本發(fā)明涉及無(wú)線通信技術(shù)，具體涉及一種otfs-mimo-isac系統(tǒng)雙迭代turbo均衡器設(shè)計(jì)方法。

背景技術(shù)：

1、隨著5g及未來(lái)6g通信系統(tǒng)的不斷演進(jìn)，如何在高速移動(dòng)環(huán)境下實(shí)現(xiàn)高可靠、低延遲、高數(shù)據(jù)速率的無(wú)線通信成為核心研究課題。為了滿足這些性能需求，正交頻分復(fù)用（ofdm）和大規(guī)模多輸入多輸出（mimo）等關(guān)鍵技術(shù)被廣泛應(yīng)用。然而，在高多普勒擴(kuò)展的場(chǎng)景下，ofdm調(diào)制容易受到嚴(yán)重的載波間干擾（ici），其性能顯著下降，難以滿足高移動(dòng)性的通信需求。

2、近年來(lái)，正交時(shí)頻空間（otfs）作為一種新型調(diào)制方式，在延遲-多普勒（delay-doppler,?dd）域進(jìn)行符號(hào)復(fù)用，展現(xiàn)出優(yōu)于傳統(tǒng)ofdm的魯棒性和性能。otfs通過(guò)二維變換將每個(gè)符號(hào)擴(kuò)展到整個(gè)時(shí)頻（tf）域，使得所有符號(hào)均可獲得統(tǒng)一的信道增益，顯著提升了信道分集利用效率。相較于tf域，dd域信道表現(xiàn)出更強(qiáng)的稀疏性與低時(shí)變性，為高精度低開(kāi)銷的信道估計(jì)提供了可能。此外，大規(guī)模mimo因其在頻譜效率和系統(tǒng)容量方面的巨大潛力，成為5g系統(tǒng)的重要支撐技術(shù)。將otfs與大規(guī)模mimo相結(jié)合，有望進(jìn)一步提升系統(tǒng)在高速和高頻率傳輸下的性能。然而，這一融合也帶來(lái)了新的挑戰(zhàn)：一方面，otfs調(diào)制帶來(lái)的全局信道耦合使得檢測(cè)復(fù)雜度顯著上升；另一方面，信道估計(jì)精度直接影響系統(tǒng)整體性能，尤其在高維度mimo環(huán)境中更為關(guān)鍵。

3、當(dāng)前的研究中，盡管提出了多種均衡與檢測(cè)方法，例如基于mpa（message?passingalgorithm）和spa（sum?product?algorithm）的turbo檢測(cè)器，但這些方法普遍面臨復(fù)雜度高、短環(huán)路帶來(lái)的性能瓶頸等問(wèn)題。因此，如何在保證性能的前提下降低復(fù)雜度，成為otfs-mimo系統(tǒng)中turbo均衡器設(shè)計(jì)的關(guān)鍵課題。

技術(shù)實(shí)現(xiàn)思路

1、針對(duì)現(xiàn)有otfs大規(guī)模mimo通信系統(tǒng)中，由于檢測(cè)復(fù)雜度高、信道估計(jì)精度不足所導(dǎo)致的系統(tǒng)性能下降問(wèn)題，本發(fā)明提供了一種otfs-mimo-isac系統(tǒng)雙迭代turbo均衡器設(shè)計(jì)方法，設(shè)計(jì)了一種雙迭代稀疏最小均方誤差（mmse）turbo均衡器，并結(jié)合改進(jìn)的信道估計(jì)方法，在復(fù)雜度與性能之間實(shí)現(xiàn)良好權(quán)衡。本發(fā)明較傳統(tǒng)方法相比，為高移動(dòng)性無(wú)線通信系統(tǒng)提供了低復(fù)雜度、高精度的均衡與信道估計(jì)解決方案。

