基于条件神经过程的星上多用户检测算法

doi:10.11959/j.issn.2096-8930.2021044

天地一体化信息网络 ›› 2021, Vol. 2 ›› Issue (4): 60-65.doi: 10.11959/j.issn.2096-8930.2021044

所属专题：专题：面向6G的天地一体化信息网络

• 专题：面向6G的天地一体化信息网络 • 上一篇下一篇

基于条件神经过程的星上多用户检测算法

刘轶伦¹, 金亮², 李佳立², 朱立东¹

¹ 电子科技大学通信抗干扰技术国家级重点实验室，四川成都 611731
² 航天恒星科技有限公司，北京 100095

修回日期:2021-11-05 出版日期:2021-12-20 发布日期:2021-12-01
作者简介:刘轶伦（1996-），男，电子科技大学博士生，主要研究方向为卫星通信传输与组网
金亮（1986-），男，航天恒星科技有限公司高级工程师，主要从事高低轨卫星通信地面系统研究工作
李佳立（1988-），男，航天恒星科技有限公司中级工程师，主要研究方向为卫星通信系统网络设计
朱立东（1968-），男，博士，电子科技大学教授，博士生导师，主要研究方向为卫星通信传输与组网、天地一体化信息网络
基金资助:
国家重点研发计划项目(2019YFB1803102);国家自然科学基金面上项目(61871422)

On-board Multi-User Detection Algorithm Based on Conditional Neural Process

Yilun LIU¹, Liang JIN², Jiali LI², Lidong ZHU¹

¹ National Key Laboratory of Science and Technology of Communications, University of Electronic Science and Technology of China, Chengdu 611731, China
² Space Star Technology Co., Ltd., Beijing 100095, China

Revised:2021-11-05 Online:2021-12-20 Published:2021-12-01
Supported by:
National Key R＆D Program of China(2019YFB1803102);National Natural Science Foundation of China(61871422)

摘要/Abstract

摘要：

全球全天候无缝覆盖的特性使得卫星通信成为6G潜在的重要组成部分，而实现卫星智能化的一个重要前提是卫星具有星上处理能力。多用户检测是无线通信中抑制多址干扰的经典方法，如最小均方误差、高斯过程回归等算法，由于检测过程中需要求逆矩阵，算法复杂度通常为立方级，难以直接应用到处理能力受限的卫星平台。条件神经过程结合神经网络低复杂度和高斯过程小样本的特性，利用神经网络将高斯过程参数化，避免求逆矩阵，从而降低计算复杂度。研究条件神经过程在多用户检测中的应用，仿真结果表明，在降低复杂度的同时，条件神经过程还极大地提升了多用户检测的误码率性能。

关键词: 卫星通信, 多用户检测, 高斯过程, 条件神经过程, 低复杂度

Abstract:

With the characteristics of all-terrain, all-weather and seamless coverage, satellite communications have become a potentially important part of 6G.An important prerequisite for achieving satellite intelligence is that the satellite have on-board processing capabilities.Multi-user detection (MUD) is a classic method of suppressing multiple access interference (MAI) in wireless communication, such as MMSE, Gaussian processregression (GPR) and other algorithms.Due to the inverse matrix required in the detection process, the algorithm complexity is usually cubic, and it is diff cult to directly apply to satellite platforms because of its limited processing capabilities.The conditional neural process combined the characteristics of the low complexity of the neural network and the data-eff cient of the Gaussian process.The neural network was used to parameterized the Gaussian process to avoided the inversion of the matrix, thereby reduced the computational complexity.The application of conditional neural process in MUD was studied.The simulation results showed that, while reduced complexity, conditional neural process also greatly improved the performance of bit error rate (BER).

Key words: satellite communication, multi-user detection, Gaussian process, conditional neural process, low complexity

中图分类号:

TP393

刘轶伦, 金亮, 李佳立, 朱立东. 基于条件神经过程的星上多用户检测算法[J]. 天地一体化信息网络, 2021, 2(4): 60-65.

