CN113726368A - 一种基于星座约束干扰消除的lts信号检测方法 - Google Patents

一种基于星座约束干扰消除的lts信号检测方法 Download PDF

Info

Publication number
CN113726368A
CN113726368A CN202111020345.XA CN202111020345A CN113726368A CN 113726368 A CN113726368 A CN 113726368A CN 202111020345 A CN202111020345 A CN 202111020345A CN 113726368 A CN113726368 A CN 113726368A
Authority
CN
China
Prior art keywords
algorithm
lts
signal
mmse
unreliable
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.)
Pending
Application number
CN202111020345.XA
Other languages
English (en)
Inventor
冯姣
徐子文
乔杰
程方
李鹏
周华
张治中
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.)
Nanjing University of Information Science and Technology
Original Assignee
Nanjing University of Information Science and Technology
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 Nanjing University of Information Science and Technology filed Critical Nanjing University of Information Science and Technology
Priority to CN202111020345.XA priority Critical patent/CN113726368A/zh
Publication of CN113726368A publication Critical patent/CN113726368A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B1/00—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission
    • H04B1/69—Spread spectrum techniques
    • H04B1/707—Spread spectrum techniques using direct sequence modulation
    • H04B1/7097—Interference-related aspects
    • H04B1/7103—Interference-related aspects the interference being multiple access interference
    • H04B1/7107—Subtractive interference cancellation
    • H04B1/71072—Successive interference cancellation
    • 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
    • H04L25/00—Baseband systems
    • H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/0202—Channel estimation
    • H04L25/0204—Channel estimation of multiple channels
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00—Baseband systems
    • H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/0202—Channel estimation
    • H04L25/024—Channel estimation channel estimation algorithms
    • H04L25/0256—Channel estimation using minimum mean square error criteria
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00—Baseband systems
    • H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/03—Shaping networks in transmitter or receiver, e.g. adaptive shaping networks
    • H04L25/03006—Arrangements for removing intersymbol interference
    • H04L25/03178—Arrangements involving sequence estimation techniques
    • H04L25/03305—Joint sequence estimation and interference removal
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L27/00—Modulated-carrier systems
    • H04L27/32—Carrier systems characterised by combinations of two or more of the types covered by groups H04L27/02, H04L27/10, H04L27/18 or H04L27/26
    • H04L27/34—Amplitude- and phase-modulated carrier systems, e.g. quadrature-amplitude modulated carrier systems
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00—Baseband systems
    • H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/03—Shaping networks in transmitter or receiver, e.g. adaptive shaping networks
    • H04L25/03006—Arrangements for removing intersymbol interference
    • H04L2025/0335—Arrangements for removing intersymbol interference characterised by the type of transmission
    • H04L2025/03426—Arrangements for removing intersymbol interference characterised by the type of transmission transmission using multiple-input and multiple-output channels

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Power Engineering (AREA)
  • Digital Transmission Methods That Use Modulated Carrier Waves (AREA)

Abstract

本发明公开了一种基于星座约束干扰消除的LTS信号检测方法，包括步骤1、LTS算法初始化；步骤2、将LTS算法中需要执行RTS算法的层，引入用于信号可靠性判断的CC结构，进行可靠性判断；步骤3、将可靠性判断的结果结合SIC算法，实现基于星座约束干扰消除的LTS信号检测。与传统的LTS算法相比，本发明通过CC‑SIC结构只对不可靠信号执行RTS算法，无需对所有信号执行RTS算法，因此省略了邻域空间中的大量搜索，适用于大规模MIMO系统高阶调制模式的LTS信号检测，与原算法获得相近检测性能的同时，能够有效地降低LTS算法的计算复杂度。