2、為實(shí)現(xiàn)上述技術(shù)目的，本發(fā)明采取的技術(shù)方案為：

3、一種?otfs-mimo-isac系統(tǒng)雙迭代turbo均衡器設(shè)計(jì)方法，所述方法包括以下步驟：

4、s1，將每個(gè)用戶設(shè)備的輸入比特流經(jīng)過(guò)編碼器編碼，得到的編碼向量經(jīng)交織后映射到符號(hào)序列；

5、s2，將符號(hào)序列通過(guò)逆辛有限傅里葉變換轉(zhuǎn)換到時(shí)頻域，得到時(shí)頻域矩陣；

6、s3，應(yīng)用海森堡變換將時(shí)頻域矩陣轉(zhuǎn)換為時(shí)域信號(hào)；

7、s4，通過(guò)mimo架構(gòu)將時(shí)域信號(hào)分配到多個(gè)發(fā)射天線，進(jìn)行多天線傳輸，每個(gè)發(fā)射信號(hào)均添加循環(huán)前綴以對(duì)抗多徑時(shí)延；發(fā)射信號(hào)經(jīng)過(guò)時(shí)變信道傳輸時(shí)，遭受多徑效應(yīng)引起的符號(hào)間干擾、多普勒頻移導(dǎo)致的載波間干擾，以及加性高斯白噪聲的影響，形成具有延遲多普勒二維耦合特性的接收信號(hào)；

8、s5，將接收信號(hào)經(jīng)過(guò)wigner變換和辛有限傅里葉變換重新映射回dd域；

9、s6，將映射回dd域的接收信號(hào)輸入構(gòu)建的雙迭代稀疏mmse?turbo均衡器，估計(jì)得到所有用戶設(shè)備的發(fā)射符號(hào)；所述雙迭代稀疏mmse?turbo均衡器包括mmse估計(jì)器和軟輸入軟輸出解碼器，該雙迭代稀疏mmse?turbo均衡器通過(guò)迭代地在mmse估計(jì)器和軟輸入軟輸出解碼器之間傳遞軟信息以執(zhí)行外部迭代，以及在mmse估計(jì)器內(nèi)執(zhí)行內(nèi)部迭代；

10、具體地，執(zhí)行外部迭代時(shí)，mmse估計(jì)器基于本次外部迭代的先驗(yàn)信息從接收序列中估計(jì)得到發(fā)射符號(hào)，再將估計(jì)的發(fā)射符號(hào)作為軟輸入軟輸出解碼器的先驗(yàn)信息映射到軟輸入軟輸出解碼器的相應(yīng)對(duì)數(shù)似然比，解碼器將計(jì)算得到的外部信息反饋給mmse估計(jì)器，從中獲得新的均值和方差并稀疏協(xié)方差矩陣方差，作為開(kāi)始下一次外部迭代的先驗(yàn)信息；

11、執(zhí)行內(nèi)部迭代時(shí)，采用tfqmr算法將計(jì)算稀疏化協(xié)方差矩陣的逆矩陣的問(wèn)題轉(zhuǎn)化為求解等效稀疏線性系統(tǒng)，再利用fspai算法推導(dǎo)出的近似值；

12、s7，基于估計(jì)的發(fā)射符號(hào)，進(jìn)行信道估計(jì)，獲得信道信息。

13、步驟s1進(jìn)一步包括：

14、多個(gè)用戶設(shè)備分布在基站周圍，每個(gè)用戶設(shè)備都有自己的天線陣列，基站和每個(gè)用戶設(shè)備之間采用mimo-otfs系統(tǒng)中的下行鏈路傳輸；基站部署有個(gè)天線，為個(gè)用戶設(shè)備提供服務(wù)；基站配備有均勻線性陣列，天線間距設(shè)置為半波長(zhǎng)；

15、將每個(gè)用戶設(shè)備的輸入比特流經(jīng)過(guò)編碼器編碼得到編碼向量，為編碼器的生成矩陣，是用戶設(shè)備的輸入比特流長(zhǎng)度，它與編碼后的比特流長(zhǎng)度和碼率之間的關(guān)系為：；將編碼向量經(jīng)過(guò)交織得到，并映射到符號(hào)序列，其中是用戶設(shè)備的符號(hào)序列長(zhǎng)度，是用戶設(shè)備的符號(hào)集。

