1.本发明涉及通信技术领域，信号具体而言，处理存储涉及一种信号处理方法、法非易非易失性存储介质及计算机设备。失性算机设备
背景技术：
2.大规模多输入多输出(m-mimo，介质及计massive multiple-input multiple-output)技术是流程未来5g无线通信的关键技术，该技术是信号指能在不增加带宽的情况下，在发射端和接收端分别使用多个发射天线和接收天线，处理存储使信号通过发射端与接收端的法非易多个天线传送和接收，从而改善通信质量。失性算机设备它能充分利用空间资源，介质及计通过多个天线实现多发多收，流程在不增加频谱资源和天线发射功率的信号情况下，可以成倍的处理存储提高系统信道容量，显示出明显的法非易优势。m-mimo技术以及与之相配合的接入方法，保证了系统对频谱的高效利用以及超大的网络容量。但是海量的天线阵列带来了巨大的计算复杂度，常规的检测算法的计算复杂度对于硬件来讲是不可实现的。
3.针对上述的问题，目前尚未提出有效的解决方案。
技术实现要素：
4.本发明实施例提供了一种信号处理方法、非易失性存储介质及计算机设备，以至少解决置信度传播检测方法的算法复杂度太高导致难以进行硬件实现的技术问题。
5.根据本发明实施例的一个方面，提供了一种信号处理方法，包括：获取接收信号向量和信道状态信息，以及获取多天线大规模mimo系统的因子图模型，其中，接收信号向量表征大规模mimo系统的接收端通过目标信道接收的信号，信道状态信息为描述目标信道的信息，因子图模型基于置信度传播bp检测方法构建；根据权重纽曼级数逼近wnsa方法处理接收信号向量和信道状态信息，生成置信选择传播检测bspd方法中的初始化软信息，其中，bspd方法用于更新因子图模型中的β消息；根据初始化软信息，执行bspd方法以迭代更新因子图模型中的β消息，直至迭代结束，生成目标软信息；根据目标软信息将接收信号向量还原为发送信号向量。
6.可选地，根据权重纽曼级数逼近wnsa方法处理接收信号向量和信道状态信息，生成置信选择传播检测bspd方法中的初始化软信息包括：根据接收信号向量和信道状态信息，生成第一矩阵和滤波后的接收信号向量b；根据wnsa方法对第一矩阵的逆矩阵进行迭代近似，生成第一矩阵的近似逆矩阵；根据近似逆矩阵和滤波后的接收信号向量，生成发送符号估计向量；根据发送符号估计向量，生成初始化软信息。
7.可选地，根据wnsa方法对第一矩阵的逆矩阵进行迭代近似，生成第一矩阵的近似逆矩阵，包括：根据第一矩阵，生成第二矩阵，其中，第二矩阵为由第一矩阵的主对角元素构成的对角矩阵；根据预设的权重系数、预设的迭代次数，单位矩阵、第一矩阵和第二矩阵，构建wnsa方法对应的近似逆矩阵迭代公式；求解近似逆矩阵迭代公式，得到近似逆矩阵。
8.可选地，根据接收信号向量和信道状态信息，生成第一矩阵，包括：在信道状态信
息包括信道矩阵和噪声方差的情况下，根据信道矩阵，确定目标信道对应的信道格拉姆矩阵g；将噪声方差的倒数与信道格拉姆矩阵g相乘，并将相乘的结果与发送符号的能量的倒数相加，得到第一矩阵。
9.可选地，根据发送符号估计向量，生成初始化软信息，包括：根据多天线系统星座图中星座点对应的符号向量和发送符号估计向量，确定估计偏差向量；将估计偏差向量的绝对值的相反数确定为初始化软信息。
10.可选地，根据初始化软信息，执行bspd方法以迭代更新bp检测方法中的β消息，直至迭代结束，生成目标软信息，包括：根据初始化软信息，从大规模mimo系统的发射端天线对应的初始星座点集合中筛选星座点，生成可靠星座点集合，其中，发射端天线在大规模mimo系统中通过目标信道向接收端发送信号；在执行bspd方法以迭代更新β消息的过程中，更新因子图模型中的α消息和β消息中各自与可靠性星座点集合对应的部分，直至迭代结束，生成目标软信息。
11.可选地，根据初始化软信息，执行bspd方法以迭代更新bp检测方法中的β消息，直至迭代结束，生成目标软信息，包括：将因子图模型中的因子节点分为多组因子节点，其中，因子图模型包括因子节点和符号节点，在因子图模型的每次迭代更新中由符号节点向因子节点传播α消息，由因子节点向符号节点传播β消息；在bspd方法的第m次迭代中，多组因子节点依次更新并向符号节点传播β消息，符号节点根据每次新收到的β消息更新α消息并将更新后的α消息传播至下一组因子节点中，重复该过程直至多组因子节点中的每一组因子节点的β消息都更新和传播完成，结束第m次迭代；重复bspd方法的迭代步骤，直至迭代结束并生成目标软信息。
12.可选地，根据初始化软信息，执行bspd方法以迭代更新bp检测方法中的β消息，直至迭代结束，生成目标软信息，包括：根据初始化软信息，执行bspd方法更新因子图模型，其中，因子图模型包括因子节点和符号节点，在因子图模型的每次迭代更新中由符号节点向因子节点传播α消息，由因子节点向符号节点传播β消息；在bspd方法的第n次迭代中，确定符号节点中的每个符号节点在第n次迭代中对应的软信息为中间软信息，采用每个符号节点对应的中间软信息代替每个符号节点分别向因子节点传播的α消息并传播至因子节点；重复bspd方法的迭代步骤，直至迭代结束并生成目标软信息。
13.根据本发明实施例的另一方面，还提供了一种信号处理装置，包括：获取模块，用于获取接收信号向量和信道状态信息，以及获取多天线大规模mimo系统的因子图模型，其中，接收信号向量表征大规模mimo系统的接收端通过目标信道接收的信号，信道状态信息为描述目标信道的信息，因子图模型基于置信度传播bp检测方法构建；生成模块，用于根据权重纽曼级数逼近wnsa方法处理接收信号向量和信道状态信息，生成置信选择传播检测bspd方法中的初始化软信息，其中，bspd方法用于更新因子图模型中的β消息；迭代模块，用于根据初始化软信息，执行bspd方法以迭代更新因子图模型中的β消息，直至迭代结束，生成目标软信息；还原模块，用于根据目标软信息将接收信号向量还原为发送信号向量。
