[发明专利]MMTC场景下基于CS的非授权接入及数据传输方法

说明书

本发明提供了一种MMTC场景下基于CS的多信息增强的非授权接入方法，包括：根据基站覆盖所有设备的扩频序列以及所有设备的导频符号和数据符号建立通信系统模型；根据不同设备的符号帧长度的多样性，以后向方式增强所述通信系统模型的稀疏度估计，得到稀疏度和初步的活跃设备集合；根据所述的稀疏度和初步的活跃设备集合，采用调制星座点信息得出初始残差；根据所述初始残差，通过固定稀疏度的压缩感知算法得到最终的活跃设备集合、活跃设备对应的信道矩阵及所有设备的数据符号。本方法可以提高MMTC中设备的活跃度检测、信道矩阵估计及数据恢复的精确度。

技术领域

本发明涉及移动通信技术领域，尤其涉及一种MMTC场景下基于CS的非授权接入及数据传输方法。

背景技术

MMTC(Massive Machine-type Communication，大规模机器类通信)作为5G(fifth-generation，第五代移动通信系统)的三大场景之一，具有大规模的设备数量、小数据包传输、低移动性以及低活跃度等特点，是一种具有稀疏性的通信场景。而传统的基于授权的随机接入方法具有繁琐的信令交互流程，这不仅会造成过多的时延，同时由于控制信息所占的开销对于MMTC的小数据包来讲显得较大，还会造成频谱资源的浪费。CS(Compressive Sensing，压缩感知)作为解决该问题的一个方向，是近年来新兴的一门理论。其核心思想是将一个稀疏或者可压缩的高维信号通过特定的矩阵变换投影到一个低维度的空间上，在进行信号重建的时候，利用稀疏信号或压缩过的信号的稀疏性，使用线性或非线性的恢复算法重建出原始信号。在MMTC的非授权接入方法中，导频序列采用非正交导频从而支持更多的设备，且同一时刻请求接入的设备数量并不多，可以利用该稀疏特性，将不活跃的设备对应的信道冲击响应视为零值，将活跃设备的信道冲击响应视为非零值，通过相应的压缩感知信号重构算法进行设备活跃度检测和信道状态信息估计。

目前，经典的压缩感知信号恢复算法包括OMP(Orthogonal Matching Pursuit，正交匹配追踪)、CoSaMP(Compressive Sampling Matching Pursuit，压缩采样匹配追踪)和SP(Subspace Pursuit,子空间追踪)等，此类方法基本都要在活跃设备数量已知的情况下实现信号的重构，然而在实际的应用场景中，活跃设备的数量并不是已知的，同时也并没有考虑利用除了信道状态信息以外的信息来增强活跃度检测和信道估计。

因此，传统方法并不符合实际场景，且性能并不是最优的。因此，在未知活跃设备数量的情况下，亟需一种可以结合稀疏度估计和多信息增强的非授权接入及数据恢复方法。

发明内容

本发明提供了一种MMTC场景下基于CS的非授权接入及数据传输方法，以提供一种在未知活跃设备数量的情况下，可以结合稀疏度估计和多信息增强的非授权接入及数据恢复方法。

为了实现上述目的，本发明采取了如下技术方案。

本发明提供了一种MMTC场景下基于CS的多信息增强的非授权接入方法，包括：

根据基站覆盖所有设备的扩频序列以及所有设备的导频符号和数据符号建立通信系统模型；

根据不同设备的符号帧长度的多样性，以后向方式增强所述通信系统模型的稀疏度估计，得到稀疏度和初步的活跃设备集合；

根据所述的稀疏度和初步的活跃设备集合，采用调制星座点信息得出初始残差；

根据所述初始残差，通过固定稀疏度的压缩感知算法得到最终的活跃设备集合、活跃设备对应的信道矩阵及所有设备的数据符号。

优选地，通信系统模型如下式(1)所示：