駱楷,黃俊偉,周朋光,徐浩,吳燦
?
正交空間調(diào)制的低復(fù)雜度檢測算法
駱楷,黃俊偉,周朋光,徐浩,吳燦
(重慶郵電大學(xué)通信與信息工程學(xué)院,重慶 400065)
針對正交空間調(diào)制(QSM)系統(tǒng)中激活天線數(shù)的不確定性、最大似然(ML)檢測算法復(fù)雜度極高的缺點(diǎn),提出了一種低復(fù)雜度檢測算法。首先,該算法基于壓縮感知(CS)信號(hào)重構(gòu)理論,對系統(tǒng)模型進(jìn)行重構(gòu),使固定激活天線系統(tǒng)中的低復(fù)雜度算法可以在新的系統(tǒng)模型中使用;然后,借鑒正交匹配追蹤(OMP)算法的思想,選出一個(gè)激活天線備選集;最后,通過ML算法搜索備選集,選出激活天線和調(diào)制符號(hào)。仿真結(jié)果顯示,相比ML檢測算法,所提算法在性能丟失較小的情況下,降低了約90%的復(fù)雜度。
正交空間調(diào)制;空間調(diào)制;廣義空間調(diào)制;壓縮感知;最大似然;正交匹配追蹤
在5G[1]大規(guī)模多輸入多輸出(multiple input multiple output,MIMO)[2]技術(shù)中,正交空間調(diào)制(quadrature spatial modulation,QSM)是一種新型的索引調(diào)制(index modulation,IM)系統(tǒng),其主要特點(diǎn)是將傳輸符號(hào)的實(shí)部和虛部分開,然后分別選擇相應(yīng)的激活天線發(fā)送。相比于傳統(tǒng)的空間調(diào)制(spatial modulation,SM)系統(tǒng),QSM系統(tǒng)繼承了SM系統(tǒng)的優(yōu)點(diǎn),避免了傳統(tǒng)MIMO系統(tǒng)中存在的發(fā)射天線間干擾、發(fā)送天線間同步以及多天線射頻鏈復(fù)雜等問題[3]。同時(shí),QSM系統(tǒng)通過攜帶更多的天線索引信息,進(jìn)一步提升了系統(tǒng)的頻譜利用率。在吞吐率相同的情況下,QSM系統(tǒng)擁有比SM系統(tǒng)和廣義空間調(diào)制(generalized spatial modulation,GSM)系統(tǒng)更好的性能。
對于SM系統(tǒng)和QSM系統(tǒng),傳統(tǒng)的檢測算法有迫零(zero forcing,ZF)檢測算法[3]和最小均方誤差(minimum mean squared error,MMSE)檢測算法[4]等。這些算法雖然復(fù)雜度較低,但性能損失較大,而且僅適用于特定系統(tǒng)。最近,國內(nèi)外學(xué)者先后提出一些次優(yōu)檢測算法,例如參考文獻(xiàn)[5]提出迭代迫零(iterative zero forcing,IZF)檢測算法,參考文獻(xiàn)[6]提出有序塊最小均方誤差(order-block minimum mean square equalization,OB-MMSE)檢測算法,參考文獻(xiàn)[7]提出改進(jìn)型有序塊最小均方誤差(improved OB-MMSE,IOB-MMSE)檢測算法。這些算法在達(dá)到接近最大似然(maximum likelihood,ML)檢測算法性能的基礎(chǔ)上,能夠減少檢測的復(fù)雜度,是目前較為實(shí)用的檢測算法。但是在QSM系統(tǒng)中,由于激活天線個(gè)數(shù)的不確定,導(dǎo)致前期研究的檢測算法無法直接使用??紤]到QSM信號(hào)本身具有稀疏性,本文首先使用壓縮感知稀疏重構(gòu)理論對QSM系統(tǒng)進(jìn)行重構(gòu),針對重構(gòu)后的系統(tǒng)提出一種適合該方案的低復(fù)雜度檢測算法。目前的重構(gòu)算法主要有貪婪追蹤算法、凸松弛法、組合算法。有的專家學(xué)者將壓縮感知理論應(yīng)用于QSM系統(tǒng)中,參考文獻(xiàn)[8]提出正交匹配追蹤(orthogonal matching pursuit,OMP)算法,每次迭代時(shí),通過選出相關(guān)性最高的天線索引,逐步逼近原始信號(hào)。但是由于在迭代過程中比較武斷地選中相關(guān)性最高的天線索引,而未檢驗(yàn)選中信號(hào)是否滿足條件,因此性能偏低。參考文獻(xiàn)[9]提出基追蹤(basis pursuit,BP)算法,通過將非凸問題轉(zhuǎn)化為凸問題求解,復(fù)雜度較低,但此算法未考慮噪聲影響。參考文獻(xiàn)[10]提出一種壓縮采樣匹配追蹤(compressive sampling matching pursuit,CoSaMP)算法,該算法隨著信噪比的增大,系統(tǒng)的誤碼率會(huì)漸趨平緩。
