CN107276646A - 大规模mimo‑ofdm上行链路迭代检测方法 - Google Patents
大规模mimo‑ofdm上行链路迭代检测方法 Download PDFInfo
- Publication number
- CN107276646A CN107276646A CN201710535091.2A CN201710535091A CN107276646A CN 107276646 A CN107276646 A CN 107276646A CN 201710535091 A CN201710535091 A CN 201710535091A CN 107276646 A CN107276646 A CN 107276646A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- msubsup
- msup
- matrix
- 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
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
- H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
- H04B7/0413—MIMO systems
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
- H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
- H04B7/08—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the receiving station
- H04B7/0837—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the receiving station using pre-detection combining
- H04B7/0842—Weighted combining
- H04B7/0848—Joint weighting
- H04B7/0854—Joint weighting using error minimizing algorithms, e.g. minimum mean squared error [MMSE], "cross-correlation" or matrix inversion
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L1/00—Arrangements for detecting or preventing errors in the information received
- H04L1/004—Arrangements for detecting or preventing errors in the information received by using forward error control
- H04L1/0045—Arrangements at the receiver end
- H04L1/0047—Decoding adapted to other signal detection operation
- H04L1/005—Iterative decoding, including iteration between signal detection and decoding operation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L1/00—Arrangements for detecting or preventing errors in the information received
- H04L1/004—Arrangements for detecting or preventing errors in the information received by using forward error control
- H04L1/0045—Arrangements at the receiver end
- H04L1/0052—Realisations of complexity reduction techniques, e.g. pipelining or use of look-up tables
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Medicines Containing Antibodies Or Antigens For Use As Internal Diagnostic Agents (AREA)
- Radio Transmission System (AREA)
Abstract
本发明公开了一种大规模MIMO‑OFDM上行链路迭代检测方法,包括以下步骤:S1.1:在接收端,对每个子载波上的接收信号y(k)和相应的信道响应矩阵H(k),通过矩阵W(k)进行预处理,得到每个子载波上的观测矢量和相应的测量矩阵S1.2:根据步骤S1.1得到的观测矢量和测量矩阵利用近似消息传递算法求解所有用户在所有子载波上的数据的估计值。本发明可以有效降低检测算法的复杂度,且和传统低复杂度的广义近似消息传递算法相比,显著提高迭代算法的收敛性能。
Description
技术领域
本发明涉及无线通信技术,特别是涉及大规模MIMO-OFDM上行链路迭代检测方法。
背景技术
大规模MIMO在提高功率效率和频谱效率、抑制干扰以及鲁棒传输等方面都具有非常巨大的优势,是未来移动通信关键技术之一。正交频分复用(OFDM)技术能够将宽带信道分解为多个并行的窄带信道,适用于实际的无线传播信道。大规模MIMO与OFDM相结合是下一代宽带移动通信系统的发展趋势之一。
在实际无线通信系统中,对于大规模MIMO-OFDM无线通信系统来说,传统检测器的复杂度是不可接受的。例如,最大似然检测需要对所有发送信号空间进行搜索,属于NP-hard问题。而线性最小均方误差检测涉及到大维矩阵求逆,复杂度也非常高。
