CN113644943B - 一种mmse检测方法、装置、设备和存储介质 - Google Patents

Abstract

本发明公开了一种MMSE检测方法、装置、设备和存储介质，根据信道矩阵和噪声方差计算Gram矩阵，根据每个用户端分配的天线数目从Gram矩阵中提取若干个子块矩阵，并得到非块对角矩阵；对所述子块矩阵分别求逆得到子块矩阵的逆矩阵，将所述子块矩阵的逆矩阵沿着对角线组合得到块对角矩阵的逆矩阵；根据所述块对角矩阵的逆矩阵、非块对角矩阵、接收信号和信道矩阵，通过Neumann迭代的方式得到MMSE中的发送向量的估计值；根据发送向量的估计值进行判决，得到发送信号的检测值。本发明提出的MMSE检测方法既能具有较好的检测性能，又能具有较低的复杂度。

Description

一种MMSE检测方法、装置、设备和存储介质

技术领域

本发明属于信道估计技术领域，特别是涉及一种MMSE检测方法、装置、设备和存储介质。

背景技术

作为移动通信发展的关键技术，多输入多输出(multiple-input multipleoutput，MIMO)技术能够提升网络容量、增强网络鲁棒性、降低网络通信延时等。但是，随着天线数量的增加，基带处理复杂度也会急剧增长。传统的最优检测算法，例如最大似然(maximum-likelihood，ML)检测器，其计算复杂度随着天线数的增加呈指数级增长，阻碍了其实际应用。而次优的线性检测器，例如最小均方误差检测器(minimum mean squareerror，MMSE)，能够更好地在计算复杂度与检测性能之间实现平衡，因此也得到了较为广泛的实际应用。然而，其计算复杂度仍然是发射端天线数量的三次方的数量级，在第五代移动通信关键技术——特大规模MIMO(Massive MIMO)的背景下，其仍然承受着较大的计算代价。

为此，Michael Wu等人基于信道硬化(channel hardening)的条件提出了利用Neumann级数近似(Neumann-series approximation，NSA)迭代的方法来降低MMSE检测中大规模矩阵求逆的计算代价(简称为NSA算法)，然而其只能够在天线负载ρ较大(ρ＝接收天线数/发射天线数)的条件下实现较优的检测性能。为解决该问题，Prabhu等人提出了一种基于三对角矩阵的Neumann级数迭代算法，相比于原始的Neumann迭代，其本质是通过让对角矩阵包含更多的信道矩阵元素来提高检测性能。然而，该算法的不足之处在于，迭代次数超过3次之后，计算复杂度会上升至天线数的3次方数量级。为了在保证检测性能的条件下降低检测的复杂度，Haijian Wu等人进一步提出一种基于矩阵分块的Neumann级数迭代算法，其通过矩阵分块的方式，将Neumann迭代分为两层，第二层迭代采用传统的对角Neumann迭代计算出第一层迭代所需的子矩阵的逆矩阵，进一步地，第一层进行一个子矩阵为块矩阵的Neumann迭代。该方法既能够让对角矩阵包含了更多的信道矩阵元素，提高迭代收敛速率，又能够减少每次迭代时矩阵间相乘所需要的乘法次数，有效地降低计算复杂度，较好地均衡了计算复杂度与检测性能。

然而，上述现有的算法的共同不足之处均在于，其假设的信道条件过于理想(均为理想的瑞利衰落信道)，在某些更为实际的系统模型中，例如多用户多天线相关性系统的条件下，其检测算法几乎失效，误码率较高，检测方法的性能较差，也就是说，现有的算法的鲁棒性不强。需要研究一种MMSE检测方法在相关性信道下既能有较高的检测性能，又能降低MMSE方法的复杂度。

发明内容

发明目的：针对现有技术中存在的问题，本发明公开了一种MMSE检测方法、装置、设备和存储介质，解决了现有的基于Neumann迭代的MMSE检测方法在相关性信道下，检测性能较差的问题，本发明提出的MMSE检测方法既能具有较高的检测性能，又能具有较低的复杂度。