本文綜合考慮算法對QSM系統(tǒng)的適用度和復(fù)雜度后,決定借鑒貪婪追蹤算法中OMP算法的思想,通過每次迭代,選出最有可能的激活天線和最不可能的激活天線,同時(shí)消除選中天線的影響,然后更新剩余量,再進(jìn)行下一次迭代。通過有限次迭代,選出可能包含發(fā)送符號(hào)的激活天線索引集。最后通過遍歷天線索引集選擇最有可能的激活天線,檢測出對應(yīng)的符號(hào)。仿真結(jié)果顯示,本文提出的算法選出的天線索引集遠(yuǎn)小于ML算法采用的天線索引集,因此復(fù)雜度遠(yuǎn)低于ML算法,同時(shí)性能接近ML算法,能夠較好地實(shí)現(xiàn)復(fù)雜度和性能之間的平衡。
圖1 QSM系統(tǒng)模型
由于QSM系統(tǒng)將符號(hào)的實(shí)部和虛部分開在不同的天線上傳輸,會(huì)造成激活天線個(gè)數(shù)的不確定性,激活天線可能為一根或者兩根的情況。其中發(fā)送天線輸出信號(hào)矢量可以表示為:
(3)
QSM系統(tǒng)的ML檢測算法可以寫成如下形式:
(4)
3.1 QSM系統(tǒng)模型的重構(gòu)
針對QSM系統(tǒng)激活天線個(gè)數(shù)的不確定性,考慮到造成此現(xiàn)象的原因是QSM系統(tǒng)分開發(fā)送符號(hào)實(shí)部和虛部,所以本文首先對QSM系統(tǒng)進(jìn)行重構(gòu),將系統(tǒng)的實(shí)部和虛部分開處理。在重構(gòu)系統(tǒng)中,調(diào)制符號(hào)在根天線上發(fā)送,符號(hào)實(shí)部是在前根天線上發(fā)送,符號(hào)虛部是在后根天線上發(fā)送,避免調(diào)制符號(hào)的實(shí)部和虛部可能激活同一根天線的情況,分開后的計(jì)算式為:
寫成矩陣形式并實(shí)數(shù)化:
(6)
進(jìn)一步可簡寫為:
由于信號(hào)具有稀疏性,重構(gòu)后的系統(tǒng)模型滿足壓縮感知中稀疏重構(gòu)理論的要求,可以通過稀疏重構(gòu)理論來恢復(fù)信號(hào)。本文改進(jìn)的OMP算法為重構(gòu)算法中貪婪追蹤算法中的一種,能較好運(yùn)用系統(tǒng)的稀疏特性,選出相對準(zhǔn)確的索引集,而且重構(gòu)后的系統(tǒng)是實(shí)數(shù)域,可以簡化計(jì)算。
3.2 本文所提算法
3.2.1 算法1
該算法借鑒OMP算法的思想,每次迭代過程直接選出最有可能的激活天線索引,刪除最不可能的天線索引,在下次迭代前,從接收信號(hào)中消除已選中天線索引對其的影響。接著進(jìn)行下一次迭代,找出次優(yōu)的激活天線索引,將多次迭代選出的天線索引組成一個(gè)可能激活天線的備選集。通過遍歷備選集,采用ML算法對信號(hào)進(jìn)行最終估計(jì)。
首先提出一種天線索引集選擇方案,方案1的具體步驟如下。
步驟1 通過MMSE算法初步估計(jì)天線發(fā)送的信號(hào):
步驟2 對MMSE算法估計(jì)到的信號(hào)進(jìn)行排序,選出最有可能的激活天線:
(9)
步驟3 消除兩信號(hào)對接收信號(hào)的影響,獲取殘余量:
步驟4 對殘余量進(jìn)行下一次估計(jì):
(11)
對估計(jì)信號(hào)重復(fù)式(9)的操作,選出次優(yōu)的激活天線索引,重復(fù)其他操作,經(jīng)2次迭代后,選出2個(gè)元素的索引集。判斷實(shí)部索引集和虛部索引集是否為空集,如果有一個(gè)索引集為空集,繼續(xù)迭代,直到兩個(gè)集合都不為空集為止。
算法1具體流程如下。
步聚2 在每一個(gè)While循環(huán)內(nèi):
While
(1)通過式(8)估計(jì)發(fā)送信號(hào)。
(2)通過式(9)分別估計(jì)符號(hào)最有可能的和最不可能的激活天線索引、。