Description

一种基于星座约束干扰消除的LTS信号检测方法
技术领域
本发明属于信号检测技术领域，具体涉及一种基于星座约束干扰消除的LTS信号检测方法。
背景技术
随着全球网络数据流量的高速增长，传统MIMO(Multiple-Input Multiple-Output,MIMO)技术在无线通信系统中的传输容量难以满足数据传输需求。理论研究表明，在相同带宽下，最小天线数目越大其系统容量也将越大。
2010年贝尔实验室的科学家Thomas L.Marzetta首先提出了大规模MIMO技术，该技术在基站端配备大量天线对多个用户端传输数据，充分利用了空间自由度，与传统MIMO技术相比，大规模MIMO技术能够大幅度降低发射功率、提高频谱的使用频率和信道容量，现已成为通信领域中的关键技术。
但随着天线数目不断增大，适用于传统MIMO系统的常见检测算法受到复杂度和检测性能的限制难以直接运用于大规模MIMO系统。因此研究出复杂度较低且检测性能较高的大规模MIMO信号检测算法意义重大。
主动禁忌搜索(Reactive Tabu Search,RTS)算法是一种现有的大规模MIMO信号检测算法，它可以在低阶调制模式的大规模系统中取得近似最优的检测性能，但是在高阶调制模式下RTS算法的检测性能与理想算法差距较大。
为解决高阶调制方式下RTS算法检测性能较差的问题，Srinidhi N,Datta T等人提出了一种基于分层算法的RTS(LTS)算法，该算法凭借需要在多个系统下执行RTS算法的特性提高了系统的检测性能，这就导致传统的LTS算法具有较高的计算复杂度。
发明内容
本发明所要解决的技术问题是针对上述现有技术的不足，提供一种基于星座约束干扰消除的LTS信号检测方法，提出一种基于星座距离干扰消除的改进LTS(ConstellationConstraints Successive Interference Cancellation-LTS,CC-SIC-LTS)算法，通过结合CC结构与SIC算法，从而达到降低LTS算法检测复杂度的目的。
为实现上述技术目的，本发明采取的技术方案为：
一种基于星座约束干扰消除的LTS信号检测方法，包括：
步骤1、LTS算法初始化；
步骤2、将LTS算法中需要执行RTS算法的层，引入用于信号可靠性判断的CC结构，进行可靠性判断；
步骤3、将可靠性判断的结果结合SIC算法，实现基于星座约束干扰消除的LTS信号检测。
为优化上述技术方案，采取的具体措施还包括：
上述的步骤1中，同时初始解向量的量化值以及其相对应的软输出。
上述的步骤2中，使用sit向量表示信号可靠性结果，sit(i)＝0表示该信号可靠，sit(i)＝1表示该信号不可靠。
上述的步骤3中，将信号sit(i)＝0对应的可靠信号、信道的列向量分量以及接收信号中关于可靠信号的信息进行消除，仅将初始解向量中剩余不可靠信号执行RTS算法。
上述的步骤1具体包括：
步骤1.1：根据MMSE线性检测算法计算发送信号的软输出值
Figure BDA0003241177160000024
步骤1.2：计算与软输出
Figure BDA0003241177160000026
最临近的星座点，作为MMSE的量化估计值
Figure BDA0003241177160000025
步骤1.3：获取量化值
Figure BDA0003241177160000027
对应的邻居向量xstemp；
步骤1.4：设置算法的迭代次数；
步骤1.5：利用QR算法计算当前邻居向量xstemp中的最优邻居
Figure BDA0003241177160000028
作为搜索的初始解。
上述的步骤2具体为：根据CC结构判断MMSE软输出
Figure BDA0003241177160000029
中每个元素的可靠性，如果不可靠，变量sit(i)设为1；如果可靠，变量sit(i)设为0。
上述的步骤3具体包括：
步骤3.1：利用SIC算法消除解向量中被判断为可靠的MMSE检测结果，仅保留解向量中的不可靠估计；
步骤3.2：利用LTS算法计算不可靠估计的最佳检测结果
Figure BDA0003241177160000021
上述的步骤3.1具体为：挑选出MMSE算法检测结果中的不可靠估计值，如果MMSE软输出
Figure BDA0003241177160000022
中的第i个元素被判定为可靠，即sit(i)为0，将该元素从MMSE检测的量化估计值
Figure BDA0003241177160000023
中删除，并将上三角阵中的第i行去掉得到新的上三角阵
Figure BDA0003241177160000031
然后从接收信号中消除该可靠信号产生的干扰。
上述的步骤3.2具体包括：
步骤3.2.1：将迭代计数变量i的初始值设为1；
