CN108512580A - 适用于低精度量化的大规模多用户mimo迭代检测方法 - Google Patents
适用于低精度量化的大规模多用户mimo迭代检测方法 Download PDFInfo
- Publication number
- CN108512580A CN108512580A CN201810175598.6A CN201810175598A CN108512580A CN 108512580 A CN108512580 A CN 108512580A CN 201810175598 A CN201810175598 A CN 201810175598A CN 108512580 A CN108512580 A CN 108512580A
- Authority
- CN
- China
- Prior art keywords
- symbol
- detection
- bit
- iteration
- quantization
- 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
- H04B7/0452—Multi-user 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
-
- 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)
- Radio Transmission System (AREA)
Abstract
本发明公开了一种适用于低精度量化的大规模多用户多输入多输出(MIMO)系统的迭代检测方法。本发明针对接收天线装配低精度模数转换器的大规模多用户MIMO系统,通过联合检测器和译码器协同工作,反复进行迭代检测以提升性能,提出了一种复杂度较低且性能优异的迭代检测算法。在发明方法中,检测器与低密度奇偶校验(LDPC)码的译码器协同工作,可以形成一种兼顾接收机性能与复杂度的迭代检测方法。
Description
技术领域
本发明涉及一种适用于低精度量化的大规模多用户MIMO迭代检测方法,具体涉及大规模MIMO迭代检测技术,属于无线通信技术领域。
背景技术
大规模多入多出(Multiple-input multiple-output,MIMO)技术因其较高的谱效率以及能量效率已成为下一代移动通信(5G)的关键技术,对于采用大规模MIMO技术的系统,只需要在基站装备大量天线便可以利用简单的信号处理手段减小校区之间的干扰。然而,大量天线的引入使得传统的检测算法不再适用,例如,对于传统最优的最大后验概率(MAP)检测算法,其复杂度随着发送天线的增加呈指数上升,经典的最小均方误差(MMSE)检测算法因为涉及到矩阵求逆,在天线数目较多时产生的运算量也变得不可接受,因此,大规模MIMO系统亟需一种复杂度较低检测算法以保证其实施的可能性,另一方面,大量天线的引入意味着对接收端模数转换器(ADC)的需求增加,考虑到ADC消耗的功率随着采样频率和量化精度呈现指数级增长,为降低功率,一般大规模系统推荐使用较低精度的ADC。
一般系统中的检测器与信道译码器之间的关系是相互独立的,检测器与译码器之间只存在检测器到译码器的信息传递关系,而迭代检测技术实现了检测器和译码器之间相互的信息传递,通过联合检测器和译码器协同工作,提升系统性能。
针对装配低精度ADC的大规模MIMO系统的检测问题,参考文献[1]利用广义近似消息传递技术提出了避免矩阵求逆的三种检测算法,分别为解量化(DQ)检测、伪解量化(PDQ)检测、线性(linear)检测,其中DQ检测算法涉及到积分运算和高斯分布查表,复杂度最高,性能最优,PDQ检测算法避免了积分运算,复杂度与性能居中,linear检测算法复杂度最低但性能较差。
PDQ检测器较好的实现了检测复杂度与性能的折衷,其性能优于经典MMSE检测算法且避免了矩阵求逆,但是其没有给出检测器的软量提取方法,同时其装配低精度ADC的检测器性能尚不理想,因此,为了进一步提升性能,有必要考虑基于PDQ检测器的低精度量化大规模MIMO系统的迭代检测方法。
发明内容
本发明针对装配低精度ADC的大规模MIMO系统,为避免检测时矩阵求逆以降低复杂度,同时保证检测器和信道译码器有交互信息接口以提升系统性能,提出一种适用于低精度量化的大规模多用户MIMO迭代检测方法。
为了实现上述目的,本发明的技术方案如下,一种适用于低精度量化的大规模多用户MIMO迭代检测方法,该方法包括以下步骤:
S1:接收信号量化处理;
S2:按照设定的迭代检测次数进行迭代检测。
其中,步骤(1)具体包括:
