CN113141233B - 一种信道矩阵排序qr分解处理方法、系统 - Google Patents
一种信道矩阵排序qr分解处理方法、系统 Download PDFInfo
- Publication number
- CN113141233B CN113141233B CN202110263557.4A CN202110263557A CN113141233B CN 113141233 B CN113141233 B CN 113141233B CN 202110263557 A CN202110263557 A CN 202110263557A CN 113141233 B CN113141233 B CN 113141233B
- Authority
- CN
- China
- Prior art keywords
- matrix
- vector
- norm
- column
- iteration
- 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
- H04L1/005—Iterative decoding, including iteration between signal detection and decoding operation
-
- 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
- H04L1/0052—Realisations of complexity reduction techniques, e.g. pipelining or use of look-up tables
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Complex Calculations (AREA)
Abstract
本发明属于无线通信技术领域,公开了一种信道矩阵排序QR分解处理方法、系统,所述信道矩阵排序QR分解处理方法包括:将复数域的信道矩阵H化为实数域的信道矩阵并赋给矩阵Q;将实数化的矩阵Q列向量按序号调整列向量的顺序;对相邻成对信道矩阵的奇数列向量求l1范数;求出最小的l1范数对应的列序号;使用CORDIC进行迭代,得到最小范数列向量的模值和单位化的向量;更新剩余Q矩阵列向量对应的更新l1范数,更新Q矩阵和R矩阵,判断剩余列向量为0时结束,否则返回进行迭代。本发明降低实数域上信道矩阵正交三角分解的计算复杂度,在不增加硬件资源的情况下获得比较好的检测顺序,显著降低信号检测的误码率。
Description
技术领域
本发明属于无线通信技术领域,尤其涉及一种信道矩阵排序QR分解处理方法、系统。
背景技术
目前,随着通信技术的发展,人们对其产生了巨大的需求,对新的通信技术提出了更高的要求。无线移动通信技术从第一代(First Generation,1G)蜂窝通信诞生,到现在普遍应用的第四代(Fourth Generation,4G)蜂窝通信技术,再发展到2019年第5代(FifthGeneration,5G)蜂窝通信技术在国内已经开始了商用。基于IEEE 802.11协议的WLAN(Wireless Local AreaNetwork)技术也从IEEE 802.11a/b/g/n发展到了IEEE 802.11ac标准,再到最近提出的IEEE802.11ax标准。随着无线通信技术在飞速的发展,人们对无线通信的需求不断增加,具有高吞吐率、高可靠性、低时延特征的短距高速传输系统已经成为该领域新的研究热点。目前广泛采用的多天线正交频分复用(Multiple-Input Multiple-Output Orthogonal Frequency Division Multiplexing,MIMO-OFDM)技术在解决超大容量数据传输时,对MIMO接收机信号检测技术提出了更高的要求。现在普遍应用的K-Best检测算法包括两部分,即信道预处理部分和K-Best搜索部分。
常用的QR分解方法有格拉姆-施密特(Gram-Schmidt,GS)、豪斯霍尔德变换(Household Transformation,HT)、Given旋转(Given Rotation,GR)。GS和GR算法在复数域进行QR分解的算法复杂度相似。在VLSI硬件实现中,就GR的QR分解架构已经被很多学者研究。基于GR的QR分解一次只能消除一个元素,随着MIMO阶数的增加,越来越成为影响系统吞吐率的一个因素。基于HT的QR分解因为在计算Q矩阵时需要进行额外的计算,因此计算的复杂度很高。基于Gaxpy的Cholesky的排序QR分解算法,在计算过程中也需要通过对Gram矩阵的对角元素排序,从而调整列向量顺序,使得信噪比高的层先进行K-Best的检测。因为K-Best检测在搜索过程中需要进行枚举,在复数系统中的高阶QAM调制的搜索过程中对需要对子节点的枚举在二维空间中进行。这种复杂度较高,而将系统转换为实数系统可以使得枚举在一维空间中进行,因此一般将复数系统转换为实数系统。但是,将复数系统转换为实数系统后,信道矩阵的维数变为之前的两倍,而对实数的信道矩阵进行QR分解计算复杂度相比于复数系统复杂度增加一倍。