一种非正交多址接入下行链路信号检测方法

王茜竹，唐　超，吴广富，彭大芹

(1.重庆邮电大学 电子信息与网络工程研究院，重庆 400065；2.重庆邮电大学 移动通信技术重庆市重点实验室，重庆 400065)



一种非正交多址接入下行链路信号检测方法

王茜竹1，唐超1，吴广富2，彭大芹1

(1.重庆邮电大学 电子信息与网络工程研究院，重庆 400065；2.重庆邮电大学 移动通信技术重庆市重点实验室，重庆 400065)

非正交多址接入(non-orthogonal multiple access, NOMA)下行链路存在严重的多址干扰。软解调-串行干扰消除(successive interference cancellation, SIC)检测方法是一种性能较好的信号检测方法，但是接收机的复杂度比较高。考虑到软解调算法对其他用户信号的信号特征信息并未充分利用，提出一种基于软解调算法改进的联合检测算法，该算法直接利用多用户叠加信号的联合星座图计算用户信号信息比特的软信息，不需要对干扰信号进行检测和重构，可以降低接收机的复杂度。仿真分析表明，与软解调-SIC检测方法相比，联合检测方法在性能损失不超过1.5 dB的情况下，可以将接收机的复杂度降低一半。

非正交多址接入(NOMA)；信号检测；软解调；串行干扰消除(SIC)；联合检测

0　引　言

在高速增长的无线网络应用需求的驱动下，新一代移动通信系统5G成为了全球移动通信领域研究的热点。IMT-2020(5G) 推进组《5G概念白皮书》中提到，5G对未来无线网络提出了更高的要求，其中，用户体验速率要达到0.1～1 Gbit/s，设备连接承受能力要达到106/km2，频谱效率要比4G提升5～15倍[1]。面对未来无线网络的挑战，传统的多址接入技术难以满足，所以，全球一些移动通信领域的研究机构通过深入的研究，提出了多种新型多址接入技术，其中，由Saito等提出的非正交多址接入[2](non-orthogonal multiple access, NOMA)以其基于功分复用的特点受到业界的广泛关注。

NOMA的基本思想是在发送端先给多个用户信号分配不同的功率，在叠加后进行非正交发送；在接收端通过干扰消除检测技术实现用户信号的接收。NOMA是一种基于功率域复用的多址技术，各用户通过信号功率的不同来进行区分，从而可以将时域、频域等资源提供给多个用户共享，以提高系统的频谱效率、系统容量[3]。已有研究表明，在链路叠加用户个数为2～3时，系统性能可以达到最佳，系统容量可以提升50%以上，频谱效率也有显著的提高。

但是由于NOMA在发送端主动引入了干扰信息，会对接收端的信号检测过程带来严重的多址干扰，因此，如何实现接收端用户信号的检测将是NOMA技术走向实用的关键。

文献[3]在给出NOMA概念的同时指出串行干扰消除(serial interference cancellation, SIC)检测技术具有检测性能好、易于实现的优点，是NOMA下行链路比较合适的信号检测方法。文献[4]针对NOMA链路研究了最小均方误差(minimum mean square error, MMSE)与SIC结合的检测方法，但是MMSE检测是基于硬判决的，判决过程中会有信息损失；文献[5]则对基于软解调算法的SIC检测方法进行了研究，软解调-SIC检测方法虽然具有较好的检测性能，但是对其他用户信号的信号特征信息并未充分利用，因此，还具有改进的空间。

从当前研究现状来看，目前NOMA下行链路的一些检测方法基本上都是基于SIC的。SIC检测方法虽然检测性能较好，但是存在复杂度较高的问题。在NOMA下行链路中，尤其是对于小区近端用户接收端，因为要先逐一对干扰信号进行检测和消除，如果链路叠加用户数比较多，无疑复杂度会很高[6]。因此，需要对SIC检测技术进行研究，降低小区近端用户检测时接收机的复杂度。

本文针对软解调-SIC检测技术提出一种改进的检测方法，该方法在不需要先消除干扰信号的情况下，可以充分利用其他用户信号的特征信息直接完成用户信号的检测， 因此，可以大幅降低接收机的复杂度。