14.根据本发明实施例的又一方面，还提供了一种非易失性存储介质，非易失性存储介质包括存储的程序，其中，在程序运行时控制非易失性存储介质所在设备执行上述任意一项信号处理方法。
15.根据本发明实施例的再一方面，还提供了一种计算机设备，计算机设备包括存储
器和处理器，存储器用于存储程序，处理器用于运行存储器存储的程序，其中，程序运行时执行上述任意一项信号处理方法。
16.在本发明实施例中，获取接收信号向量和信道状态信息，以及获取多天线大规模mimo系统的因子图模型，其中，接收信号向量表征大规模mimo系统的接收端通过目标信道接收的信号，信道状态信息为描述目标信道的信息，因子图模型基于置信度传播bp检测方法构建；根据权重纽曼级数逼近wnsa方法处理接收信号向量和信道状态信息，生成置信选择传播检测bspd方法中的初始化软信息，其中，bspd方法用于更新bp检测方法中的β消息；根据初始化软信息，执行bspd方法以迭代更新bp检测方法中的β消息，直至迭代结束，生成目标软信息；根据目标软信息将接收信号向量还原为发送信号向量，达到了采用硬件友好的低复杂度算法进行大规模mimo系统信号检测的目的，从而实现了提供一种大规模mimo系统中硬件可实现的低复杂度信号检测方法的技术效果，进而解决了置信度传播检测方法的算法复杂度太高导致难以进行硬件实现的技术问题。
附图说明
17.此处所说明的附图用来提供对本发明的进一步理解，构成本技术的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
18.图1示出了一种用于实现信号处理方法的计算机终端的硬件结构框图；
19.图2是根据本发明实施例提供的信号处理方法的流程示意图；
20.图3是根据本发明可选实施例提供的wnsa算法的流程示意图；
21.图4是根据本发明可选实施例提供的因子图模型的示意图；
22.图5是根据相关技术提供的bspd算法的流程示意图；
23.图6是根据本发明可选实施例提供的lcbspd算法的流程示意图；
24.图7是根据本发明实施例提供的信号处理装置的结构框图。
具体实施方式
25.为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
26.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
27.首先，对本技术实施例进行描述的过程中出现的部分名词或者术语适用于如下解释：
28.大规模多输入多输出(m-mimo，massive multiple-input multiple-output)
29.最大似然(ml，maximum-likelihood)
30.最大后验(map，maximum a posterior)
31.最小均方误差(mmse，minimum mean square error)
32.贝叶斯推理的消息传递类检测方法(mpd,message passing detection)
33.置信度传播(bp，belief propagation)
34.近似消息传递(amp，approximate message passing)
35.大规模mimo估计消息传递算法(lama，large-mimo approximate message passing algorithm)
36.数字信号处理器(dsp，digital signal processer)
37.置信选择传播检测方法(bspd,belief-selective propagation detector)
38.低复杂度置信选择传播检测方法(lcbspd,low complexity bspd)
39.线性最小均方误差(lmmse,linear minimum mean square error)
40.期望传播检测器(epd,expectation propagation detector)
41.加性高斯白噪声(awgn，additive white gaussian noise)
42.因子图模型(fgm,factor graph model)
43.因子节点(fn,factor node)
44.符号节点(sn,symbol node)
45.对数似然比(llr，log likelihood ratio)
46.权重纽曼级数估计(wnsa,weighted neumann-series approximation)
47.根据本发明实施例，提供了一种信号处理方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
48.本技术实施例所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。图1示出了一种用于实现信号处理方法的计算机终端的硬件结构框图。如图1所示，计算机终端10可以包括一个或多个(图中采用处理器102a、处理器102b，
……
