CN107276646B - 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
- CN107276646B CN107276646B CN201710535091.2A CN201710535091A CN107276646B CN 107276646 B CN107276646 B CN 107276646B CN 201710535091 A CN201710535091 A CN 201710535091A CN 107276646 B CN107276646 B CN 107276646B
- Authority
- CN
- China
- Prior art keywords
- matrix
- channel
- variance
- input channel
- noise
- 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.)
- Active
Links
Images
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)
- Radio Transmission System (AREA)
- Medicines Containing Antibodies Or Antigens For Use As Internal Diagnostic Agents (AREA)
Abstract
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:
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:
输入信道的观测量辅助参数θi(k)初始化为θi(k)=0;
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:
S5.3: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:
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;
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;
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:
输入信道的观测量辅助参数θi(k)初始化为θi(k)=0;
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:
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:
S5.3: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:
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 (3)
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:
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;
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;
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:
输入信道的观测量辅助参数θi(k)初始化为θi(k)=0;
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:
S5.3: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:
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。
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 CN107276646A (zh) | 2017-10-20 |
CN107276646B true 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) |
Families Citing this family (8)
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 |
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 |
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 |
CN109768816B (zh) * | 2018-12-19 | 2020-11-17 | 西安交通大学 | 一种非高斯噪声3d-mimo系统数据检测方法 |
CN110365612B (zh) * | 2019-06-17 | 2020-08-14 | 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 |
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 |
CN110784274B (zh) * | 2019-11-11 | 2021-07-27 | 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 |
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 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7480497B2 (en) * | 2005-06-29 | 2009-01-20 | Intel Corporation | Multicarrier receiver and method for carrier frequency offset correction and channel estimation for receipt of simultaneous transmissions over a multi-user uplink |
-
2017
- 2017-07-03 CN CN201710535091.2A patent/CN107276646B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Also Published As
Publication number | Publication date |
---|---|
CN107276646A (zh) | 2017-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107276646B (zh) | 大规模mimo-ofdm上行链路迭代检测方法 | |
CN111698182B (zh) | 一种基于压缩感知的时频分块稀疏的信道估计方法 | |
CN107483091B (zh) | 一种fdd大规模mimo-ofdm系统下的信道信息反馈算法 | |
CN108832976B (zh) | 一种大规模mimo系统的上行链路信道估计方法 | |
TWI463823B (zh) | 相關性衰落通道的模型基礎通道估計器和通道估計方法 | |
WO2019041470A1 (zh) | 大规模mimo鲁棒预编码传输方法 | |
CN111865843B (zh) | 大规模mimo-ofdm系统混合消息传递信道估计方法 | |
Sun et al. | A lightweight deep network for efficient CSI feedback in massive MIMO systems | |
CN105915473B (zh) | 一种基于压缩感知技术的ofdm系统参数化信道估计及均衡方法 | |
CN110719239A (zh) | 一种数据模型双驱动的联合mimo信道估计和信号检测方法 | |
CN104702390A (zh) | 分布式压缩感知信道估计中的导频分配方法 | |
CN109474388B (zh) | 基于改进梯度投影法的低复杂度mimo-noma系统信号检测方法 | |
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 | |
CN108259397B (zh) | 基于自适应正则化子空间追踪压缩感知算法的大规模mimo系统信道估计方法 | |
CN108964725B (zh) | 时变大规模mimo网络中信道参数的稀疏估计方法 | |
Gong et al. | Block distributed compressive sensing-based doubly selective channel estimation and pilot design for large-scale MIMO systems | |
CN106534002A (zh) | 一种基于压缩感知的电力线信道估计方法 | |
CN108365874A (zh) | 基于fdd大规模mimo贝叶斯压缩感知信道估计方法 | |
CN113067668B (zh) | 针对mmv模型进行活跃性和信号联合检测的方法 | |
CN108566227B (zh) | 一种多用户检测方法 | |
CN105812299A (zh) | 基于联合块稀疏重构的无线传感网信道估计算法及系统 | |
Jiang et al. | AcsiNet: Attention-based deep learning network for CSI prediction in FDD MIMO systems | |
CN114430590B (zh) | 一种实现上行大规模urllc的无线传输方法 | |
CN113612571B (zh) | 一种基于广义多分数傅里叶变换的多分量安全传输方法 | |
WO2022062810A1 (zh) | 站点、ap、信道状态信息反馈、波束赋形方法及存储介质 |
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 |