大规模MIMO系统上行链路低复杂度信号检测算法研究

发布时间：2020-10-11 21:46

　　 大规模MIMO技术作为第五代移动通信系统的关键使能技术之一,在基站所配置的天线数量相较于传统的MIMO系统增加数十甚至上百倍,使通信系统在频谱效率、数据传输速率及可靠性方面均取得重大突破。然而,随着基站和天线数和用户数的大量增加,在信号检测方面也面临众多挑战,本文专注于大规模MIMO系统中高性能、低复杂度的信号检测算法研究。首先,本文研究了基于MMSE准则的大规模MIMO系统低复杂度算法,并将其分为两类,即基于矩阵近似求逆类和求解线性方程类。在第一类中主要包括纽曼级数展开和Newton迭代算法;在第二类中主要包括Jacobi迭代、高斯迭代、松弛迭代、连续超松弛迭代、理查德森迭代、最速下降法和共轭梯度算法。以上算法避免了MMSE算法所涉及的高维矩阵求逆运算,有效地降低了复杂度。在研究分析了各种算法的原理、复杂度以及相互之间所存在关系后,给出了各算法在软输出检测中实现方案,并在相同类型算法中对比了各算法的复杂度和检测性能。针对两大类算法各自存在的优势与不足,结合Neumann级数展开和Jacobi迭代提出了一种软输出检测方案,在复杂度和性能之间实现了较好的折中。另外,利用Kaczmarz算法求解线性方程的思想并对其进行改进,提出改进了一种基于MMSE准则的低复杂度检测算法,同样避免了矩阵求逆。其次,为了解决现有的低复杂度MMSE检测算法在用户数量增多的场景下检测性能下降的问题,针对硬判决MIMO系统,提出了一种迭代并行干扰消除算法,利用并行干扰消除的思想,并采用迭代的方式提升估计精确度;在此基础上,引入了排序和噪声预测机制,通过对噪声和干扰进行联合消除进一步提升检测性能;另外,考虑天线间残留干扰和噪声的共同影响,提出将迭代并行干扰消除算法应用到软输出检测系统中。以上算法应用于大规模MIMO系统中以远低于MMSE检测算法的复杂度达到甚至超越后者的检测性能。为了将传统的软输入软输出检测算法扩展应用到大规模MIMO系统中,针对MMSE-PIC算法提出了一种低复杂度方案,将矩阵近似求逆算法运用到权值向量计算中,在保证性能的同时有效地降低了复杂度。经理论分析和仿真结果表明:基于Jacobi迭代的改进算法和基于Kaczmarz迭代算法适用于基站天线数远大于用户数的大规模MIMO场景,经过较少次数的迭代检测性能便可逼近最优MMSE。当用户数量增多时,现有的低复杂度MMSE算法性能下降严重,基于迭代并行消除的检测方案可作为有效备选方案。在以性能为最高优先级的核心目标时,本文提出的低复杂度软输入软输出算法可作为有效解决方案之一。
【学位单位】：重庆邮电大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TN929.5
【文章目录】：
摘要
abstract
注释表
第1章 绪论
    1.1 研究背景及意义
    1.2 大规模MIMO系统的研究现状及发展趋势
    1.3 课题研究内容及文章结构安排
        1.3.1 课题主要研究内容
        1.3.2 文章结构安排
第2章 MIMO系统信号检测算法
    2.1 硬判决信号检测算法
        2.1.1 硬判决系统模型
        2.1.2 最大似然类检测算法
        2.1.3 线性检测算法
        2.1.4 连续干扰消除检测算法
        2.1.5 基于QR分解的干扰消除检测算法
        2.1.6 硬判决算法仿真结果分析
    2.2 软输出信号检测算法
        2.2.1 软输出系统模型
        2.2.2 最大后验概率检测
        2.2.3 基于MMSE准则的软输出检测算法
        2.2.4 基于ZF准则的软输出检测算法
        2.2.5 软输出检测算法仿真结果及分析
    2.3 软输入软输出信号检测算法
        2.3.1 软输入软输出系统模型
        2.3.2 MMSE-PIC软输入软输出检测算法
        2.3.3 软输入软输出检测性能仿真及分析
    2.4 大规模MIMO信号检测算法
    2.5 本章小结
第3章 基于MMSE的大规模MIMO系统低复杂度信号检测算法
    3.1 基于矩阵近似求逆算法
        3.1.1 基于Neumann级数展开算法
        3.1.2 基于Newton迭代算法
        3.1.3 复杂度及仿真分析
    3.2 基于求解线性方程的低复杂度检测检测算法
        3.2.1 Jacobi迭代算法
        3.2.2 高斯赛尔德迭代算法
        3.2.3 基于松弛迭代算法
        3.2.4 理查德森迭代算法
        3.2.5 最速下降法
        3.2.6 共轭梯度迭代
        3.2.7 软输出检测方案
        3.2.8 复杂度和检测性能分析
    3.3 结合Neumann级数展开的Jacobi迭代软输出检测算法
        3.3.1 改进的低复杂度Neumann级数展开方案
        3.3.2 结合Neumann级数展开的Jacobi迭代算法
        3.3.3 近似对数似然比的计算方案
        3.3.4 复杂度及仿真结果分析
    3.4 基于Kaczmarz迭代的软输出检测算法
        3.4.1 Kaczmarz算法
        3.4.2 .改进的Kaczmarz迭代算法
        3.4.3 对数似然比的计算
        3.4.4 复杂度及仿真结果分析
    3.5 本章小结
第4章 基于干扰消除的大规模MIMO系统低复杂度信号检测算法
    4.1 迭代并行干扰消除算法
        4.1.1 基于迭代迭代干扰消除的硬判决检测算法
        4.1.2 基于噪声预测的迭代并行干扰消除检测算法
        4.1.3 基于迭代并行干扰消除的软输出检测算法
        4.1.4 复杂度及仿真结果分析
    4.2 低复杂度MMSE-PIC软输入软输出检测方案
        4.2.1 低复杂度权值矩阵计算方案
        4.2.2 Neumann级数近似求逆应用
        4.2.3 仿真结果及分析
    4.3 基于软符号更新反馈的低复杂度软输入软输出检测算法
        4.3.1 算法步骤
        4.3.2 有效软符号计算
        4.3.3 仿真结果及分析
    4.4 本章小结
第5章 总结与展望
    5.1 主要工作与创新点
    5.2 后续研究工作
参考文献
致谢
攻读硕士学位期间从事的科研工作及取得的成果

【参考文献】

相关期刊论文 前3条

1 张中山;王兴;张成勇;吕少波;;大规模MIMO关键技术及应用[J];中国科学:信息科学;2015年09期

2 傅海阳;陈技江;曹士坷;贾向东;;MIMO系统和无线信道容量研究[J];电子学报;2011年10期

3 倪兴;王晓湘;杜娟;;一种新的基于噪声预测的部分判决反馈MIMO接收算法[J];电子与信息学报;2008年01期

相关博士学位论文 前1条

1 李新民;大规模天线系统容量分析和预编码技术研究[D];中国科学技术大学;2017年

相关硕士学位论文 前2条

1 程晨;MIMO信道容量分析及移动终端的WLAN三频段MIMO天线设计方法研究[D];东南大学;2017年

2 周将运;Massive MIMO系统的检测算法研究[D];电子科技大学;2015年

本文编号：2837156