CN102882579A - 一种用于多天线系统的并行矩阵求逆方法 - Google Patents
一种用于多天线系统的并行矩阵求逆方法 Download PDFInfo
- Publication number
- CN102882579A CN102882579A CN2012103583313A CN201210358331A CN102882579A CN 102882579 A CN102882579 A CN 102882579A CN 2012103583313 A CN2012103583313 A CN 2012103583313A CN 201210358331 A CN201210358331 A CN 201210358331A CN 102882579 A CN102882579 A CN 102882579A
- Authority
- CN
- China
- Prior art keywords
- matrix
- algorithm
- dimension
- expression
- row
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Abstract
本发明公开了一种用于多天线系统的并行矩阵求逆方法,用于多天线系统中接收端的检测与自适应传输,该发明包括以下步骤:第一步,求取旋转矩阵:以快速Givens旋转矩阵代替常规的Givens旋转矩阵,可使乘法运算量减半;采用极限、泰勒展开式的方法进一步降低开方运算的复杂度。第二步,进行旋转变换:在计算列向量的模值时采用迭代更新的方法,相较于直接计算向量模值,显著提高了算法效率。第三步,反复迭代。第四步,矩阵求逆。本发明具有很高的效率和很好的并行性,也可以应用于无线通信、信号处理以及数值计算等领域中的矩阵求逆问题。
Description
技术领域
本发明涉及一种用于多天线(MIMO)系统的并行矩阵求逆方法,尤其涉及MIMO系统检测及自适应传输时的快速矩阵求逆运算。
背景技术
移动用户数的增长及移动互联网业务的增加,对通信系统的容量和质量提了更高的要求。MIMO技术可以提供空分复用增益、分集增益及天线阵列增益,从而显著提高通信系统的频谱效率并改善通信质量。事实上,MIMO技术已经成为许多无线通信标准,如3GPP-LTE、IEEE 802.11n以及IEEE 802.16e等标准中最为关键的技术之一。因此,MIMO技术一直是当前无线通信技术领域研究的热点。
MIMO即多输入多输出,它的定义很简单:对于无线通信系统,如果其发射天线和接收天线都是多根的话,则就是一个MIMO系统。MIMO系统的数学模型涉及矩阵运算。尤其是MIMO系统接收端的检测和MIMO系统的自适应传输,均涉及大量矩阵求逆运算。因此用于MIMO系统中的矩阵求逆算法的好坏,将极大的影响无线通信系统的成本和效率。而随着天线数目的增加,矩阵维数随之上升,矩阵求逆的算法复杂度更是迅速增加,这已成为MIMO技术领域中的难点与瓶颈。因此设计出更为高效的矩阵求逆算法,适应新一代宽带无线通信系统的应用需求,具有重要的现实意义。
在MIMO检测算法中,经典的矩阵求逆算法有QR分解算法和Jacobi算法。尽管QR分解算法收敛速度更快,但是由于Jacobi算法具有很高的并行性和更好的数值精度,因而Jacobi算法在矩阵求逆中应用更为广泛。Jacobi方法有两种类型,即单边Jacobi和双边Jacobi。传统的双边Jacobi算法被广泛应用于特征值求解问题中。然而,作为一种双边Jacobi方法,每次迭代都同时涉及行和列的更新,行和列之间存在很大的数据相关性,这种数据相关性在算法的并行实现时将带来很大的核间通信代价,降低算法效率。
发明内容
本发明提出了一种用于多天线系统的并行矩阵求逆方法,基于单边Jacobi,每次迭代只涉及列的数据更新,数据相关性大大降低,因而在算法并行实现时将不需要如此巨大的核间通信代价,因此各处理器之间可以更加独立的工作,算法的并行实现将更加容易,算法效率也将更高。
本发明采用的技术方案为:一种用于多天线系统的并行矩阵求逆方法,包括以下步骤:
1)一个发送天线数为M、接收天线数为N的多天线系统,其信号的输入输出关系可表示为r=HWs+n,其中:r表示接收信号,是维度为M的列向量;s表示发送信号,是维度为L的列向量;W表示发送预编码矩阵,是维度为N×L的矩阵;H表示信道矩阵,是维度为M×N的矩阵;n表示加性高斯白噪声,是维度为M的列向量;接收端进行检测,从接收到信号r中估计出发送信号s;多天线系统主流的检测算法包括迫零(ZF)算法和最小均方误差(MMSE)算法,其检测器表达式可分别表示为 其中, 分别表示检测器采用迫零算法、最小均方误差算法对发送信号的估计,上标H表示矩阵的共轭转置,IM表示M维单位矩阵,表示噪声的平均功率,He=HW表示等效信道矩阵;
2)为了使多天线系统的传输信号能自适应于信道环境的变化,需要在发送端根据信道条件,在给定准则下自适应地选取发送预编码矩阵W,最大化MMSE和速率是一种常用的选取预编码矩阵的准则,其计算公式为
其中RMMSE(W)表示预编码矩阵为W时接收端接收信号产生的均方误差,下标j,j表示矩阵的对角线元素。
3)计算旋转矩阵:
Rk,Ak分别表示第k次迭代时的旋转矩阵和待修正的矩阵。
参数α计算如下:设I=<ai (k),ai (k)>,J=<aj (k),aj (k)>,e=<ai (k),aj (k)>,其中aj (k)表示矩阵Ak的第j列的列向量。这里<x,y>表示向量x和y的内积,若e=0,则说明两列已经正交,取α=0,否则记 其中sgn(t)表示符号函数。α这样取值可以保证相应的旋转角满足以提高算法的数值稳定性。注意到参数这里涉及到开方运算,复杂度较高,考虑进行一定的近似,从而降低复杂度。注意到α关于t是奇对称的,所以仅需讨论t>0的情形,即利用极限的知识以及Taylor(泰勒)展开式,易得:
所以,在实际计算时,可作如下近似:
其中表示对α的近似。分段点的选取是随用户要求的精度变化而变化的,上述分段点的选取是假设控制误差在10-4数量级内得到的。
4)进行旋转变换:Ak+1=AkRk(k=0,1,…):
注意到在每次旋转变换时都需要计算第i,j列的模值,即I,J的值,常规的单侧Jacobi算法采用直接求取列向量模值的方法,共需要4n个flop,n为矩阵维数。本发明提出一种效率更高的列向量模值计算的方法,如下:
从表达式中易知 所以
5)反复迭代:重复进行上述两步,选择Robin Ring Ordering作为列的正交化顺序,则Ak的各列趋向于两两正交,即Ak趋向于Q,而V=R0R1R2…Rk,即有AV=Q,即A=QV-1,其中Q表示各列两两正交的矩阵,V表示各次旋转矩阵的乘积。
6)矩阵求逆:将Q矩阵各列化为单位向量,得Q=Q0Λ,Q0为单位正交阵,Λ为对角阵,所以A=Q0ΛV-1,则A-1=VΛ-1Q0 -1=VΛ-1Q0 T,上标T表示矩阵的转置,此即完成了矩阵求逆。
本发明在单边Jacobi方法的基础上提出用快速Givens旋转矩阵代替常规的Givens旋转矩阵。采用快速Givens旋转矩阵,相较于常规的Givens旋转矩阵将节省一半的乘法运算量。采用快速Givens旋转矩阵虽然使矩阵失去了正交性,但是并不影响利用迭代的结果求取原矩阵的逆。针对单边Jacobi方法中每次迭代需要计算列向量的模,本发明提出利用迭代更新的方法,在每次矩阵修正后,及时更新改变了的列向量的模值,这样比直接计算列向量的模值效率更高。由于在求取每次的修正矩阵,即快速Givens矩阵时涉及复杂的开方运算,为了提高算法效率,减少开方运算,本发明提出采用极限逼近、泰勒展开式近似的方法来减少算法的开方运算。
有益效果:本发明提供了一种用于多天线系统的并行矩阵求逆方法,该方法基于单边Jacobi。相较于常规的单边Jacobi算法,本发明主要在三个方面提高了算法效率:第一,采用快速Givens旋转矩阵作为修正矩阵,节省了一半的乘法运算量;第二,采用极限和泰勒展开式近似,减少复杂的开方运算;第三,在计算列向量的模值时采用迭代的方法,对列向量模值进行更新。从这三个方面很大的提高了算法效率,以用于无线通信MIMO系统中的检测以及自适应传输技术中。
附图说明
图1是该发明的具体算法流程图。
具体实施方式
下面结合附图和具体实施方式对本发明做进一步说明。
如图1所示,一种用于多天线系统的并行矩阵求逆方法,包括以下步骤:
1)一个发送天线数为M、接收天线数为N的多天线系统,其信号的输入输出关系可表示为r=HWs+n,其中:r表示接收信号,是维度为M的列向量;s表示发送信号,是维度为L的列向量;W表示发送预编码矩阵,是维度为N×L的矩阵;H表示信道矩阵,是维度为M×N的矩阵;n表示加性高斯白噪声,是维度为M的列向量;接收端进行检测,从接收到信号r中估计出发送信号s;多天线系统主流的检测算法包括迫零(ZF)算法和最小均方误差(MMSE)算法,其检测器表达式可分别表示为 其中, 分别表示检测器采用迫零算法、最小均方误差算法对发送信号的估计,上标H表示矩阵的共轭转置,IM表示M维单位矩阵,表示噪声的平均功率,He=HW表示等效信道矩阵;
2)为了使多天线系统的传输信号能自适应于信道环境的变化,需要在发送端根据信道条件,在给定准则下自适应地选取发送预编码矩阵W,最大化MMSE和速率是一种常用的选取预编码矩阵的准则,其计算公式为
其中RMMSE(W)表示预编码矩阵为W时接收端接收信号产生的均方误差,下标j,j表示矩阵的对角线元素。
3)计算旋转矩阵:
Rk,Ak分别表示第k次迭代时的旋转矩阵和待修正的矩阵。参数α计算如下:设I=<ai (k),ai (k)>,J=<aj (k),aj (k)>,e=<ai (k),aj (k)>,其中aj (k)表示矩阵Ak的第j列的列向量。这里<x,y>表示向量x和y的内积,若e=0,则说明两列已经正交,取α=0,否则记 其中sgn(t)表示符号函数。α这样取值可以保证相应的旋转角满足以提高算法的数值稳定性。注意到参数这里涉及到开方运算,复杂度较高,考虑进行一定的近似,从而降低复杂度。注意到α关于t是奇对称的,所以仅需讨论t>0的情形,即利用极限的知识以及Taylor(泰勒)展开式,易得:
所以,在实际计算时,可作如下近似:
其中表示对α的近似。分段点的选取是随用户要求的精度变化而变化的,上述分段点的选取是假设控制误差在10-4数量级内得到的。
4)进行旋转变换:Ak+1=AkRk(k=0,1,…):
