CN108650056B - 一种大规模mimo系统上行链路中的混合迭代检测方法 - Google Patents
一种大规模mimo系统上行链路中的混合迭代检测方法 Download PDFInfo
- Publication number
- CN108650056B CN108650056B CN201810299463.0A CN201810299463A CN108650056B CN 108650056 B CN108650056 B CN 108650056B CN 201810299463 A CN201810299463 A CN 201810299463A CN 108650056 B CN108650056 B CN 108650056B
- Authority
- CN
- China
- Prior art keywords
- matrix
- iteration
- algorithm
- uplink
- channel
- 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
- 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
- H04L1/0048—Decoding adapted to other signal detection operation in conjunction with detection of multiuser or interfering signals, e.g. iteration between CDMA or MIMO detector and FEC decoder
-
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Radio Transmission System (AREA)
Abstract
本发明涉及一种大规模MIMO系统上行链路中改进的混合迭代检测方法,在现有的基于最速下降(steepest descent,SD)算法和高斯‑赛得尔(Gauss Seidel,GS)迭代的混合迭代(SDGS)检测算法基础上,改进其中用于信道码译的对数似然比(log likelihood ratio,LLR)的计算,包括如下步骤,1):初始化处理,2):建立信道模型,3):将信道矩阵H和接收信号y输入检测器,得到匹配滤波器输出和滤波矩阵,4):进行混合迭代检测,最后得到初始的二进制用户发射信号。本发明提出了一种改进LLR的混合迭代检测算法,在保持低复杂度的同时,提高了系统的检测性能。
Description
技术领域
本发明涉及一种大规模MIMO系统上行链路中的混合迭代检测方法,属于通信系统中信号检测技术领域。
背景技术
与传统MIMO(multiple-input multiple-output,MIMO)相比,大规模MIMO在基站配置数十甚至数百根天线。天线数目的增加大大地提高了系统的能源和频谱效率,达到2~3个数量级,大规模MIMO也因此成为5G的热点研究方向之一。
作为最优的检测算法,最大似然(maximum likehood,ML)算法存在复杂度随天线数量的增多呈指数规律增长的缺点。最小均方误差(minimun mean square error,MMSE)算法因为加入了计算量为O(K3)的矩阵求逆运算,效果也不理想。为了简化矩阵求逆运算,有学者提出了Neumann级数方法,但是当展开级数超过2时复杂度太高,达到O(K3)。而高斯(Gauss Seidel,GS)迭代方法也可用于矩阵求逆,不仅避免了高复杂度,同时得到了接近最优的检测性能。最近新出现的一种基于最速下降(steepest descent,SD)算法和高斯-赛得尔(Gauss Seidel,GS)迭代的混合迭代(SDGS)算法解决了MMSE算法中矩阵求逆的运算问题,其复杂度低至O(K2),同时利用SD算法为GS迭代提供有效的收敛方向,加快了收敛速度。
此外,在采用译码时,都有涉及到用于信道解码器的对数似然比(log likelihoodratio,LLR),它的计算需要用到后验信号噪声及干扰比(signal to interference plusnoise,SINR)。现在大部分的研究都利用初始SINR来完成所有迭代,因此有着显著的性能损失。
发明内容
本发明的目的在于:针对现有技术存在的缺陷,提出一种大规模MIMO系统上行链路中的混合迭代检测方法,使SINR随着迭代次数m而更新,改善检测性能,降低计算复杂度。
为了达到以上目的,本发明提供了一种大规模MIMO系统上行链路中的混合迭代检测方法,包括如下步骤:
步骤1):初始化处理,在基站配备发射天线数为N,同时服务用户数为K,迭代次数m;
步骤2):建立信道模型,在接收端得到y=Hx+n;
步骤4):进行混合迭代检测,混合迭代方法用SD算法来表示前两次GS迭代,
首先根据SD算法第一次迭代为:x(1)=x(0)+ur(0);
其中,由于W-1为对角占优矩阵,所以用D-1代替W-1,设置初始解x(0)=D-1yMF,D为W的对角元素,()-1为求逆运算;L为W的严格下三角元素;
