论文部分内容阅读
作为第五代移动通信系统(The Fifth Generation Mobile Communication Systems 5G,)的备选技术之一,非正交多址接入(Non-Orthogonal Multiple Access,NOMA)技术的核心特点在于其能够满足5G对于海量连接以及大容量的需求。为了解决NOMA技术中的多用户检测问题,本论文提出了与压缩感知理论结合的多用户检测方案。其特点在于,充分地挖掘系统模型潜在的稀疏特性,并利用基于压缩感知理论的信号重构算法对信号进行检测。作为一种新型的码域NOMA技术,稀疏码多址接入(Sparse Code Multiple Access,SCMA)技术的特点在于发射端将多维星座点调制与稀疏扩频技术融合在一起,把发送的数据比特直接映射为预制的SCMA码本中的多维复数域码字。在接收端,SCMA系统的多用户检测(Multi-User Detection,MUD)使用了消息传递算法(Message Passing Algorithm,MPA),其性能可逼近理论最佳的极大似然检测性能。尽管利用了SCMA码字的稀疏性,MPA算法的计算复杂度依旧很高。本论文提出了一种新型的低复杂度SCMA系统多用户检测方案。该方案结合了MPA算法与压缩感知理论,被称作压缩感知辅助的MPA算法(Compressive Sensing assisted MPA,CS-assisted MPA)。具体地,所提CS-assisted MPA算法将SCMA多用户检测过程分成了两步完成,分别是初始检测与稀疏错误矢量纠正。在第一步中,少量次数的MPA迭代被看作初始检测。并且,观察到初始检测结果与接收信号之间的残差矢量为一个稀疏向量。基于此,本文在第二步检测中提出了一种基于门限的自适应子空间追踪(Threshold aided Adptive Subspace Pursuit,TA-ASP)算法,用以估计残差矢量。最后,将初始检测结果与估计得到的残差矢量相加即可得到最终的估计信号。仿真结果显示,与现有的检测方法相比,所提CS-assisted MPA算法在误符号率(Symbol Error Rate,SER)性能几乎没有损失的情况下,大幅度降低了SCMA系统多用户检测的计算复杂度。在5G大规模机器通信(massive Machine Type Communications,mMTC)中,免调度NOMA技术能够减少信令开销,降低数据传输时延并同时节约用户终端的功耗。为了提高基于混合稀疏模型的免调度NOMA系统的多用户检测性能,本文提出了一种基于稀疏度自适应的分布式压缩感知(Sparsity Adapted-Distributed Compressive Sensing,SA-DCS)理论的多用户信号检测方案。所提SA-DCS算法的核心在于,首先利用块稀疏信号重构的思想对混合稀疏模型中的公共支撑集部分进行了估计;之后将估计得到的公共支撑集作为先验信息,并引入了置信稀疏度,分别对每个时隙的独立支撑集进行单独估计。从仿真结果可以看出,所提检测方案可以取得很好的SER性能。同时,由于不需要用户活跃度作为先验条件,因此所提检测方案更适用于实际的通信场景。