多小区Massive MIMO系统中低复杂度MMSE线性检测算法研究

文章针对多小区Massive MIMO上行链路系统中MMSE线性检测中涉及大矩阵求逆具有高复杂度的问题,提出了一种低复杂度的MMSE检测算法。首先考虑已知目标小区的信道状态信息而其他小区信道状态信息未知条件下,通过求解干扰项与噪声之和的均值与方差,将多小区信道模型转化为单小区信道模型,再利用MMSE算法进行检测。为了降低求逆矩阵的复杂度,将大矩阵分解为对角矩阵和空心矩阵之和,再利用诺依洛曼级数近似将其展开,并优化展开项因子来增加算法收敛速度。仿真结果表明,所提出的改进算法在性能损失很少的情况下复杂度从O(K~3)降低到O(K~2),其中K为本小区中的用户数。     

适用于大规模MIMO系统的低复杂度RZF-SOR预编码算法

在大规模多输入多输出(MIMO)系统中,为了降低传统预编码算法的复杂度,在原有正则化迫零(RZF)预编码算法的基础上,提出用超松驰迭代(SOR)法代替矩阵求逆的高复杂度运算,得到一种改进算法RZF-SOR,并应用随机矩阵原理得出其最优相关参数的近似表达式和取值的必要条件.实验仿真表明,提出的RZF-SOR预编码算法与RZF预编码相比有效地降低了一个数量级的复杂度,在很小的迭代次数下达到接近于RZF预编码的误码率性能,并且优于基于Neumann级数预编码算法的误码率性能.     

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).     

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)。     

大型实对称矩阵分块迭代求逆算法

为提高大型实对称矩阵数值求逆算法的运行速度,设计了一种分块迭代求逆算法,对算法做了详细的理论推导与分析。实现了四种常见的数值求逆算法,即Jacobi数值方法、QR分解法、LU分解法和高斯-约旦法,并分别与分块迭代求逆算法进行了对比分析。实验结果表明,在保证算法精度的情况下,分块迭代求逆算法极大的提高了算法的运行速度。当计算大小为700x700的实对称矩阵的逆矩阵时,相对于LU分解法,加速比为4倍;相对于QR分解法,加速比为26倍。     

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.     

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。     

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...     

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。     

低精度ADC下大规模多输入多输出系统基于三对角迭代法的软输出信号检测

受硬件成本制约,大规模多输入多输出（massive Multiple Input Multiple Output, mMIMO）基站通常配置低精度模数转换器（Analog-to-Digital Converter, ADC）。低精度ADC下,如果多用户mMIMO系统采用最小均方误差（Minimum Mean Square Error, MMSE）检测,将导致过高复杂度。为此,本文基于三对角迭代法（Tridiagonal Iterative Method, TDIM）,结合分块矩阵求逆的初始值确定,提出一种低复杂度的MMSE软输出信号检测算法。数值仿真表明:基于TDIM的软输出信号检测算法经4次迭代即可达到收敛,同时,数值结果验证了ADC量化比特为4时,该算法可取得接近全精度ADC的性能,为低精度ADC下mMIMO系统的上行链路信号检测实现提供了切实可行的方案。