[发明专利]一种非高斯噪声3D-MIMO系统数据检测方法

说明书

一种非高斯噪声3D‑MIMO系统数据检测方法，首先根据接收信号的特征得到各高斯函数方差及其混合系数，再进行混合高斯模型的阶次选择计算；然后利用EM算法计算出该阶次下噪声的方差与混合系数，从而近似得到接收信号的概率密度函数，利用变分推断算法和接收信号的概率密度函数找到一个与待检测数据后验概率密度函数最相似的狄拉克函数，其相似程度用Kullback‑Leibler散度函数表征；最后利用梯度下降法得到该函数上升最快方向，求出狄拉克函数的参数，该参数即为待检测信号的估计值；本发明解决了传统数据检测算法针对非高斯噪声恢复误差过高的问题，有效地提高了3D‑MIMO通信系统的可靠性。

技术领域

本发明涉及通信技术领域，特别涉及一种非高斯噪声3D-MIMO系统数据检测方法。

背景技术

随着无线通信技术的发展，无线网络的需求带动了无线数据业务的迅速增长。尤其是在以大数据为基础的万物互联时代，无线通信系统的传输速率需要进一步提升。在这种背景下，多输入多输出(MIMO)技术成为业界关注的热点。MIMO技术通过在基站上装置大规模天线整列以显著增加频谱效率，尤其是在容量需求较大或覆盖范围较广时，其可以显著改善数据传输质量。3D-MIMO技术以多天线为基础，通过采用二维天线阵列和先进的信号处理算法，动态地调整发送波束的下倾角，增加了信号在垂直方向上的自由度，可以实现精确的三维波束成形，使得信号能量更集中、信号方向更精确。由于3D-MIMO可以实现更好的干扰抑制和空间多用户复用，是提高系统容量和传输效率的有效手段，因此该技术成为了5G通信系统的核心技术之一。3D-MIMO系统数据检测技术已有一套完备的体系，然而这些方法都是以高斯噪声信道为基础来实现精确的估值。这是由于高斯噪声便于数学表达和计算，且这一假设符合中心极限定理。然而已有文献表明，实际信道噪声并不都是服从高斯分布。例如，电磁干扰、突发脉冲、大气噪声、闪电等环境下，信道噪声表现出非高斯特性。

发明内容

为了克服上述现有技术的缺陷，解决3D-MIMO系统在非高斯噪声下的信号检测问题，本发明的目的在于提供一种非高斯噪声3D-MIMO系统数据检测方法，将变分推断与梯度下降相结合，从而使接收端准确地检测出非高斯噪声干扰下的发送数据。

为了达到上述目的，本发明是通过下述技术方案来实现的。

一种非高斯噪声3D-MIMO系统数据检测方法，包括下述步骤：

(1)、根据接收信号y的特征，初始化混合高斯函数的阶次，利用Kmeans聚类算法计算该阶次下混合高斯函数中各高斯函数的均值，由均值及聚类结果计算出各高斯函数方差及其混合系数；

(2)、由步骤(1)中得到的各高斯函数方差及其混合系数进行混合高斯模型的阶次选择计算，若不满足判定条件，则更新混合高斯函数的阶次，并返回执行步骤(1)中的Kmeans算法继续计算阶次更新后的混合高斯函数参数，直到满足判定条件为止；

(3)、根据步骤(2)中最终得到的阶次，利用EM算法计算该阶次下各高斯函数的方差和混合高斯系数，在计算时，每次迭代过程中假设各高斯函数的均值为零；

(4)、结合步骤(3)得出的方差和混合高斯系数，用狄拉克函数近似待检测数据的后验概率，计算两个函数的Kullback-Leibler散度以衡量它们的相似程度；

(5)计算步骤(4)中Kullback-Leibler散度函数关于待检测数据的偏导，得到该函数上升最快方向；

(6)利用梯度下降算法迭代地计算出待检测数据。

所述步骤(1)中，混合高斯函数的各参数计算方法为：

给定阶次K正整数初始值，利用Kmeans聚类算法计算接收信号y在该阶次下各高斯函数的均值μ_i，i＝1,2,…,K，利用均值及聚类结果得到各高斯函数的方差及混合系数：