针对正六边形星座调制信号(HSC)解调算法未达最优, 提出了一种基于非正交矢量投影的HSC低复杂度解调算法.在典型正六边形星座结构的基础上, 分析计算了正六边形信号矢量的投影系数和算法的运算复杂度, 研究了噪声对接收信号的影响, 并结合高斯-勒让德数值分析方法给出了信噪比门限.结果表明, 该解调算法正确运行的复杂度约为基向量投影解调算法的30%.
Considering that hexagonal signal constellation (HSC) demodulation algorithm is not optimal, a low-complexity demodulation algorithm of HSC based on non-orthogonal vectors projection was proposed. On the basis of overview of the typical hexagonal constellation structure, the projection coefficients of hexagonal signal vectors and computational complexity of the algorithm were analyzed and calculated. The effect of noise on the received signal was researched and the signal to noise ratio thresholds were given combined with Gauss-Legendre numerical analysis method. It is shown that the demodulation algorithm is only about 30% of base vector projection demodulation algorithm in terms of computational complexity when it performs effectively.
在数字通信领域中,当给定系统为所允许的带宽和平均功率时,星座图的设计有2个主要目标:一是最大化最小欧氏距离,二是降低调制信号的峰均比.为了同时优化这2个方面的性能,有学者提出了正六边形星座调制信号(HSC, hexagonal signal constellation)的概念[1-4]. HSC不仅具有与标准正交幅度调制类似的欧氏距离性能,而且同时保持了与相移键控调制接近的低峰均比的良好特性,因此近年来HSC得到了深入的研究,并被应用在多输入、多输出和光学通信系统领域[5-6].
现有HSC解调算法的运算复杂度,一般都与星座点数成线性增大的关系.文献[4]提出的基向量投影(BVP, base vector projection)解调算法的运算复杂度不随星座点数而改变,在大星座的解调过程中极具优势,并且在高信噪比的条件下,BVP解调算法可以进一步优化.在上述背景下,笔者提出了一种基于非正交矢量投影的HSC低复杂度解调算法.
1 典型HSC结构及解调算法图 1为极坐标下3阶HSC图,圆点表示可用的信号星座点,与坐标原点距离相同的星座点在同一阶上.设定基矢量α=ejπ/3, β=ejπ, γ=e-jπ/3;α、β、γ之间的区域分别表征为Fα, β、Fβ, γ、Fγ, α;为保持区域表征的完整性和连续性,设定α∈Fα, β,β∈Fβ, γ,γ∈Fγ, α.
对于任意矢量V可表示为
(1) |
其中:m、n和l为矢量V分别在基矢量α、β、γ上的投影系数,
基于典型HSC模型,文献[4]提出了BVP解调算法,解调过程即为求解任意矢量在基矢量上的投影系数m、n和l.假设
BVP解调算法首先计算了矢量
(2) |
在无噪声情况下,W=0,则有
(3) |
其中:
计算出V与3个基矢量的内积的坐标表示,并代入式(2),则无噪声情况下的系数矩阵Sno-noise为
(4) |
其中u11~u32为矢量V的投影系数.
观察可知,式(4) 中的系数矩阵Sno-noise每两行之间都存在一对互为相反的元素.假如矢量
在有噪情况下,
(5) |
其中w11~w32为噪声W的投影系数.
式(5) 矩阵Snoise中的元素并不一定是整数.在这种情况下,应该先将矩阵Snoise中的每个元素四舍五入取整,然后再按照上述规则进行判决和映射.
2 HSC低复杂度解调算法2.1 算法原理和步骤假设
第1步 计算接收矢量
矢量
(6) |
根据矢量运算的平行四边形法则,矢量
(7) |
第2步 取内积结果符号.
(8) |
其中符号函数
第3步 定义域判决.
图 2为极坐标下5阶HSC星座图.其中,α⊥、β⊥、γ⊥分别为基矢量α、β、γ的垂直矢量;P和Q为星座点;Pα、Pβ、Pγ和Qα、Qβ、Qγ分别为星座点P和Q在基矢量α、β、γ上的正投影点;mP、lP、mQ分别为极坐标系下星座点P和Q在基矢量α、β、γ上的投影系数.
在直角坐标系中,信号矢量与基矢量内积结果的正负与其在星座图中所处的位置有关.根据内积和正投影原理可知,若〈A, i〉=|A|cos θ,i为单位矢量,θ为A和i的夹角,则A与i的内积等于A在i上的正投影.由此推出信号矢量与基矢量的内积结果分为以下3种情况.
1) 星座点落在图 2阴影区中及阴影边界上,如P点,信号矢量P∈Fγ, α,P点正投影在基矢量α、γ的正半轴上,正投影在基矢量β的负半轴上,即〈P, α〉、〈P, γ〉为非负数,〈P, β〉为负数.