，处理器102n来示出)处理器(处理器可以包括但不限于微处理器mcu或可编程逻辑器件fpga等的处理装置)、用于存储数据的存储器104。除此以外，还可以包括：显示器、输入/输出接口(i/o接口)、通用串行总线(usb)端口(可以作为bus总线的端口中的一个端口被包括)、网络接口、电源和/或相机。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述电子装置的结构造成限定。例如，计算机终端10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。
49.应当注意到的是上述一个或多个处理器和/或其他数据处理电路在本文中通常可以被称为“数据处理电路”。该数据处理电路可以全部或部分的体现为软件、硬件、固件或其他任意组合。此外，数据处理电路可为单个独立的处理模块，或全部或部分的结合到计算机终端10中的其他元件中的任意一个内。如本技术实施例中所涉及到的，该数据处理电路作为一种处理器控制(例如与接口连接的可变电阻终端路径的选择)。
50.存储器104可用于存储应用软件的软件程序以及模块，如本发明实施例中的信号
处理方法对应的程序指令/数据存储装置，处理器通过运行存储在存储器104内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的应用程序的信号处理方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至计算机终端10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
51.显示器可以例如触摸屏式的液晶显示器(lcd)，该液晶显示器可使得用户能够与计算机终端10的用户界面进行交互。
52.m-mimo技术以及与之相配合的接入方法，保证了系统对频谱的高效利用以及超大的网络容量。但是海量的天线阵列带来了巨大的计算复杂度，最优的检测算法比如最大似然(ml，maximum-likelihood)或最大后验(map，maximum a posterior)算法，它们都具有指数级增长的复杂度，这对于硬件来讲是不可实现的。因此设计对硬件实现友好的m-mimo检测器，是m-mimo系统真正实用面临的主要难题之一。
53.为了完成硬件复杂度和检测器性能的权衡，实际应用的m-mimo系统中通常采用较低复杂度并且保持较好的性能，主要包括线性信号检测方法和非线性信号检测方案等。基于贝叶斯推理的消息传递类检测算法(mpd，message passing detection)以其出色的性能以及较低的硬件实现复杂度近年来受到了广泛的关注，并逐渐应用在m-mimo检测中。经典的mpd类算法包括置信度传播(bp，belief propagation)信号检测算法。
54.目前已有的方案主要集中于mpd类算法的性能优化，涉及mpd类算法高效物理实现的研究较少，并且硬件指标包括能量效率、面积效率以及吞吐率还有待进一步提高，其主要原因在于高效数字信号处理器(dsp，digital signal processer)硬件实现的复杂度以及mpd类vlsi架构设计的复杂性。同时，对于bp类算法，算法的复杂度太高，硬件难以实现，实际情况下无法使用。
55.针对相关技术中存在的上述问题，本技术公开了一种基于bp检测方法的信号处理方法，该信号处理方法复杂度低，硬件友好，具有高吞吐率以及高能量和面积效率。图2是根据本发明实施例提供的信号处理方法的流程示意图，该方法可以应用于低复杂度置信选择传播检测器(lcbspd，low complexity belief-selective propagation detector)中。如图2所示，该方法包括如下步骤：
56.步骤s202，获取接收信号向量和信道状态信息，以及获取大规模mimo系统的因子图模型，其中，接收信号向量表征大规模mimo系统的接收端通过目标信道接收的信号，信道状态信息为描述目标信道的信息，因子图模型基于置信度传播bp检测方法构建。
57.在通信领域的bp(belief propagation)检测方法中，因子节点和符号节点之间传递的是消息。bp检测方法是一种用于迭代解调的算法，旨在对接收到的符号进行解码以恢复发送的信息。在bp算法中，每个节点(包括因子节点和符号节点)都计算并传递消息，以便相互协作进行解码，逐步提高解码的准确性。该方法中传递的消息通常是概率信息，表示不同符号或比特值的可能性。
58.作为一种可选实施例，考虑具有n
t
个发射天线和nr个接收天线的窄带大规模mimo通信系统，其中n
t
＜nr。假设调制方式为星座点为ω的q-qam调制方式，则系统模型如下：
59.60.其中，和分别是接收和发送的向量。是信道矩阵。假设独立同分布瑞利通道，均值为0，方差为1。是加性高斯白噪声(awgn，additive white gaussian noise)向量，均值为0，方差为并且假设信道状态信息(csi，channel state information)在接收端是完全已知的。
61.在大规模mimo系统中，星座点和符号是相关的概念。星座点表示调制信号在复平面上的位置，每个星座点对应一个特定的符号。符号是通过星座点来表示的，它可以是数字、字母或其他可用于传输的离散数值。在数字通信中，发送数据通常会经过调制过程，将数字数据映射到星座点上，形成具体的符号。这个过程被称为调制。接收端通过解调过程将接收到的星座点映射回对应的数字数据。因此，星座点是大规模mimo系统中用于表示调制信号的位置，而符号是通过星座点来表示具体的传输数据。
62.复数信号传输模型定期转换为等效的真实模型：
63.y＝hx+n
ꢀꢀ
(2)
64.其中为接收信号向量，(
·
)
t
表示转置操作，为发送信号矢量，h为2nr×
2n
t
