面向5G的Massive MIMO低复杂度预编码和信号检测算法的研究

发布时间：2020-06-03 00:35

【摘要】：随着海量智能终端接入无线网络,移动通信业务数据量呈爆炸式增长,未来无线网络容量将受到前所未有的挑战。为了应对这一挑战,第五代移动通信系统(5th Generation mobile communications systems,5G)通过增加节点密度、开发新的频段、提高频谱效率等多个维度同时提升无线网络容量。大规模多天线(Massive Multiple-Input Multiple-Output,Massive MIMO)技术通过深度挖掘和利用空间维度能够巨幅提升系统容量、频谱效率、能量效率以及链路稳定性等性能指标,成为5G网络物理层最为核心的关键技术之一。而预编码和信号检测技术作为有效减小用户间干扰和提升系统性能的主流技术,已成为大规模多用户多输入多输出(Multi-User Multiple-Input Multiple-Output,MU-MIMO)系统的必不可少的核心部分。由于空间资源丰富,极大地提高了预编码、信号检测等信息处理的运算复杂度。基于此,本文主要针对Massive MU-MIMO系统中的低复杂度预编码和信号检测问题进行深入的研究,具体研究内容和主要贡献如下:一,针对未过载Massive MU-MIMO系统,本文提出了具有高效并行、易于实现的低复杂度下行链路预编码方案。首先,综合考虑小尺度衰落、大尺度衰落、时延、硬件执行复杂度等多方面实际因素,利用矩阵分解思想和逆矩阵多项式级数累加的方法,设计了一种高效并行的正规化迫零(Regularized Zero-Forcing,RZF)预编码近似方案。同时,利用随机矩阵理论(Random Matrix Theory,RMT)和差分运算可以简化矩阵多项式因子序列的求解过程,从而得到多项式因子的近似闭合表达式。进一步的,基站端采用功率分配方案,根据不同系统配置和信噪比(Signal to Noise Ratio,SNR)可以灵活选择预编码矩阵阶数,从而实现系统和速率与硬件开销之间的良好折衷。在硬件实现方面,所提预编码方案可以采用流水线结构进行多级矩阵-向量乘法单元并行处理;然后,本文进一步考虑蜂窝小区用户数量显著增加的未过载Massive MU-MIMO系统,通过引入预处理最陡梯度下降法(Preconditioning Steepest Descent,PSD)和对角纽曼序列(DiagonalNeumann Series,DNS)迭代算法联合设计思想,提出了一种具有高效并行、快速收敛的联合迭代预编码方案,该方案记为最陡梯度下降-对角纽曼预编码方案(Preconditioning Steepest Descent-Diagonal Neumann Series,DNS-PSD),其核心思想是:首先,将复杂的Massive MIMO预编码问题转化为求解线性方程问题,然后,将求解线性方程问题转化为利用DNS-PSD迭代法快速求解最小二次型问题。在预处理最陡梯度下降法中,通过利用DNS矩阵的优异特性来设计最陡梯度下降法的左预处理矩阵,可以显著地提升收敛速率。同时结合DNS迭代算法,能够进一步突破了未过载Massive MIMO系统配置对预编码方案收敛性能的限制。二,针对未过载Massive MIMO场景下,用户频繁地随机接入或者离开蜂窝网络引发的信道扰动问题,本文提出了一种具有快速更新、实时处理的上行动态信号检测机制。该动态机制主要包含快速更新矩阵模块和初始输入逆矩阵模块的设计。首先,考虑用户瞬时加入或者离开蜂窝网络的场景,利用分块矩阵逆引理分别设计了Inflate扩展和Deflate压缩两种实时更新算法。然后,为了进一步减轻系统性能和复杂度之间的矛盾,利用迭代理论、RMT、矩阵分析理论等数学工具,提出了两种快速更新信号检测方案:迫零-矩阵分解多项式展开-更新方案(Zero-Forcing Matrix Decomposition Polynomial Expansion update,ZF-MDPE-update)和迫零-逐次超松弛迭代-更新方案(Zero-Forcing Successive Over-Relaxation update,ZF-SOR-update)。由于所提方案可以对信道扰动下的检测矩阵进行直接更新,从而大幅度降低了信号检测的运算复杂度。理论分析和仿真结果证实了所提方案较好地克服了用户动态接入场景下需要频繁地重新计算整个高维逆矩阵的问题,拥有极低的复杂度,并且能够实现与理想ZF(Zero-Forcing,ZF)检测方案进行重算之后相同的系统性能。三,针对过载Massive MU-MIMO系统,本文提出了一种具有低复杂度、高频谱效率的上行链路信号检测方案。首先,建立了过载条件下的实数接收信号模型,并在此模型下从理论上对广义最小均方误差(Widely-Linear Minimum Mean Square Error,WL-MMSE)信号检测方案展开性能分析,而后从数学上严格地推导了WL-MMSE与传统最小均方误差(Minimum Mean Square Error,MMSE)信号检测方案的渐近和速率之间的关系。为了进一步降低WL-MMSE检测方案的计算复杂度,本文还设计了一种基于Cheby she v多项式加速对称逐次超松弛(Symmetric Successive Over-Relaxation,SSOR)混合动态迭代算法的高频谱效率WL-MMSE信号检测方案。在算法设计方面,该方案利用Chebyshev多项式构造了SSOR的二次迭代,打破了现有研究采用静态迭代算法降低复杂度的思路,在Massive MIMO信号检测方案中提出动态迭代思想,显著提升了系统性能。相比于基于矩阵多项式展开(Polynomial Expansion,PE)的信号检测方案、静态迭代检测方案以及传统MMSE,匹配滤波器(Matched Filter,MF)等信号检测方案,在实数接收信号模型下,所提的低复杂度信号检测方案在系统和速率与误比特率(Bit Error Ratio,BER)方面具有明显的优势。另外,所提方案还具备较低的存储成本以及对空间相关信道不敏感的特性。
【图文】：

