CN109474387A

CN109474387A - 一种应用于大规模mimo上行链路的联合检测算法

Info

Publication number: CN109474387A
Application number: CN201811491529.2A
Authority: CN
Inventors: 王捷; 杨天棋; 陈华宇; 翟立君
Original assignee: Southeast University; CETC 54 Research Institute
Current assignee: Southeast University; CETC 54 Research Institute
Priority date: 2018-12-07
Filing date: 2018-12-07
Publication date: 2019-03-15

Abstract

本发明公开了一种应用于大规模MIMO上行链路的联合检测算法，构成了拥有2个外部大迭代和2个内部小迭代的联合检测算法；外部大迭代分别为译码器与检测器的信息交互以及干扰估计与检测器的信息交互，内部小迭代分别为检测器LMMSE‑ISDIC算法内部迭代以及译码器的迭代。本发明充分利用了译码器的迭代结构，构造了两个类似于Turbo涡轮的大迭代结构，进一步提高了大规模MIMO上行链路的检测准确度，相比于传统上行检测，联合检测可以充分利用各个模块的信息交互，使之相互促进，共同提高最终的检测准确度。

Description

一种应用于大规模MIMO上行链路的联合检测算法

技术领域

本发明涉及无线通信技术领域，尤其是一种应用于大规模MIMO上行链路的联合检测算法。

背景技术

随着新一代移动通信的研究发展，移动通信系统对信息速率、时延、连接数以及可靠性等方面都提出了新的要求，而大规模多输入多输出(Massive Multiple-inputMultiple-output,Massive MIMO)已经成为下一代无线通信的关键技术，从而受到学术界和工业界的广泛关注。

大规模MIMO依赖于系统上行链路以及下行链路基站能够获取足够好的信道状态质量(Channel State Information，CSI)。信道状态信息是连接MIMO系统发送信号和接收检测的关键，大规模MIMO系统的性能很大程度上取决于基站能否精确地获取上下行链路的CSI，只有在已知CSI的条件下，才能够充分利用大规模MIMO技术提供的较高的空间自由度，来使系统性能大幅度提升。

大规模MIMO技术用直接增大基站天线数量的方法来使得系统容量得到改善(空分复用增益)。随着基站天线数量的增大，信道矩阵的奇异值不再是一个随机事件，而趋向于确定。因此一些简单的线性处理就能达到系统的最大性能，大大减少复杂度。同时，基站天线数不断增大时，热噪声将被平均掉，因此可以忽略，系统主要被其它用户的干扰限制。而在接收检测中如何有效地抑制其它用户的干扰成为了一个研究的热点，传统的上行链路检测是把检测模块和其它模块分离开来，各个模块只完成自己的工作，没有模块间的信息交互，从而浪费了各个模块的外信息。而如果考虑把这些外信息合理利用起来，则可以使得各个模块之间信息得以交互，使之更为准确有效地工作，从而大幅度提高系统整体性能。

综合考虑以上原因，如何有效地构建联合检测的架构以及采用合适的检测、译码以及干扰抑制算法，可以使得接收端在增加少许复杂度的条件下尽可能大地提高系统整体性能，本发明提出了一种高效地联合检测方案。

发明内容

本发明所要解决的技术问题在于，提供一种应用于大规模MIMO上行链路的联合检测算法，能够提高大规模MIMO上行链路的检测准确度，联合检测可以充分利用各个模块的信息交互，使之相互促进，共同提高最终的检测准确度。

为解决上述技术问题，本发明提供一种应用于大规模MIMO上行链路的联合检测算法，包括如下步骤：

(1)接收端通过发送的频域导频序列得到导频点处的信道值，并利用非结终止条件的样条插值算法得到整个频点处的信道值；然后利用最小二乘算法来计算初始信道估计响应值，利用初始信道估计响应值进行预编码的计算，经过预编码后的信道分用户再进行QR分解，对QR分解出来的R矩阵进行SVD分解可求得每个用户子信道内的预编码矩阵，将其作为上行用户使用的预编码，对应Q矩阵则为每个用户的干扰抑制矩阵；随后进行MIMO软输入软输出检测，并将检测出来的符号进行软解调后送入LDPC译码器；

(2)LDPC译码器输出的系统软信息作为先验信息反馈给MIMO软输入软输出检测单元重新进行迭代检测检测，LDPC译码器输出的信息比特则反馈给干扰抑制单元来进行发送符号的重构以及重新对信道进行估计来计算出新的干扰抑制矩阵；

