CN108282200B - 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 - Google Patents

Abstract

本发明公开了一种大规模MIMO系统中基于因子图的置信度传播信号检测方法，包括：(1)将模型y＝Hx+n建模为因子图，将接收信号y中的每个元素作为一个观测节点，将发射信号x中的每个元素作为一个变量节点；(2)当计算第i个观测节点y_i传给第k个变量节点x_k的信息时，将其中的干扰项近似建模为高斯分布；(3)计算x_k的对数似然比信息，在观测节点计算得到对数似然比信息后将其传递到其余的变量节点；(4)变量节点利用对数似然比信息计算本变量的条件边缘概率信息，变量节点得到边缘概率后再将其传递给所有观测节点；(5)经过一定的迭代次数之后，对第k个变量节点进行检测判决；(6)在迭代过程中利对边缘概率信息和对数似然比信息的更新进行阻尼。

Description

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

技术领域

本发明涉及无线通信技术领域，尤其涉及一种大规模MIMO系统中基于因子图的置信度传播信号检测方法。

背景技术

大规模MIMO(Large Scale-Multiple-Input Multiple-Output,LS-MIMO)系统是第五代移动通信系统的关键技术之一，通过在基站和用户端配备大量天线，显著地提高系统的信道容量、数据传输速率、频谱效率和通信质量。由于天线数的增多，许多适用于传统MIMO系统的高性能的方法不再适用于大规模MIMO系统，这些方法往往会产生较高的复杂度。因此如何在维持较好性能的同时降低方法复杂度成为了一个急需解决的问题。

传统的信号检测方法可以根据运算特性分为线性检测方法和非线性两类。线性检测方法是使用线性运算处理信息，方法实现简单，计算复杂度低。主要有迫零检测(ZF)、匹配滤波检测(MF)和最小均方误差检测(MMSE)等。非线性检测是使用非线性运算处理信息，可以获得很好的系统性能，例如ML检测，但是计算复杂度过高，不适用于大规模MIMO系统。

图模型是表示随机变量相互之间依赖关系的图。消息传递方法是图模型上求解概率推断问题的一种非常有效的技术。近年来，图模型上的消息传递方法在大规模MIMO系统中的应用越来越广泛，被认为是一种可以实现低复杂度高性能信号处理的有效方法，但目前该方法存在收敛速度慢、检测方法的性能低下等缺陷。

发明内容

为解决上述技术问题，本发明的目的是提供一种大规模MIMO系统中基于因子图的置信度传播信号检测方法，为了加快置信度传播信号检测方法的收敛速度，提高检测方法的性能，本发明提出将阻尼法应用到检测方法中，以提高检测方法的误码性能和收敛速度。

本发明提出的大规模MIMO系统中基于因子图的置信度传播信号检测方法，包括以下步骤：

步骤1：将MIMO系统模型y＝Hx+n建模为因子图，在因子图中将系统模型中接收信号向量y中的每个元素作为一个观测节点(因子节点)，将发射信号(待检信号)向量x中的每个元素作为一个变量节点，H表示信道增益矩阵，n表示噪声信号向量；

步骤2：当计算第i个观测节点y_i传给第k个变量节点x_k的信息时，可以将其中的干扰项近似建模为高斯分布，即y_i＝h_ikx_k+λ_i,k，其中λ_i,k表示干扰和噪声部分，且λ_i,k服从

步骤3：计算第i个观测节点处第k个变量节点x_k的对数似然比信息，在观测节点计算得到对数似然比信息后将其传递到其余的变量节点；

步骤4：变量节点在接收到观测节点发送的对数似然比信息后，利用其计算本变量的条件边缘概率信息，变量节点得到边缘概率信息后再将其传递给所有观测节点；

步骤5：经过一定的迭代次数之后，变量节点的边缘概率收敛到一个值，对第k个变量节点进行检测判决；

步骤6：在方法迭代过程中利用阻尼方法对边缘概率信息和对数似然比信息的更新进行阻尼，以提高检测方法的收敛速度。

进一步的，步骤2具体包括：

接收信号向量中第i个元素y_i可表示为

其中λ_i,k表示干扰和噪声部分，且λ_i,k服从CN

其中均值

和方差

可表示为：

式中，K表示发射天线数，

表示噪声方差，h_ij表示信道增益矩阵H的第i行第j列元素。

进一步的，所述步骤3中得到的对数似然比信息为：

其中H表示信道增益矩阵，

表示取实部操作。

进一步的，步骤4得到的变量节点计算的条件边缘概率信息可表示为：

进一步的，步骤6中利用阻尼方法对对数似然信息和条件边缘概率信息的更新进行阻尼可表示为

其中Δ_Λ和Δ_p分别表示

和

的阻尼因子。

进一步的，所述信道响应矩阵H具体为瑞利衰落信道响应矩阵。

借由上述方案，本发明至少具有以下优点：基于因子图的置信度传播信号检测方法是一种软检测方法，在大规模MIMO系统中可以获得较好的检测性能，该方法同时还具有较低的计算复杂度，适用于大规模MIMO系统，为了加快置信度传播信号检测方法的收敛速度，提高检测方法的性能，本发明提出将阻尼法应用到该检测方法中，提高了检测方法的误码性能和收敛速度。

