本發(fā)明屬于無線通信領域，尤其涉及一種無線網(wǎng)絡中的小包數(shù)據(jù)傳輸方法及系統(tǒng)。

背景技術：

隨著智能終端比如智能手機、平板等的快速普及，小包業(yè)務的用戶量迅速增加。與此對應，通信網(wǎng)絡中產(chǎn)生的小包數(shù)據(jù)也快速增長。典型的小包業(yè)務包括諸如騰訊QQ之類的即時通信服務，以及諸如Facebook之類的社交網(wǎng)絡平臺等。可以說智能終端產(chǎn)生的業(yè)務數(shù)據(jù)的一個典型特征就是數(shù)據(jù)為小包。小包業(yè)務極大地改變了用戶(特別是青年用戶群體)的生活、學習、工作等的方式。

小包業(yè)務，顧名思義，是指業(yè)務產(chǎn)生的數(shù)據(jù)包很短；基本來講，小數(shù)據(jù)包的長度短于通信設備的最小規(guī)格，即短于時頻資源塊長度。然而，即使包長度短，現(xiàn)存一幀數(shù)據(jù)中包含的諸如前導序列之類的開銷卻不能少，因此小包數(shù)據(jù)幀利用率很低；另一方面，小包業(yè)務龐大的用戶群體以及業(yè)務請求的不規(guī)律性導致移動終端與網(wǎng)絡端(如基站端)頻繁地斷開與重新連接，這又帶來繁重的接入信令開銷?？偟膩碚f，小包業(yè)務給網(wǎng)絡帶來繁重的開銷負擔。

面對小包業(yè)務的新特點，傳統(tǒng)的媒體接入控制(MAC，medium access control)協(xié)議由于效率很低而顯得力不從心。以上行為例，傳統(tǒng)MAC協(xié)議都是分配給每一個接入用戶正交的資源塊以避免相互之間的干擾，即正交接入。正交接入在需要服務的用戶數(shù)量不多的時候可以取得非常好的效果；但是面對非常大的用戶數(shù)量，正交接入所需的資源數(shù)量并不能得到滿足，其代價是資源調度會產(chǎn)生很大的服務延時從而降低服務質量(QoS，quality of service)。值得注意的是，5G通信系統(tǒng)的涵蓋的通信領域越來越大，包括蜂窩通信、機器到機器通信(M2M，machine to machine)等，可以說5G通信體現(xiàn)了物聯(lián)網(wǎng)(IoT，internet of thing)的概念。在5G通信中，突發(fā)業(yè)務將會占很大比重，而且這些業(yè)務的另一個典型特點是數(shù)據(jù)包長度很短。5G通信需滿足諸如高頻譜效率，高接入量和低延時服務的要求。

已有的正交接入技術不能滿足未來通信要求的問題目前得到學術界和產(chǎn)業(yè)界的關注。5G上行鏈路中的熱門多址候選方案分為正交多址(orthogonal multiple access，OMA)方式和非正交多址(non-orthogonalmultiple access，NOMA)方式。正交的接入方式主要指正交頻分多址(orthogonal frequency division multiple access，OFDMA)(上行鏈路一般采用非正交的單載波頻分多址(single carrier frequency division multipleaccess，SC-FDMA)，因為OFDMA會帶來比較高的峰值平均功率比)。由于非正交多址方式可以提高系統(tǒng)吞吐量和容納更多的用戶，它們得到廣泛關注并被認為非常有希望成為5G通信的接入技術。目前已經(jīng)被提出的非正交的接入方式包括功率域的NOMA[8]、稀疏碼分多址(sparse codemultiple access，SCMA)、多用戶共享接入(multi-user shared access，MUSA)等。總結來講，這些非正交技術都還不成熟，它們都有自身的問題目前需要克服。

值得一提的是，5G并不是只支持一種接入方式。由于5G有初步物聯(lián)網(wǎng)(internet of thing，IoT)的概念，其涵蓋的通信場景很多，有些場景可能正交的多址方式就可以滿足接入量需求，而有些場景則需要非正交的多址方式以容納更多的通信用戶。

