一种低复杂度高性能的MIMO系统自适应检测算法

如何克服发射信号的重叠和码间干扰是MIMO系统信号检测技术面临的关键问题。信号检测算法的性能优劣是影响MIMO技术能否真正适于实际应用的关键因素。结合MLD算法高性能和MMSE-SIC算法低复杂的优点,对Hybrid算法进行了改进,提出了一种基于信道最大/最小特征值的自适应混合检测算法。该算法重新定义了自适应系数,并通过信道矩阵特征值的特性,自适应控制三种子混合算法检测数据流时的百分比,以达到更高的检测效率。仿真结果表明：无论信道在何种复杂环境下,该算法具有与MLD算法几乎相同的误码性能,计算复杂度也有很大的改善。     

一种低复杂度MIMO球形检测算法

针对球形译码检测算法在信噪比较低时复杂度大的问题,提出一种新型球形检测算法。通过使用一个压缩因子对低信噪比时的球半径进行抑制,同时结合最小均方误差检测算法降低算法复杂度。仿真结果表明,在信噪比低于10 dB时,该算法相对传统球形译码算法,复杂度平均降低10%左右,并且性能损失较少。     

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。     

MIMO-OFDM系统中迭代检测算法的研究

为了保证MIMO-OFDM系统在频率选择性衰落信道下传输性能,以及提高系统的编码增益,在系统中采用MMSE检测算法和log MAP算法相结合的迭代检测算法,为了更好地利用软信息,这两种算法中间通过交织器进行连接.仿真结果证明,在不同天线系统,不同衰落信道条件下,该算法具有良好的性能增益.     

MIMO系统中格点减少检测算法研究*

在实际通信系统中,较差的信道环境会给接收端的信号检测带来较大难度,本文给出了一种结合格点减少的MMSE－SIC检测算法,通过在格点减少的基础上引入最小圴方误差（MMSE）准则以及连续干扰抵消（SIC）的思想,能够仅以多项式的复杂度接近最优检测算法（最大似然,ML）的性能,并且可以通过采用QR分解进一步降低格点减少算法的复杂度。仿真结果表明,在未编码系统中采用基于格点减少的MMSE－SIC算法能够显著提高MIMO系统的误码性能。     

多活跃天线空间调制技术的低复杂度检测算法

针对多活跃天线空间调制技术提出了一种低复杂度的检测算法,该解调算法基于干扰消除的思想,不仅在原有的迫零检测算法的基础上进一步降低了解调误码率,同时也解决了迫零检测算法在接收天线数小于发射天线数的情况下无法使用的问题,且复杂度基本与迫零算法相当。通过蒙特卡洛实验对该解调算法的性能进行了分析和评价。     

MIMO系统中基于代价函数和排序模式的MMSE SIC检测器

针对多输入多输出空间多路复用系统,提出了一种基于代价函数和排序模式的多个并行分支的最小均方误差连续干扰消除检测器;具体而言,设计了选择规则来选择代价函数性能最好的分支,并通过利用不同的检测排序模式使得每个分支中的SIC算法按照信号干扰噪声比由高到低来检测信号,从而实现完全检测分集;为了进一步降低算法的计算复杂度,还提出了一种采用递归最小二乘算法的有效自适应接收机来更新滤波器权值向量,从而获得基于递归最小二乘算法的MB-SIC接收机的自适应实现;此外,还对提出的检测器在比特差错概率性能方面进行了分析;仿真结果表明,相比于现有的检测算法,提出的算法不仅具有较低的计算复杂度,而且能获得更好的误码率性能。     

呼叫中心系统中回声抵消算法的研究与实现

针对IP呼叫中心系统中的回声问题,对算法LMS（Least Mean Square）进行了研究。经研究发现,回声消除算法LMS在收敛速度与稳态误差之间始终存在着矛盾,即加快收敛速度,则稳态误差随之加大;减小稳态误差,则收敛速度随之减慢。研究的目的就是能够使两者之间的矛盾得到改善,能够更好地消除回声。研究的方法是在现有算法的基础上,提出了一种改进的LMS算法,通过计算机对该算法进行了仿真,以及利用DSP进行了回声消除,结论表明该算法具有良好的收敛性能和稳态性能,更好地改善了收敛速度与稳态误差之间的矛盾,消除效果较好。     

基于SAOR的Massive MIMO系统信号检测算法

大规模多输入多输出(Massive multiple input multiple output, Massive MIMO)系统采用最小均方误差(Minimum mean square error, MMSE)接收检测方法时存在矩阵求逆复杂度高的问题，已有较多降低复杂度的研究。在降低检测算法复杂度的同时，如何提高算法收敛速度和检测性能一直是人们关注的焦点。本文将对称加速超松弛(Symmetric accelerated over-relaxation， SAOR)迭代算法应用于Massive MIMO系统信号检测中，避免了复杂的矩阵求逆计算，实现了复杂度较最小均方误差算法降低了一个数量级。仿真结果表明，基于SAOR的检测方法通过较少的迭代次数就能逼近最小均方误差（Minimum mean square error, MMSE）算法的检测性能，为Massive MIMO系统中接收信号的快速检测提供了较好的实现方法。     

大规模MIMO系统上行链路中改进的混合迭代检测算法

信号检测的任务是通过基站接收到的信号来估计出用户的发送信号。在大规模MIMO系统上行中,基于最速下降（Steepest descent,SD）算法和高斯-赛得尔（Gauss Seidel,GS）迭代的混合迭代（SDGS）算法解决了最小均方误差（Minimum mean square error,MMSE）算法中矩阵求逆的运算问题,将复杂度从O(K³)降为O(K²)（其中K为用户数）。同时,SD算法有很好收敛方向的特性加快了检测速度。本文基于SDGS算法,改进了其中对数似然比（Log likelihood ratio,LLR）的计算,在保持低复杂度（O(K²)）的同时,改善检测性能。仿真结果表明,经过几次迭代后,改进后的混合迭代算法收敛较快并接近MMSE检测性能。     

低复杂度序列高斯逼近MIMO检测算法

提出一种多入多出（MIMO）系统空间复用模式下的低复杂度序列高斯逼近（LC-SGA）算法。该算法把序列高斯逼近（SGA）算法在复数域进行路径搜索的问题近似为实数域的搜索问题,从而降低了计算复杂度。仿真结果表明,LC-SGA算法在相同搜索路径数的情况下,其误比特率（BER）性能与传统的SGA算法相当,且当搜索路径数较大时接近最大似然检测的性能。     

一种用于秩损信道下的MIMO检测算法

无线MIMO信道中由于天线相关性或者特殊的散射体结构, 会发生信道矩阵秩损现象, 从而导致传统的QRD-M算法无法直接应用。针对此问题, 首先利用信道规则化算法对信道矩阵进行扩展来解决秩损问题, 然而该预处理过程又会带来新的检测干扰, 通过采用一种改进的QRD-M检测算法来减小此干扰带来的影响。与传统QRD-M算法每层只保留M个节点不同, 改进的QRD-M检测算法将权值大于第M个节点且差值在某个阈值范围内的所有节点都保留下来, 并对阈值大小的选取进行了理论分析。仿真结果表明, 该算法能够在取较小M值下, 仍能获得较优的检测性能。     

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。     

大规模MIMO系统的改进RTS信号检测算法

大规模多输入多输出（MIMO）技术通过基站端天线数量的增加有效提高频谱效率,降低传输功率,使其成为5G移动通信系统的一项关键技术。可是随着天线数量的增加,上行链路信号检测算法的复杂度大幅增加,原有检测算法无法实现。基于机器学习和人工智能的主动禁忌搜索算法（RTS）凭借着复杂度低的优势脱颖而出,成为业内的研究热点。针对RTS算法初始值计算复杂度过高这一问题,提出基于BC-GS（Block Constellations-Gauss Seidel）迭代算法求解初始值的RTS信号检测算法,使其在达到原有算法误码率性能的前提下,从而进一步降低算法复杂度。     

MIMO OFDM系统中一种V-BLAST检测算法的FPGA实现

给出了一种V-BLAST检测算法的FPGA实现方案,该算法基于Greville求伪逆的方法。设计主要考虑了流水线操作和并行度处理。算法在Xilinx公司的Vertex Ⅱ Pro系列FPGA中实现,在B3G TDD MIMO OFDM系统硬件平台上进行了验证,性能良好。     

多用户MIMO系统用户选择算法

MIMO系统在不增加带宽的情况下可以有效提高频谱效率。但由于多用户MIMO系统现存预编码方法和系统天线数目的限制,使得系统容纳用户数为一限定值,无法满足实际需要。针对这一问题,给出一种等功率分配的用户选择算法,其通过对信道容量等效近似来得到较优的用户组。为了降低用户选择复杂度,给出一种迭代的次优用户选择算法,达到快速选取较优用户的目的。仿真结果表明所提算法可以获得较好的系统容量性能,适用于实际通信系统。     

A low-complexity Lanczos-algorithm-based detector with soft-output for multiuser massive MIMO systems

Zero-Forcing (ZF) algorithm achieves the near-optimal detection performance for massive multiple-input multiple-output (MIMO) systems at expense of performing the complicated matrix inversion of a high dimensional matrix. In this paper, a novel Lanczos-algorithm-based signal detection method with soft-output is proposed to iteratively realize ZF algorithm for multiuser massive MIIMO systems, which avoids the exact computation of matrix inversion and in turn reduces the computational complexity from $O(K^3)$ to $O(K^2)$, where K denotes the number of users. In the development of the proposed method, by analyzing the iterative process of Lanczos algorithm, an approximate low-complexity scheme is proposed to calculate the log likelihood ratios (LLRs) for soft channel decoding. Simulation results show that the proposed detector provides a relatively good tradeoff between the complexity and performance compared with the several recently proposed detectors, and achieves almost the same performance as the ZF algorithm with only 3 iterations.     

A computationally efficient genetic algorithm for MIMO broadcast scheduling

In conventional single-input single-output (SISO) systems, the capacity is limited as base station can provide service to only one user at any instant. However, multiuser (MU) multiple-input multiple-output (MIMO) systems deliver optimum system capacity by providing service to multiple users (as many as transmit antennas) simultaneously according to dirty paper coding (DPC) scheme. However, DPC is an exhaustive search algorithm (ESA) where the user encoding sequence is important to transmit data to multiple users. Exhaustive search becomes imperative as the search space grows with number of users and number of transmit antennas in the MU MIMO system. This can be treated as an optimization problem of maximizing the achievable system sum-rate. In this paper, it has been demonstrated that combined user and antenna scheduling (CUAS) with binary genetic algorithm (BGA) adopting elitism and adaptive mutation (AM) achieves about 97–99% of system sum-rate obtained by ESA (DPC) with significantly reduced computational and time complexity. It has been shown that BGA is able to find the globally optimum solution for MU MIMO systems well within the time interval of modern wireless packet data communications. However, it is interesting to observe that BGA is able to find a solution to CUAS close to the optimum value quite rapidly. In this paper, it is also shown that BGA with elitism and AM achieves higher throughput than limited feedback scheduling schemes as well.     

基于MCMC的DBSCAN改进算法

为降低DBSCAN算法的运行时间,结合MCMC(Markov chain Monte Carlo,马尔可夫链蒙特卡洛)采样方法对DBSCAN进行改进,提出一种聚类算法,称为DBSCAN++。其基本思想是优先扩展拓展能力较强的核心对象。通过实验将DBSCAN++与DBSCAN和OPTICS进行对比,实验结果表明,从算法运行时间看,DBSCAN++比DBSCAN平均降低了60.7%,比OPTICS平均降低了70.2%;从聚类准确性角度看,DBSCAN++与DBSCAN和OPTICS相当。在没有影响聚类准确性的情况下,DBSCAN++具有更低的运行时间,是一种有效的聚类算法。     

MIMO系统中优化功率分配算法的研究

MIMO技术作为未来移动通信中关键技术,其系统的功率分配问题在未来移动通信发展中非常重要。在传统WF(Water-Filling)功率分配算法基础上提出了一种优化自适应功率分配算法QOSWF,并对该算法的有效性进行了MATLAB仿真研究。