一种低分辨率ADC下机器类通信中的低复杂度信号检测方法

技术特征：
1.一种低分辨率adc下机器类通信中的低复杂度信号检测方法，其特征在于，所述方法包括如下步骤：获取接收信号，并建立大规模mimo支持机器类通信的系统模型；通过系统模型中的每条射频链配备的模数转换器对所述接收信号进行量化，得到量化接收信号；根据伍德伯里woodbury公式与诺曼级数展开近似的gec算法，并结合帧结构的稀疏性特点，构建近似广义期望一致性多测量agec-mmv算法；根据构建的agec-mmv算法对所述量化接收信号进行处理，估计每一个时隙中每个用户设备发射符号的后验均值；在agec-mmv算法中利用发射离散星座符号的先验信息以及期望最大化算法，得到所有活跃用户设备在所有时隙发射的信号。2.根据权利要求1所述的低分辨率adc下机器类通信中的低复杂度信号检测方法，其特征在于，所述建立大规模mimo支持机器类通信的系统模型的步骤，包括：系统模型可以表示为：y＝hx w＝z w；其中，y为在j个连续时隙间隔内的接收信号；x为n个用户设备在j个连续时隙间隔内发送的信息符号所组成的发送信号；h为n个用户设备到基站的信道矩阵，元素h
mn
为相互独立且同分布的复高斯随机变量，元素h
mj
～cn(0,1)；w为加性高斯白噪声；元素w
mj
～cn(0,σ2)；当第j个时隙中的第n个用户设备为活跃状态时，x
nj
的值来自正交调幅调制星座点集合c；当采用四进制正交幅度调制时，星座点集c为：其中，l为虚数单位；当j个时隙中的第n个用户设备为非活跃状态，则x
nj
的值为0；其中，n个用户设备在第j个时隙中的活跃概率已知条件下的x
nj
的先验概率为：其中，λ
n1
＝
…
＝λ
nj
＝λ
n
；其中{c
i
,i＝1,
…
,|c|}为星座点的集合，|c|为星座点集合c的大小，p
i
＝1/|c|为活跃用户设备选择星座点集合c中第i个点c
i
的概率，δ(
·
)为狄拉克函数。3.根据权利要求2所述的低分辨率adc下机器类通信中的低复杂度信号检测方法，其特征在于，所述通过系统模型中的每条射频链配备的模数转换器对所述接收信号进行量化，得到量化接收信号的步骤，包括：通过复数量化器对接收信号中的元素进行量化，得到量化后的量化接收信号；量化接收信号q
c
(
·
)为复数量化器；
对接收信号中的元素y
mj
的实部与虚部分别进行量化，具体量化的过程为当实部落在区间的范围时，实值的取值集合为其中，下限阈值为：其中，上限阈值为：当虚部落在区间的范围时，输出实值的取值集合为：其中，的下限阈值为：其中，的上限阈值为：其中，δ为实值量化器q(
·
)的量化步长，b为实值量化器q(
·
)的量化比特数为b。4.根据权利要求3所述的低分辨率adc下机器类通信中的低复杂度信号检测方法，其特征在于，所述根据构建的agec-mmv算法对所述量化接收信号进行处理，估计每一个时隙中每个用户设备发射符号的后验均值的步骤，包括：对agec-mmv算法进行初始化；将所述量化接收信号输入初始化后的agec-mmv算法中，根据初始化后的agec-mmv算法中的初始模块c外部先验矩阵初始模块c先验方差向量和量化接收信号，得到第一模块c外部先验矩阵和第一模块c先验方差向量通过将所述第一模块c外部先验矩阵对agec-mmv算法中初始模块c外部先验矩阵进行替换以及所述第一模块c先验方差向量对agec-mmv算法中的初始模块c先验方差向量进行替换，根据初始化后的agec-mmv算法中的第一模块c外部先验矩阵所述第一模块c先验方差向量和所述量化接收信号，得到第二模块c外部先验矩阵和第二模块c
先验方差向量以此类推，通过将所述第t-1模块c外部先验矩阵对agec-mmv算法中t-2模块c外部先验矩阵进行替换以及所述第t-1模块c先验方差向量对agec-mmv算法中的第t-2模块c先验方差向量进行替换，根据agec-mmv算法中的第t-1模块c外部先验矩阵所述第t-1模块c先验方差向量和所述量化接收信号，得到第t模块c外部先验矩阵和第t模块c先验方差向量5.根据权利要求4所述的低分辨率adc下机器类通信中的低复杂度信号检测方法，其特征在于，所述对agec-mmv算法进行初始化的步骤，包括：令agec-mmv算法中的初始模块c外部先验矩阵初始模块c先验方差向量初始模块c均值矩阵初始模块c方差向量其中，上标0为迭代次数t＝0，trace(
·
)为矩阵的迹，为初始模块c外部先验矩阵第m行第j列的元素，为初始模块c先验方差向量中第j个元素，为初始模块c均值矩阵中第n行第j列的元素，为初始模块c方差向量v
2x
中第j个元素；令n个用户设备的初始活跃概率λ
n1
＝
…
＝λ
nj
＝λ
n
＝0.5。6.根据权利要求5所述的低分辨率adc下机器类通信中的低复杂度信号检测方法，其特征在于，其中agec-mmv算法包括模块a、模块b和模块c，所述根据初始化后的agec-mmv算法中的初始模块c外部先验矩阵初始模块c先验方差向量和量化接收信号，得到第一模块c外部先验矩阵和第一模块c先验方差向量的步骤，包括：根据初始模块c外部先验矩阵初始模块c先验方差向量和所述量化接收信号，得到第一模块a外部均值矩阵和第一模块a外部方差向量将所述第一模块a外部均值矩阵、所述第一模块a外部方差向量输入模块c中，根据所述第一模块a外部均值矩阵、所述第一模块a外部方差、初始模块c均值矩阵和初始模块c方差向量得到第一模块c外部均值矩阵和第一模块c外部方差向量将所述第一模块c外部均值矩阵和所述第一模块c外部方差向量输入模块b中，得到第一模块b外部均值矩阵和第一模块b外部方差向量将所述第一模块b外部均值矩阵和第一模块b外部方差向量输入模块c中，得到第一模块c后验均值矩阵和第一模块c后验方差向量利用高斯函数除法对所述第一模块c后验均值矩阵和第一模块c后验方差向量进行处理，得到第一模块c外部先验矩阵以及第一模块c先验方差向量所述根据初始化后的agec-mmv算法中的第一模块c外部先验矩阵所述第一模块c先验方差向量和所述量化接收信号，得到第二模块c外部先验矩阵和第二模块c先验方差向量的步骤，包括：根据第一模块c外部先验矩阵第一模块c先验方差向量和所述量化接收信号，得
到第二模块a外部均值矩阵和第二模块a外部方差向量将所述第二模块a外部均值矩阵、所述第二模块a外部方差向量输入模块c中，根据所述第二模块a外部均值矩阵所述第二模块a外部方差第一模块c均值矩阵和第一模块c方差向量得到第二模块c外部均值矩阵和第二模块c外部方差向量将所述第二模块c外部均值矩阵和所述第二模块c外部方差向量输入模块b中，得到第二模块b外部均值矩阵和第二模块b外部方差向量将所述第二模块b外部均值矩阵和第二模块b外部方差向量输入模块c中，得到第二模块c后验均值矩阵和第二模块c后验方差向量利用高斯函数除法对所述第二模块c后验均值矩阵和第二模块c后验方差向量进行处理，得到第二模块c外部先验矩阵以及第二模块c先验方差向量7.根据权利要求6所述的低分辨率adc下机器类通信中的低复杂度信号检测方法，其特征在于，所述根据agec-mmv算法中的第t-1模块c外部先验矩阵所述第t-1模块c先验方差向量和所述量化接收信号，得到第t模块c外部先验矩阵和第t模块c先验方差向量的步骤，包括：根据第t-1模块c外部先验矩阵第t-1模块c先验方差向量和所述量化接收信号，得到第t模块a外部均值矩阵和第t模块a外部方差向量将所述第t模块a外部均值矩阵所述第t模块a外部方差向量输入模块c中，根据所述第t模块a外部均值矩阵所述第t模块a外部方差第t-1模块c均值矩阵和第t-1模块c方差向量得到第t模块c外部均值矩阵和第t模块c外部方差向量将所述第t模块c外部均值矩阵和所述第t模块c外部方差向量输入模块b中，得到第t模块b外部均值矩阵和第t模块b外部方差向量将所述第t模块b外部均值矩阵和第t模块b外部方差向量输入模块c中，得到第t模块c后验均值矩阵和第t模块c后验方差向量利用高斯函数除法对所述第t模块c后验均值矩阵和第t模块c后验方差向量进行处理，得到第t模块c外部先验矩阵以及第t模块c先验方差向量8.根据权利要求7所述的低分辨率adc下机器类通信中的低复杂度信号检测方法，其特征在于，所述根据第t-1模块c外部先验矩阵、第t-1模块c先验方差向量和所述量化接收信号，得到第t模块a外部均值矩阵和第t模块a外部方差向量的步骤，包括：第t模块a外部均值矩阵中的元素为：第t模块a外部方差向量中的元素为：
其中，其中，其中，其中，其中，其中，其中，其中，其中，其中，9.根据权利要求8所述的低分辨率adc下机器类通信中的低复杂度信号检测方法，其特征在于，所述根据所述第t模块a外部均值矩阵所述第t模块a外部方差第t-1模块c均值矩阵和第t-1模块c方差向量得到第t模块c外部均值矩阵和第t模块c外部方差向量的步骤，包括：第t模块c外部均值矩阵中的元素为：
第t模块c外部方差向量中的元素为：其中，其中，其中，其中，将所述第t模块c外部均值矩阵和所述第t模块c外部方差向量输入模块b中，得到第t模块b外部均值矩阵和第t模块b外部方差向量的步骤包括：第t模块b外部均值矩阵中的元素为：第t模块b外部方差向量中的元素为：其中，其中，其中，所述将所述第t模块b外部均值矩阵和第t模块b外部方差向量输入模块c中，得到第t模块c后验均值矩阵和第t模块c后验方差向量的步骤，包括：第t模块c后验均值矩阵中的第j列向量为：为：为：第t模块c后验方差向量中的元素为：
所述利用高斯函数除法对所述第t模块c后验均值矩阵和第t模块c后验方差向量进行处理，得到第t模块c外部先验矩阵以及第t模块c先验方差向量的步骤，包括：第t模块c外部先验矩阵中的元素为：第t模块c先验方差向量中的元素为：10.根据权利要求9所述的低分辨率adc下机器类通信中的低复杂度信号检测方法，其特征在于，所述在agec-mmv算法中利用发射离散星座符号的先验信息以及期望最大化算法，得到所有活跃用户设备在所有时隙发射的信号的步骤，包括：下一次迭代的每个用户设备的活跃概率为：其中，其中，其中，其中，当迭代次数t达到最大迭代次数t时，根据λ
n
在第t次迭代完成后的值判断第n个用户设备的活跃性；当时，则用户设备活跃；当则用户设备不活跃。

技术总结
本发明公开了一种低分辨率ADC下机器类通信中的低复杂度信号检测方法，包括：获取接收信号，并建立大规模MIMO支持机器类通信的系统模型；通过系统模型中的每条射频链配备的模数转换器对所述接收信号进行量化，得到量化接收信号；根据Woodbury公式与诺曼级数展开近似的GEC算法，并结合帧结构的稀疏性特点，构建AGEC-MMV算法；根据构建的AGEC-MMV算法对所述量化接收信号进行处理，估计后验均值；在AGEC-MMV算法中利用发射离散星座符号的先验信息以及期望最大化算法，得到所有活跃用户设备在所有时隙发射的信号。本发明降低了原始GEC算法的复杂度，解决了现有先进算法对天线相关性衰落信道敏感问题，实现了利用EM算法更新下一次迭代时的用户设备的活跃概率。迭代时的用户设备的活跃概率。迭代时的用户设备的活跃概率。


技术研发人员：蒲旭敏 杨小珑 陈前斌
受保护的技术使用者：重庆邮电大学
技术研发日：2022.01.13
技术公布日：2022/5/20