S11:对于一个有K个单天线用户和基站侧装配N根天线的大规模多用户MIMO系统(N≥K),设置其上行链路的信道模型为y=Hx+n,其中,y=[yi]∈CN×1表示接收信号,x=[xj]∈CK×1表示分量平均发送功率均为1的发送信号,xj为用户j使用的调制星座点集Ωj上的点,n∈[ni]∈CN×1表示加性高斯白噪声(AWGN),其分量对应的噪声方差均为H=[hij]∈CN×K表示基站与K个用户之间的信道矩阵,具体的,hij表示发送端第j个用户到基站第i个接收天线的信道增益;
S12:接收信号量化:根据信道噪声方差接收天线配置的模数转换器的量化精度κ比特以及基于接收信号与量化信号差值的最小均方量化损失准则其中y为接收信号,r为量化信号)得出的参考量化台阶Δnorm,κ得到当前信噪比情况下的量化台阶Δ,然后对接收信号进行量化,具体的,对于量化精度为κ比特的模数转换器,其对应的量化台阶为对于第i根接收天线,量化的接收信号为其中量化器采用中升型均匀量化器,量化操作是分别对信号实部和虚部进行的,对于一个量化精度为κ比特、量化台阶为Δ的中升型均匀量化器,其量化函数为:
其中m为取值范围-2κ-1≤m<2κ-1的整数。
其中,步骤S2具体包括:
设定迭代检测次数Tmax和PDQ检测器内部使用的最大迭代次数tmax,令当前大迭代次数T=1,按如下步骤进行迭代检测:
S21:迭代检测初始化;
S22:PDQ检测器根据译码器反馈的符号均值、方差和接收相关信息完成检测并提取出符号对应比特软量送入译码器;
S23:译码器根据步骤S22得到的比特软量信息进行译码,若当前大迭代次数T=Tmax,终止迭代检测过程,若T<Tmax,令大迭代次数T=T+1,译码器利用译码得到的比特软量更新对应符号均值、方差并送入检测器,返回执行步骤S22。
其中,步骤S21具体包括:
对于任意用户j∈{1,…,K}和若用户j采用的调制星座点集为Ωj,设定译码成功标志Dj=0,检测变量pi=0,符号xj对应比特先验似然比其中q∈{1,…,Qj},Qj为星座点集Ωj的调制阶数,初始化发送符号均值发送符号方差
其中,步骤S22:为PDQ检测部分,具体包括:
S221、对于将接收量化信号ri、发送符号均值发送符号方差检测变量pi、调制星座点集Ωj、信道状态信息H、信道噪声方差接收天线模数转换器的量化台阶Δ、检测器内部使用的最大迭代次数tmax和译码成功标志Dj送入PDQ检测器中进行检测,开始进行检测迭代;
S222、检测迭代初始化:设定当前迭代次数t=0,对于每个用户初始化变量,具体的,对于第j个用户:另外,对于初始化pi(0)=pi;
S223、令当前迭代次数t=t+1,若得到的当前迭代次数t>tmax,结束检测迭代过程,并令pi=pi(tmax),然后执行步骤S227,否则执行步骤S224;
S224、输出步骤:对于根据接收量化信号ri、信道状态信息H、信道噪声方差和接收天线模数转换器的量化台阶Δ按照如下方式顺序更新四个输出变量:
其中
S225、输入步骤:对于根据信道状态信息H、用户j的发送符号星座点集Ωj、用户j的发送符号先验概率Pin,j(xj)和步骤(2-2-4)中更新的输出变量按照如下方式顺序更新四个输入变量:
其中:
CN(x;μ,σ2)为均值为μ方差为σ2的复高斯变量x的概率密度函数。
S226、对于若译码成功标志Dj=1,则令否则保留上一步的计算值,返回执行步骤S223;
S227、软量提取:对于q∈{1,…,Qj},利用调制星座点集Ωj、发送符号对应的复高斯分布的均值sj(tmax)和方差得到发送符号的后验概率:
其中xj∈Ωj,然后利用调制星座点集Ωj和发送符号的后验概率得到对应Qj个比特软量:
其中Qj为调制阶数,为发送符号星座点集Ωj中满足第q个比特为0的子集,为发送符号星座点集Ωj中满足第q个比特为1的子集。
其中,步骤S23具体包括:
S231:对于q∈{1,…,Qj},若译码成功标志Dj=0,则译码器根据检测器得到的比特软量信息进行译码,若译码成功,则令Dj=1,不成功则令Dj=0,译码完成后译码器输出更新的比特软量信息令比特先验似然比利用调制星座点集Ωj和比特先验似然比更新符号均值和方差:
其中d为Qj×1的发送数据比特向量,S为所有可能的发送比特向量集,α(d)∈Ωj为根据d确定的发送符号,根据比特先验似然比计算的符号概率:
若译码成功标志Dj=1,则跳过对应的译码过程,保留原有的符号均值和方差;
S232:若当前大迭代次数T=Tmax,终止迭代检测过程,若T<Tmax,令大迭代次数T=T+1,将更新的符号均值、方差送入检测器,返回执行步骤S22。
相对于现有技术,本发明有益效果如下:
1、本发明针对大规模多用户MIMO系统采用了复杂度更低的检测算法,其计算复杂度阶数为O(NKtmax),其中由于PDQ检测算法收敛速度较快,tmax一般为8-10,采用矩阵求逆的检测算法(如MMSE检测)计算复杂度阶数为O(NK2),因此在大规模多用户MIMO场景中本发明使用的检测算法大大减少了检测部分的计算复杂度。
2、本发明提出的迭代检测方法区别于传统迭代检测方法另外引入译码成功标志来辅助检测,这一做法进一步提高了译码器和检测器之间的信息交互程度,进一步提升了系统性能,对于使用相同纠错编码的大规模多用户MIMO系统,使用本发明的系统性能优于使用基于最小均方误差的迭代软干扰抵消(MMSE-ISDIC)算法的系统性能。
3、本发明适用于任意天线ADC配置及任意调制阶数的大规模MIMO场景。
附图说明
图1为ADC量化精度均为κ比特大规模多用户MIMO系统示意图。
图2为量化精度为3比特、量化台阶为1的中升型均匀量化器示意图。
图3为本发明所述的大规模多用户MIMO系统迭代检测流程图。
图4为用户数K=100,天线数N=200的LDPC编码大规模多用户MIMO系统的误帧率曲线。
具体实施方式
为了加深对本发明的认识和理解,下面结合附图以及实施例对本发明进一步说明和介绍。
实施例1:一种适用于低精度量化的大规模多用户MIMO迭代检测方法,该方法包括以下步骤:
S1、接收信号量化处理;
该步骤具体包括:
S11、对于一个有K个单天线用户和基站侧装配N根天线的大规模多用户MIMO系统(N≥K),设置其上行链路的信道模型为y=Hx+n,其中,y=[yi]∈CN×1表示接收信号,x=[xj]∈CK×1表示分量平均发送功率均为1的发送信号,xj为用户j使用的调制星座点集Ωj上的点,n∈[ni]∈CN×1表示加性高斯白噪声(AWGN),其分量对应的噪声方差均为H=[hij]∈CN×K表示基站与K个用户之间的信道矩阵,具体的,hij表示发送端第j个用户到基站第i个接收天线的信道增益。
S12、接收信号量化:根据信道噪声方差接收天线配置的模数转换器的量化精度κ比特以及基于接收信号与量化信号差值的最小均方量化损失准则其中y为接收信号,r为量化信号)得出的参考量化台阶Δnorm,κ得到当前信噪比情况下的量化台阶Δ,然后对接收信号进行量化,具体的,对于量化精度为κ比特的模数转换器,其对应的量化台阶为对于第i根接收天线,量化的接收信号为其中量化器采用中升型均匀量化器,量化操作是分别对信号实部和虚部进行的,对于一个量化精度为κ比特、量化台阶为Δ的中升型均匀量化器,其量化函数为:
其中m为取值范围-2κ-1≤m<2κ-1的整数。
例如,对于ADC量化精度均为κ=2比特、用户数K=100、基站天线数N=200、每个用户均采用相同的QPSK调制方式的大规模多用户MIMO系统,每个用户使用的QPSK调制采用格雷映射且其映射规则为:
图1给出了系统示意图,当系统的信道矩阵为各元素均为独立同分布的均值为0方差为1的复高斯变量时,接收信号每个分量均满足高斯分布,在这样的条件下,参考文献[3]给出了对应系统下的参考量化台阶,具体数值见表1:
表1信道矩阵满足复高斯分布时对应系统的参考量化台阶
利用表1和设置的ADC量化精度κ=3比特得到参考量化台阶Δnorm,κ=1.008,假定噪声方差利用公式计算得到量化台阶Δκ=7.1632,根据量化台阶Δκ和量化精度κ进行接收信号的量化,得到量化后的接收信号r,图2给出了量化精度为3比特、量化台阶为1的中升型均匀量化器的示意图。
S2、按照设定的迭代检测次数进行迭代检测;
该步骤具体包括:
设定迭代检测次数Tmax和检测器内部使用的最大迭代次数tmax,令当前大迭代次数T=1,按如下步骤进行迭代检测:
S21、迭代检测初始化。
该步骤具体包括:
对于任意用户j∈{1,…,K}和若用户j采用的调制星座点集为Ωj,设定译码成功标志Dj=0,检测变量pi=0,符号xj对应比特先验似然比其中q∈{1,…,Qj},Qj为星座点集Ωj的调制阶数,初始化发送符号均值发送符号方差
接着上面的例子,设定迭代检测次数Tmax=2和检测器内部使用的最大迭代次数tmax=10,由于每个用户均采用QPSK调制,所以对于任意用户j∈{1,…,K},调制星座点集均为:
其调制阶数为Qj=2,然后根据这些信息进行迭代检测的初始化。
S22、检测器根据译码器反馈的符号均值、方差和接收相关信息完成检测并提取出符号对应比特软量送入译码器。
该步骤具体包括:
S221、对于将接收量化信号ri、发送符号均值发送符号方差检测变量pi、调制星座点集Ωj、信道状态信息H、信道噪声方差接收天线模数转换器的量化台阶Δ、检测器内部使用的最大迭代次数tmax和译码成功标志Dj送入PDQ检测器中进行检测,开始进行检测迭代。
S222、检测迭代初始化:设定当前迭代次数t=0,对于每个用户初始化变量,具体的,对于第j个用户:另外,对于初始化pi(0)=pi。
