文獻(xiàn)標(biāo)識碼: A
DOI:10.16157/j.issn.0258-7998.181239
中文引用格式: 趙曉娟,,楊守義,,張愛華,等. 一種稀疏度自適應(yīng)的SIMO-NOMA系統(tǒng)多用戶檢測算法[J].電子技術(shù)應(yīng)用,,2019,,45(1):64-67.
英文引用格式: Zhao Xiaojuan,Yang Shouyi,,Zhang Aihua,,et al. A sparsity adaptive multi-user detection algorithm for SIMO-NOMA systerms[J]. Application of Electronic Technique,2019,,45(1):64-67.
0 引言
在頻譜資源日益缺乏的情況下,,提高頻譜利用率增加用戶連接數(shù)成為5G無線網(wǎng)絡(luò)的一個研究方向[1]。非正交多址接入(Non-Orthogonal Multiple access,,NOMA)突破了傳統(tǒng)的正交限制,,其核心思想是通過碼域或功率域的多路復(fù)用使更多的用戶使用相同的時頻資源傳輸信息,從而實(shí)現(xiàn)過載,,提高頻譜利用率[2],。多天線技術(shù)因能充分利用空間資源而受到廣泛的研究。NOMA與多天線技術(shù)的結(jié)合可以進(jìn)一步提高系統(tǒng)的性能,,目前引起了一些研究者的熱切關(guān)注[3],。
在上行免調(diào)度NOMA系統(tǒng)中不需要動態(tài)調(diào)度,減少了傳輸時延,節(jié)約了信令開銷[4],。但是基站無法獲得用戶的活動信息,,因此,需要對用戶的活動進(jìn)行檢測,。有關(guān)統(tǒng)計(jì)表明:當(dāng)前的通信系統(tǒng)中,,進(jìn)行通信的用戶數(shù)量遠(yuǎn)遠(yuǎn)小于系統(tǒng)中總用戶的數(shù)量[5],即用戶的活動是稀疏的,,這一特點(diǎn)在海量的連接的5G通信系統(tǒng)中依然存在,。這樣,多用戶的檢測問題就轉(zhuǎn)化成稀疏信號的恢復(fù)問題,,激發(fā)了研究者利用壓縮感知(Compressed Sensing,,CS)算法來實(shí)現(xiàn)多用戶檢測[6]。文獻(xiàn)[7]通過考慮用戶活動在相鄰時隙之間的聯(lián)系,,提出一種基于動態(tài)壓縮感知(Dynamic Compressive Sensing,,DCS)的多用戶檢測算法。文獻(xiàn)[8]提出一種基于壓縮感知的消息傳遞算法(Compressive Sensing based Message Passing Algorithm,,CS-MPA),這些算法需要已知活躍用戶的數(shù)量,,在實(shí)際的通信中并不適用。通過利用用戶活動的結(jié)構(gòu)稀疏性,,文獻(xiàn)[4]和文獻(xiàn)[1]分別提出了結(jié)構(gòu)化迭代支撐檢測算法(Structured Iterative Support Detection,,SISD)和聯(lián)合近似消息傳遞(Approximate Message Passing,AMP)以及期望最大化(Expectation Maximization,,EM)算法,,在稀疏度未知情況下實(shí)現(xiàn)了免調(diào)度上行NOMA系統(tǒng)中用戶活動和數(shù)據(jù)的聯(lián)合檢測,但復(fù)雜度較高,。
受上述文獻(xiàn)啟發(fā),,本文考慮了基站端配備多根天線的情況。通過與傳統(tǒng)的稀疏度自適應(yīng)匹配追蹤(Sparsity Adaptive Matching Pursuit,,SAMP)算法結(jié)合,,提出一種基于SAMP的硬融合算法(Hard Fusion Algorithm,HFA),。該算法能夠在稀疏度未知的情況下對用戶的活動及數(shù)據(jù)進(jìn)行檢測,。在接收端的每根天線上只需用SAMP算法估計(jì)用戶活動信息,,通過對多根天線的檢測結(jié)果進(jìn)行融合進(jìn)而提高活躍用戶信息檢測的準(zhǔn)確性。
1 系統(tǒng)模型