由于传统的近似消息传递算法和广义近似消息传递算法复杂度很低,因而被用在大规模MIMO检测中。当测量矩阵的每个元素为独立同分布的高斯随机变量时,广义近似消息传递算法表现出良好的收敛性。然而在实际通信系统中,信道通常是空间相关的,此种情况下,广义近似消息传递算法并不能收敛到正确的不动点。
当大规模MIMO-OFDM系统中的关于生成数据的后验概率可以完全因子化时,迭代检测算法的收敛性会有很大改善,因此,需要对原始的系统模型在接收端进行预处理,使得后验概率完全因子化。另外,在发送端进行预处理,可以提高算法的误码率性能。
发明内容
发明目的:本发明的目的是提供一种能够解决现有技术中存在的缺陷的大规模MIMO-OFDM上行链路迭代检测方法。
技术方案:为达到此目的,本发明采用以下技术方案:
本发明所述的大规模MIMO-OFDM上行链路迭代检测方法,包括以下步骤:
S1.1:在接收端,对每个子载波上的接收信号y(k)和相应的信道响应矩阵H(k),通过矩阵W(k)进行预处理,得到每个子载波上的观测矢量和相应的测量矩阵
S1.2:根据步骤S1.1得到的观测矢量和测量矩阵利用近似消息传递算法求解所有用户在所有子载波上的数据的估计值。
进一步,所述步骤S1.2中,基于近似消息传递算法的检测方法主要考虑发送端做线性正交变换的场景。
进一步,所述步骤S1.1中,接收端预处理矩阵W(k)需同时满足下列条件:
(1)W(k)H(k)H(k)HW(k)H为对角阵,其中H(k)为第k个子载波上的信道响应矩阵;
(2)W(k)Cn(k)W(k)H为对角阵,其中Cn(k)为第k个子载波上的加性噪声的协方差矩阵;
(3)W(k)满足下列任意一个子条件:
①W(k)为酉阵;
②W(k)为满秩对角阵;
③若加性噪声独立同分布,则W(k)满足W(k)=(Δ(k)HΔ(k))-1Δ(k)HH(k)H,其中Δ(k)为任一满秩方阵。
进一步,所述步骤S1.1中的接收端预处理矩阵W(k)通过式(1)计算得到:
式(1)中,Σ(k)为信道矩阵H(k)经过奇异值分解H(k)=U(k)Σ(k)V(k)H得到的对角矩阵,Σn(k)为加性噪声协方差矩阵Cn(k)经过特征值分解Cn(k)=Un(k)Σn(k)Un(k)H得到的特征值矩阵,U(k)为信道矩阵H(k)经过奇异值分解H(k)=U(k)Σ(k)V(k)H得到的酉矩阵,Un(k)为加性噪声协方差矩阵Cn(k)经过特征值分解Cn(k)=Un(k)Σn(k)Un(k)H得到的特征向量矩阵。
进一步,所述步骤S1.1具体包括以下步骤:
S5.1:对下列5个参数进行初始化:
输入信道的后验均值初始化为
输入信道的后验方差初始化为
输入信道的观测量辅助参数θi(k)初始化为θi(k)=0;
输入信道的噪声方差辅助参数初始化为
迭代次数t初始化为t=1;
S5.2:将输出信道建模为N×K个并行的信道:
式(2)中,为观测矢量的第i个元素,zi(k)为输出信道的发送信号,服从复高斯分布,即 为发送信号的均值,为发送信号的方差,为预处理后的输出信道的噪声,服从零均值的复高斯分布,即 为预处理后的噪声方差,则置信度为基于并行输出信道的后验概率密度;然后通过步骤S5.2.1-S5.2.3更新各个参数:
S5.2.1:更新输出信道的先验均值辅助参数和方差辅助参数
其中,hij(k)为测量矩阵第i行第j列的元素,Ekp为发送端正交变换矩阵E的第k行第p列的元素;
S5.2.2:更新输出信道的先验方差和均值
其中,为测量矩阵的第i行矢量;
S5.2.3:更新输出信道的后验均值和方差
根据计算和
S5.3:将输入信道建模为N×K个并行的信道:
其中,xj(p)为输入信道的发送信号,概率密度函数为p(xj(p)),wj(p)为输入信道的噪声,服从零均值的复高斯分布,即 为噪声方差,则置信度为基于并行输入信道的后验概率密度;然后通过步骤S5.3.1-S5.3.3更新各个参数:
S5.3.1:更新输入信道的观测量辅助参数θi(k)和噪声方差辅助参数
S5.3.2:更新输入信道的观测量和噪声方差
其中,Ekp′为发送端的正交变换矩阵E的第k行第p'列的元素,为输入信道的后验方差,为Ekp的共轭,为的共轭;
S5.3.3:更新输入信道的后验均值和方差
根据计算和
S5.4:令t=t+1,并判断:如果t未达到预设次数T,则返回步骤S5.2;否则,则输出用户n在第p个子载波上的数据估计值
进一步,所述步骤S1.2中的接收端预处理矩阵W(k)通过式(12)计算得到:
式(12)中,Σr表示平均信道相关矩阵经过特征值分解得到的特征值矩阵,Ur表示平均信道相关矩阵经过特征值分解得到的特征向量矩阵,Σr,N表示由Σr中值最大的前N个对角元素和零元素组成的M维对角阵,其中
有益效果:本发明提供了一种大规模MIMO-OFDM上行链路迭代检测方法,可以有效降低检测算法的复杂度,且和传统低复杂度的广义近似消息传递算法相比,显著提高迭代算法的收敛性能。
附图说明
图1为本发明具体实施方式的方法流程图;
图2为本发明具体实施方式的近似消息传递算法流程图。
具体实施方式
下面结合具体实施方式和附图对本发明的技术方案作进一步的介绍。
本具体实施方式公开了一种大规模MIMO-OFDM上行链路迭代检测方法,如图1所示,包括以下步骤:
S1.1:在发送端,对于第n个用户在所有子载波上的数据xn,n=1,…,N,N为用户数目,通过线性正交变换矩阵E变换为维度相同的发送信号矢量sn;
S1.2:在接收端,对每个子载波上的接收信号y(k)和相应的信道响应矩阵H(k),通过矩阵W(k)进行预处理,得到每个子载波上的观测矢量和相应的测量矩阵
S1.3:根据步骤S1.2得到的观测矢量和测量矩阵利用如图2所示的近似消息传递算法求解所有用户在所有子载波上的数据的估计值。
步骤S1.1中,线性正交变换矩阵E按照如下步骤生成:
S2.1、生成K×K维的DFT矩阵F;
S2.2、对DFT矩阵进行归一化处理,即
S2.3、对归一化后的矩阵的所有行向量随机交换位置后,得到能量扩展变换矩阵E。
步骤S1.2中,接收端预处理矩阵W(k)需同时满足下列条件:
(1)W(k)H(k)H(k)HW(k)H为对角阵,其中H(k)为第k个子载波上的信道响应矩阵;
(2)W(k)Cn(k)W(k)H为对角阵,其中Cn(k)为第k个子载波上的加性噪声的协方差矩阵;
(3)W(k)满足下列任意一个子条件:
①W(k)为酉阵;
②W(k)为满秩对角阵;
③若加性噪声独立同分布,则W(k)满足W(k)=(Δ(k)HΔ(k))-1Δ(k)HH(k)H,其中Δ(k)为任一满秩方阵。
步骤S1.2中的接收端预处理矩阵W(k)通过式(1)计算得到:
式(1)中,Σ(k)为信道矩阵H(k)经过奇异值分解H(k)=U(k)Σ(k)V(k)H得到的对角矩阵,Σn(k)为加性噪声协方差矩阵Cn(k)经过特征值分解Cn(k)=Un(k)Σn(k)Un(k)H得到的特征值矩阵,U(k)为信道矩阵H(k)经过奇异值分解H(k)=U(k)Σ(k)V(k)H得到的酉矩阵,Un(k)为加性噪声协方差矩阵Cn(k)经过特征值分解Cn(k)=Un(k)Σn(k)Un(k)H得到的特征向量矩阵。
步骤S1.3具体包括以下步骤:
S5.1:对下列5个参数进行初始化:
输入信道的后验均值初始化为
输入信道的后验方差初始化为
输入信道的观测量辅助参数θi(k)初始化为θi(k)=0;
输入信道的噪声方差辅助参数初始化为
迭代次数t初始化为t=1;
S5.2:将输出信道建模为N×K个并行的信道:
式(2)中,为观测矢量的第i个元素,zi(k)为输出信道的发送信号,服从复
高斯分布,即 为发送信号的均值,为发送信号的方差,为预处理后的输出信道的噪声,服从零均值的复高斯分布,即 为预处理后的噪声方差,则置信度为基于并行输出信道的后验概率密度;然后通过步骤S5.2.1-S5.2.3更新各个参数:
S5.2.1:更新输出信道的先验均值辅助参数和方差辅助参数
其中,hij(k)为测量矩阵第i行第j列的元素,Ekp为发送端线性正交变换矩阵E的第k行第p列的元素;
S5.2.2:更新输出信道的先验方差和均值
其中,为测量矩阵的第i行矢量;
S5.2.3:更新输出信道的后验均值和方差
根据计算和
S5.3:将输入信道建模为N×K个并行的信道:
其中,xj(p)为输入信道的发送信号,概率密度函数为p(xj(p)),wj(p)为输入信道的噪声,服从零均值的复高斯分布,即 为噪声方差,则置信度bxj(p)为基于并行输入信道的后验概率密度;然后通过步骤S5.3.1-S5.3.3更新各个参数:
S5.3.1:更新输入信道的观测量辅助参数θi(k)和噪声方差辅助参数
S5.3.2:更新输入信道的观测量和噪声方差
其中,Ekp′为发送端线性正交变换矩阵E的第k行第p'列的元素,为输入信道的后验方差,为的共轭,为的共轭;
S5.3.3:更新输入信道的后验均值和方差
根据计算和
S5.4:令t=t+1,并判断:如果t未达到预设次数T,则返回步骤S5.2;否则,则输出用户n在第p个子载波上的数据估计值
步骤S1.2中的接收端预处理矩阵W(k)通过式(12)计算得到:
式(12)中,Σr表示平均信道相关矩阵经过特征值分解得到的特征值矩阵,Ur表示平均信道相关矩阵经过特征值分解得到的特征向量矩阵,Σr,N表示由Σr中值最大的前N个对角元素和零元素组成的M维对角阵,其中
此外,所有用户在发送端使用相同的线性正交变换变换矩阵。
Claims (6)
1.大规模MIMO-OFDM上行链路迭代检测方法,其特征在于:包括以下步骤:
S1.1:在接收端,对每个子载波上的接收信号y(k)和相应的信道响应矩阵H(k),通过矩阵W(k)进行预处理,得到每个子载波上的观测矢量和相应的测量矩阵
S1.2:根据步骤S1.1得到的观测矢量和测量矩阵利用近似消息传递算法求解所有用户在所有子载波上的数据的估计值。
2.根据权利要求1所述的大规模MIMO-OFDM上行链路迭代检测方法,其特征在于:所述步骤S1.2中,基于近似消息传递算法的检测方法主要考虑发送端做线性正交变换的场景。
3.根据权利要求1所述的大规模MIMO-OFDM上行链路迭代检测方法,其特征在于:所述步骤S1.1中,接收端预处理矩阵W(k)需同时满足下列条件:
(1)W(k)H(k)H(k)HW(k)H为对角阵,其中H(k)为第k个子载波上的信道响应矩阵;
(2)W(k)Cn(k)W(k)H为对角阵,其中Cn(k)为第k个子载波上的加性噪声的协方差矩阵;
(3)W(k)满足下列任意一个子条件:
①W(k)为酉阵;
②W(k)为满秩对角阵;
③若加性噪声独立同分布,则W(k)满足W(k)=(Δ(k)HΔ(k))-1Δ(k)HH(k)H,其中Δ(k)为任一满秩方阵。
4.根据权利要求1所述的大规模MIMO-OFDM上行链路迭代检测方法,其特征在于:所述步骤S1.1中的接收端预处理矩阵W(k)通过式(1)计算得到:
<mrow>
<mi>W</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mo>&Sigma;</mo>
<msup>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mi>H</mi>
</msup>
<mi>U</mi>
<msup>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mi>H</mi>
</msup>
<msub>
<mo>&Sigma;</mo>
<mi>n</mi>
</msub>
<msup>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mrow>
<mo>-</mo>
<mfrac>
<mn>1</mn>
<mn>2</mn>
</mfrac>
</mrow>
</msup>
<msub>
<mi>U</mi>
<mi>n</mi>
</msub>
<msup>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mi>H</mi>
</msup>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
式(1)中,Σ(k)为信道矩阵H(k)经过奇异值分解H(k)=U(k)Σ(k)V(k)H得到的对角矩阵,Σn(k)为加性噪声协方差矩阵Cn(k)经过特征值分解Cn(k)=Un(k)Σn(k)Un(k)H得到的特征值矩阵,U(k)为信道矩阵H(k)经过奇异值分解H(k)=U(k)Σ(k)V(k)H得到的酉矩阵,Un(k)为加性噪声协方差矩阵Cn(k)经过特征值分解Cn(k)=Un(k)Σn(k)Un(k)H得到的特征向量矩阵。
5.根据权利要求1所述的大规模MIMO-OFDM上行链路迭代检测方法,其特征在于:所述步骤S1.1具体包括以下步骤:
S5.1:对下列5个参数进行初始化:
输入信道的后验均值初始化为
输入信道的后验方差初始化为
输入信道的观测量辅助参数θi(k)初始化为θi(k)=0;
输入信道的噪声方差辅助参数初始化为