2) 星座点落在图 2非阴影区中,如Q点,信号矢量Q∈Fα, β,Q点正投影在基矢量α的正半轴上,正投影在基矢量β、γ的负半轴上,即〈Q, α〉为正数,〈Q, β〉和〈Q, γ〉为负数,并且〈Q, β〉的绝对值小于〈Q, γ〉的绝对值.
3) 特殊情况下,对于和某个基矢量同方向的信号矢量,其与另外2个基向矢量的内积结果是2个大小相等的负数.需要注意的是,在有噪声情况下,2个负内积结果可能不相等,但两者相差不大.
综上可知,接收矢量
根据以上分析结果,判决规则和步骤如下:
1) 选择与接收矢量
2) 如果第1) 步中选出了两组结果,则判决结束;如果第1) 步中只选出了一组结果,则进行第3) 步.
3) 比较剩下的2个负内积结果的绝对值大小.如果两者相差小于±d/8(d为最小欧氏距离,此值可根据具体情况设计),判决结束;否则,进行第4) 步.
4) 选择绝对值较小的基矢量及其内积结果,判决结束.
第4步 计算投影系数.
在有噪声的情况下,系数矩阵满足S=Snoise,代入式(2) 和式(5),并将等号左右同时乘3得
(9) |
假设在第3步中α、β、
(10) |
令
(11) |
(12) |
其中[x]表示实数x四舍五入运算.
如果系统的信噪比足够高,使得[3(uij+wij)]=3uij以接近于1的概率成立,则有
(13) |
(14) |
式(13) 和式(14) 计算出了投影系数u11和u12的3倍结果Cα和Cβ.
第5步 恢复调制信号.
由于线性运算不会改变调制信号和星座点之间一一对应的关系,所以可预先将星座点在基矢量上的投影系数乘3,保存成一个映射表;然后根据第4步中计算出的系数Cα和Cβ进行查找和映射,即可将接收的信号映射回原信息比特.
2.2 运算复杂度分析在第1步中,使用点乘法计算二维矢量内积,故1次内积需要2次实数乘法和1次加法,另外式(7) 需要1次实数加法,所以第1步中共需要4次实数乘法和3次实数加法;在第4步计算投影系数中,式(13) 和式(14) 中的乘法运算可以通过移位实现,所以计算2个投影系数只需要进行2次加法运算;第2步取符号和第3步判决定义域,以及第5步恢复调制信号,都不需要使用加法或者乘法进行运算.综上分析可知,基于非正交矢量投影的HSC低复杂度解调算法共需要4次实数乘法和5次实数加法.
对于任意矢量,传统HSC解调算法的运算复杂度随着星座点数增加而线性增大.虽然BVP解调算法的复杂度不会随着星座点数增加而线性变大,但其仍需要进行18次实数乘法和9次实数加法[4].而基于非正交矢量投影的HSC低复杂度解调算法,其运算复杂度不会随着星座点数线性增加,且仅约为BVP解调算法运算复杂度的30%.
3 HSC低复杂度解调算法信噪比门限基于非正交矢量投影的HSC低复杂度解调算法正确运行的条件是信噪比达到一定的门限值,使得[3(uij+wij)]=3uij以接近1的概率成立.此处相当于[uij+wij]=uij以接近1的概率成立,即噪声分布在判决域内的概率很大.
3.1 判决域HSC是正六边形网格被圆形截取的一部分.以任一星座点为圆心做与边界圆相切的圆,其最小半径定义为星座点到边界的距离.定义到边界距离大于等于1的点为星座内点,到边界距离小于1的点为非内点,图 3中A为内点,B为非内点.
网格理论表明,网格点具有同等数量的邻点,并具有全等的判决域,内点仍保有网格点的特征.但是,对于靠近圆形边界的非内点,由于其邻点数量减少,判决域会发生改变.无噪声时,星座内点A在基矢量α上的投影为A1,在基矢量γ上的投影为A2;叠加噪声后,只要A在基矢量α和γ上的投影分别落在以点A1和A2为中心的
通过上述分析可知,内点的判决域是封闭的、最小的.如果内点判决域内的噪声概率分布满足门限要求,则非内点的也一定满足.此外,在一定的星座阶数下,内点的数量最多,所占比例最大.因此,研究内点判决域内的噪声概率分布最具有代表意义. 图 4以星座内点A为坐标原点建立直角坐标系,R为坐标原点到菱形判决域边界的距离.