步骤3.2.2：将简化邻域空间L的初始值设为空矩阵；
步骤3.2.3：经过步骤3.2.1-步骤3.2.2处理，更新后的解向量
Figure BDA0003241177160000032
只包含不可靠估计的量化值，对更新后的
Figure BDA0003241177160000033
中每个元素进行如下处理：
首先找出
Figure BDA0003241177160000034
中第k个不可靠估计值的邻居符号c，然后将添加c到
Figure BDA0003241177160000035
的所有邻居符号矩阵L中，从而构成
Figure BDA0003241177160000036
的简化邻域空间；
步骤3.2.4：对简化邻域空间L执行iter次传统RTS算法，得到最终优化的检测结果
Figure BDA0003241177160000037
本发明具有以下有益效果：
本发明是基于星座约束干扰消除的LTS(CC-SIC-LTS)信号检测方法。经研究发现，传统的LTS算法虽能在高阶调制模式时取得良好的检测性能但具有较高的检测复杂度，这是由于在检测过程中需要执行RTS算法的子向量越来越长。本发明通过CC结构结合SIC算法干扰消除的特性对需要执行RTS算法的子向量进行处理，仅对解向量中剩余不可靠信号执行RTS算法，这种方法会大幅度降低算法的邻域空间从而达到有效降低LTS算法计算复杂度的目的。在实际应用中，可以做到保证原有算法性能的同时降低原算法的复杂度。
与传统的LTS算法相比，本发明通过CC-SIC结构只对不可靠信号执行RTS算法，无需对所有信号执行RTS算法，因此省略了邻域空间中的大量搜索，适用于大规模MIMO系统高阶调制模式的LTS信号检测，与原算法获得相近检测性能的同时，能够有效地降低LTS算法的计算复杂度。
附图说明
图1为本发明流程图；
图2为LTS算法流程图；
图3为BPSK调制信号概率分布；
图4为16QAM调制下CC结构装置图；
图5为64QAM调制下CC结构装置图；
图6为16QAM调制方式下误码率与阈值之间的关系图；
图7为64QAM调制方式下误码率与阈值之间的关系图；
图8为16QAM调制方式下算法性能对比图；
图9为64QAM调制方式下算法性能对比图；
图10为16QAM调制方式下算法复杂度对比图；
图11为64QAM调制方式下算法复杂度对比图。
具体实施方式
以下结合附图对本发明的实施例作进一步详细描述。
在介绍改进算法之前首先介绍本文基础的LTS算法以及CC结构的原理。
设信道矩阵为H，对H进行QR分解，H＝QR，其中Q为酉矩阵，R为上三角矩阵。那么利用最大似然检测(ML)算法计算的对原始发送信号的估计值等效为：
Figure BDA0003241177160000041
式中
Figure BDA0003241177160000042
由于R为上三角矩阵所以上层信号会受到下层信号的干扰，因此LTS算法将从没有任何层干扰的第Nt层开始执行，然后对仅有第Nt层干扰的第Nt-1层进行检测，然后依次执行直至算法检测所有层的子向量。
下文中
Figure BDA0003241177160000043
表示采用线性检测算法的量化值，
Figure BDA0003241177160000044
表示检测出的解向量，
Figure BDA0003241177160000045
表示解向量
Figure BDA0003241177160000046
的第i个元素，dmin代表星座中两符号间最短的欧氏距离，rij表示上三角矩阵R第i行j列的元素，LTS具体算法流程图如2所示：
1.首先对第k层数据执行干扰消除操作，即消除第k+1到Nt层的检测符号对其造成的干扰：
Figure BDA0003241177160000047
2.rk的量化值记为aq，aq∈A，如果|rk-aq|＜δdmin，0＜δ＜0.5，那么第k层跳过RTS算法且
Figure BDA0003241177160000048
并令k＝k-1；如果|rk-aq|≥δdmin，则
Figure BDA0003241177160000049
且对该层执行初始解向量为
Figure BDA00032411771600000410
信道矩阵为
Figure BDA00032411771600000411
以及该层等效接收向量为
Figure BDA00032411771600000412
的RTS算法，其中
Figure BDA0003241177160000051
更新该层输出解向量
Figure BDA0003241177160000052
并令k＝k-1。更新的子向量会作为下一层搜索算法的初始解向量。
3.如果k＝1，则将
Figure BDA0003241177160000053
作为最终的解向量输出，否则令k＝k-1返回步骤1继续执行。