维度的信道矩阵。ω是q-qam星座的实部/虚部的集合，大小为为加性高斯白噪声，噪声均值为0，方差为
65.bp检测方法可以将大规模mimo系统用因子图模型(fgm，factor graph model)进行表示。通常，在一个因子图模型中存在两类节点：因子节点(fn，factor node)和符号节点(sn，symbol node)。2nr个接收信号对应2nr因子节点2n
t
个发送符号对应2n
t
符号节点将第i个因子节点传递给第j个符号节点的的消息记为β
ij
，把第j个符号节点传递给第i个因子节点的消息记为α
ji
。步骤s204，根据权重纽曼级数逼近wnsa方法处理接收信号向量和信道状态信息，生成置信选择传播检测bspd方法中的初始化软信息，其中，bspd方法用于更新因子图模型中的β消息。
66.软信息是一种概率表示，指示不同传输符号或比特值的可能性。它提供了有关每个符号或比特的可信度估计。软信息可以表示为概率分布、对数似然比(llr)或其他形式的概率度量。
67.对于基于bp检测方法的全边bp检测器(fe-bpd，full-edge belief propagation detector)，β消息的更新公式为：
[0068][0069]
这里，l表示的是迭代次数，μk表示的是在星座点ω中的第k个符号，σ2是噪声方差，max是取最大值操作，s是发送符号向量。
[0070]
α消息的更新公式为：
[0071][0072]
当全边bp检测器达到最大的迭代次数后，将会停止迭代，输出最后的软信息γ，γ的更新公式为：
[0073][0074]
其中，上标l表示迭代次数。
[0075]
显然，全边bp检测器在进行β消息更新时，复杂度是指数级别的，需要对2n
t
个空间ω进行搜索，单纯的bp检测方法在大规模、高调制的情况下是很难实现的。因此本实施例及下述可选实施例基于bspd(bspd，belief-selective propagation detector)方法来解决β消息更新的问题。
[0076]
在更新消息β
ij
时，除去第j条需要向外传播消息的β
ij
输出边，还有2n
t-1条向内传播α消息的输入边。该2n
t-1条输入边对应的发送符号组成向量s
k/j
。对于给定的2n
t-1条输入边，bspd方法首先选择df条选定边(ce，chosen edge)，对应的发送符号向量用表示。另外的2n
t-d
f-1条边被称为简化边(se，simplified edge)，对应的发送符号向量集合用表示。上述和均为s
k/j
的子向量，和中的每个元素由对应选定边的输入α消息决定。对于选定边，其输入的消息α
ji
首先需要经过排序，然后从中挑选出dm个最大的符号对数似然比llr构成新的输入消息该边对应的发送符号即有dm种可能，对应新的输入消息因此，向量的公式表示如下：
[0077][0078]
共有种可能。对于简化边，直接从输入的α
ji
消息中找出最大的符号对数似然比(llr，log likelihood ratio)，构成新的输入消息该边对应的发送符号只有一种可能，即为中符号对应的发送符号最大的llr。因此，只有一种可能。上述对于选定边和简化边的选择可以采用组合数方式产生。
[0079]
基于上述对于选定边和简化边的定义，对于每一个fn节点，在更新β消息时，
[0080]
bspd定义配置集合(cs，configuration set)其公式表示为：
[0081][0082]
本技术实施例中采用配置集来进行消息的更新。
[0083]
因此对于bspd方法，β消息的更新公式可以表示为：
[0084][0085]
对于bspd检测器，在采用bspd方法更新bp检测方法中的β消息时，需要对软信息进行初始化，配置集的形成需要一个初始化的先验概率，该过程中采用mmse初始化的方式需要进行矩阵的求逆操作，不利于硬件的实现。本实施例提出利用权重纽曼级数逼近(wnsa，weighted neumann-series approximation)，采用迭代的方式来近似矩阵的求逆的过程，该方式可以更有利于硬件的实现。
[0086]
作为一种可选的实施例，根据权重纽曼级数逼近wnsa方法处理接收信号向量和信道状态信息，生成置信选择传播检测bspd方法中的初始化软信息的过程，可以包括如下步骤：根据接收信号向量和信道状态信息，生成第一矩阵w和滤波后的接收信号向量b；根据wnsa方法对第一矩阵w求逆，生成第一矩阵的近似逆矩阵w-1
；根据近似逆矩阵和滤波后的接收信号向量b，生成发送符号估计向量；根据发送符号估计向量，生成初始化软信息。其中，发送符号估计向量可以表示为且
[0087]
作为一种可选的实施例，可以通过如下方式生成第一矩阵w：在信道状态信息包括信道矩阵和噪声方差的情况下，根据信道矩阵，确定目标信道对应的信道格拉姆矩阵g；将噪声方差的倒数与信道格拉姆矩阵g相乘，并将相乘的结果与发送符号的能量的倒数相加，得到第一矩阵w。
[0088]
对于矩阵其中其中es为发送符号的能量，发送符号的能量在通信开始前由收发双方约定好，双方都已知。根据获取的接收信号、信道信息和噪声信息可以得到接收信号向量y、信道矩阵h以及噪声方差在接收信号向量y、信道矩阵h以及噪声方差的基础上，可以计算信道格拉姆(gram)矩阵g＝h
t
h，以及匹配滤波后的接收信号向量为b＝h
t
y。
[0089]
作为一种可选的实施例，根据wnsa方法对第一矩阵的逆矩阵进行迭代近似，生成第一矩阵的近似逆矩阵，包括如下过程：根据第一矩阵w，生成第二矩阵d，其中，第二矩阵为由第一矩阵的主对角元素构成的对角矩阵；根据预设的权重系数α、预设的迭代次数k，单位矩阵i、第一矩阵w和第二矩阵d，构建wnsa方法对应的近似逆矩阵迭代公式；求解近似逆矩阵迭代公式，得到近似逆矩阵。
