TH预编码系统的最优软判决检测方法

【技术领域】

针对采用TH(Tomlinson-Harashima)预编码的通信系统，本发明提供一种最优的软判决检测方法，该方法可以最大程度地挖掘信道编码的效能，充分降低系统的误码率。该发明属于通信与信息系统、信号与信息处理处理领域。

【背景技术】

为了适应大接入数和高容量的需求，当今和未来的无线通信都是基于多输入多输出(multiple-input multiple-output，MIMO)系统和多址接入(multiple-access，MA)。MIMO信道上传输的困难之一是多用户间的干扰，虽然可以通过迫零(zero forcing,ZF)和最小均方误差(minimum mean square error,MMSE)预编码之类的线性预编码抑制干扰，但它们的和速率性能通常与信道容量界相差甚远。Gelfand和Pinsker提出污纸编码(dirtypaper coding,DPC)可以实现信道容量，但是DPC的多维处理在实际操作中难以实现。Tomlinson-Harashima预编码(Tomlinson-Harashima precoding,THP)作为DPC的一个简单但次优的逐符号实现受到了广泛的关注。然而，在本发明之前，绝大多数工作仅进行理论的分析，少部分的误码性能分析也大多使用硬判决检测，关于低误码率的软判决检测方法的研究非常稀少。新加坡的E.Peh教授和以色列的Y.Hayoun教授发表了基于软判决的改进TH预编码接收机方案，但是没有考虑TH预编码符号之间的相关性，使得其难以达到较好的误码率性能。

目前，TH预编码的理论性能被大量用来刻画下行链路能谱效率的上限，但其实际应用上的误码率性能研究十分有限。

【发明内容】

(一)本发明的目的

本发明提供一种最优的软判决检测方法，在信道编码结合TH预编码的系统中，得到一个准确的后验概率和对数似然比(Log-Likelihood Ratio,LLR)，最大程度地挖掘信道编码的效能，充分降低TH预编码系统的误码率。

在应用TH预编码的多用户大规模MIMO系统中，用户的干扰项s在接收端未知，但是基站对所有用户的干扰信号已知。实际应用中，干扰项是多用户通信中来自一个或者多个用户叠加的信号，基站可以通过TH预编码在信号发射时对干扰进行预补偿。

此发明考虑的问题是如何设计TH预编码的软判决译码器，能够最大程度上结合信道编码并挖掘TH预编码系统的性能，尽可能提升误码率性能。

(二)技术方案

本发明一种TH预编码系统的最优软判决检测方法，包括如下步骤：

步骤一：发送端信道编码和调制

首先考虑实数的基带信号模型。考虑基站要传递一个长度为k的信息序列w到一个用户设备，c表示经信道编码后长度为n的数据流序列，可表示为：

其中，

经信道编码后，数据流序列c通过比特交织编码调制(BICM)和格雷码映射被逐符号地映射成q-PAM调制的信号序列，当不存在干扰时，调制后的信号可表示为：

其中，γ是用来归一化x的平均能量。这里，公式(1)、(2)将消息序列映射到了n长的q-PAM符号序列，其信息速率为

步骤二：TH预编码

TH预编码编码器的数学模型描述如下，c表示经信道编码后长度为n的数据流序列，s是该用户的干扰信号序列，x是信道编码后序列c经过TH预编码编码器后的输出信号，简称预编码后的信号，可以表示为：

其中，P

其中，

将TH预编码后的信号x与干扰信号序列s的和称为量化信号r，其可以表示为：

步骤三：信道传输

通过无线信道的传输，接收端收到的信号序列为：

这里预编码后的信号x和干扰信号序列s的平均能量做了归一化，P

步骤四：软判决检测方法

本部分为本发明的核心内容，详细介绍接收端如何将接收到的信号通过软判决计算得到对应的LLR。

基于TH预编码的特性，逐符号对序列进行处理。令c[t],y[t]和r[t]分别表示经信道编码后长度为n的数据流序列c，接收信号序列y和量化信号r的第t个符号，t＝1,,n。

对第t个符号，其码字的值为c[t]＝i,i＝0,,q-1，对应的后验概率求解为本发明的重点以及难点，需要根据符号之间的相关性得到，可以表示为：

上式的计算为本发明的核心创新点，充分利用符号之间的相关性进行计算，其先验概率p(r[t])以及其他概率函数取值的计算将在后面具体实施方案部分给出细节。然后根据LLR的计算公式，代入得到LLR的值。

