CN104301005A - 联合检测方法及装置 - Google Patents

Abstract

本发明公开了一种联合检测方法及装置，其中，该方法包括：根据接收到的需要进行联合检测的信号，构造系统方程x=Bd+n；利用具有收敛特性的迭代算法求解系统方程，并根据求解结果获取发送信号。通过本发明，采用迭代线性方程组求解系统方程的技术方案，不需要对矩阵直接求逆，可以实现数据的并行处理，降低了联合检测的复杂度。

Description

联合检测方法及装置

技术领域

本发明涉及通信领域，具体而言，涉及一种联合检测方法及装置。

背景技术

时分同步码分多址接入（Time Division-Synchronous Code DivisionMultiple Access，简称为TD-SCDMA）系统是第三代移动通信系统的标准之一。在TD-SCDMA系统中，多个用户的信号在时域和频域上是混叠的，接收时需要在数字域上利用一定的信号分离方法将各个用户的信号分离。信号分离的方法一般分为单用户检测和多用户检测，联合检测（JointDetection，简称为JD）是TD-SCDMA系统中的关键技术之一，属于多用户检测的一种，可以消除多径引起的多址干扰（Multiple AccessInterference，简称为MAI）和码间串扰（Inter-Symbol Interference，简称为ISI）对系统性能的影响，提高系统的抗干扰能力，增大系统容量。

在一个TD-SCDMA系统中，典型的传播过程是上行的传播过程，下行传播可以看成上行传播的一个特例。图1是根据相关技术的K个用户的上行信号传输模型示意图，下面结合图1对上行信号的传输进行说明。

在图1中示出了两根接收天线，其中c^(k)是用户扩频码，h^(k,m)是第K个用户到第m个天线的信道，n^(m)为第m个天线信道的噪声，d^(k)为第k个用户发送的数据，为第k个用户的估计数据信号，设用户数为K，每个用户发射N个数据信号。则第k个用户发射的数据符号向量可表示为：

$d^{\left(k\right)}={(d_1^{\left(k\right)},d_2^{\left(k\right)},...,d_N^{\left(k\right)})}^T,k=\mathrm{1,2},...,K---\left(1\right)$

其中，上标T表示转置运算。

信息符号经过长度为Q的扩频序列：

$c^{\left(k\right)}={(c_1^{\left(k\right)},c_2^{\left(k\right)},...,c_Q^{\left(k\right)})}^T,k=\mathrm{1,2},...,K---\left(2\right)$

进行扩频之后，再进行加扰、调制，然后经由天线发射出去。

接收方天线与发送方天线之间的第k个用户的第m条天线信道响应可以表示为：

$h^{(k,m)}={(h_1^{(k,m)},h_2^{(k,m)},...,h_W^{(k,m)})}^T,k=\mathrm{1,2},...,K,m=\mathrm{1,2},...,M---\left(3\right)$

其中，W表示信道响应的最大窗长，且W≠1意味着有符号间干扰；M表示基站的天线数目。

则该第k个用户的第m个天线上的激励响应为：

$b^{(k,m)}={[b_1^{(k,m)},b_2^{(k,m)},...,b_{Q+W-1}^{(k,m)}]}^T=c^{\left(K\right)}\×h^{(k,m)}-\left(4\right)$

因此基站的天线接收的信号为

$e^{\left(m\right)}={(e_1^{\left(m\right)},e_2^{\left(m\right)},...,e_{Q=w-1}^{\left(m\right)})}^T=\underset{k=1}{\overset{k}{\mathrm{\Σ}}}{c}^{\left(k\right)}\×h^{(k,m)}+n^{\left(m\right)}m=\mathrm{1,2},...,M---\left(5\right)$

接收信号可以用系统方程表示为：

x=Bd+n   （6）

联合检测是根据式6中的x和B估算出用户的发送信号d，其中，n表示噪声，x表示接收信号。从该公式可知，需要知道系统矩阵B，而B包括各用户的扩频码和无线信道响应。在相关技术中有多种得到B的方法，例如，在TD-SCDMA系统中，基站已知这些扩频码，然后通过发送训练序列midamble和运用B.Steiner估计器就可以获得各用户的信道响应。