[0090]
可选地，d是由w的主对角元素构成的对角矩阵，那么w的逆可以用下面的迭代公式近似：
[0091][0092]
在达到最大的迭代次数后，矩阵求逆近似完成。图3是根据本发明可选实施例提供的wnsa算法的流程示意图，图3将上述的wnsa算法的求解过程采用代码化的表示方式进行
展示，通过矩阵近似求逆，可以降低硬件实现bp检测算法的硬件复杂度，提高大规模mimo系统中的信号检测方法的可行性。
[0093]
作为一种可选的实施例，根据发送符号估计向量，生成初始化软信息，可以包括如下步骤：根据多天线系统星座图中星座点对应的符号向量和发送符号估计向量，确定估计偏差向量；将估计偏差向量的绝对值的相反数确定为初始化软信息。
[0094]
本可选实施例可以对bp检测算法的软信息初始化过程进行简化。相关技术中，在得到发送符号向量的估计后，通常是通过公式(10)对发送符号的概率进行初始化，为每一个发送符号赋一个概率pj(μk)，其中μk表示星座点的第k个发送符号，表示列向量中的第j个元素，表示w-1
矩阵的第j个对角元素。
[0095][0096]
bspd方法在进行消息更新过程中并不需要知道每个符号的确切概率，而只需要知道每个符号的相对可靠性就可以完成消息的更新过程。所以为了简化等式(10)，本可选的实施例可以直接通过下面的等式(11)对各个符号的llr(对数似然比)进行估计：
[0097][0098]
其中，abs表示取绝对值操作，表示上述的估计偏差向量，γj(k)表示初始化软信息。
[0099]
步骤s206，根据初始化软信息，执行bspd方法以迭代更新因子图模型中的β消息，直至迭代结束，生成目标软信息。
[0100]
bp检测方法通过不断对软信息进行迭代，最终输出目标软信息，而初始化软信息即为迭代过程的起点。
[0101]
在通信系统中，软信息对于进行有效的信道解码和决策非常重要。通过使用软信息，解码器可以更准确地估计传输符号的概率分布，并根据这些估计进行优化的决策。这可以提高系统的性能，特别是在存在信道噪声和干扰的情况下。
[0102]
作为一种可选的实施例，对软信息进行更新迭代的过程中可以包括如下方式以降低算法复杂度：根据初始化软信息，从大规模mimo系统的发射端天线对应的初始星座点集合中筛选星座点，生成可靠星座点集合，其中，发射端天线在大规模mimo系统中通过目标信道向接收端发送信号；在执行bspd方法以迭代更新β消息的过程中，更新因子图模型中的α消息和β消息中各自与可靠性星座点集合对应的部分，直至迭代结束，生成目标软信息。
[0103]
在采用bspd方法进行消息更新的过程中，每次α
ji
与β
ij
的更新都需要更新个星座点的llr(对数似然比)。对于每根发送天线上不可靠的星座点，可以不必重复地去更新每个星座点，所以可以采用本可选实施例提供的星座点截断方法去切除没必要更新的星座点。在wnsa初始化后，基于本可选实施例可以对各个发射天线的星座点可靠性进行排序，星座点中γ越大的星座点被认为越可靠，每个发射天线只保留nm个最可靠的星座点进行星座点截断之后，α消息的维度就从维降低为nm维，因而节省了很多复杂度，更有利于算法在实际硬件中的实现。
[0104]
用cj表示第j个发射天线的星座点集合，cj可以被定义通过：
[0105][0106]
这里定义的可靠星座点集合cj可以在wnsa初始化的时候确定，之后的迭代更新过程不改变，每次更新迭代α
ji
和β
ij
只在cj(nm)定义的nm个星座点上进行消息更新。对于剩余的个星座点，α
ji
不更新消息，β
ij
则直接置更新的消息为0，即：
[0107]
β
ij
＝{ [β
ij
(k1),...,β
ij
(k
nm
),0]∣μk∈cj(nm)}
ꢀꢀ
(13)
[0108]
作为一种可选的实施例，根据初始化软信息，执行bspd方法以迭代更新bp检测方法中的β消息，直至迭代结束，生成目标软信息，包括：将因子图模型中的因子节点分为多组因子节点，其中，因子图模型包括因子节点和符号节点，在因子图模型的每次迭代更新中由符号节点向因子节点传播α消息，由因子节点向符号节点传播β消息；在bspd方法的第m次迭代中，多组因子节点依次更新并向符号节点传播β消息，符号节点根据每次新收到的β消息更新α消息并将更新后的α消息传播至下一组因子节点中，重复该过程直至多组因子节点中的每一组因子节点的β消息都更新和传播完成，结束第m次迭代；重复bspd方法的迭代步骤，直至迭代结束并生成目标软信息。
[0109]
相关技术中，采用全并行的方法对α与β进行更新，那么每次迭代需要更新2n
t
次α和2nr次β，同时最新更新的消息不能立刻被用来传递，这会导致bspd算法的收敛速度非常慢，导致不可承担的复杂度。对α与β进行更新的全并行方法指的是，在因子节点和符号节点之间将所有的α消息都传完之后，才开始传β消息。为了降低该过程的复杂度，本可选实施例采取了一种分组的序列更新方式，通过将2n
t
个因子节点划分为多组，每组的β消息同时并行更新，在并行更新完一组β消息后，立即把最新的β消息用于α消息的更新，这样子一组接着一组更新，既克服了全并行更新的慢收敛性缺点，又在一定程度上减少了算法的时延。图4是根据本发明可选实施例提供的因子图模型的示意图，图4中的圆圈v1至表示符号节点，g1至中的各个方框表示各个因子节点，每个虚线圆圈g表示一个因子节点分组。
[0110]