(3)检测器利用更新后的干扰抑制矩阵和译码器送来的先验信息重新对原来的接收信号进行软检测，并将新的检测结果再次送入译码器进行译码，以此反复进行步骤(2)和(3)，构成了拥有2个外部大迭代和2个内部小迭代的联合检测算法。

优选的，步骤(1)中，非结终止条件的样条插值算法具体为：在查询点插入的值基于各维中邻点网格点处数值的三次插值。

优选的，步骤(1)中，MIMO软输入软输出检测采用LMMSE-ISDIC算法。

优选的，步骤(3)中，外部大迭代分别为译码器与检测器的信息交互以及干扰抑制与检测器的信息交互，内部小迭代分别为检测器使用的ISDIC算法内部迭代以及译码器内部的迭代。

优选的，ISDIC算法具体为：初始检测器输入需要的符号均值和方差的先验信息默认为0和1，后面检测器输入所需要的先验信息可从上一次检测器输出软量得到，以此循环迭代。

本发明的有益效果为：本发明充分利用了译码器的迭代结构，构造了两个类似于Turbo涡轮的大迭代结构，进一步提高了大规模MIMO上行链路的检测准确度，相比于传统上行检测，联合检测可以充分利用检测器和译码器得到的信息，并在两个模块之间进行信息交互，使之相互促进性能提升，共同提高最终的检测准确度。

附图说明

图1为本发明的大规模MIMO小区系统结构示意图。

图2为本发明基于LMMSE的ISDIC算法流程示意图。

图3为本发明的联合接收机结构示意图。

图4为本发明的译码器与检测器之间的迭代关系示意图。

图5为本发明的帧结构设计示意图。

图6为非联合检测算法误码率曲线比较示意图。

图7为非联合检测算法合速率曲线比较示意图。

图8为本发明UE＝3km/h时联合检测算法误码率曲线比较示意图。

图9为本发明UE＝3km/h时联合检测算法合速率曲线比较示意图。

具体实施方式

一种应用于大规模MIMO上行链路的联合检测算法，包括如下步骤：

考虑一个集中式大规模MIMO单小区系统的上行链路，如图1所示，该系统由多个RAU(Remote Antenna Unit，远端天线单元)和多个UE(User Equipment，用户设备)组成，其中每个RAU可以配备多根天线，每个UE可以配备多根天线。本发明只考虑TDD(TimeDivision Duplexing)系统。

在大规模MIMO的TDD系统中，上行链路和下行链路具有互易性该系统具有K个用户以及M个RAU，每个用户天线数为ANT_UE，每个RAU具有ANT_RAU根天线。在干扰估计的过程中，我们首先计算ZF(Zero Force)预编码：

也可以把式1.1表示为：

其中是基站和第k个用户之间的信道矩阵，它的维度为(M×ANT_RRU)×ANT_UE，接下来根据ZF预编码原理：

ZF预编码迫使其他用户的干扰为零，但它并没有考虑系统中噪声的影响，同时，MMSE预编码公式如下：

其中P_d为系统平均信噪比，接下来对做QR分解：

其中是一个酉正交矩阵，则是一个上三角矩阵。根据QR分解原理我们有：

从上式可以看出，就是满足BD预编码原理的预编码矩阵，我们可以依次对每个用户的进行QR分解，然后就能得到干扰抑制矩阵：

干扰抑制矩阵具有对角块的能力，它的具体性质如下：

其中可以看出，在经过BD多用户预编码之后，消除了多个用户之间的干扰。接下来，我们需要执行单用户预编码以获得单用户MIMO(波束成形增益)的功率增益。我们可以对R_k进行SVD分解：

从公式10-11可以得出下行单用户预编码矩阵为V_k，而上行单用户预编码矩阵为

接下来基站对用户发来的信息进行检测，本发明中基站采用LMMSE-ISDIC算法，该软迭代干扰抵消算法既可以用串行方式进行，也可以用块迭代的方式进行。该算法具有良好的检测性能并且复杂度不高，易于硬件实现。LMMSE-ISDIC检测公式如下：

其中和V为发送比特的均值和方差，在知道发送数据先验信息的情况下，可以直接代入发送比特的均值以及方差，若不知道发送数据先验信息，我们可以把和V分别设为0和1。

从上行链路联合接收机的角度来看，接收信号可以表示为：

其中是上行链路多用户信道矩阵，式子13也可以表示为：

结合预编码矩阵以及信道矩阵，上式也可以写成：

这里重新定义接收信号接收信号可以表示为：

如果整个系统没有信道估计误差，我们可以得出如下公式：

那么式子1.12可以被改写为：

令：

经过矩阵求逆引理：

(A+BCD)^-1＝A^-1-A^-1B(DA^-1B+C^-1)^-1DA^-1 (1.21)检测信号可以被表示为：

其中令：

则式子1.22可以被改写为：

根据矩阵求逆推论：

CD(A+BCD)^-1＝(C^-1+DA^-1B)^-1DA^-1 (1.25)