迭代次数t初始化为t=1;
S5.2:将输出信道建模为N×K个并行的信道:
<mrow>
<msub>
<mover>
<mi>y</mi>
<mo>~</mo>
</mover>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msub>
<mi>z</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mover>
<mi>n</mi>
<mo>~</mo>
</mover>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
式(2)中,为观测矢量的第i个元素,zi(k)为输出信道的发送信号,服从复高斯分布,即 为发送信号的均值,为发送信号的方差,为预处理后的输出信道的噪声,服从零均值的复高斯分布,即 为预处理后的噪声方差,则置信度为基于并行输出信道的后验概率密度;然后通过步骤S5.2.1-S5.2.3更新各个参数:
S5.2.1:更新输出信道的先验均值辅助参数和方差辅助参数
<mrow>
<msubsup>
<mi>a</mi>
<mi>i</mi>
<mi>z</mi>
</msubsup>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msub>
<mi>h</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mrow>
<mo>(</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>p</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>K</mi>
</munderover>
<msub>
<mi>E</mi>
<mrow>
<mi>k</mi>
<mi>p</mi>
</mrow>
</msub>
<mi>E</mi>
<mo>&lsqb;</mo>
<msub>
<mi>x</mi>
<mi>j</mi>
</msub>
<mo>(</mo>
<mi>p</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
<msub>
<mi>b</mi>
<mrow>
<msub>
<mi>x</mi>
<mi>j</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>p</mi>
<mo>)</mo>
</mrow>
</mrow>
</msub>
<mo>&rsqb;</mo>
<mo>)</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msubsup>
<mi>&tau;</mi>
<mi>j</mi>
<mrow>
<mi>&alpha;</mi>
<mo>,</mo>
<mi>s</mi>
</mrow>
</msubsup>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msubsup>
<mi>&tau;</mi>
<mi>j</mi>
<mrow>
<mi>&alpha;</mi>
<mo>,</mo>
<mi>x</mi>
</mrow>
</msubsup>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mfrac>
<mn>1</mn>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>p</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>K</mi>
</munderover>
<mo>|</mo>
<msub>
<mi>E</mi>
<mrow>
<mi>k</mi>
<mi>p</mi>
</mrow>
</msub>
<mo>|</mo>
<mi>N</mi>
<mi>a</mi>
<mi>r</mi>
<mo>&lsqb;</mo>
<msub>
<mi>x</mi>
<mi>j</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>p</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
<msub>
<mi>b</mi>
<mrow>
<msub>
<mi>x</mi>
<mi>j</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>p</mi>
<mo>)</mo>
</mrow>
</mrow>
</msub>
<mo>&rsqb;</mo>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,hij(k)为测量矩阵第i行第j列的元素,Ekp为发送端正交变换矩阵E的第k行第p列的元素;
S5.2.2:更新输出信道的先验方差和均值
<mrow>
<msubsup>
<mi>&tau;</mi>
<mi>i</mi>
<mi>z</mi>
</msubsup>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msub>
<mover>
<mi>h</mi>
<mo>~</mo>
</mover>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mi>d</mi>
<mi>i</mi>
<mi>a</mi>
<mi>g</mi>
<mrow>
<mo>(</mo>
<mfrac>
<mn>1</mn>
<mrow>
<msup>
<mi>&tau;</mi>
<mrow>
<mi>&alpha;</mi>
<mo>,</mo>
<mi>s</mi>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
<msubsup>
<mover>
<mi>h</mi>
<mo>~</mo>
</mover>
<mi>i</mi>
<mi>H</mi>