為了更有效地滿足小數(shù)據(jù)包數(shù)據(jù)的傳輸需求，一個非常重要的方面就是降低傳輸?shù)拈_銷。一種降低傳輸開銷的途徑就是降低小數(shù)據(jù)包發(fā)送前的資源分配信令。另一種途徑就是接收端對用戶的行為進行自動檢測，聯(lián)合完成連接檢測和符號解調。第二種途徑在物理層便可以完成按原來協(xié)議屬于高層的檢測任務。為實現(xiàn)第二種途徑中的目標，一個有效的方法就是采用基于壓縮感知(compressive sensing，CS)的多用戶檢測技術。

自從關于壓縮感知的奠基性文章發(fā)表以來，過去幾年出現(xiàn)了對壓縮感知研究的極大熱情。從通信角度去看，壓縮感知模型與多用戶的接入模型高度一致。而且，壓縮感知模型代表的通常是非正交的多用戶接入模型。將壓縮感知技術運用于通信中，則可以在物理層聯(lián)合完成連接檢測和符號解調，并且允許通信系統(tǒng)是欠定的線性系統(tǒng)。連接檢測在之前的通信協(xié)議中由高層完成，而基于壓縮感知的多用戶檢測方法卻可以在物理層實現(xiàn)連接檢測，這是一個很有意思的轉變；在物理層上實現(xiàn)符號的解調并不陌生，比如CDMA系統(tǒng)就是一個典型的例子。

事實上，將壓縮感知技術運用于多用戶接入檢測已經(jīng)有相當多的工作了。這些工作基本上源于這樣一個事實：稀疏是接入信道的一個自然屬性，即同時有數(shù)據(jù)發(fā)送的用戶只占總用戶數(shù)的很小的一部分。這些研究工作表明，采用諸如正交匹配追蹤(OMP，orthogonal matching pursuit)的稀疏恢復算法可以獲得好于單用戶檢測的恢復性能。同時，也有研究結果表明，基于壓縮感知的多址技術可以免去用戶的身份信息開銷，并且相對于一些常用的接入技術，前者可以降低解碼時延(即表示用戶有數(shù)據(jù)發(fā)送請求到數(shù)據(jù)在接收端成功解碼之間的時間跨度)。這兩個優(yōu)勢均來自于壓縮感知的恢復方法不需要知道哪些用戶有發(fā)送信息，只要用戶發(fā)送行為具有稀疏性，解碼端就可以完成滿足一定精度的信號恢復；同時，由于不需要進行資源的分配，用戶有數(shù)據(jù)就可以發(fā)送，解碼時延很大可能得到降低。這同時也說明，基于壓縮感知的非正交多用戶接入方法并不需要信令參與傳輸資源的分配和協(xié)調過程，如果約定接入信令特指用戶接入時協(xié)調資源分配的開銷，則該方法可實現(xiàn)零信令的多址傳輸。

技術實現(xiàn)要素：

(一)要解決的技術問題

本發(fā)明的目的在于，提供一種無線網(wǎng)絡中的小包數(shù)據(jù)傳輸方法及系統(tǒng)，解決小包數(shù)據(jù)的大量傳輸給無線通信網(wǎng)絡所帶來的繁重信令開銷問題。

(二)技術方案

本發(fā)明提供一種無線網(wǎng)絡中的小包數(shù)據(jù)傳輸方法，無線網(wǎng)絡中包括一接收端和多個發(fā)送端，接收端和發(fā)送端通信連接，方法包括：

S1，在發(fā)送端，對將要發(fā)送的小包數(shù)據(jù)進行長度擴展；

S2，將長度擴展后的小包數(shù)據(jù)從發(fā)送端發(fā)送至所述接收端；

S2，在接收端，對長度擴展后的小包數(shù)據(jù)進行稀疏恢復。

進一步，步驟S1中，針對第n個發(fā)送端發(fā)送的小包數(shù)據(jù)，采用相應的預編碼矩陣P_n，對該小包數(shù)據(jù)中的符號向量s_n進行長度擴展，得到長度擴展后的小包數(shù)據(jù)，其信號x_n表示為：

