一种基于负熵的改进熵分复用方法

技术领域

本发明属于无线通信技术领域，具体涉及一种基于负熵的改进熵分复用方法。

背景技术

近年来，日益增长的无线通信需求与有限的无线通信频谱资源之间的矛盾正持续加大。 如何解决频谱极度紧缺这一问题，已成为全球通信业界共同关注的课题。为了提高频谱资源 利用效率，最常采用的方法是利用信道多路复用技术。所谓多路复用(Multiplexing)是指某 个范围内的多个用户，其含有的多路信息，通过一个多路复用器进行汇总，然后将汇总后的 合路信息(多路混合信号)通过一条物理链路传输到接收设备，接收设备再通过解多路复用 器将混合信号分离，恢复出各路单独的原始信息，分发给各个用户使用。这样就可以利用一 对多路复用器、一条通信线路，来取代传统的多套收发设备和多条通信线路，大大提高了信 息传输通道的利用率，而且在信息传输过程中传送的信号路数越多，信息传输通道的利用效 率就越高。

目前，常用的信道复用方式主要包括以下几种类型：

时分复用(TimeDivisionMultiplexing，简称TDM)，频分复用(FrequencyDivision  Multiplexing，简称FDM)，码分复用(CodeDivisionMultiplexing，简称CDM)，以及近期提 出的熵分复用。

时分复用方法缺点：由于时隙预先固定分配给每路源信号，即使在某个时隙，源信号并 没有信息可以传输，也要将该时隙分配给它，这就不可避免的造成了频谱资源的浪费。由于 每个时隙被分配给特定的输入线路，当所有的输入线路不能全部进入工作状态时，就会出现 空闲的时隙，所以传统的时分多路复用技术信息传输效率非常低。

频分复用缺点：为确保信息传输过程中，每个子信道上的通信信号互不干扰，时分复用 技术需在每个子信道之间设置一定的保护时间间隔，频分复用技术则需设置一定的保护频带， 因此极大地降低了频带利用率。

码分复用缺点：码分复用方式会受到码字长度和可用码字数量的影响，无论采用什么样 的码集，总会不可避免的产生多址干扰。

现有熵分复用技术的特点：首次将信息熵谱理论和信道多路复用技术相结合，可以分析 处理同时同频传输的多路信号，与传统的复用方式相比，有非常明显的优点。但是该技术在 发送端需要经过去冗余熵变换、数据压缩处理，接收端还要经过熵解码和去冗余熵反变换恢 复等一系列的信号处理过程，处理过程相对比较复杂，计算步骤相对繁琐。

发明内容

本发明目的之一在于提供一种基于负熵的改进熵分复用方法，该方法能够解决信息传输 效率低、频带利用率低、多址干扰及信号处理过程复杂繁琐的问题。

本发明提供的一种基于负熵的改进熵分复用方法，包括如下步骤：

混合信号经线性调制后，通过无线通信信道同时同频地进行传输；

接收端接收混合信号，接收到的混合信号成为观测信号；

将观测信号进行中心化处理，得到零均值信号；

将所述零均值信号进行球面化处理，得到球面化的随机向量；

将所述球面化的随机向量进行负熵值的近似计算，根据各路信号负熵值的差异，实现混 合信号的分离。

进一步的，所述将观测信号进行中心化处理，得到零均值信号的步骤中，包括如下步骤：

计算观测信号向量的均值；

在观测信号向量的基础上减去观测信号向量的均值，得到零均值信号。

进一步的，所述将所述零均值信号进行球面化处理，得到球面化的随机向量的步骤中， 所述球面化处理通过协方差矩阵的特征值分解方法实现。

本发明的有益效果在于，本发明简化了现有熵分复用的处理过程，实现了频谱混叠信号 在熵域的信号复用，从而提高了数据传输速率及频谱资源利用效率。

附图说明

图1所示为本发明基于负熵的改进熵分复用方法流程图。

图2所示为本发明将观测信号进行中心化处理得到零均值信号方法流程图。

具体实施方式

下文将结合具体实施例详细描述本发明。应当注意的是，下述实施例中描述的技术特征 或者技术特征的组合不应当被认为是孤立的，它们可以被相互组合从而达到更好的技术效果。

如图1所示，本发明提供的一种基于负熵的改进熵分复用方法，包括如下步骤：

步骤S10：混合信号经线性调制后，通过无线通信信道同时同频地进行传输。

步骤S20：接收端接收混合信号，接收到的混合信号成为观测信号。

步骤S30：将观测信号进行中心化处理，得到零均值信号。

为了简化信号分离的方法，假设各个独立分量和混合后的变量都是零均值的，如果零均 值的条件并不成立，可以通过中心化处理观测变量，所以中心化处理的方法是减去观测信号 的均值向量。如图2所示，该方法如下：