在B确定和噪声n确定的情况下，就可以计算出d，图2是根据相关技术的联合检测算法在TD-SCDMA系统接收机中的位置示意图，如图2所示，在接收到信号之后，进行信道估计，然后构造系统矩阵，再通过联合检测算法来对系统矩阵进行求解。

在相关技术中，一般采用的联合检测算法包括：时域Cholesky分解（Cholesky Decomposition，简称为CD），时域近似Cholesky分解，频域均衡求解等。其中，这些求解方法涉及到矩阵的求逆运算，运算复杂度比较高。

例如，时域Cholesky分解求逆计算复杂度为～O((22K)³)。其中，K表示用户数，并且，该方法并不会从硬件或数字信号处理器（Digital SignalProcessor，简称为DSP）中广泛采用的强大的矢量引擎（大量可用的介质访问控制（Media Access Control，简称为MAC），32位）受益很多。图3是根据相关技术的Cholesky分解的示意图，如图3所示，CD方法每次只能处理一部分信号，进行下次乘法前需进行切换操作，因此，计算所需的时间较长且比较复杂，该方法计算公式如下：

$L_{\mathrm{jj}}=A_{\mathrm{jj}}-\underset{k=1}{\overset{j-1}{\mathrm{\Σ}}}{L}_{\mathrm{jk}}{L}_{\mathrm{jk}}^{*}{L}_{\mathrm{kk}}$

其中，L表示A矩阵的Cholesky分解的下三角矩阵，A是要做分解的矩阵，k是矩阵的下脚标（第k行，或者第k列）。

又例如，时域近似Cholesky分解，该方法虽然能够降低矩阵求逆的复杂度，但只有在严格的对角结构占优势的矩阵中该性能才能得到保证，其求逆复杂度为～O((2K)³)。

又例如，频域均衡，利用快速傅里叶变换（Fast Fourier Transform，简称为FFT）将大矩阵的求逆简化为几个小矩阵的求逆，其复杂度为～O(24*K³/2)，但是，Cholesky分解不能充分并行进行，不能完全使用所有运算单元，所以会带来额外的快速傅里叶逆变换（Inverse Fast FourierTransform，简称为IFFT）运算复杂度为～O((K+1)²*12log24)。

因此，上述方法均需要对矩阵求逆，导致联合检测复杂度增加，针对上述问题，目前尚未提出有效的解决方案。

发明内容

本发明提供了一种联合检测方法及装置，以至少解决相关技术中联合检测方法需要直接对矩阵求逆，运算量很大，导致联合检测复杂度增加的问题。

根据本发明的一个方面，提供了一种联合检测方法，包括：根据接收到的需要进行联合检测的信号构造系统方程x=Bd+n，其中，x为接收信号矩阵，B为系统矩阵，d为发送信号矩阵，n为噪声矩阵；利用具有收敛特性的迭代法求解所述系统方程，并根据求解结果获取发送信号。

优选地，利用具有收敛特性的迭代法求解所述系统方程包括：利用雅可比Jacobi迭代法求解所述系统方程；或者，利用具有逐次超松弛SOR的高斯-赛德尔Gauss-Seidel迭代法求解所述系统方程。

优选地，利用具有SOR的高斯-赛德尔Gauss-Seidel迭代法的SOR因子大于0且小于2。

优选地，所述B为块状特普利茨矩阵。

根据本发明的另一个方面，还提供了一种联合检测装置，包括：构造模块，被设置为根据接收到的需要进行联合检测的信号构造系统方程x=Bd+n，其中，x为接收信号矩阵，B为系统矩阵，d为发送信号矩阵，n为噪声矩阵；处理模块，被设置为利用具有收敛特性的迭代法求解所述系统方程，并根据求解结果获取发送信号。

优选地，所述处理模块，被设置为利用雅可比Jacobi迭代法求解所述系统方程；或者，被设置为利用具有逐次超松弛SOR的高斯-赛德尔Gauss-Seidel迭代法求解所述系统方程。

优选地，所述SOR的高斯-赛德尔Gauss-Seidel迭代法的SOR因子大于0且小于2。

优选地，所述B为块状特普利茨矩阵。

通过本发明，采用迭代线性方程组求解系统方程的方法，不需要对矩阵直接求逆，可以实现数据的并行处理，从而简化求解的复杂度，降低了联合检测实现的复杂度。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据相关技术的K个用户的上行信号传输模型示意图；

