CN106850013B - 一种上行链路大规模mimo系统的信号检测方法 - Google Patents

Abstract

一种适用于上行链路大规模MIMO系统的信号检测方法，在基站一侧完成对发送信号的联合检测，能够支持64×8，128×8，128×16，128×32等多种收发天线数配置。具体包括：按照用户指定的天线数和调制方式配置检测层数；利用信道估计获取信道传递矩阵H以及利用干扰消除技术获取接收向量y；将MMSE检测算法转换成等效的增广矩阵形式，避免大规模MIMO信号检测中Gram矩阵的求解；利用滤波矩阵的主对角线做近似计算，并作为迭代的初始解；迭代地按列计算等效增广矩阵的逆；并计算软判决信息，输出最终结果。本发明进一步逼近了最优的检测性能，同时维持了较低的复杂度。

Description

一种上行链路大规模MIMO系统的信号检测方法

技术领域

本发明涉及无线通信技术领域，具体涉及一种大规模MIMO上行多用户信号检测的方法。

背景技术

近两年来，通信界已经开始提出了5G技术的设想，新的研究工程已经在全球范围内开展起来，致力于5G的研究中心开始成立。2013年，在匈牙利首都布达佩斯召开的世界通信大会上，众多重要讲座和研讨会都围绕着5G技术来展开，并且成功解决了很多关键的技术理念，明确了关于5G标准化进程的时间节点，例如2016年到2018年将进行标准化，2020年开始商用。尽管5G还没有形成正式的标准，但是全世界范围内，包括政府的基金项目和企业的研发项目都在开展对5G关键技术的研究，争取主导权。

学术界已经提出，为了突破5G通信技术的瓶颈，5G移动通信系统将采用大规模多输入多输出MIMO传输技术来支持超过10Gbps的峰值传输速率和上百bps/Hz的频谱效率。随着天线数目的巨大提高，大规模MMO技术的优势得以充分挖掘的同时，其增加的计算复杂度超过了集成电路技术的发展。特别是大规模MIMO信号检测算法复杂度高，硬件实现难度大，成为下一代无线通信系统实用化亟待解决的问题。

传统的MIMO检测算法包括最优算法和次优算法。其中，最优的MIMO检测，包括最大似然和最大后验概率检测算法，它们是一个NP-hard问题,这两种算法能够达到最优的检测性能，但是因为其复杂度会随着天线数量指数增长，这给无线通信集成电路的设计带来严峻的挑战，而通常仅仅被用来当作性能对比的参考标准。次优算法又包括线性和非线性的算法。线性的检测算法包括MF、ZF和MMSE等，这些线性检测算法的算法可以通过格基规约的方法来提升性能。非线性的包括多级的干扰消除算法、树搜索、球形译码等。此外，还有一系列来自于机器学习和人工智能领域的非线性算法，比如基于邻近搜索的算法，它们来自于组合最优化理论，包括似然提升搜索，禁忌搜索。又比如PDA，置信传播，基于图的消息传递算法，以及MCMC算法等，这些算法也很有潜力能达到接近最优的性能。然而，在大规模MIMO系统中，很多传统MIMO检测算法变得不适应，同时有些低复杂度的算法的性能表现接近最优检测算法。

如图1所示，考虑一个多用户的大规模MIMO系统上行链路，该系统可以表示为大规模的基站天线(用N表示天线数目)同时服务于多个用户(用M表示用户数目)。多用户大规模MIMO上行链路的系统模型可以表示成y＝Hx+n，其中x＝[x₁,x₂,...,x_M]表示M×1的发送信号向量，其每个元素表示来自M-QAM的星座点符号

每个元素的平均功率为E_s。n表示N×1独立同分布的复高斯噪声向量，每个元素的均值为0，方差为σ²。理想信道估计矩阵表示成H，维度为N×M，信道矩阵中的任意一项h_i,j表示从第j个发送天线到第i个接收天线的信道增益。y＝[y₁,y₂,…,y_N]^T表示N×1的接收向量。接收信噪比定义成N/M×1/σ²。

现有技术中，大规模MIMO上行链路多用户信号检测采用MMSE(Minimum MeanSquare Error,最小均方误差)检测算法，MMSE检测算法为x＝(H^HH+σ²I)^-1H^Hy，由于其矩阵求逆和Gram矩阵H^HH的存在，算法复杂度分别为O(NM²)和O(M³)。当大规模MIMO系统中通信用户数较多时，MMSE检测算法的复杂度非常高，很难硬件实现。