同时，还可以进一步优化消息更新的方式，在第一次迭代更新的完成后，α消息与wnsa初始化的消息相差很小，并且这个性能可以被第二次迭代弥补，所以在第一次迭代的过程中，可以忽略α消息的更新，只更新β消息，在第二次更新中才更新α消息，采用这样的流水线技术可以更好地提高硬件实现效率。
[0111]
作为一种可选的实施例，根据初始化软信息，执行bspd方法以迭代更新bp检测方法中的β消息，直至迭代结束，生成目标软信息，包括：根据初始化软信息，执行bspd方法更新因子图模型，其中，因子图模型包括因子节点和符号节点，在因子图模型的每次迭代更新中由符号节点向因子节点传播α消息，由因子节点向符号节点传播β消息；在bspd方法的第n次迭代中，确定符号节点中的每个符号节点在第n次迭代中对应的软信息为中间软信息，采用每个符号节点对应的中间软信息代替每个符号节点分别向因子节点传播的α消息并传播至因子节点；重复bspd方法的迭代步骤，直至迭代结束并生成目标软信息。
[0112]
本可选的实施例采用的降低复杂度的方法可以被称为α消息的消除。相关技术中，bspd方法中α消息是通过等式(4)进行更新的，每个发送天线都要向所有的接收天线传送各个符号的概率。在大规模天线的情况下，同一个发射天线对于不同的接收天线传送的α消息
是几乎相等的，所以基于本可选的实施例，可以直接用该次迭代中基于等式(5)得到的γ消息替换等式(4)，将γ消息替换α消息进行发送。通过使用α消息消除的方法，可以把每次迭代过程中α消息的更新次数从减少到有效地降低了硬件的复杂度。
[0113]
图5是根据相关技术提供的bspd算法的流程示意图，图6是根据本发明可选实施例提供的lcbspd算法的流程示意图。图6所示的可选实施例提供的lcbspd算法应用了wnsa算法、α消除、星座点截断等多种方法来降低算法复杂度，提高了b求解γ消息的效率，有利于算法的硬件实现。
[0114]
步骤s208，根据目标软信息将接收信号向量还原为发送信号向量。
[0115]
上述步骤中，获取接收信号向量和信道状态信息，以及获取大规模mimo系统的因子图模型，其中，接收信号向量表征大规模mimo系统的接收端通过目标信道接收的信号，信道状态信息为描述目标信道的信息，因子图模型基于置信度传播bp检测方法构建；根据权重纽曼级数逼近wnsa方法处理接收信号向量和信道状态信息，生成置信选择传播检测bspd方法中的初始化软信息，其中，bspd方法用于更新bp检测方法中的β消息；根据初始化软信息，执行bspd方法以迭代更新bp检测方法中的β消息，直至迭代结束，生成目标软信息；根据目标软信息将接收信号向量还原为发送信号向量，达到了采用硬件友好的低复杂度算法进行大规模mimo系统信号检测的目的，从而实现了提供一种大规模mimo系统中硬件可实现的低复杂度信号检测方法的技术效果，进而解决了置信度传播检测方法的算法复杂度太高导致难以进行硬件实现的技术问题。
[0116]
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
[0117]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的信号处理方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例的方法。
[0118]
根据本发明实施例，还提供了一种用于实施上述信号处理方法的信号处理装置，图7是根据本发明实施例提供的信号处理装置的结构框图，如图7所示，该信号处理装置包括：获取模块72，生成模块74，迭代模块76和还原模块78，下面对该信号处理装置进行说明。
[0119]
获取模块72，用于获取接收信号向量和信道状态信息，以及获取大规模mimo系统的因子图模型，其中，接收信号向量表征大规模mimo系统的接收端通过目标信道接收的信号，信道状态信息为描述目标信道的信息，因子图模型基于置信度传播bp检测方法构建；
[0120]
生成模块74，连接于上述获取模块72，用于根据权重纽曼级数逼近wnsa方法处理接收信号向量和信道状态信息，生成置信选择传播检测bspd方法中的初始化软信息，其中，bspd方法用于更新bp检测方法中的β消息；
[0121]
迭代模块76，连接于上述生成模块74，用于根据初始化软信息，执行bspd方法以迭
代更新bp检测方法中的β消息，直至迭代结束，生成目标软信息；
[0122]
还原模块78，连接于上述迭代模块76，用于根据目标软信息将接收信号向量还原为发送信号向量。
[0123]
此处需要说明的是，上述获取模块72，生成模块74，迭代模块76和还原模块78对应于实施例中的步骤s202至步骤s208，多个模块与对应的步骤所实现的实例和应用场景相同，但不限于上述实施例所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在实施例提供的计算机终端10中。
[0124]
本发明的实施例可以提供一种计算机设备，可选地，在本实施例中，上述计算机设备可以位于计算机网络的多个网络设备中的至少一个网络设备。该计算机设备包括存储器和处理器。
[0125]
其中，存储器可用于存储软件程序以及模块，如本发明实施例中的信号处理方法和装置对应的程序指令/模块，处理器通过运行存储在存储器内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的信号处理方法。存储器可包括高速随机存储器，还可以包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器可进一步包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至计算机终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
