CN110417515A - 一种基于离散迭代估计的大规模mimo信号检测方法 - Google Patents

Abstract

本发明公开了一种基于离散迭代估计的大规模MIMO信号检测方法，属于无线通信技术领域。所述方法通过基于离散估计迭代的检测方法将求解最大似然问题转换为求解有约束的凸优化问题，在大规模MIMO系统中可以获得较好的检测性能，该方法同时还具有较低的计算复杂度，适用于大规模MIMO系统，同时为了加快离散估计迭代信号检测方法的收敛速度，提高检测方法的性能，本发明提出将自动更新的阻尼法应用到该检测方法中，根据增广式拉格朗日表达式，离散迭代算法和欧几里得距离，采用改进的离散迭代算法对接收信号矩阵y进行检测，得到发射信号估计值提高了检测方法的误码性能和收敛速度。

Description

一种基于离散迭代估计的大规模MIMO信号检测方法

技术领域

本发明涉及一种基于离散迭代估计的大规模MIMO信号检测方法，属于无线通信技术领域。

背景技术

大规模MIMO(Large Scale-Multiple-Input Multiple-Output,LS-MIMO)系统是第五代移动通信系统的关键技术之一，通过在基站和用户端配备大量天线，使得基站和用户端通信过程中均可利用多根天线进行信号的发送和接收，显著地提高系统的信道容量、数据传输速率、频谱效率和通信质量。

但是由于天线数的大量增多，许多适用于传统MIMO系统的高性能的方法不再适用于大规模MIMO系统，因为这些方法应用于大规模MIMO系统中时往往会产生较高的复杂度。因此如何在维持较好性能的同时降低方法的复杂度成为了一个急需解决的问题。

传统的信号检测方法根据运算特性可分为线性检测方法和非线性两类。线性检测方法是使用线性运算处理信息，方法实现简单，计算复杂度低。主要有迫零检测(ZeroForcing Detection，ZF)、匹配滤波检测(Matched Filtering，MF)和最小均方误差检测(Minimum Mean-Squared Error，MMSE)等。而非线性检测是使用非线性运算处理信息，可以获得很好的系统性能，例如最大似然检测(Maximum Likelihood,ML)检测，但是计算复杂度过高，不适用于大规模MIMO系统。

将ML检测转化为一个求解约束凸优化问题时一种非常有效的技术。近年来，凸优化方法在大规模MIMO系统中的应用越来越广泛，被认为是一种可以实现低复杂度高性能信号处理的有效方法，但目前该方法存在收敛速度慢、检测方法的性能低下等缺陷。

发明内容

为了解决目前存在的大规模MIMO系统中信号检测采用凸优化方法求解存在的收敛速度慢、检测方法的性能低下的问题，本发明提供了一种基于离散迭代估计的大规模MIMO信号检测方法。

一种大规模MIMO信号检测方法，所述方法包括：

步骤1：根据信道响应矩阵H构造最大似然信号检测算法；

步骤2：将求解最大似然检测算法转换为求解有约束的凸优化问题；

步骤3：将约束凸优化问题转化为求解增广式拉格朗日问题即将检测问题重构为求解增广式拉格朗日问题；

步骤4：引入离散迭代估计方法求解重构之后的检测问题，得到估计解；

步骤5：计算估计解之间的欧几里得距离，利用计算出的欧几里得距离自动更新阻尼因子以此改进离散迭代估计检测算法的性能；

步骤6：根据增广式拉格朗日表达式，离散迭代算法和欧几里得距离，采用改进的离散迭代算法对接收信号矩阵y进行检测，得到发射信号估计值所述改进的离散迭代检测算法为使用离散迭代算法代替交替方向乘法检测算法中的复杂LDL^T分解过程和计算Gram矩阵过程，并且利用两个估计解的欧几里得距离来改进离散迭代检测算法。

