接收器、多个发射器、从多个发射器接收用户数据的方法以及发送用户数据的方法

摘要

提供了一种从多个发射器接收用户数据的方法，来自每个发射器的该用户数据已经被编码为低密度格型码字，并且该多个低密度格型码字已经被发送以便在接收器处作为组合信号而被接收，该接收方法包括以下步骤：(i)接收该信号，(ii)计算来自该多个发射器的该码字的线性组合的系数，(iii)基于该系数来计算要应用到该信号的缩放因子，(iv)将该缩放因子应用到该信号以提供该码字的线性组合，(v)基于信道状态信息对该码字的该线性组合进行解码以获得用户数据的最优独立线性组合，(vi)重复步骤(ii)、(iii)(iv)和(v)以获得至少与发射器的该数目一样多的最优独立线性组合，以及根据该最优独立线性组合来恢复该用户数据。

说明书

技术领域

本发明涉及移动通信，具体地涉及一种无线移动通信。

背景技术

存超出了3G和4G系统所能提供的容量的更大容量的趋势。如图1所示，当信号与干扰/噪声的比值(SINR)较高时，在可能的容量(如果不受所使用的调制方案(换句话说，香农界限)的限制)与使用4G网络中可用的调制方案(QPSK、8PSK、16QAM)可用的容量之间存在实质性间隔。

目前正在开发第五代(5G)无线网络，旨在更好的服务质量、更高的数据吞吐量和更低的延迟。为此，第三代合作伙伴计划(3GPP)移动通信标准实体的目标是空前的高容量密度，例如高达25Gbits/秒/平方公里。在3GPP中有关于5G无线电接入技术的讨论，在其上下文中基于稀疏码分多址(SCMA)提出了用于上行链路通信的无线电接入技术和物理层波形(参见H.Nikopour和H.Balligh的“Sparse codemultiple access“，在个人室内和移动无线电通信(PIMRC)，2013IEEE第24届国际研讨会，在2013，pp.332-336)。已知的SCMA编码器如图2所示。

在这种SCMA方案中，每个用户的二进制数据被映射到n维实数或复数值码字上，n维实数或复数值码字随后通过使用多个物理资源(例如n个符号周期、n个OFDM子载波或n个天线)发送。另外，每个用户使用不同的码本(码字集合，其可以理解为基于稀疏码从格型导出的多维星座)。此外，联合多用户检测用于区分不同用户的个体码字。

这种已知的SCMA方案的格型码本从若干独立的QAM星座的笛卡尔积生成。

发明内容

可以参考所附的独立权利要求。一些优选特征被布局在从属权利要求中。

本发明的一个示例是从多个发射器接收用户数据的方法，来自每个发射器的用户数据已经被编码为低密度格型码字，并且多个低密度格型码字已经被发送，以便在接收器处作为组合信号而被接收，接收方法包括以下步骤：

(i)接收信号，

(ii)计算来自多个发射器的码字的线性组合的系数，

(iii)基于所述系数计算要应用到所述信号的缩放因子，

(iv)将缩放因子应用到信号以提供码字的线性组合，

(v)基于信道状态信息对码字的线性组合进行解码以获得用户数据的最优独立线性组合，

(vi)重复步骤(ii)、(iii)(iv)和(v)，以获得至少与该发射器的数目一样多的最优独立线性组合，以及

从所述最优独立线性组合来恢复所述用户数据。

优选实施例提供基于低密度格型编码的多用户介质访问。基于多维低密度格型码提出多用户介质访问方案，我们称之为低密度格型多址(LDLMA)。

优选实施例使用低密度格型码(LDLC)作为数据编码和介质访问的基础，其中从LDLC导出的多维星座(被称为格型)允许网络用户渐近地逼近香农容量。

优选实施例使用相同的LDLC格型码本来对所有网络用户的二进制数据进行编码。相应地，接收器接收所有发送的码字的组合。由于所有用户使用相同的格型，所以接收到的多个码字的线性组合也是所采用的格型码本的元素。因此，接收器仅需要对用户的LDLC码字的线性组合进行解码，而不是像已知的联合检测方案中所要求的那样将它们分开。