1　NOMA链路模型

NOMA的基本原理是在发送端先对各个用户信号独立进行编码调制，在对各个用户信号分配不同的功率后进行线性叠加，叠加后的信号还是采用正交频分复用(orthogonal frequency division multiplexing，OFDM)技术来进行传输；接收端通过干扰消除检测接收机完成用户信号的接收[7]。图1为NOMA下行链路的链路模型。

图1　NOMA下行链路模型Fig.1　Link model of downlink NOMA

在发送端，功率分配采用固定功率分配(fixed power allocation, FPA)的方式，即同一子带上的所有用户组都采用相同的功率配比方式。叠加信号可表示为

(1)

(1)式中：sn和Pn分别表示各用户信号和所分配的功率；而s则表示叠加信号；这里不考虑各用户信号之间的相对相位偏移。

在接收端，用户UE-n接收信号为

(2)

各接收天线进行OFDM解调后再进行最大比合并[4]，得到的信号可表示为

(3)

(3)式中：yn表示接收信号；而hn和wn为合并后的信道系数和噪声，并且有

(4)

(5)

2　软解调-SIC检测技术

2.1SIC检测接收机

SIC检测接收机每一级都只对一个干扰用户信号进行检测和判决，再对干扰信号进行重构，并从接收信号中去除重构的干扰信号，再将去除干扰的接收信号作为下一级的输入，SIC检测接收机重复进行上述过程，直至消除所有干扰用户信号，最后再完成用户信号的检测和接收[8]。SIC检测接收机的结构如图2所示。

图2　SIC检测接收机结构Fig.2　Structure of SIC receiver

SIC检测接收机从接收机结构上来说主要有2种：①Symbol-level SIC检测接收机；②Codeword-level SIC检测接收机[9]。在Symbol-level SIC检测接收机中，对干扰信号解调之后就进行硬判决，再利用判决后的结果进行干扰信号的重构；在Codeword-level SIC检测接收机中，对干扰信号进行解调之后，还要进行译码，再利用译码得到的比特信息重构干扰信号。相比于Symbol-level SIC检测接收机，Codeword-level SIC检测接收机多了译码等流程，因此，计算复杂度比Symbol-level SIC检测接收机要高，但是由于译码过程具有纠错检错功能，因此，Codeword-level SIC检测接收机的检测结果可靠性更高，接收机的性能也更好[10]。

2.2软解调算法

在软解调-SIC检测接收机中，信号检测采用软解调算法，该算法的输出为信号比特的软信息，也就是对数似然比(log-likelihood ratio，LLR)，LLR定义[11]为

(6)

对于用户UE-n的接收端，根据文献[12]可知信号sk(k∈{1,2,…,N})信息比特的LLR值的计算方法为

(7)

(7)式中，

D=

(8)

(8)式中，定义

(9)

(8)-(9)式中：zn,I和zn,Q表示同相分量和正交分量；集合C0表示sk的调制星座图中bi=0的符号的集合，C1表示bi=1的符号的集合，且符号α∈C0，符号β∈C1，而α和β又可以分别表示为α=αI+jαQ和β=βI+jβQ，这里αI和βI表示同相分量，αQ和βQ表示正交分量。

3　改进的检测方法

3.1联合检测算法

由于在NOMA下行链路发送端采用的是FPA功率分配方式，在各用户接收端对同一链路的用户组中各信号的功率、调制方式等信号特征信息均可获知。软解调算法计算用户信号比特的LLR值时，参考的星座图是单用户信号调制星座图，对其他用户信号的特征信息并未进行利用，因此，这里提出一种基于软解调算法改进的联合检测算法，即在计算用户信号比特的LLR值时，参考一种包含多个用户信号特征信息的联合星座图，充分利用其他用户信号的特征信息来完成信号检测。

这里的联合星座图，包含了各个用户信号的信号特征信息，能够反映各个用户信号之间的功率，调制方式等物理关系，因此，联合检测算法可以不用考虑先消除干扰信号，而根据联合星座图直接计算用户信号比特的LLR值。

由以上分析可知，在信号检测之前要先构建联合星座图，其具体的构建方法如下。

假设N个用户信号根据信号功率从大到小的排序为

Order(st1)

(10)

(10)式中，t1,t2,…,tN∈{1,2,…,N}。

根据各用户信号的调制方式，确定stj(j=1,2,…,N)在联合星座点中占用的调制比特数，按照排序依次记为2lt1,2lt2,…,2ltN。

将stj的符号表示为

(11)

