[发明专利]一种基于矢量线性预测的数字移动前传信号量化方法

说明书

本发明公开一种基于矢量线性预测的数字移动前传信号量化方法，将OFDM调制信号进行IFFT得到实部和虚部I/Q两路采样信号，再将其构建成多维矢量集；对输入的多维矢量集进行差分矢量量化，输出由码字‑索引映射序构成的列量化信号；将量化信号进行PAM‑4编码，再经过电光调制变成光信号；将光信号输入单模光纤中传输至射频拉远单元，再经过光电探测和PAM‑4译码后恢复出量化信号；将恢复的量化信号进行索引‑码字映射及差分解调恢复出原始的差分矢量量化信号；将恢复的差分矢量量化信号进行矢量集的解调，恢复出OFDM‑IFFT的I/Q两路采样信号。本发明方法在保证数字移动前传良好性能的前提下，极大的提高了传输信号的频谱效率，丰富了数字移动前传的实现方法。

技术领域

本发明涉及5G移动通信技术领域，具体为一种基于矢量线性预测的数字移动前传信号量化方法。

背景技术

随着第五代移动通信(5G)的商业化推进,基于宽频带、高速率的5G数据传输将会为物联网、VR/AR等一些新兴的产业提供强有力的支持。云无线接入网(C-RAN)是一种适用于5G的集中化处理信号的网络架构，通过减少基站机房数量，大规模安装价格低廉的简化基站，使传输距离较短的毫米波信号的得以全方位覆盖。数字移动前传可以视为C-RAN接入网架构的移动前传部分的一种信号传输方式，基站机房为实施射频信号集中数字化处理的基带单元池，简化基站实际上是承载射频信号的恢复和发射等任务的射频拉远单元，基带单元池和射频拉远单元之间利用传输数字基带信号的单模光纤连接。如何提高光纤中传输的数字基带信号的频谱效率，一直以来都是数字移动前传网络需要攻克的难题之一。

就目前的研究现状而言，实现数字移动前传的信号量化方法多种多样。传统的信号量化以标量量化为主，PCM作为最原始的模拟信号数字化方法采用均匀或者压缩的标量量化实现过程较为简单。DPCM则是在量化前对信号进行差分处理，极大的优化了PCM的量化性能。此外，矢量量化的方法也开始应用于数字移动前传，基于k-means聚类的传统矢量量化技术相比于标量量化，量化性能更显得优越。

需要指出的是，PCM量化需要的量化比特数较大，导致数字信号的频谱利用率过低；利用DPCM技术进行信号量化虽然改善了PCM技术的频谱利用率，但是仍需要将OFDM信号的I/Q两路信号分量利用时分复用进行传输；而基于k-means聚类的矢量量化技术在信号的动态范围较大时量化性能极大的下降。本发明给出了一种基于矢量线性预测的数字移动前传信号量化方法。

发明内容

针对上述问题，本发明的目的在于提供一种能够在保证数字移动前传良好性能的前提下，极大的提高传输信号的频谱效率，丰富数字移动前传的实现方法的基于矢量线性预测的数字移动前传信号量化方法。技术方案如下：

一种基于矢量线性预测的数字移动前传信号量化方法，包括以下步骤：

步骤1：将OFDM调制信号进行IFFT得到实部和虚部I/Q两路采样信号，再将I/Q两路采样信号构建成一个多维矢量集；

步骤2：利用基于矢量线性预测的差分矢量量化方法对输入的多维矢量集进行差分矢量量化，输出由码字-索引映射序构成的列量化信号；

步骤3：将量化信号进行PAM-4编码，再经过电光调制变成光信号；

步骤4：将光信号输入单模光纤中传输至射频拉远单元，再经过光电探测和PAM-4译码后恢复出量化信号；

步骤5：将恢复的量化信号按照步骤2的逆过程进行索引-码字映射及差分解调恢复出原始的差分矢量量化信号；

步骤6：将恢复的差分矢量量化信号按照步骤1的逆过程进行矢量集的解调，恢复出OFDM-IFFT的I/Q两路采样信号。

进一步的，所述利用基于矢量线性预测的差分矢量量化方法对输入的多维矢量集进行差分矢量量化的具体过程为：