基于分层调制的物理层网络编码系统概率成形设计

分层调制是一种根据发送信号的相对重要性对数据流进行不等保护的关键技术。针对双向中继信道下基于分层调制技术的PNC系统进行研究。当系统采用均匀的输入分布时会产生成形损耗,由于传统的分布匹配器的非线性成形编译码过程不适用于PNC系统,因此提出一种线性概率成形码本方案,以确保其成形编译码过程是线性的,进一步推导了成形系统可达速率表达式。仿真结果表明,所提出的线性成形方案在中低SNR具有0.3 dB的成形增益。

基于稀疏贝叶斯学习的大规模多用户检测算法

针对现有算法大都基于高斯逆伽马先验模型的稀疏贝叶斯学习(GIG-SBL),忽略了稀疏解所对应的支撑集向量稀疏性的问题,提出一种基于伯努利高斯逆伽马先验模型的稀疏贝叶斯学习(BGIG-SBL)架构,通过引入一个伯努利先验的二元向量,设计了单测量向量(SMV)的BGIG-SBL-SMV算法,结合支撑集向量的稀疏性提高重构性能。进一步将该算法扩展到多测量向量(MMV)方案,通过共享相同控制稀疏解的超参数,利用MMV的联合稀疏性提出BGIG-SBL-MMV算法。实验结果表明,所提BGIG-SBL-SMV算法相较于传统GIG-SBL-SMV算法,在mMTC用户检测场景可实现2 dB的性能增益;同时,所提BGIG-SBL-MMV算法相对于单测量向量BGIG-SBL-SMV算法,用户检测率和数据检错率的性能增益可达到4 dB,证明了所提算法的优越性。

空间调制下基于极化码的Gallager映射通信系统设计

提出了一种空间调制下基于极化码的Gallager映射系统(Polar-coded Gallager-mapping-shaped Spatial Modulation,PGALSM)。系统在空间调制下利用Gallager映射方式将信号输入分布由均匀分布改成类高斯分布,使发送信号逼近最佳输入分布,获得成形增益,并利用信道降解思想分析天线激活组合和发送星座点每个比特流的可达速率。仿真结果表明,在多天线瑞利衰落信道上,中低信噪比下,PGALSM系统的可达速率优于传统的映射方案;当误比特率(Bit Error Ratio,BER)水平为10^(-4)时,PGALSM方案的性能比传统多用户方案提高0.7 dB。