注意到在每次旋转变换时都需要计算第i,j列的模值,即I,J的值,常规的单侧Jacobi算法采用直接求取列向量模值的方法,共需要4n个flop,n为矩阵维数。本发明提出一种效率更高的列向量模值计算的方法,如下:
从表达式中易知 所以
5)反复迭代:重复进行上述两步,选择Robin Ring Ordering作为列的正交化顺序,则Ak的各列趋向于两两正交,即Ak趋向于Q,而V=R0R1R2…Rk,即有AV=Q,即A=QV-1,其中Q表示各列两两正交的矩阵,V表示各次旋转矩阵的乘积。
6)矩阵求逆:将Q矩阵各列化为单位向量,得Q=Q0Λ,Q0为单位正交阵,Λ为对角阵,所以A=Q0ΛV-1,则A-1=VΛ-1Q0 -1=VΛ-1Q0 T,上标T表示矩阵的转置,此即完成了矩阵求逆。
应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。本实施例中未明确的各组成部分均可用现有技术加以实现。
Claims (3)
1.一种用于多天线系统的并行矩阵求逆方法,其特征在于:包括以下步骤:
1)一个发送天线数为M、接收天线数为N的多天线系统,其信号的输入输出关系表示为r=HWs+n,其中:r表示接收信号,是维度为M的列向量;s表示发送信号,是维度为L的列向量;W表示发送预编码矩阵,是维度为N×L的矩阵;H表示信道矩阵,是维度为M×N的矩阵;n表示加性高斯白噪声,是维度为M的列向量;接收端进行检测,从接收到信号r中估计出发送信号s;多天线系统主流的检测算法包括迫零算法和最小均方误差算法,迫零算法检测器表达式表示为其中,表示检测器采用迫零算法对发送信号的估计,最小均方误差算法检测器表达式表示为其中,表示检测器采用最小均方误差算法对发送信号的估计,上标H表示矩阵的共轭转置,IM表示M维单位矩阵,表示噪声的平均功率,He=HW表示等效信道矩阵;
2)为了使多天线系统的传输信号能自适应于信道环境的变化,需要在发送端根据信道条件,在给定准则下自适应地选取发送预编码矩阵W,最大化MMSE和速率是一种常用的选取预编码矩阵的准则,其计算公式为
其中RMMSE(W)表示预编码矩阵为W时接收端接收信号产生的均方误差,下标j,j表示矩阵的对角线元素;
3)计算旋转矩阵:
将上述步骤1)和步骤2)中多天线系统中待求逆的矩阵或矩阵记为A,同时初始矩阵记为A0=A,选择旋转矩阵Rk,使Ak的i,j两列正交化,旋转矩阵Rk采用快速Givens矩阵的形式,其中Rk,Ak分别表示第k次迭代时的旋转矩阵和待修正的矩阵;
4)进行旋转变换:将求取的旋转矩阵作用于矩阵进行旋转变换:Ak+1=AkRk(k=0,1,…);
5)反复迭代:选择Robin Ring Ordering作为列的正交化顺序,则Ak的各列趋向于两两正交,即Ak趋向于Q,而V=R0R1R2…Rk,即有AV=Q,即A=QV-1,其中Q表示各列两两正交的矩阵,V表示每次旋转矩阵的乘积;
6)矩阵求逆:将Q矩阵各列化为单位向量,得Q=Q0Λ,Q0为单位正交阵,Λ为对角阵,所以A=Q0ΛV-1,则A-1=VΛ-1Q0 -1=VΛ-1Q0 T,上标T表示矩阵的转置,此即完成了矩阵求逆。
2.根据权利要求1所述的一种用于多天线系统的并行矩阵求逆方法,其特征在于:所述步骤3)中旋转矩阵采用快速Givens矩阵的形式、参数的求取采用极限和泰勒展开式近似,来避免过多的开方运算。
3.根据权利要求1所述的一种用于多天线系统的并行矩阵求逆方法,其特征在于:所述步骤4)中旋转变换中在计算列向量的模值时采用迭代更新的方法来减少运算量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210358331.3A CN102882579B (zh) | 2012-09-24 | 2012-09-24 | 一种用于多天线系统的并行矩阵求逆方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210358331.3A CN102882579B (zh) | 2012-09-24 | 2012-09-24 | 一种用于多天线系统的并行矩阵求逆方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102882579A true CN102882579A (zh) | 2013-01-16 |
CN102882579B CN102882579B (zh) | 2015-01-28 |
Family
ID=47483755
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210358331.3A Active CN102882579B (zh) | 2012-09-24 | 2012-09-24 | 一种用于多天线系统的并行矩阵求逆方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102882579B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103532890A (zh) * | 2013-10-29 | 2014-01-22 | 东南大学 | 一种对复数信道矩阵的svd分解方法 |