4.当k＝1时得到的解向量
Figure BDA0003241177160000054
作为算法的最终输出向量。
对LTS算法中需要执行RTS算法的层，其初始解由MMSE线性算法获得，MMSE线性检测器的输出如下：
Figure BDA0003241177160000055
其中
Figure BDA0003241177160000056
为MMSE检测的软输出值，x为
Figure BDA0003241177160000057
的量化值，即与
Figure BDA0003241177160000058
最临近的星座点，
Figure BDA0003241177160000059
为等效噪声。经MMSE滤波后
Figure BDA00032411771600000510
仍然服从正态分布，因此，
Figure BDA00032411771600000511
服从正态分布会使得
Figure BDA00032411771600000512
分布在x临近区域的概率远大于分布在远离x点区域的概率。因此检测信号的软输出值和其最近的星座点之间距离(d)便可以作为可靠性的度量标准。
当发射信号经过二进制相移键控(Binary Phase Shift Keying，BPSK)调制时，其接收信号分布大致如图3所示，初始发射信号为±μ且μ的取值为1。公式(4)中x的取值将为±μ，
Figure BDA00032411771600000513
则是对发射信号的偏移。当偏移足够大使检测信号落入发射信号分布的交叠区域会影响检测算法量化值的正确性从而导致算法检测性能的下降。由BPSK调制信号的分布概率分析可知，在x＝0附近两个初始信号分布出现交叠现象说明检测信号被误判的概率最大。所以可以在[-μ,μ]间设置一个用dth定义的不可靠区域，其中dth的取值可以通过优化方法获得也可以是预先设定的定值。经过线性滤波器检测的信号值会落入下面几个区域：
Figure BDA00032411771600000514
或
Figure BDA00032411771600000515
虽然
Figure BDA00032411771600000516
离初始信号较远，但BPSK调制只有两个初始信号，此时该信号被正确检测的概率较大，所以该区域称为可靠区域。
Figure BDA0003241177160000061
或
Figure BDA0003241177160000062
经过滤波后的估计信号落入最靠近初始信号的区域，此时该信号被正确检测的概率较大，所以该区域称为可靠区域。
Figure BDA0003241177160000063
的初始信号可能会交错落入另一个取值的区间内部，使得信号判决错误的概率较大，所以该区域称为不可靠区域。
当信号采用4QAM调制时其经过线性滤波后的信号分布也会在远离初始信号的区域出现交叠现象，所以信号在4QAM调制方式下也可以采用BPSK调制类似的方式来判断检测信号的可靠性。且经过线性滤波的检测信号在16QAM和64QAM调制模式下与在低阶调制模式下有着相似的分布特性，依旧表现为检测信号集中分布在初始信号的星座点附近，且远离初始信号星座点的区域出现交叠现象，所以16QAM和64QAM定义不可靠区域可以参考BPSK调制的方式：以星座点为中心半径大于阈值dth的区域为不可靠区域。具体表现为图4和图5，图中参数dth表示CC结构的检测半径用以约束阴影区域，d表示检测信号与最近的星座点之间的距离。dth的取值可以通过优化方法获得，也可以是预先设定的定值，本文将dth设为能平衡复杂度与误码率性能的定值。
在LTS算法中，复杂度最高的部分为所有执行RTS算法所需复杂度的总和，对于RTS邻域搜索算法中，计算复杂度最高的部分为计算邻域空间内所有邻居向量ML代价函数所需的运算量。即邻域空间的大小影响了LTS算法的检测复杂度。所以受SIC算法随检测层数的增加每个阶段将删除更多的信号成分从而使剩余信号具有更少干扰的启发，将SIC算法与CC结构结合来降低LTS算法的复杂度。据此本发明提出了一种低复杂度的基于星座约束干扰消除的LTS(CC-SIC-LTS)信号检测方法，本发明CC-SIC-LTS算法需要执行RTS算法的层的伪代码如表1所示。
如图1所示，本发明一种基于星座约束干扰消除的LTS信号检测方法，包括：
步骤1、LTS算法初始化：
算法的初始化部分，同时考虑初始解向量的量化值以及其相对应的软输出，这是由于量化值和软输出之间的欧氏距离是CC结构判断信号可靠性的依据。
步骤2、将LTS算法中需要执行RTS算法的层，引入用于信号可靠性判断的CC结构，进行可靠性判断；
在CC结构部分使用sit向量表示信号可靠性结果，sit(i)＝0表示该信号可靠，sit(i)＝1表示该信号不可靠。
步骤3、将可靠性判断的结果结合SIC算法，实现基于星座约束干扰消除的LTS信号检测。
