[發明專利]一種大規模MIMO系統上行鏈路中的混合迭代檢測方法

有效

• 申請號: 201810299463.0
• 申請日: 2018-04-04
• 公開（公告）號: CN108650056B
• 公開（公告）日: 2021-08-03
• 發明（設計）人: 何雪云;季榮峰
• 申請（專利權）人: 南京郵電大學
• 主分類號: H04L1/00
• 分類號: H04L1/00;H04B7/0413
• 代理公司: 南京蘇科專利代理有限責任公司 32102
• 代理人: 牛莉莉

本發明涉及一種大規模MIMO系統上行鏈路中改進的混合迭代檢測方法，在現有的基于最速下降(steepest descent，SD)算法和高斯?賽得爾(Gauss Seidel，GS)迭代的混合迭代(SDGS)檢測算法基礎上，改進其中用于信道碼譯的對數似然比(log likelihood ratio，LLR)的計算，包括如下步驟，1)：初始化處理，2)：建立信道模型，3)：將信道矩陣H和接收信號y輸入檢測器，得到匹配濾波器輸出和濾波矩陣，4)：進行混合迭代檢測，最后得到初始的二進制用戶發射信號。本發明提出了一種改進LLR的混合迭代檢測算法，在保持低復雜度的同時，提高了系統的檢測性能。

技術領域

本發明涉及一種大規模MIMO系統上行鏈路中的混合迭代檢測方法，屬于通信系統中信號檢測技術領域。

背景技術

與傳統MIMO(multiple-input multiple-output，MIMO)相比，大規模MIMO在基站配置數十甚至數百根天線。天線數目的增加大大地提高了系統的能源和頻譜效率，達到2～3個數量級，大規模MIMO也因此成為5G的熱點研究方向之一。

作為最優的檢測算法，最大似然(maximum likehood，ML)算法存在復雜度隨天線數量的增多呈指數規律增長的缺點。最小均方誤差(minimun mean square error，MMSE)算法因為加入了計算量為O(K3)的矩陣求逆運算，效果也不理想。為了簡化矩陣求逆運算，有學者提出了Neumann級數方法，但是當展開級數超過2時復雜度太高，達到O(K³)。而高斯(Gauss Seidel，GS)迭代方法也可用于矩陣求逆，不僅避免了高復雜度，同時得到了接近最優的檢測性能。最近新出現的一種基于最速下降(steepest descent，SD)算法和高斯-賽得爾(Gauss Seidel，GS)迭代的混合迭代(SDGS)算法解決了MMSE算法中矩陣求逆的運算問題，其復雜度低至O(K²)，同時利用SD算法為GS迭代提供有效的收斂方向，加快了收斂速度。

此外，在采用譯碼時，都有涉及到用于信道解碼器的對數似然比(log likelihoodratio，LLR)，它的計算需要用到后驗信號噪聲及干擾比(signal to interference plusnoise，SINR)。現在大部分的研究都利用初始SINR來完成所有迭代，因此有著顯著的性能損失。

發明內容

本發明的目的在于：針對現有技術存在的缺陷，提出一種大規模MIMO系統上行鏈路中的混合迭代檢測方法，使SINR隨著迭代次數m而更新，改善檢測性能，降低計算復雜度。

為了達到以上目的，本發明提供了一種大規模MIMO系統上行鏈路中的混合迭代檢測方法，包括如下步驟：

步驟1)：初始化處理，在基站配備發射天線數為N，同時服務用戶數為K，迭代次數m；

步驟2)：建立信道模型，在接收端得到y＝Hx+n；

其中表示N根天線接收到的信號矢量；表示K個用戶發射的再經過64QAM信號調制后的發射信號矢量；表示信道矩陣，是通過信道估計在接收端獲得的；n表示0均值、方差為σ²的N×1維加性高斯白噪聲矢量；

步驟3)：將信道矩陣H和接收信號y輸入檢測器，得到匹配濾波器輸出和濾波矩陣W＝H^HH+σ²I_K，其中σ²為噪聲方差，I_K為K維單位矩陣，()^H為共軛轉置；

步驟4)：進行混合迭代檢測，混合迭代方法用SD算法來表示前兩次GS迭代，

首先根據SD算法第一次迭代為：x⁽¹⁾＝x⁽⁰⁾+ur⁽⁰⁾；