步骤S31：计算观测信号向量x的均值，均值m_x＝E{x}；

步骤S32：在观测信号向量x的基础上减去观测信号向量的均值m_x，得到零均值信号， 即中心化后的观测向量为：x'＝x-m_x。

经处理后，源信号也变成了零均值信号，这是因为E{s}＝A^-1E{x'}。

利用经过中心化处理的数据计算出分离矩阵后，可采用S(t)＝A^-1(x'+m_x)计算出源信号 的实际估计。

从上面可以看出，经过中心化处理后，混合矩阵仍保持不变。也就是说，中心化完全不 影响对混合矩阵的估计。所以对于零均值的数据，观测信号的相关矩阵与其协方差矩阵是相 同的。

向量x的相关矩阵为：R_x＝E{xx^T}，向量x的协方差矩阵为：C_x＝E{(x-m_x)(x-m_x)^T}，

利用期望算子的性质可得：R_x＝C_x+m_xm_x^T，当m_x＝0时，有C_x＝R_x。

步骤S40：将所述零均值信号进行球面化处理，得到球面化的随机向量。

球面化的目的是通过对观测向量进行线性变换，以至于其输出的各分量互不相关，并且 具有单位方差。即球面化后产生了一个新的向量x_w，称为球面化的随机向量，其协方差为单 位矩阵。即x_w的协方差矩阵：E{x_wx_w^T}＝I。

进行球面化处理的方法是采用协方差矩阵的特征值分解(EigenValueDecomposition， EVD)。中心化后的观测向量x’的球面化处理可以通过下面的线性变换实现： 其中G是E{x'x^'T}的特征向量组成的正交矩阵。D是E{x'x^'T}的 特征值组成的对角矩阵，其中x_w为球面化后的新向量。

混合矩阵通过球面化变换，成为了一个新的正交阵因为： E{x_wx_w^T}＝VE{ss^T}V^T＝VV^T＝I，即x_w的协方差矩阵为单位阵，满足球面化条件。

可以看出，球面化处理把对观测向量的估计转化成了对球面化后新向量的估计。因此球 面化预处理能够减少待估参数的个数。

步骤S50：将所述球面化的随机向量进行负熵值的近似计算，根据各路信号负熵值的差 异，实现混合信号的分离。

关于负熵的简单近似计算，目前最常用的就是采用的是使用高阶矩来计算负熵。其表达 式如下：$\hat{J}\left(x\right)\approx \frac{1}{12}{\left\{E\right[x^3\left]\right\}}^2+\frac{1}{48}\mathrm{kurt}{\left(x\right)}^2.$

采用高阶矩近似的缺点是：数据中的野值点对估计效果影响较大，因此估计结果不稳健。 因此，基于高阶矩的负熵近似计算的鲁棒性并不好。为了解决这个问题，可以采改进的负熵 近似计算形式。

改进的负熵近似计算的表达式如下：J(x)＝[E{G(x)}-E{G(v)}]²，其中x与v为具有同样 方差的高斯变量。

本发明的发送端的每路信号不需进行去冗余熵变换、熵编码等处理，只需在接收端根据 各路信号的统计独立性，对接收信号进行中心化和球面化等简单的预处理后，直接计算各路 信号的负熵值，根据各路信号负熵值的差异，实现多路信号的复用。这样既可在信息熵域中 实现了时频混叠多路混合信号的复用，进一步提高了信息传输的速率和频谱资源利用率。

本发明对发送信号占用的频带和时隙没有特殊的要求和限制，其所能达到的信息速率远 远大于时分和频分复用方式的信息速率，具有更高的频带利用率，与码分复用方式相比，不 需要考虑码字因素的影响，在传输带宽保持不变的情况下，大大提高了系统的频带利用率。

本文虽然已经给出了本发明的一些实施例，但是本领域的技术人员应当理解，在不脱离 本发明精神的情况下，可以对本文的实施例进行改变。上述实施例只是示例性的，不应以本 文的实施例作为本发明权利范围的限定。