(11)式中，stj,I和stj,Q分别表示同向分量和正交分量。

则这N个用户信号的信息比特从高位到低位可以分别表示为

(12)

奇数位置和偶数位置的比特分别决定同相分量和正交分量。

联合星座图中的星座点数为22lt1+2lt2+…+2ltN，每个星座点有2lt1+2lt2+…+2ltN个调制比特[13]，从高位到低位依次表示为

(13)

在联合星座图中叠加信号的调制比特映射规律如下：对于信号功率较高的信号，其信息比特将对应联合星座图中符号的高位比特；对于信号功率较低的信号，其信息比特将对应联合星座图中符号的低位比特[13]。

由上述比特映射规律可知，各个用户信号stj(j=1,2,…,N)的信息比特与联合星座图中的调制比特之间映射关系为

(14)

根据以上比特映射关系可以构造出多个用户叠加信号的联合星座图。

联合检测算法的基本思想是对于所有用户的接收端，直接根据叠加信号的联合星座图来计算用户信号每个信息比特的对数似然比LLR值。

对于排序为r(r∈{1,2,…,N})的用户信号str，先要根据(14)式的比特映射规律推算str的信息比特所映射的调制比特在联合星座点中的位置，即

(15)

再通过(7)式描述的计算方法，可以根据联合星座图计算出b2lt1+2lt2+…+2ltr-1+1,…,b2lt1+2lt2+…+2ltr，继而得到用户信号str的各个信息比特的软信息LLR值。

3.2基于联合检测算法的接收机设计

基于软解调算法改进的联合检测算法，可以不用考虑干扰用户信号，直接计算联合星座图中用户信号信息比特的软信息LLR值。基于联合检测算法的联合检测接收机具体的处理步骤如下。

Step 1将用户UE-n(n∈{1,2,…,N})接收端的各个接收天线信号分别进行OFDM解调，然后进行分集合并，得到用户的接收信号yn；按照各用户信号功率大小进行排序；

Step 2根据各用户信号功率大小、排序以及调制方式等信号特征信息构建联合星座图；

Step 3按照功率排序推算用户信号sn的排序r，再根据(15)式确定排序为r的用户信号的信息比特所映射的调制比特在联合星座点中的位置；

Step 4按照(7)式根据联合星座图计算各个信息比特的LLR值；

Step 5将各个信息比特的LLR值输入到译码器进行译码，得到各个信息比特，完成用户信息的接收。

从信号接收的流程可知，联合检测接收机不需要进行干扰信号的检测和重构等流程，因此，可以降低接收机的处理复杂度。

假设，在NOMA下行链路中，叠加信号传输采用单发双收模式，子带B上的用户UE-n(n=1,2)中小区近端用户为UE-1，小区远端用户为UE-2，在发送端独立进行调制，其中，UE-2采用正交相移键控(quadrature phase shift keyin,QPSK)，UE-1采用QPSK。

在各个用户接收端，先将2个接收天线分别进行OFDM解调后再进行最大比合并得到yn(n∈{1,2})，根据(2)-(5)式，有

(16)

按照功率大小对用户信号进行排序，因为P1

根据s2和s1的调制方式可知各自符号的调制比特数分别为2l2=2，2l1=2，因此，联合星座图中的星座点数为22+2；根据联合星座图中叠加信号的调制比特映射规律可构造出联合星座图，如图3所示。

图3　联合星座图Fig.3　Joint constellation

对于小区远端用户UE-2的接收端，由于排序靠前，根据(15)式可确定s2的信息比特所映射的调制比特在联合星座点中的位置为

(17)

根据(7)式可以计算对数似然比LLR(bi)(i=1,2)，其中

LLR(b1)=

(18)

LLR(b2)=

(19)

对于小区远端用户UE-1的接收端，同样可确定s1的信息比特所映射的调制比特在联合星座点中的位置为

(20)

然后，计算对数似然比LLR(bi)(i=3,4)，其中

LLR(b3)=

(21)

LLR(b4)=

(22)

4　仿真与分析

4.1复杂度分析

4.1.1联合检测算法复杂度

软解调算法和联合检测算法都是先要计算用户信号信息比特软信息，只是在计算软信息时软解调算法参考的是单用户信号星座图，而联合检测算法参考的则是叠加信号的联合星座图。但是软信息都是根据(7)式来计算的，虽然最终的展开式会有所不同，但是复杂度并不会增加。表1给出了2种检测算法在计算单个符号中各个比特软信息LLR值的复杂度，其中，L表示用户信号调制比特数。