可选的，所述步骤1包括：

采用下式(1)构造最大似然信号检测算法；

式(1)中，y表示接收信号向量，H表示信道增益矩阵，Ω表示信号调制的星座字母表，N_t表示发射天线数目，表示发射信号估计值，x表示发射信号。

可选的，所述步骤2包括：

利用下式(2)将最大似然检测算法转换为有约束的凸优化问题：

其中z表示的解值；I表示Ω的指标函数：

可选的，所述步骤3包括：

利用下式(3)将约束凸优化问题转化为求解增广式拉格朗日问题

其中，u为对偶向量，表示拉格朗日乘数；u^H表示对偶向量u的共轭转置向量；γ是惩罚参数，表示增广式拉格朗日函数。

可选的，所述步骤4包括：

离散迭代估计方法中第k次迭代的方程：

其中是采用上述式(4)所示第k次迭代的方程求得的发射信号的估计解，α^k是经过第k此迭代更新后的阻尼因子，Π_Ω(·)是将向量z投影到Ω，得到投影后的向量即是将向量z的每个元素简单地舍入到最接近的Ω里的元素来得到投影后向量的元素，是第k次迭代过程中利用阻尼因子对估计解进行更新后的估计解。

可选的，所述步骤5包括：

利用下式(5)计算第k次迭代的估计解之间的欧几里得距离d^k：

在式(5)中用向量p^k代替的计算值，得到其中分别表示向量和的第i个元素；和分别表示复值的实部与虚部元素；

阻尼因子的取值范围为(0,1)，即d^k→0时，α^k→0，d^k→∞，α^k→1，引入常数q来描述这一过程。

第k次迭代的阻尼因子α^k自动更新方程为：

其中q可表示为：

M表示调制阶数，cardinality表示调制对应的可能电平值。

可选的，所述步骤6中利用两个估计解的欧几里得距离来改进离散迭代检测算法，包括：

将自动更新的阻尼因子α引入离散迭代检测过程，第k次改进的离散迭代检测过程如下所示：

可选的，所述信道响应矩阵H为瑞丽衰落信道响应矩阵。

本发明的第二个目的在于提供一种通信设备，所述通信设备信号发送和接收过程中采用上述信号检测方法进行信号检测。

本发明的第三个目的在于提供上述信号检测方法和/或上述通信设备在无线通信技术领域内的应用。

本发明有益效果是：

通过基于离散估计迭代的检测方法将求解最大似然问题转换为求解有约束的凸优化问题，在大规模MIMO系统中可以获得较好的检测性能，该方法同时还具有较低的计算复杂度，适用于大规模MIMO系统，同时为了加快离散估计迭代信号检测方法的收敛速度，提高检测方法的性能，本发明提出将自动更新的阻尼法应用到该检测方法中，根据增广式拉格朗日表达式，离散迭代算法和欧几里得距离，采用改进的离散迭代算法对接收信号矩阵y进行检测，得到发射信号估计值提高了检测方法的误码性能和收敛速度。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明在信道为瑞利衰落信道、调制方式为16QAM、基站侧接收天线为128、用户数分别为16、32和64的条件下，对固定阻尼的基于离散估计迭代信号检测方法与自动更新阻尼的基于离散估计迭代信号检测方法的误码性能的比较结果图。

图2是本发明在信道为瑞利衰落信道、调制方式为16QAM、基站侧接收天线为128、用户数分别为16、32和64的条件下，基于离散估计迭代信号检测方法与基于交替方向乘法信号检测方法的误码性能的比较结果图。

图3是本发明在信道为瑞利衰落信道、调制方式为16QAM、基站侧接收天线为128、用户数分别为16、32和64的条件下，基于离散估计迭代信号检测方法与基于交替最小化信号检测方法，MMSE信号检测方法的误码性能的比较结果图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。

