[发明专利]基于证据理论与物理层网络编码结合的满分集多天线双向中继接收方法

说明书

技术领域

本发明涉及一种基于证据理论与物理层网络编码结合的满分集多天线双向中继接收方法，通过证据理论与物理层网络编码的融合，设计一种提高多天线双向中继接收端误比特率性能的检测算法，属于协作通信与多输入多输出系统信号处理研究的相关领域。

背景技术

双向中继协作通信技术(two-way relay)可以提高通信系统的覆盖面积，吞吐量以及降低能耗。然而，传统双向中继系统完成一次信息交互需要四个时隙，导致频谱效率的降低。为了提高双向中继协作通信技术的频谱利用率，基于网络编码(network coding,NC)的双向中继系统被提出并被广泛应用。此外，多输入多输出(multiple-input multiple-output,MIMO)系统作为提高系统容量的核心技术已经被应用于现代无线通信系统。MIMO技术与基于网络编码的双向中继技术结合可以将一次信息交互分为两个时隙，即多址阶段和广播阶段。多址阶段为两个用户同时发送各自信息至中继节点，广播阶段为中继节点向两个用户同时发送相同的信息。因此，基于网络编码的多天线双向中继系统可以进一步提高系统容量，吞吐量及频谱效率，而可靠的中继接收算法是系统获得最优性能的重要因素。

在多天线双向中继系统中，基于解码转发网络编码的最大似然(maximum likelihood,ML)接收算法提供了最优的接收性能。然而，关于发射天线数呈指数趋势增长的复杂度及解码转发网络编码的局限性，使该算法难以广泛应用。为了实现低复杂度中继接收算法，基于解码转发网络编码的线性接收算法被应用。例如迫零(zero forcing,ZF)和最小均方误差(minimum mean square error,MMSE)接收算法。同时，为了进一步提高中继接收信号的误码性能，降低网络编码操作的复杂度，基于物理层网络编码(physical-layer network coding,PNC)的对数似然比(log likelihood ratio,LLR)合并算法被应用。该算法首先通过线性检测算法获得接收信号的判决统计量并计算软信息，然后计算不同发送符号的对数似然比并通过基于物理层网络编码的似然比准则得到最终的判决结果。然而，基于PNC的LLR合并算法相比于基于解码转发网络编码的ML接收算法在误码性能上仍有较大的差距。

因此，基于以上分析可见，在复杂度有所降低的情况下，迫切需要一种接近最优误码性能的接收算法。

近些年来，由于证据理论(Dempster-Shafer evidence theory,D-S)在模式识别，智能融合等领域获得较好的性能，所以被研究者广泛地关注。证据理论是一种基于构造型概率解释的广义贝叶斯理论，其理论阐述了对概率的推断不仅要强调证据的客观性而且也要强调证据估计的主观性。所以它能够很好地描述一个假设命题的不确定性。在证据理论中，设一个包含全部相互独立假设命题的有限集合为识别框架，每一个子集的初始信度分配由集函数基本信度分配(basic probability assignment，BPA)函数来表达。一般而言，通常利用概率密度函数作为BPA函数的一种表达方式且通过BPA函数计算后基本信度不为零的集合称之为焦元集合。在确定了各个子集的基本信度之后，再利用证据理论的合并规则(Dempster’s rule)将不同证据作用下焦元集合的基本信度进行合并。证据理论的合并规则可以大大降低各个假设命题的不确定性，从而得到精确的结果。

综上所述，本发明的主要目的是将证据理论算法引入多天线双向中继系统并与物理层网络编码融合，在复杂度有所降低的情况下，使中继接收端获得接近最优的误码性能和满分集增益。

发明内容

为了在相对较低的复杂度下实现近似最优接收算法的误码性能，本发明提供了一种基于证据理论与物理层网络编码结合的满分集多天线双向中继接收方法。证据理论是利用基本信度分配函数描述衰落信道和噪声产生的不确定性，并在接收端通过证据理论合并法则降低接收信号的不确定性，最终通过最大值判决准则获得可靠的传输信号。

本发明的主要目的是通过证据理论与物理层网络编码的融合使中继接收端的误码性能接近最优算法性能，并在相对较低的复杂度下，达到满分集增益。为实现上述目的，本发明采用的技术方案是：首先建立不含直接链路的多天线双向中继系统模型；然后，建立基于证据理论的数学模型；最后，通过证据理论与物理层网络编码的结合设计一个满分集中继接收方法并分析所提出方法的性能。

本发明所采用的技术方案包括以下步骤：

步骤1，建立不含直接链路的多天线双向中继系统模型。