[0126]
处理器可以通过传输装置调用存储器存储的信息及应用程序，以执行下述步骤：获取接收信号向量和信道状态信息，以及获取大规模mimo系统的因子图模型，其中，接收信号向量表征大规模mimo系统的接收端通过目标信道接收的信号，信道状态信息为描述目标信道的信息，因子图模型基于置信度传播bp检测方法构建；根据权重纽曼级数逼近wnsa方法处理接收信号向量和信道状态信息，生成置信选择传播检测bspd方法中的初始化软信息，其中，bspd方法用于更新因子图模型中的β消息；根据初始化软信息，执行bspd方法以迭代更新因子图模型中的β消息，直至迭代结束，生成目标软信息；根据目标软信息将接收信号向量还原为发送信号向量。
[0127]
可选的，上述处理器还可以执行如下步骤的程序代码：根据权重纽曼级数逼近wnsa方法处理接收信号向量和信道状态信息，生成置信选择传播检测bspd方法中的初始化软信息包括：根据接收信号向量和信道状态信息，生成第一矩阵和滤波后的接收信号向量b；根据wnsa方法对第一矩阵的逆矩阵进行迭代近似，生成第一矩阵的近似逆矩阵；根据近似逆矩阵和滤波后的接收信号向量，生成发送符号估计向量；根据发送符号估计向量，生成初始化软信息。
[0128]
可选的，上述处理器还可以执行如下步骤的程序代码：根据wnsa方法对第一矩阵的逆矩阵进行迭代近似，生成第一矩阵的近似逆矩阵，包括：根据第一矩阵，生成第二矩阵，其中，第二矩阵为由第一矩阵的主对角元素构成的对角矩阵；根据预设的权重系数、预设的迭代次数，单位矩阵、第一矩阵和第二矩阵，构建wnsa方法对应的近似逆矩阵迭代公式；求解近似逆矩阵迭代公式，得到近似逆矩阵。
[0129]
可选的，上述处理器还可以执行如下步骤的程序代码：根据接收信号向量和信道状态信息，生成第一矩阵，包括：在信道状态信息包括信道矩阵和噪声方差的情况下，根据信道矩阵，确定目标信道对应的信道格拉姆矩阵g；将噪声方差的倒数与信道格拉姆矩阵g
相乘，并将相乘的结果与发送符号的能量的倒数相加，得到第一矩阵。
[0130]
可选的，上述处理器还可以执行如下步骤的程序代码：根据发送符号估计向量，生成初始化软信息，包括：根据多天线系统星座图中星座点对应的符号向量和发送符号估计向量，确定估计偏差向量；将估计偏差向量的绝对值的相反数确定为初始化软信息。
[0131]
可选的，上述处理器还可以执行如下步骤的程序代码：根据初始化软信息，执行bspd方法以迭代更新bp检测方法中的β消息，直至迭代结束，生成目标软信息，包括：根据初始化软信息，从大规模mimo系统的发射端天线对应的初始星座点集合中筛选星座点，生成可靠星座点集合，其中，发射端天线在大规模mimo系统中通过目标信道向接收端发送信号；在执行bspd方法以迭代更新β消息的过程中，更新因子图模型中的α消息和β消息中各自与可靠性星座点集合对应的部分，直至迭代结束，生成目标软信息。
[0132]
可选的，上述处理器还可以执行如下步骤的程序代码：根据初始化软信息，执行bspd方法以迭代更新bp检测方法中的β消息，直至迭代结束，生成目标软信息，包括：将因子图模型中的因子节点分为多组因子节点，其中，因子图模型包括因子节点和符号节点，在因子图模型的每次迭代更新中由符号节点向因子节点传播α消息，由因子节点向符号节点传播β消息；在bspd方法的第m次迭代中，多组因子节点依次更新并向符号节点传播β消息，符号节点根据每次新收到的β消息更新α消息并将更新后的α消息传播至下一组因子节点中，重复该过程直至多组因子节点中的每一组因子节点的β消息都更新和传播完成，结束第m次迭代；重复bspd方法的迭代步骤，直至迭代结束并生成目标软信息。
[0133]
可选的，上述处理器还可以执行如下步骤的程序代码：根据初始化软信息，执行bspd方法以迭代更新bp检测方法中的β消息，直至迭代结束，生成目标软信息，包括：根据初始化软信息，执行bspd方法更新因子图模型，其中，因子图模型包括因子节点和符号节点，在因子图模型的每次迭代更新中由符号节点向因子节点传播α消息，由因子节点向符号节点传播β消息；在bspd方法的第n次迭代中，确定符号节点中的每个符号节点在第n次迭代中对应的软信息为中间软信息，采用每个符号节点对应的中间软信息代替每个符号节点分别向因子节点传播的α消息并传播至因子节点；重复bspd方法的迭代步骤，直至迭代结束并生成目标软信息。
[0134]
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成，该程序可以存储于一非易失性存储介质中，存储介质可以包括：闪存盘、只读存储器(read-only memory，rom)、随机存取器(random access memory，ram)、磁盘或光盘等。
[0135]
本发明的实施例还提供了一种非易失性存储介质。可选地，在本实施例中，上述非易失性存储介质可以用于保存上述实施例所提供的信号处理方法所执行的程序代码。
[0136]
可选地，在本实施例中，上述非易失性存储介质可以位于计算机网络中计算机终端群中的任意一个计算机终端中，或者位于移动终端群中的任意一个移动终端中。
[0137]
可选地，在本实施例中，非易失性存储介质被设置为存储用于执行以下步骤的程序代码：获取接收信号向量和信道状态信息，以及获取大规模mimo系统的因子图模型，其中，接收信号向量表征大规模mimo系统的接收端通过目标信道接收的信号，信道状态信息为描述目标信道的信息，因子图模型基于置信度传播bp检测方法构建；根据权重纽曼级数逼近wnsa方法处理接收信号向量和信道状态信息，生成置信选择传播检测bspd方法中的初