步骤五：信道编码的译码(具体步骤见图2)

根据步骤四得到的LLR，并将其输入到标准的二进制LDPC迭代译码器，即可得到经信道编码后长度为n的数据流序列c的软判决译码结果。

步骤六：仿真验证与性能评估

在TH预编码系统模型下，针对本发明提出的软判决检测方法，开展系统误码率(BER)与信噪比(SNR)的仿真。考虑用户信号为等概率离散q-PAM分布，干扰信号为等概率离散q-PAM分布或者为连续的高斯分布。

为了评估TH预编码系统中单用户的性能，根据不同的编码速率、调制方式和干扰信号分布，对无干扰系统误码率和TH预编码系统误码率性能进行对比。

在无干扰的情况下，软判决检测方法可以实现最佳的错误检测率。然而，在实际应用中，很难完全消除干扰。因此，在评估软判决检测方法的性能时，需要考虑与无干扰情况下的性能差异。

(三)优点及功效

本发明在TH预编码系统的基础上，提出了软判决检测方法，考虑了信道编码后的信号c与量化信号r之间的关联性，通过全概率公式和贝叶斯公式得到准确的后验概率(APP)，将APP逐符号输入到LDPC译码器中，即可恢复原始的信息序列，其复杂度也与单用户无干扰系统下的编码复杂度基本一致。经仿真验证，当考虑单流信号时，干扰信号为高斯分布时，提出的软判决方法可以实现与无干扰系统大约1dB的误码率性能差异。在大规模MIMO系统下，当系统和速率相同时，此方法在功耗上可以实现与无干扰系统相差低于1dB，与理论值差距在3.8dB左右。在系统和速率性能上，可以逼近下行多用户信道的信息理论极限(差距在1dB左右)。以低成本显著提升了系统的能谱效率和吞吐量。此软判决检测方法可适用于不同的干扰信号分布，且都可以保证较好的性能，对于提升TH预编码系统的整体性能有适用性。

【附图说明】

图1为TH预编码编码器的结构框图。

图2为提出的TH预编码译码器流程示意图。

图3为q＝5的扩展星座示意图(不同形状的符号对应不同的消息值)。

图4为单用户模型干扰信号为高斯分布时的误码率性能曲线。

图5为3×3MIMO场景下系统和速率为

【具体实施方式】

为能对本发明的原理、方法、特征、性能优势有更进一步的认知与了解，现对其进行详细描述。

步骤一：发送端信道编码和调制

首先考虑实数的基带信号模型。考虑基站要传递一个长度为k的信息序列w到一个用户设备，c表示经信道编码后长度为n的数据流序列，可表示为：

其中，

经信道编码后的数据流序列c通过比特交织编码调制(BICM)和格雷码映射被逐符号地映射成q-PAM调制的信号序列。当不存在干扰时，调制后的信号可表示为：

其中，γ是用来归一化x的平均能量。这里，公式(8)、(9)将消息序列映射到了n长的q-PAM符号序列，其信息速率为

q-PAM序列的不同取值可以用星座点表示，一个q-PAM原始星座(星座点集合)可表示为如下:

考虑到TH预编码时发射功率的问题，对该q个星座点在整数域进行重复，得到一个关于

对该扩展星座根据其对应的消息值进行分组，可得到不同消息值对应的星座点集合为：

为原始星座集合，/>

为了更形象地说明扩展星座点地概念，考虑q＝5的情况，图3给出了对应的图形表示。原始星座为

步骤二：TH预编码

TH预编码编码器的数学模型描述如下，c表示经信道编码后长度为n的数据，s是该用户的干扰信号序列，x是信道编码后序列c经过TH预编码编码器后的输出信号，简称预编码后的信号，可以表示为：

其中，P

其中

将TH预编码后的信号x与干扰序列s的和称为量化信号r，其可以表示为：

其中，r的所有可能取值组成了扩展星座点

步骤三：信道传输

通过无线信道的传输，接收端收到的信号序列为：

这里预编码后的信号x和干扰信号序列s的平均能量做了归一化，P

步骤四：软判决检测方法(本发明的核心内容)

