CN109951214B - 一种适用于大规模mimo系统的信号检测方法 - Google Patents
一种适用于大规模mimo系统的信号检测方法 Download PDFInfo
- Publication number
- CN109951214B CN109951214B CN201910131679.0A CN201910131679A CN109951214B CN 109951214 B CN109951214 B CN 109951214B CN 201910131679 A CN201910131679 A CN 201910131679A CN 109951214 B CN109951214 B CN 109951214B
- Authority
- CN
- China
- Prior art keywords
- signal
- channel matrix
- vector
- detection
- ith
- 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
Landscapes
- Radio Transmission System (AREA)
Abstract
本发明公开了一种适用于大规模MIMO系统的信号检测方法,包括S1、获取信道矩阵和接收信号,并将所述信道矩阵按照其列向量范数进行排序形成新的信道矩阵;S2、基于所述接收信号和新的信道矩阵,构造出检测模型;S3、基于所述检测模型、接收信号和新的信道矩阵,计算出发射信号的初始估计值;S4、将所述发射信号的初始估计值输入至PIC检测器,获得经过PIC检测后的信号,并对该信号进行迭代,得到发射信号的最终估计值。本发明能够有效降低算法的复杂度,且误码率明显低于传统非线性信号检测算法。
Description
技术领域
本发明属于无线通信技术领域,具体涉及一种适用于大规模MIMO系统的信号检测方法。
背景技术
近年来,随着移动数据业务量的爆发式增加,传统的多输入多输出技术(multiple-input multiple-output,MIMO)因其仅能提供4×4或者8×8天线规模的系统而显得日益力不从心。因此,大规模MIMO技术应运而生,大规模MIMO系统是指在基站端配置多达几十甚至数百根的天线阵列来同时服务于多个单天线用户终端,大大提高了系统的频谱和能量效率。但是,随着天线数量的增加,大规模MIMO系统同时也面临着几个问题,如何实现高效可靠的上行链路信号检测就是其中之一。
随着基站端天线数量的大幅度增加,信道之间逐渐趋于正交,基于这个特性,线性检测算法如最小均方误差(minimum mean square error,MMSE)等在大规模MIMO系统中也能获得很好的性能。但是,这些线性检测算法涉及复杂的矩阵求逆运算从而导致算法复杂度过高。为了降低矩阵求逆带来的计算复杂度,Neumann级数展开算法被用于信号检测,但是当迭代次数大于2时,其计算复杂度又回到O(k3),并且当基站端天线和用户天线数量之比接近1时,会带来明显的BER性能损失。GAO X提出了Richardson迭代算法,但迭代参数计算量较大且迭代次数较低时算法性能很差。TANG C和DAI L提出了Gauss-Seidel算法和Newton算法,但这两种算法更多的是关注于精度,所以计算复杂度也比较大。
发明内容
针对上述问题,本发明提出一种适用于大规模MIMO系统的信号检测方法,能够有效降低算法的复杂度,且误码率明显低于传统非线性信号检测算法。
实现上述技术目的,达到上述技术效果,本发明通过以下技术方案实现:
一种适用于大规模MIMO系统的信号检测方法,包括以下步骤:
S1、获取信道矩阵和接收信号,并将所述信道矩阵按照其列向量范数进行排序形成新的信道矩阵;
S2、基于所述接收信号和新的信道矩阵,构造出检测模型;
S3、基于所述检测模型、接收信号和新的信道矩阵,计算出发射信号的初始估计值;
S4、将所述发射信号的初始估计值输入至PIC检测器,获得经过PIC检测后的信号,并对该信号进行迭代,得到发射信号的最终估计值。
优选地,所述步骤S1具体包括以下子步骤:
S1.1、获取参数,所述参数包括信道矩阵H、接收信号R、发射天线数Nt、接收天线数Nr、计数器i=1;
S1.2、按照信道矩阵H的列向量列范数大小进行降序排列形成新的信道矩阵,所述降序排列的依据为:
其中,发射信号矢量为是Nt×1维的列向量,xi表示第i根发射天线的发射信号;Hi表示信道矩阵重排后的第i列向量,||Hi||表示Hi的二范数。表示系统传输过程中的加性复高斯噪声,噪声矢量的每个元素相互独立。
优选地,所述步骤S2和S3具体包括以下子步骤:
S1.3:判断i是否大于Nt,若是,则执行S1.9;否则,执行S1.4;
S1.4:构造检测矩阵A=HH,将检测矩阵A的第i行向量赋值给变量a1,将信道矩阵H的第i列向量赋值给变量h2;
S1.7:将已经检测过的发射信号对应的信道矩阵的列清零,更新信道矩阵;
S1.8:令i=i+1,返回S1.3;
优选地,所述步骤S4具体包括以下步骤:
优选地,所述Nr根接收天线收到的要检测的信号矢量ΔRi的表达式为:
优选地,所述步骤S4.1中的重构过程为:
与现有技术相比,本发明的有益效果:
本发明提出的适用于大规模MIMO系统的信号检测方法,其信号检测性能较好,在收发端天线数量相等的大规模MIMO系统中,误码率明显低于传统非线性信号检测算法。
本发明提出的适用于大规模MIMO系统的信号检测方法,计算复杂度较低,非常适合天线数量较多的大规模MIMO系统。
附图说明
图1是本发明具体实施方式的流程图;
图2是接收天线数Nr=64,发射端天线数Nt=64,迭代次数为2的大规模MIMO系统中本发明与其他算法的误码率表现比较图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
下面结合附图对本发明的应用原理作详细的描述。
实施例1
本发明实施提供了一种适用于大规模MIMO系统的信号检测方法,如图1所示,包括以下步骤:
S1、获取信道矩阵和接收信号,并将所述信道矩阵按照其列向量范数进行排序形成新的信道矩阵;
在本发明实施例的一种具体实施方式中,所述步骤S1具体包括以下子步骤:
S1.1、获取参数,所述参数包括信道矩阵H、接收信号R、发射天线数Nt、接收天线数Nr、计数器i=1;
S1.2、按照信道矩阵H的列向量列范数大小进行降序排列形成新的信道矩阵,所述降序排列的依据为:
其中,发射信号矢量为是Nt×1维的列向量,xi表示第i根发射天线的发射信号;Hi表示信道矩阵重排后的第i列向量,||Hi||表示Hi的二范数。表示系统传输过程中的加性复高斯噪声,噪声矢量的每个元素相互独立。
S2、基于所述接收信号和新的信道矩阵,构造出检测模型;
S3、基于所述检测模型、接收信号和新的信道矩阵,计算出发射信号的初始估计值;
在本发明实施例的一种具体实施方式中,所述步骤S2和S3具体包括以下子步骤:
S1.3:判断i是否大于Nt,若是,则执行S1.9;否则,执行S1.4;
S1.4:构造检测矩阵A=HH,将检测矩阵A的第i行向量赋值给变量a1,将信道矩阵H的第i列向量赋值给变量h2;
S1.7:将已经检测过的发射信号对应的信道矩阵的列清零,更新信道矩阵;
S1.8:令i=i+1,返回S1.3;
S4、将所述发射信号的初始估计值输入至PIC检测器,获得经过PIC检测后的信号,并对该信号进行迭代,得到发射信号的最终估计值;
在本发明的一种具体实施方式中,所述步骤S4具体包括以下步骤:
在本发明实施例的一种具体实施方式中,所述步骤S4.1中的重构过程为:
S4.2、利用接收信号R减去得到Nr根接收天线收到的要检测的信号矢量ΔRi;即得到其他用户信号对第i个用户信号的干扰后,从原接收信号矢量R中消除这些干扰即可得到针对第i个用户信号,所述Nr根接收天线收到的要检测的信号矢量ΔRi的表达式为:
最后,对本发明的检测性和复杂度进行分析:
在检测性能方面,从图2可以看出,在收发端天线数量相等的大规模MIMO系统中,本发明的误比特率明显低于非线性检测算法MF-SIC和MMSE-SIC,且低于未加入上述两种改进方案的MF-PIC算法,说明本发明的信号检测性能非常好。
在计算复杂度方面,与检测性能相近的MMSE-SIC算法相比,由于MMSE-SIC算法的检测矩阵AMMSE=(HHH+σ2I)-1HH涉及大量的矩阵逆运算,计算复杂度极高。而本发明是基于MF检测设计的,其检测矩阵AMF=HH没有涉及矩阵的逆运算,所以显然本发明的计算复杂度与MMSE-SIC相比较小。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (3)
1.一种适用于大规模MIMO系统的信号检测方法,其特征在于,包括以下步骤:
S1、获取信道矩阵和接收信号,并将所述信道矩阵按照其列向量范数进行排序形成新的信道矩阵;
S2、基于所述接收信号和新的信道矩阵,构造出检测模型;
S3、基于所述检测模型、接收信号和新的信道矩阵,计算出发射信号的初始估计值;
S4、将所述发射信号的初始估计值输入至PIC检测器,获得经过PIC检测后的信号,并对该信号进行迭代,得到发射信号的最终估计值;
所述步骤S1具体包括以下子步骤:
S1.1、获取参数,所述参数包括信道矩阵H、接收信号R、发射天线数Nt、接收天线数Nr、计数器i=1;
S1.2、按照信道矩阵H的列向量列范数大小进行降序排列形成新的信道矩阵,所述降序排列的依据为:
其中,发射信号矢量为是Nt×1维的列向量,xi表示第i根发射天线的发射信号;Hi表示信道矩阵重排后的第i列向量,||Hi||表示Hi的二范数;表示系统传输过程中的加性复高斯噪声,噪声矢量的每个元素相互独立;
所述步骤S2和S3具体包括以下子步骤:
S1.3:判断i是否大于Nt,若是,则执行S1.9;否则,执行S1.4;
S1.4:构造检测矩阵A=HH,将检测矩阵A的第i行向量赋值给变量a1,将信道矩阵H的第i列向量赋值给变量h2;
S1.7:将已经检测过的发射信号对应的信道矩阵的列清零,更新信道矩阵;
S1.8:令i=i+1,返回S1.3;
所述步骤S4具体包括以下步骤:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910131679.0A CN109951214B (zh) | 2019-02-22 | 2019-02-22 | 一种适用于大规模mimo系统的信号检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910131679.0A CN109951214B (zh) | 2019-02-22 | 2019-02-22 | 一种适用于大规模mimo系统的信号检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109951214A CN109951214A (zh) | 2019-06-28 |
CN109951214B true CN109951214B (zh) | 2021-05-11 |
Family
ID=67007600
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910131679.0A Active CN109951214B (zh) | 2019-02-22 | 2019-02-22 | 一种适用于大规模mimo系统的信号检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109951214B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111565079B (zh) * | 2020-04-23 | 2022-06-03 | 重庆邮电大学 | 用于mu-mimo一比特adc系统的检测方法 |
CN112543057B (zh) * | 2020-12-08 | 2022-04-19 | 中国科学技术大学 | Mimo可见光通信系统的信号处理方法 |
CN113055060B (zh) * | 2021-03-08 | 2022-04-05 | 上海交通大学 | 面向大规模mimo信号检测的粗粒度可重构架构系统 |
CN113098571B (zh) * | 2021-03-23 | 2022-03-01 | 安徽大学 | 大规模mimo系统信号检测方法、系统、基站及存储介质 |
CN113938234B (zh) * | 2021-12-03 | 2024-01-30 | 东南大学 | 一种低复杂度稀疏化大规模mimo检测方法 |
CN115001546B (zh) * | 2022-05-26 | 2023-09-08 | 西安电子科技大学 | 基于并行K-Best搜索的MIMO系统信号检测方法 |
CN116318490B (zh) * | 2023-05-25 | 2023-08-29 | 广州南方卫星导航仪器有限公司 | 一种基于5g应急通信车的通信信号检测方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102723975A (zh) * | 2012-06-11 | 2012-10-10 | 北京大学 | Mimo系统的信号检测方法及装置 |
CN103188003A (zh) * | 2013-04-22 | 2013-07-03 | 清华大学 | 基于迭代检测的低复杂度并行干扰消除方法及系统 |
CN107682124A (zh) * | 2017-10-23 | 2018-02-09 | 哈尔滨工业大学 | 多用户共享接入技术上行链路的先并后串多用户检测方法 |
CN108650056A (zh) * | 2018-04-04 | 2018-10-12 | 南京邮电大学 | 一种大规模mimo系统上行链路中的混合迭代检测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150146546A1 (en) * | 2013-11-22 | 2015-05-28 | Huawei Technologies Co., Ltd. | Method and nodes in a wireless communication system |
-
2019
- 2019-02-22 CN CN201910131679.0A patent/CN109951214B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102723975A (zh) * | 2012-06-11 | 2012-10-10 | 北京大学 | Mimo系统的信号检测方法及装置 |
CN103188003A (zh) * | 2013-04-22 | 2013-07-03 | 清华大学 | 基于迭代检测的低复杂度并行干扰消除方法及系统 |
CN107682124A (zh) * | 2017-10-23 | 2018-02-09 | 哈尔滨工业大学 | 多用户共享接入技术上行链路的先并后串多用户检测方法 |
CN108650056A (zh) * | 2018-04-04 | 2018-10-12 | 南京邮电大学 | 一种大规模mimo系统上行链路中的混合迭代检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109951214A (zh) | 2019-06-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109951214B (zh) | 一种适用于大规模mimo系统的信号检测方法 | |
CN111698182B (zh) | 一种基于压缩感知的时频分块稀疏的信道估计方法 | |
US7583763B2 (en) | Multi input multi output wireless communication reception method and apparatus | |
CN105071843B (zh) | 大规模mimo系统低复杂度多项式展开矩阵求逆方法及应用 | |
CN108964725B (zh) | 时变大规模mimo网络中信道参数的稀疏估计方法 | |
US20060176971A1 (en) | Multi input multi output wireless communication reception method and apparatus | |
Xie et al. | Massive unsourced random access for massive MIMO correlated channels | |
Guo et al. | Deep learning for joint channel estimation and feedback in massive MIMO systems | |
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 | |
CN111162828B (zh) | 一种大规模mimo系统的低复杂度信号检测方法 | |
CN113517941A (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 | |
CN116192209A (zh) | 一种mimo信道下空中计算联邦学习的梯度上传方法 | |
CN114500322B (zh) | 免授权大规模接入场景下设备活跃检测和信道估计方法 | |
CN114124168A (zh) | 一种基于深度学习的mimo-noma系统信号检测方法及系统 | |
Jang et al. | Combined deep learning and SOR detection technique for high reliability in massive MIMO systems | |
CN100382460C (zh) | 多天线阵列接收无线传输的方法 | |
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 | |
Seyman | Symbol Detection Based on Back Tracking Search Algorithm in MIMO-NOMA Systems. | |
CN107733487B (zh) | 一种大规模多输入多输出系统的信号检测方法及装置 | |
CN113472412B (zh) | 基于增强型elm的叠加csi反馈方法 | |
Kim | Performance of decremental antenna selection algorithms for spatial multiplexing MIMO systems with linear receiver over correlated fading channels | |
CN117060952A (zh) | 多输入多输出系统中的信号检测方法及装置 | |
CN107248876B (zh) | 基于稀疏贝叶斯学习的广义空间调制符号检测方法 | |
CN108199755B (zh) | 一种无线通信的码本和数据导频功率比的检测方法及系统 | |
KR101599189B1 (ko) | 대규모 mimo 시스템에서의 채널 추정 방법 |
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 |