发明内容

本发明的目的是克服上述现有技术的不足，提供一种上行链路大规模MIMO系统的信号检测方法，将低复杂度的性能接近最优的，并且易于硬件实现的大规模MIMO上行链路多用户信号检测方法。

为实现上述方案，本发明技术方案如下：

一种上行链路大规模MIMO系统的信号检测方法，其特点在于，包括如下步骤：

步骤一：按照用户指定的天线数和调制方式配置检测层数；利用信道估计获取信道传递矩阵H以及利用干扰消除技术获取接收向量y，并做联合优化使接收信号的信噪比最大化。

步骤二：将MMSE检测算法转换成等效的增广矩阵，具体如下：

MMSE检测x＝(H^HH+σ²I)^-1H^Hy等效转换成增广矩阵的形式

其中z＝σ^-1(y-Hx)，x为发送向量，H为信道矩阵，y为接收判决变量向量，σ²为噪声向量的方差，I代表单位向量。

步骤二：利用滤波矩阵的主对角线近似矩阵，计算迭代的初始解的估计x₀，公式如下：

x₀＝D^-1H^Hy，

其中，D表示滤波矩阵H^HH+σ²I的主对角线元素；

步骤三：按列计算迭代的矩阵求逆，公式如下：

其中，λ表示松弛因子，x_k,i表示k次迭代之后的预测发送向量，h_i表示矩阵的第i列，i＝1,2,…,M，k＝1,2,…；

步骤四：在迭代过程中计算软判决信息，并将计算结果输出，公式如下：

其中e_i代表单位向量，

表示k次迭代之后用于计算软判决信息的信号。

所述MMSE检测的等效转换中，Gram矩阵的计算被分解，降低了之后迭代计算的复杂度。

所述初始解估计方法中，利用滤波矩阵的主对角线元素来近似求解初始解，降低迭代次数，提高算法收敛速度。

所述迭代Kaczmarz算法中，将算法修改为按列进行迭代，更加适应大规模MIMO信道矩阵的信道增强效应，提高迭代速度。

所述软判决信息的计算中，软信息的计算利用了迭代过程中的中间值，而不是等到迭代结束后计算，降低了计算复杂度。

一种上行链路大规模MIMO系统多用户信号检测的FPGA实现，利用了高层次工具进行信号检测方法的设计与实现。

与现有技术相比，本发明的有益之处在于：

做了FPGA的实现以及性能评估，与已有的基于Neumann级数、共轭梯度算法的检测方案相比，显著的改善了检测的性能，进一步逼近了最优的检测性能，同时维持了较低的计算复杂度。

附图说明

图1为大规模MIMO检测的原理图

图2为上行链路多用户大规模MIMO系统示意图

图3为本发明实施例中大规模MIMO上行链路多用户检测方法的流程示意图

图4为天线配置为128×16下本发明检测方法与Neumann级数方法和共轭梯度方法的性能仿真曲线

图5为天线配置为128×32下本发明检测方法与Neumann级数方法和共轭梯度方法的性能仿真曲线

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式做进一步描述

参照图2所示，本发明首先介绍上行链路大规模MIMO系统模型，多输入多输出无线通信系统的框图如图2所示，大规模MIMO上行链路的系统模型可以表示成y＝Hx+n。

本实施例中提供了一种大规模MIMO上行链路多用户信号检测的方法，如图3中所示，以128×16天线的系统为例，即M为16，N为128，该检测方法主要包括：

信道获取和接收向量获取：

首先，由用户根据指定的天线数目和调制方式配置底层的检测层数，本实施例中为128和16；利用信道估计获取信道传递矩阵H以及利用干扰消除技术获取接收向量y，并做联合优化使接收信号的信噪比最大化。

等效转换：信道矩阵的规模为128×16，转换成实数形式后为256×32，由传统的MMSE检测算法可以得到x＝(H^HH+σ²I)^-1H^Hy为32×1的预测发送向量，对公式进行等效的变换，可以将公式代表的MMSE检测转换成等效的增广矩阵形式，如公式

其中z＝σ^-1(y-Hx)，可以发现，上式矩阵相乘展开之后与MMSE检测具有相同的形式。可以令s＝(z^T,x^T)^T，上面的公式可以写成

其中

和

分别代表等效增广的信道传输矩阵和接收信号向量，转换后的增广矩阵规模为144×144。

公式(3)可以重写为以下两个公式：

(σI_2N H)s＝y (4)