S223、令当前迭代次数t=t+1,若得到的当前迭代次数t>tmax,结束检测迭代过程,并令pi=pi(tmax),然后执行步骤S227,否则执行步骤S224。
S224、输出步骤:对于根据接收量化信号ri、信道状态信息H、信道噪声方差和接收天线模数转换器的量化台阶Δ按照如下方式顺序更新四个输出变量:
其中
S225、输入步骤:对于根据信道状态信息H、用户j的发送符号星座点集Ωj、用户j的发送符号先验概率Pin,j(xj)和步骤(2-2-4)中更新的输出变量按照如下方式顺序更新四个输入变量:
其中:
CN(x;μ,σ2)为均值为μ方差为σ2的复高斯变量x的概率密度函数。
S226、对于若译码成功标志Dj=1,则令否则保留上一步的计算值,返回执行步骤S223。
S227、软量提取:对于q∈{1,…,Qj},利用调制星座点集Ωj、发送符号对应的复高斯分布的均值sj(tmax)和方差得到发送符号的后验概率:
其中xj∈Ωj,然后利用调制星座点集Ωj和发送符号的后验概率得到对应Qj个比特软量:
其中Qj为调制阶数,为发送符号星座点集Ωj中满足第q个比特为0的子集,为发送符号星座点集Ωj中满足第q个比特为1的子集。
接着上面的例子,检测器在完成检测进行软量提取时,因为调制采用的映射规则为:
则对于
S23、译码器根据步骤S22得到的比特软量信息进行译码,若当前大迭代次数T=Tmax,终止迭代检测过程,若T<Tmax,令大迭代次数T=T+1,译码器利用译码得到的比特软量更新对应符号均值、方差并送入检测器,返回执行步骤S22。
该步骤具体包括:
S231、对于q∈{1,…,Qj},若译码成功标志Dj=0,则译码器根据检测器得到的比特软量信息进行译码,若译码成功,则令Dj=1,不成功则令Dj=0,译码完成后译码器输出更新的比特软量信息令比特先验似然比利用调制星座点集Ωj和比特先验似然比更新符号均值和方差:
其中d为Qj×1的发送数据比特向量,S为所有可能的发送比特向量集,α(d)∈Ωj为根据d确定的发送符号,根据比特先验似然比计算的符号概率:
若译码成功标志Dj=1,则跳过对应的译码过程,保留原有的符号均值和方差。
S232、若当前大迭代次数T=Tmax,终止迭代检测过程,若T<Tmax,令大迭代次数T=T+1,将更新的符号均值、方差送入检测器,返回执行步骤S22。
接着上面的例子,利用调制采用的映射规则得到Pin,j[xj=α(d)],具体结果为:
然后利用得到的Pin,j[xj=α(d)]更新译码不成功用户对应的符号均值和方差。若当前大迭代次数T=Tmax,终止迭代检测过程,若T<Tmax,令大迭代次数T=T+1,将更新的符号均值、方差送入检测器,返回执行步骤S22。
迭代检测过程完成后,得到每个用户的最终比特软量,将比特软量硬判决的结果与用户发送数据对比得到系统性能。为更加清楚地描述整个迭代检测过程,图3给出了迭代检测的流程图。改变系统信噪比,对于采用参考文献[2]提到的码率R=0.5,码长C=4928的LDPC编码系统,可得到仿真结果如图4所示,其中接收比特信噪比定义为:
其中N为接收端基站装配天线数,Q为调制阶数,R为纠错编码码率,为噪声方差,译码算法为置信传播(BP)算法,译码最大迭代次数设置为50次,另外对比参照的迭代检测算法采用了相同的利用译码的成功与否来决定符号均值方差的是否更新的方式进行迭代检测。
需要说明的是上述实施例仅仅是本发明的较佳实施例,并没有用来限定本发明的保护范围,在上述技术方案的技术上做出的等同替换或者替代均属于本发明的保护范围。
Claims (6)
1.一种适用于低精度量化的大规模多用户MIMO迭代检测方法,其特征在于,该方法包括以下步骤:
S1:接收信号量化处理;
S2:按照设定的迭代检测次数进行迭代检测。
2.根据权利要求1所述的适用于低精度量化的大规模多用户MIMO迭代检测方法,其特征在于,所述步骤S1、接收信号量化处理,具体如下:
S11:对于一个有K个单天线用户和基站侧装配N根天线的大规模多用户MIMO系统(N≥K),设置其上行链路的信道模型为y=Hx+n,其中,y=[yi]∈CN×1表示接收信号,x=[xj]∈CK ×1表示分量平均发送功率均为1的发送信号,xj为用户j使用的调制星座点集Ωj上的点,n∈[ni]∈CN×1表示加性高斯白噪声(AWGN),其分量对应的噪声方差均为H=[hij]∈CN×K表示基站与K个用户之间的信道矩阵,具体的,hij表示发送端第j个用户到基站第i个接收天线的信道增益;
