基于Kaczmarz迭代的大规模MIMO系统低复杂度软输出信号检测

大规模MIMO系统上行链路中,最小均方误差（MMSE）算法能获得接近最优的线性检测性能,但是涉及复杂度较高的矩阵求逆运算.本文基于Kaczmarz迭代提出一种低复杂度软输出信号检测算法,在算法实现中避免了矩阵求逆运算,将实现复杂度由O（K³）降为O（K²）.同时,引入了最优松弛参数进一步加快算法收敛,最后给出了两种用于信道译码的LLR的近似计算方法.仿真结果表明：所提出的Kaczmarz迭代软输出信号检测算法经过两到三次简单的迭代即可较快地收敛,并达到接近MMSE检测算法的误码率性能的水平,其性能与复杂度均优于基于矩阵近似求逆的一类检测算法.     

基于TR-RASK的多输入多输出UWB方案

本文提出了一种基于时间反演接收天线移位键控的多输入多输出超宽带（time reversal receive antenna shift keying multiple input multiple output ultra wide band,TR-RASK-UWB）方案,较好地解决了MIMO-UWB系统中多天线干扰和多径干扰的问题。首先,该方案利用RASK调制将发射天线阵列形成空间波束,同时使用TR技术聚焦发射信号到达目标接收天线;其次,通过最大接收功率检测算法理论推导了该方案在UWB多径信道下的误比特率（bit error rate,BER）表达式,并通过仿真得到验证;最后结果表明,在发射天线和接收天线相同的情况下,所提方案的性能相比于MIMO-UWB有较大提升。      

MIMO系统中16-QAM信号的软值输出半正定松弛检测

使用最优化理论与方法研究了MIMO系统中16-QAM信号的软值输出半正定松弛检测问题,推导了16-QAM信号的软值输出半正定松弛检测器软值计算所需附加的约束条件,并提出了一种降维近似处理方法,通过降维近似处理大大降低了软输出检测器的复杂度。仿真结果表明:通过附加约束条件和降维近似处理,软值输出半正定松弛检测器获得了较好的检测性能,降维近似处理降低了软输出SDR检测器的运算复杂度,但会产生0.2～0.4dB的性能损失。     

莱斯信道下低精度ADC去蜂窝大规模MIMO系统的性能分析

去蜂窝大规模多输入多输出(MIMO)系统被认为是未来6G通信的关键技术之一。然而,随着接入点(APs)和用户数量的激增,硬件成本问题成为了限制系统发展的重要因素。为了有效地降低硬件成本,可以考虑在AP和用户端配置低精度的模数转换器(ADCs)。基于上述原因,本文针对莱斯衰落信道下低精度ADC去蜂窝大规模MIMO系统展开研究。通过利用加性量化噪声模型,推导了该系统使用共轭转置预编码时的可达速率闭合表达式,并且该闭合表达式有助于研究AP的数量、ADC的精度以及莱斯K-因子对于可达速率的影响。此外,在保证每个用户的服务质量和每个AP的功率约束前提下,提出了一种能够最大化总速率的功率控制算法。最后,仿真结果表明了,相较不使用功率控制算法的情况,所提的算法能够带来更大的性能增益。     

基于切比雪夫-迹迭代的大规模MIMO系统软输出信号检测

在多用户大规模多输入多输出(MIMO)系统信号检测算法中,最小均方误差(MMSE)算法可取得近似最优性能,但MMSE算法中高维矩阵求逆的复杂度过高,导致在实际应用中难以快速有效地实现。同时,对于高阶正交幅度调制(HQAM),如果符号向比特的解映射采用硬判决,将会导致后续信道译码的性能明显下降。因此,该文针对采用格雷编码的HQAM的多用户大规模MIMO系统,提出一种基于切比雪夫-迹迭代(CTI)的低复杂度软输出信号检测算法。该算法不但有效地规避了信号检测所需的高维矩阵求逆,同时,利用格雷编码的调制信号的比特翻转特性和二叉树结构,给出了一种融合三叉链表搜索的比特对数似然比(LLR)简化计算方法。仿真结果表明,该文所提的软输出信号检测算法最多需要3次迭代就能收敛并可取得接近MMSE算法的性能,在复杂度和性能之间取得了很好的折中。

     

基于切比雪夫-迹迭代的大规模MIMO系统软输出信号检测

在多用户大规模多输入多输出(MIMO)系统信号检测算法中,最小均方误差(MMSE)算法可取得近似最优性能,但MMSE算法中高维矩阵求逆的复杂度过高,导致在实际应用中难以快速有效地实现.同时,对于高阶正交幅度调制(HQAM),如果符号向比特的解映射采用硬判决,将会导致后续信道译码的性能明显下降.因此,该文针对采用格雷编码的HQAM的多用户大规模MIMO系统,提出一种基于切比雪夫-迹迭代(CTI)的低复杂度软输出信号检测算法.该算法不但有效地规避了信号检测所需的高维矩阵求逆,同时,利用格雷编码的调制信号的比特翻转特性和二叉树结构,给出了一种融合三叉链表搜索的比特对数似然比(LLR)简化计算方法.仿真结果表明,该文所提的软输出信号检测算法最多需要3次迭代就能收敛并可取得接近MMSE算法的性能,在复杂度和性能之间取得了很好的折中.     