技术方案：为实现上述发明目的，本发明采用如下技术方案：一种MMSE检测方法，包括：

获取接收信号、每个用户端分配的天线数目、信道矩阵和噪声方差；

根据信道矩阵和噪声方差计算Gram矩阵，根据每个用户端分配的天线数目从Gram矩阵中提取若干个子块矩阵，并得到非块对角矩阵；对所述子块矩阵分别求逆得到子块矩阵的逆矩阵，将所述子块矩阵的逆矩阵沿着对角线组合得到块对角矩阵的逆矩阵；

根据所述块对角矩阵的逆矩阵、非块对角矩阵、接收信号、信道矩阵，通过Neumann迭代的方式得到MMSE中的发送向量的估计值；

根据发送向量的估计值进行判决，得到发送信号的检测值。

进一步的，所述根据每个用户端分配的天线数目从Gram矩阵中提取若干个子块矩阵，并得到非块对角矩阵，包括：

从Gram矩阵中的主对角线方向依次提取出m个子块矩阵，所述子块矩阵大小为：m_UE×m_UE，m为发送端的用户数量，m_UE为每个用户端的天线数目；

Gram矩阵中去除子块矩阵得到非块对角矩阵。

进一步的，对所述子块矩阵求逆的方法包括：Cholesky算法。

进一步的，根据所述块对角矩阵的逆矩阵、非块对角矩阵、接收信号、信道矩阵，通过Neumann迭代的方式得到MMSE中的发送向量的估计值，包括：

根据所述块对角矩阵的逆矩阵、非块对角矩阵、接收信号和信道矩阵，对Neumann迭代方式下的估计发送向量进行迭代计算，将达到最大迭代次数时的估计值作为发送向量的估计值；

其中，根据所述块对角矩阵的逆矩阵和非块对角矩阵，通过Neumann迭代的方式近似得到Gram矩阵的逆矩阵，将所述Gram矩阵的逆矩阵代入到MMSE中估计发送向量的计算公式得到Neumann迭代方式下的估计发送向量。

进一步的，根据所述发送向量的估计值进行判决，得到发送信号的检测值，包括：

在星座图的符号集合中找到与所述发送向量的估计值欧氏距离最近的一组符号，将这组符号组成的向量作为发送信号的检测值。

一种MMSE检测装置，包括：

获取模块，用于获取接收信号、每个用户端分配的天线数目、信道矩阵和噪声方差；

矩阵对角分块模块，用于根据信道矩阵和噪声方差计算Gram矩阵，根据每个用户端分配的天线数目从Gram矩阵中提取若干个子块矩阵，并得到非块对角矩阵；根据对所述子块矩阵分别求逆得到子块矩阵的逆矩阵，将所述子块矩阵的逆矩阵沿着对角线组合得到块对角矩阵的逆矩阵；

检测值迭代确定模块，用于根据所述块对角矩阵的逆矩阵、非块对角矩阵、接收信号、信道矩阵，通过Neumann迭代的方式得到MMSE中的发送向量的估计值；根据发送向量的估计值进行判决，得到发送信号的检测值。

进一步的，所述根据每个用户端分配的天线数目从Gram矩阵中提取若干个子块矩阵，并得到非块对角矩阵，包括：

从Gram矩阵中的主对角线方向依次提取出m个子块矩阵，所述子块矩阵大小为：m_UE×m_UE，m为发送端的用户数量，m_UE为每个用户端的天线数目；

Gram矩阵中去除子块矩阵得到非块对角矩阵。

进一步的，对所述子块矩阵求逆的方法包括：Cholesky算法。

进一步的，根据所述块对角矩阵的逆矩阵、非块对角矩阵、接收信号、信道矩阵，通过Neumann迭代的方式得到MMSE中的发送向量的估计值，包括：

根据所述块对角矩阵的逆矩阵、非块对角矩阵、接收信号和信道矩阵，对Neumann迭代方式下的估计发送向量进行迭代计算，将达到最大迭代次数时的估计值作为发送向量的估计值；

其中，根据所述块对角矩阵的逆矩阵和非块对角矩阵，通过Neumann迭代的方式近似得到Gram矩阵的逆矩阵，将所述Gram矩阵的逆矩阵代入到MMSE中估计发送向量的计算公式得到Neumann迭代方式下的估计发送向量。

进一步的，根据所述发送向量的估计值进行判决，得到发送信号的检测值，包括：

在星座图的符号集合中找到与所述发送向量的估计值欧氏距离最近的一组符号，将这组符号组成的向量作为发送信号的检测值。

一种MMSE检测设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现前述的任意一项所述MMSE检测方法。

一种计算机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令用于执行前述的任意一项所述MMSE检测方法。

本发明与现有技术相比具有如下优点和有益效果：

本发明通过对Gram矩阵进行对角分块，提取出包含信道主要特征的子块矩阵，并对子块矩阵求逆，再组合得到块对角矩阵的逆矩阵。由于子块矩阵的尺寸相比较于Gram矩阵来说通常较小，因此，本发明能够在能够大程度地保留和利用信道信息的同时减小矩阵求逆复杂度，得到较好的检测性能；

根据块对角矩阵的逆矩阵，通过Neumann迭代的方式近似得到Gram矩阵的逆，从而降低MMSE中的发送向量的估计值计算复杂度；

本发明提出的MMSE检测方法既能具有较好的检测性能，又能具有较低的复杂度，尤其在相关性信道下检测性能较好。

附图说明

图1为本发明中多用户多天线系统的相关信道模型；

图2为本发明实施例中的不同相关性条件下，大规模MIMO中Gram矩阵的幅度特性示意图；

图3为本发明实施例中的MMSE检测方法流程图；

图4为本发明实施例中的子块矩阵提取示意图；

图5为本发明实施例中的子块矩阵逆的结合提取示意图；

图6为本发明实施例中的BD-NSA检测方法和其他方法在天线配置为128×16，瑞利信道下，误码率BER随信噪比SNR变化的性能曲线图，其中L表示迭代次数；

图7为本发明实施例中BD-NSA检测方法与其他检测方法在天线配置为128×16，m_UE＝4，接收端天线相关系数ζ_r＝0.2，发射端天线相关系数ζ_t＝0.4的情形下，误码率BER随着信噪比SNR变化的性能曲线图，其中L表示迭代次数；

图8为本发明实施例中BD-NSA检测方法与其他检测方法在天线配置为128×16，m_UE＝4，接收端天线相关系数ζ_r＝0.2，发射端天线相关系数ζ_t＝0.5的情形下，误码率BER随着信噪比SNR变化的性能曲线图，其中L表示迭代次数；

图9为本发明实施例中的BD-NSA检测算法与其他检测算法在天线配置为128×16，m_UE＝4，接收端天线相关系数ζ_r＝0.2，发射端天线相关系数ζ_t＝0.4的情形下，性能和复杂度的对比图；

图10为本发明实施例中的BD-NSA检测算法与其他检测算法在天线配置为128×16，m_UE＝4，接收端天线相关系数ζ_r＝0.2，发射端天线相关系数ζ_t＝0.5的情形下，性能和复杂度的对比图；

图11为本发明实施例中的MMSE检测装置模块图。

具体实施方式

为了便于理解本发明，下面将结合附图对本发明进行更全面的描述。附图中给出了本发明的较佳的实施例。但本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例。提供这些实施例的目的是使对本发明的公开内容的理解更加透彻全面。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。

在描述位置关系时，除非另有规定，否则当一元件例如层、膜或基板被指为在另一膜层“上”时，其能直接在其他膜层上或亦可存在中间膜层。进一步说，当层被指为在另一层“下”时，其可直接在下方，亦可存在一或多个中间层。亦可以理解的是，当层被指为在两层“之间”时，其可为两层之间的唯一层，或亦可存在一或多个中间层。

在使用本文中描述的“包括”、“具有”、和“包含”的情况下，除非使用了明确的限定用语，例如“仅”、“由……组成”等，否则还可以添加另一部件。除非相反地提及，否则单数形式的术语可以包括复数形式，并不能理解为其数量为一个。

应用场景说明：本发明的应用场景如图1所示，考虑了一个多用户多天线系统的相关信道模型，发射端天线数目为M，接收端天线数目为N，其中同一个用户端的天线数目为m_UE。其Gram矩阵的幅度特征如图2所示，其中越亮的部分表示矩阵对应元素绝对值越大。具体地，图2(a)表示接受天线数N＝128，发射天线数M＝32且每个用户端天线数m_UE＝4的天线配置下，发射端天线相关系数ζ_t＝0.2，接收端天线相关系数ζ_r＝0的情形下，Gram矩阵的信道幅度特性示意图；图2(b)表示接受天线数N＝128，发射天线数M＝32且每个用户端天线数m_UE＝4的天线配置下，发射端天线相关系数ζ_t＝0.4，接收端天线相关系数ζ_r＝0.2的情形下，Gram矩阵的信道幅度特性示意图；图2(a)表示接受天线数N＝128，发射天线数M＝32且每个用户端天线数m_UE＝4的天线配置下，发射端天线相关系数ζ_t＝0.6，接收端天线相关系数ζ_r＝0.5的情形下，Gram矩阵的信道幅度特性示意图；可以看出，在天线配置保持不变的情况下，随着相关性的增大，Gram矩阵呈现出明显的块对角占优特性，其中对角线上子块矩阵的大小为m_UE×m_UE。本发明中的Gram矩阵为

H为MIM0信道矩阵。本发明提出的基于对角矩阵分块的MMSE检测方法简称为BD-NSA方法。

如图3所示，在本申请的一个实施例中，提供一种MMSE检测方法，包括步骤：

步骤S01，获取接收信号y、每个用户端分配的天线数目、信道矩阵H和噪声方差

步骤S02，根据信道矩阵和噪声方差计算Gram矩阵，根据每个用户端分配的天线数目从Gram矩阵中提取若干个子块矩阵，并得到非块对角矩阵，对所述子块矩阵分别求逆得到子块矩阵的逆矩阵，将所述子块矩阵的逆矩阵沿着对角线组合得到块对角矩阵的逆矩阵；

步骤S03，根据所述块对角矩阵的逆矩阵、非块对角矩阵、接收信号和信道矩阵，通过Neumann迭代的方式得到MMSE中的发送向量的估计值；根据发送向量的估计值进行判决，得到发送信号的检测值。

在其中一个实施例中，Gram矩阵A的计算公式为：

其中，H为信道矩阵；

为噪声方差；I_M表示M×M维单位矩阵；

在其中一个实施例中，根据每个用户端分配的天线数目从Gram矩阵中提取若干个子块矩阵，并得到非块对角矩阵，包括：

从Gram矩阵A中的主对角线方向依次提取出若干个子块矩阵，所述子块矩阵大小为：m_UE×m_UE，共有m个子块矩阵，m为发送端的用户数量，m＝M/m_UE，m_UE为每个用户端分配的天线数目；M为发射端天线数目；

Gram矩阵A中去除子块矩阵得到非块对角矩阵E；

如图4所示，举例说明了一个M＝8，m_UE＝2的Gram矩阵的子块矩阵(也叫子矩阵)提取示意图。提取到的子块矩阵共有4个，分别为D_(1，1)，D_(1，2)，D_(1，3)，D_(1，4)，Gram矩阵A去除这些子块矩阵得到后续计算所需要的非块对角矩阵E；

子块矩阵沿着对角线组合即可得到块对角矩阵D，后续需要求得块对角矩阵的逆矩阵D^-1；

对所述子块矩阵分别求逆的方法包括：Cholesky算法，但不限于此种求逆方法；通过Cholesky算法别对子块矩阵进行精确求逆计算得到子块矩阵的逆矩阵，进一步提高本发明方法的检测性能，误码率降低。以图4中的子块矩阵为例，则分别计算出

将所述子块矩阵的逆矩阵沿着对角线组合得到块对角矩阵的逆矩阵D^-1；如图5所示，将图3例子得到的逆矩阵

沿对角线组合，得到D^-1；

在其中一个实施例中，根据所述块对角矩阵的逆矩阵、非块对角矩阵、接收信号和信道矩阵，通过Neumann迭代的方式得到MMSE中的发送向量的估计值，包括：

根据所述块对角矩阵的逆矩阵、非块对角矩阵、接收信号和信道矩阵，对Neumann迭代方式下的估计发送向量进行迭代计算，将达到最大迭代次数时的估计值作为发送向量的估计值；

其中，根据所述块对角矩阵的逆矩阵和非块对角矩阵，通过Neumann迭代的方式近似得到Gram矩阵的逆矩阵，将所述Gram矩阵的逆矩阵代入到MMSE中估计发送向量的计算公式得到Neumann迭代方式下的估计发送向量。

具体地，

通过Neumann迭代的方式，计算Gram矩阵A的逆矩阵A^-1，如下式所示；

其中，k为Neumann迭代的次数，n为序号，范围为0～k-1，

为第k次Neumann迭代时Gram矩阵的逆矩阵A^-1的近似值；

可改写为如下递归形式：

其中，L表示Neumann迭代的最大迭代次数；

根据最小均方误差(minimum mean-square error，MMSE)检测中估计发送向量的计算公式，所估计的发送向量

为：

将

替换上式中的A^-1，可以得到第k次Neumann迭代时的发送向量：

将D^-1H^Hy记作

则上式可以改写成：

通过对上述公式进行迭代，判断是否达到最大迭代次数L，若达到，则将最后一次迭代得到的发送向量

作为发送向量的估计值。L的值是人为设置的。

在其中一个实施例中，根据所述发送向量的估计值进行判决，得到发送信号的检测值，包括：

在星座图的符号集合中找到与所述发送向量的估计值欧氏距离最近的一组符号，将这组符号组成的向量作为发送信号的检测值。

具体地，

根据所述发送向量的估计值中的每个元素在星座图的符号集合中找到与其欧氏距离最近的符号，将该符号作为第i个发送信号的检测值

则发送信号为

本实施例中采用的判决方法称为硬判决方法。

如表1所示为本发明实施例中的BD-NSA-EPA算法和其他检测算法的计算复杂度数学表达式：

表1为本发明方法与其他方法的乘法、加法和除法次数对比表

从表1中可以得到，传统的MMSE算法所需要的乘法次数量级为

而本发明所提出的BD-NSA数量级约为

且由于通常条件下m_UE＜＜M，因此所提出的算法能够显著地降低传统MMSE算法的复杂度。尽管NSA算法的乘法次数只有

的数量级，但是在之后的仿真图中更可以看到，其在相关信道下的性能损失十分明显。

如图6所示，在传统理想瑞利信道下(m_UE＝1且不考虑天线间相关性)，本发明所提出的BD-NSA方法退化成为传统NSA算法，二者性能保持一致；

如图7所示，若是考虑多用户相关性信道，即m_UE＝4，发射端天线相关系数ζ_r＝0.2，接收端天线相关系数ζ_t＝0.4的情形下，传统NSA算法的性能急剧下降，已经不能够收敛，而本发明的方法依然能够实现接近于MMSE检测的性能。具体地，如图9所示，在迭代次数L＝5时，所提出的算法BD-NSA能够实现几乎与MMSE一致的性能，而计算复杂度仅为MMSE的20％左右。当发射端天线相关性进一步增大至ζ_t＝0.5，如图8与图10可知，所提出的算法也依旧能在保持计算复杂度为MMSE检测的20％条件下，实现几乎与MMSE一致的检测性能。

如图11所示，在本申请的一个实施例中，提供一种MMSE检测装置，包括：

获取模块，用于获取接收信号、每个用户端分配的天线数目、信道矩阵和噪声方差；

矩阵对角分块模块，用于根据信道矩阵和噪声方差计算Gram矩阵，根据每个用户端分配的天线数目从Gram矩阵中提取若干个子块矩阵，并得到非块对角矩阵；根据对所述子块矩阵分别求逆得到子块矩阵的逆矩阵，将所述子块矩阵的逆矩阵沿着对角线组合得到块对角矩阵的逆矩阵；

检测值迭代确定模块，用于根据所述块对角矩阵的逆矩阵、非块对角矩阵、接收信号、信道矩阵，通过Neumann迭代的方式得到MMSE中的发送向量的估计值；根据发送向量的估计值进行判决，得到发送信号的检测值。

进一步的，所述根据每个用户端分配的天线数目从Gram矩阵中提取若干个子块矩阵，并得到非块对角矩阵，包括：

从Gram矩阵中的主对角线方向依次提取出m个子块矩阵，所述子块矩阵大小为：m_UE×m_UE，m为发送端的用户数量，m_UE为每个用户端的天线数目。

进一步的，对所述子块矩阵求逆的方法包括：Cholesky算法。

进一步的，根据所述块对角矩阵的逆矩阵、非块对角矩阵、接收信号、信道矩阵，通过Neumann迭代的方式得到MMSE中的发送向量的估计值，包括：

根据所述块对角矩阵的逆矩阵、非块对角矩阵、接收信号和信道矩阵，对Neumann迭代方式下的估计发送向量进行迭代计算，将达到最大迭代次数时的估计值作为发送向量的估计值；

其中，根据所述块对角矩阵的逆矩阵和非块对角矩阵，通过Neumann迭代的方式近似得到Gram矩阵的逆矩阵，将所述Gram矩阵的逆矩阵代入到MMSE中估计发送向量的计算公式得到Neumann迭代方式下的估计发送向量。

进一步的，根据所述发送向量的估计值进行判决，得到发送信号的检测值，包括：

在星座图的符号集合中找到与所述发送向量的估计值欧氏距离最近的一组符号，将这组符号组成的向量作为发送信号的检测值。

一种MMSE检测设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现前述的任意一项所述MMSE检测方法。

一种计算机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令用于执行前述的任意一项所述MMSE检测方法。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (12)

1.一种MMSE检测方法，其特征在于：包括：

获取接收信号、每个用户端分配的天线数目、信道矩阵和噪声方差；

根据信道矩阵和噪声方差计算Gram矩阵，根据每个用户端分配的天线数目从Gram矩阵中提取若干个子块矩阵，并得到非块对角矩阵；对所述子块矩阵分别求逆得到子块矩阵的逆矩阵，将所述子块矩阵的逆矩阵沿着对角线组合得到块对角矩阵的逆矩阵；

根据所述块对角矩阵的逆矩阵、非块对角矩阵、接收信号和信道矩阵，通过Neumann迭代的方式得到MMSE中的发送向量的估计值；根据发送向量的估计值进行判决，得到发送信号的检测值；

所述通过Neumann迭代的方式得到MMSE中的发送向量的估计值，包括：

对第k次Neumann迭代时的发送向量公式：

进行迭代，判断是否达到最大迭代次数L，若达到，则将最后一次迭代得到的发送向量

作为发送向量的估计值；

其中，

为D^-1H^Hy，H为信道矩阵；E为非块对角矩阵；D^-1为块对角矩阵的逆矩阵；y为接收信号。

2.根据权利要求1所述的一种MMSE检测方法，其特征在于：所述根据每个用户端分配的天线数目从Gram矩阵中提取若干个子块矩阵，并得到非块对角矩阵，包括：

从Gram矩阵中的主对角线方向依次提取出m个子块矩阵，所述子块矩阵大小为：m_UE×m_UE，m为发送端的用户数量，m_UE为每个用户端的天线数目；

Gram矩阵中去除子块矩阵得到非块对角矩阵。

3.根据权利要求1所述的一种MMSE检测方法，其特征在于：对所述子块矩阵求逆的方法包括：Cholesky算法。

4.根据权利要求1所述的一种MMSE检测方法，其特征在于：根据所述块对角矩阵的逆矩阵、非块对角矩阵、接收信号、信道矩阵，通过Neumann迭代的方式得到MMSE中的发送向量的估计值，包括：

根据所述块对角矩阵的逆矩阵、非块对角矩阵、接收信号和信道矩阵，对Neumann迭代方式下的估计发送向量进行迭代计算，将达到最大迭代次数时的估计值作为发送向量的估计值；

其中，根据所述块对角矩阵的逆矩阵和非块对角矩阵，通过Neumann迭代的方式近似得到Gram矩阵的逆矩阵，将所述Gram矩阵的逆矩阵代入到MMSE中估计发送向量的计算公式得到Neumann迭代方式下的估计发送向量。

5.根据权利要求1所述的一种MMSE检测方法，其特征在于：根据所述发送向量的估计值进行判决，得到发送信号的检测值，包括：

在星座图的符号集合中找到与所述发送向量的估计值欧氏距离最近的一组符号，将这组符号组成的向量作为发送信号的检测值。

6.一种MMSE检测装置，其特征在于：包括：

获取模块，用于获取接收信号、每个用户端分配的天线数目、信道矩阵和噪声方差；

矩阵对角分块模块，用于根据信道矩阵和噪声方差计算Gram矩阵，根据每个用户端分配的天线数目从Gram矩阵中提取若干个子块矩阵，并得到非块对角矩阵；根据对所述子块矩阵分别求逆得到子块矩阵的逆矩阵，将所述子块矩阵的逆矩阵沿着对角线组合得到块对角矩阵的逆矩阵；

检测值迭代确定模块，用于根据所述块对角矩阵的逆矩阵、非块对角矩阵、接收信号和信道矩阵，通过Neumann迭代的方式得到MMSE中的发送向量的估计值；根据发送向量的估计值进行判决，得到发送信号的检测值；

所述通过Neumann迭代的方式得到MMSE中的发送向量的估计值，包括：

对第k次Neumann迭代时的发送向量公式：

进行迭代，判断是否达到最大迭代次数L，若达到，则将最后一次迭代得到的发送向量

作为发送向量的估计值；

其中，

为D^-1H^Hy，H为信道矩阵；E为非块对角矩阵；D^-1为块对角矩阵的逆矩阵；y为接收信号。

7.根据权利要求6所述的一种MMSE检测装置，其特征在于：所述根据每个用户端分配的天线数目从Gram矩阵中提取若干个子块矩阵，并得到非块对角矩阵，包括：

从Gram矩阵中的主对角线方向依次提取出m个子块矩阵，所述子块矩阵大小为：m_UE×m_UE，m为发送端的用户数量，m_UE为每个用户端的天线数目；

Gram矩阵中去除子块矩阵得到非块对角矩阵。

8.根据权利要求6所述的一种MMSE检测装置，其特征在于：对所述子块矩阵求逆的方法包括：Cholesky算法。

9.根据权利要求6所述的一种MMSE检测装置，其特征在于：根据所述块对角矩阵的逆矩阵、非块对角矩阵、接收信号、信道矩阵，通过Neumann迭代的方式得到MMSE中的发送向量的估计值，包括：

根据所述块对角矩阵的逆矩阵、非块对角矩阵、接收信号和信道矩阵，对Neumann迭代方式下的估计发送向量进行迭代计算，将达到最大迭代次数时的估计值作为发送向量的估计值；

其中，根据所述块对角矩阵的逆矩阵和非块对角矩阵，通过Neumann迭代的方式近似得到Gram矩阵的逆矩阵，将所述Gram矩阵的逆矩阵代入到MMSE中估计发送向量的计算公式得到Neumann迭代方式下的估计发送向量。

10.根据权利要求6所述的一种MMSE检测装置，其特征在于：根据所述发送向量的估计值进行判决，得到发送信号的检测值，包括：

在星座图的符号集合中找到与所述发送向量的估计值欧氏距离最近的一组符号，将这组符号组成的向量作为发送信号的检测值。

11.一种MMSE检测设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1～5中任意一项所述MMSE检测方法。

12.一种计算机可读存储介质，其特征在于，存储有计算机可执行指令，所述计算机可执行指令用于执行权利要求1～5中任意一项所述MMSE检测方法。

Images