CN104702352A - 基于gssk调制的mimo系统接收端检测方法 - Google Patents

Abstract

本发明实施例提供一种基于GSSK调制的MIMO系统接收端检测方法。本发明方法，包括：将接收端天线阵列接收到的信号解调得到基带信号；根据所述基带信号确定接收端信号检测模型；确定拉格朗日乘子，并将所述拉格朗日乘子引入到所述接收端信号检测模型并采用LAS算法求得检测信号。本发明实施例实现了基于GSSK调制的MIMO系统接收端检测，降低了信号检测的时间复杂度。

Description

基于GSSK调制的MIMO系统接收端检测方法

技术领域

本发明实施例涉及通信技术领域，尤其涉及一种基于GSSK调制的MIMO系统接收端检测方法。

背景技术

多入多出(multi-input-multi-output，以下简称：MIMO)技术是4G的核心技术之一，MIMO技术与传统的单天线系统相比，提高了码速率和信道容量，并且每一对收发天线都有一定的传播路径，发送天线经过多条路径达到接收端，只要不是每条路径都是深衰落，就能检测出发送信号，也正是由于这种分集增益提高了传输的可靠性。为了进一步提高传输速率，就需要增大规模MIMO系统的天线规模，因此近几年许多专家研究大规模MIMO技术。所谓的大规模MIMO就是在发送端和接收端天线达到几十或者几百，与传统的MIMO相比，增大天线规模会提高传输速率但是也会带来一些问题，比如多天线同步问题，邻信道干扰问题以及接收端信号检测变得更加复杂等等问题，此外，随着带宽资源的紧张和天线尺寸与射频链路的限制，广义空间位移键控(general space shift keying，以下简称：GSSK)调制的大规模MIMO技术应运而生。GSSK调制通过天线索引的组合传递信息而不需要传输消息本身。大规模GSSKMIMO系统是将GSSK调制方式应用到大规模MIMO系统中，待传送的信息每bbit一组作为一个码元，映射表将码元映射到天线下标，用天线是激活的还是未被激活的来代表信息，而发送天线本身不发送任何信息，在接收端只需要检测接收端的哪些天线被激活了，从而确定发送端的天线索引，然后通过反映射表找到原来的待发送的信息，这样便完成了大规模GSSKMIMO系统的发送与接收，如图1所示，GSSKMIMO系统中有N_t根发送天线，每一个时间间隔有n_t天线被激活，N_r根接收天线。

此处的发送码元b是由发送端天线数N_t和每个时隙被激活天线数n_t决定

GSSKMIMO系统的传输比特率就相当于发送天线为n_t的MIMO系统，这是非常有意义的，这样的大规模GSSKMIMO系统不但与n_t规模的MIMO系统的性能相当还具有了GSSK调制的一些优点。它克服了原有大规模MIMO的一些缺点：(1)不需要严格的同步(2)不需要很多射频链路，对天线的尺寸降低了标准(3)降低了邻信道的干扰。(4)接收端只需检测哪些发送天线激活了，而不需要复杂的硬件电路。

但是，随着天线数的增大会增加接收端信号检测的复杂性，现有技术中对于GSSK调制大规模MIMO系统检测的时间复杂度和误码率过高。

发明内容

本发明实施例提供一种基于GSSK调制的MIMO系统接收端检测方法，以克服现有技术中对于GSSK调制大规模MIMO系统检测的时间复杂度和误码率过高的问题。

本发明一种基于GSSK调制的MIMO系统接收端检测方法，包括：

将接收端天线阵列接收到的信号解调得到基带信号；

根据所述基带信号确定接收端信号检测模型；

确定拉格朗日乘子，并将所述拉格朗日乘子引入到所述接收端信号检测模型并采用LAS算法求得检测信号。

进一步地，所述将接收端天线阵列接收到的信号解调得到基带信号之前，还包括：

将LAS算法添加适应于GSSK调制系统的更新准则。

进一步地，所述将LAS算法添加适应于GSSK调制系统的更新准则，包括：

采用将最大似然检测公式展开并去掉常数项，得到

Λ(x)＝x^TH_effx-x^Ty_eff  (1)

其中，所述H_eff＝ρH^HH,所述所述H_eff表示H的共轭转置乘以H,(.)^H表示共轭转置，所述y_eff表示H的共轭转置乘以y取实部，所述Re{.}表示取实部，所述ρ表示功率放大因子；

