基于因子图的MIMO-LDPC联合检测算法研究

发布时间：2020-05-03 20:40

【摘要】：多输入多输出(Multiple-Input-Multiple-Output,MIMO)技术以频谱利用率高的特点成为近年来无线通信领域的研究热点。为了满足更高通信带宽的需求,增大天线数量在所难免,然而天线数量的增加对MIMO系统信号检测算法的性能和复杂度提出了更高的要求。低密度奇偶校验码(Low Density Parity Check Codes,LDPC)作为一种优越的抗随机错误的能力信道编码,可以有效的提高系统可靠性。因此结合MIMO技术与LDPC码的联合系统具有重要的研究价值。基于因子图的消息传递算法是近年来解决通信问题的一种新方法,可以将MIMO信号检测问题抽象为概率推理问题,这个图模型中的相邻节点之间会存在概率上的依赖关系,所以可以使用消息传递的方法完成图中节点的概率推理以及更新过程。本文以MIMO-LDPC系统作为研究对象,主要研究了基于因子图的MIMO信号与LDPC联合检测算法。首先回顾了MIMO技术的相关背景,介绍了传统MIMO信号检测算法的原理,通过仿真分析了各自的性能。然后介绍了因子图建模与置信度传播算法(Belief Propagation,BP)的原理,并针对MIMO信号检测与LDPC译码都可以采用BP算法的特点,将信号检测器与译码器因子图中的变量节点进行了合并,提出了基于因子图的MIMO-LDPC联合迭代检测算法,算法在拥有较低复杂度的同时取得了优于独立检测译码系统的性能。然后针对BP算法在高阶调制的MIMO系统中性能较差的问题,提出了非二进制BP(Non-Binary Belief Propagation,NB-BP)算法,在变量节点处通过符号概率与比特概率之间的转换,实现了高阶调制系统中基于因子图的MIMO-LDPC联合迭代检测算法,并对算法进行了仿真分析,仿真表明在多天线系统下可以以比MMSE-PIC低两个数量级的运算复杂度获得1dB的性能增益。
【图文】：

过程图,数据流,干扰消除,过程

第二章 MIMO 系统传统检测算法 k k ka hx(2-23）干扰消除：通过从 m y 中减去式（2-27）得到信号向量 m 1 y 来实现干 1 m m mk k kx y y a y h(2-24）更新信道矩阵H和阶段索引值m ，，将 m H 中的第列置 0 从而得到 mH 11 2 1 1mm m k H h h h h h (2-2 m m 1回到第一步直到m k为止。 2-2 是对四个数据流的干扰消除检测流程示意图[25]。
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TN92

【参考文献】