低复杂度大规模MIMO信号检测算法研究

原有的信号检测算法ZF(迫零)和MMSE(最小均方误差)不可避免地要对矩阵求逆,但是大规模MIMO中天线数量可能是上百根,复杂度随着天线数量呈指数增加,所以在大规模MIMO系统中直接对矩阵求逆任何机器都无法承担的。因此在不损失性能的前提下,提出一种通过迭代计算对矩阵近似求逆的方法来取代传统的矩阵精确求逆,从而起到算法复杂度降低的效果。     

大规模MIMO系统中基于TFQMR的低复杂度信号检测算法

在大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)系统上行链路检测算法中,最小均方误差(Minimum Mean Square Error,MMSE)算法可取得近似最优的性能,然而MMSE算法涉及高维矩阵求逆问题,其计算复杂度高达O(K 3),其中K表示用户数。为此,针对极化信道编码的大规模MIMO系统,基于无转置极小残差(Transpose-Free Quasi-Minimal Residual,TFQMR)方法,提出了一种低复杂度次优信号检测算法。该算法有效地避免了矩阵求逆运算,使其计算复杂度降至约O(K 2)。仿真结果表明,基于TFQMR的信号检测算法的误比特率性能与计算复杂度均优于基于Neumann级数展开的信号检测算法;同时,最多经5次迭代该方法可取得接近MMSE检测算法的性能。     

用于大规模MIMO系统的改进CG检测算法

针对大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)系统中近似最优线性最小均方误差(Minimum Mean Square Error,MMSE)算法复杂度过高问题,提出了RC-CG(Region Constellation-Conjugate Gradient)低复杂度近似最优信号检测算法。该算法首先利用共轭梯度(Conjugate Gradient,CG)迭代算法避免MMSE信号检测算法的高维度矩阵求逆,降低计算复杂度;其次引入二分查找算法对星座图进行区域分块,优化迭代初始解,使算法在保证原来检测性能的基础上加快收敛速度。仿真结果表明,该算法不仅可以达到近似MMSE算法的检测性能,而且适用于高阶调制,算法复杂度从O(K3)降低到O(K2)。     

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.     

基于提前终止迭代的概率近似消息传递检测算法

大规模多输入多输出技术作为第5代通信系统的关键技术,可有效提高频谱利用率。基站端采用消息传递检测(MPD)算法可以实现良好的检测性能。但是由于MPD算法的计算复杂度随调制阶数和用户天线数的增加而增加,而概率近似消息传递检测(PA-MPD)算法可以减少MPD算法的计算复杂度。为了进一步降低PA-MPD算法的复杂度,该文在PA-MPD算法的基础上引入了提前终止迭代策略,提出了一种改进的概率近似消息传递检测算法(IPA-MPD)。首先确定不同用户的符号概率在迭代过程中的收敛速率,然后根据收敛率来判断用户的符号概率是否达到最佳收敛,最后对符号概率到达最佳收敛的用户终止算法迭代。仿真结果表明,在不同单天线用户配置下IPA-MPD算法的计算复杂度可降低为PA-MPD算法的52%～77%,且不损失算法的检测性能。     

大规模MIMO系统中基于权重二对角迭代的低复杂度预编码

大规模MIMO系统中由于系统下行链路的迫零（zero forcing,ZF）预编码中存在大矩阵求逆运算,随着用户数与天线数的增加,其复杂度随之增加。为了降低复杂度,提出了一种基于雅克比（Jacobi）迭代算法的改进预编码算法,用下二对角矩阵作为迭代矩阵,并且将迭代结果与上一步迭代结果进行权重相加来加速迭代。根据大规模MIMO系统信道矩阵的对角占优特性,将矩阵求逆的诺依曼近似的第一项作为迭代的初始值进一步加速迭代。相比于传统迫零预编码方案,提出的方案可以降低一个量级的算法复杂度,并且保证了预编码方案的性能。     

用于大规模MIMO系统的改进自适应SOR检测算法

大规模多输入多输出(Multiple-Input Multiple-Output, MIMO)系统由于具备较多的天线数,会导致传统线性信号检测算法如最小均方误差(Minimum Mean Square Error, MMSE)的复杂度过高。针对以上问题,提出了F修正的自适应超松弛迭代(F-corrected Adaptive Successive over Relaxation, FA-SOR)检测算法。该算法首先利用超松弛迭代(Successive over Relaxation, SOR)算法避免高阶矩阵求逆运算,降低复杂度;其次使用F修正的公式自动更新SOR算法迭代使用的松弛参数,同时优化迭代的公式与初始解来加快收敛速度。仿真结果表明,不论在理想独立信道还是相关信道下,相比于现有的自适应SOR算法,FA-SOR都能以更低的复杂度达到更低的误码率,同时逼近MMSE算法的性能。     