表1　算法复杂度Tab.1　Computational complexity

4.1.2联合检测接收机复杂度分析

软解调-SIC检测接收机先要进行干扰信号的检测、重构，待消除干扰信号后再完成用户信号的检测；而联合检测接收机可以根据联合星座图直接计算出用户信号信息比特的软信息，无需进行干扰信号的检测和重构等过程。

如在有2个用户信号叠加的NOMA下行链路中，UE-1为小区近端用户，UE-2为小区远端用户。当UE-2为接收端时，2种检测方法都是直接完成对s2的检测，接收机的复杂度相当。当UE-1为接收端时，对于软解调-SIC检测接收机，由于P2>P1，需要先消除s2带来的干扰，即要先用软解调算法完成对s2的信号检测，然后利用检测后的结果对s2进行重构，从接收信号中消除s2的估计信号后再完成s1的检测接收；而联合检测接收机可以根据联合星座图直接计算完成对s1的检测，相对于软解调-SIC检测接收机，联合检测接收机无需进行干扰信号s2的检测、重构等过程，因此，此时联合检测接收机的复杂度可以降低一半。

4.2仿真分析

由于小区近端用户UE-1的信号检测过程可以更好地体现几种接收机的特点，仿真通过分析UE-1接收端的误块率(block error ratio, BLER)来对几种接收机的性能进行了对比，其中，Symbol-level SIC和Codeword-level SIC为2种基于软解调算法的SIC检测接收机，Ideal-SIC则是没有差错传播的理想情况下的SIC检测接收机。仿真链路的叠加用户数为2个，且采用扩展车辆模型(extended vehicular a model, EVA)，最大多普勒频移设定为5.55 Hz。详细的仿真参数如表2所示。

表2　仿真参数Tab.2　Simulation parameters

图4和图5为UE-1和UE-2分别采用 16QAM和QPSK调制方式的情况下的仿真结果，为了分析接收机在不同功率分配比下的性能表现，仿真分别采用了2种不同的功率分配比。

图4为在功率分配比为(P1,P2)=(0.2,0.8)时的仿真结果。从图4中可以看出，联合检测接收机、Codeword-level SIC检测接收机和Ideal-SIC检测接收机的检测性能几乎相同。而当BLER为1%时，联合检测接收机的检测性能要比Symbol-level SIC检测接收机高出2 dB左右。

图5为在功率分配比为(P1,P2)=(0.3,0.7) 时仿真结果。从图5中可以看出，当BLER为1%时，联合检测接收机的检测性能比Codeword-level SIC检测接收机要低1 dB，但是要比Symbol-level SIC检测接收机高出3.5 dB左右。

图4　各接收机性能,UE-1: 16QAM,UE-2: QPSK, (P1,P2)=(0.2,0.8)Fig.4　Performances of different receivers,UE-1: 16QAM,UE-2:QPSK,(P1,P2)=(0.2,0.8)

图5　各接收机性能,UE-1:16QAM,UE-2:QPSK, (P1,P2)=(0.3,0.7)Fig.5　Performances of different receivers, UE-1: 16QAM,UE-2:QPSK,(P1,P2)=(0.3,0.7)

为了更好地分析在不同调制方式组合下几种接收机的检测性能，本文在UE-1和UE-2分别采用 64QAM和QPSK调制方式的情况下对几种检测接收机的检测性能进行了仿真，图6和图7即为仿真结果，同样分别采用2种不同的分配比。

图6为在功率分配比为(P1,P2)=(0.2,0.8) 时的仿真结果。从图6中可以看出，在BLER为1%时，联合检测接收机的检测性能比Codeword-level SIC检测接收机要低1 dB，但是要比Symbol-level SIC检测接收机的检测性能高出2 dB左右。

图7为在功率分配比为(P1,P2)=(0.3,0.7) 时的仿真结果。从图7中可以看出，在BLER为1%时，联合检测接收机的检测性能比Codeword-level SIC检测接收机要低1.5 dB，但是要比Symbol-level SIC检测接收机的检测性能高出4 dB左右。