16、進(jìn)一步地，步驟s2中，對(duì)于用戶設(shè)備，在延遲維度上執(zhí)行點(diǎn)的快速傅里葉變換，在多普勒維度上執(zhí)行點(diǎn)的逆快速傅里葉變換，將每個(gè)用戶設(shè)備分配至指定的個(gè)dd資源塊，以確保用戶設(shè)備間的信號(hào)不相互干擾；數(shù)學(xué)表達(dá)式為：

17、；

18、其中，是點(diǎn)的dft矩陣，用于在延遲維度上執(zhí)行快速傅里葉變換；是點(diǎn)的idft矩陣，用于在多普勒維度上執(zhí)行逆快速傅里葉變換；表示時(shí)頻域矩陣；表示符號(hào)矩陣，是符號(hào)序列經(jīng)過(guò)延遲多普勒域的映射后得到的矩陣。

19、步驟s3進(jìn)一步包括：

20、對(duì)時(shí)頻域矩陣的每一列執(zhí)行點(diǎn)的逆快速傅里葉變換，并應(yīng)用脈沖成形矩陣得到時(shí)域傳輸矩陣：

21、；

22、式中，是點(diǎn)的dft矩陣，表示矩陣的共軛轉(zhuǎn)置；

23、將時(shí)域傳輸矩陣向量化為時(shí)域信號(hào)：

24、；

25、其中，，表示克羅內(nèi)克積，表示向量化函數(shù)，是點(diǎn)的idft矩陣，表示符號(hào)矩陣。

26、步驟s4進(jìn)一步包括：

27、在時(shí)域信號(hào)的每個(gè)otfs幀中添加一個(gè)長(zhǎng)度為的循環(huán)前綴，再將其轉(zhuǎn)換為模擬信號(hào)，得到發(fā)射信號(hào)；其中，循環(huán)前綴的長(zhǎng)度滿足以下條件：，其中是用戶設(shè)備的最大延遲，表示帶寬，為子載波間距；

28、用戶設(shè)備的接收信號(hào)表示為：

29、；

30、其中是時(shí)域中的加性白高斯噪聲；表示用戶設(shè)備的信道脈沖響應(yīng)，其中和分別表示信號(hào)的時(shí)延和多普勒頻移，t為時(shí)間；

31、去除循環(huán)前綴后，接收信號(hào)以間隔進(jìn)行采樣，離散接收信號(hào)表示為：

32、；

33、其中，表示對(duì)進(jìn)行取模操作，是用戶設(shè)備的第條路徑的延遲索引，是用戶設(shè)備的第條路徑的多普勒頻移索引，是用戶設(shè)備的路徑數(shù)，為分離的時(shí)間點(diǎn)；

34、從離散接收信號(hào)出發(fā)，用戶設(shè)備的接收信號(hào)向量表示為：

35、；

36、其中是加性高斯白噪聲向量，為用戶設(shè)備的時(shí)域有效信道矩陣，，是用戶設(shè)備的第條路徑的信道增益，是置換矩陣。

37、步驟s5進(jìn)一步包括：

38、s51，對(duì)于用戶設(shè)備，將接收信號(hào)向量重新排列成一個(gè)矩陣，執(zhí)行稀疏快速傅里葉變換，包括對(duì)列進(jìn)行點(diǎn)的逆快速傅里葉變換和對(duì)行進(jìn)行點(diǎn)的快速傅里葉變換；具體地，使用矩形接收脈沖成形波形，對(duì)矩陣的每一列應(yīng)用點(diǎn)的快速傅里葉變換，以獲得時(shí)頻域接收信號(hào)，；再將時(shí)頻域接收信號(hào)表示為，其中是的單位矩陣，對(duì)行進(jìn)行點(diǎn)的快速傅里葉變換，得到dd域接收矩陣；式中，是點(diǎn)的dft矩陣，是點(diǎn)的idft矩陣；