矩阵A,特征值,精确解,表达式

Ｘ逡逑＝邋＾［ｒ＋ａ［邋—＼＝ｄｘ邋＋邋—邋［邋－＼＝ｄｘ逡逑＾邋２邋＾邋（２－２８）逡逑ｒｚ邋ｒ—邋．逦２邋Ａ邋＋邋Ｂｘ逦Ｂ邋２ｃｘ邋＋邋Ｂ逡逑＝ｖ／ｖ邋－ｙＪＡ邋ａｒｃｓｉｎ邋—，逦：逦ａｒｃｓｉｎ（—产＝－）逡逑ｘ＾ＪＢ２－４Ａｃ邋２逦Ｖ－Ａ逡逑／－ｚｒ逦／—ｒ逦．邋（ａ邋＋邋ｂ）ｘ－２ａｂ邋ａ邋＋邋ｂ邋．邋，邋ａ邋＋邋ｂ邋－邋２ｘ、逡逑＝＾ＪＲ邋－ｙｊａｂ邋ａｒｃｓｉｎ－逦ａｒｃｓｍ（逦）逡逑ｘ（ｂ邋—邋ａ）逦２逦ｂ邋—邋ａ逡逑将式（２－２０）代入式（２－２８）中，则有逡逑ｆ（ｘ）邋＝￡／ｐ（ｘ）＾逡逑＝—！—邋［Ｊ－ｘ２邋＋｛ａ邋＋邋ｂ）ｘ邋－邋ａｂ邋－邋－Ｊａｂ邋ａｒｃｓｉｎ逦——Ａ－￣（２－２９）逡逑２：ｉｐｔ逦ｘ（ｂ－ａ）逡逑（ａ－＼－ｂ）逦？邋，ａ邋＋邋ｂ－２ｘ、逦ｎ（＾［ａ－４ｂ）２邋ｎ逡逑逦ａｒｃｓｉｎ（逦）邋＋逦１逡逑２逦ｂ－ａ逦４逡逑其中ｆｌ邋＝邋（ｌ邋—ｌ）２，６邋＝邋（ｌ邋＋邋ｌ）２。将ａ和６代入式（２－２９），可得Ｆ0ｃ）的精确解析逡逑表达式。逡逑／３ｃ＝0１２５逦Ｊ0＝０．２５逡逑１２邋逦１逦１逦１逦１逦■逦＞逦＞逦邋０．９邋Ｉ逦１逦１逦１逦１逦逡逑

下行系统

在一个ＴＤＤ邋Ｍａｓｓｉｖｅ邋ＭＵ－ＭＩＭＯ下行系统中（如图３－１所示），小区基站配备了逡逑Ｗ根天线，在同一时频资源内服务于火个单天线用户，假定尤《＃且小区基站逡逑天线数与所有用户天线比Ｐ＝Ｙ／尤为常数。在接收端，用户接收的复基带信号逡逑ｙｅＣ—可以表示为逡逑ｙ邋＝邋ＧＷＰｌ２ｓ邋＋邋ｎ逦（３－１）逡逑其中Ｓ邋＝逦ｈｆｅＣ？表示基站发送至尺个用户的信号向量，且该向量服从逡逑Ｗ（０Ｍ，ＩＪ，Ｇ表示尺ｘ＃维的信道矩阵，ｎ？ＣＶ（０，＜ＩＡ．）表示均值为０，．方逡逑差为邋＜乙的尺ｘ邋１维的加性复高斯白噪声。Ｐ邋＝邋ｄｉａｇ（Ａ，朽，．．．，）表示功率分配矩逡逑阵，其相应的对角元素分别表示个用户信号的发送功率。假设基站总发送功率逡逑为／＾，，则＝／＾。为了满足总发送功率约束，ＷｅＣ＾表示；Ｖｘ／：维归逡逑一化预编码矩阵。逡逑３．２．１．１信道模型逡逑在Ｍａｓｓｉｖｅ邋Ｍ１Ｍ０下行系统中，从基站到Ａ：个用户之间的信道矩阵Ｇ包含了逡逑大尺度衰落和小尺度衰落，具有如下形式逡逑
【学位授予单位】：北京邮电大学
【学位级别】：博士
【学位授予年份】：2019
【分类号】：TN929.5

【相似文献】