在优选实施例中，单输入单输出(SISO)LDLC解码器可以通过以迭代方式利用线性组合码字的后验概率来执行这种解码，这会导致即使当用户数目较大时，解码复杂度也是线性的。

在优选实施例中，通过估计服从信道状态信息和接收信号的知识的最佳组合系数来检测不同网络用户的个体码字。

优选实施例提供了被称之为LDLMA的5G接入技术，其中多维格型星座被用于对用户数据进行编码。格型星座由低密度格型码(LDLC)构建。

在优选实施例中，LDLMA可以在上行链路和下行链路中的之一或两者中实现。特别是在下行链路中，具有线性复杂度的SISO解码器是可用的，这减少了移动手机中所需的硬件并且节省了手机的电池能量。

一些优选实施例具有以下优点：用户使用相同的格型码本来编码它们的数据，低密度格型具有较高的整形增益并且解码复杂度较低。例如，如上所述，已知的SCMA方案的格型码本由若干独立的QAM星座的笛卡尔乘积生成。与此相反，低密度格型是自然格型，其不需要从诸如现有的PSK或QAM的2维格型进行任意变换。因此，与已知的SCMA方案中采用的多维格型星座相比，它具有优越的整形增益。

优选实施例具有线性解码复杂度。与已知的SCMA方案相反，优选实施例不需要基站通过使用联合多用户检测来区分每个用户的码字。相反，基站估计用户码字的最佳线性组合并通过求解用于估计的最佳系数的线性方程组来取回个体用户数据。基站不需要分离每个用户的码字，因此单进单出(SISO)解码器就足够了。与已知的SCMA方案中使用的联合多用户检测相比，这显著降低了解码复杂度。

优选地，计算所述缩放因子包括应用最小均方误差(MMSE)准则，以最小化有效噪声的方差。

优选地，计算所述系数包括最大化码字的线性组合的虚拟速率(t)。

优选地，对线性组合进行解码包括迭代循环，每个循环包括计算变量节点消息并计算校验节点消息。优选地，获得用户数据的每个最优独立线性组合包括在最终迭代之后，估计码字元素的概率密度函数。

优选地，码字的线性组合本身是低密度格型的有效码字。

优选地，从最优独立线性组合恢复用户数据包括获得最优独立线性组合的系数矩阵的伪逆。

优选地，发射器是用于蜂窝无线移动通信的用户终端。

本发明的示例还涉及对应的接收器。

本发明的一个示例涉及一种接收器，其被配置为从多个发射器接收用户数据，来自每个发射器的用户数据已经被编码为低密度格型码字，并且多个低密度格型码字已经被发送，以便在接收器处为作为组合信号而被接收，接收器包括：

接收级，被配置为接收信号；

迭代处理级，被配置为提供至少与发射器的数目一样多的最优独立线性组合，所述迭代处理级包括：

被配置为计算来自多个发射器的码字的线性组合的系数的处理器，

被配置为基于所述系数来计算要应用到所述信号的缩放因子的处理器，

被配置为将所述缩放因子应用到所述信号以提供所述码字的线性组合的处理器，以及

解码器，被配置为基于信道状态信息和码字的线性组合来估计用户数据的最优线性组合；

并且接收器还包括恢复级，被配置为从所述最优独立线性组合来恢复所述用户数据。

优选地，接收器是用于蜂窝无线通信的基站。

优选地，解码器是单输入单输出(SISO)解码器。

本发明的示例还涉及一种发送方法。本发明的一个示例涉及一种发送用户数据作为低密度格的码字的方法，其中每个发射器将其用户数据编码成相应的码字以用于发送并通过在空中的载波信号上发送该码字；其中多个发射器使用共享的低密度格型码本以用于所述编码。

