论文部分内容阅读
大规模机器类通信(massive Machine Type Communication,mMTC)是未来移动通信系统中重要的应用场景,具有海量设备接入、低数据率和短数据包传输的特点。非正交多址(Non-Orthogonal Multiple Access,NOMA)技术可以通过非正交资源分配实现系统过载满足大规模连接的需求。为了减小传输时延和信令开销,在上行链路NOMA系统中期望实现免调度传输。mMTC具有零星通信的特点引起了活跃用户的稀疏性,压缩感知(Compressive Sensing,CS)重构算法可以实现稀疏信号的恢复。但压缩感知恢复算法往往需要噪声功率或信噪比作为先验条件,这大大降低了多用户检测算法的适用性。因此,本文对实现信道状态信息(Channel State Information,CSI)动态变化通信场景下的多用户检测进行了研究,主要工作如下:(1)在活跃用户稀疏度未知的情况下,在假设信噪比已知的前提下,研究了将应用于单时隙多用户检测的基于阈值辅助的结构稀疏正交匹配追踪(Threshold Aided Structured Sparsity Orthogonal Matching Pursuit,TA-SSOMP)算法向多时隙多用户联合检测场景的扩展。首先将结构稀疏模型等效变换为块稀疏结构模型,其次将转换后的块稀疏结构模型参数作为算法的输入,最后利用算法实现稀疏信号的恢复。该算法利用信号残差能量与信号噪声能量的相关性设定迭代阈值,在稀疏度未知的情况下实现活跃用户与发送数据的联合检测。仿真结果表明,TA-SSOMP算法能够获得比其它算法更优的多用户检测误码率性能以及用户承载性能。(2)在活跃用户稀疏度和信噪比未知的情况下,结合块稀疏结构的理论优势,提出了一种基于交叉验证辅助的结构稀疏自适应正交匹配追踪(Cross Validation Aided Structured Sparsity Adaptive Orthogonal Matching Pursuit,CVA-SSAOMP)算法。该算法将结构稀疏模型等效变换为块稀疏结构,利用统计与机器学习中的交叉验证法,在无其它先验条件下通过交叉验证残差更新来自适应估计活跃用户的稀疏度,并通过交叉验证残差最小值来确定迭代停止条件,在活跃用户稀疏度和信噪比未知的情况下,实现活跃用户与发送数据的联合检测。仿真结果表明,CVA-SSAOMP算法能够有效进行活跃用户稀疏度的准确估计,改善系统误码率性能,并且具有低复杂度的优势。