实施例一：

本实施例提供大规模MIMO系统中基于离散估计迭代信号检测方法，所述方法适用的系统模型为：

y＝Hx+n

上式中是基站侧接收的信号，是发射端发送的信号，N表示接收天线数目，K表示发射天线数目，是加性高斯白噪声，表示瑞利衰落信道。

所述方法包括：

步骤1：根据信道响应矩阵H构造最大似然信号检测算法；

采用下式(1)构造最大似然信号检测算法；

式(1)中，y表示接收信号向量，H表示信道增益矩阵，Ω表示信号调制的星座字母表，N_t表示发射天线数目，表示发射信号估计值，x表示发射信号。

步骤2：将求解最大似然检测算法转换为求解有约束的凸优化问题；

利用下式(2)将最大似然检测算法转换为有约束的凸优化问题：

其中z表示的解值；I表示Ω的指标函数：

步骤3：将约束凸优化问题转化为求解增广式拉格朗日问题即将检测问题重构为求解增广式拉格朗日问题；

利用下式(3)将约束凸优化问题转化为求解增广式拉格朗日问题

其中，u为对偶向量，表示拉格朗日乘数；u^H表示对偶向量u的共轭转置向量；γ是惩罚参数，表示增广式拉格朗日函数。

步骤4：引入离散迭代估计方法求解重构之后的检测问题，得到估计解；

离散迭代估计方法中第k次迭代的方程：

其中是采用上述式(4)所示第k次迭代的方程求得的发射信号的估计解，α^k是经过第k此迭代更新后的阻尼因子，Π_Ω(·)是将向量z投影到Ω，得到投影后的向量即是将向量z的每个元素简单地舍入到最接近的Ω里的元素来得到投影后向量的元素，是第k次迭代过程中利用阻尼因子对估计解进行更新后的估计解。

步骤5：计算估计解之间的欧几里得距离，利用计算出的欧几里得距离自动更新阻尼因子以此改进离散迭代估计检测算法的性能；

利用下式(5)计算第k次迭代的估计解之间的欧几里得距离d^k：

为了使式(5)表达得更简洁，用向量p^k代替的计算值，即其中和分别表示向量和的第i个元素；和分别表示复值的实部与虚部元素；

众所周知，由于噪声与干扰的存在，信号的估计解与真实值之间存在误差，因此阻尼因子的取值范围为(0,1)，即d^k→0时，α^k→0，d^k→∞，α^k→1，引入常数q来描述这一过程。

第k次迭代的阻尼因子α^k自动更新方程为：

其中q可表示为：

M表示调制阶数，cardinality表示调制对应的可能电平值。

步骤6：根据增广式拉格朗日表达式，离散迭代算法和欧几里得距离，采用改进的离散迭代算法对接收信号矩阵y进行检测，得到发射信号估计值所述改进的离散迭代检测算法为使用离散迭代算法代替交替方向乘法检测算法中的复杂LDL^T分解过程和计算Gram矩阵过程，并且利用两个估计解的欧几里得距离来改进离散迭代检测算法。

将自动更新的阻尼因子α引入离散迭代检测过程，第k次改进的离散迭代检测过程如下所示：

设的初始值为0，则经过以下迭代过程可以完成接收信号的检测过程，得到发射信号的估计

为使本发明的目的、技术方案和优点更加清楚，下面将利用一些经典的检测算法与所提出的算法作对比，展现基于离散估计迭代信号检测方法在复杂度与误比特率性能方面的优越性。

用来对比的经典的检测算法分别是MMSE检测算法，基于交替最小化检测算法(Alternating Minimization，AltMin)和基于交替方向乘法的检测算法。

其中，MMSE检测算法是经典的的线性检测算法，在大规模MIMO系统中，呈现出较好的误比特率性能。AltMin检测算法是将最大似然检测问题转换为求解非凸优化的问题，并利用交替最小算法对问题进行求解，ADMM检测算法是将最大似然检测问题转换为求解凸优化问题，并利用交替方向乘法进行求解，这两种算法都是重构了最大似然检测问题，同时展现出了优于MMSE检测算法的误比特率性能。

实验结果如图1、2、3所示；可知，基于离散迭代估计的信号检测方法展现出良好的检测精度，并且适当的阻尼因子可以有效提高检测方法的误比特率性能。

如图1所示，在天线配置为16×128，信噪比为4分贝的情形下，本申请提出的算法的误比特率能达到3×10^-6，而MMSE、AltMin和ADMM算法能达到的误比特率分别为4×10^-5,1.2×10^-5,1.5×10^-5。

如图2所示，在天线配置为32×128，信噪比为6分贝的情形下，本申请提出的算法的误比特率能达到3×10^-5，而MMSE、AltMin和ADMM算法能达到的误比特率分别为8×10^-4,2×10^-4,2×10^-4。

如图3所示，在天线配置为64×128，信噪比为8分贝的情形下，本申请提出的算法的误比特率能达到8×10^-4，而MMSE、AltMin和ADMM算法能达到的误比特率分别为1×10^-2,9×10^-3,3×10^-3。

综上，不同的天线配置下，基于离散迭代估计的信号检测方法在相同的信噪比下，展现出了比MMSE，AltMin，ADMM检测算法更低的误比特率即更高的检测精度。

同时，图3展现了在基站端天线数为128，用户数从16到80变化的配置，各算法实现相似的误比特率性能所需要计算的复值乘法的数量。根据图3可以看出所提出的检测算法展现出比传统MMSE，AltMin，ADMM检测算法具有更低的复杂度，即在不同的配置情况下，所提出的改进的离散迭代检测算法需要计算的复值乘法较少。

本发明实施例中的部分步骤，可以利用软件实现，相应的软件程序可以存储在可读取的存储介质中，如光盘或硬盘等。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种大规模MIMO信号检测方法，其特征在于，所述方法包括：

步骤1：根据信道响应矩阵H构造最大似然信号检测算法；

步骤2：将求解最大似然检测算法转换为求解有约束的凸优化问题；

步骤3：将约束凸优化问题转化为求解增广式拉格朗日问题即将检测问题重构为求解增广式拉格朗日问题；

步骤4：引入离散迭代估计方法求解重构之后的检测问题，得到估计解；

步骤5：计算估计解之间的欧几里得距离，利用计算出的欧几里得距离自动更新阻尼因子以此改进离散迭代估计检测算法的性能；

步骤6：根据增广式拉格朗日表达式，离散迭代算法和欧几里得距离，采用改进的离散迭代算法对接收信号矩阵y进行检测，得到发射信号估计值所述改进的离散迭代检测算法为使用离散迭代算法代替交替方向乘法检测算法中的复杂LDL^T分解过程和计算Gram矩阵过程，并且利用两个估计解的欧几里得距离来改进离散迭代检测算法。

2.根据权利要求1所述的方法，其特征在于，所述步骤1包括：

采用下式(1)构造最大似然信号检测算法；

式(1)中，y表示接收信号向量，H表示信道增益矩阵，Ω表示信号调制的星座字母表，N_t表示发射天线数目，表示发射信号估计值，x表示发射信号。

3.根据权利要求2所述的方法，其特征在于，所述步骤2包括：

利用下式(2)将最大似然检测算法转换为有约束的凸优化问题：

其中z表示的解值；I表示Ω的指标函数：

4.根据权利要求3所述的方法，其特征在于，所述步骤3包括：

利用下式(3)将约束凸优化问题转化为求解增广式拉格朗日问题

其中，u为对偶向量，表示拉格朗日乘数；u^H表示对偶向量u的共轭转置向量；γ是惩罚参数，表示增广式拉格朗日函数。

5.根据权利要求4所述的方法，其特征在于，所述步骤4包括：

离散迭代估计方法中第k次迭代的方程：

其中是采用上述式(4)所示第k次迭代的方程求得的发射信号的估计解，α^k是经过第k此迭代更新后的阻尼因子，Π_Ω(·)是将向量z投影到Ω，得到投影后的向量即是将向量z的每个元素简单地舍入到最接近的Ω里的元素来得到投影后向量的元素，是第k次迭代过程中利用阻尼因子对估计解进行更新后的估计解。

6.根据权利要求5所述的方法，其特征在于，所述步骤5包括：

利用下式(5)计算第k次迭代的估计解之间的欧几里得距离d^k：

在式(5)中用向量p^k代替的计算值，得到其中和分别表示向量和的第i个元素；和分别表示复值的实部与虚部元素；

阻尼因子的取值范围为(0,1)，即d^k→0时，α^k→0，d^k→∞，α^k→1，引入常数q来描述这一过程。

第k次迭代的阻尼因子α^k自动更新方程为：

其中q可表示为：

M表示调制阶数，cardinality表示调制对应的可能电平值。

7.根据权利要求6所述的方法，其特征在于，所述步骤6中利用两个估计解的欧几里得距离来改进离散迭代检测算法，包括：

将自动更新的阻尼因子α引入离散迭代检测过程，第k次改进的离散迭代检测过程如下所示：

8.根据权利要求1-7任一所述的方法，其特征在于，所述信道响应矩阵H为瑞丽衰落信道响应矩阵。

9.一种通信设备，其特征在于，所述通信设备信号发送和接收过程中采用上述权利要求1-8任一所述的信号检测方法进行信号检测。

10.权利要求1-8任一所述的信号检测方法和/或权利要求9所述的通信设备在无线通信技术领域内的应用。