Yilun LIU, Liang JIN, Jiali LI, Lidong ZHU. On-board Multi-User Detection Algorithm Based on Conditional Neural Process[J]. Space-Integrated-Ground Information Networks, 2021, 2(4): 60-65.

图/表 4

参考文献 19

[1]	翟立君, 潘沭铭, 汪春霆 . 卫星5G技术的发展和展望[J]. 天地一体化信息网络, 2021,2(1): 1-9.
	ZHAI L J , PAN S M , WANG C T . Development and prospect of satellite 5G technology[J]. Space-Integrated-Ground Information Networks, 2021,2(1): 1-9.
[2]	孙晨华, 庞策 . 低轨卫星互联网体系和技术体制研究发展路线思考[J]. 无线电通信技术, 2021,47(5): 521-527.
	SUN C H , PANG C . Thoughts on the research and development route of the LEO satellite Internet system and technology system[J]. Radio Communications Technology, 2021,47(5): 521-527.
[3]	吴巍 . 天地一体化信息网络发展综述[J]. 天地一体化信息网络, 2020,1(1): 1-16.
	WU W . Survey on the development of space-integrated-ground information network[J]. Space-Integrated-Ground Information Networks, 2020,1(1): 1-16.
[4]	张更新, 王运峰, 丁晓进 ,等. 卫星互联网若干关键技术研究[J]. 通信学报, 2021,42(8): 1-14.
	ZHANG G X , WANG Y F , DING X J ,et al. Research on several key technologies of satellite Internet[J]. Journal on Communications, 2021,42(8): 1-14.
[5]	李井源 . 卫星CDMA通信系统多用户检测与信干比估计算法研究[D]. 长沙:国防科技大学, 2006.
	LI J Y . Study of the multiuser detection and signal to interference ratio estimation in satellite CDMA systems[D]. Changsha:National University of Defense Technology, 2006.
[6]	VERDU S . Minimum probability of error for asynchronous Gaussian multiple-access channels[J]. IEEE Transactions on Information Theory, 1986,32(1): 85-96.
[7]	SALA J , VILLARES J , REY F . Asymptotic and finite user PER analysis of successive interference cancellation for DS-CDMA[J]. IEEE Communications Letters, 2011,15(11): 1145-1147.
[8]	DIVSALAR D , SIMON M K , RAPHAELI D . Improved parallel interference cancellation for CDMA[J]. IEEE Transactions on Communications, 1998,46(2): 258-268.
[9]	HALUNGA S V , VIZIREANU N . Performance evaluation for conventional and MMSE multiuser detection algorithms in imperfect reception conditions[J]. Digital Signal Processing, 2010,20(1): 166-178.
[10]	RASMUSSEN C E , WILLIAMS C K I . Gaussian processes for machine learning[M]. Cambridge: The MIT Press, 2005.
[11]	PEREZ-CRUZ F , VAN V S , MURILLO-FUENTES J J , ,et al. Gaussian processes for nonlinear signal processing:an overview of recent advances[J]. IEEE Signal Processing Magazine, 2013,30(4): 40-50.
[12]	MURILLO F J J , PEREZ C F . Gaussian process regressors for multiuser detection in DS-CDMA systems[J]. IEEE Transactions on Communications, 2009,57(8): 2339-2347.
[13]	LAZARO G M , QUINONERO C J , RASMUSSEN C E ,et al. Sparse spectrum gaussian process regression[J]. Journal of Machine Learning Research, 2010,11: 1865-1881.
[14]	WANG S W , GU H L . Multiuser detection with sparse spectrum Gaussian process regression[J]. IEEE Communications Letters, 2012,16(2): 164-167.
[15]	BUI D , LEE S . Fast Gaussian process regression for multiuser detection in DS-CDMA[J]. IEEE Communications Letters, 2017,21(2): 406-409.
[16]	GARNELO M , ROSENBAUM D , MADDISON C J ,et al. Conditional neural processes[C]// 35th International Conference on Machine Learning.[S.l.:s.n.], 2018.
[17]	GARNELO M , SCHWARZ J , ROSENBAUM D ,et al. Neural processes[EB]. 2018.
[18]	KIM H , MNIH A , SCHWARZ J ,et al. Attentive neural processes[Z]. 2019.
[19]	RUGINI L , BANELLI P , CACOPARDI S . A full-rank regularization technique for MMSE detection in multiuser CDMA systems[J]. IEEE Communications Letters, 2005,9(1): 34-36.

