大规模MIMO系统中基于Lanczos方法的低复杂度预编码

针对大规模MIMO系统中因基站天线数与用户数过大导致迫零(ZF)预编码矩阵求逆复杂度较高的问题,提出一种基于迭代子空间投影算法的Lanczos方法低复杂度预编码方案。根据大规模MIMO系统信道矩阵具有对角占优特性,将信道大矩阵求逆诺依曼级数的第1项作为迭代的初始值,从而加快算法的收敛速度,使得ZF预编码的复杂度从O(K~3)降低到O(K~2)。仿真结果表明,该算法以较快的收敛速度逼近传统ZF预编码方案的信道容量与误码率性能。     

基于压缩感知的低复杂度广义空移键控信号检测算法

广义空移键控（GSSK）作为空间调制（SM）的一种简化形式，被广泛应用于大规模多输入多输出（MIMO）系统，以更好地解决传统MIMO技术中的信道间干扰（ICI）、天线间同步（IAS）和多射频（RF）链路等问题。针对GSSK系统最大似然（ML）检测算法计算复杂度高的问题，结合压缩感知（CS）中的子空间追踪（SP）算法和ML检测算法，并结合阈值的设置，提出一种基于CS理论的低复杂度GSSK信号检测算法。首先，用改进的SP算法获得部分发送天线组合（TAC）；其次，删除部分天线组合，缩小搜索天线组合的集合；最后，利用ML算法和预设的门限估计发送天线组合。仿真实验结果表明，所提算法的计算复杂度明显低于ML检测算法，同时误比特率（BER）性能逼近ML检测算法，验证了所提算法的有效性。     

大规模MIMO中基于GSSK系统的稀疏检测算法

广义空移键控(GSSK)的特点是在每一时隙只激活部分发射天线,利用激活天线的索引号来传递信息。基于最大似然(ML)准则的GSSK检测器有最优的检测性能,但计算复杂度太高。为了在性能和复杂度之间取得更好的折中,改进了一种基于压缩感知(CS)的GSSK检测算法。仿真结果表明,该算法的检测性能接近于ML算法,且复杂度约为ML算法的2%。     

基于大规模MIMO网络的低复杂度块对角化算法

在多用户MIMO系统下行链路中,块对角化（Block diagonalization, BD）预编 码算法的和速率性能要优于匹配滤波算法（Matched filter, MF）和迫零算法（Zero forc i ng, ZF）。然而,传统的BD算法利用矩阵分解来构造除当前用户的其他所有用户信道的零空 间,需要O(N2)浮点运算次数（Float point operations, FLOPs）。当 基站的天线数N趋向于大规模时,BD算法计算复杂度巨大。本文 提出一种基于投影子方法构造其他用户合成信道的零空间的BD算法,该算法仅需O( N)FLOPs。仿真表明：同传统的BD算法相比,本文所提出的低复杂度BD算法显著地降低 了实现复杂度,而和速率性能损失微小,仍然优于MF和ZF,并且当N趋 向于大规模时,它的和速率性能趋向于传统的BD算法和SVD算法。     

一种大规模MIMO系统中STBC迭代接收机算法

针对大规模MIMO中的空时分组编码(STBC)系统的接收机复杂度随天线数指数增长的问题,提出一种基于EM算法的低计算复杂度的最大似然(ML)接收机。利用STBC和OFMD调制的正交性,避免了矩阵求逆运算;采用步骤E与步骤M迭代处理的方式,极大降低接收机复杂度。基于信道特性提出EM算法初始化方法,达到减少迭代次数进而降低接收机复杂度和提升性能的目的。与之前的决策反馈的非迭代接收机相比,该迭代接收机性能显著提高,在具有快衰落的典型无线信道中,其计算复杂度接近ML接收机,适合实时实现。     

大规模MIMO系统的改进MCMC检测算法

大规模MIMO(多输入多输出)技术通过配置大规模天线阵列提高系统的频谱和能量效率,接收算法的复杂度是其实现的瓶颈。MCMC(马尔可夫链蒙特卡罗)检测方法可以较低复杂度获得接近理论最优的性能。提出一种改进的MCMC算法,将超松弛迭代方法应用于MCMC检测,引入松弛因子加快马尔可夫链收敛速度,降低检测复杂度。仿真结果表明,该算法能改善系统的误码率(BER)性能,解决传统MCMC算法在高信噪比条件下的"陷入"问题,同时降低运算复杂度。     

基于QRD-M的多天线分组并行检测算法

提出了一种适用于MIMO通信系统的基于QRD-M的多天线分组并行检测算法。该算法避免了传统分层检测算法中信道矩阵求逆的过程,同时克服了传统QRD-M算法随着收发天线数增多而难以实现性能与复杂度折衷的问题。该算法通过对发送天线的分组,组内并行采用改进的QRD-M检测算法,灵活选取每层被保留的分支,避免过高复杂度的同时提高了系统性能。仿真结果表明,与传统QRD-M算法相比,该改进算法能够更灵活地实现性能需要和复杂度的折衷,在相近的复杂度下可以获得更好的误码性能。     

多用户MIMO系统低复杂度收发联合波束成形方案

基于多用户多输入多输出(MIMO)有限反馈系统提出了一种收发联合波束成形方法。该方法在发送端采用每个用户酉速率控制(PU2RC)波束成形技术,在接收端采用基于信干噪比(SINR)最大化的天线合并算法。天线合并算法利用用户SINR的广义Rayleigh熵特性寻找最佳的天线合并矢量。仿真结果表明,该方法能充分利用信道信息,不仅改善了传统PU2RC系统的和速率性能,相对于已有的迫零(ZF)联合波束成形方法,对信道状态信息的量化误差的敏感性更低,用户选择算法的复杂度更低,且低速率反馈条件下和速率性能更优。     

大规模天线系统中基于软判决的MIMO信号检测算法

在大规模多输入多输出(MIMO)系统下,提出了一种基于软判决的改进MMSE(IMMSE)信号检测算法。在IMMSE算法中,把MMSE算法检测值作为算法的初始值并采用迭代干扰消除技术。进一步使用对数最大似然比(LLR)将检测序列进行排序,提出一种有序的IMMSE(OIMMSE),并使用软判决技术来提高算法的检测性能。在不同天线数的MIMO系统下,对IMMSE算法和OIMMSE算法进行误码率性能仿真。仿真结果表明,OIMMSE算法和IMMSE算法性能明显优于MMSE。而且提出的新算法随着天线数的增加,越来越接近单输入单输出(SISO)在加性高斯白噪声下的性能。由此可见,新算法对大规模MIMO系统是有效的。     

基于阴影域的搜索树检测算法

大规模多输入多输出（MIMO）系统中，随着天线数目的增加，传统的信号检测算法的检测性能大幅度下降，复杂度呈指数增长，且不适用于高阶调制。针对大规模MIMO场景，基于阴影域思想提出一种结合二次规划（QP）与分支界限（BB）算法的搜索树检测算法。首先，构造QP模型，并针对一阶QP算法后的解向量，提取落入阴影域的不可靠符号；然后，将落入阴影域的不可靠符号进行BB搜索树检测以求得最优解；同时，为了降低复杂度，提出三种搜索树修剪策略，在性能和复杂度之间折中选择。仿真结果表明，在大规模MIMO场景下，在调制阶数为6的正交幅度调制（QAM）时，提出的基于阴影域搜索树检测算法比QP算法提升了约20 dB的性能增益，在256QAM调制时，比QP算法提升了约21 dB的性能增益，验证了算法对高阶调制的适应性，同时，与传统的搜索树算法相比，使用相同修剪策略，复杂度降低了50%左右。     

Analysis of a reduced-ML algorithm in BLAST

The performance of ML algorithm is much better than other algorithms in the MIMO wireless communication system. However, it is based on the expense of an increase in the complexity. A reduced maximum likelihood （RML） algorithm is proposed in this paper, which derives from the combination of the ML and ZF algorithms. It is shown that the complexity of RML is far lower than that of ML, while in the same performance condition by both theoretic analyses and simulation.     