(H^H -σI_2M)s＝0 (5)

初始化：由于矩阵H^HH+σ²I具有对角占优的特性，可以用该矩阵的对角近似作为算法的初始解。这样做可以很大程度上提高算法的性能，提高算法的迭代的速度，而只增加少量的复杂度。初始解可以表示为

x₀＝D^-1H^Hy＝D_invH^Hy (6)

其中D表示滤波矩阵H^HH+σ²I的主对角成分，D_inv表示D的逆矩阵。

本实施例中，初始化之后的迭代过程主要包括：通过将Kaczmarz算法运用到增广矩阵代表的线性系统中，从而可以避免Gram的矩阵的计算，同时也避免了等效滤波的计算。传统的Kaczmarz算法是按照矩阵行的形式进行迭代，本发明改进Kaczmarz算法的迭代形式，修改为按照按列的形式进行迭代，这一做法是利用了大规模MIMO系统的信道增强效应，能够提高算法迭代的速度。

让H＝(h₁,h₂,…,h_M)，I＝(e₁,e₂,…,e_M)，带入Kaczmarz算法到公式(5)可以得到

其中i＝1,2,…,M，k＝1,2,…，h_i表示H的第i列，e_i代表单位向量。

由s＝(z^T,x^T)^T，z＝σ^-1r，上式可以转换成以下两个公式

令r＝y-Hx，并且由z＝σ^-1r，公式(8)可以解得

其中i＝1,2,…,M，k＝1,2,…，并且有

最终经过k次外层迭代之后得到的向量即为所求的估计向量。

在本实施例中，可以调整松弛因子λ的大小，来改变算法迭代的收敛速度，通常，合适的松弛因子大小在0.7<λ<1.2之间。

软判决信息计算：本判决例可以通过以下的迭代公式计算软判决的信号，然后利用该信号计算软信息，

其中i＝1,2,…,M，k＝1,2,…。经过M次内层迭代之后，最终W^-1的估计值为

利用该估计值可以计算出最终的软信息并输出结果，如公式(12)到(14)所示

其中

和

分别表示第b个比特位表示的0和1的符号子集，μ_i和v_i表示等效的信道增益和NPI方差，

本实施例还仿真平台进行验证，并且与传统的基于Neumann级数和共轭梯度的方法进行了性能比较。如图4和图5所示，在128×16和128×32天线配置下，本发明的检测算法在性能方面有显著的提升，更加逼近最佳的检测性能，而且复杂度方面也会更低。

以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解，上述实施例不以任何形式限制本发明，凡采用等同替换或等效变换的方式所获得的技术方案，均落在本发明的保护范围内。

Claims (3)

1.一种上行链路大规模MIMO系统的信号检测方法，其特征在于，包括如下步骤：

步骤一：按照用户指定的天线数和调制方式配置检测层数，利用信道估计获取信道传递矩阵H以及利用干扰消除技术获取接收向量y，并做联合优化使接收信号的信噪比最大化；

步骤二：将MMSE检测算法转换成等效的增广矩阵，具体如下：

MMSE检测x＝(H^HH+σ²I)^-1H^Hy等效转换成增广矩阵的形式

其中z＝σ^-1(y-Hx)，x为接收向量，H为信道矩阵，y为判决变量向量，σ²为噪声向量的方差，I代表单位向量；

步骤三：利用滤波矩阵的主对角线近似矩阵，计算迭代的初始解的估计x₀，公式如下：x₀＝D^-1H^Hy，其中，D表示滤波矩阵H^HH+σ²I的主对角线元素；

步骤四：按列计算迭代的矩阵求逆，公式如下：

其中，λ表示松弛因子，x_k,i表示k次迭代之后的预测发送向量，h_i表示矩阵的第i列，i＝1,2,…,M，k＝1,2,…；

步骤五：在迭代过程中计算软判决信息，并将计算结果输出，公式如下：

其中i＝1,2,…,M，k＝1,2,…，h_i表示H的第i列，e_i代表单位向量，

表示k次迭代之后用于计算软判决信息的信号。

2.根据权利要求1所述的上行链路大规模MIMO系统的信号检测方法，其特征在于，调整松弛因子λ的大小，会影响最终迭代的收敛速度。

3.根据权利要求1所述的上行链路大规模MIMO系统的信号检测方法，其特征在于，所述的迭代过程是对信道矩阵的每一列所在的超平面进行投影操作，每一次迭代求解的是超平面的交集。

Images