图6　各接收机性能,UE-1:64QAM,UE-2:QPSK, (P1,P2)=(0.2,0.8)Fig.6　Performances of different receivers, UE-1: 64QAM,UE-2:QPSK,(P1,P2)=(0.2,0.8)

图7　各接收机性能, UE-1:64QAM,UE-2:QPSK, (P1,P2)=(0.3,0.7)Fig.7　Performances of different receivers, UE-1: 64QAM,UE-2:QPSK,(P1,P2)=(0.3,0.7)

从以上结果来看，联合检测方法的性能要略差于Codeword-level SIC检测方法，但是要远好于Symbol-level SIC检测方法。主要是因为Codeword-level SIC在对s1进行检测时，先消除了干扰信号s2，而联合检测则是直接完成对s1的检测，检测过程中还是会受到s2一定的影响，因此，Codeword-level SIC性能要优于联合检测方法；而Symbol-level SIC虽然也是先消除了干扰信号s2，但是其检测过程中由于没有进行译码，检测结果会有较多的差错，引起差错传播，所以，其性能要远差于联合检测。通过仿真可以看出，当用户信号功率分配比之差减小或者UE-1采用较高的调制方式对联合检测方法的性能均有所影响，但是影响非常有限，而且可以通过优化发送端的功率分配方案等措施对系统加以改进。

5　结　论

软解调-SIC检测技术检测性能好，但是复杂度较高。考虑到软解调算法对干扰信号的功率、调制方式等信号特征信息并未充分利用，因此，文章给出一种基于软解调算法改进的联合检测算法，该算法先利用干扰信号的信号特征信息构建联合星座图，再根据联合星座图直接计算用户信号各比特的软信息来完成检测，因此，接收机无需进行干扰信号的检测和重构，可以降低复杂度。通过仿真分析，相比于软解调-SIC检测方法，在检测小区近端用户信号时，该检测方法在检测性能损失1.5 dB的情况下可以将复杂度降低一半。因此，基于联合检测的检测方法可以作为未来NOMA下行链路信号检测的参考方案。

[1]IMT-2020(5G)推进组. 5G概念白皮书[R]. 北京：《5G概念白皮书》发布会，2015.

IMT-2020(5G) Promotion Group. White Paper on 5G Concept[R]. Beijing：Release of (White Paper on 5G Concept)，2015.

[2]SAITO Y，KISHIYAMA Y，BENJEBBOUR A，et al. Non-orthogonal multiple access (NOMA) for cellular future radio access[C]//Vehicular Technology Conference (VTC Spring)，2013 IEEE 77th. Dresden, Germany: IEEE，2013：1-5.

[3]BENJEBBOUR A，SAITO Y，KISHIYAMA Y，et al. Concept and practical considerations of non-orthogonal multiple access (NOMA) for future radio access[C]//Intelligent Signal Processing and Communications Systems (ISPACS)，2013 International Symposium on. Okinawa，Japan：IEEE，2013：770-774.

[4]HIGUCHI K，BENJEBBOUR A. Non-orthogonal Multiple Access (NOMA) with Successive Interference Cancellation for Future Ratio Access[J]. Ieice Transactions on Communications，2015，E98，B(3)：403-414.

[5]CHEN Xiaohang，BENJEBBOUR A，LI A，et al. Consideration on successive interference canceller (SIC) receiver at cell-edge users for non-orthogonal multiple access (NOMA) with SU-MIMO[C]//Personal，Indoor，and Mobile Ratio Communications (PIMRC)，2015 IEEE 26th Annual International Symposium on. Hong Kong：IEEE，2015：522-526.

[6]毕奇，梁林，杨姗，等. 面向5G的非正交多址接入技术[J]. 电信科学， 2015，31(5)：14-21.

BI Qi，LIANG Lin，YANG Shan，et al. Non-orthogonal multiple access technology for 5G systems[J]. Telecommunications Science，2015，31(5)：14-21.

[7]SAITO Y，BENJEBBOUR A，KISHIYAMA Y，et al. System-level performance evaluation of downlink non-orthogonal multiple access (NOMA)[C]//Personal Indoor And Mobile Radio Communications (PIMRC)，2013 IEEE 24th International Symposium on. London，United Kingdom：IEEE，2013：611-615.

[8]OTAO N，KISHIYAMA Y，HIGUCHI K. Performance of non-orthogonal access with SIC in cellular downlink using proportional fair-based resource allocation[C]//Wireless Communication Systems (ISWCS)，2012 International Symposium on. Paris，French：IEEE，2012：476-480.