</msubsup>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>5</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msubsup>
<mi>&mu;</mi>
<mi>i</mi>
<mi>z</mi>
</msubsup>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msubsup>
<mi>a</mi>
<mi>i</mi>
<mi>z</mi>
</msubsup>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msub>
<mi>&theta;</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<msubsup>
<mi>&tau;</mi>
<mi>i</mi>
<mi>z</mi>
</msubsup>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>6</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,为测量矩阵的第i行矢量;
S5.2.3:更新输出信道的后验均值和方差
根据计算和
S5.3:将输入信道建模为N×K个并行的信道:
<mrow>
<msubsup>
<mi>&mu;</mi>
<mi>j</mi>
<mi>x</mi>
</msubsup>
<mrow>
<mo>(</mo>
<mi>p</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msub>
<mi>x</mi>
<mi>j</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>p</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>w</mi>
<mi>j</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>p</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>7</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,xj(p)为输入信道的发送信号,概率密度函数为p(xj(p)),wj(p)为输入信道的噪声,服从零均值的复高斯分布,即 为噪声方差,则置信度为基于并行输入信道的后验概率密度;然后通过步骤S5.3.1-S5.3.3更新各个参数:
S5.3.1:更新输入信道的观测量辅助参数θi(k)和噪声方差辅助参数
<mrow>
<msub>
<mi>&theta;</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<mi>E</mi>
<mo>&lsqb;</mo>
<msub>
<mi>z</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
<msub>
<mi>b</mi>
<mrow>
<msub>
<mi>z</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</mrow>
</msub>
<mo>&rsqb;</mo>
<mo>-</mo>
<msubsup>
<mi>&mu;</mi>
<mi>i</mi>
<mi>z</mi>
</msubsup>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msubsup>
<mi>&tau;</mi>
<mi>i</mi>
<mi>z</mi>
</msubsup>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>8</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msubsup>
<mi>&tau;</mi>
<mi>j</mi>
<mrow>
<mi>&alpha;</mi>
<mo>,</mo>
<mi>x</mi>
</mrow>
</msubsup>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>M</mi>
</munderover>
<msup>
<mrow>
<mo>|</mo>
<msub>
<mi>h</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
</mrow>
<mn>2</mn>
</msup>
<mrow>
<mo>(</mo>
<mfrac>
<mn>1</mn>
<mrow>
<msubsup>
<mi>&tau;</mi>
<mi>i</mi>
<mi>z</mi>
</msubsup>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>-</mo>
<msup>
<mrow>
<mo>&lsqb;</mo>
<mfrac>
<mn>1</mn>
<mrow>
<msubsup>
<mi>&tau;</mi>
<mi>i</mi>
<mi>z</mi>
</msubsup>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>&rsqb;</mo>
</mrow>
<mn>2</mn>
</msup>
<mi>V</mi>
<mi>a</mi>
<mi>r</mi>
<mo>&lsqb;</mo>
<msub>
<mi>z</mi>
<mi>i</mi>
</msub>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
<mo>|</mo>
<msub>
<mi>b</mi>
<mrow>
<msub>
<mi>z</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</mrow>
</msub>
<mo>&rsqb;</mo>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>9</mn>