Break;
End If
(4)++;
(5)通過式(10)更新殘余量,消除選中信號(hào)對下次迭代的影響。
End While
3.2.2 算法2
步驟1 同式(8)通過MMSE算法估計(jì)出信號(hào)后,將信號(hào)實(shí)部和虛部分開估計(jì):
步驟2 對天線索引進(jìn)行排序,同時(shí)選出最有可能為激活天線的索引、,最不可能為激活天線的索引、:
(13)
步驟3 消除已估計(jì)過的天線對接收信號(hào)的影響,更新殘余量,準(zhǔn)備下次迭代:
算法2具體流程如下。
步聚2 在每一個(gè)For循環(huán)內(nèi):
For 1:
(1)通過式(8)估計(jì)發(fā)送信號(hào)。
(2)通過式(12)、式(13)分別估計(jì)符號(hào)實(shí)部和虛部最有可能為激活天線的索引、,最不可能為激活天線的索引、;添加到備選集;。
(3)通過式(14)更新殘余量,同時(shí)消除選中信號(hào)對下次迭代的影響。
End For
算法1和算法2在選出索引集后,均采用式(15)對其進(jìn)行ML估計(jì):
為了驗(yàn)證本文所提算法的可行性,將本文提出的兩種算法同OMP算法、ML算法進(jìn)行仿真對比,具體仿真參數(shù)設(shè)定見表1。
表1 具體仿真參數(shù)設(shè)定
用每秒浮點(diǎn)運(yùn)算次數(shù)來定義算法的復(fù)雜度,由參考文獻(xiàn)[8]可知:ML算法的復(fù)雜度為,式(8)的復(fù)雜度為,其中,其余關(guān)于OMP算法部分,每次迭代的復(fù)雜度約為。算法1、算法2的復(fù)雜度分別為:
(17)
當(dāng)t=64和t=128時(shí),不同算法的性能對比如圖2和圖3所示,其中為索引集的索引總數(shù)。從圖2和圖3中可以看出,OMP算法在信噪比較高時(shí)性能較差,且隨著信噪比增大,曲線漸趨平緩,當(dāng)信噪比dB時(shí),誤碼率逐漸趨近于10-1。相比OMP算法,本文所提算法的性能有明顯提升:當(dāng)=10-1時(shí),所提算法的性能至少提升了4 dB,不存在隨著信噪比增大而性能漸趨平緩的問題。同時(shí),隨著選取索引集的增大,本文所提算法的性能也在逐漸提升,不斷逼近ML算法。因此,在大規(guī)模天線陣列的MIMO系統(tǒng)中,本文所提算法相比于OMP算法具有較大的優(yōu)勢。
當(dāng)t=64和t=128時(shí),不同算法的復(fù)雜度分析如圖4和圖5所示。從圖4和圖5可以看出,OMP算法復(fù)雜度最低,ML算法的復(fù)雜度最高,在128×16的大規(guī)模天線陣列的情況下,其每秒浮點(diǎn)運(yùn)算次數(shù)高達(dá)10?7,且隨著天線陣列的增大,ML算法的復(fù)雜度也呈指數(shù)形式增長,本文所提算法的復(fù)雜度會(huì)隨著選取索引集的增大而線性增大,但相對而言較低。同ML算法相比,當(dāng)=8時(shí),本文所提算法復(fù)雜度降低了約90%;=4時(shí),復(fù)雜度約為ML算法的5%。ML算法復(fù)雜度太高,在實(shí)際應(yīng)用中很難實(shí)現(xiàn)。本文所提算法在保證正常通信的情況下,復(fù)雜度相比ML算法低得多。因此,本文所提算法具有實(shí)際應(yīng)用意義。
本文針對大規(guī)模天線陣列下的正交空間調(diào)制系統(tǒng)提出了一種低復(fù)雜度算法。該算法充分利用系統(tǒng)重構(gòu)后信號(hào)的稀疏特性,通過選擇并改進(jìn)了OMP算法來選出較優(yōu)的索引集,縮小需精確檢測信號(hào)的范圍,降低了復(fù)雜度。ML算法雖然最優(yōu),但其復(fù)雜度極高,在實(shí)際中很難實(shí)現(xiàn)。本文所提算法具有較好的性能,不僅能夠確保正常通信,同時(shí)又有較低的復(fù)雜度,在實(shí)際中較易實(shí)現(xiàn)。且本文所提算法較好地達(dá)到性能和算法復(fù)雜度之間的平衡,是一種比較實(shí)用的正交空間調(diào)制檢測算法。
[1] 王胡成, 徐暉, 程志密, 等. 5G網(wǎng)絡(luò)技術(shù)研究現(xiàn)狀和發(fā)展趨勢[J]. 電信科學(xué), 2015, 31(9): 156-162.