S12:接收信号量化:根据信道噪声方差接收天线配置的模数转换器的量化精度κ比特以及基于接收信号与量化信号差值的最小均方量化损失准则其中y为接收信号,r为量化信号)得出的参考量化台阶Δnorm,κ得到当前信噪比情况下的量化台阶Δ,然后对接收信号进行量化,具体的,对于量化精度为κ比特的模数转换器,其对应的量化台阶为对于第i根接收天线,量化的接收信号为其中量化器采用中升型均匀量化器,量化操作是分别对信号实部和虚部进行的,对于一个量化精度为κ比特、量化台阶为Δ的中升型均匀量化器,其量化函数为:
其中m为取值范围-2κ-1≤m<2κ-1的整数。
3.根据权利要求1所述的适用于低精度量化的大规模多用户MIMO迭代检测方法,其特征在于,所述步骤S2:按照设定的迭代检测次数进行迭代检测,具体如下:
设定迭代检测次数Tmax和PDQ检测器内部使用的最大迭代次数tmax,令当前大迭代次数T=1,按如下步骤进行迭代检测:
S21、迭代检测初始化;
S22、PDQ检测器根据译码器反馈的符号均值、方差和接收相关信息完成检测并提取出符号对应比特软量送入译码器;
S23、译码器根据步骤S22得到的比特软量信息进行译码,若当前大迭代次数T=Tmax,终止迭代检测过程,若T<Tmax,令大迭代次数T=T+1,译码器利用译码得到的比特软量更新对应符号均值、方差并送入检测器,返回执行步骤S22。
4.根据权利要求1所述的适用于低精度量化的大规模多用户MIMO迭代检测方法,其特征在于,
所述步骤S21迭代检测初始化,具体包括:
对于任意用户j∈{1,…,K}和若用户j采用的调制星座点集为Ωj,设定译码成功标志Dj=0,检测变量pi=0,符号xj对应比特先验似然比其中q∈{1,…,Qj},Qj为星座点集Ωj的调制阶数,初始化发送符号均值发送符号方差
5.根据权利要求1所述的适用于低精度量化的大规模多用户MIMO迭代检测方法,其特征在于,所述步骤S22具体包括:
S221、对于将接收量化信号ri、发送符号均值发送符号方差检测变量pi、调制星座点集Ωj、信道状态信息H、信道噪声方差接收天线模数转换器的量化台阶Δ、检测器内部使用的最大迭代次数tmax和译码成功标志Dj送入PDQ检测器中进行检测,开始进行检测迭代;
S222、检测迭代初始化:设定当前迭代次数t=0,对于每个用户初始化变量,具体的,对于第j个用户:另外,对于初始化pi(0)=pi;
S223、令当前迭代次数t=t+1,若得到的当前迭代次数t>tmax,结束检测迭代过程,并令pi=pi(tmax),然后执行步骤S227,否则执行步骤S224;
S224、输出步骤:对于根据接收量化信号ri、信道状态信息H、信道噪声方差和接收天线模数转换器的量化台阶Δ按照如下方式顺序更新四个输出变量:
其中
S225、输入步骤:对于根据信道状态信息H、用户j的发送符号星座点集Ωj、用户j的发送符号先验概率Pin,j(xj)和步骤(2-2-4)中更新的输出变量按照如下方式顺序更新四个输入变量:
其中:
CN(x;μ,σ2)为均值为μ方差为σ2的复高斯变量x的概率密度函数。
S226、对于若译码成功标志Dj=1,则令否则保留上一步的计算值,返回执行步骤S223;
S227、软量提取:对于q∈{1,…,Qj},利用调制星座点集Ωj、发送符号对应的复高斯分布的均值sj(tmax)和方差得到发送符号的后验概率:
其中xj∈Ωj,然后利用调制星座点集Ωj和发送符号的后验概率得到对应Qj个比特软量:
其中Qj为调制阶数,为发送符号星座点集Ωj中满足第q个比特为0的子集,为发送符号星座点集Ωj中满足第q个比特为1的子集。
6.根据权利要求1所述的适用于低精度量化的大规模多用户MIMO迭代检测方法,其特征在于,所述步骤S23具体包括:
S231:对于q∈{1,…,Qj},若译码成功标志Dj=0,则译码器根据检测器得到的比特软量信息进行译码,若译码成功,则令Dj=1,不成功则令Dj=0,译码完成后译码器输出更新的比特软量信息令比特先验似然比利用调制星座点集Ωj和比特先验似然比更新符号均值和方差:
其中d为Qj×1的发送数据比特向量,S为所有可能的发送比特向量集,α(d)∈Ωj为根据d确定的发送符号,根据比特先验似然比计算的符号概率:
若译码成功标志Dj=1,则跳过对应的译码过程,保留原有的符号均值和方差;
S232:若当前大迭代次数T=Tmax,终止迭代检测过程,若T<Tmax,令大迭代次数T=T+1,将更新的符号均值、方差送入检测器,返回执行步骤S22。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810175598.6A CN108512580B (zh) | 2018-03-02 | 2018-03-02 | 适用于低精度量化的大规模多用户mimo迭代检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810175598.6A CN108512580B (zh) | 2018-03-02 | 2018-03-02 | 适用于低精度量化的大规模多用户mimo迭代检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108512580A true CN108512580A (zh) | 2018-09-07 |