考慮一個上行SIMO-NOMA系統(tǒng),,其中有一個基站和K個用戶,,基站端有NB根天線,每個用戶都有一根天線,?;钴S用戶k的傳輸符號xk為調(diào)制后符號,非活躍用戶的傳輸符號為0,。首先對符號xk進(jìn)行擴(kuò)頻,,擴(kuò)頻序列sk的長度為N,且N<K,,即擴(kuò)頻序列的長度小于用戶的數(shù)量,。然后把所有活躍用戶的信號疊加在一起并利用N個正交的OFDM子載波進(jìn)行傳輸?;荆˙S)端第l根天線上的接收信號可表示為:
2 檢測算法SAMP-HFA
文獻(xiàn)[5]指出,,同一時隙內(nèi),活躍用戶數(shù)一般不超過總用戶數(shù)10%,,即用戶的活動情況是稀疏的,。文獻(xiàn)[4]將一個稀疏度為s信號的支撐集定義為:
該集合表示x中非零元素的位置,檢測用戶活動信息的過程即求解該集合的過程,。
在壓縮感知理論中,,如果觀測矩陣Al滿足限制等容條件(Restricted Isometry Property,RIP),,就可以將稀疏信號x高概率重構(gòu),。這里,如果存在一個常數(shù)δ∈(0,,1)使得對于任何一個稀疏度為s的信號滿足式(5),,那么矩陣Al就滿足s階RIP。已有研究表明高斯隨機(jī)矩陣是普適的壓縮感知測量矩陣,,基于偽隨機(jī)噪聲序列的托普利茲矩陣可以高概率滿足RIP[9],,因此,在該系統(tǒng)中可以使用壓縮感知的方法進(jìn)行用戶檢測,。
2.1 SAMP算法不足
在壓縮感知檢測算法中,,SAMP算法[10]是經(jīng)典的適用于稀疏度自適應(yīng)的一個,但是它存在兩點(diǎn)不足:
(1)在有噪的非正交多址接入系統(tǒng)中該算法不適用,。文獻(xiàn)[10]指出當(dāng)測量值yl為無噪信號時,,其迭代停止閾值為ε=0;當(dāng)yl為有噪信號時,,ε為噪聲的能量,,即ε=norm(vl),,但是在實(shí)際中噪聲并不可知,因此無法獲取迭代停止閾值,。
(2)無法準(zhǔn)確估計(jì)信號稀疏度,。在設(shè)定迭代步長時,,設(shè)定得過小會使運(yùn)算時間大大增加,,但是過大又會出現(xiàn)過匹配或欠匹配的情況,影響檢測的準(zhǔn)確性,。
2.2 SAMP-HPA算法流程
本文所提算法主要是從以上兩點(diǎn)出發(fā):首先是如何獲取SAMP算法的停止閾值,,其次是如何改善該算法中原子過匹配或欠匹配問題。其流程主要包括以下三部分:
第一部分設(shè)定閾值時,,首先需要根據(jù)系統(tǒng)的信噪比估計(jì)閾值的大小,。當(dāng)設(shè)定閾值小于估計(jì)閾值時,在每根天線使用SAMP算法檢測出來的活躍用戶比實(shí)際的多,,這個活躍用戶的集合中包含大多數(shù)甚至是全部的活躍用戶,。針對不同的情況,設(shè)定閾值時需遵循以下兩點(diǎn):①信噪比較小時,,噪聲干擾較大,,檢測出的活躍用戶的準(zhǔn)確性較低,為提高融合后活躍用戶信息的準(zhǔn)確性,,在每根天線需要檢測出較多的用戶參與第二部分的融合,,因此應(yīng)適當(dāng)增大設(shè)定閾值與估計(jì)閾值的差值;隨著信噪比的增大,,各天線檢測出的活躍用戶集合相對準(zhǔn)確,,此時應(yīng)適當(dāng)減小設(shè)定閾值與估計(jì)閾值的差值。②當(dāng)天線的數(shù)目較少時,,只需綜合少數(shù)天線的檢測信息,,漏檢概率較小,應(yīng)減小設(shè)定閾值與估計(jì)閾值的差值,;隨著天線數(shù)目的增加,,參與融合的天線越來越多,融合過程中綜合的天線檢測信息增加,,漏檢概率相對也會增加,,因此應(yīng)增大設(shè)定閾值與估計(jì)閾值的差值,使每根天線檢測出更多的用戶參與融合,。
第二部分融合每根天線上用戶活動信息時結(jié)合了m秩準(zhǔn)則,。在本文意為:當(dāng)NB根天線中有m根天線檢測出某用戶是活躍的就認(rèn)為該用戶是活躍的。它是OR準(zhǔn)則和AND準(zhǔn)則的折中,。當(dāng)m=NB時,,該準(zhǔn)則等同于AND準(zhǔn)則,,當(dāng)m=1時等同于OR準(zhǔn)則[12]。該準(zhǔn)則能夠提高融合后活躍用戶信息正確性,,進(jìn)而使得系統(tǒng)的檢測性能提高,。當(dāng)天線數(shù)目NB=2時,m的取值為2,,即為AND準(zhǔn)則,,當(dāng)天線的數(shù)目增多時,通過選擇合適的值來融合多根天線上的用戶活動信息,。