根据LAS算法中的第n步迭代梯度g(n)得到{0,1}信号的LAS更新准则，

其中，所述x(n)是LAS算法中的第n步迭代得到的解，所述x(n+1)是LAS算法中的第n+1步迭代得到的解，所述g_j(n)表示g(n)中的第j个元素，所述t_j(n)是t(n)中的第j个元素，所述所述(H_real)_i,i是H_real的对角元素，即第i行第i列的元素，所述H_real＝2Re{H_eff}。

进一步地，所述基带信号为

$y=\sqrt{\mathrm{\ρ}}\mathrm{Hx}+\mathrm{\η}---\left(3\right)$

在发送端架设N_t根天线，在接收端架设N_r根天线，其中，所述为接收端接收到的基带信号，所述为发送天线发送的信号，所述为独立同分布的平坦高斯衰落信道，服从N(0,1)标准正态分布，所述是加性高斯白噪声，服从N(0,1)标准正态分布；

所述接收端信号检测模型为

$x=\underset{x\∈{\left\{\mathrm{0,1}\right\}}^{N_t}}{\arg }\min {\left|\right|y-\sqrt{\mathrm{\ρ}}\mathrm{Hx}\left|\right|}^2$

$\mathrm{st}.\underset{i=1}{\overset{N_t}{\mathrm{\Σ}}}{x}_i=n_t---\left(4\right)$

所述将所述拉格朗日乘子引入到所述接收端信号检测模型并采用LAS算法求得检测信号，包括：

确定拉格朗日乘子λ的搜索范围(S_L＝-r,S_H＝r)，最大迭代次数L＝10,迭代步数k＝0；

引入所述拉格朗日乘子λ，公式(4)转换为

$x=\underset{{x\∈\left\{\mathrm{0,1}\right\}}^{N_t}}{\arg \min }\{{\left|\right|y-\sqrt{\mathrm{\ρ}}\mathrm{Hx}\left|\right|}^2+\mathrm{\λ}(\underset{i=1}{\overset{N_t}{\mathrm{\Σ}}}{x}_i-n_t)\}---\left(5\right)$

根据所述最大迭代次数迭代公式(5)求得检测信号。

进一步地，所述根据所述最大迭代次数迭代公式(5)求得检测信号之后，还包括：

引入惩罚项强制公式(5)收敛，求得检测信号，其中，所述惩罚项为公式(5)转换为

$x=\underset{x\∈{\left\{\mathrm{0,1}\right\}}^{N_t}}{\arg \min }\{{\left|\right|y-\sqrt{\mathrm{\ρ}}\mathrm{Hx}\left|\right|}^2+{\mathrm{\λ}}^L(\underset{i=1}{\overset{N_t}{\mathrm{\Σ}}}{x}_i-n_t)+\mathrm{\α}{(\underset{i=1}{\overset{N_t}{\mathrm{\Σ}}}{x}_i-n_t)}^2\}---\left(6\right)$

其中，所述λ^L是L次的估计的拉格朗日乘子，所述α是惩罚项系数，α＝500σ²，所述σ²是噪声的方差，在此步骤中λ^L与α均是常数。

本发明实施例根据接收端天线阵列接收到的信号解调得到的基带信号确定接收端信号检测模型，并将拉格朗日乘子引入到所述检测模型，采用LAS算法求得检测信号，实现了基于GSSK调制的MIMO系统接收端检测，降低了系统检测的时间复杂度，并且同时降低了系统的误码率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为现有技术中大规模GSSKMIMO系统结构示意图；

图2为本发明基于GSSK调制的MIMO系统接收端检测方法流程图；

图3是本发明LAS算法的流程图；

图4是本发明三种不同场景下的误码率曲线示意图；

图5a是本发明与现有技术中迭代算法收敛次数比较示意图；

图5b是本发明与现有技术中迭代算法收敛次数另一比较示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图2为本发明基于GSSK调制的MIMO系统接收端检测方法流程图，如图2所示，本实施例方法，包括：