优选地，发射器是用于无线蜂窝移动通信的用户终端。

优选地，码字通过超立方体整形被适配以用于功率控制。

本发明的示例还涉及多个发射器。本发明的一个示例涉及多个发射器，其被配置为向接收器发送作为低密度格型的码字的相应数据，其中每个发射器将其相应的数据编码成相应的码字以用于发送，并且经由空中的载波信号来发送码字；其中所述多个发射器使用共享的低密度格型码本以用于所述编码。

附图说明

现在将通过举例并参考附图来描述本发明的实施例，在附图中：

图1是示出了作为各种调制方案的SINR的函数的4G系统的容量以及香农界限的图示，

图2是示出了已知的稀疏码分多址(SCMA)编码器(现有技术)的图示，以及

图3是示出了用于与图2进行比较的根据第一实施例的低密度格型多址(LDLMA)编码器的图示，

图4是示出了根据第一实施例的编码和解码过程的图示，

图5是更详细地示出了图4所示的编码的图示，其包括从用户数据生成LDLMA码字，

图6是更详细地示出了图4中所示的解码的流程图。

具体实施方式

当考虑上面参照Nikopour论文和图2提到的SCMA系统的已知媒体访问方法时，发明人认识到SCMA中使用的联合多用户检测的复杂度快速随着用户数目而增长。由于运营商需要可伸缩的解决方案，这基本上阻碍了所提议的技术的实际部署。

低密度格型多址(LDLMA)

发明人认识到能够基于多维低密度格型码(LDLC)提供多用户介质访问。我们称之为低密度格型多址(LDLMA)。

这种低密度格型码可从N.Sommer，M.Feder和O.Shalvi的论文“Low-densitylattice codes”(信息论，IEEE汇刊，卷54，第4号，第1561-1585页，2008年4月)而知晓。

如图3和4所示，每个用户终端(用户设备，UE)2包括相应的LDLC编码器4，并且使用单个LDLC格型码本来将二进制数据1编码为所有网络用户的码字9。

如图4所示，相应地，接收器6接收所有发送的码字9的组合8。由于所有用户使用相同的格型，多个码字9的接收到的线性组合也是所使用的格型码本的元素。因此，接收器6仅需要解码用户的LDLC码字的线性组合10，而不是按照标准联合检测方案的要求来分离它们。单输入单输出(SISO)LDLC解码器12通过以迭代方式利用线性组合码字的后验概率来执行该解码。这导致即使在用户数目很大时，也解码复杂度是线性的。

在该方案中，通过估计经受信道状态信息和接收到的组合码字的知识的最佳组合系数14来检测不同网络用户的个体码字。

该方案不要求接收器6，例如基站(BS)7，通过使用联合多用户检测来区分每个用户的码字。相反，接收器6估计用户码字的最佳线性组合，然后通过求解用于估计的最佳系数的线性方程组来取回个体用户的数据16。基站不需要分离每个用户的码字，因此单输入单输出(SISO)解码器12就足够了。

当然，编码和解码方案可以在上行链路和下行链路之一或两者中实现。特别是在下行链路(即向用户终端)中，可以使用SISO解码器(具有线性复杂度)，这降低了移动手机的硬件复杂度并且节省了用户终端电池能量。

以上是概要。在下文中提供更多细节。

低密度格型码

用Λ表示的n维格型是Rⁿ中的点集合，使得如果x，y∈Λ，则x+y∈A，并且如果x∈Λ，则-x∈Λ。格型总是可以写成格型生成器矩阵G∈R^n×n

Λ＝{x＝Gv：v∈Zⁿ}

构造低密度格型码(LDLC)是通过扩展众所周知的低密度奇偶校验码(LDPC)构建的；这是通过将奇偶校验矩阵和LDPC的校正子(syndrome)从有限域上的运算扩展到实域或复域来完成的。n维LDLC是具有满足det|G|＝1的非奇异生成器矩阵G的n维格型码，为此奇偶校验矩阵H＝G^-1是稀疏的。