在CC-SIC算法部分，将信号sit(i)＝0对应的可靠信号、信道的列向量分量以及接收信号中关于可靠信号的信息进行消除。仅将初始解向量中剩余不可靠信号执行RTS算法。
实施例中，所述步骤1具体包括：
步骤1.1：根据MMSE线性检测算法计算发送信号的软输出值
Figure BDA0003241177160000071
步骤1.2：计算与软输出
Figure BDA0003241177160000072
最临近的星座点，作为MMSE的量化估计值
Figure BDA0003241177160000073
步骤1.3：获取量化值
Figure BDA0003241177160000074
对应的邻居向量xstemp；
步骤1.4：设置算法的迭代次数；
步骤1.5：利用QR算法计算当前邻居向量xstemp中的最优邻居
Figure BDA0003241177160000075
作为搜索的初始解。
实施例中，所述步骤2具体为：根据CC结构判断MMSE软输出
Figure BDA0003241177160000076
中每个元素的可靠性，如果不可靠，变量sit(i)设为1；如果可靠，变量sit(i)设为0。
实施例中，所述步骤3具体包括：
步骤3.1：利用SIC算法消除解向量中被判断为可靠的MMSE检测结果，仅保留解向量中的不可靠估计；
步骤3.2：利用LTS算法计算不可靠估计的最佳检测结果
Figure BDA0003241177160000077
实施例中，所述步骤3.1具体为：挑选出MMSE算法检测结果中的不可靠估计值，如果MMSE软输出
Figure BDA0003241177160000078
中的第i个元素被判定为可靠，即sit(i)为0，将该元素从MMSE检测的量化估计值
Figure BDA0003241177160000079
中删除，并将上三角阵中的第i行去掉得到新的上三角阵
Figure BDA00032411771600000710
然后从接收信号中消除该可靠信号产生的干扰。
实施例中，所述步骤3.2具体包括：
步骤3.2.1：将迭代计数变量i的初始值设为1；
步骤3.2.2：将简化邻域空间L的初始值设为空矩阵；
步骤3.2.3：经过步骤3.2.1-步骤3.2.2处理，更新后的解向量
Figure BDA00032411771600000711
只包含不可靠估计的量化值，对更新后的
Figure BDA00032411771600000712
中每个元素进行如下处理：
首先找出
Figure BDA00032411771600000713
中第k个不可靠估计值的邻居符号c，然后将添加c到
Figure BDA00032411771600000714
的所有邻居符号矩阵L中，从而构成
Figure BDA0003241177160000081
的简化邻域空间；
步骤3.2.4：对简化邻域空间L执行iter次传统RTS算法，得到最终优化的检测结果
Figure BDA0003241177160000082
实施例：
本发明CC-SIC-LTS算法伪代码如表1所示：
表1本发明CC-SIC-LTS算法伪代码
Figure BDA0003241177160000083
Figure BDA0003241177160000091
表1列出了本发明CC-SIC-LTS算法的伪代码：
第1行至第5行完成初始化；
第6行至第13行根据CC结构判定MMSE检测结果的可靠性；
第14行至第20行利用SIC算法消除解向量中被判断为可靠的MMSE检测结果，仅保留解向量中的不可靠估计；
第21行至第30行利用LTS算法计算不可靠估计的最佳检测结果
Figure BDA0003241177160000092
具体解释如下：
第1行：首先根据MMSE线性检测算法计算发送信号的软输出值
Figure BDA0003241177160000093
第2行：然后计算与软输出
Figure BDA0003241177160000094
最临近的星座点，作为MMSE的量化估计值
Figure BDA0003241177160000095
第3行：获取量化值
Figure BDA0003241177160000096
对应的邻居向量xstemp；
第4行：设置算法的迭代次数；
第5行：利用QR算法计算当前邻居向量xstemp中的最优邻居
Figure BDA0003241177160000097
作为搜索的初始解；
第6行～第13行：根据CC结构判断MMSE软输出
Figure BDA0003241177160000098
中每个元素的可靠性。如果不可靠，变量sit(i)设为1(第8行和第9行)；如果可靠，变量sit(i)设为0(第10行和第11行)；