CN104298649A (zh) * | 2014-09-24 | 2015-01-21 | 江苏中兴微通信息科技有限公司 | 一种低复杂度的快速并行矩阵求逆方法 |
CN104360986A (zh) * | 2014-11-06 | 2015-02-18 | 江苏中兴微通信息科技有限公司 | 一种并行化矩阵求逆硬件装置的实现方法 |
CN105071843A (zh) * | 2015-07-29 | 2015-11-18 | 东南大学 | 大规模mimo系统低复杂度多项式展开矩阵求逆方法及应用 |
CN105553899A (zh) * | 2015-12-23 | 2016-05-04 | 清华大学 | 基于线性方程组求近似解的信号检测方法及装置 |
CN108809389A (zh) * | 2018-04-20 | 2018-11-13 | 东南大学 | 基于Givens旋转矩阵复用的QR分解块对角化预编码实现方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1933434A (zh) * | 2005-09-16 | 2007-03-21 | 安捷伦科技有限公司 | 频谱估计的方法和装置 |
CN101156403A (zh) * | 2005-04-01 | 2008-04-02 | 美商内数位科技公司 | 频道矩阵奇异值分解方法及装置 |
CN101243629A (zh) * | 2005-06-16 | 2008-08-13 | 高通股份有限公司 | Mimo系统的高效率滤波器权重计算 |
WO2009083615A1 (en) * | 2008-01-03 | 2009-07-09 | Commissariat A L'energie Atomique | Method for separating mixed signals into a plurality of component signals |
-
2012
- 2012-09-24 CN CN201210358331.3A patent/CN102882579B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101156403A (zh) * | 2005-04-01 | 2008-04-02 | 美商内数位科技公司 | 频道矩阵奇异值分解方法及装置 |
CN101243629A (zh) * | 2005-06-16 | 2008-08-13 | 高通股份有限公司 | Mimo系统的高效率滤波器权重计算 |
CN1933434A (zh) * | 2005-09-16 | 2007-03-21 | 安捷伦科技有限公司 | 频谱估计的方法和装置 |
WO2009083615A1 (en) * | 2008-01-03 | 2009-07-09 | Commissariat A L'energie Atomique | Method for separating mixed signals into a plurality of component signals |
Non-Patent Citations (3)
Title |
---|
FRANKLIN T, HAESUN PARK: "A Proof of Convergence for Two Parallel Jacobi SVD Algorithms", 《IEEE TRANSACTIONS ON COMPUTERS》 * |
史开新: "MIMO系统中信号检测技术的研究", 《CNKI优秀硕士学位论文全文库》 * |
秦一平,高西奇, 江彬: "M IMO-GMC链路自适应方法及其DSP实现", 《电子工程师》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103532890A (zh) * | 2013-10-29 | 2014-01-22 | 东南大学 | 一种对复数信道矩阵的svd分解方法 |
CN103532890B (zh) * | 2013-10-29 | 2017-03-29 | 东南大学 | 一种对复数信道矩阵的svd分解方法 |
CN104298649A (zh) * | 2014-09-24 | 2015-01-21 | 江苏中兴微通信息科技有限公司 | 一种低复杂度的快速并行矩阵求逆方法 |
CN104298649B (zh) * | 2014-09-24 | 2017-05-17 | 江苏中兴微通信息科技有限公司 | 一种低复杂度的快速并行矩阵求逆方法 |
CN104360986A (zh) * | 2014-11-06 | 2015-02-18 | 江苏中兴微通信息科技有限公司 | 一种并行化矩阵求逆硬件装置的实现方法 |
CN104360986B (zh) * | 2014-11-06 | 2017-07-25 | 江苏中兴微通信息科技有限公司 | 一种并行化矩阵求逆硬件装置的实现方法 |
CN105071843A (zh) * | 2015-07-29 | 2015-11-18 | 东南大学 | 大规模mimo系统低复杂度多项式展开矩阵求逆方法及应用 |