基于TH预编码的特性，逐符号对序列进行处理。令c[t],y[t]和r[t]分别表示经信道编码后长度为n的数据流序列c，接收信号序列y和量化信号r的第t个符号，t＝1,,n。

对第t个符号，其码字的值为c[t]＝i,i＝0,,q-1，对应的后验概率求解为本发明的重点以及难点，需要根据符号之间的相关性得到，表示为：

由于r[t]与c[t]是一一对应的关系，因此p(c[t]＝i|r[t])＝1，公式(17)可表示成如下形式：

接下来给出先验概率p(r[t])，条件概率p(y[t]|r[t])的计算方法。

由于量化信号r与信号x、干扰序列s相关，因此p(r[t])的值根据干扰序列s的不同分布情况进行分析。根据实际应用场景，主要分为高斯分布和q-PAM两种分布，分别对其进行计算。

(1)当干扰序列s符合高斯分布：

为方便描述，令s[t]表示干扰序列s的第t个符号，t＝1,,n，其分布满足均值为0，方差为

即

由公式(4)中模减的性质可知

(2)当干扰序列s为q-PAM分布：

根据q-PAM分布的性质，可以得到干扰信号s[t]对于其原始星座中的任一可能取值s，概率均为

由于是对于每一个y[t]求解后验概率，因此p(y[t])＝1。

由公式(4)和(6)可知，

其中，

将以上概率取值代入到公式(18)中，即可得到每一个y[t]对应不同星座点的后验概率取值，经过对相同消息值对应星座点概率的累加，即可得到y[t]对应的不同消息值的后验概率。

关于LLR的计算方法，此处仅给出4PAM时的计算公式。对于信息元素{0,1,2,3}对应的后验概率，将其表现为对应扩展星座点的和，可表示为

PP(i＝c(i))。令

步骤五：信道编码的译码(见图2)

根据步骤四得到的LLR，并将其输入到标准的二进制LDPC迭代译码器，即可得到经信道编码后长度为n的数据流序列c的软判决译码结果。

步骤六：仿真验证与性能评估

在TH预编码问题的系统模型下，针对本发明提出的软判决检测方法，开展系统误码率(BER)对信噪比(SNR)的Monte-Carlo仿真。分别考虑干扰信号分布为等概率离散q-PAM和干扰信号为连续的高斯分布的随机变量。每个SNR点收集100个帧错误后停止仿真，记录BER和FER的结果。仿真时码长为1920，编码速率为

在单用户模型下，用所提出的软判决检测方法，对干扰信号为高斯分布以及无干扰情况下的误码率性能进行仿真，性能曲线如图4所示。可以看到提出的软判决检测方法与无干扰情况的系统误码率相比，仅有1dB左右的差距。

下面给出一个具体实施例：

TH预编码软判决方法在3×3MIMO下行信道中的应用

本发明解决了多用户大规模MIMO下行信道TH预编码系统的最优软判决检测问题。本实例给出多用户大规模MIMO场景下用户数为K，基站天线数N＝K的TH预编码结合MMSE预编码的收发端设计，N和K的取值可以随着系统需求改变。

用户k的接收信号可表示为：

其中，

其中，

从公式(18)可知在基站发送端，将所有j＞k用户的叠加信号视为干扰，运用TH预编码对用户k的消息做预编码。在用户k接收端，利用此发明的最优软判决检测方法求解用户k的消息。由于

使用步骤一中干扰信号为高斯分布的情况，可以计算得到对应的APP。当s[t]中叠加用户数量小于4时，使用步骤一中干扰信号为q-PAM分布的情况，可以计算得到此情况对应的APP。

为了展示具体性能，给出了在K＝3的情况下给出仿真结果和性能分析。在K＝N＝3的情况下，码长为1920，系统和速率为

本发明的仿真将使用Matlab科学计算，并通过mex函数调用二进制LDPC的编码器、译码器、优化器的基于C语言的程序。将单用户下的TH预编码的仿真验证方法运用到上述多用户大规模MIMO串行TH预编码系统中，得到数值仿真结果。

虽然本发明已以实施例揭露如上，然而其仅仅为示例，并非用以限制本发明，任何所属技术领域中具有通常知识者，在不脱离本发明的精神和范围内，当可做出种种等同的改变或替换，因此本发明的保护范围当视所附的权利要求书所界定的范围为准。