一种DS-UWB信号多用户检测方法

摘要

一种DS-UWB信号多用户检测方法，它涉及检测技术领域，它解决了现有的最优多用户检测方法计算复杂度过大的问题。本发明的检测方法首先获取DS-UWB信号，并将所述信号同时输入至K个匹配滤波器，以获取K个用户输入信息；然后，利用次优算法检测所获取的用户输入信息，以获得其次优解；最后利用Lagrange乘子法求解最优化问题，获取K个正确码元，完成DS-UWB信号多用户检测。本发明适用于多用户信号检测。

说明书

技术领域

本发明涉及检测技术领域，具体涉及一种DS-UWB信号多用户检测方法。

背景技术

直接序列超宽带(Direct Sequence UWB, DS-UWB)是超宽带无线通信的一种调制方式，其信号波形为                                                ，其中：是第k个用户的二进制的信息符号，是第k个用户的伪随机序列，可用以实现多址通信，T_c表示脉冲重复周期，T_f表示信息周期，有N_s=T_f/T_c，每个信息符号用N_s个脉冲表示，而p(t)表示超宽带脉冲信号，通常采用一阶的高斯脉冲。由DS-UWB信号的波形形式可以看出，各用户信息在传输时是占用相同的时间和频带的。区分各用户的信息是靠各用户加载信息的伪随机序列之间的正交性来完成的，在接收端通过匹配滤波的方式，将与本用户扩频序列相关性最强的信息提取出来，而其他用户的信号由于正交而被滤除。但是，在实际应用中，各个用户的伪随机扩频序列并不能保证完全的正交，因此，在匹配滤波的过程中，其他用户的信息并不能完全滤除，而是通过滤波器后保留的一部分，这部分信息会对接收的本用户造成干扰，被称为多址干扰(Multiple Access Interference, MAI)。多用户检测的目的就是在各用户伪随机序列之间不完全正交的情况下，最大限度地消除多址干扰。

对于多用户检测问题，1986年，S. Verdu提出了最优多用户检测的思想，他将多用户检测问题等效地转化为求解一个带有约束条件的非线性最值问题。该方法可以极大地减少干扰，并且是理论上多址干扰消除的上界，因此称之为最优多用户检测，但是该方法有一个致命的缺点，那就是其计算量是随着用户数的增加而呈指数级增长。当用户数很多时，该方法的计算量将非常庞大，以至于任何计算设备都不可能在短时间内求得最优解。

发明内容

为了解决现有的最优多用户检测方法计算复杂度过大的问题，本发明提供一种DS-UWB信号多用户检测方法。

本发明的一种DS-UWB信号多用户检测方法，它包括以下步骤：

步骤一：获取DS-UWB信号，并将所述信号同时输入至K个匹配滤波器，以获取K个用户输入信息，且存在K个匹配滤波器的互相关系数矩阵满足；

步骤二：利用次优算法检测步骤一获取的K个用户输入信息，获得用户输入信息的次优解，且存在K个次优解的误码率小于0.1；

步骤三：求解函数的最大值，并将所述最大值问题转换成有等式约束条件的最优化问题，其中，,，，,；

步骤四：利用Lagrange乘子法求解步骤三所述的最优化问题，获取K个正确码元，完成DS-UWB信号多用户检测。

本发明的有益效果：本发明提供了一种DS-UWB信号多用户检测方法，本方法首先用简单的次优算法进行检测，获得了满足一定精度的次优解，有效降低了计算复杂度，然后对这组次优解进行门限判决对求得的解中的码元进行判决，避免了误码的输出，提高了系统性能。

 附图说明

图1为本发明的一种DS-UWB信号多用户检测方法的流程图。

具体实施方式

具体实施方式一：根据说明书附图1具体说明本实施方式，本实施方式所述的一种DS-UWB信号多用户检测方法，它包括以下步骤：

步骤一：获取DS-UWB信号，并将所述信号同时输入至K个匹配滤波器，以获取K个用户输入信息，且存在K个匹配滤波器的互相关系数矩阵满足；

步骤二：利用次优算法检测步骤一获取的K个用户输入信息，获得用户输入信息的次优解，且存在K个次优解的误码率小于0.1；

步骤三：求解函数的最大值，并将所述最大值问题转换成有等式约束条件的最优化问题，其中，,，，,；

步骤四：利用Lagrange乘子法求解步骤三所述的最优化问题，获取K个正确码元，完成DS-UWB信号多用户检测。

具体实施方式二：本实施方式是对具体实施方式一的进一步说明，具体实施方式一在步骤二中，检测步骤一获取的K个用户输入信息的次优算法为解相关算法、最小均方误差算法、干扰抵消检测算法或人工智能算法。