[9]SAITO Y，BENJEBBOUR A，HARADA A，et al. Link-Level Performance of Downlink NOMA with SIC Receiver Considering Error Vector Magnitude[C]//Vehicular Technology Conference (VTC Spring)，2015 IEEE 81st. Glasgow，United Kingdom：IEEE，2015：1-5.

[10] GRAEF N，HAMMERSCHMIDT J S，SUNDBERG C E W. A low-complexity Max-Log-MAP detector[J]. IEEE Transactions on Communications，2009，57(8)：2251-2254.

[11] KWAK F，PARK S M，LEE K. Reverse tracing of forward state metric in log-MAP and max-log-MAP decoders[C]//Circuits and Systems，2003. ISCAS'03. Proceedings of the 2003 International Symposium on. Bangkok，Thailand：IEEE，2003：280-283.

[12] 陈发堂，梁涛涛，李小文. LTE-A系统软解调算法仿真及DSP实现[J]. 计算机应用研究，2011，28(12)：4695-4697.

CHEN Fatang，LIANG Taotao，LI Xiaowen. Simulation and DSP realization of soft-metric demodulation algorithm in LTE-A systems[J]. Application Research of Computers，2011，28(12)：4695-4697.

[13] YAN Chunlin，HARADA A，BENJEBBOUR A，et al. Receiver Design for Downlink Non-Orthogonal Multiple Access (NOMA)[C]//Vehicular Technology Conference (VTC Spring)，2015 IEEE 81st. Glasgow，United Kingdom：IEEE，2015：1-6.

王茜竹(1975-)，女，四川人，高级工程师、硕士研究生导师，主要研究方向为移动通信技术、通信信号处理。E-mail: wangqz @cqupt.edu.cn。

唐超(1989-)，男，湖北人，硕士研究生，研究方向为移动通信技术。E-mail:736686559@qq.com。

吴广富(1980-)，男，山东省平邑县人，工程师，研究方向为移动通信技术。E-mail: wugf@cqupt.edu.cn。

彭大芹(1969-)，男，四川人，正高级工程师，硕士生导师，主要从事无线通信技术和终端芯片产品开发工作。E-mail: pengdq@cqupt.edu.cn。

(编辑：刘勇)

s：The Collaborative Innovation Center for Information Communication Technology Foundation of Chongqing; The National Science and Technology Major Project of the Ministry of Science and Technology of China (2013ZX03001004); The National High Technology Research and Development Program of China(“863” Program)(2015AA01A709); The Collaborative Innovation Project in South Bank District

A method of detecting signal for downlink non-orthogonal multiple access

WANG Qianzhu1, TANG Chao1, WU Guangfu2,PENG Daqin1

(1. Electronic Information and Network Research Institute, Chongqing University of Posts and Telecommunications, Chongqing 400065, P.R. China;2. Chongqing Key Lab of Mobile Communications Technology, Chongqing University of Posts and Telecommunications,Chongqing 400065, P.R. China)

The downlink of non-orthogonal multiple access (NOMA) exists serious multiple access interference. Soft demodulation-SIC(successive interference cancellation) is a kind of signal detection method with better performance, but the complexity of the receiver is relatively high. Considering the soft demodulation algorithm doesn’t make full use of the signal feature information of other users’ signal, this paper proposes a joint detection algorithm based on improved soft demodulation algorithm, and this algorithm directly utilizes the joint constellation of multiuser superimposed signal to calculate soft information of user signal information bits, doesn’t need to detect and reconstruct the interference signal, and therefore it can reduce the computational complexity of the receiver. Through simulation analysis, the joint detection method can reduce the computational complexity of receiver by half under the circumstance of the performance loss of no more than 1.5 dB, as compared with the soft demodulation-SIC detection method.

non-orthogonal multiple access(NOMA)；signal detection；soft demodulation；successive interference cancellation(SIC)；joint detection

10.3979/j.issn.1673-825X.2016.05.012

2016-04-17

2016-09-18通讯作者：唐超736686559@qq.com

重庆市新一代信息网络与终端协同创新中心经费支持项目；国家科技重大专项(2013ZX03001004); 国家“863”计划项目(2015AA01A709)；南岸区协同创新项目

TN929.5

A

1673-825X(2016)05-0686-08