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。     

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).     

基于消息传递的大规模多用户MIMO低复杂度的检测算法

针对大规模多用户多输入多输出(MIMO)系统中基站端检测复杂度高的问题,提出了一种低复杂度、基于强制收敛的变量节点全信息高斯消息传播迭代检测(VFI-GMPID-FC)算法.首先对传统的GMPID算法进行改进,得到VFI-GMPID算法,VFI-GMPID算法的检测性能逼近最小均方误差检测(MMSE)算法,但复杂度要大大低于MMSE算法.然后结合强制收敛思想和VFI-GMPID,提出VFI-GMPID-FC算法,进一步降低算法复杂度,提升检测效率.最后通过仿真结果表明,所提算法在保证检测性能的同时,能有效地降低算法的复杂度.     

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。     

一种低复杂度软入软出迭代检测方案

在MIMO系统中,以软输入软输出方式为基础的迭代检测方式,性能要明显优于基于硬判决的迭代方案。因此基于软信息传递的迭代检测理论具有广泛的应用。但是,其复杂度较高,特别是应用于MIMO系统时,复杂度的限制尤为明显。球形译码是一种近似最大似然检测的低复杂度方案,在这里,引入一种低复杂度的软入软出（SISO）球形译码迭代方案,并给出球形译码中搜索树的删减简化方案。     

大规模MIMO下具有反馈的低复杂度检测算法

针对大规模MIMO系统,信号检测算法的复杂度往往呈指数级增长的问题,通过对传统的QRD-M检测算法和树搜索的深度研究,对其进行改进,得出一种具有反馈的低复杂度检测算法,该算法主要运用分支的权重和分支间的反馈对树进行修剪,然后运用树搜索的原理进行搜索输出.仿真结果表明,该改进算法以降低较少系统性能的代价,能够极大地降低计算复杂度,是一种折衷的高效检测算法,完全能运用于大规模MIMO系统中.     

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。     

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.     

一种上行链路大规模MIMO系统的低复杂度检测算法北大核心CSCD

提出了一种适用于上行链路大规模MIMO系统的基于Kaczmarz算法的低复杂度检测算法.通过将MMSE检测算法转化成等效的增广矩阵的形式,提出的算法同时避免了直接矩阵求逆和Gram矩阵求解.此外,一种算法初始值的估计方法和近似的软判决信息计算方法也被提出用于进一步降低算法复杂度.仿真结果表明该算法在性能和计算复杂度方面优于近期文献中的算法.同时,FPGA的验证结果也表明提出的算法能以更低的硬件资源消耗完成大规模MIMO系统的检测.     

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。     

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。     

Randomized Kaczmarz algorithm for massive MIMO systems with channel estimation and spatial correlation

To exploit the benefits of massive multiple‐input multiple‐output (M‐MIMO) technology in scenarios where base stations (BSs) need to be cheap and equipped with simple hardware, the computational complexity of classical signal processing schemes for spatial multiplexing of users shall be reduced. This calls for suboptimal designs that perform well the combining/precoding steps and simultaneously achieve low computational complexities. An approach on the basis of the iterative Kaczmarz algorithm (KA) has been recently investigated, assuring well execution without the knowledge of second order moments of the wireless channels in the BS, and with easiness since no tuning parameters, besides the number of iterations, are required. In fact, the randomized version of KA (rKA) has been used in this context because of global convergence properties. Herein, modifications are proposed on this first rKA‐based attempt, aiming to improve its performance‐complexity trade‐off solution for M‐MIMO systems. We observe that long‐term channel effects degrade the rate of convergence of the rKA‐based schemes. This issue is then tackled herein by means of a hybrid rKA initialization proposal, which lands within the region of convexity of the algorithm and assures fairness to the communication system. The effectiveness of our proposal is illustrated through numerical results, which bring more realistic system conditions in terms of channel estimation and spatial correlation than those used so far. We also characterize the computational complexity of the proposed rKA scheme, deriving upper bounds for the number of iterations. A case study focused on a dense urban application scenario is used to gather new insights on the feasibility of the proposed scheme to cope with the inserted BS constraints.     

基于Massive MIMO及频谱叠加的5G SA网络上行优化方法

大规模多输入多输出(Multiple-Input Multiple-Output, MIMO)可以有效提升5G SA网络的上行链路数据传输速率以及可靠性。针对5G SA网络上行链路速率和覆盖不均衡的情况,提出了基于大规模MIMO的分组算法,将发送信号矢量进行分组,组内采用最大似然检测,组外采用基于正交三角分解(QR分解)的干扰消除检测,并且结合5G频谱的叠加策略,在降低算法复杂度的同时,有效提升网络覆盖和速率。通过5G SA现网实测,通过MIMO降低分组数量能够提升分组检测性能,结合上行低频段频谱叠加策略能够有效提升5G SA网络上行覆盖30%,提升5G SA网络上行平均速率40%～80%,特别是弱覆盖边缘的网络速率,最高可达600%。     

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)。     

一种基于深度学习的FDD大规模MIMO系统CSI反馈方法

针对频分双工（Frequency Division Duplexing,FDD）大规模多入多出（Multiple-Input Multiple-Output,MIMO）系统中现有信道状态信息（Channel State Information,CSI）反馈方法复杂度高、反馈精度低的问题,本文提出一种基于深度学习的CSI压缩反馈方法.该方法首先采用卷积神经网络（Convolutional Neural Network,CNN）提取信道特征矢量,然后利用最大池化（Maxpooling）网络压缩CSI,最后考虑到大规模MIMO信道存在空间相关性的特点,分别对单用户和多用户场景使用双向长短期记忆（Bidirectional Long Short-Term Memory,Bi-LSTM）网络和双向卷积长短期记忆（Bidirectional Convolutional Long Short-Term Memory,Bi-ConvLSTM）网络对CSI进行重构.本文利用大规模MIMO信道数据对所提的深度学习网络进行离线训练,该网络学习到的信道信息能充分表征信道的状态.仿真结果表明,与已有的典型CSI反馈方法相比,本文所提方法反馈精度更高,运行时间更短,系统性能提升明显.     

低复杂度的MIMO系统粒子滤波检测

该文通过降低采样大小和信号检测搜索空间给出了两种低复杂度的多输入多输出(MIMO)系统粒子滤波(PF)检测方法：球形约束PF和多层映射PF。在球形约束PF中,首先基于迫零原则求得所需的球形约束,然后利用该球形约束减少粒子滤波过程中每一级重要性采样生成的粒子数。多层映射PF则采用多层映射将大小为4L的正交幅度调制(QAM)星座划分为L个4-QAM星座的级联以降低信号检测的搜索范围。计算机仿真结果表明,第1种方法能够在大发送天线数的情况下保持系统性能且有效地降低粒子滤波的计算复杂度;而第2种方法能够以较低的错误性能损失为代价获得计算复杂度的极大降低。     

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。

     

毫米波大规模MIMO系统波束旋转预编码设计

为解决毫米波大规模多输入多输出(MIMO)系统因功率泄漏导致的能量损耗问题,该文提出基于最小相位误差的波束旋转(MPE-BR)预编码方案。首先,采用基于相移器的波束选择网络,构建波束选择集合,系统中每个射频(RF)链通过选择多个波束达到收集泄漏功率的目的。然后,以最大增益波束为基准,根据最小相位误差准则确定波束选择集合的相位,将所选波束的信道增益近似对准同一方向,使得用户的接收信噪比(SNR)最大,从而提高系统性能。此外,该文对所提预编码算法进行了理论分析,推导了频谱效率上界和能量效率上界。实验验证了理论推导的正确性,仿真结果表明,所提方法具有接近无漏功率的和速率性能,与现有的算法相比,所提方案具有较好的频谱效率和能量效率性能。     

基于CNN的毫米波无蜂窝大规模MIMO信道估计

针对小区间干扰导致蜂窝边缘无法满足不断增长的数据速率需求问题,毫米波无蜂窝大规模多输入多输出(Multiple-Input Multiple-Output, MIMO)系统被认为是一种很有前途的解决方案。然而,毫米波的高频率、大带宽以及接入点配置的大量天线给信道估计带来了较大挑战。将毫米波大规模MIMO信道矩阵视为二维图像,结合图像去噪方法提出一种基于改进去噪卷积神经网络(Improved-Denoising Convolutional Neural Network, I-DnCNN)的信道估计算法。通过具有注意力机制的压缩与激励(Squeeze-and-Excitation, SE)模块,自适应调整提取的全局特征以增强对信道噪声特征的学习,根据接收信号估计出噪声等级图且增添为输入,提升对噪声的鲁棒性。最后,采用残差学习的方式获得估计信道矩阵。利用理论信道模型和基于波束追踪的信道数据集进行的仿真实验结果表明,与去噪卷积神经网络(Denoising Convolutional Neural Network, DnCNN)算法相比,所提算法在两个数据集下的信道估计精度可分别平均提升2.27...     

大规模MIMO系统中动态迁移导频分配

大规模多输入多输出(MIMO)技术是5G的关键技术之一,由导频资源有限引起的导频污染是制约其发展的主要瓶颈之一,为此必须对宝贵的导频资源进行合理地分配以减小导频污染。已有的导频分配方案大多考虑静态导频分配,无法很好地适应用户位置不断变化的移动通信环境。文章针对大规模MIMO系统中用户移动时的导频分配问题,提出了一种动态迁移导频分配方法。该方法在两个相邻时隙间仅针对移动幅度较大的用户进行额外的导频优化,根据分配方案选择一个用户与之进行导频交换,对于其他的用户不改变原分配导频。复杂度分析及仿真结果表明,该算法相较于传统的导频分配方法可以显著地降低计算复杂度,并且与传统的导频分配方法具有相近的频谱效率,具有较高的实用价值。