[发明专利]基于压缩感知的M2M通信系统中导频优化设计方法

说明书

本发明提供了一种基于压缩感知的M2M通信系统中导频优化设计方法。该方法包括：根据M2M通信系统所采用的调制方案的星座点集合，确定用户节点的初始导频序列p_k，将所有用户节点的初始导频序列组合成一个初始导频矩阵P；对初始导频矩阵P进行复数域到实数域的变换，得到矩阵Q，对矩阵Q采用基于SVD分解的优化算法进行优化。本发明通过将初始导频矩阵转换到实数域之后，再采用基于SVD分解的优化算法进行优化，在不同的信噪比的条件下，经过本发明的方法优化后的导频序列与随机导频矩阵相比较，误码率明显降低；或者，在误码率相同的情况下所需导频序列的长度更短，从而可以实现提高M2M通信系统中多用户接入检测和信道联合估计的精确度。

技术领域

本发明涉及M2M(Machine to Machine，机器与机器)技术领域，尤其涉及一种基于压缩感知的M2M通信中导频优化设计方法。

背景技术

M2M通信是当今物联网的主要表现形式，随着信息技术的爆炸式发展，人们不再仅限于使用机器去完成日常生活中的工作，我们更希望机器设备能够在无需人为干预的情况下，通过网络互联进行沟通而完成相应的任务。例如农田中的温度和湿度传感器通过对土地的温度和湿度进行采集数据，并将这些数据返回给管理中心的服务器，并由服务器对这些数据进行分析，并通过调节温度和湿度控制器来管理农田的生态环境。这一过程并不需要人类活动的参与，设备之间通过相互通信完成了整个任务。

现在LTE-Advanced已经被用于M2M通信中，但是不同于语音通话系统，M2M通信系统中的用户节点通常具有低活跃率和低数据率的特点。和传统通信系统相比，M2M通信系统中用户节点往往在同一时刻进行通信的数量并不多，并且传输的数据包也比较小，所以M2M通信系统是一种稀疏性的通信系统。

CS(Compressive Sensing，压缩感知)是近年来新兴的一门理论，其核心是将一个稀疏或者可压缩的高维信号通过特定的矩阵变换投影到一个低纬度的空间上，在进行信号重建的时候，利用稀疏信号或压缩过的信号的稀疏性，使用线性或非线性的恢复算法重建出原始信号。在M2M通信系统的导频法信道估计中，由于用户节点的活跃性较低，将不活跃的用户节点对应的信道冲击响应视为零值，将活跃的用户节点的信道冲击响应视为非零值，即用户接入具有稀疏特性，所以可以通过相应的压缩感知信号重建算法进行多用户接入检测和信道状态信息估计。

目前，现有的多用户接入检测技术需要给每个用户分配相互正交的导频序列，而基于压缩感知的多用户接入和信道联合估计中使用不正交的导频序列，因此能够节省导频资源。目前，常用的压缩感知信号恢复算法包括匹配追踪(Matching Pursuit，MP)、正交匹配追踪(Orthogonal Matching Pursuit，OMP)、压缩采样匹配追踪(Compressive SamplingMatching Pursuit，CoSaMP)等。

基于压缩感知的多用户接入和信道联合估计中，多用户的导频序列通常是随机生成的。但是，使用随机生成的导频序列下的多用户接入检测和信道联合估计性能并不是最优的。因此，迫切需要设计一种新的导频序列优化设计方法，使用该方法产生的导频序列能够进一步提高多用户接入检测和信道联合估计的精确度。

发明内容

本发明的实施例提供了一种基于压缩感知的M2M通信系统中导频优化设计方法，以实现提高M2M通信系统中多用户接入检测和信道联合估计的精确度。

为了实现上述目的，本发明采取了如下技术方案。

一种基于压缩感知的M2M通信系统中导频优化设计方法，进一步地，包括：

根据M2M通信系统所采用的调制方案的星座点集合，确定用户节点的初始导频序列p_k，将所有用户节点的初始导频序列组合成一个初始导频矩阵P；