器的编码比特软信息可得数据符号的pmf为在步骤C中具体包括如下步骤：步骤C1、在所述因子图模型中，根据获得的信道的初始估计值，构建信道转移矩阵，使用VAMP算法迭代执行去噪声步骤和LMMSE估计步骤，并获得符号的估计值；步骤C2、根据步骤C1获得的符号估计值，构建符号转移矩阵，使用VAMP算法迭代执行去噪声步骤和LMMSE估计步骤，获得信道的估计值，回到步骤C1，并更新步骤C1中信道初始估计值，构建新的信道转移矩阵；重复步骤C1至C2，进行符号与信道联合VAMP估计，获得更加准确的估计值，直至VAMP算法收敛；VAMP算法如下：第一行:Selectinitialr10andγ10≥0.第二行fork＝0,1,...Kdo第三行:去噪声步骤第四行:第五行:α1k＝g′1r1k,γ1k第六行:第七行:γ2k＝γ1k1-α1kα1k第八行:LMMSE估计步骤第九行:第十行:α2k＝γ2kN-1tr[γwATA+γ2kI-1]第十一行:第十二行:γ1,k+1＝γ2k1-α2kα2k第十三行:endfor第十四行:Return在步骤C1中具体包括如下：步骤C11、去噪声步骤：根据向量近似消息传递VAMP算法，在给定符号近似边缘后验分布的前提下，求解其边缘后验分布的均值与方差；步骤C12、LMMSE估计步骤：根据向量近似消息传递VAMP算法，获得上述均值与方差后，执行LMMSE估计获得相应的均值与方差；步骤C13、重复C11至C12，直到内迭代收敛；在步骤C11中的去噪声步骤具体包括如下：在每次VAMP迭代过程中，VAMP算法会产生均值量r1k和相应的精度γ1k，那么即为符号x的似然函数，每次Turbo迭代更新的符号先验信息为那么VAMP就近似符号的后验均值和方差分别为E{x1k|r1k,γ1k}，Var{x1k|r1k,γ1k}；在步骤C12中的LMMSE估计步骤具体包括如下：在SC系统中，由于矩阵A＝Φ中的F矩阵的列具有标准正交特性，即FHF＝I，且SVDA＝USVT＝将FHF＝I带入第八行与第九行可得： 其中，Dk是一个对角矩阵，由于可以被预先计算，所以VAMP的复杂度是由每次迭代的两个矩阵向量乘法决定的；所述步骤C2具体包括如下步骤：步骤C21、去噪声步骤：根据向量近似消息传递VAMP算法，在给定时域信道近似边缘后验分布的前提下，求解其边缘后验分布的均值与方差；步骤C22、LMMSE估计步骤：根据向量近似消息传递VAMP算法，获得上述均值与方差后，执行LMMSE估计获得相应的均值与方差；步骤C23、重复C21至C22，直到内迭代收敛；在步骤C21中具体包括如下：在第k次VAMP迭代中，VAMP算法会产生均值量r1k和相应的精度γ1k，那么即为时域信道h的似然函数，假设h的先验信息为那么h的近似后验分布可写为： 则在给定分布bh情况下的均值和方差分别为： 在步骤C22中具体包括如下：在SC系统中，由于矩阵A＝Φ1维度为M×L，不是一个方阵，不能直接采用奇异值进行分解，由于矩阵A＝Φ1中的F矩阵的列具有标准正交特性，即FHF＝I，带入VAMP算法中第9行和第10行，可以得出LMMSE估计步骤为： 表示噪声的方差；F表示归一化的离散傅里叶变换矩阵；γw表示为系统函数转换为频域后的噪声方差；γ2k表示为VAMP算法中去噪声步骤的每次迭代出的中间变量，其数值会随着迭代次数k而变化；Fγ2k和Fγ1k表示矩阵与向量的相乘操作，根据VAMP信道估计算法中的LMMSE推导所得，将其复杂度降低到矩阵-向量相乘的级别；N表示为信道抽头个数，其数值等于L；Tr是求矩阵对角线元素之和。

全文数据：

权利要求：

百度查询： 郑州大学;河南聚讯电子科技有限公司 一种基于Turbo均衡框架和VAMP的联合估计与检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD