[发明专利]一种基于双高斯近似的LLR计算方法

说明书

本发明公开了一种基于双高斯近似的LLR计算方法，属于信道译码领域；具体是：在多用户干扰场景下，接收信号同时受到了来自未知数量的未知干扰源的干扰，所有干扰信号和信道噪声之和为总噪声，首先，利用接收端接收并存储完整码字对应的接收信号y₁,y₂,…,y_N；然后，计算统计平均等同为接收信号的统计特征，并进一步计算总噪声的统计特征；同时，根据概率密度函数计算双高斯分布的统计特征；在保证总噪声与双高斯分布的统计特征相同下，计算参数μ和σ；最后，接收端对接收信号进行软解调，将参数μ和σ代入LLR，计算得到接收信号对应的结果λ₁,λ₂,…,λ_N，输入译码器进行信道译码，得到期望信号。本发明用最小的代价有效提升了多用户干扰下的信道译码性能。

技术领域

本发明属于信道译码领域，涉及多用户干扰场景下信道译码中的LLR(对数似然比，Log-Likelihood Ratio)计算问题，具体是一种基于双高斯近似的LLR计算方法。

背景技术

近年来，无线通信技术飞速发展，第五代移动通信技术也已经投入使用。信道编码作为能有效提高信道可靠性的关键技术，在无线通信系统中发挥着重要的作用。3G、4G系统中广泛使用的Turbo码和LDPC码，以及5G中引入的Polar码，均具有接近香农理论极限的性能，很大程度上归功于其采用了软信息传递的译码方式。

软信息LLR的计算是通信流程中的一个重要环节，如图1所示，现今移动通信的物理层中，信息比特经编码器进行信道编码，再经BPSK调制后发送，收端需对接收信号进行解调，后输入译码器进行信道译码，从而恢复信息比特。由于现代的信道编码均采用软信息传递的译码方式，因此需要将信道输出经过软解调，输出LLR，再输入译码器进行译码。LLR的计算对信道译码的准确率及复杂度都有着直接的影响。

为了解决不同场景下LLR的计算，现已有很多研究成果，如高阶调制下LLR的简化计算、PLC(电力线通信，Power Line Communication)等脉冲干扰场景下的LLR计算，以及无线衰落信道、MIMO(多输入多输出，Multiple-Input Multiple-Output)、NOMA(非正交多址接入，Non-Othogonal Multiple Access)等场景下的LLR计算。

对于现如今的移动通信，多用户干扰场景同样具有重要的研究意义。

多用户干扰场景下，总噪声包含了干扰以及信道噪声，呈非高斯分布，且通常难以获知其概率密度分布，要准确写出总噪声的概率密度函数，需要对所有干扰源进行信道测量。随着移动通信用户的大幅增长，以及通信网络的异构化，通信的干扰可能是不同小区中的干扰，也可能是不同系统间的干扰，如不同运营商的干扰、WiFi对蜂窝网的干扰等。因此，要求接收机测量每个干扰源到接收端的信道增益并非易事，甚至干扰源的数目也难以知晓。

对于多用户干扰场景，现有的技术如多用户联合检测、软干扰抵消，都是建立在接收端知道所有干扰源信息的基础上进行的。对于干扰源未知的情况，已有研究在译码器中增加概率密度估计器等方式，但概率密度估计器的迭代计算也导致了复杂度的大幅提升。

多用户干扰场景下的LLR计算问题对如今的移动通信尤为重要，接收端针对单一期望信号，合理提升其LLR计算的准确度，即可用最小的代价提升信道译码性能。由此得到启发：从接收信号中提取信息，合理优化LLR的计算，可以有效提升多用户干扰下的译码性能。

发明内容

为了合理优化LLR的计算，用最小的代价有效提升多用户干扰下的信道译码性能，本发提出了一种基于双高斯近似的LLR计算方法。

所述的一种基于双高斯近似的LLR计算方法，在多用户干扰场景下，接收信号同时受到了来自未知数量的未知干扰源的干扰，所有干扰信号和信道噪声之和为总噪声，具体步骤如下：