再根据GS算法第二次迭代为:x(2)=x(1)+(D+L)-1r(1);
将一次SD算法和一次GS算法合并后得到:
x(2)=x(0)+ur(0)+(D+L)-1(r(0)-up(0));其中r(1)=r(0)-up(0);
步骤6):将LLR软信息输入到输入译码器进行viterbi解码,最后得到初始的二进制用户发射信号。
进一步的,所述t的范围为2≤t≤m。所述i的范围为1≤i≤K。
进一步的,所述步骤3)中,MMSE检测器的滤波矩阵W可以表示为:
W=G+σ2IK
其中,G=HHH是格拉姆矩阵,W-1是MMSE算法复杂度高的主要原因,其计算量达到O(K3)。对于大规模MIMO上行链路,由于信道矩阵H符合满秩并且列渐进正交的条件,因此滤波矩阵W是对称正定矩阵;
将W分解为:W=D+L+LH,
其中,D为W的对角矩阵,L和LH分别为W的严格下三角和严格上三角矩阵;
进一步的,根据定理:(Neumann级数展开):对于一个K维矩阵P,同时满足条件非奇异和limi→∞Pi=0K,则(IK-P)也是非奇异的,它的逆可以表示为:
对于大规模MIMO上行链路,信道矩阵可以看成是列渐进正交,因此G=HHH,和W=G+σ2IK也是对称正定的,根据定理重写W:
Q-1是一个任意矩阵,满足liml→∞(IK-Q-1W)l=0K;
令Q=D,D为W的对角元素矩阵,前式取前m项,得到:
此时得到:
本发明采用以上技术方案与现有技术相比,具有以下技术效果:在大规模MIMO系统上行链路的信号检测中,本发明提出的改进LLR的混合迭代检测方法,检测性能得到了进一步提高,只需要少量迭代次数就可以获得接近MMSE检测性能,同时,算法复杂度保持在O(K2),具有很好的应用前景。
附图说明
下面结合附图对本发明作进一步的说明。
图1是本发明中GS迭代和SDGS方法的BER对比示意图。
图2是本发明中SDGS和改进SDGS方法的BER对比示意图。
具体实施方式
本实施例提供了一种大规模MIMO系统上行链路中的混合迭代检测方法,针对在大规模MIMO系统上行链路的混合迭代检测方法,改进其中LLR的计算方法,保持低复杂度的同时,提高检测性能。
(一)系统模型
我们主要研究大规模MIMO系统的上行链路,在基站配备N根接收天线,同时服务K个用户(N>>K)。令表示基站端接收到的信号矢量,表示K个用户发射的信号矢量,这里是来自第k个用户的发送信息,为调制符号集。表示信道矩阵,则接收信号y可以表示为
y=Hx+n (1)
式中,n表示0均值、方差为σ2的N×1维加性高斯白噪声矢量。
(二)混合迭代检测算法
W=G+σ2IK (3)
这里,G=HHH是格拉姆矩阵,W-1是MMSE算法复杂度高的主要原因,其计算量达到O(K3)。
在解N维线性方程Ax=b时,利用GS算法可以避免矩阵求逆。这里A为N×N维对称正定矩阵,x和b分别为N×1维的解向量和测量向量。对于大规模MIMO上行链路,由于信道矩阵H符合满秩并且列渐进正交的条件,因此滤波矩阵W是对称正定矩阵。我们可以将W分解为:
W=D+L+LH (4)
混合迭代方法用SD算法来表示前两次GS迭代。SD算法的第一次迭代可以表示为:
x(1)=x(0)+ur(0) (6)
x(2)=x(0)+ur(0)+(D+L)-1(r(0)-up(0)) (8)
(三)对数似然比的改进计算
令U=W-1G=W-1HHH代表均衡后的信道矩阵,Ui,j为U的第(i,j)个元素。令E=W-1HH(W-1HH)H=W-1GW-1,Ei,i为矩阵E的第i个对角元素。由MMSE加权矩阵处理后的均衡信号为:
第i个用户发送的第b个比特的对数似然比Li,b:
根据式(13)可以发现求对数似然比Li,b时,必须再次涉及到W-1。为了降低复杂度,有学者提出了近似对数似然比计算,利用W的对角占优特性用D-1来代替W-1,得到近似信道增益和NPI方差,分别表示为:
以上LLR的近似计算中近似信道增益和NPI方差不受迭代次数的影响,进而计算比较容易,但是具有性能损失。我们改进LLR的近似计算方法,随迭代次数m来更新近似信道增益和NPI方差,来提高检测性能。
我们重写式(12)得到:
从式(16)可以看出NPI方差可以用有效信道增益ρi来表示,我们重写式(10):
由于W对角占优,用D-1来代替W-1得到近似等效信道增益和NPI方差:
定理1:(Neumann级数展开):对于一个K维矩阵P,同时满足条件非奇异和limi→∞Pi=0K,则(IK-P)也是非奇异的,它的逆可以表示为:
对于大规模MIMO上行链路,信道矩阵可以看成是列渐进正交,因此G=HHH和W=G+σ2IK也是对称正定的,根据定理1我们重写W:
Q-1是一个任意矩阵,满足liml→∞(IK-Q-1W)l=0K。我们让Q=D,D为W的对角元素矩阵,式(21)取前m项,得到:
我们根据式(18)可以得到:
(四)仿真结果
(1)检测性能分析
对于大规模MIMO系统,我们假设系统配置为128×16(其中128为基站天线数,16为用户数),信道为相关瑞利衰落信道,相关系数为0.7。基带信号调制方式为64QAM,在接收端,信号解码方式为Viterbi解码。