第14行～第20行：挑选出MMSE算法检测结果中的不可靠估计值。如果MMSE软输出
Figure BDA0003241177160000099
中的第i个元素被判定为可靠(第15行)，即sit(i)为0，将该元素从MMSE检测的量化估计值
Figure BDA00032411771600000910
中删除(第16行)，并将上三角阵中的第i行去掉得到新的上三角阵
Figure BDA00032411771600000911
(第17行)，然后从接收信号中消除该可靠信号产生的干扰(第18行)。
第21行：将迭代计数变量i的初始值设为1；
第22行：将简化邻域空间L的初始值设为空矩阵；
第23行～第26行：经过上述处理，更新后的解向量
Figure BDA00032411771600000912
只包含不可靠估计的量化值，第23行至第26行对更新后的
Figure BDA00032411771600000915
中每个元素进行如下处理：首先找出
Figure BDA00032411771600000913
中第k个不可靠估计值的邻居符号c(第24行)，然后将添加c到
Figure BDA00032411771600000916
的所有邻居符号矩阵L中，从而构成
Figure BDA00032411771600000914
的简化邻域空间(第25行)。
第27行～第30行：对简化邻域空间L执行iter次传统RTS算法，得到最终优化的检测结果
Figure BDA0003241177160000101
为了检测本发明CC-SIC-LTS算法的性能，发明利用MATLAB仿真软件搭建天线数分别为8×8,16×16,32×32,64×64的四个MIMO系统，信号调制方式为16QAM和64QAM，传输信道H服从瑞利分布。
图6和图7仿真了16QAM和64QAM调制模式下，算法性能与CC结构阈值的关系，从图6可知，阈值小于0.1时本发明CC-SIC-LTS算法的误码率与传统LTS算法性能相当，当阈值大于0.1后会本发明CC-SIC-LTS算法检测性能将随着阈值的增大而逐渐高于传统LTS算法，可见阈值会影响算法的性能。这是由于随着阈值的增大会使得被判定为可靠信号的比例增大导致简化的邻域空间中含有的向量变少，所以阈值选取越大算法复杂度越低。结合算法性能和复杂度的分析将在后续信号采用16QAM调制方式的仿真中将阈值设定为0.1。同理将信号采用64QAM时将算法阈值选定为0.04。
图8和图9分别仿真了在收发天线系统模型为8×8,16×16,32×32,64×64中，信号采用16QAM调制模式下阈值设定为0.1时与信号采用64QAM调制模式下阈值设定为0.04时本发明CC-SIC-LTS算法与传统LTS，MMSE以及SISO AWGN算法的检测性能效果。仿真结果表明无论信号采用16QAM调制还是64QAM调制，本发明CC-SIC-LTS算法的检测性能都远优于MMSE线性检测算法且其检测性能接近于传统LTS算法。
从算法复杂度上分析：
搜索算法的复杂度很难用数学公式来定义，只能通过仿真给出平均每比特符号的复杂度。对RTS算法来说，计算复杂度最高的部分为计算ML代价函数值，所以文中RTS算法的计算复杂度将只考虑ML代价函数值所涉及的矩阵运算。对LTS算法来说，计算复杂度最高的部分是多次执行的RTS算法的计算复杂度之和，简而言之本实施例分析的LTS算法计算复杂度仅为执行RTS算法层的矩阵间运算涉及的乘法和加法次数，如表2所示。
表2算法复杂度
Figure BDA0003241177160000102
Figure BDA0003241177160000111
表中N＝Nt＝Nr表示接收发射天线数目，iter表示算法的迭代次数，K表示邻居数量，ni表示LTS算法中需要执行RTS算法层的发射端天线数目其取值来源于ni∈{1,2,...,Nt}，但并不代表每层都需要执行RTS算法，具体需要执行的层给定条件获得，q表示执行RTS算法时子向量中被判定为不可靠信号的占比其取值为q∈[0,1]。
为了更加直观地观察算法复杂度，图10给出了天线系统模型为8×8,16×16,32×32,64×64下信号采用16QAM调制模式且阈值设定为0.1，图11对比了信号采用64QAM调制且阈值设定为0.04时，本发明CC-SIC-LTS算法和LTS算法需要执行RTS算法的层所需要的每符号平均运算次数对比。说明改进的本发明CC-SIC-LTS算法通过仅对不可靠信号执行RTS算法能够有效地降低传统LTS算法的检测复杂度。
综上仿真可知，本文提出的本发明CC-SIC-LTS算法能够保证在不损失LTS算法性能的同时，有效地降低传统LTS算法的计算复杂度。
以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，应视为本发明的保护范围。