針對某用戶,,使用m秩準(zhǔn)則進(jìn)行融合的全局檢測概率PD和虛警概率PF可表示如下:
其中,pd和pf分別表示每根天線對某一用戶的檢測概率和虛警概率,,對于OR準(zhǔn)則,,其全局漏檢概率最低,但是虛警概率最高,,AND準(zhǔn)則與之相反,。而m秩準(zhǔn)則可以有效避免上述兩種準(zhǔn)則所產(chǎn)生的極端后果,通過選擇合適的m值對每根天線上的檢測結(jié)果進(jìn)行融合,,提高融合后活躍用戶集合的準(zhǔn)確性,,進(jìn)而提高整個系統(tǒng)的檢測性能。
在對用戶的活動信息進(jìn)行融合時,,可使用如下方法進(jìn)行處理,。基本思想是根據(jù)每個用戶被基站端的多根天線檢測出來的頻率來判斷它是否活躍,。本文用wl表示第l根天線上的判決向量,,若第l根天線檢測用戶k活躍,則wl,,k=1,,否則wl,k=0,,根據(jù)每根天線檢測的活躍用戶集合,,將wl的相應(yīng)位置設(shè)置為1。因此,,在每根天線都可以得到一個包含用戶活動信息的判決向量,,并且將所有判決向量對應(yīng)相加便可以得到最終的判決向量w,結(jié)合m秩準(zhǔn)則,,根據(jù)此向量各位置的數(shù)值判斷用戶是否活躍,,即當(dāng)w中的元素值大于等于m時,就認(rèn)為這些用戶是活躍的,最終可以得到一個融合后的公共的活躍用戶的集合,。該集合記錄了活躍用戶的位置信息,,最后再利用最小二乘法便可以獲得活躍用戶的傳輸信息,實(shí)現(xiàn)多用戶的檢測,。該算法的具體步驟如下:
3 仿真結(jié)果
該部分考慮了在不同天線數(shù)目下,,信噪比及過載率對檢測性能的影響。其中過載率定義為:γ=K/N,。設(shè)置總用戶數(shù)K=150個,,信道矩陣元素是獨(dú)立的且滿足Hn,k∈CN(0,,1),,擴(kuò)頻序列是偽隨機(jī)噪聲序列(PN),,采用的調(diào)制方式為QPSK,。當(dāng)天線數(shù)目NB=1時,假設(shè)系統(tǒng)中的噪聲已知,,并將算法稱為理想SAMP算法,。當(dāng)天線的數(shù)目NB=4時,所提算法中的m取3,。
圖1顯示了不同天線數(shù)目下信噪比對誤碼率性能的影響,,其中活躍用戶的數(shù)量k=15,子載波數(shù)N=100,,即過載率為150%,。由圖1知,在信噪比較低時,,由于噪聲的干擾,,檢測效果普遍偏差;隨著信噪比的增加,,檢測效果逐漸變好,。同時,隨著天線數(shù)目的增加,,系統(tǒng)的檢測性能逐漸變好,,所提算法提高了用戶活動信息檢測的準(zhǔn)確性。
圖2顯示了不同天線數(shù)目下過載率對誤碼率性能的影響,,其中假設(shè)活躍用戶的數(shù)量仍為15個,,系統(tǒng)的信噪比為SNR=6 dB。由圖2可知:隨著子載波數(shù)量的增加,,即隨著過載率的減小,,理想的SAMP算法與所提的SAMP-HFA算法的誤碼率性能都逐漸提高,當(dāng)天線數(shù)目NB=4時,即使過載率較大,,效果也比天線數(shù)目少時好很多,。因此,可以達(dá)到節(jié)約頻譜資源的目的,。
4 結(jié)論
本文考慮了上行免調(diào)度NOMA系統(tǒng)中基站端配備多根天線的情況,,并提出了一種稀疏度自適應(yīng)的多用戶檢測算法SAMP-HFA。該算法解決了傳統(tǒng)的基于壓縮感知的多用戶檢測中活躍用戶數(shù)量未知這一實(shí)際問題,,它通過融合多根天線上檢測出的用戶活動信息,,提高了活躍用戶集合檢測的正確性,進(jìn)而提高了用戶數(shù)據(jù)檢測的正確性,。仿真結(jié)果表明,,該算法在信噪比以及過載率方面與單天線時相比,檢測性能均有所提升,。
參考文獻(xiàn)
[1] WEI C,,LIU H P,ZHANG Z C,,et al.Approximate massage passing based joint user activity and data detection for NOMA[J].IEEE Communications Letters,,2017,21(3):640-643.