我们可以得到以下两个参数：

假设式1.24中残余的干扰和噪声可以用高斯分布近似，于是可以把输出信号等效为信号s_k经过一个加性高斯白噪声信道的输出，即：

其中μ_k为等效信号幅度，而是零均值等效复高斯噪声的采样，它服从如下分布：

根据式1.24，的均值和方差为：

我们可以通过下式计算发送符号的后验概率：

式中S表示调制符号集，而可以表示为：

由于μ_k，均非负，上式计算中的κ_k可以约去，因此式1.24可作为最终检测结果，而后验概率可以作为下一次迭代的先验信息，则发送信号的均值和方差可以通过下式计算：

更新第k个符号的均值和方差，然后再去检测第k+1个符号，如此迭代，整个检测器内部的迭代如图2所示。

当采用无偏估计时，根据矩阵求逆推论：

(A+BCD)^-1B[D(A+BCD)^-1B]^-1＝A^-1B(DA^-1B)^-1 (1.35)

发送信号的无偏估计可以写为：

此时，检测信号的均值方差可以写为：

在传统的接收机结构中，检测单元、译码器以及干扰估计单元之间没有信息交互。事实上，由译码器获得的关于用户发射信号的额外信息可以促进检测器更好地检测出用户发送信息，干扰估计单元也可以根据重构的发送符号和接收信号来估计用户间的干扰并消除它们。在本专利申请中，外部信息的交换存在于数据检测，干扰估计和解码器之间，使得三者联合起来提高基站的整体接收性能。具体框架结构见图3所示。

接收机首先通过发送频域导频序列得到导频点的信道估计值，并采用一定的插值算法得到整个频点的初始估计信道值，并将初始估计的信道响应值用于检测。然后利用初始估计的信道响应值进行干扰估计以及MIMO-SISO检测、解交织和APP译码。接着将译码器输出的信息反馈给MIMO软输入软输出检测单元和干扰估计模块重新进行检测、译码以及干扰估计。最后检测器利用更新后的干扰估计以及译码器送来的先验信息重新对原来的接收信号进行软检测，并将新的检测结果送入译码器进行迭代译码，以此反复进行迭代。

该结构拥有2个外部大迭代和2个内部小迭代的联合检测算法。外部大迭代分别为译码器与检测器的信息交互以及干扰估计与检测器的信息交互，内部小迭代分别为检测器LMMSE-ISDIC算法内部迭代以及译码器的迭代。

在干扰估计模块中，本设计采用LS(Least Square，最小均方误差)算法来对信道进行估计，LS信道估计算法公式如下：

其中s为发送序列，y为对应的接收序列，s^*为s的共轭，在译码器得到用户信息比特后，将得到的用户信息比特重新经过编码，交织和映射后，就可以重新构造出用户发送符号，利用公式1.38可以更新信道矩阵，利用更新后的信道矩阵重新经过预编码和QR分解(即公式1.1-1.7)便可以得出新的干扰抑制矩阵，将新的干扰抑制矩阵代入检测器中就可以完成译码器、干扰估计以及检测器之间的外部大迭代。

译码器和检测器之间的大迭代见图4，交织器与解交织器的作用在于把连续错误随机化，便于检错纠错。经过译码后，译码器将译码比特的外信息通过LLR(LikelihoodRate，对数似然比)形式返回给检测器，检测器将此外信息作为编码比特的先验信息，并对外信息进行调制，最终得到天线发射符号的先验信息。其中第m个比特的外信息表示为：

则发送比特为+1或者-1的后验概率为：

于是就可以得到各个发射符号的先验概率：

上式中，s_j表示星座图中第j个调制符号，s_j,m表示s_j的第m个比特，S为调制符号集。符号映射单元根据译码器返回的外信息，可根据下式计算符号的软估计：

特别地，对于QPSK调制，符号的软估计可由下式表示：

其中，c₀为调制符号的第一个比特，c₁为调制符号的第二个比特。

本实验的仿真环境类似于SCME Urban micro-cell环境，模型采用6径，各径的时延以及功率见表1所示，所采用的帧结构如图5，对应物理层参数如表2所示。本发明考虑一个小区中的一个基站，基站同时为16个UE服务，用户均匀分布在基站周围，并且到基站距离大致一样，每个UE有8个天线，相应地，基站有128个天线。每个用户的数据流为4。调制类型为QPSK，多址方式为OFDMA，预编码采用ZF和MMSE，译码器采用LDPC译码器(BP算法)。LMMSE-ISDIC迭代次数为3次，检测干扰估计迭代次数和检测解码次数迭代次数均为1-2次。仿真给出了当用户移动速率为3km/h下的误码率曲线和系统合速率曲线，合速率的计算单位为每个用户数据块，每个用户数据块包含2400个信息位.