39、s52，將dd域接收矩陣向量化，得到接收序列，所發(fā)送的符號(hào)序列和所接收的接收序列之間的關(guān)系表示如下：

40、；

41、式中，為用戶設(shè)備的時(shí)域有效信道矩陣，是加性高斯白噪聲向量；

42、將關(guān)系式簡(jiǎn)化為，其中是dd域噪聲向量，表示用戶設(shè)備的有效dd域信道矩陣。

43、進(jìn)一步地，步驟s6中，所述外部迭代包括以下步驟：

44、s61，對(duì)于用戶設(shè)備，使用mmse估計(jì)器從接收序列中估計(jì)發(fā)射符號(hào)，其中，mmse估計(jì)器的輸入包括每個(gè)符號(hào)的均值和方差，；mmse估計(jì)器估計(jì)得到的發(fā)射符號(hào)為：

45、；

46、式中，為協(xié)方差公式，表示時(shí)域信號(hào)采樣之后的離散取值的信號(hào)；

47、令，，且接收序列的協(xié)方差矩陣，則發(fā)射符號(hào)表示為：

48、；

49、其中表示均值向量，表示用戶設(shè)備的有效dd域信道矩陣的第列，；

50、將上式修改為：

51、；

52、其中均值和方差的初始值分別取值為0和1；

53、使用woodbury矩陣恒等式，將估計(jì)的發(fā)射符號(hào)表示為：

54、；

55、s62，將估計(jì)的發(fā)射符號(hào)映射到軟輸入軟輸出解碼器的相應(yīng)對(duì)數(shù)似然比，計(jì)算得到估計(jì)符號(hào)的均值和方差：

56、；

57、；

58、其中是由是厄米特矩陣得出，符號(hào)集為，每個(gè)符號(hào)表示第個(gè)星座，，其對(duì)應(yīng)兩位比特，分別為[0,0]、[0,1]、[1,0]和[1,1]；是實(shí)數(shù)，表示的復(fù)數(shù)共軛；

59、通過(guò)將均值和方差代入相應(yīng)對(duì)數(shù)似然比的計(jì)算公式，推導(dǎo)出的外部llr為：

60、；

61、；

62、其中，和表示對(duì)應(yīng)符號(hào)的實(shí)部和虛部，將解交織為，并用作解碼器的先驗(yàn)信息；

63、s63，將解碼器輸出的外部信息通過(guò)交織器得到，并反饋給mmse估計(jì)器，推導(dǎo)得到：

64、；

65、其中，從符號(hào)集中，新的均值和方差表示為：

66、

67、；

68、s64，采用下述公式稀疏化協(xié)方差矩陣：

69、；

70、其中，表示矩陣的稀疏模式，表示用戶設(shè)備的符號(hào)協(xié)方差矩陣，表示噪聲功率，表示單位矩陣，表示路徑和路徑的多普勒頻移索引之差，表示路徑和路徑的延遲索引之差，是用戶設(shè)備的路徑對(duì)集合。

71、進(jìn)一步地，步驟s6中，所述內(nèi)部迭代包括以下步驟：

72、將計(jì)算原始的問(wèn)題轉(zhuǎn)化為求解等效稀疏線性系統(tǒng)，采用tfqmr算法對(duì)方程進(jìn)行求解，求解過(guò)程包括：

73、對(duì)于線性系統(tǒng)，從初始猜測(cè)開(kāi)始，構(gòu)造krylov子空間，其中為初始?xì)埐?；通過(guò)多次迭代，逐步減少殘差；在每次迭代時(shí)，生成兩個(gè)正交的序列，一個(gè)是由組成的序列，另一個(gè)是由組成的序列，表示為：

74、；

75、；

76、其中，和是通過(guò)雙lanczos過(guò)程產(chǎn)生的正交序列，計(jì)算是由矩陣作用到當(dāng)前的向量后，產(chǎn)生的新向量，計(jì)算則是通過(guò)矩陣的共軛轉(zhuǎn)置來(lái)生成；和是在每次迭代中計(jì)算出的標(biāo)量系數(shù)，為迭代次數(shù)；

