大规模机器类型通信中基于消息传递的活跃用户选择算法研究

As the foundation of the Internet of Things, large scale machine type communication has attracted wide attention of scholars. A large number of machine-type communication devices will exist in a single cellular network, while only a fraction of potential devices is active. The conventional communication mechanism based on user requests will lead to signaling storm and the grant-free transmission mechanism based on active user selection of base station becomes the direction of future research. The existing active user detection algorithms based on grant-free mechanism separate channel estimation from active user detection, resulting in high complexity and unable to achieve global optimum. In addition, they only consider the simple scenarios for Gaussian channels, which is not realistic in the next generation mobile communication. This project studies practical machine-type communication channels，and optimizes the global posterior probability density distribution function via probability graph model theory and message passing theory. Meanwhile, this project will design unified approximate message passing and combined message passing framework and apply them in future large-scale MTC system to design low-complexity receiving algorithms, which can realize joint active user selection, channel estimation and symbol detection. The research results of this project will provide new technologies and methods to solve the active user selection problem in the future large-scale machine type communication.

作为物联网的基础，大规模机器类型通信受到学者们的广泛关注。机器类型通信最显著的特点是未来的蜂窝网络将服务于大量的设备，但只有部分设备是活跃的。传统的基于用户请求的通信机制将导致信令风暴，因此基于基站活跃用户选择的免信令传输机制成为未来的研究方向。现有的基于免信令机制的活跃用户检测算法将信道估计与活跃用户检测割裂开来研究，算法复杂度高，难以实现全局优化。此外，仅考虑简单的高斯信道场景，并不能实际应用与下一代移动通信中。本项目研究未来实际的机器类型通信系统，利用概率图模型理论和消息传递理论，对全局后验概率密度分布函数进行优化，使用理论化的消息近似方法和分区自由能理论，构建统一的近似消息传递和联合消息传递框架。在此基础上，设计低复杂度的接收算法，实现联合活跃用户选择、信道估计和符号检测。本项目的研究成果将为解决未来机器类型通信中的活跃用户选择问题提供新的技术和方法。

作为下一代物联网的基础，大规模机器类型通信受到学者们的广泛关注，本项目针对大规模机器类型通信中的活跃用户检测算法等问题进行较全面的系统新研究。本项目利用变分消息传递算法与稀疏贝叶斯估计理论设计了一种非正交导频下的活跃用户检测算法，该算法可以较好地处理非正交导频之间的相互干扰，在保证低复杂度的情况下可以得到较好的误码率性能。未来的机器类型通信往往会与毫米波通信进行结合，为了实现未来机器类型通信的低功耗，系统极有可能采用低精度模数转换器，然而低精度模数转换却带来了接收信号的非线性失真，本项目根据参数化双线性近似消息传递算法设计了一种联合比特译码、符号检测、稀疏信道估计与非线性畸变抑制的迭代接收算法，从而可以保证机器类型通信的低功率实现。同时，为了保证低复杂度与低时延，未来的机器类型通信的极有可能与正交频分复用系统结合，本项目基于最新的向量近似消息传递算法提出了一种低复杂度的迭代接收算法，实现联合信道估计、符号检测与噪声精度估计。此外，在信道未知情况下，大规模机器类型通信中的活跃用户检测问题可以归纳概括为双线性估计问题。针对双线性估计问题，本项目提出了一种联合基于酉变换近似消息传递算法、置信传播、变分推理和期望传播的近似贝叶斯推理算法，利用矩阵变换，将双线性问题进行单线性等效，然后使用酉变换近似消息传递算法进行参数估计，最后利用变分消息传递进行双线性参数解耦合。仿真结果表明，同最先进的双线性估计算法相比，所提算法有着显著的性能优势，在鲁棒性与收敛速度上优势明显。最后，基于无人机等设备的机器类型通信往往处于高速移动的状态中，本项目研究了正交时频空间调制分数多普勒频移的信道估计问题，在时延-多普勒域进行建模，借助于先进消息传递算法设计了一种低时延的正交时频空间调制信道估计算法。本项目的研究成果将为未来机器类型通信的实际应用提供新方法与新思路。