面向C-V2X通信的基于深度学习的联合信道估计与均衡算法

为了在不显著提升计算复杂度的情况下,有效提升通信系统的误码率（BER）性能,利用深度学习在数据处理方面的强大能力,提出一种面向基于蜂窝网络的车联网（C-V2X）通信的基于深度学习的联合信道估计与均衡算法——V-EstEqNet。与传统算法分两个阶段分别进行信道估计与均衡不同,V-EstEqNet将通信系统接收机中的信道估计与信道均衡进行联合考虑,并利用深度学习网络直接对接收数据进行校正和恢复,无须进行显式的信道估计环节即可完成信道均衡。具体而言,首先利用大量的接收数据对网络进行离线训练,使网络学习到叠加在接收数据中的信道特性;然后利用该特性恢复原始的发送数据。仿真实验结果表明,在不同的速度场景下,所提算法可以更加有效地追踪信道特性;同时,相较于传统信道估计算法（最小二乘法（LS）和线性最小均方误差法（LMMSE））配合传统信道均衡算法（迫零（ZF）均衡算法和最小均方误差（MMSE）均衡算法）,所提算法在低速环境下有最高有6 dB的BER增益,在高速环境下最高有9 dB的BER增益。     

A comparative study of heuristic algorithms: GA and UMDA in spatially multiplexed communication systems

A performance comparison of genetic algorithm (GA) and the univariate marginal distribution algorithm (UMDA) as decoders in multiple input multiple output (MIMO) communication system is presented in this paper. While the optimal maximum likelihood (ML) decoder using an exhaustive search method is prohibitively complex, simulation results show that the GA and UMDA optimized MIMO detection algorithms result in near optimal bit error rate (BER) performance with significantly reduced computational complexity. The results also suggest that the heuristic based MIMO detection outperforms the vertical bell labs layered space time (VBLAST) detector without severely increasing the detection complexity. The performance of UMDA is found to be superior to that of GA in terms of computational complexity and the BER performance.     

下行LTE系统中基于格点减少辅助检测算法

LTE系统采用MIMO作为核心技术,需要良好的信号检测算法在接收端将发射信号尽可能无误地检测出来. 为了提高复杂环境中信号检测的性能,给出基于信道矩阵分解的格点减少预处理算法,可在一定程度上降低线性处理过程对噪声的放大. 现有基于格点减少技术的检测算法,虽然可以有效地提高MIMO系统的误比特率性能,但其检测性能与最优的ML算法相比仍然存在差距. 笔者在ML遍历搜索的思想和V-BLAST检测算法基础上结合格点减少技术,提出一种基于格点减少辅助分层检测算法. 仿真结果表明,在下行LTE系统中采用改进的格点减少辅助分层检测算法能够显著提高M IMO 系统的误码性能,检测性能近似最大似然算法.     

基于增强蚁群优化的海量规模MIMO系统快速检测算法

大规模MIMO系统的符号向量检测算法计算复杂度较高,对此结合粒子群优化与蚁群优化提出一种低计算复杂度的海量规模MIMO系统快速检测算法。首先,推导出一种新的概率搜索模型,将基于距离的蚁群搜索与基于速度的粒子搜索结合;然后,将ACO距离指标与PSO的方向、速度指标结合生成一种新的概率指标,将ACO的信息素更新步骤变为PSO速度的更新;最终,将MIMO检测问题建模为路径寻找问题,寻找MIMO符号检测问题的次优解。对比仿真实验结果表明,本算法的检测性能优于部分传统算法以及其他新颖的MIMO检测算法,在获得与最大似然估计检测法接近的误码率性能下,具有极快的计算速度,适用于海量规模的MIMO系统。     

A low-complexity hybrid algorithm based on particle swarm and ant colony optimization for large-MIMO detection