其中，T表示每個時頻資源塊可以承載的消息符號的個數(shù)，d表示長度擴展后的小包數(shù)據(jù)的長度。

進一步，預編碼矩陣P_n由發(fā)送端通過無線網(wǎng)絡接入至所述接收端時分配給所述發(fā)送端。

進一步，步驟S2中，長度擴展后的小包數(shù)據(jù)經(jīng)由一信道發(fā)送至接收端，接收端獲取到的小包數(shù)據(jù)的信號Y表示為：

其中，ρ₀是信道上行鏈路的信噪比，為第n個發(fā)送端對應的信道狀態(tài)向量。Z是噪聲矩陣。

進一步，步驟S3中，在恢復小包數(shù)據(jù)前，還對所述小包數(shù)據(jù)的信號Y進行向量化，得到向量化信號y：

其中，B＝[B₁，B₂，…，B_N]，z表示噪聲向量。

進一步，步驟S3中，采用歸一化的BOMP算法對長度擴展后的小包數(shù)據(jù)進行恢復，具體包括：

S31，獲取向量化信號y及相應參數(shù)B、ρ₀、K和所有信道響應向量，K表示BOMP算法的迭代次數(shù)；

S32，初始化迭代次數(shù)索引k＝1，發(fā)送端集合Λ₀＝φ，殘余信號r₀＝y(tǒng)；

S33，計算r₀和B中索引屬于用戶集合j∈{1，…，N}\Λ_k-1的子塊之間歸一化的系數(shù)c_j，k：

表示子矩陣B_j的共軛轉置，r_k-1表示第k-1次迭代之后的殘差信號，h_j表示用戶j到接收端的信道響應向量；

S34，找出滿足條件的子塊λ_k：

S35，更新發(fā)送端集合：

Λ_k＝Λ_k-1∪{λ_k}；

S36，采用最小二乘法更新信號：

其中，s₀表示符合星座映射的所有元素構成的符號向量，表示由j∈Λ_k的子矩陣B_j構成的矩陣；

S37，更新殘余信號和迭代索引：

k＝k+1；

S38，結束并輸出結果逼近信號即得到恢復后信號。

本發(fā)明還提供一種無線網(wǎng)絡中的小包數(shù)據(jù)傳輸系統(tǒng)，包括：

擴展模塊，用于在發(fā)送端，對將要發(fā)送的小包數(shù)據(jù)進行長度擴展；

發(fā)送模塊，用于將長度擴展后的小包數(shù)據(jù)從發(fā)送端發(fā)送至接收端；

恢復模塊，用于在接收端，對長度擴展后的小包數(shù)據(jù)進行稀疏恢復。

進一步，針對第n個發(fā)送端發(fā)送的小包數(shù)據(jù)，擴展模塊采用相應的預編碼矩陣P_n，對該小包數(shù)據(jù)中的符號向量s_n進行長度擴展，得到長度擴展后的小包數(shù)據(jù)，其信號x_n表示為：

其中，T表示每個時頻資源塊可以承載的消息符號的個數(shù)，d表示長度擴展后的小包數(shù)據(jù)的長度。

進一步，預編碼矩陣P_n由所述發(fā)送端通過無線網(wǎng)絡接入至接收端時分配給發(fā)送端。

進一步，發(fā)送模塊將長度擴展后的小包數(shù)據(jù)經(jīng)由一信道發(fā)送至接收端，所述接收端獲取到的小包數(shù)據(jù)的信號Y表示為：