基于条件神经过程的星上多用户检测算法

On-board Multi-User Detection Algorithm Based on Conditional Neural Process

在线阅读

pdf下载

可视化

摘要/Abstract

引用本文

使用本文

图/表 4

参考文献 19

相关文章 15

Metrics

推荐阅读 0

[1]	王培森, 王悦能, 程波铭, 杨悦, 叶能. 基于高斯近似的异步非正交多址接入多用户检测算法[J]. 天地一体化信息网络, 2023, 4(1): 73-81.
[2]	罗志勇, 辛宁, 孙韶辉. 面向星地融合网络的低轨卫星多波束成形技术[J]. 天地一体化信息网络, 2022, 3(4): 22-30.
[3]	杨宁, 郭道省. 星地融合网络中基于三维频谱感知的空时频谱机会检测[J]. 天地一体化信息网络, 2022, 3(4): 67-74.
[4]	赵鑫杰, 刘子威, 张更新. 低轨卫星通信中基于OTFS的信道估计技术综述[J]. 天地一体化信息网络, 2022, 3(4): 101-106.
[5]	林琳, 朱斌, 王泽林, 王光全, 何建炜, 姚海鹏. 天地融合网络一致性能力开放方案[J]. 天地一体化信息网络, 2022, 3(3): 81-86.
[6]	郑爽, 张兴, 王文博. 低轨卫星通信网络路由技术综述[J]. 天地一体化信息网络, 2022, 3(3): 97-105.
[7]	李科新, 尤力, 高西奇. 基于大规模MIMO的低轨卫星通信系统[J]. 天地一体化信息网络, 2022, 3(1): 2-8.
[8]	黄子轩, 周家喜, 张靖, 张正宇. 基于捷变波束的卫星通信网络用户随机接入技术[J]. 天地一体化信息网络, 2022, 3(1): 9-17.
[9]	镐梦婷, 张晨, 张更新. 基于相控阵的跳波束波位优化及资源分配算法[J]. 天地一体化信息网络, 2022, 3(1): 18-26.
[10]	雪晴, 林宇生, 寇阳, 张永池, 张静, 王少飞. 基于工程化方法的卫星通信地面站系统平台健康管理研究[J]. 天地一体化信息网络, 2021, 2(4): 93-100.
[11]	廖灿, 赵天, 冯旭, 肖双爱. 基于SysML的卫星通信系统设计与验证研究[J]. 天地一体化信息网络, 2021, 2(3): 81-88.
[12]	兰峰, 彭召琦. 卫星频率轨位资源全球竞争态势与对策思考[J]. 天地一体化信息网络, 2021, 2(2): 75-81.
[13]	李文屏, 白鹤峰, 赵毅, 武磊磊, 王晓婷. 基于MBSE的卫星通信系统建模与仿真[J]. 天地一体化信息网络, 2021, 2(1): 69-74.
[14]	李振, 赵玉民, 薛广月, 艾云飞, 刘法龙. 海洋交通运输行业卫星通信应用需求分析[J]. 天地一体化信息网络, 2021, 2(1): 75-80.
[15]	刘永健, 李斌成, 王妍哲. 天基物联网发展与应用关键问题初探[J]. 天地一体化信息网络, 2021, 2(1): 81-86.