若最小欧氏距离为d,则A的判决域边界可表示为
(15) |
其中
加性高斯白噪声的数学模型是零均值窄带平稳高斯随机过程,其幅度和相位的概率密度函数相互独立,其中幅度服从瑞利分布,相位服从[0, 2π]均匀分布,所以噪声幅相二维联合概率密度为
(16) |
其中:r为幅度,θ为相位,σ2为噪声功率.
噪声在菱形判决域内的概率分布Λ,即接收矢量落在菱形判决域内的概率Λ为
(17) |
根据正弦定理,并令
(18) |
HSC信号功率为
(19) |
其中:Es为每个符号的功率,Rs为符号速率,Ai为对d归一化后的星座点幅值,BAi为幅值Ai对应的点数.
由式(19) 可以推导出,对于不同点数的调制,信号功率SN与最小欧氏距离d的二次方成比例,即
(20) |
其中K为实数.对于不同点数的HSC调制,K取不同的值,保持信号功率不变,调制点数越多,K越小.而对于标准带通系统,噪声功率为
(21) |
其中N0为单边噪声功率密度.
对于标准带通系统,有
(22) |
将式(22) 代入式(18) 得
(23) |
式(23) 表明,接收矢量落在菱形判决域内的概率分布Λ(K, ξ)和参数K、ξ有关,其中概率Λ(K, ξ)与K成正比,与ξ成反比.同时,根据式(20) 可得出参数K随着星座调制点数的增加而减小的结论,从而推导出概率Λ(K, ξ)与星座调制点数成反比.
3.3 数值分析计算式(23) 包含指数平方项,不是初等函数,难以得到传统意义上的解析表达式.基于高斯求积的数值分析方法是精度最高的插值型数值积分,计算量小,并且可以精确计算包含e-x及e-x2等因子的广义积分,非常适于计算上述公式[7].使用变换式对式(23) 进行换元,则菱形判决域内的噪声概率分布为
(24) |
接下来采用4点高斯-勒让德求积公式进行数值计算:
(25) |
其中:
对不同星座点数(18点、36点和60点)下HSC调制的接收矢量落在菱形判决域内的概率Λ(K, ξ)与ξ的关系进行了研究,Matlab计算和仿真结果如图 5所示.
从图 5中可以看出:
1) 固定HSC星座调制的点数,随着K的增大,概率Λ(K, ξ)呈单调递增趋势;
2) 对于相同的ξ,随着HSC星座调制点数的增加,接收矢量落在判决域内的概率Λ(K, ξ)变小;
3) 随着HSC星座调制点数增加,对于达到概率Λ(K, ξ)所需信噪比门限变高.
表 1列出了18点、36点和60点的HSC星座调制,接收矢量落在判决域内的概率大于0.99时分别所需要的信噪比门限.
在传统HSC解调算法运算复杂度较高的背景下,提出了一种基于非正交矢量投影的HSC低复杂度解调算法.采用投影法推导出极坐标下HSC信号矢量的投影系数,并结合高斯-勒让德数值分析方法计算出本算法有效运行的信噪比门限.结果表明,信噪比超过门限时,基于非正交矢量投影的HSC低复杂度解调算法有效运行,并且运算复杂度仅约为BVP算法的30%.
[1] | Simon M K, Smith J. Hexagonal multiple phase-and-amplitude-shift-keyed signal sets[J].Communications, IEEE Transactions on, 1973, 21(10): 1108–1115. doi: 10.1109/TCOM.1973.1091549 |
[2] | Tanahashi M, Ochiai H. A multilevel coded modulation approach for hexagonal signal constellation[J].Wireless Communications, IEEE Transactions on, 2009, 8(10): 4993–4997. doi: 10.1109/TWC.2009.090103 |
[3] | Choi H Y, Morita I. Performance evaluation of 6-level PSK signal using differential demodulation with partial symbol delay[C]//Communications and Photonics Conference and Exhibition, 2011 ACP. Shanghai: IEEE, 2011: 1-6. |
[4] | Fan Xingyu, Wang Shuai, An Jianping, et al. Base vectors linear combination modulation approach for hexagonal signal constellation[J].Communications Letters, IEEE, 2013, 17(12): 2237–2240. doi: 10.1109/LCOMM.2013.110713.131897 |
[5] | Mow W H. Fast decoding of the hexagonal lattice with applications to power efficient multi-level modulation systems[C]//Singapore ICCS/ISITA'92, Communications on the Move. Singapore: IEEE, 1992: 370-373. |
[6] | McKilliam R G, Ryan D J, Clarkson I V L, et al. Block noncoherent detection of hexagonal QAM[C]//Communications Theory Workshop (AusCTW), 2010. Australian: IEEE, 2010: 65-70. |
[7] | Timothy Sauer. Numerical analysis[M]. 2th ed. Beijing: China Machine Press, 2012: 273-277. |