具体实施方式三：本实施方式是对具体实施方式二的进一步说明，具体实施方式二在步骤二中，检测步骤一获取的K个用户输入信息的次优算法为人工智能算法中的蚁群算法。

本实施方式中，所述人工智能算法还包括遗传算法和禁忌算法。

具体实施方式四：本实施方式是对具体实施方式一、二或三的进一步说明，具体实施方式一、二或三在步骤四中，利用Lagrange乘子法求解步骤三所述的最优化问题，获取K个正确码元的具体过程为：

步骤四一：令，并根据步骤三获取的将所述展开为：，其中，为Lagrange乘子；

步骤四二：对展开后的求导，获得：

，其中，；

步骤四三：根据，将步骤四二获得的简化为；

步骤四四：设定门限c，判断是否存在，如果是，则执行步骤四六，否则执行步骤四五；

步骤四五：判定为正确码元，并判断是否存在，如果是，则执行步骤四七，否则执行步骤四六；

步骤四六：判定为误码，并将符号取反作为正确码元输出；

步骤四七：将作为正确码元输出。

具体实施方式五：本实施方式是对具体实施方式四的进一步说明，具体实施方式四在步骤四四中，设定的门限c的方法为：当信噪比为-10～0dB时，设定门限c的数值为80～69，即存在

信噪比（dB）门限c-1080-875-674-472-269070

本实施方式中，在无噪声的情况下，，而在噪声存在的情况下，虽然不严格等于零，但也是一个接近零的数。由于次优解的误码率小于0.1，则代入中的次优解绝大部分都是正确的。以K=10为例，我们假设系统误码率为0.1，则

一组码元集中全部为正确码的概率为  ，                   出现一个误码的概率为  ，

出现两个误码的概率为 ，

出现两个以上误码的概率为，

由于出现两个以上误码的概率很低，因此，我们可以认为在一组码元集中，至多出现两个误码。下面分情况进行讨论。

1）  码元集中没有误码

由于b_i, i=1,2,…,K都是正确的，则有L(b_i), i=1,2,…,K在噪声存在的情况下，均为0附近的小数。

2）  码元集中有一个误码

设b_k(k∈[1,K],k∈N)为误码，其余的码元均正确，则即使在无噪声的情况下，L(b_i), i=1,2,…,K也不严格等于零。但误码b_k对L(b_k)的值影响较大，而对其他的L(b_j),j=1,2,…,K,j≠k，它们的值影响不大。这样，就可以根据L(b_k)值的变化，判断b_k就是误码。

3）  码元集中有两个误码

   设b_k1，b_k2 (k₁，k₂∈[1,K], k₁，k₂∈N，k₁≠k₂)为误码，其余的码元均正确，则由2）的分析，对L(b_k1)和 L(b_k2)的值影响较大，对其他的式的值影响较小，但是，其变化程度比2）情况有所减小。

   Lagrange乘子法的基本思路就是将简单蚁群算法(SACO)的值作为初始解代入式L(b_i)中，算出每个L(b_i)的值。设定一个门限c，若|L(b_i)|>c，则认为b_i为误码，将b_i符号取反即可；否则，则认为b_i为正确码元。

   在具体实践过程中，仅靠门限作为判决条件是不够的，因为由于噪声的干扰，很有可能会使一些正确码元的函数值冲破门限值，从而使正确的码元被当成误码。为了解决这一问题，增加新的判决条件：

   假设b_k(k∈[1,K],k∈N)为误码，其余码元正确，且b_k=-1。这样，正确的码元为- b_k=1。在没有噪声的条件下，有

      

这样，我们可以看出L(b_k)与错误码元b_k同号。同理，当误码b_k=1时，上述结论也成立。这样，就成为另一个判决条件。

在实际问题中，为了方便判决门限的选取，通常将判决函数L(b_i)放大，在实际仿真过程中，取判决函数为

  i=1,2,…,K                  

因此，我们可以看出， Lagrange乘子法包含了门限判决和性质判决。其中，为性质判决中的符号判决，为门限判决。