77、每次迭代后，根據(jù)當(dāng)前的殘差和更新后的解來(lái)更新近似解，解的更新公式為：

78、；

79、其中，是從krylov子空間中獲得的增量；

80、計(jì)算新的殘差，檢查是否滿足停止條件；如果殘差范數(shù)小于預(yù)設(shè)的容差，則算法停止，輸出；如果沒(méi)有達(dá)到收斂，繼續(xù)迭代，通過(guò)更新和來(lái)進(jìn)一步優(yōu)化解；

81、選擇一個(gè)預(yù)定義的稀疏模式，計(jì)算矩陣，表示用戶設(shè)備的符號(hào)協(xié)方差矩陣；計(jì)算過(guò)程包括：

82、基于，初始化稀疏近似cholesky因子，使得，其中是一個(gè)下三角矩陣，通過(guò)相對(duì)于的規(guī)定稀疏模式最小化frobenius范數(shù)來(lái)獲得；通過(guò)最小化kaporin條件數(shù)來(lái)動(dòng)態(tài)捕捉的稀疏模式：

83、；

84、其中，tr(·)?和?det(·)?分別表示矩陣的跡和行列式，；表示噪聲功率，表示單位矩陣；

85、對(duì)于的每一列，獨(dú)立計(jì)算其非零元素索引集和對(duì)應(yīng)的值，通過(guò)選擇新的索引并將其添加到中，迭代改進(jìn)近似；具體地，對(duì)于每個(gè)新索引，通過(guò)最小化新的kaporin條件數(shù)來(lái)更新：

86、；

87、其中是單位矩陣的第列，表示索引對(duì)應(yīng)的稀疏近似cholesky因子第k列的數(shù)值；從中選擇索引，其中表示矩陣的第行與集合的操作，將具有最大的索引添加到中，形成新的索引集和，其中用于衡量添加新索引對(duì)條件數(shù)的減少量；通過(guò)添加新索引，kaporin條件數(shù)的最小值為：

88、；

89、持續(xù)迭代，直到或的最大值小于預(yù)設(shè)的容差。

90、進(jìn)一步地，步驟s7中，信道增益的新估計(jì)表示為：

91、；

92、其中表示的共軛復(fù)數(shù)，表示用戶設(shè)備的有效dd域信道矩陣，表示估計(jì)的發(fā)射符號(hào)，表示接收序列，表示期望值函數(shù)。

93、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果如下：

94、第一，本發(fā)明的otfs-mimo-isac系統(tǒng)雙迭代turbo均衡器設(shè)計(jì)方法，充分利用了統(tǒng)計(jì)信道狀態(tài)信息，通過(guò)tfqmr和fspai算法的結(jié)合，在多用戶設(shè)備場(chǎng)景下顯著降低了符號(hào)估計(jì)和信道估計(jì)的計(jì)算復(fù)雜度。

95、第二，本發(fā)明的otfs-mimo-isac系統(tǒng)雙迭代turbo均衡器設(shè)計(jì)方法，所設(shè)計(jì)的turbo均衡器通過(guò)外迭代和內(nèi)迭代的雙重迭代結(jié)構(gòu)，逐步提高符號(hào)估計(jì)的精度，接近最優(yōu)檢測(cè)器的性能。

96、第三，本發(fā)明的otfs-mimo-isac系統(tǒng)雙迭代turbo均衡器設(shè)計(jì)方法，考慮到傳統(tǒng)mmse均衡器的復(fù)雜度主要來(lái)源于協(xié)方差矩陣的求逆計(jì)算，對(duì)該矩陣進(jìn)行稀疏化處理，并利用稀疏結(jié)構(gòu)實(shí)現(xiàn)協(xié)方差矩陣逆的線性復(fù)雜度推導(dǎo)，有效降低了系統(tǒng)整體計(jì)算負(fù)擔(dān)。