步骤101、将接收端天线阵列接收到的信号解调得到基带信号；

步骤102、根据所述基带信号确定接收端信号检测模型；

步骤103、确定拉格朗日乘子，并将所述拉格朗日乘子引入到所述接收端信号检测模型并采用LAS算法求得检测信号。

进一步地，所述将接收端天线阵列接收到的信号解调得到基带信号之前，还包括：

将LAS算法添加适应于GSSK调制系统的更新准则。

具体来说，本实施例中检测算法为邻域上升搜索检测算法(LAS)，由于现有技术中的LAS算法是基于BPSK调制的，也即针对的是{+1,-1}信号，而GSSK调制主要针对的是{0,1}信号。并且，LAS算法只能应用在特定或者超定的情况，不能应用在欠定的情况。此外，GSSK调制中天线被激活数是固定的，也就是天线发送的信息必须满足等式约束而LAS算法本身没有该约束。因此，将该算法应用到大规模GSSKMIMO系统中，需要对现有技术中的LAS算法添加适应于GSSK调制系统的更新准则。接收端天线阵列接收到信号后，将该信号解调得到基带信号。并根据该基带信号确定检测模型，该模型用来检测接收端信号。在该模型中引入拉格朗日乘子，并采用添加更新准则的LAS算法在该模型中求得检测信号。

进一步地，所述将LAS算法添加适应于GSSK调制系统的更新准则，包括：

采用将最大似然检测公式展开并去掉常数项，得到

Λ(x)＝x^TH_effx-x^Ty_eff  (1)

其中，所述H_eff＝ρH^HH,所述所述H_eff表示H的共轭转置乘以H,(.)^H表示共轭转置，所述y_eff表示H的共轭转置乘以y之后取实部，所述Re{.}表示取实部，所述ρ表示功率放大因子；

根据LAS算法中的第n步迭代梯度g(n)得到{0,1}信号的LAS更新准则，

其中，所述x(n)是LAS算法中的第n步迭代得到的解，所述x(n+1)是LAS算法中的第n+1步迭代得到的解，所述g_j(n)表示g(n)中的第j个元素，所述t_j(n)是t(n)中的第j个元素，所述所述(H_real)_i,i是H_real的对角元素，即第i行第i列的元素，所述H_real＝2Re{H_eff}。

具体来说，在现有的LAS算法基础上，进行{-1,+1}信号到{0,1}信号的转换。将MIMO天线系统接收端接收到的信号解调，得到基带信号y，

$y=\sqrt{\mathrm{\ρ}}\mathrm{Hx}+\mathrm{\η}---\left(3\right)$

其中，为接收信号，是发送信号，为平坦衰落信道，所述是信道中的加性高斯白噪声，ρ为功率放大系数E_S/E[x^Hx]，E_S表示输入符号的能量，E[.]表示期望。对公式(3)采用最大似然检测展开并去掉常数项得下式，求得的是最小值：

Λ(x)＝x^TH_effx-x^Ty_eff  (4)

其中，H_eff＝ρH^HH,y_eff＝2Re{H^Hy}。

由(4)式，则LAS算法中的第n步迭代的梯度g(n)写作下式，n表示LAS算法中的迭代步数：

g(n)＝H_realx(n)-y_eff  (5)

其中，H_real＝2Re{H_eff}。

$\begin{array}{c}\mathrm{\Δ\Λ}\left(x\left(n\right)\right)=\mathrm{\Λ}\left(x(n+1)\right)-\mathrm{\Λ}\left(x\left(n\right)\right)\\ ={\mathrm{\Δx}}^T\left(n\right)(g\left(n\right)-\frac{1}{2}{H}_{\mathrm{real}}\mathrm{\Δx}\left(n\right))\\ =\underset{j\∈L\left(n\right)}{\mathrm{\Σ}}{x_j}^T\left(n\right)(g_i\left(n\right)-\frac{1}{2}{H}_{\mathrm{real}}{\mathrm{\Δx}}_j\left(n\right))\≤0\end{array}---\left(6\right)$

其中，L(n)是第n步中需要变换的下标的集合。我们采用作者所说的最简单的变换方式，即每次迭代中只有一位变换，结合(6)式，我们最终得到{0,1}信号的LAS更新准则，令x(n+1)的更新准则如下：

通过{-1,+1}信号至{0,1}信号的LAS更新准则的转换，使得LAS算法适用于本发明中的GSSK调制系统。

所述GSSK调制系统接收端信号检测模型为

$x=\underset{x\∈{\left\{\mathrm{0,1}\right\}}^{N_t}}{\arg \min }{\left|\right|y-\sqrt{\mathrm{\ρ}}\mathrm{Hx}\left|\right|}^2$

$\mathrm{st}.\underset{i=1}{\overset{N_t}{\mathrm{\Σ}}}{x}_i=n_t---\left(8\right)$

