本發(fā)明涉及到擴(kuò)頻通信多址干擾抑制方法，尤其涉及基于格基約減的擴(kuò)頻通信多址干擾抑制方法。

背景技術(shù)：

擴(kuò)頻通信，因其具有大容量、抗干擾等特征，在衛(wèi)星通信、衛(wèi)星導(dǎo)航以及軍民用通信等領(lǐng)域都得到了廣泛的應(yīng)用。作為一種自干擾體制，其通信能力以及應(yīng)用會(huì)受到多址干擾問(wèn)題的限制。在民用地面移動(dòng)通信系統(tǒng)中，多址干擾可以通過(guò)采用零相關(guān)擴(kuò)頻碼、智能天線(xiàn)等技術(shù)手段進(jìn)行有效抑制，但是在軍事通信和衛(wèi)星通信等這類(lèi)擴(kuò)頻通信系統(tǒng)中，多址干擾問(wèn)題的解決往往只能通過(guò)優(yōu)化信號(hào)體制設(shè)計(jì)進(jìn)行一定程度的緩解，要實(shí)現(xiàn)通信容量的最大化往往需要在信號(hào)接收端采用多址干擾抑制技術(shù)，傳統(tǒng)技術(shù)包括多用戶(hù)檢測(cè)和多址干擾消除兩類(lèi)。

現(xiàn)有的多址干擾抑制技術(shù)的主要問(wèn)題是：多用戶(hù)檢測(cè)算法具有較好的多址干擾抑制性能，但在惡劣遠(yuǎn)近效應(yīng)條件下檢測(cè)性能較差；多址干擾消除方法性能受限于多用戶(hù)信號(hào)的初始檢測(cè)準(zhǔn)確度，相比于多用戶(hù)檢測(cè)算法性能要差，尤其在多址干擾較為惡劣的情況下較早就會(huì)出現(xiàn)平臺(tái)效應(yīng)，多址干擾抑制性能不夠理想。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于避免上述背景技術(shù)中的不足而將格基約減理論引入到擴(kuò)頻通信多用戶(hù)檢測(cè)中，提出了基于格基約減的擴(kuò)頻通信多用戶(hù)檢測(cè)方法。本發(fā)明通過(guò)對(duì)格基約減變換實(shí)現(xiàn)對(duì)互相關(guān)矩陣的正交優(yōu)化，使得多用戶(hù)聯(lián)合檢測(cè)算法的誤碼率性能得到改善，尤其在惡劣多址條件下能夠獲得較好的多址干擾抑制性能。

本發(fā)明的目的是這樣實(shí)現(xiàn)的，一種基于格基約減的擴(kuò)頻通信多址干擾抑制方法，用于在擴(kuò)頻通信系統(tǒng)中，當(dāng)存在多路擴(kuò)頻信號(hào)時(shí)，信號(hào)接收端進(jìn)行擴(kuò)頻信號(hào)多址干擾消除和信號(hào)解調(diào)，包括以下步驟：

①將多路擴(kuò)頻信號(hào)經(jīng)過(guò)匹配濾波器組進(jìn)行處理，得到多路信號(hào)的估計(jì)值，對(duì)多路信號(hào)的估計(jì)值分別進(jìn)行處理獲得各路信號(hào)的信號(hào)功率、信號(hào)間相對(duì)時(shí)延以及載波相位差；

②基于各路信號(hào)的信號(hào)功率、信號(hào)間相對(duì)時(shí)延以及載波相位差，利用本地偽碼獲得信號(hào)間的互相關(guān)矩陣；

③利用格基約減算法對(duì)互相關(guān)矩陣進(jìn)行格基約減處理，得到變換矩陣和優(yōu)化矩陣；

④基于變換矩陣和優(yōu)化矩陣?yán)枚嘤脩?hù)聯(lián)合檢測(cè)算法進(jìn)行信號(hào)的聯(lián)合檢測(cè)；

⑤對(duì)得到的聯(lián)合檢測(cè)結(jié)果在優(yōu)化后的格點(diǎn)空間內(nèi)進(jìn)行修正量化；

⑥利用修正量化結(jié)果和變換矩陣得到最終的估計(jì)結(jié)果。

其中，步驟④中多用戶(hù)聯(lián)合檢測(cè)算法為zf算法或mmse算法，計(jì)算公式為：

zf算法聯(lián)合檢測(cè)結(jié)果為：

利用mmse算法聯(lián)合檢測(cè)結(jié)果為：

式中σ²為噪聲方差，y為由步驟①獲得的多路信號(hào)的估計(jì)值，h′為步驟③中獲得的優(yōu)化矩陣，p為步驟③中獲得的變換矩陣。

其中，步驟⑤中修正量化的公式為：

其中，為修正量化結(jié)果，「」表示取整，i為單位列向量，a為能量歸一化參數(shù)，p為變換矩陣。

其中，步驟⑥中最終的估計(jì)結(jié)果的計(jì)算公式為：

式中，為最終的估計(jì)結(jié)果，為修正量化結(jié)果，p為變換矩陣。

本發(fā)明相比背景技術(shù)具有如下優(yōu)點(diǎn)：

(i)本發(fā)明通過(guò)對(duì)多用戶(hù)信號(hào)互相關(guān)矩陣的格基約減變換降低了信號(hào)間的相關(guān)性，結(jié)合多用戶(hù)檢測(cè)算法，以較低運(yùn)算復(fù)雜度實(shí)現(xiàn)了逼近理論最優(yōu)的最大似然算法性能。