CN105071843B (zh) * | 2015-07-29 | 2017-12-22 | 东南大学 | 大规模mimo系统低复杂度多项式展开矩阵求逆方法及应用 |
CN105553899A (zh) * | 2015-12-23 | 2016-05-04 | 清华大学 | 基于线性方程组求近似解的信号检测方法及装置 |
CN105553899B (zh) * | 2015-12-23 | 2018-10-02 | 清华大学 | 基于线性方程组求近似解的信号检测方法及装置 |
CN108809389A (zh) * | 2018-04-20 | 2018-11-13 | 东南大学 | 基于Givens旋转矩阵复用的QR分解块对角化预编码实现方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102882579B (zh) | 2015-01-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102882579B (zh) | 一种用于多天线系统的并行矩阵求逆方法 | |
Hu et al. | Low-complexity signal detection using CG method for uplink large-scale MIMO systems | |
CN107359921B (zh) | 大规模mimo系统基于标准正交化的混合预编码方法 | |
Liang et al. | Mixed-ADC massive MIMO uplink in frequency-selective channels | |
US9729277B2 (en) | Signal detecting method and device | |
CN104618061A (zh) | 一种大规模多天线系统中多用户信号的检测方法 | |
Chen et al. | Low-complexity precoding design for massive multiuser MIMO systems using approximate message passing | |
Wang et al. | Efficient channel estimation for massive MIMO systems via truncated two-dimensional atomic norm minimization | |
CN102291166B (zh) | 多用户多输入多输出系统中最小均方误差的预编码方法 | |
CN102546088A (zh) | 一种块对角化预编码方法及装置 | |
CN102684766B (zh) | 下行多用户mimo系统中的低复杂度预编码方法 | |
Minango et al. | Low-complexity MMSE detector for massive MIMO systems based on Damped Jacobi method | |
CN101964695B (zh) | 多用户多输入多输出下行链路预编码方法及系统 | |
CN103166742A (zh) | Mimo信号的对偶格约减辅助检测方法 | |
CN106788644A (zh) | 一种基于改进的牛顿迭代法的大规模mimo预编码方法 | |
CN104320369A (zh) | 一种基于信道估计误差和数据检测误差的迭代方法 | |
CN104506470A (zh) | 一种适用于并行传输系统符号检测的计算高效的mmse-ⅱcpd算法 | |
CN102227098A (zh) | 一种多模mimo-scfde自适应传输系统频域承载点选取方法 | |
CN105187102A (zh) | 一种基于超松弛迭代的低复杂度迫零预编码方法 | |
CN106533521A (zh) | 一种基于截短级数展开的lr‑rzf大规模mimo系统预编码方法 | |
CN107707284B (zh) | 一种基于信道统计量码本量化反馈的混合预编码方法 | |
Chen | Constructive interference-based symbol-level precoding design for millimeter-wave massive multiuser MIMO systems with hardware-efficient hybrid precoding architecture | |
CN106330280A (zh) | 一种大规模mimo预编码方法 | |
CN107733487B (zh) | 一种大规模多输入多输出系统的信号检测方法及装置 | |
Jing et al. | Low-complexity soft-output signal detector for massive MIMO with higher order QAM constellations |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |