CN109818891A - 一种格基约减辅助的低复杂度贪心球形译码检测方法 - Google Patents

一种格基约减辅助的低复杂度贪心球形译码检测方法 Download PDF

Info

Publication number
CN109818891A
CN109818891A CN201910190416.7A CN201910190416A CN109818891A CN 109818891 A CN109818891 A CN 109818891A CN 201910190416 A CN201910190416 A CN 201910190416A CN 109818891 A CN109818891 A CN 109818891A
Authority
CN
China
Prior art keywords
matrix
upper triangular
triangular matrix
signal
search
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
Application number
CN201910190416.7A
Other languages
English (en)
Other versions
CN109818891B (zh
Inventor
王华华
亢成
陈发堂
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing University of Post and Telecommunications
Original Assignee
Chongqing University of Post and Telecommunications
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chongqing University of Post and Telecommunications filed Critical Chongqing University of Post and Telecommunications
Priority to CN201910190416.7A priority Critical patent/CN109818891B/zh
Publication of CN109818891A publication Critical patent/CN109818891A/zh
Application granted granted Critical
Publication of CN109818891B publication Critical patent/CN109818891B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Radio Transmission System (AREA)

Abstract

本发明属于移动通信技术领域，具体涉及到一种格基约减辅助的低复杂度贪心球形译码检测方法，包括：建立信号接收端处的信号模型；将信道矩阵进行分解，得到上三角矩阵和酉矩阵；利用LR算法对上三角矩阵进行约简，得到幺模矩阵；利用约简后的酉矩阵和接收端处的信号模型，得到重组的接收端信号；利用重组后的接收端信号和约简后的上三角矩阵根据贪心译码球形译码算法进行串行干扰消除；将信号进行排序搜索，采取排序比较的方式选取半径D内距离增量最小的值，即获得检测结果；本发明具有复杂度低且收敛速度快的特点，当系统误码率为10‑4时，相较于线性算法有明显的性能提升，并且本发明可广泛应用于5G大规模MIMO系统，具有较高的工程应用价值。

Description

一种格基约减辅助的低复杂度贪心球形译码检测方法
技术领域
本发明属于移动通信技术领域，具体涉及到一种格基约减辅助的低复杂度贪心球形译码检测方法。
背景技术
大规模多输入多输出(Multiple-Input Multiple-Output，MIMO)技术，已经证明是解决通信系统容量上限以及频谱资源紧缺的有效方法之一。对于即将到来的5G移动通信系统而言，亦是不可或缺的技术手段。尽管大规模MIMO系统有着诸多优点并引起广泛关注，但就其本身而言仍然存在着一些技术瓶颈。如下行多用户信道间干扰，导致信号检测困难等问题。因此，研究具有复杂度低、精度高且并行性好的接收机是非常必要的。
目前，最大似然算法(Maximum Likelihood，ML)的检测性能最优，但因其实现困难故只能作为所提算法的性能参考。常用的线性检测算法包括迫零(Zero Forcing，ZF)、最小均方误差(Minimum Mean Square Error，MMSE)算法。采用格基约减(Lattice Reduction,LR)辅助的线性检测算法(LR-ZF、LR-MMSE)，皆充分地降低了算法复杂度。线性与非线性检测各具优势，后者更偏向于系统的表现性能。例如球形译码(Sphere Decoding，SD)、干扰消除(Interference Cancellation，IC)作为典型的非线性算法，能明显改善系统的检测性能，但同时也会带来相应的复杂度开销。其中最具代表性的是进来提出的一种采用格基约减辅助的高并行性K-Best检测器。
本文从球形译码算法入手，提出一种采用格基约减辅助的贪心球形译码检测算法(Lattice Reduction Greedy Sphere Decoding，LR-GSD)。借助格基约减算法对上三角矩阵R中对角元的约束，从而辅助QR分解来获得更优的正交基。结合基于贪心策略的改进球形译码算法，通过将每次欧氏距离最小的符号作为根节点向下搜索，更高效地减少了搜索树节点。理论分析及仿真结果表明，算法拥有更少的迭代次数且复杂度只有O(K3)。在大大降低了LR-K-Best算法复杂度的同时，性能较采用格基约减辅助的线性检测算法(LR-ZF、LR-MMSE)有很大提升。
发明内容
本发明提出一种格基约减辅助的低复杂度贪心球形译码检测方法，包括以下步骤：
S1、将LR算法应用于5G大规模MIMO系统，并建立信号接收端处的信号模型；
S2、将信道矩阵进行QR分解，得到上三角矩阵和酉矩阵判断上三角矩阵是否符合约束条件，若不符合则对上三角矩阵进行修正；
S3、利用LR算法对上三角矩阵进行约简，得到幺模矩阵T；
S4、利用约简后的酉矩阵和接收端处的信号模型y，得到重组的接收端信号
S5、利用重组后的接收端信号和约简后的上三角矩阵根据改进的贪心译码球形译码算法进行串行干扰消除；
S6、将经过串行干扰消除后的信号进行排序搜索，采取排序比较的方式选取半径D内距离增量最小的值，即获得检测结果。
进一步的，步骤S2中的约束条件为：
其中，δ一般取值为0.75，若满足上式约束条件，则称信道H是参数为δ的格基约减(Lenstra-Lenstra-Lovasz,LLL)；表示矩阵中第k行、l列的元素；|·|表示对元素取模；|·|2表示对元素取模的平方；Nt表示发射天线数。
进一步的，当不符合约束条件时，对上三角矩阵进行修正的过程包括：根据推导得出旋转矩阵G，并根据旋转矩阵更新上三角矩阵和酉矩阵完成修正；其中，更新过程表示为：
其中，表示为矩阵中第k-1到k列元素；GH表示G取共轭转置；表示为矩阵中第k-1到k行以及k-1到Nt列元素；Nt表示发射天线数。
进一步的，利用LR算法对上三角矩阵进行约简，得到幺模矩阵T包括：
S31、设置初始参数，生成参数μ，表示为计算和
S32、判断步骤S31得到的上三角矩阵是否符合约束条件，若满足则令k＝k+1，执行步骤S34；
S33、若不满足则对上三角矩阵进行修正，更新上三角矩阵和酉矩阵令k＝max(k-1,2)，执行步骤S34；
S34、判断k的值是否大于发射天线数NT，若不大于则返回步骤S31；否则通过输出幺模矩阵；
其中，μ为初始元素比值；表示为上三角矩阵中第j行、k列的元素，表示上三角矩阵第k列中第1～j行的元素、T:,k表示初始化幺模矩阵第k列的元素、表示上三角矩阵第k列的元素、R:,j表示初始化上三角矩阵第j列的值。
进一步的，所述步骤S6包括：在通过约简的到的条件数少且正交性好的信道矩阵中搜索信号，减小搜索范围，此时的搜索表达式为第一搜索表达式；然后，利用酉矩阵的性质和上三角矩阵中元素分布的特性进一步缩小搜索范围，此时的搜索表达式为第二搜索表达式；取半径D内距离增量最小的值。
进一步的，第一搜索表达式表示为：
其中，表示通过接收端的信号求解得到的发送信号；s表示调制星座的符号；表示发送信号集合；D表示搜索半径；表示取范数。
进一步的，第二搜索表达式表示为：
其中，表示通过接收端的信号求解得到的发送信号；s表示调制星座的符号；ri,j表示矩阵中第i行第j列的元素；NR表示接收天线数量。
进一步的，在第二搜索表达式中，当i＝NR时的距离增量仅与第NT根发射天线上的信号有关，令作为搜索树的根节点，当i＝NR-1时，距离增量与和有关，在计算第k层时，之前的即可均视为已知信号；由于噪声与误差干扰，树搜索的思想引入符号向量的星座判决，将每次欧氏距离最小的符号作为根节点向下搜索，更高效地减少搜索路径，从而获得检测的搜索结果；其中，表示第Nt个发送信号 表示第k+1个发送信号。
本发明从非线性检测入手，通过格基约减算法辅助QR分解来获取更优的正交基并采用贪心策略改进球形译码算法，将每次欧式距离最小的符号作为根节点向下搜索，更高效地缩减搜索树节点。本发明具有复杂度低且收敛速度快的特点，当系统误码率为10-4时，所提的算法相较于线性算法有着3～10[dB]误比特率(BER)的性能提升。并且本发明可广泛应用于5G大规模MIMO系统，具有较高的工程应用价值。
附图说明
图1是本发明大规模MIMO系统框图；
图2是本发明MIMO系统64-QAM搜索树结构图；
图3是本发明具体实现框图；
图4是本发明在64×64MIMO，64-QAM条件下的性能图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明提出一种格基约减辅助的低复杂度贪心球形译码检测方法，包括以下步骤：
S1、将LR算法应用于5G大规模MIMO系统，并建立信号接收端处的信号模型；
S2、将信道矩阵进行QR分解，得到上三角矩阵和酉矩阵判断上三角矩阵是否符合约束条件，若不符合则对上三角矩阵进行修正；
S3、利用LR算法对上三角矩阵进行约简，得到幺模矩阵T；
S4、利用约简后的酉矩阵和接收端处的信号模型y，得到重组的接收端信号
S5、利用重组后的接收端信号和约简后的上三角矩阵根据改进的贪心译码球形译码算法进行串行干扰消除；
S6、将经过串行干扰消除后的信号进行排序搜索，采取排序比较的方式选取半径D内距离增量最小的值，即获得检测结果。
如图1，在5G大规模MIMO系统模型中，给定实际基站天线数与单天线用户数分别为NT、NR。待发送数据经过发送端的协议化处理流程后，通过多根天线发射出去，随后经过复杂的信道环境与高斯噪声影响，接收端天线将信息接收。在大规模MIMO系统中接收端多用户信号检测的目的是需要克服噪声和用户间干扰，通过接收到的信号向量y求解得到发送信号；发送端发送数据流，发送信号通过天线发送，接收端的天线接收信号，表示第NT条天线上发射的信号；表示第NR条天线上接收的信号；表示第NR条天线上接收的信号的干扰信号，H为信道矩阵，接收端的信号可以表示为：
本实施例中，是接收端接收得到的信号向量；为瑞利衰落信道矩阵；为该信道的值域；为近似正交矩阵，为转化后的符号向量，即本发明需要求取的数据；为加性高斯白噪声向量(Additive White GaussianNoise,AWGN)；为加性高斯白噪声向量的值域。
在本实施例中，如图3，本实施例采用两个核心算法，一共5个步骤，分别是：利用LR算法进行QR分解、LR约简、得到接收信号表达式，利用贪心球形译码算法进行串行干扰消除和排序搜索，这些步骤具体表示为：
①QR分解
此时设置一个参数k，令参数k＝2，同时生成单位矩阵：M＝eye(NT)，将信道矩阵H进行QR分解：
②LR约简
约简过程表示为：
S31、设置初始参数，生成参数μ，表示为计算
和
S32、判断步骤S31得到的上三角矩阵是否符合约束条件，若满足则令k＝k+1，执行步骤S34；
S33、若不满足则对上三角矩阵进行修正，更新上三角矩阵和酉矩阵令k＝max(k-1,2)，执行步骤S34；
S34、判断k的值是否大于发射天线数NT，若不大于则返回步骤S31；否则通过输出幺模矩阵；
其中，μ为初始元素比值；表示为上三角矩阵中第j行、k列的元素，表示上三角矩阵第k列中第1～j行的元素、T:,k表示初始化幺模矩阵第k列的元素、表示上三角矩阵第k列的元素、R:,j表示初始化上三角矩阵第j列的值。
判断步骤S31得到的上三角矩阵是否符合的约束条件表示为：
其中，信道H是参数为δ的LLL约减，δ一般取值为0.75；表示矩阵中第k行、l列的元素；|·|表示对元素取模；|·|2表示对元素取模的平方；Nt表示发射天线数。
当不符合约束条件时，需要对上三角矩阵和酉矩阵进行修正，首先根据推导得出旋转矩阵G，推导过程表示为：
根据旋转矩阵更新上三角矩阵和酉矩阵完成修正；其中，更新过程表示为：
其中，表示为矩阵中第k-1到k列元素；GH表示G取共轭转置；表示为矩阵中第k-1到k行以及k-1到Nt列元素；Nt表示发射天线数。
③得到接收信号表达式
通过约简得到的酉矩阵和接收天线上的接收信号y，更新的得到接收信号表达式
④串行干扰消除
消除接收信号中的噪音和用户间的干扰。
⑤排序搜索
在通过约简的到的条件数少且正交性好的信道矩阵中搜索信号，减小搜索范围，此时的搜索表达式为第一搜索表达式；然后，利用酉矩阵的性质和上三角矩阵中元素分布的特性进一步缩小搜索范围，此时的搜索表达式为第二搜索表达式；取半径D内距离增量最小的值。
第一搜索表达式表示为：
其中，表示通过接收端的信号求解得到的发送信号；s表示调制星座的符号；表示发送信号集合；D表示搜索半径；表示取范数。
第二搜索表达式表示为：
其中，表示通过接收端的信号求解得到的发送信号；s表示调制星座的符号；ri,j表示矩阵中第i行第j列元素；NR表示接收天线数量。
在第二搜索表达式中，当i＝NR时的距离增量仅与第NT根发射天线上的信号有关，令作为搜索树的根节点，当i＝NR-1时，距离增量与和有关，在计算第k层时，之前的即可均视为已知信号；由于噪声与误差干扰，树搜索的思想引入符号向量的星座判决，将每次欧氏距离最小的符号作为根节点向下搜索，减少搜索路径，从而获得检测的搜索结果；其中，表示第Nt个发送信号，表示第k+1个发送信号。
从附图2可以看出若采用64-QAM高阶调制方式，给出在星座图的第一象限内给定超球体搜索域集合下方则给出NR维MIMO系统搜索树，并对第一象限内的16个搜索点进行数字标号，同理，第2～4象限内的其他48个搜索点进行编号。信号是被搜索出来的信号，算法首先从第NR层的根节点开始，计算码本集合中各点的欧氏距离增量；在初始半径内只保留码本集合中距离增量最小的节点，并转向下一层信号点继续搜索；与传统球形译码算法需保留半径内符合条件的所有可行路径不同；基于贪心策略的球形译码算法通过排序比较，只选取半径D内距离增量最小的树节点。
从附图4可以看出：非线性检测算法性能明显优于线性算法。其中，本发明所提算法(LR-GSD)性能仅次于计算复杂度最高的传统球形译码算法(SD)，之后依次是LR-K-Best算法和线性检测算法(LR-MMSE、LR-ZF)。并且，根据仿真结果可以得出当系统BER为10-4时，本发明所提算法(LR-GSD)相较于LR-ZF、LR-MMSE在系统仿真模型设置为64×64MIMO，调制方式为64-QAM时，信噪比(SNR)有着3～10[dB]的提升。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (8)

1.一种格基约减辅助的低复杂度贪心球形译码检测方法，其特征在于，包括以下步骤：
S1、将LR算法应用于5G大规模MIMO系统，并建立信号接收端处的信号模型；
S2、将信道矩阵进行QR分解，得到上三角矩阵和酉矩阵判断上三角矩阵是否符合约束条件，若不符合则对上三角矩阵进行修正；
S3、利用LR算法对上三角矩阵进行约简，得到幺模矩阵T；
S4、利用约简后的酉矩阵和接收端处的信号模型y，得到重组的接收端信号
S5、利用重组后的接收端信号和约简后的上三角矩阵根据改进的贪心译码球形译码算法进行串行干扰消除；
S6、将经过串行干扰消除后的信号进行排序搜索，采取排序比较的方式选取半径D内距离增量最小的值，即获得检测结果。
2.根据权利要求1所述的一种格基约减辅助的低复杂度贪心球形译码检测方法，其特征在于，利用LR算法对上三角矩阵进行约简，得到幺模矩阵T包括：
S31、设置初始化幺模矩阵，并利用上三角矩阵生成参数μ，表示为计算和
S32、判断步骤S31得到的上三角矩阵是否符合约束条件，若满足则令k＝k+1，执行步骤S34；
S33、若不满足则对上三角矩阵进行修正，更新上三角矩阵和酉矩阵令k＝max(k-1,2)，执行步骤S34；
S34、判断k的值是否大于发射天线数NT，若不大于则返回步骤S31；否则通过输出幺模矩阵；
其中，μ为初始元素比值；表示为上三角矩阵中第j行、k列的元素，表示上三角矩阵第k列中第1～j行的元素、T:,k表示初始化幺模矩阵第k列的元素、表示上三角矩阵第k列的元素、R:,j表示初始化上三角矩阵第j列的值。
3.根据权利要求2所述的一种格基约减辅助的低复杂度贪心球形译码检测方法，其特征在于，约束条件为：
其中，δ一般取值为0.75，若满足上式约束条件，则称信道H是参数为δ的格基约减；表示矩阵中第k行、l列的元素；|·|表示对元素取模；|·|2表示对元素取模的平方；Nt表示发射天线数。
4.根据权利要求2所述的一种格基约减辅助的低复杂度贪心球形译码检测方法，其特征在于，当不符合约束条件时，对上三角矩阵进行修正的过程包括：根据推导得出旋转矩阵G，并根据旋转矩阵更新上三角矩阵和酉矩阵完成修正；其中，更新过程表示为：
其中，表示为矩阵中第k-1到k列元素；GH表示G取共轭转置；表示为矩阵中第k-1到k行以及k-1到Nt列元素；Nt表示发射天线数。
5.根据权利要求1所述的一种格基约减辅助的低复杂度贪心球形译码检测方法，其特征在于，所述步骤S6包括：在通过约简的到的条件数少且正交性好的信道矩阵中搜索信号，此时的搜索表达式为第一搜索表达式；然后，利用酉矩阵的性质和上三角矩阵中元素分布的特性对第一搜索表达式进行改进得到第二搜索表达式；取第二搜索表达式搜索出的信号半径D内距离增量最小的值作为检测结果。
6.根据权利要求5所述的一种格基约减辅助的低复杂度贪心球形译码检测方法，其特征在于，第一搜索表达式表示为：
其中，表示通过接收端的信号求解得到的发送信号；s表示调制星座的符号；表示发送信号集合；D表示搜索半径；表示取范数。
7.根据权利要求6所述的一种格基约减辅助的低复杂度贪心球形译码检测方法，其特征在于，利用酉矩阵的性质和上三角矩阵中元素分布的特性对第一搜索表达式进行改进得到第二搜索表达式，表示为：
其中，表示通过接收端的信号求解得到的发送信号；s表示调制星座的符号；ri,j表示矩阵中第i行第j列元素；NR表示接收天线数量。
8.根据权利要求7所述的一种格基约减辅助的低复杂度贪心球形译码检测方法，其特征在于，在第二搜索表达式中，当i＝NR时的距离增量仅与第NT根发射天线上的信号有关，令作为搜索树的根节点，当i＝NR-1时，距离增量与和有关，在计算第k层时，之前的即可均视为已知信号；由于噪声与误差干扰，树搜索的思想引入符号向量s的星座判决，将每次欧氏距离最小的符号作为根节点向下搜索，减少搜索路径，从而获得检测的搜索结果；其中，表示第Nt个发送信号，表示第k+1个发送信号。
CN201910190416.7A 2019-03-13 2019-03-13 一种格基约减辅助的低复杂度贪心球形译码检测方法 Active CN109818891B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910190416.7A CN109818891B (zh) 2019-03-13 2019-03-13 一种格基约减辅助的低复杂度贪心球形译码检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910190416.7A CN109818891B (zh) 2019-03-13 2019-03-13 一种格基约减辅助的低复杂度贪心球形译码检测方法

Publications (2)

Publication Number Publication Date
CN109818891A true CN109818891A (zh) 2019-05-28
CN109818891B CN109818891B (zh) 2021-08-10

Family

ID=66608881

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910190416.7A Active CN109818891B (zh) 2019-03-13 2019-03-13 一种格基约减辅助的低复杂度贪心球形译码检测方法

Country Status (1)

Country Link
CN (1) CN109818891B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111030739A (zh) * 2020-01-09 2020-04-17 重庆邮电大学 一种基于lll-sd的大规模mimo信号检测方法
CN114520682A (zh) * 2022-01-14 2022-05-20 重庆邮电大学 超大规模mimo中利用球面波特征的低复杂度信号检测方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102142947A (zh) * 2011-03-23 2011-08-03 北京邮电大学 用于mimo系统的基于格基规约的重传合并方法
US20120170689A1 (en) * 2010-12-30 2012-07-05 National Chiao Tung University Geometry Based Efficient Decoder for Underdetermined MIMO Systems and Decoding Method Thereof
CN103780349A (zh) * 2014-01-22 2014-05-07 北京工业大学 一种基于有限距离译码的解随机化采样格译码方法
CN105356920A (zh) * 2015-12-03 2016-02-24 南京信息工程大学 格约减辅助球形译码mimo信号检测方法
CN106712903A (zh) * 2016-12-21 2017-05-24 重庆邮电大学 一种低复杂度mimo fbmc‑oqam系统信号检测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120170689A1 (en) * 2010-12-30 2012-07-05 National Chiao Tung University Geometry Based Efficient Decoder for Underdetermined MIMO Systems and Decoding Method Thereof
CN102142947A (zh) * 2011-03-23 2011-08-03 北京邮电大学 用于mimo系统的基于格基规约的重传合并方法
CN103780349A (zh) * 2014-01-22 2014-05-07 北京工业大学 一种基于有限距离译码的解随机化采样格译码方法
CN105356920A (zh) * 2015-12-03 2016-02-24 南京信息工程大学 格约减辅助球形译码mimo信号检测方法
CN106712903A (zh) * 2016-12-21 2017-05-24 重庆邮电大学 一种低复杂度mimo fbmc‑oqam系统信号检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
JINZHU LIU, SONG XING, AND LIANFENG SHEN: ""Lattice-Reduction-Aided Sphere Decoding for MIMO Detection Achieving ML Performance"", 《IEEE COMMUNICATIONS LETTERS》 *
NAMSHIK KIM，HYUNCHEOL PARK: ""Improved Lattice Reduction Aided Detections for MIMO Systems"", 《VEHICULAR TECHNOLOGY CONFERENCE, 2006》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111030739A (zh) * 2020-01-09 2020-04-17 重庆邮电大学 一种基于lll-sd的大规模mimo信号检测方法
CN111030739B (zh) * 2020-01-09 2021-03-16 重庆邮电大学 一种基于lll-sd的大规模mimo信号检测方法
CN114520682A (zh) * 2022-01-14 2022-05-20 重庆邮电大学 超大规模mimo中利用球面波特征的低复杂度信号检测方法
CN114520682B (zh) * 2022-01-14 2023-05-12 重庆邮电大学 超大规模mimo中利用球面波特征的低复杂度信号检测方法

Also Published As

Publication number Publication date
CN109818891B (zh) 2021-08-10

Similar Documents

Publication Publication Date Title
CN107005504A (zh) 用于通过降低复杂度的树搜索检测无线通信网络中的数据的方法及装置
US8831128B2 (en) MIMO communication system signal detection method
CN113114313A (zh) 一种mimo-noma系统导频辅助信号检测方法、系统及存储介质
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
Hua et al. Signal detection in uplink pilot-assisted multi-user MIMO systems with deep learning
CN112215335B (zh) 一种基于深度学习的系统检测方法
CN109981151A (zh) 大规模mimo系统中改进的高斯树近似消息传递检测算法
Wang et al. Deep Transfer Learning for Model-Driven Signal Detection in MIMO-NOMA Systems
CN101227254A (zh) 一种在多入多出系统中v-blast的检测方法
CN109286587B (zh) 一种多有源广义空间调制检测方法
CN109391315B (zh) 一种数据模型双驱动的mimo接收机
CN102006113B (zh) 基于迫零预检测的并行mimo信号检测方法
CN111314255B (zh) 一种低复杂度siso和mimo接收机生成方法
KR101348557B1 (ko) Ｍｉｍｏ－ｏｆｄｍ 시스템을 이용한 신호 검출 방법 및 그 장치
CN106856462A (zh) 空间调制多径衰落信道下的检测方法
CN111769975A (zh) Mimo系统信号检测方法及系统
Hu et al. Improved Sphere Decoding Detection Algorithm Based on Lattice-Reduction-Aided
Liu et al. Research on End-to-End Wireless Communication System Based on Two Dimensional Convolution
Ravindran et al. Direction of arrival and channel estimation using machine learning for multiple input multiple output system
CN110868244A (zh) 一种基于信道穿刺的低复杂度通信信号检测方法
CN114528925B (zh) 一种基于深层分类网络的时变信道ofdm信号均衡方法
CN113746776B (zh) 基于星座点排序和动态树搜索的信号接收方法
CN115801500B (zh) 一种高阶大规模mimo信号检测方法
Cui et al. Decentralized Bidirectional-Chain Equalizer for Massive MIMO
Hasan et al. A Deep Learning-based Efficient Beamspace Estimation Approach in Millimeter-Wave Massive MIMO Systems

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