附图说明

图1是基于因子图的置信度传播信号检测方法的误码性能。

图2基于因子图的置信度传播信号检测方法的误码率随阻尼因子Δ_Λ的变化曲线。

图3基于因子图的置信度传播信号检测方法的误码率随阻尼因子Δ_p的变化曲线。

具体实施方式

下面将结合实施例对本发明的实施方案进行详细描述，但是本领域技术人员将会理解，下列实施例仅用于说明本发明，而不应视为限定本发明的范围。

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，所适用的系统模型为：

y＝Hx+n，

式中

是基站侧接收的信号，

是发射端发送的信号，N表示接收天线数目，K表示发射天线数目，

是加性高斯白噪声，

表示瑞利衰落信道。

设对数似然比信息

的初始值为0，条件边缘概率信息

的初始值为0.5，则经过以下迭代过程可以完成接收信号的检测过程，得到发射信号的估计

实验结果如图1、2和3所示，图1是本发明在信道H为瑞利衰落信道，阻尼因子Δ_Λ＝0.4，Δ_p＝0.2，迭代次数为5，调制方式为BPSK条件下，基于因子图的置信度传播检测方法的误码性能，图1显示随着发射天线数和接收天线数的增加，基于因子图的置信度传递检测方法的误码性能趋于无衰落的SISO模型检测性能。

图2是本发明在信道H为瑞利衰落信道，发射天线数和接收天线数均为16，信噪比等于12dB条件下，基于因子图的置信度传播检测方法的误码率随阻尼因子Δ_Λ的变化曲线，方法迭代次数为10。图2中可以看出，当阻尼因子Δ_Λ取0.4时，检测的误码性能最好，阻尼因子过大或过小都会严重影响检测方法的性能。

图3是本发明在信道H为瑞利衰落信道，发射天线数和接收天线数均为16，信噪比等于12dB条件下，Δ_Λ＝0.4时，基于因子图的置信度传播检测方法的误码率随阻尼因子Δ_p的变化曲线，方法迭代次数为10。图3显示当Δ_p取0.2时，基于因子图的置信度传递检测方法的误码性能最好。综合图2和图3结果可知，选择合适的阻尼因子可以有效的提高检测方法的误码性能。

虽然本发明已以较佳实施例公开如上，但其并非用以限定本发明，任何熟悉此技术的人，在不脱离本发明的精神和范围内，都可做各种的改动与修饰，因此本发明的保护范围应该以权利要求书所界定的为准。

Claims (2)

1.一种大规模MIMO系统中基于因子图的置信度传播信号检测方法，其特征在于：包括以下步骤：

步骤1：将MIMO系统模型y＝Hx+n建模为因子图，在因子图中将系统模型中接收信号向量y中的每个元素作为一个观测节点，将发射信号向量x中的每个元素作为一个变量节点，H表示信道增益矩阵，n表示噪声信号向量；

步骤2：当计算第i个观测节点y_i传给第k个变量节点x_k的信息时，将其中的干扰项近似建模为高斯分布，即y_i＝h_ikx_k+λ_i,k，其中λ_i,k表示干扰和噪声部分，且λ_i,k服从

步骤3：计算第i个观测节点处第k个变量节点x_k的对数似然比信息，在观测节点计算得到对数似然比信息后会将其传递到其余的变量节点；

步骤4：变量节点在接收到观测节点发送的对数似然比信息后，利用其计算本变量的条件边缘概率信息，变量节点得到边缘概率信息后再将其传递给所有观测节点；

步骤5：经过一定的迭代次数之后，变量节点的边缘概率收敛到一个值，对第k个变量节点进行检测判决；

步骤6：在方法迭代过程中利用阻尼方法对边缘概率信息和对数似然比信息的更新进行阻尼，以提高检测方法的收敛速度

步骤2具体包括：

当计算第i个观测节点y_i传给第k个变量节点x_k的信息时，将其中的干扰项近似建模为高斯分布，表示为：

其中λ_i,k表示第k个变量节点到第i个观测节点的干扰叠加噪声项，将λ_i,k建模为

其中均值

和方差

表示为：

式中，K表示发射天线数，

表示噪声方差，h_ij表示信道增益矩阵H的第i行第j列元素；

步骤3中得到的对数似然比信息为：

其中，H表示信道增益矩阵，

表示取实部操作；

步骤4得到的变量节点计算的条件边缘概率信息表示为：

步骤6中利用阻尼方法对对数似然信息和条件边缘概率信息的更新进行阻尼表示为：

其中Δ_Λ和Δ_p分别表示

和

的阻尼因子。

2.根据权利要求1所述的大规模MIMO系统中基于因子图的置信度传播信号检测方法，其特征在于：所述信道增益矩阵H具体为瑞利衰落信道响应矩阵。

Images