表1抽头延迟以及功率

表2仿真环境物理层参数

参数	数值
		载波频率	3.5GHz
子载波间隔Δ<sub>F</sub>	30KHz
		子载波总数，IFFT/FFT点数N<sub>FFT</sub>	4096
采样时钟频率f<sub>S</sub>＝N<sub>FFT</sub>×Δ<sub>F</sub>，T<sub>S</sub>	122.88MHz，1/f<sub>S</sub>
		占用带宽子载波数N<sub>D</sub>	3208
有效带宽为N<sub>D</sub>×Δ<sub>F</sub>	96MHz
		IFFT/FFT周期T<sub>FFT</sub>＝1/Δ<sub>F</sub>	33.333μs
循环前缀长度T<sub>CP</sub>(＝1/8T<sub>FFT</sub>)，N<sub>CP</sub>	4.167μs，512
		OFDM符号长度T<sub>SYM</sub>＝T<sub>FFT</sub>+T<sub>CP</sub>	37.5μs

图6-7给出了没有译码器以及没有外部大迭代情况下的误码率曲线和合速率曲线，其中ZF precoding曲线利用公式1.1进行预编码，MMSE precoding曲线则用公式1.4进行预编码，original曲线代表系统采用MMSE硬检测算法来检测接收信号，ISDIC曲线利用LMMSE-ISDIC软干扰抵消算法来检测接收信号，以上两种检测算法都没有外部大迭代。

在图8-9中，ISDIC曲线采用ZF预编码以及LMMSE-ISDIC检测算法，new曲线采用本专利提出的联合检测结构，分别进行1-2次外部大迭代，其中new-ZF在干扰估计中采用ZF预编码，而new-MMSE则在干扰估计中采用MMSE预编码。Ldpc译码器采用1/3码率，每个码块长2400bit，译码器迭代次数为20。

从图6可以看出MMSE预编码相比ZF预编码有更好的性能。ISDIC检测算法利用自身的小迭代也可以提高系统性能，在误码率为10^-6时能提高0.3-0.7dB的增益。从图8可见外部的大迭代利用检测器、译码器和干扰估计器之间的信息交互来提高整体性能，经过2次外部大迭代，new-ZF曲线在误码率为10^-6时可以提供大约4dB的性能增益，而new-MMSE相比new-ZF还可以提供大约2dB的增益。从图中也可以看出外部大迭代收敛速度快，在大迭代次数较小的情况下就可以收敛。

在LMMSE-ISDIC算法中，每一次内部小迭代都需要做一次矩阵求逆运算，每次迭代中的ISDIC算法的复杂度约为在每次内部迭代中还需要计算符号概率、均值以及方差，但是其复杂度仍然保持在量级。为了减小整体系统的复杂度，我们可以将整体迭代次数设置为相对较小的数字，并且仍然可以提供可观的性能增益。

Claims

1.一种应用于大规模MIMO上行链路的联合检测算法，其特征在于，包括如下步骤：

2.如权利要求1所述的应用于大规模MIMO上行链路的联合检测算法，其特征在于，步骤(1)中，非结终止条件的样条插值算法具体为：在查询点插入的值基于各维中邻点网格点处数值的三次插值。

3.如权利要求1所述的应用于大规模MIMO上行链路的联合检测算法，其特征在于，步骤(1)中，MIMO软输入软输出检测采用LMMSE-ISDIC算法。

4.如权利要求1所述的应用于大规模MIMO上行链路的联合检测算法，其特征在于，步骤(3)中，外部大迭代分别为译码器与检测器的信息交互以及干扰抑制与检测器的信息交互，内部小迭代分别为检测器使用的ISDIC算法内部迭代以及译码器内部的迭代。

5.如权利要求4所述的应用于大规模MIMO上行链路的联合检测算法，其特征在于，ISDIC算法具体为：初始检测器输入需要的符号均值和方差的先验信息默认为0和1，后面检测器输入所需要的先验信息可从上一次检测器输出软量得到，以此循环迭代。