CN108512580B CN108512580B (zh) | 2021-05-25 |
Family
ID=63377032
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810175598.6A Active CN108512580B (zh) | 2018-03-02 | 2018-03-02 | 适用于低精度量化的大规模多用户mimo迭代检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108512580B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110176950A (zh) * | 2019-04-22 | 2019-08-27 | 江苏大学 | 一种低精度adc大规模mimo系统上行链路最优量化比特数目计算方法 |
WO2022061936A1 (zh) * | 2020-09-28 | 2022-03-31 | 华为技术有限公司 | 量化参数的训练方法、信号量化方法及相关装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030182369A1 (en) * | 2002-03-25 | 2003-09-25 | Bae Systems Information Electronic Systems Integration, Inc. | System for decreasing processing time in an iterative multi-user detector system |
CN1780196A (zh) * | 2004-11-17 | 2006-05-31 | 凯明信息科技股份有限公司 | 迭代多用户检测方法中的收敛性检测方法 |
CN1901388A (zh) * | 2005-07-20 | 2007-01-24 | 电子科技大学中山学院 | 一种低复杂度的线性迭代多用户检测装置与方法 |
CN104836603A (zh) * | 2015-05-04 | 2015-08-12 | 南京信息工程大学 | 一种mimo信号检测方法 |
CN105515627A (zh) * | 2015-12-07 | 2016-04-20 | 东南大学 | 一种大规模mimo检测方法及检测装置 |
-
2018
- 2018-03-02 CN CN201810175598.6A patent/CN108512580B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030182369A1 (en) * | 2002-03-25 | 2003-09-25 | Bae Systems Information Electronic Systems Integration, Inc. | System for decreasing processing time in an iterative multi-user detector system |
CN1780196A (zh) * | 2004-11-17 | 2006-05-31 | 凯明信息科技股份有限公司 | 迭代多用户检测方法中的收敛性检测方法 |
CN1901388A (zh) * | 2005-07-20 | 2007-01-24 | 电子科技大学中山学院 | 一种低复杂度的线性迭代多用户检测装置与方法 |
CN104836603A (zh) * | 2015-05-04 | 2015-08-12 | 南京信息工程大学 | 一种mimo信号检测方法 |
CN105515627A (zh) * | 2015-12-07 | 2016-04-20 | 东南大学 | 一种大规模mimo检测方法及检测装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110176950A (zh) * | 2019-04-22 | 2019-08-27 | 江苏大学 | 一种低精度adc大规模mimo系统上行链路最优量化比特数目计算方法 |