H的行或列度分别定义为行或列中非零元素的数目。如果奇偶校验矩阵的所有行度和列度等于公共度d，则n维LDLC是常规的。如果奇偶校验矩阵的每一行和列都具有相同的非零值，除了可能的阶数和随机符号的改变，具有度d的n维常规LDLC被称为“拉丁平方LDLC”。这些d值的排序序列被称为拉丁平方LDLC的生成序列。

例如，维度n＝6，行度4，列度3和生成序列{1,0.8,0.5}的实数LDLC的奇偶校验矩阵如下：

编码

编码方案在图5中更详细地示出。

如图5所示，编码器4中的编码包括涉及由超立方体整形的功率控制18、用户数据编码20、以及该数据的传输，如下所述。

功率控制

实际上，我们采用功率控制(即整形)算法，使得LDLC码字满足发射功率约束。因此，每个用户终端2使用基于下三角奇偶校验矩阵H的超立方体整形来将整数信息向量传送到另一个整数向量，使得满足功率约束。

超立方体整形操作由下式给出

其中被计算为

由于LDLC的线性，从得出，其中M是星座大小。

用户数据编码

在用户数据传输期间，二进制用户数据被分组以表示整数，然后映射到LDLC格型的n维码字。

传输

每个码字可以被映射到不同的OFDM子载波或MIMO系统的单个天线元件。

接收和解码

接收和解码阶段如图6所示并参考图4。

如图6所示，接收(步骤a)之后是涉及计算(步骤b)要应用的缩放因子和系数并应用它们(步骤c)的信号处理。下一阶段是以下之一：获得(步骤d)用户消息的线性组合；然后恢复(步骤e)每个个体用户的消息个。这些阶段被认为在下面提供了示意性的示例。

叠加码字的接收(步骤a)

假设基站(BS)7为L个用户提供服务，使得在基站处被接收的信号有以下给出

其中是具有维度n的发送的格型码字；是信道系数；并且是噪音。

信号处理(步骤b，步骤c)

为了形成LDLC码字的线性组合，基站7将接收到的信号通过因子α进行缩放并将缩放的信号扩展为

其中t是用户码字的线性组合，z_eff是有效噪声。

由于噪声取决于码字，因此通过应用最小均方误差(MMSE)准则来为此目的获得最优缩放因子α，使得有效噪声的方差被最小化，如由下式给出

其中P是传输的码字的功率；并且系数向量a＝[a₁，...，a_L]是通过最大化t的虚拟速率来确定的，由下式给出

将α_opt代入上面的等式得到：

其中在形式上令M＝LL^H为M的Cholesky分解，其中L是一些下三角矩阵。(L的存在遵循M是Hermitian和正定的事实)。这给出aMa^H＝||aL||²。因此，上述速率优化等同于解决以下最短向量问题：

获取用户消息的线性组合(步骤d)

在获得a_opt之后，基站7对期望的线性组合t进行解码。为了成功恢复L个用户的消息，基站必须对K个最优和独立的线性组合进行解码，其中K≥L。

为了对期望的t进行解码，所提出的LDLMA方案必须形成以下分布：

其中t_j是t的第j个分量；l是格型码字，l_j是它的第j个分量；d(l，αy)表示αy和l之间的欧几里德距离；和σ²(α，a)是有效噪声的方差，由下式给出

σ²(α，a)＝‖αh-a||²P+ασ²

一个扩展t如下

其中t本身是LDLC的有效码字，使得作为用户消息的线性组合的r通过将t传递通过SISO LDLC解码器12来提取，其由给出，其中是估计的信号。这将在下面更详细地描述。

解码器12通过在实场或复场上使用Gallager的消息传递算法来迭代地估计由变量节点发送的消息是t的维分量的概率密度函数(PDF)，而由校验节点发送的消息是t的维分量的PDF的周期性扩展。每个变量节点对应于格型码字的单个元素。每个校验节点对应于校验等式，换句话说，是矩阵H的一行。

设t₁，...，t_j，...，t_n以及c₁，...，c_j，...，c_n分别表示变量节点和校验节点。用于LDLC格型组合t的SISO解码器12实质上通过应用以下方法来操作：

