低复杂度大规模MIMO检测算法的研究
本文选题:大规模MIMO + 检测算法 ; 参考:《西安电子科技大学》2014年硕士论文
【摘要】:在发送端和接收端都有多根天线的MIMO系统由于其在发射分集和数据速率等方面的优势,变得越来越受欢迎,从而发展到今天已经相当成熟了。而为了进一步提高频谱效率和信道容量,提出了以大型阵列天线代替原来的几根天线的大规模MIMO系统。目前对大规模MIMO系统的研究尚处于起步阶段,而接收端的检测技术作为MIMO系统的一个重要组成部分,对其检测算法的研究将会极大地推动对大规模MIMO研究的发展。传统MIMO系统的检测算法包括ZF、MF、MMSE和ZF-SIC等算法。其中球形检测算法在以高复杂度为代价的基础上可以获得近似ML检测的性能。而本文研究的大规模MIMO系统的发射天线和接收天线数量可以达到数十乃至数百根,若采用传统的MIMO检测算法,其检测复杂度将会变得难以忍受,因此寻找适用于大规模MIMO系统的低复杂度的检测算法成为关键。本文首先介绍了大规模MIMO技术的研究背景和研究现状,指明了全文的研究方向。接着对大规模MIMO系统进行了简单的介绍。主要简单地分析了大规模MIMO系统的总速率上界问题,探讨了大规模MIMO系统的关键技术,主要包括信道估计技术、下行预编码和上行检测技术,从技术特点和研究现状两个方面进行了介绍。同时还讨论了大规模MIMO系统未来有待进一步研究的难点和热点问题。本文重点对低复杂度的大规模MIMO的检测算法进行了研究。详细介绍了基于本地邻域搜索的似然上升搜索(LAS)检测算法的基本原理和实现过程。接着从三个方面分析了LAS算法的复杂度,并在不同SNR或者不同天线数的条件下对LAS算法的检测性能进行了仿真验证。然后介绍了一种基于LAS的MOS-LAS算法,该算法通过生成多个不同的局部最小点并从中找出最优值的方式达到了改善的目的。根据生成局部最小点的方式不同又细分为MIV-LAS算法和MSCS-LAS算法。本文对MIV-LAS算法和MSCS-LAS算法的思想进行了详细地介绍,并通过仿真验证了算法的有效性。最后还介绍了另外用一种低复杂度的主动禁忌搜索(RTS)检测算法。本文详细阐述了RTS算法的算法原理和实现过程,并从算法原理和复杂度等方面将RTS算法和LAS算法进行了全面地比较,并通过仿真验证了RTS算法的检测性能,得出了RTS算法的检测性能优于LAS算法的结论。
[Abstract]:MIMO systems with multiple antennas at both transmitter and receiver have become more and more popular due to their advantages in transmit diversity and data rate. In order to further improve the spectral efficiency and channel capacity, a large scale MIMO system with large array antennas instead of several original antennas is proposed. At present, the research of large-scale MIMO system is still in its infancy. As an important part of MIMO system, the detection technology of receiver will greatly promote the development of large-scale MIMO research. The detection algorithms of traditional MIMO systems include the algorithms of MMSE and ZF-SIC. The spherical detection algorithm can obtain approximate ML detection performance at the cost of high complexity. However, the number of transmit and receive antennas in the large scale MIMO systems studied in this paper can reach tens or even hundreds. If the traditional MIMO detection algorithm is used, the detection complexity will become more and more intolerable. Therefore, it is the key to find low complexity detection algorithms for large scale MIMO systems. Firstly, this paper introduces the research background and research status of large-scale MIMO technology, and points out the research direction of this paper. Then the large-scale MIMO system is introduced briefly. In this paper, the total rate upper bound of large scale MIMO systems is briefly analyzed, and the key technologies of large scale MIMO systems are discussed, including channel estimation, downlink precoding and uplink detection. The technical characteristics and research status are introduced. At the same time, the difficulties and hot issues that need further research in the future of large scale MIMO systems are also discussed. In this paper, the detection algorithms of large scale MIMO with low complexity are studied. This paper introduces the basic principle and implementation process of the LAS-based detection algorithm based on local neighborhood search. Then the complexity of Las algorithm is analyzed from three aspects, and the detection performance of Las algorithm is simulated under different SNR or different antenna number. Then an algorithm based on Las for MOS-LAS is introduced. The algorithm improves the algorithm by generating several different local minimum points and finding out the optimal value. The MIV-LAS algorithm and MSCS-LAS algorithm are subdivided into MIV-LAS algorithm and MSCS-LAS algorithm according to the different ways of generating local minimum points. The idea of MIV-LAS algorithm and MSCS-LAS algorithm is introduced in detail, and the validity of the algorithm is verified by simulation. Finally, a low complexity active Tabu search (RTS) detection algorithm is also introduced. In this paper, the algorithm principle and realization process of RTS algorithm are described in detail, and the RTS algorithm and Las algorithm are compared in terms of algorithm principle and complexity, and the detection performance of RTS algorithm is verified by simulation. It is concluded that the detection performance of RTS algorithm is better than that of Las algorithm.
【学位授予单位】:西安电子科技大学
【学位级别】:硕士
【学位授予年份】:2014
【分类号】:TN919.3
【相似文献】
相关期刊论文 前10条
1 邹汪平;;一种基于网络安全控制的蜂群算法应用研究[J];吉林师范大学学报(自然科学版);2013年04期
2 李向伟;曹博;;时间参数在HITS算法中的应用及改进[J];兰州工业高等专科学校学报;2006年02期
3 吴涛;彭笃学;;一种改进的直线段裁剪算法[J];湛江师范学院学报;2008年03期
4 张瑞子;南琳;胡琨元;田景贺;;基于EPC Class-1 Gen-2标准的防冲突算法与改进[J];计算机工程;2009年02期
5 黄超;周宁;倪佑生;;基于蚁群算法的攻击图分析[J];计算机工程;2009年18期
6 秦永彬;许道云;;警示传播算法的原理分析及算法改进[J];计算机工程与应用;2010年19期
7 郭毅可;韩锐;;云计算中的弹性算法:概要和展望[J];上海大学学报(自然科学版);2013年01期
8 牛玉静;唐棣;;双步圆的反走样生成算法[J];计算机工程与应用;2010年23期
9 肖璞;;XML索引更新算法的改进[J];南京工程学院学报(自然科学版);2010年03期
10 周骏;陈鸣;张佳明;;两类频繁项算法在网络流上的适用性评估[J];计算机工程;2011年16期
相关会议论文 前10条
1 黄纪武;毛泽华;李松涛;张锦雄;;SPMD并行查找算法的MPI实现[A];广西计算机学会——2004年学术年会论文集[C];2004年
2 黄纪武;毛泽华;李松涛;张锦雄;;SPMD并行查找算法的MPI实现[A];广西计算机学会2004年学术年会论文集[C];2004年
3 符丽锦;覃华;邓海;孙欣;;一种改进的Apriori算法的研究[A];广西计算机学会2012年学术年会论文集[C];2012年
4 王东锋;王军民;陈英武;;模糊定性仿真理论研究与算法实现[A];'2000系统仿真技术及其应用学术交流会论文集[C];2000年
5 赵唯;;晶粒度评级的改进算法[A];中国图象图形科学技术新进展——第九届全国图象图形科技大会论文集[C];1998年
6 刘启文;;可扩展的图形学算法演示系统的研究[A];’2004计算机应用技术交流会议论文集[C];2004年
7 佘智;蒋泰;朱延生;;基于Type C协议的防冲突改进算法[A];广西计算机学会25周年纪念会暨2011年学术年会论文集[C];2011年
8 朱绍文;赵培;朱秋云;;基于pSPADE并行挖掘序列算法的研究[A];2003年中国智能自动化会议论文集(下册)[C];2003年
9 杨霞;;新的基于启发式蚁群算法的QoS路由算法[A];广西计算机学会2009年年会论文集[C];2009年
10 陈黎飞;姜青山;董槐林;;基于图形轮廓的快速聚类算法[A];第二十三届中国数据库学术会议论文集(研究报告篇)[C];2006年
相关博士学位论文 前10条
1 钟永腾;基于近场MUSIC算法的复合材料结构健康监测研究[D];南京航空航天大学;2014年
2 单美静;求解非线性实代数系统的混合算法研究[D];华东师范大学;2008年
3 邱剑锋;人工蜂群算法的改进方法与收敛性理论的研究[D];安徽大学;2014年
4 潘磊;若干社区发现算法研究[D];南京大学;2014年
5 陈俊波;频繁闭合项集挖掘算法及应用研究[D];浙江大学;2009年
6 陆楠;关联规则的挖掘及其算法的研究[D];吉林大学;2007年
7 范洪博;快速精确字符串匹配算法研究[D];哈尔滨工程大学;2011年
8 寇晓丽;群智能算法及其应用研究[D];西安电子科技大学;2009年
9 刘维;生物序列模式挖掘与识别算法的研究[D];南京航空航天大学;2010年
10 吴擎;基于模式搜索的类电磁机制算法研究与应用[D];华中科技大学;2013年
相关硕士学位论文 前10条
1 安世勇;命题逻辑中随机3-SAT问题算法研究[D];西南交通大学;2015年
2 毕晓庆;油气探矿权竞争性出让系统设计与实现[D];中国地质大学(北京);2015年
3 王明明;铁路大机与线路固定设施间距检测算法研究[D];西南交通大学;2015年
4 李静;基于视频图像序列的运动目标检测与跟踪算法研究[D];宁夏大学;2015年
5 刘贝玲;基于天地图的租房平台开发及其关键技术研究[D];西南交通大学;2015年
6 曹海锋;IDS中串匹配臭算法并行优化研究[D];西安建筑科技大学;2015年
7 周攀;基于蚁群算法的山区高速铁路隧道火灾应急疏散最优路径研究[D];西南交通大学;2015年
8 张路奇;基于改进蚁群算法的WSN路由协议的研究[D];中国地质大学(北京);2015年
9 王晓晨;入侵杂草优化算法的应用与改进[D];长安大学;2015年
10 信琴琴;手势控制和识别算法研究[D];闽南师范大学;2015年
,本文编号:1992349
本文链接:https://www.wllwen.com/kejilunwen/wltx/1992349.html