其中，ρ₀是信道上行鏈路的信噪比，為第n個發(fā)送端對應的信道狀態(tài)向量。Z是噪聲矩陣。

進一步，恢復模塊在恢復所述小包數(shù)據(jù)前，還對小包數(shù)據(jù)的信號Y進行向量化，得到向量化信號y：

其中，B＝[B₁，B₂，…，B_N]，z表示噪聲向量。

進一步，恢復模塊采用歸一化的BOMP算法對長度擴展后的小包數(shù)據(jù)進行恢復，具體包括：

S31，獲取向量化信號y及相應參數(shù)B、ρ₀、K和所有信道響應向量，K表示BOMP算法的迭代次數(shù)；

S32，初始化迭代次數(shù)索引k＝1，發(fā)送端集合Λ₀＝φ，殘余信號r₀＝y(tǒng)；

S33，計算r₀和B中索引屬于用戶集合j∈{1，…，N}\Λ_k-1的子塊之間歸一化的系數(shù)c_j，k：

表示子矩陣Bj的共軛轉置，r_k-1表示第k-1次迭代之后的殘差信號，hj表示用戶j到接收端的信道響應向量；

S34，找出滿足條件的子塊λ_k：

S35，更新發(fā)送端集合：

Λ_k＝Λ_k-1∪{λ_k}；

S36，采用最小二乘法更新信號：

其中，s₀表示符合星座映射的所有元素構成的符號向量，表示由j∈Λ_k的子矩陣B_j構成的矩陣；

S37，更新殘余信號和迭代索引：

k＝k+1；

S38，結束并輸出結果逼近信號即得到恢復后信號。

(三)有益效果

本發(fā)明在發(fā)送端，采用預編碼技術對小包數(shù)據(jù)進行一個時頻資源塊的長度的擴展，擴展后的符號向量再由發(fā)送端發(fā)送出去，接收端進行多天線接收，另外，本發(fā)明提供了基于結構化壓縮感知(compressive sensing，CS)的系統(tǒng)模型，根據(jù)該模型，接收端可以進行稀疏恢復，包括在物理層進行用戶檢測和符號解調，該方法使得在給定的多天線系統(tǒng)下，一定數(shù)量的小包業(yè)務用戶可以同時共享同一資源進行小數(shù)據(jù)包的傳輸；而且，接收端并不需要知道哪些用戶以及多少用戶發(fā)送了小包數(shù)據(jù)。因此，本發(fā)明可以免去傳統(tǒng)正交接入方法在服務小包業(yè)務中由于資源調度而產(chǎn)生的巨大接入信令開銷，本發(fā)明允許同時傳輸?shù)挠脩魯?shù)多于接收端的天線數(shù)。另一方面，本發(fā)明提出了歸一化的BOMP(normalized BOMP，NBOMP)算法用于提高信號恢復性能。

附圖說明

圖1為本發(fā)明提供的無線網(wǎng)絡中的小包數(shù)據(jù)傳輸方法的流程圖。

圖2為本發(fā)明在發(fā)送端的預編碼過程的示意圖。

圖3為現(xiàn)有技術中BOMP算法的原理框圖。

圖4為本發(fā)明提供的歸一化的BOMP算法的原理框圖。

圖5A和圖5B是本發(fā)明所給出的小包數(shù)據(jù)傳輸?shù)男阅芊抡鎸嵗?/p>

圖6為本發(fā)明構造預編碼矩陣的流程圖。

圖7為本發(fā)明中不同預編碼矩陣用于小包數(shù)據(jù)傳輸?shù)男阅芊抡鎴D。

具體實施方式

本發(fā)明提供了一種無線網(wǎng)絡中的小包數(shù)據(jù)傳輸方法及系統(tǒng)，方法首先構造預編碼矩陣，然后通過對小包數(shù)據(jù)進行長度擴展，再送入信道進行傳輸，在接收端，采用歸一化的BOMP算法來恢復小包數(shù)據(jù)。本發(fā)明所構造的預編碼矩陣具有以下優(yōu)勢：可以針對多個用戶連接產(chǎn)生足夠多的預編碼矩陣；獲得比隨機產(chǎn)生的預編碼矩陣更好的信號恢復準確性；降低小包數(shù)據(jù)傳輸?shù)膹碗s度；使得預編碼后的符號獲得統(tǒng)計上良好的PAPR特性。

圖1為本發(fā)明提供的無線網(wǎng)絡中的小包數(shù)據(jù)傳輸方法的流程圖，如圖1所示，方法包括：

S0，構造預編碼矩陣；

S1，在發(fā)送端，利用所構造的預編碼矩陣對將要發(fā)送的小包數(shù)據(jù)進行長度擴展；

S2，將長度擴展后的小包數(shù)據(jù)從發(fā)送端發(fā)送至接收端；

S3，在接收端，對長度擴展后的小包數(shù)據(jù)進行恢復。

本發(fā)明先給出大量小數(shù)據(jù)包多址傳輸?shù)膱鼍埃杭俣o線網(wǎng)絡有一個基站(base station，BS)作為接收端，基站天線數(shù)為M。當一個單天線用戶(發(fā)送端)成功接入網(wǎng)絡后，即和BS建立連接。假定在時刻t無線網(wǎng)絡中有N個用戶連接(總連接)，其中N_a個連接有數(shù)據(jù)傳輸要求(活躍連接)。需要指出的是：(1)N_a對于BS未知；(2)傳輸行為(接入信道)存在稀疏性，即N_a＜＜N(3)不特別約定N_a≤M。