[2] DAI L L,,WANG B C,,YUAN Y F,et al.Non-orthogonal multiple access for 5G:solutions,,challenges,,opportunities,and future research trends[J].IEEE Communications Magazine,,2015,,53(9):74-81.
[3] DING Z G,ADACHI F,,POOR H V.The application of MIMO to non-orthogonal multiple access[J].IEEE Transactions on Wireless Communications,,2016,15(1):537-552.
[4] WANG B C,,DAI L L,,MIR T,et al.Joint user activity and data detection based on structured compressive sensing for NOMA[J].IEEE Communications Letters,,2016,,20(7):1473-1476.
[5] HONG J P,CHOI W,,RAO B D.Sparsity controlled random multiple access with compressed sensing[J].IEEE Transactions on Wireless Communications,,2015,14(2):998-1010.
[6] SHIM B,SONG B.Multiuser detection via compressive sensing[J].IEEE Communications Letters,,2012,,16(7):972-974.
[7] WANG B C,DAI L L,,ZHANG Y,,et al.Dynamic compressive sensing based multi-user detection for uplink grant-free NOMA[J].IEEE Communications Letters,2016,,20(11):2320-2323.
[8] WANG B C,,DAI L L,YUAN Y F,,et al.Compressive sensing based multi-user detection for uplink grant-free non-orthogonal multiple access[C].Vehicular Technology Conference.IEEE,,2016:1-5.
[9] DAI W,MILENKOVIC O.Subspace pursuit for compressive sensing signal reconstruction[J].IEEE Transactions on Information Theory,,2009,,55(5):2230-2249.
[10] DO T T,GAN L,,NGUYEN N,,et al.Sparsity adaptive matching pursuit algorithm for practical compressed sensing[C].2008 42nd Asilomar Conference on Signals,Systems and Computers.IEEE,,2008:581-587.
[11] MALEKI S,CHEPURI S P,,LEUS G.Optimal hard fusion strategies for cognitive radio networks[C].2011 IEEE Wireless Communications and Networking Conference.IEEE,,2011:1926-1931.
[12] SUN C H,ZHANG W,,LEAIEF K B.Cluster-based coop-erative spectrum sensing in cognitive radio system[C].2007 IEEE International Conference on Communications.IEEE,,2007:2511-2515.
作者信息:
趙曉娟1,楊守義1,,張愛華2,,李曉宇1
(1.鄭州大學(xué) 信息工程學(xué)院,河南 鄭州450001,;2.中原工學(xué)院 電子信息學(xué)院,,河南 鄭州450007)