<mo>)</mo>
</mrow>
</mrow>
S5.3.2:更新输入信道的观测量和噪声方差
<mrow>
<msubsup>
<mi>&tau;</mi>
<mi>j</mi>
<mi>x</mi>
</msubsup>
<mrow>
<mo>(</mo>
<mi>p</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>K</mi>
</munderover>
<mfrac>
<msup>
<mrow>
<mo>|</mo>
<msub>
<mi>E</mi>
<mrow>
<mi>k</mi>
<mi>p</mi>
</mrow>
</msub>
<mo>|</mo>
</mrow>
<mn>2</mn>
</msup>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<msup>
<mi>p</mi>
<mo>&prime;</mo>
</msup>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>K</mi>
</munderover>
<msup>
<mrow>
<mo>|</mo>
<msub>
<mi>E</mi>
<mrow>
<msup>
<mi>kp</mi>
<mo>&prime;</mo>
</msup>
</mrow>
</msub>
<mo>|</mo>
</mrow>
<mn>2</mn>
</msup>
<mi>V</mi>
<mi>a</mi>
<mi>r</mi>
<mo>&lsqb;</mo>
<msub>
<mi>x</mi>
<mi>j</mi>
</msub>
<mrow>
<mo>(</mo>
<msup>
<mi>p</mi>
<mo>&prime;</mo>
</msup>
<mo>)</mo>
</mrow>
<mo>|</mo>
<msub>
<mi>b</mi>
<mrow>
<msub>
<mi>x</mi>
<mi>j</mi>
</msub>
<mrow>
<mo>(</mo>
<msup>
<mi>p</mi>
<mo>&prime;</mo>
</msup>
<mo>)</mo>
</mrow>
</mrow>
</msub>
<mo>&rsqb;</mo>
<mo>+</mo>
<mfrac>
<mn>1</mn>
<mrow>
<msubsup>
<mi>&tau;</mi>
<mi>j</mi>
<mrow>
<mi>&alpha;</mi>
<mo>,</mo>
<mi>x</mi>
</mrow>
</msubsup>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
</mrow>
</mfrac>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>10</mn>
<mo>)</mo>
</mrow>
</mrow>
2
<mrow>
<msubsup>
<mi>&mu;</mi>
<mi>j</mi>
<mi>x</mi>
</msubsup>
<mrow>
<mo>(</mo>
<mi>p</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>E</mi>
<mo>&lsqb;</mo>
<msub>
<mi>x</mi>
<mi>j</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>p</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
<msub>
<mi>b</mi>
<mrow>
<msub>
<mi>x</mi>
<mi>j</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>p</mi>
<mo>)</mo>
</mrow>
</mrow>
</msub>
<mo>&rsqb;</mo>
<mo>+</mo>
<msubsup>
<mi>&tau;</mi>
<mi>j</mi>
<mi>x</mi>
</msubsup>
<mrow>
<mo>(</mo>
<mi>p</mi>
<mo>)</mo>
</mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>K</mi>
</munderover>
<msubsup>
<mi>E</mi>
<mrow>
<mi>k</mi>
<mi>p</mi>
</mrow>
<mo>*</mo>
</msubsup>
<mrow>
<mo>(</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msubsup>
<mi>h</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mo>*</mo>
</msubsup>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
<msub>
<mi>&theta;</mi>
<mi>i</mi>
</msub>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>11</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,Ekp′为发送端的正交变换矩阵E的第k行第p'列的元素,为输入信道的后验方差,为Ekp的共轭,为的共轭;
S5.3.3:更新输入信道的后验均值和方差
根据计算和
S5.4:令t=t+1,并判断:如果t未达到预设次数T,则返回步骤S5.2;否则,则输出用户n在第p个子载波上的数据估计值
6.根据权利要求1所述的大规模MIMO-OFDM上行链路迭代检测方法,其特征在于:所述步骤S1.2中的接收端预处理矩阵W(k)通过式(12)计算得到:
<mrow>
<mi>W</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msup>
<msub>
<mover>
<mo>&Sigma;</mo>
