[發(fā)明專利]一種QR分解檢測方法和裝置

在審

• 申請?zhí)枺?/td>: 201711483905.9
• 申請日: 2017-12-29
• 公開（公告）號: CN109995463A
• 公開（公告）日: 2019-07-09
• 發(fā)明（設(shè)計）人: 不公告發(fā)明人
• 申請（專利權(quán)）人: 深圳超級數(shù)據(jù)鏈技術(shù)有限公司
• 主分類號: H04L1/00
• 分類號: H04L1/00
• 代理公司: 北京德恒律治知識產(chǎn)權(quán)代理有限公司 11409
• 代理人: 章社杲;盧軍峰

1.一種QR分解檢測方法，所述QR分解檢測方法用于重疊復(fù)用系統(tǒng)，其特征在于，所述QR分解檢測方法包括：

步驟S1，獲取接收序列，其中，所述接收序列是根據(jù)復(fù)用波形矩陣對輸入信號進行編碼調(diào)制后經(jīng)過高斯信道得到的序列；

步驟S2，采用QR分解算法對所述接收序列進行檢測，其中，所述步驟S2包括：

將預(yù)知的復(fù)用波形矩陣分解為一個酋矩陣和一個上三角矩陣；

根據(jù)所述酉矩陣，對所述接收序列進行矩陣相乘處理，得到數(shù)據(jù)序列；

根據(jù)所述數(shù)據(jù)序列、所述上三角矩陣和量化判決因子，對所述數(shù)據(jù)序列進行逐層檢測。

2.根據(jù)權(quán)利要求1所述的QR分解檢測方法，其特征在于，所述QR分解檢測方法還包括：

獲取所述接收序列，其中，所述接收序列為：

r＝HX+η，

其中，r為所述接收序列，H為所述復(fù)用波形矩陣，X為所述待發(fā)送序列，η為高斯白噪聲序列；

根據(jù)所述酋矩陣，對所述接收序列進行矩陣相乘處理，得到數(shù)據(jù)序列，其中，所述數(shù)據(jù)序列為：

y＝RX+η'，

其中，y為所述數(shù)據(jù)序列，R為所述上三角矩陣，η'為高斯白噪聲序列。

3.根據(jù)權(quán)利要求2所述的QR分解檢測方法，其特征在于，根據(jù)所述數(shù)據(jù)序列、所述上三角矩陣和量化判決因子，對所述數(shù)據(jù)序列進行逐層檢測包括：

將所述數(shù)據(jù)序列中的多個元素y₁、y₂....y_L定義為多層元素y₁、y₂....y_L；

根據(jù)所述最底層元素y_L、所述上三角矩陣和所述量化判決因子，得到所述最底層元素y_L的判決值；以及

根據(jù)所述非最底層元素y_M、y_M-1....y₁和所述上三角矩陣、所述量化判決因子，依次獲取非最底層元素y_M、y_M-1....y₁的判決值，其中，所述M小于L，并且L、M均為正整數(shù)。

4.根據(jù)權(quán)利要求3所述的QR分解檢測方法，其特征在于，所述最底層元素y_L的判決值為：

其中，為量化判決因子，為所述最底層元素y_L的判決值，R_L,L為所述上三角矩陣中的第L行第L列的元素。

5.根據(jù)權(quán)利要求3所述的QR分解檢測方法，其特征在于，任一非最底層元素的判決值為：

其中，為量化判決因子，為所述任一非最底層元素y_k的判決值，R_k,k為所述上三角矩陣中的第k行第k列的元素，R_k,j為所述上三角矩陣中的第k行第j列的元素，為所述元素y_j對應(yīng)的判決值，且k＝1,2,...L-1。

6.一種QR分解檢測裝置，其特征在于，所述所述QR分解檢測裝置用于重疊復(fù)用系統(tǒng)，其特征在于，所述QR分解檢測裝置包括：

第一獲取模塊，用于獲取接收序列，其中，所述接收序列是根據(jù)復(fù)用波形矩陣對輸入信號進行編碼調(diào)制后經(jīng)過高斯信道得到的序列；

檢測模塊，用于采用QR分解算法對所述接收序列進行檢測，其中，所述檢測模塊包括：

分解模塊，用于將預(yù)知的復(fù)用波形矩陣分解為一個酋矩陣和一個上三角矩陣；

第一得到模塊，用于根據(jù)所述酉矩陣，對所述接收序列進行矩陣相乘處理，得到數(shù)據(jù)序列；

逐層檢測模塊，用于根據(jù)所述數(shù)據(jù)序列、所述上三角矩陣和量化判決因子，對所述數(shù)據(jù)序列進行逐層檢測。