Claims (9)

1.一种基于星座约束干扰消除的LTS信号检测方法，其特征在于，包括：
步骤1、LTS算法初始化；
步骤2、将LTS算法中需要执行RTS算法的层，引入用于信号可靠性判断的CC结构，进行可靠性判断；
步骤3、将可靠性判断的结果结合SIC算法，实现基于星座约束干扰消除的LTS信号检测。
2.根据权利要求1所述的一种基于星座约束干扰消除的LTS信号检测方法，其特征在于，所述步骤1中，同时初始解向量的量化值以及其相对应的软输出。
3.根据权利要求1所述的一种基于星座约束干扰消除的LTS信号检测方法，其特征在于，所述步骤2中，使用sit向量表示信号可靠性结果，sit(i)＝0表示该信号可靠，sit(i)＝1表示该信号不可靠。
4.根据权利要求3所述的一种基于星座约束干扰消除的LTS信号检测方法，其特征在于，所述步骤3中，将信号sit(i)＝0对应的可靠信号、信道的列向量分量以及接收信号中关于可靠信号的信息进行消除，仅将初始解向量中剩余不可靠信号执行RTS算法。
5.根据权利要求1所述的一种基于星座约束干扰消除的LTS信号检测方法，其特征在于，所述步骤1具体包括：
步骤1.1：根据MMSE线性检测算法计算发送信号的软输出值
Figure FDA0003241177150000011
步骤1.2：计算与软输出
Figure FDA0003241177150000012
最临近的星座点，作为MMSE的量化估计值
Figure FDA0003241177150000013
步骤1.3：获取量化值
Figure FDA0003241177150000014
对应的邻居向量xstemp；
步骤1.4：设置算法的迭代次数；
步骤1.5：利用QR算法计算当前邻居向量xstemp中的最优邻居
Figure FDA0003241177150000015
作为搜索的初始解。
6.根据权利要求5所述的一种基于星座约束干扰消除的LTS信号检测方法，其特征在于，所述步骤2具体为：根据CC结构判断MMSE软输出
Figure FDA0003241177150000016
中每个元素的可靠性，如果不可靠，变量sit(i)设为1；如果可靠，变量sit(i)设为0。
7.根据权利要求6所述的一种基于星座约束干扰消除的LTS信号检测方法，其特征在于，所述步骤3具体包括：
步骤3.1：利用SIC算法消除解向量中被判断为可靠的MMSE检测结果，仅保留解向量中的不可靠估计；
步骤3.2：利用LTS算法计算不可靠估计的最佳检测结果
Figure FDA0003241177150000021
8.根据权利要求7所述的一种基于星座约束干扰消除的LTS信号检测方法，其特征在于，所述步骤3.1具体为：挑选出MMSE算法检测结果中的不可靠估计值，如果MMSE软输出
Figure FDA0003241177150000022
中的第i个元素被判定为可靠，即sit(i)为0，将该元素从MMSE检测的量化估计值
Figure FDA0003241177150000023
中删除，并将上三角阵中的第i行去掉得到新的上三角阵
Figure FDA0003241177150000024
然后从接收信号中消除该可靠信号产生的干扰。
9.根据权利要求8所述的一种基于星座约束干扰消除的LTS信号检测方法，其特征在于，所述步骤3.2具体包括：
步骤3.2.1：将迭代计数变量i的初始值设为1；
步骤3.2.2：将简化邻域空间L的初始值设为空矩阵；
步骤3.2.3：经过步骤3.2.1-步骤3.2.2处理，更新后的解向量
Figure FDA0003241177150000025
只包含不可靠估计的量化值，对更新后的
Figure FDA0003241177150000026
中每个元素进行如下处理：
首先找出
Figure FDA0003241177150000027
中第k个不可靠估计值的邻居符号c，然后将添加c到
Figure FDA0003241177150000028
的所有邻居符号矩阵L中，从而构成
Figure FDA0003241177150000029
的简化邻域空间；
步骤3.2.4：对简化邻域空间L执行iter次传统RTS算法，得到最终优化的检测结果
Figure FDA00032411771500000210
CN202111020345.XA 2021-09-01 2021-09-01 一种基于星座约束干扰消除的lts信号检测方法 Pending CN113726368A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111020345.XA CN113726368A (zh) 2021-09-01 2021-09-01 一种基于星座约束干扰消除的lts信号检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111020345.XA CN113726368A (zh) 2021-09-01 2021-09-01 一种基于星座约束干扰消除的lts信号检测方法

Publications (1)

Publication Number Publication Date
CN113726368A true CN113726368A (zh) 2021-11-30

Family

ID=78680487

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111020345.XA Pending CN113726368A (zh) 2021-09-01 2021-09-01 一种基于星座约束干扰消除的lts信号检测方法

Country Status (1)

Country Link
CN (1) CN113726368A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101106407A (zh) * 2006-07-10 2008-01-16 华为技术有限公司 天线发射机/接收机、天线收发系统及其实现收发的方法
EP2458747A1 (en) * 2010-11-30 2012-05-30 ST-Ericsson SA Detection process for a receiver of a wireless MIMO communication system
CN105406909A (zh) * 2015-10-27 2016-03-16 电子科技大学 基于内迭代干扰消除的mimo检测方法及系统
CN105827290A (zh) * 2016-03-31 2016-08-03 南京信息工程大学 Mimo系统中基于候选机制的串行干扰消除检测算法
CN113098571A (zh) * 2021-03-23 2021-07-09 安徽大学 大规模mimo系统信号检测方法、系统、基站及存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101106407A (zh) * 2006-07-10 2008-01-16 华为技术有限公司 天线发射机/接收机、天线收发系统及其实现收发的方法
EP2458747A1 (en) * 2010-11-30 2012-05-30 ST-Ericsson SA Detection process for a receiver of a wireless MIMO communication system
CN105406909A (zh) * 2015-10-27 2016-03-16 电子科技大学 基于内迭代干扰消除的mimo检测方法及系统
CN105827290A (zh) * 2016-03-31 2016-08-03 南京信息工程大学 Mimo系统中基于候选机制的串行干扰消除检测算法
CN113098571A (zh) * 2021-03-23 2021-07-09 安徽大学 大规模mimo系统信号检测方法、系统、基站及存储介质

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
N.SRINIDHI,T.DATTA,ET AL.: "Layered Tabu Search Algorithm for Large-MIMO Detection and a Lower Bound on ML Performance", 《IEEE TRANSACTIONS ON COMMUNICATIONS》 *
PENG LI AND RODRIGO C. DE LAMARE: "Adaptive Decision Feedback Detection with Constellation Constraints for Multi-Antenna Systems", 《IEEE TRANSACTIONS ON VEHICULAR TECHNOLOGY》 *
张晓飞: "MIMO无线通信中低复杂度信号检测算法的研究", 《中国优秀硕士学位论文全文数据库》 *
蔡剑兴: "大规模MIMO系统的接收检测算法研究", 《中国优秀硕士学位论文全文数据库》 *

Similar Documents

Publication Publication Date Title
US7330519B2 (en) Method for decoding linear space-time codes in a multiple-antenna wireless transmission system and decoder therefor
CN101499840B (zh) 多入多出系统的迭代检测方法
US8290096B2 (en) Radius adaptive sphere decoding with probabilistic noise constraint
US8295378B2 (en) Method and system for minimum mean squared error soft interference cancellation (MMSE-SIC) based suboptimal maximum likelihood (ML) detection for multiple input multiple output (MIMO) wireless system
CN109245804B (zh) 基于雅可比迭代的大规模mimo信号检测方法
CN109951214B (zh) 一种适用于大规模mimo系统的信号检测方法
CN112242861B (zh) 大规模mimo系统的用户活跃性和信号联合检测方法
US8488721B2 (en) Adaptive QRD-M algorithm based signal detecting method by using constellation set grouping in spatial multiplexing multiple-input multiple-output system
WO2008026036A2 (en) Apparatus, method and computer program product providing soft decision generation with lattice reduction aided mimo detection
CN110417515B (zh) 一种基于离散迭代估计的大规模mimo信号检测方法
CN114124168A (zh) 一种基于深度学习的mimo-noma系统信号检测方法及系统
CN109818891B (zh) 一种格基约减辅助的低复杂度贪心球形译码检测方法
CN113726368A (zh) 一种基于星座约束干扰消除的lts信号检测方法
CN111314255B (zh) 一种低复杂度siso和mimo接收机生成方法
CN113938234A (zh) 一种低复杂度稀疏化大规模mimo检测方法
CN114640561A (zh) 一种通信信号传输方法和设备
KR100888649B1 (ko) Ｍｉｍｏ 시스템에서 송신 신호 검출을 위한 복호 장치 및방법
US20080232491A1 (en) Systems and methods for low-complexity mimo detection with analytical leaf-node prediction
CN108737298B (zh) 一种基于图像处理的scma盲检测方法
CN111769975A (zh) Mimo系统信号检测方法及系统
KR20090128061A (ko) 다중 입력 다중 출력 시스템에서 신호 검출을 위한 장치 및방법
CN113114309B (zh) 一种增强的基于信道硬化现象的消息传播方法
CN107342797B (zh) 信号检测方法及装置
AU2020369979B2 (en) M-MIMO receiver
CN114915321B (zh) 一种mimo系统中信号的动态检测方法及装置

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20211130

RJ01 Rejection of invention patent application after publication