为了降低在实数域上计算QR分解的复杂度,Kim T H在文献“Low-Complexity Sorted QR Decomposition for MIMO Systems Based on PairwiseColumn Symmetrization.”中,针对传统的实数域上的QR分解算法提出了一种改进的MGS排序的QR分解算法。这种算法较传统的实数域上进行排序QR分解的算法复杂度降低了降低一半,但是在VLSI硬件实现中因为涉及到很多平方、开根号、除法运算,如果直接在硬件中实现的复杂度依然很高。Volder J E在文献“The CORDIC trigonometic computingtechnique.”中提出了在硬件中实现复杂运算的CORDIC实现方案,Walther J S在文献“Aunified algorithm for elementary functions.”将这种方法和双曲旋转、线性旋转等一起归纳如其中,使得很多复杂的运算在硬件中可以通过简单的加减法进行计算,极大了降低了计算的复杂度。Shin D和Park J文献“A Low-Latency and Area-Efficient Gram-Schmidt-Based QRD Architecture forMIMO Receiver.”中提出了一种在VLSI实现时,使用坐标旋转数字计算CORDIC算法实现了一种基于GS的QR分解算法,这种算法将传统的平方求根号运算改为求模运算,并且通过对单位向量的反向旋转得到信道矩阵向量的单位向量。
通过上述分析,现有技术存在的问题及缺陷为:在信道矩阵进行排序的QR分解的过程中,传统的对列向量的排序和对单位向量的计算会使用很多乘法器单元、求根号单元、除法器单元。基于运算单元的VLSI实现会消耗大量的硬件资源。为了减少硬件资源的过度消耗,对信道预处理过程在算法和VLSI实现架构中需要通过降低运算复杂度来减少资源消耗问题。
解决以上问题及缺陷的难度为:信道预处理复杂度过高问题:在信道矩阵进行排序的QR分解的过程中,传统的对列向量的排序和对单位向量的计算会使用很多乘法器单元、求根号单元、除法器单元。基于运算单元的VLSI实现会消耗大量的硬件资源。为了减少硬件资源的过度消耗,对信道预处理过程在算法和VLSI实现架构中需要通过降低运算复杂度来减少资源消耗问题。
解决以上问题及缺陷的意义为:传统的信道预处理技术在硬件实现时需要耗费大量的硬件资源,且耗时较长,解决上述问题可以使信道预处理可以更简单的实现在硬件中,其具有低成本、低时延、高性能的特性,可以很好满足后续的K-Best搜索过程所需信息。
发明内容
针对现有技术存在的问题,本发明提供了一种信道矩阵排序QR分解处理方法、系统、尤其涉及一种MIMO无线通信系统接收机信号检测信道预处理方法及系统,可用于K-Best信号检测中。
本发明是这样实现的,一种信道矩阵排序QR分解处理方法,所述信道矩阵排序QR分解处理方法包括以下步骤:
第一步,FPGA将复数域的信道矩阵H化为实数域的信道矩阵并赋给矩阵Q;
第二步,前N列的列向量l1范数和后N列的列向量l1范数相等,故将实数化的矩阵Q列向量按序号p=[1,N+1,2,N+2,...,N,2N]调整列向量的顺序;
第三步,对相邻成对信道矩阵的奇数列向量求l1范数,对信道矩阵成对的列向量排序基于列向量l1范数进行,简化了传统的求列向量l1范数和更新所需的乘法计算;
第四步,求出最小的l1范数对应的列序号,信噪比高的先进行后续的K-Best搜索,能够显著的降低信号检测的误码率;
第五步,使用CORDIC进行迭代,得到最小范数列向量的模值和单位化的向量,由于排序过程中是基于列范数进行,在计算R矩阵的时候不能通过开方计算,因此FPGA实现时利用CORDIC模块,而且只需加法器即可;
第六步,更新剩余Q矩阵列向量对应的更新l1范数,更新Q矩阵和R矩阵,判断剩余列向量为0时结束,否则返回第四步进行迭代。这样的比较排序方法是一种次优的计算方法,但是可以有效减少硬件资源和计算复杂度。
进一步,所述信道矩阵排序QR分解处理方法,还包括:
步骤一,将复数域的信道矩阵H化为实数域的信道矩阵并赋给矩阵Q;
步骤二,将实数化的矩阵Q列向量按序号p=[1,N+1,2,N+2,...,N,2N]调整列向量的顺序;
步骤三,对Q矩阵的奇数列向量求l1范数,并保存;
步骤四,根据步骤三,对求得的Q矩阵不同奇数列的l1范数进行求最小值操作,求得最小的l1范数对应的列序号;
步骤五,利用CORDIC模块进行迭代运算,在多维向量中将多维向量化为多个二维向量的CORDIC迭代,通过向量模式求得最小l1范数对应列向量的模值,并在向量模式下使一个坐标轴的单位向量进行迭代,迭代的方向是向量模式下迭代的反方向;
步骤六,更新Q矩阵列向量对应的l1范数值,更新Q矩阵和R矩阵,当处理完所有列向量的时候结束,否则返回步骤四进行迭代。
进一步,步骤一中,所述将复数域的信道矩阵H化为实数域的信道矩阵并赋给矩阵Q,公式为:
进一步,步骤三中,所述对Q矩阵的奇数列向量求l1范数,包括:
(1)对Q矩阵的奇数列向量求l1范数,并保存为向量norm;
(2)设初始化迭代次数为j=1。
进一步,步骤五中,所述利用CORDIC模块进行迭代运算,在多维向量中将多维向量化为多个二维向量的CORDIC迭代,通过向量模式求得最小l1范数对应列向量的模值,并在向量模式下使一个坐标轴的单位向量进行迭代,迭代的方向是向量模式下迭代的反方向,包括:
(1)将多维向量通过多个二维CORDIC向量模式迭代单元,每个迭代单元都将本次的旋转方向进行保存,设最后一次迭代的坐标值为(R',r),最后将迭代最后一次的r对应的符号进行保存;
(2)在二维坐标轴取(1,0)坐标,经过多个二维CORDIC旋转模式迭代单元,从而得到一个多维向量的单位化过程;其中每个二维CORDIC旋转模式迭代单元首先根据向量模式下的最后一次旋转得到的正负值进行误差补偿一次,在不进行误差补偿的误差和进行补偿的误差分别为θerr.vec和θerr.rot;再根据向量模式下保存的CORDIC旋转方向进行反方向旋转,最后得到一个l1范数最小列向量多维向量的单位化;
其中,|*|为取绝对值运算。
进一步,步骤六中,所述更新Q矩阵列向量对应的l1范数值,更新Q矩阵和R矩阵,当处理完所有列向量的时候结束,否则返回步骤四进行迭代,包括:
(1)由于步骤二已进行列向量顺序的调整,使得Q矩阵向量的列向量具有对称性,所以可求出R矩阵的R2j-1,2j-1、R2j,2j和R2j-1,2j;R2j-1,2j计算的是未单位化的Q2j在单位化的Q2j-1上的投影,由于两个向量是正交的,因此:
R2j-1,2j-1=R2j,2j=|Q2j-1|;
其中,AT表示对矩阵A求转置;Am,n表示矩阵A的m行n列元素;Aj表示矩阵A的第j列向量;|*|是步骤五中CORDIC向量模式对向量*进行求模运算;
(2)分别求出Q矩阵的Q2j-1和Q2j,而Q矩阵的2j列向量可由相邻的2j-1列向量结果推导得出:
Q2j-1=Normalize{Q2j-1};
Q2j=[-QN+1:2N,2j-1 T,Q1:N,2j-1 T];
其中,Normalize{*}是对多维向量*的单位化过程;
(3)设m=j+1进行迭代到N,迭代从(3)迭代到(5),首先求出Q矩阵的其他剩余的列向量在Q2j-1和Q2j的投影值,而R2j,2m-1和R2j,2m可由推导直接得出:
R2j-1,2m-1=Q2j-1 TQ2m-1;
R2j-1,2m=Q2j-1 TQ2m;
R2j,2m-1=-R2j-1,2m;
R2j,2m=R2j-1,2m-1;
(4)更新Q矩阵列向量对应的l1范数值,即:
normm=normm-|R2j-1,2m-1|-|R2j-1,2m|;
其中,|*|为取绝对值运算;
(5)更新矩阵Q2m-1和Q2m,更新的原理是基于列向量将去投影向量值,而Q2m由Q矩阵相邻列向量对称性可直接推导出结果:
Q2m-1=Q2m-1-R2j-1,2m-1Q2j-1+R2j-1,2mQ2j;
Q2m=[-QN+1:2N,2m-1 T,Q1:N,2m-1 T]T;
(6)判断是否处理完所有列向量的时候结束,即j=N,如果不满足则返回步骤四进行迭代。
本发明的另一目的在于提供一种应用所述的信道矩阵排序QR分解处理方法的信道矩阵排序QR分解处理系统,所述信道矩阵排序QR分解处理系统包括:
矩阵转化模块,用于将复数域的信道矩阵H化为实数域的信道矩阵并赋给矩阵Q;
矩阵调整模块,用于将实数化的矩阵Q列向量按序号p=[1,N+1,2,N+2,...,N,2N]调整列向量的顺序;
范数计算模块,用于对相邻成对信道矩阵的奇数列向量求l1范数;
列序号计算模块,用于求出最小的l1范数对应的列序号;
迭代模块,用于使用CORDIC进行迭代,得到最小范数列向量的模值和单位化的向量;
更新模块,用于更新剩余Q矩阵列向量对应的更新l1范数,更新Q矩阵和R矩阵,判断剩余列向量为0时结束,否则返回步骤四进行迭代。
本发明的另一目的在于提供一种应用所述的信道矩阵排序QR分解处理方法的无线通信系统。
本发明的另一目的在于提供一种存储在计算机可读介质上的计算机程序产品,包括计算机可读程序,供于电子装置上执行时,提供用户输入接口以实施所述的信道矩阵排序QR分解处理方法。
本发明的另一目的在于提供一种计算机可读存储介质,储存有指令,当所述指令在计算机上运行时,使得计算机执行所述的信道矩阵排序QR分解处理方法。
结合上述的所有技术方案,本发明所具备的优点及积极效果为:本发明提供的信道矩阵排序QR分解处理方法,主要针对MIMO-OFDM通信系统中接收机复杂度较高的K-Best信号检测算法,研究了实数域信号检测的信道预处理算法。本发明将复数域的检测系统转换为实数域上的检测系统,针对复数系统中K-Best检测对二维空间中的复数星座点枚举的复杂度较高的问题,降低了高阶QAM在复数域上的枚举。本发明基于上述优化策略,降低了了信道预处理算法复杂度。
本发明采用了基于l1范数对信道矩阵进行排序的方法,使得信噪比高的先进行后续的K-Best搜索,显著的降低了信号检测的误码率。本发明采用CORDIC对多维向量进行求模和单位化运算,避免了大量的求平方根运算和除法运算,只需要进行移位相加的操作即可实现多维向量的求模和单位化过程。在移植到硬件实现时,能够大幅度地节约资源。
同时,由于本发明对实数域的信道矩阵进行QR分解采用了对称推导的方式,从而节约了一半的计算复杂度。本发明既降低了实数域上信道矩阵正交三角分解的计算复杂度,还可以在几乎不增加硬件资源的情况下获得比较好的检测顺序。
从本发明的仿真实验中可知,二维CORDIC迭代次数越多则基于SMGS排序信道预处理改进的K-Best检测算法性能越好,这是由于CORDIC迭代次数越多则QR分解得到的Q矩阵正交性越好,R矩阵的精度越高,对检测性能会有更好的提升。但是,随着CORDIC迭代次数的增加需要插入的CORDIC迭代单元越多,计算时延会随之增加。为了均衡性能和计算时延,选择CORDIC求模过程迭代10次,即CORDIC旋转求向量单位化过程迭代11次,则可达到接近ML的性能。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例中所需要使用的附图做简单的介绍,显而易见地,下面所描述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是本发明实施例提供的信道矩阵排序QR分解处理方法流程图。
图2是本发明实施例提供的信道矩阵排序QR分解处理方法原理图。
图3是本发明实施例提供的信道矩阵排序QR分解处理系统结构框图;
图中:1、矩阵转化模块;2、矩阵调整模块;3、范数计算模块;4、列序号计算模块;5、迭代模块;6、更新模块。
图4是本发明实施例提供的以3->1->4->2排序方式为例进行排序SMGS排序QR分解的总体结构示意图。
图5是本发明实施例提供的共享CORDIC模块的平方根和除法运算示意图。
图6是本发明实施例提供的K=4不同CORDIC迭代次数应用于改进的K-Best检测算法性能对比示意图。
图7是本发明实施例提供的预处理CORDIC迭代10次不同K值进行K-Best检测性能对比示意图。
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。
针对现有技术存在的问题,本发明提供了一种信道矩阵排序QR分解处理方法、系统,下面结合附图对本发明作详细的描述。
如图1所示,本发明实施例提供的信道矩阵排序QR分解处理方法包括以下步骤:
S101,将复数域的信道矩阵H化为实数域的信道矩阵并赋给矩阵Q;
S102,将实数化的矩阵Q列向量按序号p=[1,N+1,2,N+2,...,N,2N]调整列向量的顺序;
S103,对相邻成对信道矩阵的奇数列向量求l1范数;
S104,求出最小的l1范数对应的列序号;
S105,使用CORDIC进行迭代,得到最小范数列向量的模值和单位化的向量;
S106,更新剩余Q矩阵列向量对应的更新l1范数,更新Q矩阵和R矩阵,判断剩余列向量为0时结束,否则返回S104进行迭代。
本发明实施例提供的信道矩阵排序QR分解处理方法原理图如图2所示。
如图3所示,本发明实施例提供的信道矩阵排序QR分解处理系统包括
矩阵转化模块1,用于将复数域的信道矩阵H化为实数域的信道矩阵并赋给矩阵Q;
矩阵调整模块2,用于将实数化的矩阵Q列向量按序号p=[1,N+1,2,N+2,...,N,2N]调整列向量的顺序;
范数计算模块3,用于对相邻成对信道矩阵的奇数列向量求l1范数;
列序号计算模块4,用于求出最小的l1范数对应的列序号;
迭代模块5,用于使用CORDIC进行迭代,得到最小范数列向量的模值和单位化的向量;
更新模块6,用于更新剩余Q矩阵列向量对应的更新l1范数,更新Q矩阵和R矩阵,判断剩余列向量为0时结束,否则返回列序号计算模块进行迭代。
下面结合实施例对本发明的技术方案作进一步的描述。
图4是以3->1->4->2排序方式为例进行排序SMGS排序QR分解的总体结构示意图。其中INIT单元是为了按序号p=[1,N+1,2,N+2,...,N,2N]的排列方式实数化信道矩阵,并对信道矩阵的奇数列向量求一范数;MIN单元是为了对列向量一范数进行求最小值运算,求出列范数最小值的列序号并输出;ALU单元是算术逻辑单元(Arithmetic andLogicUnit,ALU),负责计算剩余列向量在上一次计算出的单位向量的投影值并输出。CORDIC单元是为了完成利用CORDIC向量模式和旋转模式进行求模和单位化的过程,输出的所有值供后面步骤的MGS计算和后续的信号检测使用,其基本思想如图5所示,信道矩阵列向量通过向量模式旋转至坐标轴,从而求得列向量模值,对信道矩阵列向量的单位化运算基于一个单位向量通过旋转模式按照反方向旋转至信道矩阵列向量的方向,从而得到单位化的过程。
下面结合附图对本发明的应用原理作详细的描述:
第一步:将复数域的信道矩阵H化为实数域的信道矩阵并赋给矩阵Q;
第二步:将实数化的矩阵Q列向量按序号p=[1,N+1,2,N+2,...,N,2N]调整列向量的顺序;
第三步:对相邻成对信道矩阵的奇数列向量求l1范数;
第四步:求出最小的l1范数对应的列序号;
第五步:使用CORDIC进行迭代,得到最小范数列向量的模值和单位化的向量;
第六步:更新剩余Q矩阵列向量对应的更新l1范数,更新Q矩阵和R矩阵,判断剩余列向量为0时结束,否则返回第四步进行迭代;
进一步,所述基于CORDIC对信道矩阵进行排序QR分解的方法具体包括以下步骤:
步骤一,如下式所示,将复数域的信道矩阵H化为实数域的信道矩阵并赋给矩阵Q:
步骤二,将实数化的矩阵Q列向量按序号p=[1,N+1,2,N+2,...,N,2N]调整列向量的顺序;
步骤三,对Q矩阵的奇数列向量求l1范数,并保存;
步骤四,根据步骤三,对求得的Q矩阵不同奇数列的l1范数进行求最小值操作,求得最小的l1范数对应的列序号;
步骤五,利用CORDIC模块进行迭代运算,在多维向量中将多维向量化为多个二维向量的CORDIC迭代,通过向量模式求得最小l1范数对应列向量的模值,并在向量模式下使一个坐标轴的单位向量进行迭代,迭代的方向是向量模式下迭代的反方向;
步骤六,更新Q矩阵列向量对应的l1范数值,更新Q矩阵和R矩阵,当处理完所有列向量的时候结束,否则返回步骤四进行迭代。
进一步,所述步骤一包括:
(1.1)如下式所示,将复数域的信道矩阵H化为实数域的信道矩阵并赋给矩阵Q:
进一步,所述步骤二具体包括:
(2.1)将实数化的矩阵Q列向量按序号p=[1,N+1,2,N+2,...,N,2N]调整列向量的顺序。
进一步,步骤三具体包括:
(3.1)对Q矩阵的奇数列向量求l1范数,并保存为向量norm;
(3.2)设初始化迭代次数为j。
进一步,步骤四具体包括:
(4.1)根据步骤三,对求得的Q矩阵不同奇数列的l1范数进行求最小值操作,求得最小的l1范数对应的列序号。
进一步,步骤五具体包括:
(5.1)将多维向量通过多个二维CORDIC向量模式迭代单元,每个迭代单元都将本次的旋转方向进行保存,设最后一次迭代的坐标值为(R',r),最后将迭代最后一次的r对应的符号保存下来;
(5.2)在二维坐标轴取(1,0)坐标,经过多个二维CORDIC旋转模式迭代单元,从而得到一个多维向量的单位化过程。其中每个二维CORDIC旋转模式迭代单元首先根据向量模式下的最后一次旋转得到的正负值进行误差补偿一次,从而缩小误差,在不进行误差补偿的误差和进行补偿的误差分别为θerr.vec和θerr.rot。然后再根据向量模式下保存的CORDIC旋转方向进行反方向旋转,最后得到一个l1范数最小列向量多维向量的单位化:
其中,|*|为取绝对值运算。
进一步,步骤六具体包括:
(6.1)由于步骤二进行了列向量顺序的调整,使得Q矩阵向量的列向量具有对称性,所以可求出R矩阵的R2j-1,2j-1、R2j,2j和R2j-1,2j其中||*||是步骤(5.1)CORDIC向量模式对向量*进行求模运算的结果。R2j-1,2j计算的是未单位化的Q2j在单位化的Q2j-1上的投影,由于两个向量是正交的:
R2j-1,2j-1=R2j,2j=|Q2j-1|;
其中,AT表示对矩阵A求转置;Am,n表示矩阵A的m行n列元素;Aj表示矩阵A的第j列向量;|*|是步骤五中CORDIC向量模式对向量*进行求模运算;
(6.2)可分别求出Q矩阵的Q2j-1和Q2j,而Q矩阵的2j列向量可由相邻的2j-1列向量结果推导得出:
Q2j-1=Normalize{Q2j-1};
Q2j=[-QN+1:2N,2j-1 T,Q1:N,2j-1 T];
其中,Normalize{*}是步骤五中对多维向量*的单位化过程;
(6.3)设m=j+1进行迭代到N,迭代从(6.3)迭代到(6.5),首先求出Q矩阵的其他剩余的列向量在Q2j-1和Q2j的投影值,而R2j,2m-1和R2j,2m可由推导直接得出:
R2j-1,2m-1=Q2j-1 TQ2m-1;
R2j-1,2m=Q2j-1 TQ2m;
R2j,2m-1=-R2j-1,2m;
R2j,2m=R2j-1,2m-1;
(6.4)更新Q矩阵列向量对应的l1范数值,即:
normm=normm-|R2j-1,2m-1|-|R2j-1,2m|;
其中,|*为取绝对值运算;
(6.5)更新矩阵Q2m-1和Q2m,更新的原理是基于列向量将去投影向量值。而Q2m由Q矩阵相邻列向量对称性可直接推导出结果:
Q2m-1=Q2m-1-R2j-1,2m-1Q2j-1+R2j-1,2mQ2j;
Q2m=[-QN+1:2N,2m-1 T,Q1:N,2m-1 T]T;
(6.6)判断是否处理完所有列向量的时候结束,即j=N,如果不满足则返回步骤四进行迭代。
下面结合仿真对本发明的技术效果作详细的描述。
一、仿真条件:在MATLAB中搭建了基于4*4天线,256QAM调制方式的室内高速MIMO-OFDM系统,在典型的室内信道B环境中进行了仿真。仿真的检测算法包括基于提出的SMGS排序QR分解的K-Best检测算法等。
二、仿真内容与结果
仿真1:
为了研究SMGS的QR分解过程中信道矩阵进行求模运算和求单位化运算的二维CORDIC迭代次数对检测性能的影响,图6仿真了K-Best检测在K=4时,信道预处理采用SMGS算法的信号检测性能。其中,在进行CORDIC求向量单位化的迭代次数比求模运算的迭代次数多一次,多的一次CORDIC旋转是基于二维向量求模运算后的坐标符号进行的。根据仿真结果可以看出,二维CORDIC迭代次数越多则基于SMGS排序信道预处理改进的K-Best检测算法性能越好,这是由于CORDIC迭代次数越多则QR分解得到的Q矩阵正交性越好,R矩阵的精度越高,对检测性能会有更好的提升。但是,随着CORDIC迭代次数的增加需要插入的CORDIC迭代单元越多,计算时延会随之增加。为了均衡性能和计算时延,选择CORDIC求模过程迭代10次,即CORDIC旋转求向量单位化过程迭代11次,则可达到接近ML的性能。
仿真2:
为了均衡计算复杂度和性能的影响,图7选定二维CORDIC迭代10次,对K-Best取不同K值进行仿真,选择K=8时即可以达到将近ML的检测性能。
本发明未详细说明部分属于本领域技术人员公知常识。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现,所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘SolidState Disk(SSD))等。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,都应涵盖在本发明的保护范围之内。
Claims (8)
1.一种信道矩阵排序QR分解处理方法,其特征在于,所述信道矩阵排序QR分解处理方法包括:
步骤一,将复数域的信道矩阵H化为实数域的信道矩阵并赋给矩阵Q;
步骤二,将实数化的矩阵Q列向量按序号p=[1,N+1,2,N+2,...,N,2N]调整列向量的顺序;
步骤三,对Q矩阵的奇数列向量求l1范数,并保存;
步骤四,根据步骤三,对求得的Q矩阵不同奇数列的l1范数进行求最小值操作,求得最小的l1范数对应的列序号;
步骤五,利用CORDIC模块进行迭代运算,在多维向量中将多维向量化为多个二维向量的CORDIC迭代,通过向量模式求得最小l1范数对应列向量的模值,并在向量模式下使一个坐标轴的单位向量进行迭代,迭代的方向是向量模式下迭代的反方向;
步骤六,更新Q矩阵列向量对应的l1范数值,更新Q矩阵和R矩阵,当处理完所有列向量的时候结束,否则返回步骤四进行迭代;
步骤五中,所述利用CORDIC模块进行迭代运算,在多维向量中将多维向量化为多个二维向量的CORDIC迭代,通过向量模式求得最小l1范数对应列向量的模值,并在向量模式下使一个坐标轴的单位向量进行迭代,迭代的方向是向量模式下迭代的反方向,包括:
(1)将多维向量通过多个二维CORDIC向量模式迭代单元,每个迭代单元都将本次的旋转方向进行保存,设最后一次迭代的坐标值为(R',r),最后将迭代最后一次的r对应的符号进行保存;
(2)在二维坐标轴取(1,0)坐标,经过多个二维CORDIC旋转模式迭代单元,从而得到一个多维向量的单位化过程;其中每个二维CORDIC旋转模式迭代单元首先根据向量模式下的最后一次旋转得到的正负值进行误差补偿一次,在不进行误差补偿的误差和进行补偿的误差分别为θerr.vec和θerr.rot;再根据向量模式下保存的CORDIC旋转方向进行反方向旋转,最后得到一个l1范数最小列向量多维向量的单位化;
其中,|*|为取绝对值运算。
3.如权利要求1所述的信道矩阵排序QR分解处理方法,其特征在于,步骤三中,所述对Q矩阵的奇数列向量求l1范数,包括:
(1)对Q矩阵的奇数列向量求l1范数,并保存为向量norm;
(2)设初始化迭代次数为j=1。
4.如权利要求1所述的信道矩阵排序QR分解处理方法,其特征在于,步骤六中,所述更新Q矩阵列向量对应的l1范数值,更新Q矩阵和R矩阵,当处理完所有列向量的时候结束,否则返回步骤四进行迭代,包括:
(1)由于步骤二已进行列向量顺序的调整,使得Q矩阵向量的列向量具有对称性,所以可求出R矩阵的R2j-1,2j-1、R2j,2j和R2j-1,2j;R2j-1,2j计算的是未单位化的Q2j在单位化的Q2j-1上的投影,由于两个向量是正交的,因此:
R2j-1,2j-1=R2j,2j=|Q2j-1|;
其中,AT表示对矩阵A求转置;Am,n表示矩阵A的m行n列元素;Aj表示矩阵A的第j列向量;|*|是步骤五中CORDIC向量模式对向量*进行求模运算;
(2)分别求出Q矩阵的Q2j-1和Q2j,而Q矩阵的2j列向量可由相邻的2j-1列向量结果推导得出:
Q2j-1=Normalize{Q2j-1};
Q2j=[-QN+1:2N,2j-1 T,Q1:N,2j-1 T];
其中,Normalize{*}是对多维向量*的单位化过程;
(3)设m=j+1进行迭代到N,迭代从(3)迭代到(5),首先求出Q矩阵的其他剩余的列向量在Q2j-1和Q2j的投影值,而R2j,2m-1和R2j,2m可由推导直接得出:
R2j-1,2m-1=Q2j-1 TQ2m-1;
R2j-1,2m=Q2j-1 TQ2m;
R2j,2m-1=-R2j-1,2m;
R2j,2m=R2j-1,2m-1;
(4)更新Q矩阵列向量对应的l1范数值,即:
normm=normm-|R2j-1,2m-1|-|R2j-1,2m|;
其中,|*|为取绝对值运算;
(5)更新矩阵Q2m-1和Q2m,更新的原理是基于列向量将去投影向量值,而Q2m由Q矩阵相邻列向量对称性可直接推导出结果:
Q2m-1=Q2m-1-R2j-1,2m-1Q2j-1+R2j-1,2mQ2j;
Q2m=[-QN+1:2N,2m-1 T,Q1:N,2m-1 T]T;
(6)判断是否处理完所有列向量的时候结束,即j=N,如果不满足则返回步骤四进行迭代。
5.一种计算机设备,其特征在于,所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行权利要求1所述信道矩阵排序QR分解处理方法的步骤。
6.一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行权利要求1所述信道矩阵排序QR分解处理方法的步骤。
7.一种信息数据处理终端,其特征在于,所述信息数据处理终端用于实现权利要求1~4任意一项所述的信道矩阵排序QR分解处理方法。
8.一种实施权利要求1~4任意一项所述的信道矩阵排序QR分解处理方法的信道矩阵排序QR分解处理系统,其特征在于,所述信道矩阵排序QR分解处理系统包括:
矩阵转化模块,用于将复数域的信道矩阵H化为实数域的信道矩阵并赋给矩阵Q;
矩阵调整模块,用于将实数化的矩阵Q列向量按序号p=[1,N+1,2,N+2,...,N,2N]调整列向量的顺序;
范数计算模块,用于对相邻成对信道矩阵的奇数列向量求l1范数;
列序号计算模块,用于求出最小的l1范数对应的列序号;
迭代模块,用于使用CORDIC进行迭代,得到最小范数列向量的模值和单位化的向量;
更新模块,用于更新剩余Q矩阵列向量对应的更新l1范数,更新Q矩阵和R矩阵,判断剩余列向量为0时结束,否则返回步骤四进行迭代。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110263557.4A CN113141233B (zh) | 2021-03-11 | 2021-03-11 | 一种信道矩阵排序qr分解处理方法、系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110263557.4A CN113141233B (zh) | 2021-03-11 | 2021-03-11 | 一种信道矩阵排序qr分解处理方法、系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113141233A CN113141233A (zh) | 2021-07-20 |
CN113141233B true CN113141233B (zh) | 2022-08-26 |
Family
ID=76811015
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110263557.4A Active CN113141233B (zh) | 2021-03-11 | 2021-03-11 | 一种信道矩阵排序qr分解处理方法、系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113141233B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113779501B (zh) * | 2021-08-23 | 2024-06-04 | 华控清交信息科技(北京)有限公司 | 一种数据处理方法、装置和用于数据处理的装置 |
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 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103516643A (zh) * | 2013-10-11 | 2014-01-15 | 上海交通大学 | 一种mimo检测预处理装置及方法 |
CN107947841A (zh) * | 2017-11-20 | 2018-04-20 | 西安电子科技大学 | 大规模mimo非正交多址系统多天线用户对调度方法 |
CN108566211A (zh) * | 2018-03-27 | 2018-09-21 | 西安电子科技大学 | 基于H矩阵层处理顺序动态变化的layered LDPC译码方法 |
CN111901071A (zh) * | 2020-06-24 | 2020-11-06 | 上海擎昆信息科技有限公司 | 一种低复杂度实现矩阵qr分解的方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109639607B (zh) * | 2019-01-21 | 2021-09-03 | 南京邮电大学 | 一种低复杂度的非正交多址接入系统信号检测方法 |
-
2021
- 2021-03-11 CN CN202110263557.4A patent/CN113141233B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103516643A (zh) * | 2013-10-11 | 2014-01-15 | 上海交通大学 | 一种mimo检测预处理装置及方法 |
CN107947841A (zh) * | 2017-11-20 | 2018-04-20 | 西安电子科技大学 | 大规模mimo非正交多址系统多天线用户对调度方法 |
CN108566211A (zh) * | 2018-03-27 | 2018-09-21 | 西安电子科技大学 | 基于H矩阵层处理顺序动态变化的layered LDPC译码方法 |
CN111901071A (zh) * | 2020-06-24 | 2020-11-06 | 上海擎昆信息科技有限公司 | 一种低复杂度实现矩阵qr分解的方法及装置 |
Non-Patent Citations (2)
Title |
---|
Hybrid_Beamforming_for_Large-scale_MIMO-OFDM_in_Frequency_Selective_Fading;Yanping Xiao,Yong Wang;《2018 International Symposium on Networks, Computers and Communications (ISNCC)》;20180619;全文 * |
一种改进的块对角化预编码算法;高明,孙成越;《工程科学与技术》;20180331;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113141233A (zh) | 2021-07-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113141233B (zh) | 一种信道矩阵排序qr分解处理方法、系统 | |
Nikitopoulos et al. | Massively parallel tree search for high-dimensional sphere decoders | |
CN103516643A (zh) | 一种mimo检测预处理装置及方法 | |
CN114826832B (zh) | 信道估计方法、神经网络的训练方法及装置、设备 | |
Chen et al. | EMD and VMD empowered deep learning for radio modulation recognition | |
WO2022078064A1 (zh) | 球形译码检测方法和装置、电子设备、存储介质 | |
Weon et al. | Learning-aided deep path prediction for sphere decoding in large MIMO systems | |
CN105515627B (zh) | 一种大规模mimo检测方法及检测装置 | |
TWI434536B (zh) | 通訊系統接收器及其解碼方法 | |
CN114745233A (zh) | 一种基于导频设计的联合信道估计方法 | |
Haq et al. | Deep neural network augmented wireless channel estimation for preamble-based ofdm phy on zynq system on chip | |
CN115988536B (zh) | 一种双可重构智能表面辅助移动边缘计算系统优化方法 | |
Hansen et al. | A hyperplane-based algorithm for the digital co-channel communications problem | |
WO2024045544A1 (zh) | 译码路径确定方法、装置、计算机设备和存储介质 | |
Chen et al. | A novel FIR filter based on stochastic logic | |
Lu et al. | GCEPNet: Graph Convolution-Enhanced Expectation Propagation for Massive MIMO Detection | |
Liu et al. | QR decomposition architecture using the iteration look‐ahead modified Gram–Schmidt algorithm | |
CN113746511B (zh) | 一种快速mimo信号搜索方法、系统、设备及存储介质 | |
WO2023237182A1 (en) | Radio receiver with multi-stage equalization | |
Wu et al. | Reconfigurable Hyper-Parallel Fast Fourier Transform Processor based on Bit-Serial Computing | |
Liao et al. | A cost-effective adaptive overlapped cluster-based MIMO detector in a frequency domain Reconfigurable modem | |
Li et al. | Low‐complexity linear massive MIMO detection based on the improved BFGS method | |
Tseng et al. | Design and implementation of a high-throughput configurable pre-processor for MIMO detections | |
CN105681236B (zh) | 一种球形译码算法的初值选取方法 | |
JP2008199167A (ja) | 信号識別回路を有する装置 |
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 |