[发明专利]混合高斯分布的参数估计方法和装置

说明书

技术领域

本发明实施例涉及数据通讯技术，尤其涉及一种混合高斯分布的参数估计方法和装置。

背景技术

多输入多输出（Multiple Input Multiple Output，简称MIMO）系统，在不增加带宽的情况下能够成倍的提高通信系统的容量和频谱利用率，MIMO结合正交频分复用（Orthogonal Frequency Division Multiplexing，简称OFDM）技术构成了MIMO OFDM系统，也是长期演进（Long Term Evolution，简称LTE）系统中的两大关键技术。MIMO技术中的一种重要技术是空分复用的检测技术，常用的检测算法有基于最小均方误差（Minimum Mean Square Error，简称MMSE）和译码反馈的Turbo检测算法以及基于QR分解和M算法（QR decomposition based M-algorithm，简称QRD-M）的检测算法。Turbo-MMSE算法由于反馈信息计算不准确以及QRD-M由于选择节点数有限均会导致计算的对数似然比（Log Likelihood Ratio，简称LLR）偏离真实值。如何解决LLR偏离真实值的问题是提高算法性能的一种途径。常用的解决方案是假设LLR的分布，然后根据检测器实际计算的LLR估计分布参数，进而对计算的LLR进行修正。这种解决方法的好坏直接取决于LLR分布的模型。最常用的分布假设是高斯的，高斯模型只有均值和方差两个参数，易于计算；由于实际的LLR分布是不对称的或者不仅有一个峰值，因子高斯模型不能很好的描述真实的LLR分布。近几年出现了一种常用的模型，即混合高斯模型。该模型比较适合模拟不对称的LLR分布，但是该模型参数较多，不易估计。如何解决混合高斯对LLR建模的参数估计问题是对LLR修正提高检测器性能的重要问题。

现有技术中，通常采用期望最大化（Expectation Maximization，简称EM）算法或贪婪期望最大化（Greedy Expectation Maximization，简称GEM）算法对混合高斯的参数进行估计。但是，现有技术中EM算法估计参数的准确度和初始值有关，而初始值是认为设定的，如果初始值选择的不合适会导致算法不收敛或者收敛到局部最大值，而且不同的初始参数导致不同的收敛速度，实现复杂度不具有统一性。

发明内容

本发明实施例提供一种混合高斯分布的参数估计方法和装置，能够提高混合高斯参数估计准确性。

本发明第一方面提供一种混合高斯分布的参数估计方法，包括：

接收发射端发送的接收信号，获取所述接收信号对应的发射信号的每个比特的初始对数似然比LLR；

根据所述接收信号对应的发射信号的每个比特的初始对数似然比LLR确定所述发射信号的修正LLR；

对所述修正LLR进行混合高斯建模，根据聚类算法估计出混合高斯概率密度函数的各初始分量参数和初始混合系数；

将所述各初始分量参数和初始混合系数作为期望最大化EM算法或贪婪EM算法的初始值，采用EM算法或贪婪EM算法进行迭代运算得到所述混合高斯概率密度函数的各最终分量参数和最终混合系数；

根据所述混合高斯概率密度函数的各最终分量参数和最终混合系数计算所述混合高斯概率密度函数，并根据所述混合高斯概率密度函数确定所述修正LLR的最大值。

在本发明第一方面的第一种可能的实现方式中，如果所述混合高斯概率密度函数为其中，K表示高斯分量个数；α_k表示第k个分量的混合系数；μ_k表示第k个分量的均值；表示第k个分量的方差；

所述将所述各初始分量参数和初始混合系数作为期望最大化EM算法或贪婪EM算法的初始值，采用EM算法或贪婪EM算法进行迭代运算得到所述混合高斯概率密度函数的各最终分量参数和最终混合系数；包括：

根据所述各初始分量参数和初始混合系数，计算隶属度权值w_i,k：