WANG H C, XU H, CHENG Z M, et al. Current research and development trend of 5G network technologies[J]. Telecommuni- cations Science, 2015, 31(9): 156-162.
[2] 陽析, 金石. 大規(guī)模MIMO系統(tǒng)傳輸關(guān)鍵技術(shù)研究進(jìn)展[J]. 電信科學(xué), 2015, 31(5): 28-35.
YANG X, JIN S. Overview of key technologies of transmission in massive MIMO system[J]. Telecommunications Science, 2015, 31(5): 28-35.
[3] MESLEH R, IKKI S S, AGGOUNE H M. Quadrature spatial modulation[J]. IEEE Transactions on Vehicular Technology, 2015, 64(6): 2738-2742.
[4] WANG J, JIA S, SONG J. Generalised spatial modulation system with multiple active transmit antennas and low complexity detection scheme[J]. IEEE Transactions on Wireless Communications, 2012, 11(4): 1605-1615.
[5] SUN Y, WANG J, HE L. Iterative zero forcing detection scheme for generalised spatial modulation[C]// IEEE International Symposium on Broadband Multimedia Systems and Broadcasting, June 17-19, 2015, Ghent, Belgium. New Jersey: IEEE Press, 2015: 1-4.
[6] XIAO Y, YANG Z, DAN L, et al. Low-complexity signal detection for generalized spatial modulation[J]. IEEE Communications Letters, 2014, 18(3): 403-406.
[7] CHEN C E, LI C H, HUANG Y H. An improved ordered-block mmse detector for generalized spatial modulation[J]. IEEE Communications Letters, 2015, 19(5): 1.
[8] XIAO L, YANG P, XIAO Y, et al. Efficient compressed sensing detectors for generalized spatial modulation systems[J]. IEEE Transactions on Vehicular Technology, 2017(99): 1.
[9] LIU W, WANG N, JIN M, et al. Denoising detection for the generalized spatial modulation system using sparse property[J]. IEEE Communications Letters, 2014, 18(1): 22-25.
[10] CANDèS E J. Compressive sampling[J]. Marta Sanz Solé, 2006, 17(2): 1433-1452.
A low-complexity detection algorithm for quadrature spatial modulation systems
LUO Kai, HUANG Junwei, ZHOU Pengguang, XU Hao, WU Can
School of Communication and Information Engineering, Chongqing University of Posts and Telecommunications, Chongqing 400065, China
To tackle the issues of the uncertainty number of the activated antennas and high computational complexity of maximum likelihood (ML) detection algorithm in quadrature spatial modulation (QSM), a low-complexity detection algorithm was proposed. Firstly, the system model was reconstructed into a new model suitable for low-complexity detection algorithms in fixed active antennas systems based on compressed sensing (CS) signal reconstruction theory. Then, based on the idea of orthogonal matching pursuit (OMP) algorithm and reconstructed model, a candidate set of activated antennas was obtained. Lastly, using ML algorithm to search the candidate, the index of activated antennas and the modulation symbol were selected. Simulation results show that the proposed detector is capable of achieving about 90% reduction in complexity with low performance loss compared with ML algorithm.
quadrature spatial modulation, spatial modulation, generalized spatial modulation, compressed sensing, maximum likelihood, orthogonal matching pursuit
TN911.3
A
10.11959/j.issn.1000?0801.2017121
2017?02?28;
2017?05?03
國家科技重大專項(xiàng)基金資助項(xiàng)目(No.2016ZX03002010-003)
The National Science and Technology Major Project of China (No.2016ZX03002010-003)
駱楷(1992?),男,重慶郵電大學(xué)通信與信息工程學(xué)院碩士生,主要研究方向?yàn)榇笠?guī)模MIMO系統(tǒng)下的空間調(diào)制技術(shù)。
黃俊偉(1969?),男,重慶郵電大學(xué)通信與信息工程學(xué)院高級工程師、碩士生導(dǎo)師,主要研究方向?yàn)樾乱淮鷮拵б苿?dòng)通信核心芯片、協(xié)議及系統(tǒng)應(yīng)用、寬帶無線通信。
周朋光(1992?),男,重慶郵電大學(xué)通信與信息工程學(xué)院碩士生,主要研究方向?yàn)?G關(guān)鍵技術(shù)、超密集網(wǎng)絡(luò)中干擾協(xié)調(diào)技術(shù)。
徐浩(1992?),男,重慶郵電大學(xué)通信與信息工程學(xué)院碩士生,主要研究方向?yàn)?G關(guān)鍵技術(shù)、毫米波MIMO系統(tǒng)混合波束成形技術(shù)。
吳燦(1992?),男,重慶郵電大學(xué)通信與信息工程學(xué)院碩士生,主要研究方向?yàn)榇笠?guī)模MIMO技術(shù)。