初始化：变量节点t_j将消息

发送给所有相邻的校验节点。

校验节点消息的基本迭代：每个校验节点与相邻变量节点共享不同的消息。假设有连接到校验节点c_j的m个(等于H的行度)变量节点。这些变量节点用t_j，υ，υ∈{1，...，m}表示，并且存在适当的校验等式其中Z是整数集合，η_τ是H的项。在前面的半迭代中，从t_j，υ发送到校验节点c_j的消息被表示为f_υ(t)，υ∈{1，...，m}。校验节点c_j发送回变量节点t_j，τ的消息的计算遵循三个基本步骤：

1)卷积步骤：除了f_τ(t)以外的所有消息被卷积，其中将被替换为f_υ(t)，υ∈{1，...，m}/{τ}：

2)拉伸步骤：被拉伸-η_τ到

3)周期性扩展步骤：p_τ(t)被扩展为具有周期的周期函数，由下式提供

其中P_τ(t)是发送给变量节点t_j，τ的最终消息。

变量节点消息的基本迭代：每个变量节点向相邻校验节点发送消息。

假设存在连接到变量节点t_j的e(等于H的列度)个校验节点，其由c_j，λ，λ∈{1，...，e}表示。在前一半迭代中校验节点c_j，λ向变量节点t_j发送回的消息由P_λ(t)表示。从变量节点t_j向校验节点c_j，τ发送的消息的计算遵循两个基本步骤：

1)乘积步骤：

2)归一化步骤：

重复：重复基本迭代，直到达到迭代阈值。

最终决定：为了提取用户消息r的期望的线性组合，码字元素t₁，...，t_j，...，t_n的最终PDF应当在最终迭代中被估计，而不排除乘积步骤中的任意校验节点消息，由下式给出

然后，估计的码字元素可以根据获得。最后，所期望的r被计算为

消息恢复(步骤e)

给定信道状态信息，基站7获得最佳的κ个线性组合索引为即至少与发射器的数目一样多的最优独立线性组合。这些线性组合的系数形成矩阵为了成功地恢复用户的消息[v₁，...，v_L]，A的秩应该不小于L。因此，基站获得伪逆来恢复[v₁，...，v_L]，由下式给出

示例

下面是用于说明LDLMA的解码过程的简单的示例：有2个用户终端可以访问基站。两个用户终端均采用相同的LDLC码本A，其中码字分别是x₁＝Gv₁和x₂＝Gv₂。假设信道系数向量是h＝[h₁>2]^T＝[1>T，使得接收信号是y＝1x₁+2.2x₂+z。假设在速率优化之后，基站选择例如α₁＝5和α₂＝4作为最好的两个缩放因子，因此我们有

和

其中t₁，t₂∈Λ，迭代地在Λ上的SISO格型解码器估计分布和以提取r₁＝5v₁+11v₂和r₂＝4v₁+9v₂，由于以下等式5x₁+11x₂＝G(5v₁+11v₂)和4x₁+9x₂＝G(4v₁+9v₂)。一旦已知r_t，r₂和A，则通过对A在r₁和r₂上进行取逆来获得用户数据v₁和v₂。

本发明可以在不脱离其必要特征的情况下以其他特定形式来实施。所描述的实施例在所有方面仅被认为是示意性的而非限制性的。因此，本发明的范围由所附权利要求而不是由前面的描述来指示。在权利要求的等同物的含义和范围内的所有改变都将被包括在其范围内。

本领域技术人员将容易认识到，各种上述方法的步骤可以由编程的计算机执行。一些实施例涉及程序存储设备，例如数字数据存储介质，其是机器或计算机可读的并且对机器可执行程序或计算机可执行指令程序进行编码，其中所述指令执行上述方法的一些或全部步骤。程序存储设备可以是例如数字存储器、诸如磁盘和磁带的磁存储介质、硬盘驱动器或光可读数字数据存储介质。一些实施例涉及编程为执行上述方法的所述步骤的计算机。