高阶调制MIMO系统格约减辅助检测算法研究
本文选题:MIMO技术 + 最大似然 ; 参考:《南京信息工程大学》2016年硕士论文
【摘要】:近年来,移动通信业务从单一的低速语音数据业务逐步走向了高速率多媒体视频数据业务。这种需求的转变使得原有的频谱资源变得更加紧张,对数据的传输速率以及通信服务质量提出了更高的要求。因此,提高频谱使用率从而加快数据的传输速率是目前亟待解决的问题。多输入多输出(MIMO)技术充分利用空间复用增益和分集增益,在不增加发射功率和频谱的条件下降低了误码率,加快了数据传输速率,改善了通信质量。然而在高阶调制MIMO系统中,接收端信号检测技术的应用会影响系统的检测性能,所以接收端检测算法的设计是本文的研究重点。本文在分析高阶调制MIMO系统的检测技术、系统模型的基础上,针对系统接收端的检测技术方案进行更深层次地研究,主要工作如下:第一,介绍了高阶调制MIMO系统复用技术、信道模型和系统模型,阐述了MIMO系统传统检测算法,主要包括最大似然、线性和非线性检测算法。研究了传统检测算法理论,针对传统检测算法在性能和复杂度之间很难找到折中的问题,在分析ELLL辅助检测算法的基础上,提出了一种改进格约减算法(GLLL),为应用于高阶调制MIMO系统中改进SDR算法的研究奠定基础。第二,针对高阶调制MIMO系统下SDR检测算法的性能还不够理想,本文在结合GLLL算法的基础上提出了一种改进的格约减辅助半正定松弛算法(GLLL-SDR),对信道矩阵进行预处理,获得正交性更强的矩阵,从而提高系统的检测性能。仿真表明,与SDR检测算法相比,GLLL-SDR检测算法在复杂度没有大幅度上升的前提下,提高了算法的检测性能,能够在检测性能和复杂度方面达到很好的平衡,具有实际参考价值。
[Abstract]:In recent years, mobile communication services from a single low-speed voice data service to high-rate multimedia video data services.This change of demand makes the original spectrum resources become more tight, and puts forward higher requirements for the transmission rate of data and the quality of communication service.Therefore, it is an urgent problem to improve the spectrum utilization rate and speed up the data transmission rate.Multi-input multiple-output (MIMOO) technology makes full use of spatial multiplexing gain and diversity gain to reduce bit error rate, speed up data transmission rate and improve communication quality without increasing transmission power and spectrum.However, in high-order modulation MIMO systems, the application of receiver signal detection technology will affect the detection performance of the system, so the design of receiver detection algorithm is the focus of this paper.On the basis of analyzing the detection technology of high-order modulation MIMO system and the system model, this paper makes a deeper research on the detection technology scheme of the system receiver. The main work is as follows: first, the multiplexing technology of high-order modulation MIMO system is introduced.The channel model and system model are used to describe the traditional detection algorithms for MIMO systems, including maximum likelihood, linear and nonlinear detection algorithms.This paper studies the theory of traditional detection algorithm, aiming at the problem that it is difficult to find a compromise between performance and complexity of traditional detection algorithm, based on the analysis of ELLL aided detection algorithm,An improved lattice reduction algorithm (GLL) is proposed, which lays a foundation for the study of improved SDR algorithm in high-order modulation MIMO systems.Secondly, because the performance of SDR detection algorithm in high-order modulation MIMO system is not ideal, an improved lattice reduction assistant positive semidefinite relaxation algorithm (GLLL-SDR) based on GLLL algorithm is proposed in this paper to preprocess the channel matrix.A matrix with stronger orthogonality is obtained to improve the detection performance of the system.The simulation results show that compared with the SDR detection algorithm, the GLLL-SDR detection algorithm improves the detection performance of the algorithm without a significant increase in complexity, and can achieve a good balance between the detection performance and the complexity, and has practical reference value.
【学位授予单位】:南京信息工程大学
【学位级别】:硕士
【学位授予年份】:2016
【分类号】:TN919.3
【相似文献】
相关期刊论文 前10条
1 尹学松;胡恩良;;半监督局部维数约减[J];中国图象图形学报;2011年09期
2 韦佳;文贵华;王文丰;王家兵;;基于局部重构与全局保持的半监督维数约减算法[J];计算机科学;2011年08期
3 陈洪华;张立;;基于蚁群优化的属性约减方法研究[J];科技信息;2011年28期
4 王岩;于明;翟玉欣;陈冀川;;加权成对约束半监督局部维数约减算法[J];计算机工程与设计;2013年04期
5 韦佳;彭宏;;基于局部与全局保持的半监督维数约减方法[J];软件学报;2008年11期
6 马力,焦李成;基于粗集理论的数据约减算法及其改进[J];西安电子科技大学学报;2004年03期
7 刘晓东;;基于属性约减的助推技术及其应用[J];深圳信息职业技术学院学报;2006年04期
8 文贵华;蔡先发;韦佳;;用于癌症分类的随机子空间半监督维数约减(英文)[J];华南理工大学学报(自然科学版);2013年07期
9 刘利;刘萍萍;韦佳;;用于带边信息人脸数据的半监督维数约减算法[J];吉林大学学报(工学版);2011年S1期
10 刘利;韦佳;马千里;;边信息传播修正的半监督维数约减方法[J];小型微型计算机系统;2011年06期
相关会议论文 前2条
1 赵英刚;刘仰光;何钦铭;;一种约减型支持向量域数据描述算法[A];第25届中国控制会议论文集(中册)[C];2006年
2 张军;戴霞;;基于误差约减的从明暗恢复形状方法[A];中国几何设计与计算新进展2007——第三届中国几何设计与计算大会论文集[C];2007年
相关博士学位论文 前2条
1 石陆魁;非线性维数约减算法中若干关键问题的研究[D];天津大学;2005年
2 于瑞国;维数约减算法研究及其在大规模文本数据挖掘中的应用[D];天津大学;2008年
相关硕士学位论文 前10条
1 张宇;基于分形的无拓扑矢量图形约减算法研究[D];四川师范大学;2015年
2 付兴虎;基于图的半监督维数约减方法的研究[D];西南大学;2016年
3 缪香香;高阶调制MIMO系统格约减辅助检测算法研究[D];南京信息工程大学;2016年
4 张磊;基于非线性维数约减的优化算法在脑电问题中的应用[D];河北工业大学;2007年
5 贺予迪;基于流形学习和低秩表示的维数约减算法研究[D];西安电子科技大学;2014年
6 燕凯;多标记维度约减和分类算法研究[D];重庆大学;2014年
7 库福来;基于核方法的非线性维数约减的人脸识别方法研究[D];云南大学;2012年
8 周楠;基于图的半监督维数约减算法研究及其应用[D];西安电子科技大学;2012年
9 王兴;大规模数据集的数据域描述及样本约减研究[D];武汉科技大学;2013年
10 梁海龙;基于邻域粗糙集的属性约简和样本约减算法研究及在文本分类中的应用[D];太原理工大学;2015年
,本文编号:1734339
本文链接:https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/1734339.html