进一步地，所述将所述拉格朗日乘子引入到所述接收端信号检测模型并采用LAS算法求得检测信号，包括：

确定拉格朗日乘子λ的搜索范围(S_L＝-r,S_H＝r)，最大迭代次数L＝10,迭代步数k＝0；

引入所述拉格朗日乘子λ，公式(8)转换为

$x=\underset{x\∈{\left\{\mathrm{0,1}\right\}}^{N_t}}{\arg \min }\{{\left|\right|y-\sqrt{\mathrm{\ρ}}\mathrm{Hx}\left|\right|}^2+\mathrm{\λ}(\underset{i=1}{\overset{N_t}{\mathrm{\Σ}}}{x}_i-n_t)\}---\left(9\right)$

进一步地，去掉常数项，公式(9)转换为

$x=\underset{x\∈{\left\{\mathrm{0,1}\right\}}^{N_t}}{\arg \min }\{x^T{H}_{\mathrm{eff}}x-x^T(y_{\mathrm{eff}}-\mathrm{\λe})-{\mathrm{\λn}}_t\}---\left(10\right)$

其中，e＝[1,1,...,1]^T。

根据所述最大迭代次数用LAS算法迭代公式(10)求得检测信号。

具体来说，将LAS算法中引入拉格朗日乘子，该拉格朗日乘子是采用一维搜索的方法估计，即给定一个合理的拉格朗日乘子范围，在这个范围内用一维搜索的方法不断去寻找合适的拉格朗日乘子，用LAS算法求解在相应拉格朗日乘子下的解x，根据解与n_t的关系，重新调整拉格朗日乘子的搜索区间，反复迭代，从而达到信号检测的目的。通过一维搜索的方法确定拉格朗日乘子的具体步骤为：给定一个拉格朗日乘子搜索范围，用二分法在该范围内选取一个值作为拉格朗日乘子，用LAS算法求解在该拉格朗日乘子下的解，根据解的特性，确定下一次迭代的拉格朗日乘子搜索范围，重复迭代。最后，从仿真分析可以看出其计算复杂度与天线规模有关，当天线规模较大时其计算复杂度约为O(N_tN_r)，大大降低了信号检测的时间复杂度。举例说明，步骤一、将接收端天线阵列接收到的信号解调到基带信号，得到y；步骤二、根据经验值确定拉格朗日乘子λ的搜索范围(S_L＝-r,S_H＝r)，最大迭代次数L＝10,迭代步数k＝0；步骤三、利用二分法在(S_L,S_H)范围内搜索确定λ；步骤四、k＝k+1，若k＝L，则转到步骤六，否则利用LAS算法求解该拉格朗日乘子λ_k下的得到的检测信号x^*；步骤五、根据的情况重新调整λ的搜索区间，如果要增大λ的值，所以此时令S_L＝λ_k,更新拉格朗日乘子的搜索区间(S_L＝λ_k,S_H＝S_H),回到步骤四；如果更新拉格朗日乘子的搜索区间(S_L＝S_L,S_H＝λ_k),回到步骤四，如果则停止迭代，此时的x^*是本发明提出的LLAS算法检测到的信号；步骤六、添加惩罚项，得到LLAS算法的检测信号；步骤七、在得到LLAS算法的检测信号后，本发明实施例对该算法的性能进行进一步分析，从误比特率和时间复杂度方面进行分析。其中，对于拉格朗日参数区间即r的值可以选取的更大些。

进一步地，所述根据所述最大迭代次数迭代公式(10)求得检测信号之后，还包括：

引入惩罚项强制公式(9)收敛，求得检测信号，其中，所述惩罚项为公式(9)转换为

$x=\underset{x\∈{\left\{\mathrm{0,1}\right\}}^{N_t}}{\arg \min }\{{\left|\right|y-\sqrt{\mathrm{\ρ}}\mathrm{Hx}\left|\right|}^2+{\mathrm{\λ}}^L(\underset{i=1}{\overset{N_t}{\mathrm{\Σ}}}{x}_i-n_t)+\mathrm{\α}{(\underset{i=1}{\overset{N_t}{\mathrm{\Σ}}}{x}_i-n_t)}^2\}---\left(11\right)$

其中，所述λ^L是L次的估计的拉格朗日乘子，所述α是惩罚项系数，α＝500σ²，所述σ²是噪声的方差，在此步骤中λ^L与α均是常数。

具体来说，本发明要做进一步处理，根据公式(11)，通常添加一个较大的惩罚项即可，确定α后，再次利用LAS算法，得到最终的检测信号x^*。

我们在接收端信号检测的步骤是预先给定一个λ，利用LAS算法得到一个x，我们利用λ与的关系，重新调整λ，重复上面步骤，直至收敛或者达到我们设定的最大迭代次数L。当达到我们设定的最大迭代次数还没有收敛的时候我们引入一个惩罚项使其强制收敛，从仿真结果看，我们的这个强制收敛办法是非常有效的。强制收敛办法如下：