(ii)本發(fā)明提出的算法可以在惡劣多址環(huán)境下保持逼近于最大似然檢測(cè)算法性能，相比傳統(tǒng)多用戶(hù)檢測(cè)算法獲得較大性能提升，在對(duì)抗遠(yuǎn)近效應(yīng)方面表現(xiàn)出了優(yōu)異的性能。

附圖說(shuō)明

圖1是本發(fā)明的格基約減輔助的多址干擾抑制算法流程圖。

具體實(shí)施方式

下面結(jié)合具體實(shí)施例和附圖對(duì)本發(fā)明做進(jìn)一步的描述：

本發(fā)明的方法流程圖如圖1所示，該方法具體包括以下步驟：

步驟101：接收端收到多路擴(kuò)頻信號(hào)，經(jīng)過(guò)匹配濾波器組對(duì)各路信號(hào)分別進(jìn)行信號(hào)估計(jì)，得到多路信號(hào)的估計(jì)值，對(duì)多路信號(hào)估計(jì)值分別進(jìn)行處理獲得各路信號(hào)的信號(hào)功率、信號(hào)間相對(duì)時(shí)延以及載波相位差；

接收到的多路擴(kuò)頻信號(hào)為：

其中，a為信號(hào)幅度，b為信息比特，pn為信號(hào)擴(kuò)頻碼，n為背景噪聲，k表示第k路擴(kuò)頻信號(hào)，n為擴(kuò)頻信號(hào)的路數(shù)，tb為比特時(shí)長(zhǎng)。

第k路擴(kuò)頻信號(hào)的匹配濾波器的離散時(shí)間輸出為：

式中yk的第1項(xiàng)為期望信號(hào)的相干累積；第2項(xiàng)是其它信號(hào)與期望信號(hào)擴(kuò)頻碼的互相關(guān)累積之和；第3項(xiàng)是信道噪聲與期望信號(hào)的相關(guān)干擾，ρkj為第k路信號(hào)擴(kuò)頻碼與第i路信號(hào)擴(kuò)頻碼的互相關(guān)。

n路擴(kuò)頻信號(hào)的匹配濾波器輸出的估計(jì)值為：

y＝[y1,y2,…yn]^t；

步驟102：基于各路信號(hào)的信號(hào)功率、信號(hào)間相對(duì)時(shí)延以及載波相位差，利用本地偽碼獲得信號(hào)間互相關(guān)復(fù)合矩陣h；

由本地產(chǎn)生的各路偽碼計(jì)算得到的矩陣r。

信號(hào)幅度矩陣為

互相關(guān)矩陣為h＝ra。

步驟103：利用lll或者seysen算法等格基約減算法對(duì)互相關(guān)矩陣進(jìn)行格基約減處理；

對(duì)h進(jìn)行格基約減變換，變換方法，可以采用lll、seysen或者其他的格基約減策略。通過(guò)格基約減變換得到優(yōu)化矩陣h′＝hp，p為變換矩陣。

步驟104：基于變換矩陣和優(yōu)化矩陣?yán)枚嘤脩?hù)聯(lián)合檢測(cè)算法進(jìn)行信號(hào)的聯(lián)合檢測(cè)；

多用戶(hù)聯(lián)合檢測(cè)算法有zf算法或mmse算法等；計(jì)算公式為：

zf算法聯(lián)合檢測(cè)結(jié)果為：

mmse算法聯(lián)合檢測(cè)結(jié)果為：

式中σ²為噪聲方差，y為多路信號(hào)的估計(jì)值，h′為優(yōu)化矩陣，p為變換矩陣。

步驟105：對(duì)得到的在優(yōu)化后的格點(diǎn)空間內(nèi)進(jìn)行修正量化，修正量化結(jié)果為：

其中「」表示取整，i為單位列向量，a為能量歸一化參數(shù)。

步驟106：由可得到最終的估計(jì)結(jié)果

除上述實(shí)施例外，本發(fā)明還可以有其他實(shí)施方式。凡采用等同替換或等效變換形式的技術(shù)方案，均落在本發(fā)明要求的保護(hù)范圍。