始化软信息，其中，bspd方法用于更新因子图模型中的β消息；根据初始化软信息，执行bspd方法以迭代更新因子图模型中的β消息，直至迭代结束，生成目标软信息；根据目标软信息将接收信号向量还原为发送信号向量。
[0138]
可选地，在本实施例中，非易失性存储介质被设置为存储用于执行以下步骤的程序代码：根据权重纽曼级数逼近wnsa方法处理接收信号向量和信道状态信息，生成置信选择传播检测bspd方法中的初始化软信息包括：根据接收信号向量和信道状态信息，生成第一矩阵和滤波后的接收信号向量b；根据wnsa方法对第一矩阵的逆矩阵进行迭代近似，生成第一矩阵的近似逆矩阵；根据近似逆矩阵和滤波后的接收信号向量，生成发送符号估计向量；根据发送符号估计向量，生成初始化软信息。
[0139]
可选地，在本实施例中，非易失性存储介质被设置为存储用于执行以下步骤的程序代码：根据wnsa方法对第一矩阵的逆矩阵进行迭代近似，生成第一矩阵的近似逆矩阵，包括：根据第一矩阵，生成第二矩阵，其中，第二矩阵为由第一矩阵的主对角元素构成的对角矩阵；根据预设的权重系数、预设的迭代次数，单位矩阵、第一矩阵和第二矩阵，构建wnsa方法对应的近似逆矩阵迭代公式；求解近似逆矩阵迭代公式，得到近似逆矩阵。
[0140]
可选地，在本实施例中，非易失性存储介质被设置为存储用于执行以下步骤的程序代码：根据接收信号向量和信道状态信息，生成第一矩阵，包括：在信道状态信息包括信道矩阵和噪声方差的情况下，根据信道矩阵，确定目标信道对应的信道格拉姆矩阵g；将噪声方差的倒数与信道格拉姆矩阵g相乘，并将相乘的结果与发送符号的能量的倒数相加，得到第一矩阵。
[0141]
可选地，在本实施例中，非易失性存储介质被设置为存储用于执行以下步骤的程序代码：根据发送符号估计向量，生成初始化软信息，包括：根据多天线系统星座图中星座点对应的符号向量和发送符号估计向量，确定估计偏差向量；将估计偏差向量的绝对值的相反数确定为初始化软信息。
[0142]
可选地，在本实施例中，非易失性存储介质被设置为存储用于执行以下步骤的程序代码：根据初始化软信息，执行bspd方法以迭代更新bp检测方法中的β消息，直至迭代结束，生成目标软信息，包括：根据初始化软信息，从大规模mimo系统的发射端天线对应的初始星座点集合中筛选星座点，生成可靠星座点集合，其中，发射端天线在大规模mimo系统中通过目标信道向接收端发送信号；在执行bspd方法以迭代更新β消息的过程中，更新因子图模型中的α消息和β消息中各自与可靠性星座点集合对应的部分，直至迭代结束，生成目标软信息。
[0143]
可选地，在本实施例中，非易失性存储介质被设置为存储用于执行以下步骤的程序代码：根据初始化软信息，执行bspd方法以迭代更新bp检测方法中的β消息，直至迭代结束，生成目标软信息，包括：将因子图模型中的因子节点分为多组因子节点，其中，因子图模型包括因子节点和符号节点，在因子图模型的每次迭代更新中由符号节点向因子节点传播α消息，由因子节点向符号节点传播β消息；在bspd方法的第m次迭代中，多组因子节点依次更新并向符号节点传播β消息，符号节点根据每次新收到的β消息更新α消息并将更新后的α消息传播至下一组因子节点中，重复该过程直至多组因子节点中的每一组因子节点的β消息都更新和传播完成，结束第m次迭代；重复bspd方法的迭代步骤，直至迭代结束并生成目标软信息。
[0144]
可选地，在本实施例中，非易失性存储介质被设置为存储用于执行以下步骤的程序代码：根据初始化软信息，执行bspd方法以迭代更新bp检测方法中的β消息，直至迭代结束，生成目标软信息，包括：根据初始化软信息，执行bspd方法更新因子图模型，其中，因子图模型包括因子节点和符号节点，在因子图模型的每次迭代更新中由符号节点向因子节点传播α消息，由因子节点向符号节点传播β消息；在bspd方法的第n次迭代中，确定符号节点中的每个符号节点在第n次迭代中对应的软信息为中间软信息，采用每个符号节点对应的中间软信息代替每个符号节点分别向因子节点传播的α消息并传播至因子节点；重复bspd方法的迭代步骤，直至迭代结束并生成目标软信息。
[0145]
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
[0146]
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
[0147]
在本技术所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
[0148]
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0149]
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0150]
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个非易失性取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：u盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
[0151]
以上仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。