Massive MIMO系统的检测算法研究

发布时间：2017-06-18 15:19

  本文关键词：Massive MIMO系统的检测算法研究，由笔耕文化传播整理发布。

【摘要】：多输入多输出(MIMO)技术在同一频带内传输多个数据流,能有效地提高系统频谱效率和链路可靠性,已被多个无线标准所采纳,如3GPP LTE和IEEE802.16m WiMAX。然而,MIMO技术已经趋于其容量极限,无法满足日益增长的数据速率需求。作为第五代移动通信系统的关键使能技术之一,Massive MIMO技术利用大规模天线能取得重大突破。相应地,在信号处理中会不可避免地提升复杂度和增加功耗。基于此,本文聚焦在Massive MIMO系统中低复杂度、高精度的检测算法。首先,本文分析讨论了Massive MIMO系统带来的机遇和面临的挑战。理论分析了其带来的信道硬化和利好传播,结果表明随着天线数的增加,信道逐渐趋于确定性分布且速率和将趋于其最大值。紧接着重点讨论了系统的频谱效率和能量效率,结果显示Massive MIMO系统可以成倍地提升频谱效率和能量效率。接着阐述了信道互易性并提出了一种相对互易校准算法,可以有效地提高Massive MIMO系统的性能和实时性。最后介绍了在多小区系统中限制Massive MIMO系统性能的导频污染问题。其次,本文基于最小均方误差(MMSE)算法提出了三种低复杂度的线性检测算法。首先借助Massive MIMO系统带来的信道硬化优势,利用有偏MMSE检测算法简化了逐比特对数似然比(LLR)的计算。紧接着,重点推导并阐述了如下三种技术:其一利用截短Neumann级数展开,避免了矩阵求逆运算;其二将MIMO检测问题转换为利用Jacobi迭代算法求解线性方程的问题;其三进一步将线性方程求解转换为利用共轭梯度求解最小化二次型的问题。分别将其与有偏MMSE算法结合得到Massive MIMO系统的线性检测算法。性能和复杂度仿真结果表明,基于共轭梯度的有偏MMSE算法能取得最佳的折中。最后,本文提出了两种新颖的非线性检测算法:马尔科夫链蒙特卡洛(MCMC)算法和置信度传播(BP)算法。针对MCMC检测,提出了基于对数域最大(MaxLog,ML)更新的逐比特MCMC算法和逐符号MCMC算法。同时为了解决所谓的陷入锁死问题,本文还提出了两种增强技术:抖动处理和归一化策略。为了进一步提高性能,在逐符号MCMC中,提出了最大和次大更新(MLSM)算法。对于置信度传播检测,提出了高阶调制的二进制BP(B-BP)算法,然而其在4-QAM调制以上的系统中性能损失严重。基于此,又提出了非二进制BP(NB-BP)检测算法。为了降低NB-BP算法的运算复杂度,进一步推导了对数域的NB-BP算法(Log-NB-BP)。MCMC算法的性能仿真显示,相比于MMSE-PIC算法,逐比特和逐符号的MCMC-ML算法均能带来性能增益。且逐符号的MCMC-MLSM算法可以趋近准最大后验概率(MAP)检测算法——STS检测的性能。BP算法的仿真结果表明,Log-NB-BP算法可以有效地工作在高阶调制系统中且相比于概率域NBBP算法,能极大地降低运算复杂度。基于上述结果,三种线性检测算法更适合于基站端天线数远大于用户数的多用户Massive MIMO系统,利用额外的自由度来降低运算复杂度。而对于收发端天线数配置相比拟的点对点Massive MIMO系统场景,MCMC算法和BP算法可以有效地发挥作用。
【关键词】：大规模MIMO 最小均方误差 共轭梯度 马尔科夫链蒙特卡洛 置信度传播
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TN919.3
【目录】：

• 摘要5-7
• ABSTRACT7-16
• 缩略词表16-18
• 第一章 绪论18-23
• 1.1 研究背景18-19
• 1.2 Massive MIMO技术研究现状与发展趋势19-21
• 1.3 本文结构安排21-23
• 第二章 MIMO系统的检测算法23-46
• 2.1 硬判决MIMO检测24-34
• 2.1.1 系统模型24-25
• 2.1.2 最大似然检测25
• 2.1.3 迫零检测25-26
• 2.1.4 最小均方误差检测26
• 2.1.5 基于QR分解的最大似然检测26-28
• 2.1.6 基于QR分解的迫零检测28-29
• 2.1.7 基于QR分解的最小均方误差检测29
• 2.1.8 球形译码检测29-30
• 2.1.9 固定复杂度球形译码检测30
• 2.1.10 减格辅助检测30-32
• 2.1.11 硬判决MIMO检测算法性能32-34
• 2.2 软输出MIMO检测34-39
• 2.2.1 系统模型34
• 2.2.2 最大后验概率检测34-35
• 2.2.3 软输出最小均方误差检测35-36
• 2.2.4 软输出串行干扰相消检测36-37
• 2.2.5 列表球形检测37-38
• 2.2.6 软输出减格辅助检测38-39
• 2.2.7 软输出MIMO检测算法性能39
• 2.3 软输入软输出MIMO检测39-45
• 2.3.1 系统模型39-40
• 2.3.2 最大后验概率检测40-41
• 2.3.3 最小均方误差检测41-42
• 2.3.4 单树搜索检测42-44
• 2.3.5 软输入软输出MIMO检测算法性能44-45
• 2.4 本章小结45-46
• 第三章 Massive MIMO的机遇与挑战46-66
• 3.1 Massive MIMO系统的机遇46-61
• 3.1.1 信道硬化46-49
• 3.1.2 信道容量49-51
• 3.1.3 利好传播51-52
• 3.1.4 频谱效率和能量效率52-61
• 3.2 Massive MIMO系统的挑战61-64
• 3.2.1 互易校准61-63
• 3.2.2 导频污染63-64
• 3.3 本章小结64-66
• 第四章 Massive MIMO的线性检测算法66-89
• 4.1 基于截短Neumann级数展开的有偏MMSE检测67-72
• 4.1.1 截短Neumann级数展开算法67
• 4.1.2 截短Neumann级数展开误差分析67-68
• 4.1.3 有偏MMSE检测器68-70
• 4.1.4 性能与复杂度70-72
• 4.2 基于Jacobi迭代的有偏MMSE检测72-80
• 4.2.1 Jacobi迭代算法73-74
• 4.2.2 Gauss-Seidel迭代算法74
• 4.2.3 逐次超松弛迭代算法74-75
• 4.2.4 基于Jacobi迭代的有偏MMSE检测算法75-76
• 4.2.5 性能与复杂度76-80
• 4.3 基于共轭梯度的有偏MMSE检测80-88
• 4.3.1 最速下降法81-82
• 4.3.2 共轭方向搜索法82-84
• 4.3.3 共轭梯度迭代法84-85
• 4.3.4 基于共轭梯度的有偏MMSE检测算法85-86
• 4.3.5 性能与复杂度86-88
• 4.4 本章小结88-89
• 第五章 Massive MIMO的非线性检测算法89-119
• 5.1 马尔科夫蒙特卡洛检测算法89-105
• 5.1.1 逐比特MCMC算法（bit-wise MCMC）90-93
• 5.1.2 逐符号MCMC算法（symbol-wise MCMC）93-96
• 5.1.3 MCMC算法的性能与复杂度96-105
• 5.2 置信度传播检测算法105-118
• 5.2.1 二进制BP检测算法105-110
• 5.2.2 非二进制BP检测算法110-114
• 5.2.3 BP算法的性能与复杂度114-118
• 5.3 本章小结118-119
• 第六章 全文总结119-121
• 6.1 论文总结119-120
• 6.2 下一步的研究工作120-121
• 致谢121-122
• 参考文献122-127
• 攻读硕士期间的研究成果127-129
• 个人简历129-130

【二级参考文献】

中国期刊全文数据库 前1条

1 孙华飞;彭林玉;张真宁;;信息几何及其应用[J];数学进展;2011年03期

中国博士学位论文全文数据库 前2条

1 夏金环;MIMO检测与HARQ合并中的不确定性处理研究[D];北京邮电大学;2010年

2 钱荣荣;无线通信系统MIMO检测技术研究[D];北京邮电大学;2010年

  本文关键词：Massive MIMO系统的检测算法研究，由笔耕文化传播整理发布。

，

本文编号：459831