<mo>^</mo>
</mover>
<mi>r</mi>
</msub>
<mi>H</mi>
</msup>
<msup>
<msub>
<mi>U</mi>
<mi>r</mi>
</msub>
<mi>H</mi>
</msup>
<msub>
<mo>&Sigma;</mo>
<mi>n</mi>
</msub>
<msup>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mrow>
<mo>-</mo>
<mfrac>
<mn>1</mn>
<mn>2</mn>
</mfrac>
</mrow>
</msup>
<msub>
<mi>U</mi>
<mi>n</mi>
</msub>
<msup>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mi>H</mi>
</msup>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>12</mn>
<mo>)</mo>
</mrow>
</mrow>
式(12)中,Σr表示平均信道相关矩阵经过特征值分解得到的特征值矩阵,Ur表示平均信道相关矩阵经过特征值分解得到的特征向量矩阵,Σr,N表示由Σr中值最大的前N个对角元素和零元素组成的M维对角阵,其中
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710535091.2A CN107276646B (zh) | 2017-07-03 | 2017-07-03 | 大规模mimo-ofdm上行链路迭代检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710535091.2A CN107276646B (zh) | 2017-07-03 | 2017-07-03 | 大规模mimo-ofdm上行链路迭代检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107276646A true CN107276646A (zh) | 2017-10-20 |
CN107276646B CN107276646B (zh) | 2020-12-11 |
Family
ID=60071453
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710535091.2A Active CN107276646B (zh) | 2017-07-03 | 2017-07-03 | 大规模mimo-ofdm上行链路迭代检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107276646B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108282200A (zh) * | 2018-03-07 | 2018-07-13 | 江南大学 | 一种大规模mimo系统中基于因子图的置信度传播信号检测方法 |
CN108566237A (zh) * | 2018-04-25 | 2018-09-21 | 东南大学 | 基于双对角化的低复杂度几何均值分解预编码实现方法 |
CN108650056A (zh) * | 2018-04-04 | 2018-10-12 | 南京邮电大学 | 一种大规模mimo系统上行链路中的混合迭代检测方法 |
CN109768816A (zh) * | 2018-12-19 | 2019-05-17 | 西安交通大学 | 一种非高斯噪声3d-mimo系统数据检测方法 |
CN110784274A (zh) * | 2019-11-11 | 2020-02-11 | 袁正道 | 一种针对大规模多输入多输出的接收机算法的确定方法 |
CN110912643A (zh) * | 2019-10-21 | 2020-03-24 | 中南民族大学 | 一种基于机器学习的amp检测改进方法 |
WO2020253690A1 (zh) * | 2019-06-17 | 2020-12-24 | 浙江大学 | 一种基于近似消息传递算法的深度学习波束域信道估计方法 |
CN114665934A (zh) * | 2022-03-18 | 2022-06-24 | 五邑大学 | 基于分解因子矩阵的信号检测方法、系统、设备及介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090041144A1 (en) * | 2005-06-29 | 2009-02-12 | Intel Corporation | Multi-user mimo receiver and method for decoding simultaneous uplink transmissions from mobile stations |
CN103503359A (zh) * | 2011-03-14 | 2014-01-08 | 瑞典爱立信有限公司 | 用于确定ue移动性状况的方法和设备 |
CN104022977A (zh) * | 2014-06-17 | 2014-09-03 | 东南大学 | 一种适用于mimo-ofdm系统的信道矩阵与干扰协方差矩阵估计方法 |
-
2017
- 2017-07-03 CN CN201710535091.2A patent/CN107276646B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090041144A1 (en) * | 2005-06-29 | 2009-02-12 | Intel Corporation | Multi-user mimo receiver and method for decoding simultaneous uplink transmissions from mobile stations |
CN103503359A (zh) * | 2011-03-14 | 2014-01-08 | 瑞典爱立信有限公司 | 用于确定ue移动性状况的方法和设备 |
