CN113271124B - 一种应用于大规模mimo系统的混合迭代检测方法 - Google Patents

一种应用于大规模mimo系统的混合迭代检测方法 Download PDF

Info

Publication number
CN113271124B
CN113271124B CN202110460534.2A CN202110460534A CN113271124B CN 113271124 B CN113271124 B CN 113271124B CN 202110460534 A CN202110460534 A CN 202110460534A CN 113271124 B CN113271124 B CN 113271124B
Authority
CN
China
Prior art keywords
iterative
matrix
hybrid
mode
algorithm
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
Application number
CN202110460534.2A
Other languages
English (en)
Other versions
CN113271124A (zh
Inventor
张锐
侯书丹
李勇朝
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.)
Guangzhou Institute of Technology of Xidian University
Original Assignee
Guangzhou Institute of Technology of Xidian University
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 Guangzhou Institute of Technology of Xidian University filed Critical Guangzhou Institute of Technology of Xidian University
Priority to CN202110460534.2A priority Critical patent/CN113271124B/zh
Publication of CN113271124A publication Critical patent/CN113271124A/zh
Application granted granted Critical
Publication of CN113271124B publication Critical patent/CN113271124B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • H04L1/0001—Systems modifying transmission characteristics according to link quality, e.g. power backoff
    • H04L1/0036—Systems modifying transmission characteristics according to link quality, e.g. power backoff arrangements specific to the receiver

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Radio Transmission System (AREA)

Abstract

本发明提供了一种应用于大规模MIMO系统的混合迭代检测方法，具体包括以下步骤：初始化处理，设置massiveMIMO上行系统的相关参数，包括但不限于发射天线数、服务用户数、迭代计算数目、数字信道分布矩阵；设massiveMIMO上行系统的混合迭代检测模式包括但不限于降低运算模式、分解矩阵模式、混合模式，混合模式指的是结合降低运算和分解矩阵进行迭代检测；运算匹配对应滤波控制器设备自动输出和自动滤波分布矩阵，得到MMSE信号检测模型；手动或自动选择massiveMIMO上行系统的混合迭代检测模式，迭代计算获取发送传输数据信号的预计数值。本发明可以降低检测计算复杂度及提高系统检测性能。

Description

一种应用于大规模MIMO系统的混合迭代检测方法
技术领域
本发明涉及通信系统技术领域，特别是涉及一种应用于大规模MIMO系统的混合迭代检测方法。
背景技术
Massive MIMO系统是利用发射端中布置数量较多的天线来实现信道容量和通信质量的提升。无线信道有着非常明显的特点，那就是其能够实现多途径传播，多径传输也会出现衰落的问题。在信号发射功率不大，多径衰落将放开噪声的影响，通信系统的误码特也将随之上升，严重的影响了通信系统的性能。Massive MIMO技术采用大规模的天线矩阵，将通信信息分集到多个天线上传输，大幅度的提高了无线信道的频率利用率，也提高了通信系统的通信速度。该技术具备普通MIMO技术的所有技术优势，且天线规模更大，能够大规模的元件实现通信性能的大幅度提升。
但是，Massive MIMO技术在应用中也表现了一些缺点。由大量不同用户发送通信信号到基站端时，接收信号的相互干扰也给基站端恢复接收信号带来巨大挑战。MassiveMIMO具体的技术难题，其中一个就是系统中如何实现最佳性能的低复杂性信号检测。
发明内容
针对现有技术中存在的缺陷，本发明的目的在于提供一种应用于大规模MIMO系统的混合迭代检测方法，可以降低检测计算复杂度及提高系统检测性能。
为了达到上述目的，本发明所采用的具体技术方案如下：
一种应用于大规模MIMO系统的混合迭代检测方法，具体包括以下步骤：
S1，初始化处理，设置massive MIMO上行系统的相关参数，包括但不限于发射天线数、服务用户数、迭代计算数目、数字信道分布矩阵；设massive MIMO上行系统的混合迭代检测模式包括但不限于降低运算模式、分解矩阵模式、混合模式，混合模式指的是结合降低运算和分解矩阵进行迭代检测；
S2，运算匹配对应滤波控制器设备自动输出和自动滤波分布矩阵，得到MMSE信号检测模型；
S3，手动或自动选择massive MIMO上行系统的混合迭代检测模式，迭代计算获取发送传输数据信号的预计数值。
优选的，步骤S3中，手动或自动选择massive MIMO上行系统的混合迭代检测模式为降低运算模式，迭代计算获取发送传输数据信号的预计数值具体包括以下步骤：
采用梯度下降法或最速下降法执行第1次的迭代运算；采用高斯赛得尔迭代算法或自适应阻尼雅克比迭代算法执行第2次的迭代运算，并进行合并计算；
将合并计算的结果作为第一次迭代计算的结果代入迭代计算模式预测的自动发射数字信号方向矢量，展开多次迭代计算，直到迭代计算次数等于预设的迭代计算数目；
迭代计算最终结果展开软判决，获取发送传输数据信号的预计数值。
优选的，采用梯度下降法或最速下降法执行第1次的迭代运算具体指的是采用共轭梯度算法或最速降低算法执行第1次的迭代运算。
优选的，在自动接收端，数据信号解码模式为Viterbi解码，数字信道编译码判决模式为软判决。
优选的，步骤S3中，手动或自动选择massive MIMO上行系统的混合迭代检测模式为分解矩阵模式，迭代计算获取发送传输数据信号的预计数值具体包括以下步骤：
对自动滤波分布矩阵进行分解或将MMSE滤波矩阵进行分块构造子矩阵，采用梯度算法为迭代算法提供搜索方向，得到混合迭代过程；引入松弛因子对混合迭代过程进行加速收敛；采用切比雪夫加速迭代方法或改进的雅可比迭代法计算得到发送传输数据信号的预计数值。
优选的，所述对自动滤波分布矩阵进行分解具体指的是将自动滤波分布矩阵分解为对角矩阵、严格的下三角矩阵和严格的上三角矩阵。
优选的，将MMSE滤波矩阵进行分块构造子矩阵具体指的是将MMSE滤波矩阵分为大小相等的四个子矩阵，对四个子矩阵进一步划分为2*2的子矩阵，将MMSE滤波矩阵与对角线上的子矩阵合并以构成迭代矩阵。
优选的，采用梯度算法为迭代算法提供搜索方向具体指的是采用共轭梯度算法为自适应阻尼雅克比迭代算法提供有效的搜索方向。
优选的，传输信道为快速衰落瑞利信道，信道噪声是独立且分布均匀的加性高斯白噪声，基带信号调制模式为16QAM。
本发明的有益效果在于：可以降低检测计算复杂度及提高系统检测性能。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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是本发明实施例提供的应用于大规模MIMO系统的混合迭代检测方法的流程图；
图2是GS迭代和SDGS算法的BER对比的性能比较图；
图3是16*64天线阵列下不同检测算法硬判决的性能比较示意图；
图4是16*128天线阵列下不同检测算法硬判决的性能比较示意图。
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作出创造性劳动前提下所获得的其他实施例，都属于本发明保护的范围。
在本发明的描述中，还需要说明的是，除非另有明确的规定和限定，术语“设置”、“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
如图1-图4所示，本发明提出了一种应用于大规模MIMO系统的混合迭代检测方法，具体包括以下步骤：
S1，初始化处理，设置massive MIMO上行系统的相关参数，包括但不限于发射天线数N、服务用户数K、迭代计算数目m、数字信道分布矩阵H；设massive MIMO上行系统的混合迭代检测模式包括但不限于降低运算模式、分解矩阵模式、混合模式，混合模式指的是结合降低运算和分解矩阵进行迭代检测；设置massive MIMO上行系统的多种混合迭代检测模式使得本发明能够符合不同用户的需求。
建立信道模型，设自动输入自动接收数据信号是y＝Hx+n，x为发送信号，n为高斯白噪声。
S2，运算匹配对应滤波控制器设备自动输出和自动滤波分布矩阵，得到MMSE信号检测模型；
运算匹配对应滤波控制器设备自动输出
Figure BDA0003042261660000041
自动滤波分布矩阵W＝HHH+σ2IK，MMSE信号检测模型为(HHH+σ2IK)-1HHy。
S3，手动或自动选择massive MIMO上行系统的混合迭代检测模式，迭代计算获取发送传输数据信号的预计数值。
实施例一
步骤S3中，手动或自动选择massive MIMO上行系统的混合迭代检测模式为降低运算模式，迭代计算获取发送传输数据信号的预计数值具体包括以下步骤：
采用梯度下降法或最速下降法执行第1次的迭代运算；采用高斯赛得尔迭代算法或自适应阻尼雅克比迭代算法执行第2次的迭代运算，并进行合并计算；
将合并计算的结果作为第一次迭代计算的结果代入迭代计算模式预测的自动发射数字信号方向矢量，展开多次迭代计算，直到迭代计算次数等于预设的迭代计算数目；
迭代计算最终结果展开软判决，获取发送传输数据信号的预计数值。
优选的，采用梯度下降法或最速下降法执行第1次的迭代运算具体指的是采用共轭梯度算法或最速降低算法执行第1次的迭代运算。在自动接收端，数据信号解码模式为Viterbi解码，数字信道编译码判决模式为软判决。
以下进行举例说明
混合迭代计算运算，SD运算方法运算第1次的迭代计算x(1)＝x(0)+ur(0)；GS运算方法运算第2次的迭代计算x(2)＝x(1)+(D+L)-1r(1)，合并计算可得x(2)＝x(0)+ur(0)+(D+L)-1(r(0)-up(0))；
将x2作为第一次GS的迭代结果
Figure BDA0003042261660000042
代入表达式
Figure BDA0003042261660000043
展开多次迭代计算，一直到迭代计算数目实现设立的初始数值m。
参考依据操作应用上述获取的迭代计算最终结果
Figure BDA0003042261660000044
展开软判决，最后获取发送传输数据信号预计数值。
由于应用了SD运算方法，测试过程里的迭代计算运算在最开始，就有非常好搜查性，所以加速推动了调试的收敛处理有效速率。在具体实施过程中，还可应用其他具有非常好搜查性的运算方法以便将数据信号测试的庞杂度从O(K3)降低到O(K2)。
实施例二
步骤S3中，手动或自动选择massive MIMO上行系统的混合迭代检测模式为分解矩阵模式，迭代计算获取发送传输数据信号的预计数值具体包括以下步骤：
对自动滤波分布矩阵进行分解或将MMSE滤波矩阵进行分块构造子矩阵，采用梯度算法为迭代算法提供搜索方向，得到混合迭代过程；引入松弛因子对混合迭代过程进行加速收敛；采用切比雪夫加速迭代方法或改进的雅可比迭代法计算得到发送传输数据信号的预计数值。
优选的，所述对自动滤波分布矩阵进行分解具体指的是将自动滤波分布矩阵分解为对角矩阵、严格的下三角矩阵和严格的上三角矩阵。
具体的，矩阵W可以分解为W＝D+L+U，以降低矩阵求逆计算过程的复杂度。D是对角矩阵，L是严格的下三角矩阵，U是严格的上三角矩阵。在Massive MIMO系统中，随着BS侧天线数量的增加和远大于用户天线的数量，上行链路的信道矩阵在列向量之间逐渐正交，从而使W为正定对称矩阵。式中W-1可以用D-1代替，因为W是一个正定对称矩阵并且对角占优势。
优选的，将MMSE滤波矩阵进行分块构造子矩阵具体指的是将MMSE滤波矩阵分为大小相等的四个子矩阵，对四个子矩阵进一步划分为2*2的子矩阵，将MMSE滤波矩阵与对角线上的子矩阵合并以构成迭代矩阵。
将MMSE滤波矩阵A均分为4个子矩阵，表示为
Figure BDA0003042261660000051
将分块后的四个
Figure BDA0003042261660000052
子矩阵进一步划分为2×2的子矩阵，然后将MMSE滤波矩阵A与A21或A12算的对角线上的2×2子矩阵合并，最终构成迭代矩阵
Figure BDA0003042261660000053
或
Figure BDA0003042261660000054
优选的，采用梯度算法为迭代算法提供搜索方向具体指的是采用共轭梯度(CG)算法为自适应阻尼雅克比(DJ)迭代算法提供有效的搜索方向。
根据CG检测算法，初始剩余定义为rφ＝y-Wxθ，初始共轭矢量定义为pθ＝rθ第一残差为r(1)＝r(0)-uθWp(θ)。将X(1)＝X(θ)+u0p(θ)作为CG算法的第一个迭代结果，并将
Figure BDA0003042261660000055
定义为步骤。通过将DJ算法和CG算法结合起来成为一种混合迭代算法，可以获得：
Figure BDA0003042261660000061
引入松弛因子对混合迭代过程进行加速收敛具体包括以下步骤：
将混合迭代算法替换为x(2)＝x(1)+ωD-1r(1)，松弛因子ω的最优值cv定义为ωopt＝(1+λmin/λmax)，求解得到
Figure BDA0003042261660000062
加速收敛得到X(2)＝X(θ)+uθp(θ)+ωoptD-1(p(θ)-u0Wp(θ))。
采用切比雪夫加速迭代方法或改进的雅可比迭代法计算得到发送传输数据信号的预计数值以切比雪夫加速迭代方法为例，检测信号为
Figure BDA0003042261660000063
优选的，传输信道为快速衰落瑞利信道，信道噪声是独立且分布均匀的加性高斯白噪声，基带信号调制模式为16QAM。
实施例三
步骤S3中，手动或自动选择massive MIMO上行系统的混合迭代检测模式为混合模式，迭代计算获取发送传输数据信号的预计数值。在该实施例中，可在实施例二的基础上进行初始估计，得到估计结果后结合最速下降法构造混合迭代模型，降低计算复杂度。
在该实施例中，汇总各种迭代方法、为迭代方法提供搜索方向和确定迭代方程的校正系统的算法相结合，组合配比出多种混合迭代算法，并进行仿真分析，确定多种混合迭代算法在不同天线规模下，在不同信噪比条件下的误码率性能，可根据用户的需求设置误码率性能上限阈值和下限阈值，为用户自动匹配最适宜的混合迭代算法。
在Massive MIMO系统上行链路大量用户的情况下，基于算法之间混合迭代算法改进，特别这对于硬件实现效率不高，通信系统需要处理大量数据和大规模用户通信问题，对接收端信息的检测起到了良好的作用。经仿真验证混合迭代算法作为一种通用算法工具在解决许多大规模天线收发通信系统信号检测方面非常有效。
以上述依据本发明的理想实施例为启示，通过上述的说明内容，本领域技术人员完全可以在不偏离本发明技术思想的范围内，进行多样的变更以及修改。本发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求书范围来确定其技术性范围。

Claims (8)

1.一种应用于大规模MIMO系统的混合迭代检测方法，其特征在于，具体包括以下步骤：
S1，初始化处理，设置massive MIMO上行系统的相关参数，包括发射天线数、服务用户数、迭代计算数目、数字信道分布矩阵；设massive MIMO上行系统的混合迭代检测模式包括降低运算模式、分解矩阵模式、混合模式，混合模式指的是结合降低运算和分解矩阵进行迭代检测；
S2，运算匹配对应滤波控制器设备自动输出和自动滤波分布矩阵，得到MMSE信号检测模型；
S3，手动或自动选择massive MIMO上行系统的混合迭代检测模式，迭代计算获取发送传输数据信号的预计数值；
步骤S3中，手动或自动选择massive MIMO上行系统的混合迭代检测模式为分解矩阵模式，迭代计算获取发送传输数据信号的预计数值具体包括以下步骤：
对自动滤波分布矩阵进行分解或将MMSE滤波矩阵进行分块构造子矩阵，采用梯度算法为迭代算法提供搜索方向，得到混合迭代过程；引入松弛因子对混合迭代过程进行加速收敛；采用切比雪夫加速迭代方法或改进的雅可比迭代法计算得到发送传输数据信号的预计数值。
2.根据权利要求1所述的一种应用于大规模MIMO系统的混合迭代检测方法，其特征在于，步骤S3中，手动或自动选择massive MIMO上行系统的混合迭代检测模式为降低运算模式，迭代计算获取发送传输数据信号的预计数值具体包括以下步骤：
采用梯度下降法或最速下降法执行第1次的迭代运算；采用高斯赛得尔迭代算法或自适应阻尼雅克比迭代算法执行第2次的迭代运算，并进行合并计算；
将合并计算的结果作为第一次迭代计算的结果代入迭代计算模式预测的自动发射数字信号方向矢量，展开多次迭代计算，直到迭代计算次数等于预设的迭代计算数目；
迭代计算最终结果展开软判决，获取发送传输数据信号的预计数值。
3.根据权利要求2所述的一种应用于大规模MIMO系统的混合迭代检测方法，其特征在于，采用梯度下降法或最速下降法执行第1次的迭代运算具体指的是采用共轭梯度算法或最速降低算法执行第1次的迭代运算。
4.根据权利要求3所述的一种应用于大规模MIMO系统的混合迭代检测方法，其特征在于，在自动接收端，数据信号解码模式为Viterbi解码，数字信道编译码判决模式为软判决。
5.根据权利要求1所述的一种应用于大规模MIMO系统的混合迭代检测方法，其特征在于，所述对自动滤波分布矩阵进行分解具体指的是将自动滤波分布矩阵分解为对角矩阵、严格的下三角矩阵和严格的上三角矩阵。
6.根据权利要求1所述的一种应用于大规模MIMO系统的混合迭代检测方法，其特征在于，将MMSE滤波矩阵进行分块构造子矩阵具体指的是将MMSE滤波矩阵分为大小相等的四个子矩阵，对四个子矩阵进一步划分为2*2的子矩阵，将MMSE滤波矩阵与对角线上的子矩阵合并以构成迭代矩阵。
7.根据权利要求1所述的一种应用于大规模MIMO系统的混合迭代检测方法，其特征在于，采用梯度算法为迭代算法提供搜索方向具体指的是采用共轭梯度算法为自适应阻尼雅克比迭代算法提供有效的搜索方向。
8.根据权利要求1所述的一种应用于大规模MIMO系统的混合迭代检测方法，其特征在于，传输信道为快速衰落瑞利信道，信道噪声是独立且分布均匀的加性高斯白噪声，基带信号调制模式为16QAM。
CN202110460534.2A 2021-04-27 2021-04-27 一种应用于大规模mimo系统的混合迭代检测方法 Active CN113271124B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110460534.2A CN113271124B (zh) 2021-04-27 2021-04-27 一种应用于大规模mimo系统的混合迭代检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110460534.2A CN113271124B (zh) 2021-04-27 2021-04-27 一种应用于大规模mimo系统的混合迭代检测方法

Publications (2)

Publication Number Publication Date
CN113271124A CN113271124A (zh) 2021-08-17
CN113271124B true CN113271124B (zh) 2022-03-25

Family

ID=77229478

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110460534.2A Active CN113271124B (zh) 2021-04-27 2021-04-27 一种应用于大规模mimo系统的混合迭代检测方法

Country Status (1)

Country Link
CN (1) CN113271124B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114465683B (zh) * 2022-02-15 2024-04-26 王萍 一种大规模mimo系统中基于saor-si迭代的信号检测方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106850013A (zh) * 2016-12-31 2017-06-13 上海交通大学 一种上行链路大规模mimo系统的信号检测方法
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
CN109150278A (zh) * 2018-08-17 2019-01-04 电子科技大学 基于改进牛顿迭代的massive MIMO信号检测方法
CN111478749A (zh) * 2020-02-16 2020-07-31 西安电子科技大学 基于优化初值快收敛mimo迭代检测方法、系统及应用

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106850013A (zh) * 2016-12-31 2017-06-13 上海交通大学 一种上行链路大规模mimo系统的信号检测方法
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
CN109150278A (zh) * 2018-08-17 2019-01-04 电子科技大学 基于改进牛顿迭代的massive MIMO信号检测方法
CN111478749A (zh) * 2020-02-16 2020-07-31 西安电子科技大学 基于优化初值快收敛mimo迭代检测方法、系统及应用

Also Published As

Publication number Publication date
CN113271124A (zh) 2021-08-17

Similar Documents

Publication Publication Date Title
US9577703B2 (en) System and method for low density spreading modulation detection
CN102546088B (zh) 一种块对角化预编码方法及装置
KR101429713B1 (ko) 다중 사용자 다중 안테나 통신 시스템에서 백터퍼터베이션에 기반한 저 복잡도 프리코딩 장치 및 방법
KR20120126572A (ko) 다중 사용자 다중 입출력 인지 무선 통신 시스템에서 인지 무선 기지국 및 인지 무선 기지국의 통신 방법 및 장치
CN108833060B (zh) 一种基于ep-nsa算法的大规模mimo系统检测方法
KR20090092696A (ko) Ｍｉｍｏ 수신기에서 수신 신호에 대한 소프트 출력을 생성하는 방법 및 송신기와 수신기를 포함하는 송수신기
WO2015112883A1 (en) System and method for early termination in iterative null-space directed singular value decomposition for mimo
CN106130697A (zh) 基于Bayes估计和数据流间功率分配的联合干扰相位对齐方法
CN113271124B (zh) 一种应用于大规模mimo系统的混合迭代检测方法
CN101227254A (zh) 一种在多入多出系统中v-blast的检测方法
US20220076134A1 (en) Two-stage deep learning based secure precoder for information and artificial noise signal in non-orthogonal multiple access system
Hwang et al. Cooperative non-orthogonal multiple access transmission through full-duplex and half-duplex relays
CN104253638B (zh) 基于Stiefel流形上共轭梯度法的MIMO干扰对齐算法
CN109039402A (zh) 基于用户压缩的mimo拓扑干扰对齐方法
CN102801456A (zh) 单小区中继移动通信蜂窝系统的联合下行预编码方法
CN105429687B (zh) 一种最小化干扰功率与维度的干扰对齐方法
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
CN114978268B (zh) 去蜂窝导频长度优化方法、装置、电子设备及存储介质
CN116418377A (zh) 一种面向mimo-urllc短码传输基于功率分配的吞吐量提升方法及系统
CN103346867B (zh) 基于三角分解和slnr算法的多小区多用户同频干扰抑制方法
CN114389756A (zh) 基于分组ml检测和并行迭代干扰抵消的上行mimo检测方法
CN103765805B (zh) 一种多用户预编码方法和装置
CN105099530B (zh) 认知无线电mimo-ofdm系统中基于认知用户漏功率的干扰抑制预编码方法
CN110896323B (zh) 一种联合中继与天线选择的新方法及系统
CN108834155B (zh) 一种基于大规模天线系统多参数优化频谱效率的方法

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