CN107231177B - 基于大规模mimo的高效cr检测方法和架构 - Google Patents

Abstract

本发明公开了一种基于CR方法的大规模MIMO检测方法及硬件架构，本发明基于CG算法，在CG算法的基础上降低了复杂度，得到CR算法，再通过IC预处理，进而得出本发明高效CR算法。硬件架构方面，基于本发明算法，将信道矩阵和接收信号向量经过预处理模块后传入高效CR算法模块；其中，预处理模块进行Gram矩阵计算、MMSE滤波矩阵计算、IC预处理和匹配滤波；CR算法模块取MMSE滤波矩阵和匹配滤波输出分别作为系数矩阵和常数向量进行迭代求解线性方程组；输出模块通过迭代得到最后传输信号的估计。本发明算法复杂度较低，所需迭代次数较少，硬件消耗较少。

Description

基于大规模MIMO的高效CR检测方法和架构

技术领域

本发明涉及通信技术领域，尤其涉及一种基于大规模MIMO的高效CR检测方法和架构。

背景技术

大规模Multiple-Input Multiple-Output(Massive MIMO)作为下一代(5G)移动通信的关键技术，和传统MIMO相比可以提供更好的频谱效率并且更好地避免干扰。在5G移动通信的具体应用中，检测技术是大规模MIMO的必要一步，但是随着天线数量的增加，信道矩阵的维度也随之增加，这使得最小均方误差(minimum mean square error,MMSE)过滤矩阵和它的逆矩阵的计算变得极其困难，复杂度极高。因此为了降低复杂度，有了迭代法求逆的方法。成功降低复杂度并且取得较好性能的CG(conjugate gradient)算法有一定的优越性，但是其性能还不是非常理想，每次计算中也存在着较多矩阵向量的乘积，造成了更高的复杂度。

发明内容

发明目的：本发明针对现有技术存在的问题，提供一种基于大规模MIMO的高效CR检测方法和架构，该发明在较优越的CG基础上解决复杂度的问题，在保持误码率性能的基础上降低运算复杂度，获得更好的性能。

技术方案：本发明所述的基于大规模MIMO的高效CR检测方法包括：

(1)采用匹配滤波器根据基站接收信号向量y和信道矩阵H计算得到y^F＝H^Hy；

(2)根据信道矩阵H计算得到Gram矩阵G＝H^HH；

(3)根据Gram矩阵G计算得到MMSE检测矩阵A＝G+σ²I²，其中，σ²表示噪声方差，I表示单位矩阵；

(4)对MMSE检测矩阵A进行不完全Cholesky预处理得到矩阵M＝LL^T，并对LL^T求逆得到M^-1，最终得到经过预处理的矩阵M^-1A；

(5)按照以下步骤进行高效CR检测：

A、设置v₀＝0，b＝y^F，r₀＝b，p₀＝b，z₀＝M^-1r₀，e₀＝Ap₀，m₀＝Az₀，迭代次数k＝1；

B、按照下式计算：

C、将k＝k+1，并返回B进行循环，直至达到预设迭代次数；

D、将迭代结束时的v_k值作为发送信号的估计值进行输出。

本发明所述的基于大规模MIMO的高效CR检测架构包括：

预处理模块，包括匹配滤波器、Gram矩阵生成器、MMSE检测矩阵生成器、IC预处理器，其中，匹配滤波器用于根据基站接收信号向量y和信道矩阵H计算得到y^F＝H^Hy；Gram矩阵生成器用于根据信道矩阵H计算得到Gram矩阵G＝H^HH；MMSE检测矩阵生成器用于根据Gram矩阵G计算得到MMSE检测矩阵A＝G+σ²I²，σ²表示噪声方差，I表示单位矩阵；IC预处理器用于对MMSE检测矩阵A进行不完全Cholesky预处理得到矩阵M＝LL^T，并对LL^T求逆得到M^-1，最终得到经过预处理的矩阵M^-1A；