图2是根据相关技术的联合检测算法在TD-SCDMA系统接收机中的位置示意图；

图3是根据相关技术的Cholesky分解的示意图；

图4是根据本发明实施例的联合检测方法的流程图；

图5是根据本发明实施例的块状特普利茨矩阵的结构示意图；

图6是根据本发明实施例的联合检测装置的结构框图；

图7是根据本发明优选实施例的联合检测方法的示意图；

图8是根据本发明优选实施例的几种联合检测方法的性能比较示意图。

具体实施方式

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。

需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

以下实施例中涉及的方法以及装置可以应用到接收机中，该方法以及装置可以通过一个或多个处理器来实现，例如CPU等。本实施例提供了一种联合检测方法，该联合检测方法可以应用在TD-SCDMA系统，对于其他制式的系统，如果存在同样的问题，本实施例中所提供的方法是同样适用的。图4是根据本发明实施例的联合检测方法的流程图，如图4所示，该流程包括如下步骤：

步骤S402，根据接收到的需要进行联合检测的信号构造系统方程x=Bd+n，其中，x为接收信号矩阵，B为系统矩阵，d为发送信号矩阵，n为噪声矩阵。

步骤S404，利用具有收敛特性的迭代法求解所述系统方程，并根据求解结果获取发送信号。

相关技术中，联合检测方法需要直接对矩阵求逆，运算量较大，导致复杂度增加。通过上述步骤，采用迭代线性方程组求解系统方程的方法，不需要对矩阵直接求逆，可以实现数据的并行处理，从而简化求解的复杂度，降低了联合检测的复杂度。

具有收敛特性的迭代法有很多种，在实施例中优选了两种：第一种，利用雅可比Jacobi迭代法求解系统方程；第二种，利用具有逐次超松弛（Success Over Relax，简称为SOR）的高斯-赛德尔（Gauss-Seidel）迭代法求解系统方程，优选地，可以采用大于0小于2的SOR因子。上述的两种方法均不需要进行矩阵求逆运算，并且均收敛。其中，具有SOR的Gauss-Seidel迭代法收敛速度比较快，虽然采用Jacobi迭代法求解方程收敛速度比具有SOR的Gauss-Seidel迭代法慢，但仍能解决相关技术中需直接对矩阵求逆引起的复杂度增加的问题。其他的具有收敛特性的迭代方法也能够解决相关技术存在的问题，只不过性能有所差异而已，在实施时可综合考虑并通过比较来确定采用哪种迭代法。

优选地，系统矩阵B可以为块状特普利茨矩阵，图5是根据本发明实施例的块状特普利茨矩阵的结构示意图，如图5所示，块状特普利茨（block-Toeplitz）矩阵具有很好的结构，第一块的行和最后一块的行最多具有2K（假设每个用户只有一个扩频码，则K表示用户数。在实际系统中如果一个用户可以分配多个码字，则这种情况下K就是当时时隙所有活跃用户的码字的个数）个非零元素；中间块的行最多具有3K个非零元素（如图3中间方框所示）。

近似Cholesky分解仅在绝对对角占优的矩阵中性能才可得到保证，例如图5左上角的方框内所示。对于图5中间方框所示的矩阵结构，该行最多具有3K个非零元素，因此，基于SOR的Gauss-Seidel迭代线性方程求解器可以有效应用。图5中虚线范围内的矩阵，为了进行基于块FFT运算的FDE方法，需要在原矩阵的基础上增加一行和一列，实现块循环，但是，一般很难对奇点数进行FFT运算，所以，增加两行两列以使用24-ptFFT。

本实施例还提供了一种联合检测装置，该装置可以用于实现上述联合检测方法。图6是根据本发明实施例的联合检测装置的结构框图，如图6所示，该装置包括：构造模块62、处理模块64。下面对这两个模块进行说明。

构造模块62，被设置为根据接收到的需要进行联合检测的信号构造系统方程x=Bd+n，其中，x为接收信号矩阵，B为系统矩阵，d为发送信号矩阵，n为噪声矩阵；

处理模块64，耦合至构造模块62，被设置为利用具有收敛特性的迭代法求解系统方程，并根据求解结果获取发送信号。

优选地，处理模块64，被设置为利用雅可比Jacobi迭代法求解系统方程；或者，被设置为利用具有逐次超松弛SOR的高斯-赛德尔Gauss-Seidel迭代法求解系统方程。

