CN113395092B - 改善Massive MIMO系统检测能力的方法和系统 - Google Patents

Abstract

本发明提供了一种改善Massive MIMO系统检测能力的方法和系统，具体包括以下步骤：构建Massive MIMO系统模型；降低Massive MIMO信号检测的上行链路的计算复杂度，并从多方面对算法进行优化；在Massive MIMO系统的下行链路中基于MMSE软干扰消除信号检测算法以提高信号检测性能。本发明针对Massive MIMO系统的上行通信链路和下行通信链路都做出了检测性能的优化，同时采用混合迭代算法融合检测干扰消除算法，进一步提高系统检测能力。

Description

改善Massive MIMO系统检测能力的方法和系统

技术领域

本发明涉及通信系统技术领域，特别是涉及一种改善Massive MIMO系统检测能力的方法和系统。

背景技术

Massive MIMO技术通过在基站端上配备大量矩阵天线以服务于相同频带上的移动用户，从而实现了更高的数据速率，更高的通信链路可靠性，更高的能源效率和更低的干扰。Massive MIMO技术在当前的5G无线通信系统被广泛应用，是一项非常有前景的技术。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。Massive MIMO信息检测技术的重点是进行复杂性和准确性方面的研究。现有的信号检测算法大多单独对Massive MIMO系统的上行通信链路或下行通信链路，并未考虑检测信号的干扰消除，所以需要一种应用于Massive MIMO整个系统且能够进一步提高系统检测能力的方法。

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改善Massive MIMO系统检测能力的方法和系统，可以应用于Massive MIMO整个系统且能够进一步提高系统检测能力。

为了达到上述目的，本发明所采用的具体技术方案如下：

一种改善Massive MIMO系统检测能力的方法，具体包括以下步骤：

S1，构建Massive MIMO系统模型；

S2，降低Massive MIMO信号检测的上行链路的计算复杂度，并从多方面对算法进行优化；

其中，降低Massive MIMO信号检测的上行链路的计算复杂度具体指的是采用混合迭代检测模式或分解矩阵模式或分解矩阵后混合迭代检测模式来估计发送信号；从多方面对算法进行优化具体指的是根据混合迭代检测模式或分解矩阵模式或分解矩阵后混合迭代检测模式涉及的优化因素对算法进行优化，优化因素包括但不限于松弛参数、信道估计、初始解矢量、有效噪声方差；

S3，在Massive MIMO系统的下行链路中基于MMSE软干扰消除信号检测算法以提高信号检测性能。

优选的，步骤S1构建Massive MIMO系统模型具体包括以下步骤：

S101，初始化处理，设置Massive MIMO系统的上行链路和下行链路的相关参数；

S102，判断Massive MIMO系统是否采用中继节点；

S103，设置Massive MIMO系统的上行链路和下行链路中用户接入方式；

S104，分别建立Massive MIMO系统上行链路和下行链路的系统模型。

优选的，若Massive MIMO系统为多用户MIMO中继系统，信号传输包括AF传输方式、DF传输方式和自适应传输方式。

优选的，步骤S2中混合迭代检测模式具体指的是采用改进后的混合迭代检测算法进行信号检测，改进后的混合迭代检测算法包括基于最速降低算法与高斯-赛得尔迭代算法改进的混合迭代SDGS检测算法以及基于自适应雅克比迭代算法和共轭梯度算法改进的混合迭代CGDJ检测算法；

步骤S2中分解矩阵模式具体指的是采用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，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；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；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。

一种改善Massive MIMO系统检测能力的系统，包括

模型构建单元，用于构建Massive MIMO系统模型；

上行链路优化单元，用于降低Massive MIMO信号检测的上行链路的计算复杂度，并从多方面对算法进行优化；其中，降低Massive MIMO信号检测的上行链路的计算复杂度具体指的是采用混合迭代检测模式或分解矩阵模式或分解矩阵后混合迭代检测模式来估计发送信号；从多方面对算法进行优化具体指的是根据混合迭代检测模式或分解矩阵模式或分解矩阵后混合迭代检测模式涉及的优化因素对算法进行优化，优化因素包括但不限于松弛参数、信道估计、初始解矢量、有效噪声方差；

下行链路优化单元，用于在Massive MIMO系统的下行链路中基于MMSE软干扰消除信号检测算法以提高信号检测性能。

优选的，所述模型构建单元在构建构建Massive MIMO系统模型过程中需要设置Massive MIMO系统的上行链路和下行链路的相关参数，判断Massive MIMO系统是否采用中继节点，设置Massive MIMO系统的上行链路和下行链路中用户接入方式。

优选的，混合迭代检测模式具体指的是采用改进后的混合迭代检测算法进行信号检测，改进后的混合迭代检测算法包括基于最速降低算法与高斯-赛得尔迭代算法改进的混合迭代SDGS检测算法以及基于自适应雅克比迭代算法和共轭梯度算法改进的混合迭代CGDJ检测算法；

分解矩阵模式具体指的是采用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。

本发明的有益效果在于：针对Massive MIMO系统的上行通信链路和下行通信链路都做出了检测性能的优化，同时采用混合迭代算法融合检测干扰消除算法，进一步提高系统检测能力。

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改善Massive MIMO系统检测能力的方法的流程图；

图2是本发明实施例提供的改善Massive MIMO系统检测能力的系统的原理框图；

图3是Massive MIMO多用户系统上行链路的示意图；

图4是SDGS和改进SDGS算法的BER对比

图5是16*128天线阵列下不同检测算法软判决的性能比较。

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，需要说明的是，术语“竖直”、“上”、“下”、“水平”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

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所示，本发明提出了一种改善Massive MIMO系统检测能力的方法，具体包括以下步骤：

S1，构建Massive MIMO系统模型；

步骤S1构建Massive MIMO系统模型具体包括以下步骤：

S101，初始化处理，设置Massive MIMO系统的上行链路和下行链路的相关参数；

如图3所示，设Massive MIMO系统的上行链路的用户数为k，基站端天线数为N，N＞K，确定时间、频率空间和信道空间特性。Massive MIMO系统的上行链路是指用户向基站传输信号，Massive MIMO系统的下行链路是指基站向用户传输信号，当Massive MIMO系统的上行链路的用户数k和基站端天线数N确定，下行链路的基站端天线数和用户数也对应的确定。

确定时间、频率空间和信道空间特性具体可包括以下实施例：比如设定MassiveMIMO系统的上行链路和下行链路均处于加性高斯白噪声AWGN环境或Rician信道中；比如设定信号调制方式为BPSK调制或采用全频率复用。

S102，判断Massive MIMO系统是否采用中继节点；若Massive MIMO系统为多用户MIMO中继系统，信号传输包括AF传输方式、DF传输方式和自适应传输方式。

根据用户需求或者系统参数来判断是否采用中继节点，输入用户和目的地基站的相关数据，判断用户到目的地基站是否存在直接链路，若存在，则不采用中继节点，若不存在直接链路，则采用中继节点。若采用中继节点，判断设定Massive MIMO系统的保密容量是否达到设定阈值，若是，则建立由用户、基站、中继和非用户设备构成的Massive MIMO协作通信系统模型，基站和中继在数据传输过程中向非用户设备发送干扰信号，利用量子白蚁群优化方法解决多中继选择与时隙资源配置的混合优化问题。

若设定Massive MIMO系统的保密容量低于设定阈值，则建立由用户、基站、中继构成的Massive MIMO协作通信系统模型。

S103，设置Massive MIMO系统的上行链路和下行链路中用户接入方式；

在上行链路和下行链路的发送端若为正交多址接入，则用户数据互相正交，用户之间的干扰较小，若为非正交多址接入，用户数据互相之间不正交，互相之间存在较大干扰，发送端正交与否对接收端的检测技术要求较高。因此可预先建立用户接入方式的多个模型，比如上行多用户非正交接入-线性检测和串行干扰消除接收模型，即上行链路的发送端为多用户非正交接入模型，接收端为线性检测和串行干扰消除接收相结合的算法。再比如下行多用户非正交接入-线性检测和串行干扰消除接收模型，即下行链路的发送端为多用户非正交接入模型，接收端为线性检测和串行干扰消除接收相结合的算法，其中可在发射端叠加编码后引入扩展序列。再比如上行多用户正交接入-线性检测/非线性检测接收模型，即上行链路的发送端为多用户非正交接入模型，接收端为线性检测/非线性检测接收算法。

在设置Massive MIMO系统的上行链路和下行链路中用户接入方式时，输入上行链路或下行链路，发送端正交与否，接收端检测算法中的一个或多个，从而选择用户接入方式的某个模型。

S104，分别建立Massive MIMO系统上行链路和下行链路的系统模型。

根据步骤S101-S103三个步骤的相关参数的确定，即可建立Massive MIMO系统上行链路和下行链路的系统模型。

S2，降低Massive MIMO信号检测的上行链路的计算复杂度，并从多方面对算法进行优化；

其中，降低Massive MIMO信号检测的上行链路的计算复杂度具体指的是采用混合迭代检测模式或分解矩阵模式或分解矩阵后混合迭代检测模式来估计发送信号；从多方面对算法进行优化具体指的是根据混合迭代检测模式或分解矩阵模式或分解矩阵后混合迭代检测模式涉及的优化因素对算法进行优化，优化因素包括但不限于松弛参数、信道估计、初始解矢量、有效噪声方差；

步骤S2中混合迭代检测模式具体指的是采用改进后的混合迭代检测算法进行信号检测，改进后的混合迭代检测算法包括基于最速降低算法与高斯-赛得尔迭代算法改进的混合迭代SDGS检测算法以及基于自适应雅克比迭代算法和共轭梯度算法改进的混合迭代CGDJ检测算法；

如图4所示，改进的混合迭代SDGS检测算法的实施例举例如下：

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

代入表达式

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

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)。

如图5所示，改进的混合迭代CGDJ检测算法的实施例举例如下：

根据CG检测算法，初始剩余定义为r^φ＝y-Wx^θ，初始共轭矢量定义为p^θ＝r^θ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

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：

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ωo_pt＝(1+λ_min/λ_max)，求解得到

加速收敛得到X⁽²⁾＝X^(θ)+uθp^(θ)+ω_optD^-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

步骤S2中分解矩阵模式具体指的是采用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。

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；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；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。

S3，在Massive MIMO系统的下行链路中基于MMSE软干扰消除信号检测算法以提高信号检测性能。

如图2所示，本发明提出了一种改善Massive MIMO系统检测能力的系统，包括

模型构建单元，用于构建Massive MIMO系统模型；

上行链路优化单元，用于降低Massive MIMO信号检测的上行链路的计算复杂度，并从多方面对算法进行优化；其中，降低Massive MIMO信号检测的上行链路的计算复杂度具体指的是采用混合迭代检测模式或分解矩阵模式或分解矩阵后混合迭代检测模式来估计发送信号；从多方面对算法进行优化具体指的是根据混合迭代检测模式或分解矩阵模式或分解矩阵后混合迭代检测模式涉及的优化因素对算法进行优化，优化因素包括但不限于松弛参数、信道估计、初始解矢量、有效噪声方差；

下行链路优化单元，用于在Massive MIMO系统的下行链路中基于MMSE软干扰消除信号检测算法以提高信号检测性能。

优选的，所述模型构建单元在构建构建Massive MIMO系统模型过程中需要设置Massive MIMO系统的上行链路和下行链路的相关参数，判断Massive MIMO系统是否采用中继节点，设置Massive MIMO系统的上行链路和下行链路中用户接入方式。

设置Massive MIMO系统的上行链路和下行链路的相关参数具体包括以下内容：

设Massive MIMO系统的上行链路的用户数为k，基站端天线数为N，N＞K，确定时间、频率空间和信道空间特性。Massive MIMO系统的上行链路是指用户向基站传输信号，Massive MIMO系统的下行链路是指基站向用户传输信号，当Massive MIMO系统的上行链路的用户数k和基站端天线数N确定，下行链路的基站端天线数和用户数也对应的确定。

确定时间、频率空间和信道空间特性具体可包括以下实施例：比如设定MassiveMIMO系统的上行链路和下行链路均处于加性高斯白噪声AWGN环境或Rician信道中；比如设定信号调制方式为BPSK调制或采用全频率复用。

判断Massive MIMO系统是否采用中继节点具体包括以下内容：

根据用户需求或者系统参数来判断是否采用中继节点，输入用户和目的地基站的相关数据，判断用户到目的地基站是否存在直接链路，若存在，则不采用中继节点，若不存在直接链路，则采用中继节点。若采用中继节点，判断设定Massive MIMO系统的保密容量是否达到设定阈值，若是，则建立由用户、基站、中继和非用户设备构成的Massive MIMO协作通信系统模型，基站和中继在数据传输过程中向非用户设备发送干扰信号，利用量子白蚁群优化方法解决多中继选择与时隙资源配置的混合优化问题。

若设定Massive MIMO系统的保密容量低于设定阈值，则建立由用户、基站、中继构成的Massive MIMO协作通信系统模型。

设置Massive MIMO系统的上行链路和下行链路中用户接入方式具体包括以下内容

在上行链路和下行链路的发送端若为正交多址接入，则用户数据互相正交，用户之间的干扰较小，若为非正交多址接入，用户数据互相之间不正交，互相之间存在较大干扰，发送端正交与否对接收端的检测技术要求较高。因此可预先建立用户接入方式的多个模型，比如上行多用户非正交接入-线性检测和串行干扰消除接收模型，即上行链路的发送端为多用户非正交接入模型，接收端为线性检测和串行干扰消除接收相结合的算法。再比如下行多用户非正交接入-线性检测和串行干扰消除接收模型，即下行链路的发送端为多用户非正交接入模型，接收端为线性检测和串行干扰消除接收相结合的算法，其中可在发射端叠加编码后引入扩展序列。再比如上行多用户正交接入-线性检测/非线性检测接收模型，即上行链路的发送端为多用户非正交接入模型，接收端为线性检测/非线性检测接收算法。

在设置Massive MIMO系统的上行链路和下行链路中用户接入方式时，输入上行链路或下行链路，发送端正交与否，接收端检测算法中的一个或多个，从而选择用户接入方式的某个模型。

优选的，混合迭代检测模式具体指的是采用改进后的混合迭代检测算法进行信号检测，改进后的混合迭代检测算法包括基于最速降低算法与高斯-赛得尔迭代算法改进的混合迭代SDGS检测算法以及基于自适应雅克比迭代算法和共轭梯度算法改进的混合迭代CGDJ检测算法；

改进的混合迭代SDGS检测算法的实施例举例如下：

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

代入表达式

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

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)。

改进的混合迭代CGDJ检测算法的实施例举例如下：

根据CG检测算法，初始剩余定义为r^φ＝y-Wx^θ，初始共轭矢量定义为p^θ＝r^θ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

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：

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ωo_pt＝(1+λ_min/λ_max)，求解得到

加速收敛得到X⁽²⁾＝X^(θ)+uθp^(θ)+ω_optD^-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

分解矩阵模式具体指的是采用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。

本发明的有益效果在于：针对Massive MIMO系统的上行通信链路和下行通信链路都做出了检测性能的优化，同时采用混合迭代算法融合检测干扰消除算法，进一步提高系统检测能力。

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 (7)

1.一种改善Massive MIMO系统检测能力的方法，其特征在于，具体包括以下步骤：

S1，构建Massive MIMO系统模型；

步骤S1构建Massive MIMO系统模型具体包括以下步骤：

S101，初始化处理，设置Massive MIMO系统的上行链路和下行链路的相关参数；

S102，判断Massive MIMO系统是否采用中继节点；

根据用户需求或者系统参数来判断是否采用中继节点，输入用户和目的地基站的相关数据，判断用户到目的地基站是否存在直接链路，若存在，则不采用中继节点，若不存在直接链路，则采用中继节点；若采用中继节点，判断设定Massive MIMO系统的保密容量是否达到设定阈值，若是，则建立由用户、基站、中继和非用户设备构成的Massive MIMO协作通信系统模型，基站和中继在数据传输过程中向非用户设备发送干扰信号，利用量子白蚁群优化方法解决多中继选择与时隙资源配置的混合优化问题；

若设定Massive MIMO系统的保密容量低于设定阈值，则建立由用户、基站、中继构成的Massive MIMO协作通信系统模型；

S103，设置Massive MIMO系统的上行链路和下行链路中用户接入方式；

在上行链路和下行链路的发送端若为正交多址接入，则用户数据互相正交，用户之间的干扰较小，若为非正交多址接入，用户数据互相之间不正交，互相之间存在较大干扰，发送端正交与否对接收端的检测技术要求较高；预先建立用户接入方式的多个模型，包括上行多用户非正交接入-线性检测和串行干扰消除接收模型，即上行链路的发送端为多用户非正交接入模型，接收端为线性检测和串行干扰消除接收相结合的算法；下行多用户非正交接入-线性检测和串行干扰消除接收模型，即下行链路的发送端为多用户非正交接入模型，接收端为线性检测和串行干扰消除接收相结合的算法，在发射端叠加编码后引入扩展序列；上行多用户正交接入-线性检测/非线性检测接收模型，即上行链路的发送端为多用户正交接入模型，接收端为线性检测/非线性检测接收算法；

在设置Massive MIMO系统的上行链路和下行链路中用户接入方式时，输入上行链路或下行链路，发送端正交与否，接收端检测算法中的一个或多个，从而选择用户接入方式的某个模型；

S104，分别建立Massive MIMO系统上行链路和下行链路的系统模型；

S2，降低Massive MIMO信号检测的上行链路的计算复杂度，并从多方面对算法进行优化；

其中，降低Massive MIMO信号检测的上行链路的计算复杂度具体指的是采用混合迭代检测模式或分解矩阵模式或分解矩阵后混合迭代检测模式来估计发送信号；从多方面对算法进行优化具体指的是根据混合迭代检测模式或分解矩阵模式或分解矩阵后混合迭代检测模式涉及的优化因素对算法进行优化，优化因素包括松弛参数、信道估计、初始解矢量、有效噪声方差；

S3，在Massive MIMO系统的下行链路中基于MMSE软干扰消除信号检测算法以提高信号检测性能。

2.根据权利要求1所述的改善Massive MIMO系统检测能力的方法，其特征在于，若Massive MIMO系统为多用户MIMO中继系统，信号传输包括AF传输方式、DF传输方式和自适应传输方式。

3.根据权利要求1所述的改善Massive MIMO系统检测能力的方法，其特征在于，步骤S2中混合迭代检测模式具体指的是采用改进后的混合迭代检测算法进行信号检测，改进后的混合迭代检测算法包括基于最速降低算法与高斯-赛得尔迭代算法改进的混合迭代SDGS检测算法以及基于自适应雅克比迭代算法和共轭梯度算法改进的混合迭代CGDJ检测算法；

步骤S2中分解矩阵模式具体指的是采用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。

4.根据权利要求3所述的改善Massive MIMO系统检测能力的方法，其特征在于，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；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；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。

5.一种改善Massive MIMO系统检测能力的系统，用于实现权利要求1的方法，其特征在于，包括

模型构建单元，用于构建Massive MIMO系统模型；

上行链路优化单元，用于降低Massive MIMO信号检测的上行链路的计算复杂度，并从多方面对算法进行优化；其中，降低Massive MIMO信号检测的上行链路的计算复杂度具体指的是采用混合迭代检测模式或分解矩阵模式或分解矩阵后混合迭代检测模式来估计发送信号；从多方面对算法进行优化具体指的是根据混合迭代检测模式或分解矩阵模式或分解矩阵后混合迭代检测模式涉及的优化因素对算法进行优化，优化因素包括松弛参数、信道估计、初始解矢量、有效噪声方差；

下行链路优化单元，用于在Massive MIMO系统的下行链路中基于MMSE软干扰消除信号检测算法以提高信号检测性能。

6.根据权利要求 5所述的改善Massive MIMO系统检测能力的系统，其特征在于，所述模型构建单元在构建Massive MIMO系统模型过程中需要设置Massive MIMO系统的上行链路和下行链路的相关参数，判断Massive MIMO系统是否采用中继节点，设置Massive MIMO系统的上行链路和下行链路中用户接入方式。

7.根据权利要求 5所述的改善Massive MIMO系统检测能力的系统，其特征在于，混合迭代检测模式具体指的是采用改进后的混合迭代检测算法进行信号检测，改进后的混合迭代检测算法包括基于最速降低算法与高斯-赛得尔迭代算法改进的混合迭代SDGS检测算法以及基于自适应雅克比迭代算法和共轭梯度算法改进的混合迭代CGDJ检测算法；

分解矩阵模式具体指的是采用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。

Images