基于预处理共轭梯度法的低复杂度信号检测算法

大规模多输入多输出系统中,最小均方误差信号检测算法是近似最优的,但由于其涉及矩阵求逆,计算复杂度随着天线数量增加呈指数增长.提出了低复杂度的预处理共轭梯度信号检测算法,该算法通过预处理技术降低矩阵条件数,从而加快共轭梯度信号检测算法的收敛速度.仿真结果显示,该算法在小数量的迭代中能够达到和最小均方误差检测算法相似的误码率,算法复杂度下降了一个数量级.相比直接用共轭梯度法,能够更快收敛到最佳值.     

大规模MIMO系统中块高斯-赛德尔检测算法

最小均方误差(Minimum Mean Square Error,MMSE)检测算法,虽然能在大规模多输入多输出系统中获得接近最优的线性检测性能,但是涉及高维矩阵求逆运算,难以在实际应用中快速有效地实现.提出了块高斯-赛德尔(Block Gauss-Seidel,BGS)低复杂度信号检测算法,将MMSE检测器的滤波矩阵先进行分块预处理,构造分裂矩阵,再通过迭代求解发送信号向量估计值,以提高算法检测性能.仿真结果表明,BGS迭代算法在调制方式为64QAM、用户侧的天线数量设置为16、基站侧的天线数量设置为256时,迭代2次后就能快速接近MMSE检测性能.在设置近似初始值后,BGS算法的性能得到了进一步的改善.当调制方式为256QAM时,设置近似初始值的BGS算法在迭代2次后就能逼近MMSE算法的误码率(Bit Error Ratio,BER)性能曲线,此时算法的复杂度仍然保持在O(K2).     

一种基于MIMO的改进型信号检测K-Best算法

MIMO 是一种显著降低未来塔康(TACAN)导航系统的信号检测的误码率的技术。 最大似然算法(ML)是 MIMO 无线系统的最佳硬判决检测方式,但是其会随着天线数目和调制阶数的增加,其复杂度呈指数规律增加。传统 K-Best 算法虽克服 ML 算法的缺点,降低了检测算法的计算复杂度,节约计算成本,但其 BER 性能略有下降。改进型 K-Best 算法采用最优检测快速 QR 分解、预处理技术(SE)和球型译码技术(SDA)检测手段克服传统 K-Best 算法的缺点。 仿真结果表明改进型 K-Best 算法相对于传统算法,明显提高了 BER 性能。     

广义空间调制系统的正则化OMP检测算法

在广义空间调制（GSM）系统中,最大似然（ML）检测可以取得最优的检测性能,然而其计算复杂度随激活天线数的增加急剧增长。针对这一问题,提出了一种基于稀疏重构理论的低复杂度检测算法——正则化正交匹配追踪（ROMP）算法。该算法首先根据信道矩阵和当前残差的内积选取多个候选激活天线索引,接着对候选天线索引按正则化标准进行可靠性验证,剔除错误索引,缩小信号的搜索空间,最后通过求解最小二乘问题估计信号。仿真结果表明,与经典的正交匹配追踪（OMP）算法相比,所提算法以少许复杂度的增加为代价极大提升了检测性能,能够在检测性能与复杂度之间取得更好的折中。     

一种新型基于格基约减的MIMO检测算法

MIMO技术是LTE的关键技术,MIMO信号检测算法的选用需要在复杂度和检测性能之间取得合理的折中。将格基理论应用于MIMO检测中,能够大幅降低由于天线数增多所带来的检测复杂度过高问题,典型的格约减算法有LLL算法和Seysen算法。以上述格基约减算法为基础,引进排序串行干扰抵消和广度优先球译码K-best算法的思想,提出了一种新型的基于格基约减的MIMO检测算法--KLR_OSIC。与原有基于格基约减的检测算法相比,该算法能够在较低的计算复杂度下显著提高MIMO的检测性能。通过仿真可看出,新算法比原基于格基约减的算法性能更佳,且更接近ML算法。     

基于Newton迭代算法的低复杂度信号检测算法

为了解决太赫兹通信系统超大规模MIMO检测计算复杂度高、收敛速度慢等问题,提出了基于Newton迭代算法的低复杂度信号检测算法.通过在Newton迭代算法中改进初始矩阵、加入步长因子,降低计算复杂度、提高收敛速度;通过加入调节因子,保证算法的稳定性、可靠性和场景适用性.仿真结果表明,相比传统算法,所提算法具有更低的计算...     

大规模MIMO系统低复杂度混合迭代信号检测

在大规模MIMO系统上行链路信号检测算法中,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,传统的MMSE检测算法涉及高维矩阵求逆运算,由于复杂度过高而使其在实际应用中难以快速有效地实现.基于最速下降(steepest descent,SD)算法和高斯一赛德尔(Gauss-Seidel,GS)迭代的方法提出了一种低复杂度的混合迭代算法,利用SD算法为复杂度相对较低的GS迭代算法提供有效的搜索方向,以加快算法收敛的速度.同时,给出了一种用于信道译码的比特似然比(LLR)近似计算方法.仿真结果表明,通过几次迭代,给出的算法能够快速收敛并接近MMSE检测性能,并将算法复杂度降低一个数量级,保持在O(K2).     

MMSE准则下近似最优MIMO分组并行检测算法

在采用多天线高阶QAM的MIMO通信系统中,现有基于信道分组并行检测算法虽然接近最优检测性能但以牺牲计算效率为代价.针对这一问题,本文提出一种MMSE准则下基于信道分组的并行检测算法,不但有效降低计算复杂度,而且仍保证检测性能.该算法采用MMSE准则下格归约算法改进分组后条件较好子信道矩阵特性,并在消除参考信号基础上利用改进的子信道矩阵对剩余信号以非线性方式进行检测.仿真结果表明:对4×4和6×6MIMO系统,该算法检测性能达到最优,对于8×8 MIMO系统,比最优算法所需信噪比提高约1dB.复杂度分析表明:相比现有信道分组检测算法,相同检测性能下该算法在6×6 MIMO系统中复杂度降低90%以上,在8×8 MIMO系统中复杂度降低98%以上.     

基于半正定松弛的MIMO盲检测

为解决MIMO系统盲检测问题,该文以最大似然序列检测为估计准则,通过推导建立了一种新的半正定松弛(SemiDefinite Relaxation, SDR)求解模型,使得到的松弛解的秩等于发送天线数。为了解决了松弛解秩大于1时估计原始发送序列的难题,该文提出一种特征向量近似法和随机法相结合的方法。通过限定目标函数的取值上限,使算法能够根据目标函数值自适应判断求解发送序列个数,从而减少每次求解的约束个数和SDR的求解次数,分析表明算法的计算复杂度与发送天线数成线性关系。最后,通过仿真表明所提算法能够在与秩1的算法性能保持相当的条件下减少计算时间,并验证了算法计算复杂度与发送天线数成线性关系。     

A low-complexity sequential Monte Carlo algorithm for blind detection in MIMO systems

In statistical signal processing, the sequential Monte Carlo (SMC) method is powerful and can approach the theoretical optima. However, its computational complexity is usually very high, especially in multiple-input multiple-output (MIMO) systems. This paper presents a new low-complexity SMC (LC-SMC) algorithm for blind detection in MIMO systems, the main idea of which is to shrink the sampling space via channel estimation which is initialized using the first differentially modulated symbol and then updated using the Monte Carlo samples. Since the a posteriori probability of the transmitted symbols can be calculated separately by each transmit antenna, the proposed LC-SMC algorithm is not only computationally efficient, as compared to the original SMC whose complexity grows exponentially with the number of transmit antennas, but also makes blind turbo receiver more feasible for multilevel/phase modulations. Simulation results are presented to demonstrate the effectiveness of the LC-SMC algorithm.     

多天线系统中逼近最大似然的快速检测算法

该文针对无编码的多输入多输出无线通信系统中的最大似然检测接收机在发端天线数较多、调制阶数较高时计算复杂度过高的问题,提出了一种低复杂度的球形译码算法。该算法首先利用信道信息对待检测的发送信号矢量进行分组,然后对各组内的信号矢量采用球形译码进行最大似然检测,并在组间做干扰消除。理论分析和仿真表明,该算法不仅复杂度低,而且能够逼近最大似然检测的性能。