需要说明的是：本实施例中所涉及到的模块、子单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中所描述的模块、子单元也可以在处理器中，例如，一种处理器，包括构造模块62、处理模块64。其中，这些模块、子单元的名称在某些情况下并不构成对该模块本身的限定，例如，构造模块62还可以描述为“被设置为根据接收到的需要进行联合检测的信号构造系统方程的模块”。

图5是根据本发明优选实施例的联合检测方法的示意图，与图1相比，很明显，图5所示的信号同时处理的，并且只要有足够强大的硬件（例如，乘法器或加法器），所有的运算单元同时计算，就可以一次计算所有数据（或称为信号），而不需要处理完一部分信号，再处理另一部分信号，从而节省联合检测的时间。由此可见，只要硬件足够强大，使用上述实施例所示的联合检测方法就能够充分并行处理。

为了使本发明的技术方案和实现方法更加清楚，下面将结合优选的实施例对其实现过程进行详细描述。

在本优选实施例中以单天线系统为例进行说明。

假设在每个时隙有K个用户，分别用K个不同的正交码扩频，每个用户在一个数据块内传送N个码元，第k个用户的N个码元表示为：

$d^{\left(k\right)}={(d_1^{\left(k\right)},d_2^{\left(k\right)},...,d_N^{\left(k\right)})}^T\∈C^N,k=1,...,K---\left(1\right)$

每个码元序列用扩频因子为Q的序列扩频，扩频序列为：

$c^{\left(k\right)}={(c_1^{\left(k\right)},c_2^{\left(k\right)},...,c_Q^{\left(k\right)})}^T\∈C^Q,k=1,...,K---\left(2\right)$

将此扩频序列与N×N的单位矩阵h^(k,m)作Kronecker乘，得到对应于第k个扩频码的块对角扩频矩阵，

假设接收端有M根天线，第k个用户（对应于第k个扩频码），在第m根天线上的信道冲激响应向量h^(k,m)的长度为W，则K个用户的长度为NQ+W-1的数据序列同步到达接收端，并且受到一个静态的高斯白噪声序列的干扰，第m根天线对应的白噪声序列可以表示为：

$n^{\left(m\right)}={(n_1^{\left(m\right)},n_2^{\left(m\right)},...,n_{\mathrm{NQ}+W-1}^{\left(m\right)})}^T---\left(4\right)$

这样第m根天线上的接收量可以表示为：

$x^{\left(m\right)}=\left(\begin{array}{c}{x}_1^{\left(m\right)}\\ x_2^{\left(m\right)}\\ .\\ .\\ .\\ x_{\mathrm{NQ}+W-1}^{\left(m\right)}\end{array}\right)=\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{H}^{(k,m)}{C}^{\left(k\right)}{d}^{\left(k\right)}+\left(\begin{array}{c}{n}_1^{\left(m\right)}\\ n_2^{\left(m\right)}\\ .\\ .\\ .\\ n_{\mathrm{NQ}+W-1}^{\left(m\right)}\end{array}\right)---\left(5\right)$

其中，

即H^(k,m)∈C^(NQ+W-1)×NQ是由信道冲激响应向量h^(k,m)组成的Toeplitz矩阵。

B^(k,m)=H^(k,m)C^(k)∈C^(NQ+W-1)×N   （6）

B^(k,m)是由混合响应向量b^(k,m)组成的block-Toeplitz矩阵，混合响应向量b^(k,m)可以表示成信道冲激响应向量h^(k,m)与相应的扩频码c^(k)的卷积，如下：

$b^{(k,m)}={[b_1^{(k,m)},b_2^{(k,m)},...,b_{Q+W-1}^{(k,m)}]}^T=h^{(k,m)}*c^{\left(k\right)}\∈C^{Q+W-1},k=1,K;m=1,...,M---\left(7\right)$

则接收向量可以表示为：

$x^{\left(m\right)}=\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{B}^{(k,m)}{d}^{\left(k\right)}+n^{\left(m\right)},m=1,...,M---\left(8\right)$

总接收向量可表示为：

x=Bd+n   （9）

其中，

其中，V=[b⁽¹⁾,b⁽²⁾,…b^(k)]∈C^(NQ+W-1)M×K   （10）

又，b^(k)=[b^(k,1)T,b^(k,2)T,…,b^(k,M)T]^T为M根天线上的混合信道冲激响应向量组成的列向量。

上述式（9）即为系统方程，x表示接收的数据向量，B表示系统矩阵，d表示K个用户在一个时隙内的数据向量，n表示加性噪声。联合检测的目的就是根据上式中的B和x估计出用户发送的原始信号d，B由所有用户的扩频码以及信道冲激响应决定，因此，联合检测算法的前提是能够得到所有用户的扩频码和信道冲激响应。实际上，TD-SCDMA系统在帧结构中设置了用来进行信道估计的训练序列Midamble，根据接收到的训练序列部分信号和已知的训练序列就可以估算出信道冲激响应，且扩频码是确知的，从而可以达到估计用户原始信号的目的。

在一个优选实施例中，式（9）所示的系统方程的求解过程可以看成求解A_m,nx=b（A_m,n为m×n阶的块Toeplitz矩阵）形式的线性方程组，下面对Jacobi和Gauss-Seidel分别进行说明。

（1）Jacobi迭代法

设线性方程组Ax=b的系数矩阵A可逆且主对角元素a₁₁,a₂₂,…a_nn均不为零，

令D=diag(a₁₁,a₂₂,…a_nn)，并将A分解成A=(A-D)+D，从而Ax=b可写成如下形式：

Dx=(D-A)x+b

令x=B₁x+f₁

其中，B₁=I-D^-1A,f₁=D^-1b。

以B₁为迭代矩阵（即系统矩阵）的Jacobi迭代法公式如下：

x^(k+1)=B₁x^(k)+f₁

用向量的分量表示该公式为：

$x_i^{(k+1)}=\frac{1}{a_{\mathrm{ii}}}[b_{\text{i}}\underset{j\≠i}{\overset{n}{\underset{j=1}{\mathrm{\Σ}}}}{a}_{\mathrm{ij}}{x}_j^{\left(k\right)}\text{],i=1,2,...n,k=0,1,2...}$

其中， $x^{\left(0\right)}={(x_1^{\left(0\right)},x_2^{\left(0\right)},...x_n^{\left(0\right)})}^T$ 为初始向量。

由此看出，Jacobi迭代法公式简单，每迭代一次只需计算一次矩阵和向量的乘法。在电算时需要两组存储单元，以存放x^(k)及x^(k+1)。

（2）Gauss-Seidel迭代解法

由Jacobi迭代公式可知，在迭代的每一步计算过程中是用x^(k)的全部分量来计算x^(k+1)的所有分量，显然在计算第i个分量时，已经计算出的最新分量没有被利用，从直观上看，最新计算出的分量可能比旧的分量要好些。

因此，对这些最新计算出来的第k+1次近似x^(k+1)的分量加以利用，就得到所谓解方程组的Gauss-Seidel迭代法。

把系数矩阵A分解成A=D-L-U，

其中，D=diag(a₁₁,a₂₂,…a_nn)，-L，-U分别为A的主对角元素除外的下三角和上三角部分，于是，Ax=b便可以写成如下形式：

(D-L)x=Ux+b

即x=B₂x+f₂

其中，B₂=(D-L)^-1U，f₂=(D-L)^-1b

以B₂为迭代矩阵构成的Gauss-Seidel迭代公式为：

x^(k+1)=B₂x^(k)+f₂

用向量的分量表示的形式为

$x_i^{(k+1)}=\frac{1}{a_{\mathrm{ii}}}[b_i-\underset{j=1}{\overset{i-1}{\mathrm{\Σ}}}{a}_{\mathrm{ij}}{x}_j^{(k+1)}-\underset{j=i+1}{\overset{n}{\mathrm{\Σ}}}{a}_{\mathrm{ij}}{x}_j^{\left(k\right)}],i=\mathrm{1,2},...n,k=\mathrm{0,1,2}...$

由上述两种迭代解法可以看出，Gauss-Seidel迭代法比Jacobi迭代法收敛快（即达到同样的精度所需的迭代次数少）。

在另一个优选实施例中，式（9）所示的系统方程的求解过程可以看成求解Cb=z（其中，C是NxN的矩阵，z是Nx1的向量，b是Nx1的未知向量，即为待求解的量，在该优选实施例中使用Gauss-Seidel和Jacobi求解b。

（1）Gauss-Seidel

第n次的迭代公式如下：

$b_{n+1}^{\left(i\right)}=\frac{1}{c_{\mathrm{ii}}}(z^{\left(i\right)}-\underset{j>i}{\mathrm{\&Sigma;}}{c}_{\mathrm{ij}}{b}_n^{\left(j\right)}-\underset{j<i}{\mathrm{\&Sigma;}}{c}_{\mathrm{ij}}{b}_{n+1}^{\left(j\right)}),$

其中c_ij是C矩阵中的第i行第j列的元素，是第i个元素第n+1次迭代的值。

SOR部分是，在以上公式的基础上将第n+1次和第n次的结果做加权和作为第n+1次迭代的最终解。其中，

$b_{n+1}^{\left(i\right)}=(1-\mathrm{alpha})*b_n^{\left(i\right)}+\mathrm{alpha}*b_{n+1}^{\left(i\right)},$ 并将加权之后的结果作为下一次迭代的输入，alpha是SOR因子。

（2）Jacobi

假设同样求解Cb=z。其Jacobi迭代公式如下：

$b_{n+1}^{\left(i\right)}=\frac{1}{c_{\mathrm{ii}}}(z^{\left(i\right)}-\underset{i\&NotEqual;j}{\mathrm{\&Sigma;}}{c}_{\mathrm{ij}}*b_n^{\left(j\right)})$

图8是根据本发明实施例的几种联合检测方法的性能比较示意图，虽然在本实施例中未详细说明近似CD的算法，但是，通过图8可以直观的看出近似CD算法和具有SOR的Gauss-Seidel迭代法的性能差异，如图8所示，实线表示近似CD方法的性能，虚线表示本发明实施例提供的联合检测方法的性能。从图8可以看出，近似CD方法性能要差一些。

与相关技术中复杂度最低的方法相比，上述实施例的联合检测方法不需要对矩阵直接求逆，也不需要FFT运算，将联合检测操作时间至少降低了四成，节省的时间会反映到软件（代码大小、执行时间以及功耗）或硬件（电路面积、时序预算以及功耗）上。因此，可通过检测SW或HW或竞争对手的基带调制解调器的功率分布图探测上述联合检测方法。

显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种联合检测方法，其特征在于包括：

根据接收到的需要进行联合检测的信号构造系统方程x=Bd+n，其中，x为接收信号矩阵，B为系统矩阵，d为发送信号矩阵，n为噪声矩阵；

利用具有收敛特性的迭代法求解所述系统方程，并根据求解结果获取发送信号。

2.根据权利要求1所述的方法，其特征在于，利用具有收敛特性的迭代法求解所述系统方程包括：

利用雅可比Jacobi迭代法求解所述系统方程；或者，

利用具有逐次超松弛SOR的高斯-赛德尔Gauss-Seidel迭代法求解所述系统方程。

3.根据权利要求2所述的方法，其特征在于，利用具有SOR的高斯-赛德尔Gauss-Seidel迭代法的SOR因子大于0且小于2。

4.根据权利要求1至3中任一项所述的方法，其特征在于，所述B为块状特普利茨矩阵。

5.一种联合检测装置，其特征在于包括：

构造模块，被设置为根据接收到的需要进行联合检测的信号构造系统方程x=Bd+n，其中，x为接收信号矩阵，B为系统矩阵，d为发送信号矩阵，n为噪声矩阵；

处理模块，被设置为利用具有收敛特性的迭代法求解所述系统方程，并根据求解结果获取发送信号。

6.根据权利要求5所述的装置，其特征在于，所述处理模块，被设置为利用雅可比Jacobi迭代法求解所述系统方程；或者，被设置为利用具有逐次超松弛SOR的高斯-赛德尔Gauss-Seidel迭代法求解所述系统方程。

7.根据权利要求6所述的装置，其特征在于，所述SOR的高斯-赛德尔Gauss-Seidel迭代法的SOR因子大于0且小于2。

8.根据权利要求5至7中任一项所述的装置，其特征在于，所述B为块状特普利茨矩阵。