一個消息的完整傳輸包含一系列符號的傳輸。假定每個時頻資源塊可以承載T個消息符號(一個時頻資源塊有T個單元)，所有符號均在信道相干時間內。假設所有用戶的信道狀態(tài)信息在BS已知。

假定每個數(shù)據(jù)包的有效信息比特數(shù)目為b_n，i，CRC域比特數(shù)目b_n，c，b_n＝b_n，i+b_n，c，經(jīng)信道編碼即符號映射后數(shù)據(jù)包長度為d。假定第n個連接產(chǎn)生的原始的復數(shù)域數(shù)據(jù)符號向量s_n，k(1≤k≤d)是s_n的第k個符號；符號映射由預編碼實現(xiàn)，再假設第n個連接的預編碼矩陣為P_n的第k列對應的列向量P_n，k是s_n，k的預編碼向量。連接n

對應發(fā)送信號為如圖2所示。預編碼矩陣在用戶登記入網(wǎng)時分配給定，在用戶離開無線網(wǎng)絡覆蓋區(qū)域之前一直有效，這里，假設基站知道所有連接對應的預編碼矩陣，用戶僅知道自己的預編碼矩陣。

BS接收的信號可以表示為：

其中，ρ₀是上行鏈路的信噪比，為連接n對應的信道狀態(tài)向量。Z是噪聲矩陣。

將接收端信號進行向量化，最終得到如下接收信號模型：

其中，y＝υec(Y)是矩陣Y的向量表達形式，B＝[B₁，B₂，…，B_N]，其中B在稀疏檢測中被稱為字典，它由所有用戶的字典子矩陣組成。Z＝υec(Z)是噪聲向量。

考慮小包業(yè)務中各連接傳輸行為具有明顯的時域稀疏特性，即很高概率為零向量，則s呈現(xiàn)塊稀疏特性，同時考慮到B是胖矩陣的情況，公式(2)體現(xiàn)的是典型的塊稀疏的壓縮感知模型。需要指出的是，形式上，公式(2)給出的模型可以看作是一種CDMA多址傳輸，其特殊之處在于：

1、對于連接n的第k個符號s_n，k，通過預編碼向量P_n，k的第k個向量擴展到時頻資源塊的T個單元中；

2、測量矩陣B決定系統(tǒng)的多址傳輸能力，該矩陣由信道矩陣h_n(1≤n≤N)和預編碼矩陣P_n(1≤n≤N)的kronecker積生成。該過程實現(xiàn)空域、時域和頻域的協(xié)同；

3、該多址方式并不要求所有符號的預編碼向量為正交向量。事實上，由于我們關心的場景也是MT＜Nd，則公式(2)表示的是一個欠定的系統(tǒng)，不同連接之間是滿足不了正交的。

預編碼擴展長度方法的引入也是源于這樣一個事實：小數(shù)據(jù)包長度d短于網(wǎng)絡設備的規(guī)格T，由此帶來比較嚴重的寶貴資源的浪費問題。通過預編碼擴展，可充分利用給定的傳輸資源?；陬A編碼擴展整個小數(shù)據(jù)包然后再傳輸?shù)乃枷虢⒌亩嘀穫鬏斈Ｐ?，相對于，目前已有的基于稀疏恢復的多用戶檢測模型有以下特點：

1、實現(xiàn)了空域、時域和頻域多址傳輸相結合，拓展了多址空間的維度；

2、同一連接的不同符號采用不同的預編碼向量，使得符號間的干擾具有不同的模式。該操作將符號之間的干擾平均化，這對于提高符號解調的準確性是有利的。

得益于上述建立的塊稀疏模型，已有的塊稀疏恢復算法可以直接用于信號恢復。當各個參數(shù)(包括總連接數(shù)、活躍連接數(shù)、接收端天線數(shù)和噪聲水平等)滿足一定條件時，可以實現(xiàn)活躍連接的正確檢測。根據(jù)前面的說明，我們提出的多址技術可以實現(xiàn)零信令多址傳輸。零信令是指連接僅僅在建立和終止時需要信令參與，在連接存續(xù)期間不再需要信令參與傳輸。這就完全避開了小數(shù)據(jù)包按照傳統(tǒng)接入?yún)f(xié)議傳輸帶來繁重的信令問題。