$x=\underset{x\∈{\left\{\mathrm{0,1}\right\}}^{N_t}}{\arg \min }\{{\left|\right|y-\sqrt{\mathrm{\ρ}}\mathrm{Hx}\left|\right|}^2+{\mathrm{\λ}}^L(\underset{i=1}{\overset{N_t}{\mathrm{\Σ}}}{x}_i-n_t)+\mathrm{\α}{(\underset{i=1}{\overset{N_t}{\mathrm{\Σ}}}{x}_i-n_t)}^2\}---\left(12\right)$

其中，λ^L是第L次确定的拉格朗日乘子，是惩罚项，α为常数，通常取的很大。

将(12)去除常数项后，化简为下式：

$x=\underset{x\∈{\left\{\mathrm{0,1}\right\}}^{N_t}}{\arg \min }\{x^T(H_{\mathrm{eff}}-{\mathrm{\αee}}^T)x-x^T(y_{\mathrm{eff}}-{\mathrm{\λ}}^{L}e+2{\mathrm{\αn}}_{t}e)\}---\left(13\right)$

其中，e＝[1,1,...,1]^T。

并且(13)式化简成为一个标准LAS式，因此，在强制收敛步骤中仍采用LAS算法去得到检测信号。图3是本发明LAS算法的流程图。

为了验证本发明实施例的有效性和时间计算复杂度，我们进行了算法的仿真实验。分别对3中不同规模的欠定情况的大规模GSSKMIMO系统进行了MF、OMP、LLAS三种算法的比较。本发明的仿真实验在MATLAB2010B环境下进行。

情况一、发送天线N_t＝58，天线被激活n_t＝8，接收天线N_r＝29；情况二、发送天线N_t＝72，天线被激活n_t＝7，接收天线N_r＝36；情况三、发送天线N_t＝100，天线被激活n_t＝6，接收天线N_r＝50。图4是本发明三种不同场景下的误码率曲线示意图，图中的MF1、OMP1和LLAS1分别对应以上所列的第一种情况，MF2、OMP2和LLAS2分别对应以上所列的第二种情况，MF3、OMP3和LLAS3分别对应以上所列的第三种情况。如图4所示，每种情况中，本发明提出的LLAS算法的误比特率特性均比MF和OMP算法好，另外，综合比较这三种情况，我们发现当随着天线规模的变大，本发明提出的LLAS算法的误比特率越来越低。图5a和图5b所示的是以上三种情况计算时间复杂度分析，这一部分统计了信噪比分别为4dB和10dB时，收敛次数与所占比例的关系。这三种情况发送比特率相同，即根据大量的仿真实验，根据经验确定r＝25，α＝500σ²，其中σ表示不同的信噪比，最大迭代次数10。这里与原有的MF，OMP算法进行了比较，本发明提出的检测算法的性能明显优于OMP算法，并且随着天线规模的增大，本发明提出的算法的优势越来越明显。此外，如图5a和图5b所示，本发明提出算法的时间复杂度，随着天线规模的增大，情况三中，大部分都是迭代了一次LAS算法就得到检测信号，而LAS算法的时间复杂度是O(N_rN_t)，所以从仿真结果图中得到了在大规模的情况下，本发明的LLAS算法的时间复杂度也接近O(N_rN_t)，低于OMP算法的时间复杂度。可以看出不论是在高信噪比下还是低信噪比下，本发明提出的LLAS算法通常迭代几次就收敛，情况二和情况三中，随着天线规模的变大，50％以上都只是迭代了一次LAS算法就收敛了，而LAS算法的时间复杂度是O(N_rN_t)，因此，本算法的时间复杂度很低，尤其是在高信噪比的情况下，几乎只需要迭代一次LAS算法便达到了收敛。综合图4、图5a和图5b，天线规模越大，本发明提出的算法的误码率越低，尤其是情况三中，LLAS3比起OMP3优势更加明显，同时本发明实施例的算法时间复杂度是一个与信噪比有关的量，LLAS的时间复杂度与OMP差不多甚至比OMP的计算复杂度更低。