CN104022977A (zh) * | 2014-06-17 | 2014-09-03 | 东南大学 | 一种适用于mimo-ofdm系统的信道矩阵与干扰协方差矩阵估计方法 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108282200B (zh) * | 2018-03-07 | 2020-09-04 | 江南大学 | 一种大规模mimo系统中基于因子图的置信度传播信号检测方法 |
CN108282200A (zh) * | 2018-03-07 | 2018-07-13 | 江南大学 | 一种大规模mimo系统中基于因子图的置信度传播信号检测方法 |
CN108650056B (zh) * | 2018-04-04 | 2021-08-03 | 南京邮电大学 | 一种大规模mimo系统上行链路中的混合迭代检测方法 |
CN108650056A (zh) * | 2018-04-04 | 2018-10-12 | 南京邮电大学 | 一种大规模mimo系统上行链路中的混合迭代检测方法 |
CN108566237B (zh) * | 2018-04-25 | 2021-07-23 | 东南大学 | 基于双对角化的低复杂度几何均值分解预编码实现方法 |
CN108566237A (zh) * | 2018-04-25 | 2018-09-21 | 东南大学 | 基于双对角化的低复杂度几何均值分解预编码实现方法 |
CN109768816A (zh) * | 2018-12-19 | 2019-05-17 | 西安交通大学 | 一种非高斯噪声3d-mimo系统数据检测方法 |
WO2020253690A1 (zh) * | 2019-06-17 | 2020-12-24 | 浙江大学 | 一种基于近似消息传递算法的深度学习波束域信道估计方法 |
CN110912643A (zh) * | 2019-10-21 | 2020-03-24 | 中南民族大学 | 一种基于机器学习的amp检测改进方法 |
CN110912643B (zh) * | 2019-10-21 | 2022-03-11 | 中南民族大学 | 一种基于机器学习的amp检测改进方法 |
CN110784274A (zh) * | 2019-11-11 | 2020-02-11 | 袁正道 | 一种针对大规模多输入多输出的接收机算法的确定方法 |
CN114665934A (zh) * | 2022-03-18 | 2022-06-24 | 五邑大学 | 基于分解因子矩阵的信号检测方法、系统、设备及介质 |
CN114665934B (zh) * | 2022-03-18 | 2023-05-12 | 五邑大学 | 基于分解因子矩阵的信号检测方法、系统、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN107276646B (zh) | 2020-12-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107276646A (zh) | 大规模mimo‑ofdm上行链路迭代检测方法 | |
He et al. | Model-driven deep learning for MIMO detection | |
CN108964726A (zh) | 一种低复杂度的大规模mimo上行链路传输信道估计方法 | |
CN108832976A (zh) | 一种大规模mimo系统的上行链路信道估计方法 | |
CN105071843B (zh) | 大规模mimo系统低复杂度多项式展开矩阵求逆方法及应用 | |
CN110855585A (zh) | 一种毫米波大规模mimo系统的信道估计方法 | |
CN113315560B (zh) | 一种紧凑型平面阵列Massive MIMO系统的波束赋形方法 | |
CN111478749B (zh) | 基于优化初值快收敛mimo迭代检测方法、系统及应用 | |
Wang et al. | Sparse channel estimation in millimeter wave communications: Exploiting joint AoD-AoA angular spread | |
CN110971547B (zh) | 一种基于毫米波/太赫兹的宽带大规模终端检测和信道估计方法 | |
CN111262803A (zh) | 一种基于深度学习的物理层安全通信方法、装置及系统 | |
CN106341169B (zh) | 一种多用户大规模mimo系统上行链路的天线选择方法 | |
CN104779988A (zh) | 一种快速迭代波束成形的方法 | |
CN108199990B (zh) | 一种非高斯噪声3d-mimo信道估计方法 | |
CN114157331B (zh) | 基于伪复值输入的大规模mimo信道状态信息反馈方法 | |
CN105553526A (zh) | 大规模mimo系统导频长度及功率联合分配方法 | |
CN106130938B (zh) | Tdd大规模mimo系统多用户联合信道估计方法 | |
CN107276657B (zh) | 基于并行算法的毫米波混合波束形成方法 | |
CN109379116B (zh) | 基于切比雪夫加速法与sor算法的大规模mimo线性检测算法 | |
Jiang et al. | AcsiNet: Attention-based deep learning network for CSI prediction in FDD MIMO systems | |
CN107426119B (zh) | 毫米波通信的十字形信道估计方法、装置及系统 | |
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 | |
CN110868244B (zh) | 一种基于信道穿刺的低复杂度通信信号检测方法 | |
CN114221838A (zh) | 大规模mimo系统中利用信道共轭数据的信道估计方法及系统 | |
Qiu et al. | Low-Complexity Variational Bayesian Inference Based Groupwise Detection for Massive MIMO Uplinks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |