基于软敏感比特和空间分组的时空迭代多用户检测方法

摘要

基于软敏感比特和空间分组的时空迭代多用户检测方法应用于无线通信中的多用户接入技术领域，其特征在于：它把所有用户根据空间相关性归类到若干组和相应各组以外的外组，再对各组内的子多用户使用基于软敏感比特的简化的MA∏迭代多用户检测算法，即首先分辨出敏感比特以获得先验信息，再在对原分辨出的敏感比特的小子集中进行MA∏检测，然后再用经迭代处理的各组内用户的信道MA∏译码输出的外信息实现组外的软干扰消除。它可用于宽带无线通信中编码的多用户接入系统，能在同时接入二十个用户时在AΩΓN信道和频选衰落信道下都能在很少的迭代次数下逼近单用户多天线编码系统的性能。

主权项

1、基于软敏感比特和空间分组的时空迭代多用户检测方法，含有结合智能天线的最大后验概率即MAP迭代多用户检测算法，其特征在于：它把所有用户根据空间相关性归类到若干组和相应各组以外的组即“外组”，再对各组内的子多用户使用基于软敏感比特的简化的MAP迭代多用户检测算法，即首先分辨出敏感比特以获得先验信息，再在对应分辨出的敏感比特的小子集中进行MAP检测，然后再用经迭代处理的各组内用户的信道MAP译码输出的外信息实现组外的软干扰消除；它依次含有以下步骤：1)用多天线矩阵接收多用户，设M个用户接入信号，根据用户信号入射方向做空间滤波和频域匹配滤波；根据用户间空间滤波权重系数的相关性，把所有M个用户归类并分到G个组和相应的“外组”；即：根据下式获得各用户的空间滤波权重矢量再由分组准则把所有M个用户归类分成G个组和相应的“外组”： ${\overrightarrow{W}}_m=\frac{{\overrightarrow{a}}_m}{\left|\right|{\overrightarrow{a}}_m\left|\right|}=k·{\overrightarrow{a}}_m,$   1≤m≤M    $k=\frac{1}{\sqrt{Q}}$其中：Q为天线元素数； ${\overrightarrow{a}}_m={[1,e^{-\mathrm{j\pi }\sin Q_m},.......,e^{-j(Q-1)\pi \sin {\theta }_m}]}^T$为第m个用户在入射角为Q_m下的天线阵列响应；所述的分组准则为：1.1)当β_μ，ν≥β₁且β_ν，μ≥β₂时，分配μ，ν，ν用户为同组Ω_g，即{μ，ν，ν}∈Ω_g；其中，μ＝1，...，M，ν＝1，....μ，ν＝2，....，ν-1，β₁，β₂为设定的门限，且β₁＞β₂，β_μ，ν为用户μ，ν间的空间滤波矢量W_μ，的相关系数，如： ${\beta }_{\mu ,\nu }=\frac{\left|\right|{{\overrightarrow{W}}_{\mu }}^H·{\overrightarrow{W}}_{\nu }\left|\right|}{\left|\right|W_{\mu }\left|\right|\left|\right|W_{\nu }\left|\right|}$上标(·)^H为共轭转置，“·”表示向量点积；1.2)当β_μ，ν≥β₁且β_ν，ν≤β₂下，分配用户μ，ν为同组Ω_g中的成员，即{μ，ν}∈Ω_g且 $\left\{\nu \right\}\notin {\Omega }_g,$于是，所有分配到G个组中的用户总数满足 $\underset{g=0}{\overset{G=1}{\Sigma }}{k}_g=M,$其中k_g为第g个组的用户总数，“外组”即为第g个组Ω_g以外的用户，用Ω_g^I表示，其用户数满足 $k_g^I=M-k_g,k_g^I,$表示Ω_g^I的用户总数；2)计算所有M个用户的编码比特的初始硬估计和软估计，并把真值分配到G个组和相应的“外组”；在接收端经过波束形成和传统的匹配滤波后，得到所有M个用户的编码比特初始硬估计和软估计，它们依次分别为： ${\hat{d}}_{\bar{g},t}^{\left(R\right)}=\mathrm{sign}\left(\mathrm{real}\left(y_{m(k,\bar{g})}\right)\right),$ ${\tilde{d}}_{\bar{g},t}^{\left(k\right)}=\mathrm{real}\left(y_{m(k,\bar{g})}\right);$y_m(k，g)是第m个用户被归类为第g个“外组”中的第k个用户的接收信号匹配滤波(MF)输出；3)定义各组最大的敏感比特数目和最大迭代次数；3.1)根据下述不等式来分辨估计的多用户编码比特矢量的似然度量和传统的单用户匹配滤波(MF)估计的初始各用户的编码比特的似然度量差值的上限，的值越大则对应调整的比特越可能估计错误，即敏感比特；3.2)再在k_g个中搜索f(f＜k_g)个最大的度量值，f为第g个组内的敏感比特数；4)在第g个组内执行基于软敏感比特的简化的迭代MAP多用户检测算法，它依次有以下步骤：4.1)  根据“外组”软估计实现软干扰消除；根据“外组”Ω_g^I内用户传输的编码比特的软估计来实现软干扰消除：上述软估计 ${\tilde{d}}_{\bar{g},k}^{\left(k\right)}=\mathrm{real}\left(y_{m(k,\bar{g})}\right);$则干扰消除后，有 ${{\overrightarrow{X}}_g}^n=H_g{G}_{g,t}{\overrightarrow{d}}_{g,t}+{\overrightarrow{Z}}_g,$而的自相关矩阵为 $E\left[{\overrightarrow{Z}}_g{{\overrightarrow{Z}}_g}^H\right]=H_{\bar{g}}·E[\Delta {\overrightarrow{d}}_{\bar{g}}·\Delta {{\overrightarrow{d}}_{\bar{g}}}^H]·{H_{\bar{g}}}^H+\frac{1}{\sqrt{Q}}{H}_g{{\sigma }_n}^2;$其中，H_g是第g组Ω_g内用户和相关矩阵，H_g是组Ω_g内用户和相应“外组”Ω_g^I内用户间的相关矩阵，G_g，t为组内Ω_g用户的平均功率，为组Ω_g中用户传输的编码比特矢量，是外组Ω_g^I内用户传输的编码比特的软估计，是“外组”Ω_g^I中用户的MAP信道译码输出的估计误差，σ_n²是加性高斯白噪声即AWGN的方差；4.2)用敏感比特算法找出f个敏感比特，根据这些敏感比特用简化的MAP多用户检测算法计算输出的第g组内各用户的外信息；当我们要第一次迭代时设敏感比特的先验概率为等概率分布且非敏感比特的先验概率为1时，则MAP多用户检测算法可仅考虑对应f个敏感比特的2^f个编码比特矢量4.2.1)计算第g组内第k个用户的外信息λ_1e^k；4.2.2)用MAP算法算出第k个用户的后验LOG似然率即LLR，用Λ₂表示，则用户译码输出的外信息为 ${\lambda }_{2e}^k={\Lambda }_2-{\lambda }_{1e}^k;$4.2.3)把λ_2e^k反馈到MAP多用户检测模块，在迭代结束时，计算信息比特的后验LOG似然率，由此来作接收比特译码；4.2.4)根据各用户信道译码反馈的外信息得到改进的编码比特先验信息即： ${\lambda }_{1\sigma }^k={\lambda }_{2e}^k,$从而得到更准确的用户编码比特的硬估计和软估计；4.3)判断迭代是否结束：若未结束，则各用户MAP信道译码器计算编码比特的外信息并返回步骤(2)；若已结束，即计算完G个组，则各用户MAP信道译码器计算出信息比特的外信息作为多用户检测信号输出；5)获得所有M个用户的改进的硬估计和软估计，返回步骤(3)。