大规模MIMO系统混合线性迭代信号检测算法

针对大规模多输入多输出(MIMO)系统中线性最小均方误差(MMSE)信号检测算法复杂的高维矩阵求逆难以用于实际工程的问题,文章基于矩阵分块思想并结合Neumann级数展开算法,提出了一种低复杂度的混合迭代算法.利用MMSE算法中加权矩阵逆矩阵的Neumann级数二阶展开作为其分块矩阵求逆的迭代初始值,可以有效提高算法收...     

大规模MIMO系统中基于二对角矩阵分解的低复杂度检测算法

在大规模多输入多输出(MIMO)系统的上行链路检测算法中,最小均方误差(MMSE)算法是接近最优的,但算法涉及到大矩阵求逆运算,计算复杂度仍然较高。近年提出的基于诺依曼级数近似的检测算法降低了复杂度但性能有一定的损失。为了降低复杂度的同时逼近MMSE算法性能,该文提出基于二对角矩阵分解的诺依曼级数(Neumann Series)近似,即将大矩阵分解为以两条主对角线上元素组成的矩阵与空心矩阵之和。理论分析与仿真结果表明所提算法检测性能逼近MMSE检测算法,且其复杂度从O(K3)降低到O(K2),这里K是用户的数目。     

基于低精度量化的大规模MIMO-OFDM系统可达速率的研究

该文针对大规模MIMO-OFDM系统,研究当基站端仅配备低精度模数转换器且采用最大比合并(MRC)接收算法时系统中用户可达速率的性能。通过采用加性量化噪声模型(AQNM)将非线性量化函数转化为线性量化函数,首先推导得出用户上行可达速率的闭式表达式。然后基于此表达式,将具备低精度模数转换器系统与传统具有无穷精度的模数转换器系统性能进行分析比较。最后将该文所得到的结果进行仿真分析。同时,该文还指出通过增加基站端天线数目可以弥补由于低精度模数转换器所造成的系统性能的损失。     

MIMO系统的信道容量研究

多输入多输出技术能够有效提高信道容量和频谱效率,已成为下一代无线通信系统的关键技术之一。文中首先分析了空时信道的模型,在SVD分解的基础上得出了MIMO系统的信道等效于独立并行信道,即随着天线数目的增加,信道容量线性增长,然后针对高斯广播信道和多址接入信道,讨论了MIMO多天线系统的多维信道容量区域,并且着重分析了两者之间的对偶性关系。     

基于迭代并行干扰消除的低复杂度大规模MIMO信号检测算法

基于干扰消除思想该文提出一种适用于大规模MIMO系统上行链路的低复杂度迭代并行干扰消除算法,在算法实现中避免了线性检测算法所需的高复杂度$({\cal O}({K^3}))$矩阵求逆运算,将复杂度保持在$({\cal O}({K^2}))$。在此基础上,引入噪声预测机制,提出一种基于噪声预测的迭代并行干扰消除算法,进一步提高了硬判决检测性能。考虑天线间残留干扰,将干扰消除思想运用到软判决中,最后提出一种基于迭代并行干扰消除的低复杂度软输出信号检测算法。仿真结果表明：提出的信号检测方法的复杂度优于MMSE检测算法,经过几次简单的迭代,算法即快速收敛并获得接近甚至优于MMSE检测算法的误码率性能。     

Iterative Detection Based on Consensus Alternating Direction Method of Multipliers in Massive Machine-Type Communications

Wireless Personal Communications - In massive machine-type communication systems, only some of devices usually transmit signals while the others remain silent. The conventional multiuser detection...     

Mixed-Domain Systems and Signal Processing Based on Input Decomposition

Using input decomposition as a starting point, a variety of new types of systems and signal processors, which mix together domains traditionally kept separate, are derived, and their properties are examined. In one of these systems, digital signals are processed in continuous time, thus avoiding sampling and consequent aliasing, while maintaining the advantages of digital implementations in terms of programmability and noise immunity. In another approach, digital bit waveforms are processed directly by conventional analog filters. In a third approach, a nonlinear input decomposition results in systems in which signals are processed with a compressed dynamic range; this is done in a way that avoids output transients that characterize other approaches to compression, and also avoids the need for precise nonlinearity control. Several other possibilities are discussed. In all cases, the resulting systems can be input–output linear.