[发明专利]一种基于模型驱动的无循环前缀MIMO-OFDM接收方法

说明书

本发明公开了一种基于模型驱动的无循环前缀MIMO‑OFDM接收方法。首先，消除接收符号向量中冗余的符号间干扰，同时计算信道矩阵C，一并转换至实数域；接着，将实值接收符号向量和实值信道矩阵输入到由共轭梯度改进的正交近似消息传递算法展开而成的信号检测网络，经过若干串联层输出估计的频域符号向量最后，将频域符号向量解调，得到估计的发送比特流缓存后送至反馈回路，在反馈回路中运算得到估计的时域符号向量用于在下一轮接收中消除符号间干扰。本发明兼具检测性能优异和运行时间短的优势，同时显著提升了系统的频谱效率。

技术领域

本发明属于无线通信技术领域，尤其涉及一种基于模型驱动的无循环前缀 MIMO-OFDM接收方法。

背景技术

作为人工智能技术的一个重要分支，深度学习近年来被应用于提升物理层传输性能。在这一应用中，神经网络模型的构建呈现出数据驱动和模型驱动这两种范式。数据 驱动神经网络将无线通信系统视作黑盒子，借助大量已标注数据完成端到端的训练。模 型驱动神经网络则不改变无线通信系统的模型结构，基于数十年来在无线通信领域的深 入研究中获得的领域知识来构建网络拓扑，一方面显著减少了训练所需的计算资源和时 间，另一方面使神经网络具备环境自适应性和泛化性，因而在提升系统性能层面更具潜 力。

MIMO-OFDM频谱效率高、抗频率选择性衰落能力强，是提升无线链路吞吐最具前景的技术。然而，传统的MIMO-OFDM系统中存在冗余的循环前缀，限制了系统的频 谱效率。另一方面，无循环前缀的MIMO-OFDM系统受到严重的载波间干扰和符号间 干扰，信号检测性能严重恶化。如何利用模型驱动的神经网络设计复杂度低、性能优异 的无循环前缀的MIMO-OFDM接收方法是目前亟需解决的问题。

发明内容

发明目的：本发明提供一种基于模型驱动的无循环前缀MIMO-OFDM接收方法， 旨在利用模型驱动的神经网络克服循环前缀缺失所引起的干扰，提升接收性能，同时引 入共轭梯度算法来降低计算复杂度，减少运行时间。

技术方案：本发明采用的技术方案具体包括以下步骤：

(1)依据上一个符号时间内估计的发送时域符号向量消除接收符号向量中冗余的符号间干扰，得到符号向量利用信道状态信息计算信道矩阵C；再将符号向 量和信道矩阵C等价转换到实数域，得到实值接收符号向量和实值信道矩阵

(2)将实值接收符号向量和实值信道矩阵输入到信号检测网络，网络由共轭梯度改进的正交近似消息传递算法展开而成，最终输出估计的频域符号向量

(3)将估计的频域符号向量解调，得到估计的发送比特流将比特流存储到缓冲区，得到延时的比特流经过调制和傅里叶反变换，依次得到对发送频域和时 域符号向量的估计和用于下一轮接收流程。

进一步地，步骤(1)具体包括：

(1.1)依据下式消除接收符号向量中的冗余符号间干扰，得到符号向量

式中，为上一个符号时间内估计的发送时域符号向量，A_-1为上一个符号时间内的分块截断信道矩阵，表达式为：

N_c为OFDM子载波数，N_t为发射天线数目，N_r为接收天线数目，L为时域信道长 度，0是全零矩阵，h_-1,l,l∈{0,...,L-1}是上一个符号时间内发射和接收天线阵列间第l条 路径构成的MIMO信道矩阵，表达式为：

其中，是上一个符号时间内第p根发射天线和第q根接收天线之间的时域多径信道；

(1.2)根据信道状态信息计算信道矩阵C，如下式：