本发明实施例实现了基于GSSK调制的MIMO系统的传输比特率与n_t规模的MIMO系统相当。通过对原有的LAS算法的添加更新准则，使其不再只适用于BPSK调制方式，也适用于GSSK调制的{0,1}信号的检测。本发明实施例的系统接收端检测不仅降低了的时间复杂度并且减低了误码率。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (5)

1.一种基于GSSK调制的MIMO系统接收端检测方法，其特征在于，包括：

将接收端天线阵列接收到的信号解调得到基带信号；

根据所述基带信号确定接收端信号检测模型；

确定拉格朗日乘子，并将所述拉格朗日乘子引入到所述接收端信号检测模型并采用LAS算法求得检测信号。

2.根据权利要求1所述的方法，其特征在于，所述将接收端天线阵列接收到的信号解调得到基带信号之前，还包括：

将LAS算法添加适应于GSSK调制系统的更新准则。

3.根据权利要求2所述的方法，其特征在于，所述将LAS算法添加适应于GSSK调制系统的更新准则，包括：

采用将最大似然检测公式展开并去掉常数项，得到

Λ(x)＝x^TH_effx-x^Ty_eff                  (1)

其中，所述H_eff＝ρH^HH，所述所述H_eff表示H的共轭转置乘以H,(.)^H表示共轭转置，所述y_eff表示H的共轭转置乘以y取实部，所述Re{.}表示取实部，所述ρ表示功率放大因子；

根据LAS算法中的第n步迭代梯度g(n)得到{0,1}信号的LAS更新准则，

其中，所述x(n)是LAS算法中的第n步迭代得到的解，所述x(n+1)是LAS算法中的第n+1步迭代得到的解，所述g_j(n)表示g(n)中的第j个元素，所述t_j(n)是t(n)中的第j个元素，所述所述(H_real)_i,i是H_real的对角元素，即第i行第i列的元素，所述H_real＝2Re{H_eff}。

4.根据权利要求1所述的方法，其特征在于，所述基带信号为

$y=\sqrt{\mathrm{\ρ}}\mathrm{Hx}+\mathrm{\η}---\left(3\right)$

在发送端架设N_t根天线，在接收端架设N_r根天线，其中，所述为接收端接收到的基带信号，所述为发送天线发送的信号，所述为独立同分布的平坦高斯衰落信道，服从N(0,1)标准正态分布，所述是加性高斯白噪声，服从N(0,1)标准正态分布；

所述接收端信号检测模型为

$x=\underset{x\∈{\left\{\mathrm{0,1}\right\}}^{N_t}}{\arg \min }{\left|\right|y-\sqrt{\mathrm{\ρ}}\mathrm{Hx}\left|\right|}^2$

                                       (4)

$\mathrm{st}.\underset{i=1}{\overset{N_t}{\mathrm{\Σ}}}{x}_i=n_t$

所述将所述拉格朗日乘子引入到所述接收端信号检测模型并采用LAS算法求得检测信号，包括：

确定拉格朗日乘子λ的搜索范围(S_L＝-r,S_H＝r)，最大迭代次数L＝10,迭代步数k＝0；

引入所述拉格朗日乘子λ，公式(4)转换为

$x=\underset{x\∈{\left\{\mathrm{0,1}\right\}}^{N_t}}{\arg \min }\{{\left|\right|y-\sqrt{\mathrm{\ρ}}\mathrm{Hx}\left|\right|}^2+\mathrm{\λ}(\underset{i=1}{\overset{N_t}{\mathrm{\Σ}}}{x}_i-n_t)\}---\left(5\right)$

根据所述最大迭代次数迭代公式(5)求得检测信号。

5.根据权利要求4所述的方法，其特征在于，所述根据所述最大迭代次数迭代公式(5)求得检测信号之后，还包括：

引入惩罚项强制公式(5)收敛，求得检测信号，其中，所述惩罚项为公式(5)转换为

$x=\underset{x\∈{\left\{\mathrm{0,1}\right\}}^{N_t}}{\arg \min }\{{\left|\right|y-\sqrt{\mathrm{\ρ}}\mathrm{Hx}\left|\right|}^2+{\mathrm{\λ}}^L(\underset{i=1}{\overset{N_t}{\mathrm{\Σ}}}{x}_i-n_t)+\mathrm{\α}{(\underset{i=1}{\overset{N_t}{\mathrm{\Σ}}}{x}_i-n_t)}^2\}---\left(6\right)$

其中，所述λ^L是L次的估计的拉格朗日乘子，所述α是惩罚项系数，α＝500σ²，所述σ²是噪声的方差，在此步骤中λ^L与α均是常数。