零时延相关信源广播通信方法与流程

1.本发明涉及通信领域，特别涉及一种零时延相关信源广播通信方法。


背景技术：

2.现代无线通信系统通过利用接近达到信道容量的信道编码和高度优化的压缩算法，实现可靠传输特定的高速率内容类型，比如说联合图像专家组(jpeg)和动态图像专家组(mpeg)。然而，许多新兴的应用，如物联网(iot)或者机器与机器间通信(m2m)，进一步限制了通信设备的成本和复杂度，或者对可用的能量和端到端延迟提出更高要求，这使得许多已知的编码方法和调制技术不再适用。例如，在监测智能电网中的电力线的故障等对时间敏感的控制应用中，底层信号应该在极小时间延迟约束内被测量并传送到接收端。在上述情况下，我们既不能通过测量多个信号来提高压缩效率，也不能通过多次使用信道来接近信道容量。
3.广播通信是使用公共信道将信息从中央节点传输到多个设备的通信方式。广播通信被应用在许多场景中，例如蜂窝系统的下行链路，或者无线传感器网络(wsn)，以此控制节点与大量传感器之间的通信。在广播信道上可靠地传输信息的一个方案是基于信源信道分离的机制，也就是信源编码和信道编码分开分别优化。
4.一般情况下，基于信源信道分离的编码方案能够提供接近最优的性能，但同时，该方案也存在一定的缺陷。一方面，基于信源信道分离的编码方案要求编码端使用长码字以接近理论最优界，但这会导致编码复杂度增大并且带来较高的时延。另一方面，由于编码率取决于信道条件，系统需要在时变环境中重新设计，从而使编码器与信道条件相匹配。因此，基于信源信道分离的编码方案通常情况下，在多用户的环境中并不是最优的。


技术实现要素：

5.本发明的实施例提供了一种零时延相关信源广播通信方法，包括：
6.步骤1，将一对无记忆且平稳的高斯相关信源输入编码器，由所述编码器映射成两路单独的信道符号后分别输出；
7.步骤2，每一路输出的所述信道符号分别叠加高斯白噪声信号后，传输给1比特模数转换器进行处理；
8.步骤3，经过所述1比特模数转换器处理后，将处理后的信号传输至译码器，由所述译码器在用户端重构信源信息，第一用户关注第一信源的重构，第二用户关注第二信源的重构；
9.步骤4，根据所述重构信源信息判断系统的失真性能。
10.其中，所述步骤1具体包括：
11.所述编码器接收一对无记忆且平稳的高斯相关信源(x1,x2)，信源的均值为零，方差为编码器输出为v，编码器接收一对信源符号而映射一个信道符号作为输出，实现2:
1的压缩编码，编码器输出须满足功率限制；
12.e[||α(x1,x2)||2]≤p
ꢀꢀ
(1)。
[0013]
其中，所述步骤2具体包括：
[0014]
在所述译码器的前端，所述1比特模数转换器对信道输出y
i
进行量化，量化过程表示为：
[0015][0016]
其中，所述步骤3具体包括：
[0017]
所述译码器采用最小均方误差估计器，最小均方误差估计器通过以下公式表示：
[0018][0019]
其中，p(
·
)表示概率密度函数。
[0020]
其中，所述步骤4包括：
[0021]
以两个用户的平均均方误差作为性能评价标准，平均均方误差由以下公式表示：
[0022][0023]
其中，所述方法还包括使用非参数化映射算法优化变符号标量量化器线性编码器，获取优化后的编码映射，具体包括：
[0024]
对编码映射进行初始化，利用最小均方误差译码器得到初始编码下的两个用户处的估计信号计算初始状态下系统的代价函数值j0并设置计数器k＝0；
[0025]
更新计数器k＝k 1，保持译码映射β1和β2不变，更新编码映射α；
[0026]
保持编码映射α不变，更新译码映射β1和β2；
[0027]
更新代价函数值j
k
，计算(j
k
‑1‑
j
k
)/j
k
‑1，如果该比值小于预设的阈值，结束算法；否则重新更新计数器k＝k 1。
[0028]
本发明的上述方案有如下的有益效果：
[0029]
本发明的上述实施例所述的零时延相关信源广播通信方法结合1比特模数转换器的零时延相关信源广播通信系统，利用1比特模数转换器减小通信系统的功率要求，通过非参数化映射算法计算该系统下优化后的编码映射所实现的失真性能，对比变符号标量量化器线性编码器方案，在不同信道信噪比(csnr)下，用户端的平均失真基本可获得0.2db的增益。
附图说明
[0030]
图1是本发明的系统模块组成图；
[0031]
图2是本发明的非参数化映射算法流程图。
具体实施方式
[0032]
为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。
[0033]
如图1所示，本发明的实施例提供了一种零时延相关信源广播通信方法，包括：步骤1，将一对无记忆且平稳的高斯相关信源输入编码器，由所述编码器映射成两路单独的信道符号后分别输出；步骤2，每一路输出的所述信道符号分别叠加高斯白噪声信号后，传输给1比特模数转换器进行处理；步骤3，经过所述1比特模数转换器处理后，将处理后的信号传输至译码器，由所述译码器在用户端重构信源信息，第一用户关注第一信源的重构，第二用户关注第二信源的重构；步骤4，根据所述重构信源信息判断系统的失真性能。
[0034]
本发明的1比特模数转换器的零时延相关信源广播通信系统如下图1所示，相关信源(x1,x2)经过编码器，编码输出传输到广播信道上，叠加高斯白噪声，其中，信道1的噪声n1强于信道2的噪声n2，数值上表示为n1的噪声方差大于n2的方差，两路信道的加噪信号分别通过1比特模数转换器。1比特模数转换器输出表示为z
i
。z
i
通过译码器在用户端重构信源信息，其中，用户1只关注对信源x1的重构，用户2只关注对信源x2的重构。系统性能通过两个用户的平均均方误差表示。
[0035]
其中，所述步骤1具体包括：所述编码器接收一对无记忆且平稳的高斯相关信源(x1,x2)，信源的均值为零，方差为编码器输出为v，编码器接收一对信源符号而映射一个信道符号作为输出，实现2:1的压缩编码，编码器输出须满足功率限制；
[0036]
e[||α(x1,x2)||2]≤p
ꢀꢀ
(1)。
[0037]
本发明的编码器接收一对无记忆且平稳的高斯相关信源(x1,x2)，信源的均值为零，方差为编码器输出为v。编码器α接收一对信源符号而映射一个信道符号作为输出，实现2:1的压缩编码。
[0038]
其中，所述步骤2具体包括：在所述译码器的前端，所述1比特模数转换器对信道输出y
i
进行量化，量化过程表示为：
[0039][0040]
其中，所述步骤3具体包括：所述译码器采用最小均方误差估计器，最小均方误差估计器通过以下公式表示：
[0041][0042]
其中，p(
·
)表示概率密度函数。
[0043]
本发明的系统目标是使两个用户端的估计信号值与信源信号值的总平均均方误差最小，译码器β
i
采用最小均方误差(mmse)估计器。
[0044]
其中，所述步骤4包括：以两个用户的平均均方误差作为性能评价标准，平均均方误差由以下公式表示：
[0045][0046]
其中，所述方法还包括使用非参数化映射算法优化变符号标量量化器线性编码器，获取优化后的编码映射，具体包括：对编码映射进行初始化，利用最小均方误差译码器
得到初始编码下的两个用户处的估计信号计算初始状态下系统的代价函数值j0并设置计数器k＝0；更新计数器k＝k 1，保持译码映射β1和β2不变，更新编码映射α；保持编码映射α不变，更新译码映射β1和β2；更新代价函数值j
k
，计算(j
k
‑1‑
j
k
)/j
k
‑1，如果该比值小于预设的阈值，结束算法；否则重新更新计数器k＝k 1。
[0047]
本发明的非参数化映射算法通过构建拉格朗日代价函数，拉格朗日代价函数如公式5所示，λ表示拉格朗日乘子，用于将约束条件函数和目标函数联系到一起。对于给定的λ，如果使得公式5最小化的解，也满足公式1的平均功率限制，那么，该解也将是有约束问题的解。对于给定的λ，按照图2的算法流程，可以获得确定的编码映射α。计算得到的该编码映射α对应的实际功率。如果实际功率e[||α(x1,x2)||2]大于限制功率p，则增加λ重新执行图2的实验流程；如果e[||α(x1,x2)||2]小于限制功率p，则减小λ重新执行图2的实验流程。
[0048]
观察公式5的结构，公式5中包含编码和译码两个部分，以上两个待优化的部分之间相互依赖，因此，本发明通过迭代优化的方法应对这个问题，在优化过程中，每一步骤只优化一个部分而同时保持另一个部分不变。
[0049]
假定译码映射(β1,β2)固定，最优的编码映射α由公式6表示：其中，每个用户的译码失真mse
i
和发射端实际功率p
act
分别由公式7和公式8表示为：
[0050]
mse
i
＝∫∫∫p(x1,x2,z
i
)
×
(x
i
‑
β
i
(z
i
))2dz
i
dx2dx1[0051]
＝∫∫∫p(x1,x2)p(z
i
|x1,x2)
×
(x
i
‑
β
i
(z
i
))2dz
i
dx2dx1[0052]
＝∫∫∫p(x1,x2)p(z
i
|α(x1,x2))
×
(x
i
‑
β
i
(z
i
))2dz
i
dx2dx1[0053]
p
act
＝∫∫p(x1,x2)α(x1,x2)2dx2dx1[0054]
观察公式7和公式8，由于联合概率p(x1,x2)是非负的，我们可以将公式6改写为公式9：
[0055]
px1,x2表示联合概率密度函数。根据贝叶斯原理，p(x1,x2)＝p(x1)p(x2|x1)。p(x1)表示信源分量x1的概率密度函数，p(x2|x1)表示已知信源分量x1下的条件概率密度函数。p(x1,x2)在公式9中被省略。
[0056]
p(x1)和p(x2|x1)的定义为：
[0057]
[0058][0059]
假设编码端固定，最优的译码方法是给定adc输出z
i
后的对x
i
的最小均方误差估计，译码映射由公式3表示。
[0060]
本发明对算法做出修改和近似，根据信源的分布概率特征生成一组蒙特卡洛样本。将信道输入通过有限的离散点集合表示，该集合用符号y表示。集合y的最大值和最小值分别表示为其中，l决定离散集合中离散点的数量，d决定离散集合的精度。随着精度d的减小和数值l的增大，离散集合y逐渐近似模拟连续。
[0061]
离散化操作后，编码更新公式9修改为公式10，而公式3分别表示为公
[0062]
式11和公式12：
[0063][0064][0065][0066]
v＝α(x1,x2)，pr(z1|v)表示已知编码映射输出后得到z1的先验概率。pr(z1|v)＝pr(z1|α(x1,x2))。
[0067]
以z1＝0，即y1≥0为例，我们有y1＝α(x1,x2) n1≥0，即n1≥
‑
α(x1,x2)
[0068][0069]
本发明的上述实施例所述的方法采用变符号标量量化器线性编码器方案作为对比方案，并且将该方案作为本发明算法的初始化函数；变符号标量量化器线性编码器方案是一种参数化的零时延编码方案，该方案被提出并应用于零时延相关信源广播通信系统中，参数化映射方案的优点在于编码映射的结构固定，信源空间的任意点都可以直接映射成相应的信道输入符号。参数化映射可以根据信号属性和信道条件，通过调整映射的参数来更新映射。同时通过应用一种非参数化映射算法，实现对变符号标量量化器线性编码器的优化。该非参数化映射算法通过离散化操作来表达最优编码映射的必要条件，基于发射端和接收端映射之间的联合优化和迭代，实现优化后的编码映射的获取。非参数化映射的优点在于可以在给定信源符号的先验分布的情况下，找到接近最优的编码映射。
[0070]
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。