CN110176950B (zh) * | 2019-04-22 | 2021-08-03 | 江苏大学 | 一种低精度adc大规模mimo系统上行链路最优量化比特数目计算方法 |
WO2022061936A1 (zh) * | 2020-09-28 | 2022-03-31 | 华为技术有限公司 | 量化参数的训练方法、信号量化方法及相关装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108512580B (zh) | 2021-05-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109921882B (zh) | 一种基于深度学习的mimo解码方法、装置及存储介质 | |
CN101304300B (zh) | 基于有限反馈的多用户mimo系统信道量化方法和装置 | |
KR100863702B1 (ko) | 다중 안테나 통신시스템에서 반복적 검출 및 복호를 위한장치 및 방법 | |
CN106982086B (zh) | 一种基于收发天线选择的空间调制方法 | |
CN102624666B (zh) | 稀疏信道模型下多路收发的正交多载波水声通信循环译码方法 | |
CN107624235B (zh) | 用于估计无线通信系统中的下行链路信道的装置和方法 | |
CN110445581B (zh) | 基于卷积神经网络降低信道译码误码率的方法 | |
US20070198719A1 (en) | Method and system for minimum mean squared error soft interference cancellation (MMSE-SIC) Based suboptimal maximum likelihood (ML) detection for multiple input multiple output (MIMO) wireless system | |
Choi et al. | Robust learning-based ML detection for massive MIMO systems with one-bit quantized signals | |
CN113517941B (zh) | 一种大规模mimo系统信道估计与迭代检测仿真方法和系统 | |
CN106788626B (zh) | 一种能够获得二阶发射分集的改进正交空间调制传输方法 | |
Jeon et al. | Reinforcement-learning-aided ML detector for uplink massive MIMO systems with low-precision ADCs | |
CN109728824A (zh) | 一种基于深度学习的ldpc码迭代译码方法 | |
CN108833060A (zh) | 一种基于ep-nsa算法的大规模mimo系统检测方法 | |
Kim et al. | Supervised-learning for multi-hop MU-MIMO communications with one-bit transceivers | |
CN113541747A (zh) | 一种大规模mimo检测方法、装置和存储介质 | |
US20180212737A1 (en) | Method for Slicing K-Best Detection in Multiple-Input Multiple-Output Wireless Communications System | |
CN108512580A (zh) | 适用于低精度量化的大规模多用户mimo迭代检测方法 | |
WO2009115042A1 (zh) | 一种联合迭代检测译码方法和装置 | |
CN101669313B (zh) | 估计误差传播概率以提高决策反馈系统的性能 | |
CN101964667B (zh) | 用于长期演进方案的高效多天线检测方法 | |
US7782981B2 (en) | Signal processing apparatus and method | |
KR20080059095A (ko) | 다중 안테나 무선통신 시스템에서 채널 추정 장치 및 방법 | |
CN114629595B (zh) | 适用于湍流信道的分布式整形极化码方法及系统 | |
CN110336640A (zh) | 一种短码长系统lt码译码方法 |
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 |