With rapid increase in demand for higher data rates, multiple-input multiple-output (MIMO) wireless communication systems are getting increased research attention because of their high capacity achieving capability. However, the practical implementation of MIMO systems rely on the computational complexity incurred in detection of the transmitted information symbols. The minimum bit error rate performance (BER) can be achieved by using maximum likelihood (ML) search based detection, but it is computationally impractical when number of transmit antennas increases. In this paper, we present a low-complexity hybrid algorithm (HA) to solve the symbol vector detection problem in large-MIMO systems. The proposed algorithm is inspired from the two well known bio-inspired optimization algorithms namely, particle swarm optimization (PSO) algorithm and ant colony optimization (ACO) algorithm. In the proposed algorithm, we devise a new probabilistic search approach which combines the distance based search of ants in ACO algorithm and the velocity based search of particles in PSO algorithm. The motivation behind using the hybrid of ACO and PSO is to avoid premature convergence to a local solution and to improve the convergence rate. Simulation results show that the proposed algorithm outperforms the popular minimum mean squared error (MMSE) algorithm and the existing ACO algorithms in terms of BER performance while achieve a near ML performance which makes the algorithm suitable for reliable detection in large-MIMO systems. Furthermore, a faster convergence to achieve a target BER is observed which results in reduction in computational efforts.     

Low-complexity approximate iterative LMMSE detection for large-scale MIMO systems

This paper deals with iterative detection for uplink large-scale MIMO systems. The well-known iterative linear minimum mean squared error (LMMSE) detector requires quadratic complexity (per symbol per iteration) with the number of antennas, which may be a concern in large-scale MIMO. In this work, we develop approximate iterative LMMSE detectors based on transformed system models where the transformation matrices are obtained through channel matrix decompositions. It is shown that, with quasi-linear complexity (per symbol per iteration), the proposed detectors can achieve almost the same performance as the conventional LMMSE detector. It is worth mentioning that the linear transformations are also useful to reduce the complexity of downlink precoding, so the relevant computational complexity can be shared by both uplink and downlink.     

TD-LTE系统中软输出球形译码检测算法研究

在MIMO-OFDM系统中,基于软判决的检测算法其性能要明显优于基于硬判决的检测算法。传统的基于软判决的检测算法由于其很高的复杂度,从而对实现提出了很大的挑战。鉴于此,通过对软输出球形译码检测算法的研究,引入了一种快速有效的单树搜索球形译码检测算法。该算法极大地降低了MIMO软检测的复杂度,已应用于TD-LTE无线综合测试仪表的开发中。     

基于逐分量软干扰删除的迭代线性检测算法

提出了一种新型基于调制符号的分量进行干扰删除和线性最小均方误差滤波的软输入软输出检测算法,并采用软输入软输出的多入多出MIMO检测器和信道编码串行级联的迭代检测译码IDD结构。该算法充分利用正交调制符号同相分量和正交分量的独立衰落特性,达到检测中更加准确的软干扰删除。外信息转移EXIT图表明该算法比传统的逐符号软删除算法具有更低的临界信噪比。数值仿真也验证了提出的基于调制符号的分量删除的线性检测算法比采用调制符号级的删除具有更优的误码性能,并且仍然具有低复杂度的特性。     

LTE-A系统中基于小区参考信号的信道估计算法

增强型长期演进（LTE-A）系统中,通常利用插值算法估计出所有数据位置的信道频率响应值。针对传统的线性最小均方误差（LMMSE）算法需要预先获取信道统计特性,矩阵实时求逆运算量大的问题,提出了一种改进的频域LMMSE信道估计插值算法。首先通过导频插值来增加虚拟导频,以此提升算法性能;然后借助时域内的信道能量比较集中的优势,给出了自相关矩阵和信噪比的近似估计方法;最后采用滑动窗方法进一步简化算法复杂度,从而完成频域LMMSE插值。仿真结果表明,所提算法总体性能优于线性插值以及基于离散傅里叶变换（DFT）的插值方法,且与传统LMMSE插值算法具有相近的误码率（BER）和均方误差（MSE）;但与传统算法相比,运算次数降低了98.67%,实现了算法性能与复杂度的较好折中,适用于实际的工程应用。