图1比较了普通GS迭代和混合迭代SDGS算法的检测性能。由图1可见,在m一样时,SDGS算法的性能远优于普通GS迭代。图2对比了SDGS算法和改进LLR的SDGS算法的检测性能。从仿真结果可以看出,经过少量迭代,改进LLR的SDGS算法优于SDGS,并且它的性能曲线快速接近MMSE的性能曲线,。比如,当迭代次数m=4时,想要达到BER=10-3的条件,SDGS需要8dB左右的信噪比,而改进LLR的SDGS需要7dB左右。
(2)复杂度分析
(2)GS迭代部分:由式(10)得到一次GS迭代需要K2次乘法。
所以,改进LLR的SDGS算法的总体复杂度是O(K2),与m有关,具体如表1,一般m都很小。表2给出了当SINR=8时,SDGS和改进LLR的SDGS算法在不同m下的BER以及恢复1000比特所需要的时间。从表一中我们可以看出SDGS和改进LLR的SDGS与传统MMSE算法相比,复杂度都降低了一个数量级。从表二来看,例如m=2时,改进LLR的SDGS算法恢复1000比特需要的时间虽然是普通SDGS的1.05倍,但BER降低了17%,很大程度上改善了检测性能。
表1三种检测算法计算复杂度对比
表2两种检测算法的计算时间和BER对比
除上述实施例外,本发明还可以有其他实施方式。凡采用等同替换或等效变换形成的技术方案,均落在本发明要求的保护范围。
Claims (5)
1.一种大规模MIMO系统上行链路中的混合迭代检测方法,其特征在于,包括如下步骤:
步骤1):初始化处理,在基站配备发射天线数为N,同时服务用户数为K,迭代次数m;
步骤2):建立信道模型,在接收端得到y=Hx+n;
步骤4):进行混合迭代检测,混合迭代方法用SD算法来表示前两次GS迭代,
首先根据SD算法第一次迭代为:x(1)=x(0)+ur(0);
再根据GS算法第二次迭代为:x(2)=x(1)+(D+L)-1r(1);
将一次SD算法和一次GS算法合并后得到:
x(2)=x(0)+ur(0)+(D+L)-1(r(0)-up(0));其中r(1)=r(0)-up(0);
步骤5):为了向检测器后端输出软检测信息,需要计算用于信道译码的LLR软信息;
其中为的对角元素矩阵,ei表示K维单位矩阵的第i个列向量,为第i个用户的SINR,表示第i个用户的信号估计值,和分别表示第b位为0和1的64QAM调制符号集,a为调制符号集中的元素,a'为调制符号集中的元素;
步骤6):将LLR软信息输入到输入译码器进行viterbi解码,最后得到初始的二进制用户发射信号。
2.根据权利要求1所述的大规模MIMO系统上行链路中的混合迭代检测方法,其特征在于:所述i的范围为1≤i≤K。
3.根据权利要求1所述的大规模MIMO系统上行链路中的混合迭代检测方法,其特征在于:所述步骤3)中,MMSE检测器的滤波矩阵W表示为:
W=G+σ2IK
其中,G=HHH是格拉姆矩阵,W-1是MMSE算法复杂度高的主要原因,其计算量达到O(K3)。
5.根据权利要求1所述的大规模MIMO系统上行链路中的混合迭代检测方法,其特征在于:根据Neumann级数展开定理:对于一个K维矩阵P,同时满足条件非奇异和limi→∞Pi=0K,其中,0K为K维全零方阵;则(IK-P)也是非奇异的,它的逆表示为:
对于大规模MIMO上行链路,信道矩阵具有列渐进正交性,因此G和W也是对称正定的,其中G=HHH,W=G+σ2IK,根据定理重写W:
Q-1是一个任意矩阵,满足liml→∞(IK-Q-1W)l=0K;
令Q=D,D为W的对角元素矩阵,前式取前m项,得到:
此时得到:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810299463.0A CN108650056B (zh) | 2018-04-04 | 2018-04-04 | 一种大规模mimo系统上行链路中的混合迭代检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810299463.0A CN108650056B (zh) | 2018-04-04 | 2018-04-04 | 一种大规模mimo系统上行链路中的混合迭代检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108650056A CN108650056A (zh) | 2018-10-12 |
CN108650056B true CN108650056B (zh) | 2021-08-03 |
Family
ID=63745384
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810299463.0A Active CN108650056B (zh) | 2018-04-04 | 2018-04-04 | 一种大规模mimo系统上行链路中的混合迭代检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108650056B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109951214B (zh) * | 2019-02-22 | 2021-05-11 | 南京邮电大学 | 一种适用于大规模mimo系统的信号检测方法 |