以上描述了本發(fā)明對小包數(shù)據(jù)進行長度擴展，并得到了塊壓縮感知的稀疏模型，以下描述本發(fā)明中小包數(shù)據(jù)的恢復問題。

CS算法中有很多已經(jīng)很成熟的算法。其中，正交匹配追蹤(OMP)算法以其運算速度快，便于實際運用而得到廣泛運用。將OMP算法運用到塊壓縮感知模型中來就產(chǎn)生了BOMP算法，BOMP算法與OMP算法原理一致。具體地，在每一次迭代中，它將在剩余的字典子陣中選擇與剩余信號(residual signal)相關性最大的一個子陣(類似于CDMA中的碼字相關計算)，以擴充基函數(shù)，然后再用已選出的基函數(shù)通過最小二乘(LS)算法對數(shù)據(jù)進行更新，直到迭代結束。OMP(BOMP)算法體現(xiàn)了干擾消除(interference cancellation)的思想，但它跟干擾消除明顯的區(qū)別在于前面選擇出來的每一個可能非零位置的數(shù)據(jù)都會在后續(xù)的每一步迭代中得到更新。圖5為現(xiàn)有技術中BOMP算法的原理框圖，如圖5所示，其計算過程如下：

1：輸入矩陣B，信號向量y，參數(shù)ρ₀，所有信道響應向量以及BOMP算法的迭代次數(shù)K，通常地，

2：初始化：迭代次數(shù)索引k＝1，用戶集合Λ₀＝φ，殘余信號r₀＝y(tǒng)

3：迭代步驟：當k≤K

1)：計算r₀和B中索引屬于用戶集合j∈{1，…，N}\Λ_k-1的子塊之間的相關系數(shù)：

2)：找出滿足條件的子塊：

3)：更新用戶集：

Λ_k＝Λ_k-1∪{λ_k}

4)：用最小二乘(LS)算法更新信號：

5)：更新殘余信號和迭代索引：

k＝k+1

4：結束并輸出結果：block-sparse信號的逼近信號

通過對BOMP運算中的相關系數(shù)進行計算分析，結果表明，當j代表活躍連接時，相關系數(shù)c_j，k的期望值與的二階矩和一階矩相關；當j不是活躍連接時，相關系數(shù)c_j，k的期望值與的一階矩相關。因此，不同連接的信道增益使得相關系數(shù)大小的不確定性增加。為了消除這個影響，本發(fā)明用對相關系數(shù)c_j，k進行歸一化，得到歸一化后的相關系數(shù)然后要求BOMP用歸一化后的相關系數(shù)去進行連接檢測。實驗表明，相關系數(shù)歸一化后可以極大地提高連接檢測性能，從而也提高了信號解調性能。本發(fā)明將這樣的恢復算法稱為歸一化的BOMP(normalized BOMP，NBOMP)算法，其原理框圖如圖6所示，具體計算過程如下：

1：輸入：矩陣B，信號向量y，參數(shù)ρ₀，所有信道響應向量以及BOMP算法的迭代次數(shù)K，通常地，

2：初始化：迭代次數(shù)索引k＝1，用戶集合Λ₀＝φ，殘余信號r₀＝y(tǒng)

3：迭代步驟：當t≤K

1)：計算r₀和B中索引屬于用戶集合j∈{1，…，N}\Λ_k-1的子塊之間歸一化的系數(shù)：

2)：找出滿足條件的子塊：

3)：更新用戶集：

Λ_k＝Λ_k-1∪{λ_k}

4)：用最小二乘(LS)算法更新信號：

5)：更新殘余信號和迭代索引：

k＝k+1

4：結束并輸出結果：block-sparse信號的逼近信號

圖5A和圖5B是本發(fā)明所給出的小包數(shù)據(jù)傳輸?shù)男阅芊聦嵤├?，其中，圖5A是不同傳輸用戶數(shù)條件下的用戶檢測成功率(UDSR，user detection success rate)，圖5B是不同傳輸用戶數(shù)條件下小包數(shù)據(jù)恢復誤符號率(SER，symbol error rate)性能，其中，橫坐標為E_s/N₀(dB)，E_s為發(fā)送端發(fā)送的平均符號能量，N₀為噪聲功率譜密度，其它參數(shù)為(M，N，d，T，K)＝(8，80，100，500，30)。需要說明的是，圖5A和5B仿真使用的預編碼矩陣是隨機產(chǎn)生的。如圖5A和圖5B所示，不管在UDSR還是SER性能指標上，NBOMP算法都遠遠好于BOMP算法。同時，仿真也表明，本發(fā)明所提出的小數(shù)據(jù)包傳輸方法可以明顯提高可同時服務的用戶數(shù)量，在接收端天線為8根的時候，系統(tǒng)可支持的用戶數(shù)在高信噪比條件下可以達到30甚至更高，這說明系統(tǒng)的吞吐量可達75％甚至更高(100％吞吐量對應的服務用戶數(shù)為M×T/d＝40)。

需要說明的是，預編碼矩陣在小包數(shù)據(jù)傳輸中起了至關重要的作用。首先，預編碼矩陣解決了小數(shù)據(jù)包長度小于系統(tǒng)傳輸資源粒度的問題，使得系統(tǒng)資源得以充分利用；其次，本發(fā)明根據(jù)預編碼矩陣建立了屬于塊稀疏的小包數(shù)據(jù)傳輸模型，使得即使在用戶數(shù)量多于基站天線數(shù)量的情況下小包數(shù)據(jù)的恢復成為可能；再次，相對于沒有結構可利用的壓縮感知模型，具有塊結構的壓縮感知模型使得數(shù)據(jù)的恢復性能更好，同時也使得將通信中常用的糾檢錯編碼代入數(shù)據(jù)恢復(即ICBOMP算法的提出)成為可能。除此以外，預編碼矩陣還決定了用戶之間的干擾特性，這直接影響到用戶檢測和符號解調；同時，預編碼矩陣還直接決定了本發(fā)明實現(xiàn)復雜度，包括計算復雜度(發(fā)送端的預編碼計算復雜度和接收端稀疏恢復復雜度)、預編碼分配復雜度和系統(tǒng)存儲復雜度等。本發(fā)明采用的預編碼矩陣可以是通過隨機產(chǎn)生矩陣然后再做能量歸一化而獲得的，這種預編碼矩足以說明本發(fā)明提出的小數(shù)據(jù)包傳輸方法的有效性。但是另外一方面，隨機產(chǎn)生的預編碼矩陣所帶來的恢復性能其實并不是最優(yōu)的，或者說還有很多預編碼矩陣可以帶來更好的稀疏恢復準確性；同時，由于隨機產(chǎn)生的預編碼矩陣一般是密集的矩陣，這使得傳輸方法中發(fā)送端的預編碼復雜度、接收端的信號恢復復雜度等都相對很大。

因此，本發(fā)明為了使小包數(shù)據(jù)傳輸達到更好的效果，還提供一種預編碼矩陣，用于用戶非正交接入無線網(wǎng)絡時進行小包數(shù)據(jù)傳輸，該預編碼矩陣的構造方法如圖6所示：

步驟1，用維度較小的Hadamard矩陣插0擴充矩陣維度，保持擴充后矩陣的列正交性。本步驟主要是為了構造列正交的、非零元素稀疏其非零元素幅值一致的矩陣，而且構造的矩陣數(shù)量要非常的多。這些矩陣由Hadamard矩陣構造而來。具體過程如下：

由Hadamard矩陣構造元素稀疏的矩陣，假設要構造T×T的預編碼矩陣，現(xiàn)有t×t的Hadamard矩陣O，它在第i行第j列的元素為O_i，j，以t＝2，T＝4為例，下面的元素稀疏的矩陣Q為一個滿足列稀疏度β＝50％的列正交的矩陣，且非零元素幅值都為1。

事實上，當維度參數(shù)t和T更大時，列稀疏度更高的滿足要求的矩陣可以被構造出來。

步驟2，由上述元素稀疏的矩陣產(chǎn)生多個的預編碼矩陣簇。本步驟對上面的Q矩陣進行隨機的行列交換，同時，每一行每一列的元素符號可以隨機改變。即對Q進行變換后的矩陣其中R₁和R₂的每一行每一列有且僅有一個非零元素(1或者-1)。隨機選擇的d列，并對每一列進行能量歸一化產(chǎn)生可選用的預編碼矩陣，通過不同的R₁和R₂，可以產(chǎn)生非常多的預編碼矩陣簇。