高效CR检测模块，用于采用乘法器、加法器、共轭转置计算阵列、延时器、除法模块以及向量取模模块进行以下运算：

A、设置v₀＝0，b＝y^F，r₀＝b，p₀＝b，z₀＝M^-1r₀，e₀＝Ap₀，m₀＝Az₀，迭代次数k＝1；

B、按照下式计算：

C、将k＝k+1，并返回B进行循环，直至达到预设迭代次数；

输出模块，用于将迭代结束时的v_k值作为发送信号的估计值进行输出。

有益效果：本发明与现有技术相比，其显著优点是：本发明通过消除CG算法中每一次迭代的矩阵向量乘积A*p(p为计算过程中辅助残差的中间变量)，CR算法有效降低了复杂度并且是解决Hermitian问题的算法，接着本发明提供了基于上述CR算法的高效实现，即通过incomplete Cholesky(IC)预处理来优化CR算法的性能，通过在每一次迭代中在残差向量r前乘以IC预处理的结果L^HL的逆矩阵，得到了最终的高效CR算法，其误码率性能超越了CG和CR。

附图说明

图1是本发明提供的基于大规模MIMO的高效CR检测架构示意图；

图2是发射天线数为32，接收天线数为128，可调常数为1/9时，采用本发明CR和高效CR算法和其他检测算法的误码率曲线图；

图3是发射天线数为16，接收天线数为128，可调常数为1/9时，采用本发明CR和高效CR算法和其他检测算法的误码率曲线图；

图4是发射天线数为8，接收天线数为128，可调常数为1/9时，采用本发明CR和高效CR算法和其他检测算法的误码率曲线图；

图5是信噪比为20dB，接收天线数为128，可调常数为1/9时CR和CG算法复杂度与发射天线数量关系的曲线图；

图6是信噪比为20dB，接收天线数为128，可调常数为1/9时高效CR和其他算法的复杂度与发射天线数量关系的曲线图。

具体实施方式

本实施例中建立了一个大规模MIMO信道模型进行模拟操作。在大规模MIMO系统中，如果基站端天线数为N，用户端天线数为M，则一般有N＞＞M。令s＝[s₁,s₂,s₃,...,s_M]^T表示信号向量，s中包含了从M个用户产生的传输符号，均采用64-QAM方式进行映射。H表示维度是N×M的信道矩阵，故上行链路基站端的接收信号向量y可以表示为

y＝Hs+n

其中y的维度为N×1，n为N×1维的加性白噪声向量。上行链路的信号检测就是通过接收机接收向量y＝[y₁,y₂,y₃,...,y_N]^T估计出原传输信号符号s。假设H已知，其元素服从均值为0方差为1的独立同分布，采用最小均方误差(MMSE)线性检测方法，传输信号向量的估计表示为

为了根据y检测得到

本实施例提供了一种基于大规模MIMO的高效CR检测方法和架构，方法包括：

(1)采用匹配滤波器根据基站接收信号向量y和信道矩阵H计算得到y^F＝H^Hy；

(2)根据信道矩阵H计算得到Gram矩阵G＝H^HH；

(3)根据Gram矩阵G计算得到MMSE检测矩阵A＝G+σ²I²，其中，σ²表示噪声方差，I表示单位矩阵；

(4)对MMSE检测矩阵A进行不完全Cholesky预处理得到矩阵M＝LL^T，并对LL^T求逆得到M^-1，最终得到经过预处理的矩阵M^-1A；

(5)按照以下步骤进行高效CR检测：

A、设置v₀＝0，b＝y^F，r₀＝b，p₀＝b，z₀＝M^-1r₀，e₀＝Ap₀，m₀＝Az₀，迭代次数k＝1；

B、按照下式计算：

C、将k＝k+1，并返回B进行循环，直至达到预设迭代次数；

D、将迭代结束时的v_k值作为发送信号的估计值进行输出。

如图1所示，本实施例的架构包括：

预处理模块，包括匹配滤波器、Gram矩阵生成器、MMSE检测矩阵生成器、IC预处理器，其中，匹配滤波器用于根据基站接收信号向量y和信道矩阵H计算得到y^F＝H^Hy；Gram矩阵生成器用于根据信道矩阵H计算得到Gram矩阵G＝H^HH；MMSE检测矩阵生成器用于根据Gram矩阵G计算得到MMSE检测矩阵A＝G+σ²I²，σ²表示噪声方差，I表示单位矩阵；IC预处理器用对MMSE检测矩阵A进行不完全Cholesky预处理得到矩阵M＝LL^T，并对LL^T求逆得到M^-1，最终得到经过预处理的矩阵M^-1A；

高效CR检测模块，用于采用乘法器、加法器、共轭转置计算阵列、延时器、除法模块以及向量取模模块进行以下运算：

A、设置v₀＝0，b＝y^F，r₀＝b，p₀＝b，z₀＝M^-1r₀，e₀＝Ap₀，m₀＝Az₀，迭代次数k＝1；

B、按照下式计算：

C、将k＝k+1，并返回B进行循环，直至达到预设迭代次数；

输出模块，用于将迭代结束时的v_k值作为发送信号的估计值进行输出。

对于天线配置为128×32,128×16,128×8的大规模MIMO系统，采用64-QAM映射，与IC计算相关的可调常数为1/9，基于上述算法的大规模MIMO检测算法的仿真结果见图2，图3和图4。

复杂度方面，考虑算法中复数乘法的个数，令迭代次数为K，Q为下三角矩阵L中的0的个数。与CG相比，发明CR算法的复杂度为2M²+K*(M²+7M)，CG的复杂度为K*(2M²+6M)，二者比较示意图见图5。与传统求逆相比，高效CR算法的复杂度为

而传统求逆的复杂度为

其比较示意图见图6。由仿真结果可知，本发明CR算法将CG的复杂度降低了20％左右，而高效CR算法将传统求逆的复杂度降低了66％左右。复杂度比较见表1。在完成相同性能的前提下，本发明CR算法的复杂度小于CG算法的复杂度而本发明高效CR算法的复杂度小于传统求逆的复杂度。

表1

以上所揭露的仅为本发明一种较佳实施例而已，不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

Claims (2)

1.一种基于大规模MIMO的高效CR检测方法，其特征在于该方法包括：

(1)采用匹配滤波器根据基站接收信号向量y和信道矩阵H计算得到y^F＝H^Hy；

(2)根据信道矩阵H计算得到Gram矩阵G＝H^HH；

(3)根据Gram矩阵G计算得到MMSE检测矩阵A＝G+σ²I²，其中，σ²表示噪声方差，I表示单位矩阵；

(4)对MMSE检测矩阵A进行不完全Cholesky预处理得到矩阵M＝LL^T，并对LL^T求逆得到M^-1，最终得到经过预处理的矩阵M^-1A；

(5)按照以下步骤进行高效CR检测：

A、设置v₀＝0，b＝y^F，r₀＝b，p₀＝b，z₀＝M^-1r₀，e₀＝Ap₀，m₀＝Az₀，迭代次数k＝1；

B、按照下式计算：

C、将k＝k+1，并返回B进行循环，直至达到预设迭代次数；

D、将迭代结束时的v_k值作为发送信号的估计值进行输出。

2.一种基于大规模MIMO的高效CR检测架构，其特征在于包括：

预处理模块，包括匹配滤波器、Gram矩阵生成器、MMSE检测矩阵生成器、IC预处理器，其中，匹配滤波器用于根据基站接收信号向量y和信道矩阵H计算得到y^F＝H^Hy；Gram矩阵生成器用于根据信道矩阵H计算得到Gram矩阵G＝H^HH；MMSE检测矩阵生成器用于根据Gram矩阵G计算得到MMSE检测矩阵A＝G+σ²I²，σ²表示噪声方差，I表示单位矩阵；IC预处理器用于对MMSE检测矩阵A进行不完全Cholesky预处理得到矩阵M＝LL^T，并对LL^T求逆得到M^-1，最终得到经过预处理的矩阵M^-1A；

高效CR检测模块，用于采用乘法器、加法器、共轭转置计算阵列、延时器、除法模块以及向量取模模块进行以下运算：

A、设置v₀＝0，b＝y^F，r₀＝b，p₀＝b，z₀＝M^-1r₀，e₀＝Ap₀，m₀＝Az₀，迭代次数k＝1；

B、按照下式计算：

C、将k＝k+1，并返回B进行循环，直至达到预设迭代次数；

输出模块，用于将迭代结束时的v_k值作为发送信号的估计值进行输出。

Images