CN111726198B (zh) * | 2019-03-22 | 2023-08-22 | 瑞昱半导体股份有限公司 | 迭代式检测与解码电路及其方法、多输入多输出接收机 |
CN110753012A (zh) * | 2019-11-25 | 2020-02-04 | 重庆邮电大学 | 一种时间反演多址系统的多用户检测算法 |
CN111162828B (zh) * | 2019-12-12 | 2022-03-25 | 重庆邮电大学 | 一种大规模mimo系统的低复杂度信号检测方法 |
CN113271123B (zh) * | 2021-04-27 | 2022-03-25 | 西安电子科技大学广州研究院 | 一种新型计算信道解码的llr近似值的方法和系统 |
CN113271124B (zh) * | 2021-04-27 | 2022-03-25 | 西安电子科技大学广州研究院 | 一种应用于大规模mimo系统的混合迭代检测方法 |
CN113395092B (zh) * | 2021-05-21 | 2022-06-10 | 南京恒中信息技术有限公司 | 改善Massive MIMO系统检测能力的方法和系统 |
CN113517941B (zh) * | 2021-07-06 | 2023-03-24 | 西安电子科技大学广州研究院 | 一种大规模mimo系统信道估计与迭代检测仿真方法和系统 |
CN116488969B (zh) * | 2023-06-25 | 2023-08-29 | 极芯通讯技术(南京)有限公司 | 信道均衡方法、装置、设备和存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105634568A (zh) * | 2015-12-31 | 2016-06-01 | 东南大学 | 一种基于大规模mimo系统信号检测的llr计算方法 |
CN107046433A (zh) * | 2017-04-26 | 2017-08-15 | 江苏大学 | 一种大规模mimo系统上行链路低复杂度迭代检测算法 |
CN107241167A (zh) * | 2017-06-29 | 2017-10-10 | 东南大学 | 一种基于大规模mimo系统bp检测的改进方法 |
CN107276646A (zh) * | 2017-07-03 | 2017-10-20 | 东南大学 | 大规模mimo‑ofdm上行链路迭代检测方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101931506B (zh) * | 2009-06-23 | 2013-01-09 | 大唐移动通信设备有限公司 | 一种基于概率数据辅助检测信号的方法及设备 |
US9565581B2 (en) * | 2015-02-22 | 2017-02-07 | The Regents Of The University Of Michigan | Iterative detection-decoding system |
US20170288747A1 (en) * | 2016-03-30 | 2017-10-05 | Chia-Hsiang Chen | Wireless device and method for iterative decoding for mu-mimo wireless systems |
-
2018
- 2018-04-04 CN CN201810299463.0A patent/CN108650056B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105634568A (zh) * | 2015-12-31 | 2016-06-01 | 东南大学 | 一种基于大规模mimo系统信号检测的llr计算方法 |
CN107046433A (zh) * | 2017-04-26 | 2017-08-15 | 江苏大学 | 一种大规模mimo系统上行链路低复杂度迭代检测算法 |
CN107241167A (zh) * | 2017-06-29 | 2017-10-10 | 东南大学 | 一种基于大规模mimo系统bp检测的改进方法 |
CN107276646A (zh) * | 2017-07-03 | 2017-10-20 | 东南大学 | 大规模mimo‑ofdm上行链路迭代检测方法 |
Non-Patent Citations (1)
Title |
---|
大规模MIMO-OFDM系统结构化压缩感知信道估计中导频优化方法研究;何雪云等;《信号处理》;20170115 * |
Also Published As
Publication number | Publication date |
---|---|
CN108650056A (zh) | 2018-10-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108650056B (zh) | 一种大规模mimo系统上行链路中的混合迭代检测方法 | |
Rusek et al. | Optimal channel shortening for MIMO and ISI channels | |
CN101499840B (zh) | 多入多出系统的迭代检测方法 | |
US20060188044A1 (en) | Reduced-complexity multiple-input multiple-output (MIMO) channel detection via sequential Monte Carlo | |
US8121220B1 (en) | Apparatus and method for reduced complexity maximum likelihood MIMO detection | |
Wang et al. | Convex optimization based multiuser detection for uplink large-scale MIMO under low-resolution quantization | |
Zhou et al. | Biased MMSE soft-output detection based on Jacobi method in massive MIMO | |
Kim | Low-complexity sorted QR decomposition for MIMO systems based on pairwise column symmetrization | |
CN113162665B (zh) | 一种基于深度学习信道预测的预编码方法 | |
US8737539B2 (en) | Low complexity iterative MIMO receiver based on successive soft interference cancellation and MMSE spatial filtering | |
Xue et al. | Steepest descent method based soft-output detection for massive MIMO uplink | |
Chen et al. | Adaptive minimum bit error rate beamforming assisted receiver for wireless communications | |
CN108736934B (zh) | 一种大规模mimo系统信号检测方法 | |
CN107231177B (zh) | 基于大规模mimo的高效cr检测方法和架构 | |
Sun et al. | SVR based blind signal recovery for convolutive MIMO systems with high-order QAM signals | |
Jang et al. | Combined deep learning and SOR detection technique for high reliability in massive MIMO systems | |
Krause et al. | List-based group-wise symbol detection for multiple signal communications | |
Zhou et al. | Biased MMSE soft-output detection based on conjugate gradient in massive MIMO | |
CN109818891B (zh) | 一种格基约减辅助的低复杂度贪心球形译码检测方法 | |
CN106899388B (zh) | Ldpc码在mimo信道下的联合检测与解码方法 | |
CN113630160B (zh) | 一种大规模mimo检测方法、装置、设备和存储介质 | |
Seidel et al. | Low-complexity 2-coordinates descent for near-optimal MMSE soft-output massive MIMO uplink data detection | |
Seidel et al. | A novel approach for combining local estimates for fully decentralized feedforward massive MIMO equalization: The multistep fusion | |
Seidel et al. | Efficient initialization of iterative linear massive MIMO uplink detectors by binary Jacobi synthesis | |
Seidel et al. | Decentralized massive MIMO uplink signal estimation by binary multistep synthesis |
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 |