步驟3，計算不同新矩陣之間的相關性，選擇其中相關性較小的N個作為預編碼矩陣。步驟2構造的預編碼矩陣可以很多，只要預編碼矩陣的產(chǎn)生足夠隨機，這些預編碼矩陣之間的相關性(塊間相關)都不大。由于有足夠多的預編碼矩陣可供選擇，本步驟選擇相關性較小的N個矩陣作為用于小包數(shù)據(jù)傳輸?shù)念A編碼矩陣。每個矩陣的塊間相關度量為其中為的第k個奇異值。本步驟算法相對簡單，就是將產(chǎn)生的矩陣簇中所有矩陣之間的相關度量ω_i，j從大到小排序，將最大的一些ω_i，j對應的矩陣舍棄，直到剩余N個矩陣作為非正交接入方法中的預編碼矩陣。列正交有利于信號恢復，若不考慮信道的相關性，塊間相關小表示用戶之間的干擾小，這有利于用戶檢測和符號解調。同時，非零元素稀疏且非零元素幅值一致的預編碼矩陣可以降低發(fā)送端的預編碼復雜度，因為這樣的預編碼矩陣不要求發(fā)送端進行乘法運算；而且在進行相關檢查用戶時，也可以免去很多的乘法運算。同樣地，也可以降低存儲復雜度。最后，可以從統(tǒng)計上證明，這樣預編碼之后的符號可以獲得良好的PAPR特性。如果預編碼矩陣每行的非零元素個數(shù)一致，則預編碼后的所有符號的PAPR都符合相同的統(tǒng)計規(guī)律。

步驟4，對步驟3選擇的預編碼矩陣進行準確性能驗證。如果的預編碼矩陣性能不夠理想，則返回步驟2重新進行構造。

圖7為本發(fā)明中不同預編碼矩陣用于小包數(shù)據(jù)傳輸?shù)男阅芊抡鎴D，F(xiàn)ER(frame error rate)為誤幀率，參數(shù)選擇為：QPSK符號調制，24bits的CRC校驗，1/2的卷積碼，其它參數(shù)為(M，N，d，T，K)＝(8，1280，200，1040，30)。在仿真結果標注中，“隨機產(chǎn)生”對應的預編碼矩陣是隨機矩陣進行歸一化產(chǎn)生的，“H-稀疏度51/52”表示由20×20的Hadamard矩陣按照本發(fā)明的方法構造的預編碼矩陣，“H-稀疏度19/20”表示由52×52的Hadamard矩陣按照本發(fā)明的方法構造的預編碼矩陣。從圖4可以看出，本發(fā)明采用上述方法所構造出來的預編碼矩陣相對于隨機產(chǎn)生的預編碼矩陣在小包恢復的FER性能上可以帶來1dB的增益。

按照上述方法構造的預編碼矩陣可以帶來的優(yōu)勢如下：

1、可產(chǎn)生非常多的預編碼矩陣來服務大量的用戶；

2、可獲得比隨機產(chǎn)生的預編碼矩陣更好的信號恢復準確性；

3、可降低方法的實現(xiàn)復雜度，包括信號恢復復雜度，預編碼計算復雜度，預編碼矩陣分配、存儲復雜度等；

4、可使預編碼后的信號獲得統(tǒng)計上良好的峰值平均功率比(peak toaveragepowerratioPAPR)特性。

本發(fā)明可應用于存在大量小包數(shù)據(jù)發(fā)送的場景，例如，移動通信中手機發(fā)送小數(shù)據(jù)包，基站接收是最典型的運用。再比如儀表讀數(shù)(meter reading)中數(shù)據(jù)上傳給數(shù)據(jù)收集節(jié)點，機器到機器(machine to machine)通信等。對于長包數(shù)據(jù)的傳輸，除了傳統(tǒng)的接入方法，可以借鑒本發(fā)明中提出免競爭的方法。具體地，可以將長包數(shù)據(jù)分割成若干個小數(shù)據(jù)包，這些小數(shù)據(jù)包都有各自完整的通信信號結構。如此地，則包括原始的小數(shù)據(jù)包或者分割成為的小數(shù)據(jù)包都可以統(tǒng)一采用本發(fā)明來傳輸這些數(shù)據(jù)。

以上所述的具體實施例，對本發(fā)明的目的、技術方案和有益效果進行了進一步詳細說明，所應理解的是，以上所述僅為本發(fā)明的具體實施例而已，并不用于限制本發(fā)明，凡在本發(fā)明的精神和原則之內，所做的任何修改、等同替換、改進等，均應包含在本發(fā)明的保護范圍之內。