CN114389756B - 基于分组ml检测和并行迭代干扰抵消的上行mimo检测方法 - Google Patents
基于分组ml检测和并行迭代干扰抵消的上行mimo检测方法 Download PDFInfo
- Publication number
- CN114389756B CN114389756B CN202210064643.7A CN202210064643A CN114389756B CN 114389756 B CN114389756 B CN 114389756B CN 202210064643 A CN202210064643 A CN 202210064643A CN 114389756 B CN114389756 B CN 114389756B
- Authority
- CN
- China
- Prior art keywords
- detection
- group
- interference cancellation
- parallel
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 131
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 58
- 238000007476 Maximum Likelihood Methods 0.000 claims abstract description 42
- 238000000034 method Methods 0.000 claims abstract description 39
- 239000011159 matrix material Substances 0.000 claims description 51
- 230000005540 biological transmission Effects 0.000 claims description 18
- 239000013598 vector Substances 0.000 claims description 15
- 238000000354 decomposition reaction Methods 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 239000000654 additive Substances 0.000 claims description 4
- 230000000996 additive effect Effects 0.000 claims description 4
- 230000003321 amplification Effects 0.000 claims description 3
- 230000009191 jumping Effects 0.000 claims description 3
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 3
- 238000004088 simulation Methods 0.000 description 12
- 230000000875 corresponding effect Effects 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 7
- 238000013461 design Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000005562 fading Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 230000002238 attenuated effect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- H04L1/0054—Maximum-likelihood or sequential decoding, e.g. Viterbi, Fano, ZJ algorithms
-
- 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
- H04L25/0242—Channel estimation channel estimation algorithms using matrix methods
- H04L25/0244—Channel estimation channel estimation algorithms using matrix methods with inversion
-
- 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
- H04L25/03203—Trellis search techniques
- H04L25/03242—Methods involving sphere decoding
-
- 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
- H04L25/06—Dc level restoring means; Bias distortion correction ; Decision circuits providing symbol by symbol detection
- H04L25/067—Dc level restoring means; Bias distortion correction ; Decision circuits providing symbol by symbol detection providing soft decisions, i.e. decisions together with an estimate of reliability
-
- 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
Abstract
本发明涉及一种基于分组最大似然(ML)检测和并行迭代干扰抵消的上行MIMO检测方法,本检测方法由两个主要部分组成:分组ML检测器和并行迭代干扰抵消器。每次迭代开始时,首先根据上一次迭代输出的检测结果,通过并行干扰抵消,抵消其他组用户对待检测组的影响,再对待检测组内数据流进行ML检测。本检测方法通过分组的ML检测以及简化的排序算法降低了核心检测复杂度,通过迭代并行干扰抵消确保了其优异的检测性能。在高分集度的接收场景下,本方法具有接近最优检测器,全局ML检测的性能。
Description
技术领域
本发明涉及一种基于分组ML(最大似然)检测和并行迭代干扰抵消的上行MIMO(多天线传输)检测方法,属于无线移动通信技术领域。
背景技术
大规模MIMO(Mutiple-Input Multiple-Output)技术首次在第三代移动无线通信网络研究中被提出,该技术旨在利用发送接收多天线来提高频谱效率以及链路可靠度。因此,大规模MIMO技术也成为用于满足用户对第5代移动通信系统更高服务质量(Qos)诉求的关键技术。然而天线与天线之间往往存在干扰,所以为进一步提升通信质量往往需要在基站中额外部署一个MIMO检测算法以抵消天线之间的干扰。
近年来,无线移动网络用户数量巨幅增加,基站与用户之间的交互在一些小城市也已达到艾字节量级。自2015年起至2021年,全球基站与用户的总数据交互量呈指数级增加,用户数的增加对无线移动网络服务者提出了更高频谱效率,更高能量效率,更高传输速率以及更好的移动性的需求。为应对这些需求,一种解决方案便是使用大规模MIMO技术,但是随着天线规模的增大和允许接入的上行链路的增加,MIMO检测器的复杂度也随之快速提高,为解决此问题需要对应部署高性能低复杂度的检测算法
实际上自MIMO技术问世近50年来,MIMO检测器的研究一直在学界具有极高的关注度。一方面随着芯片工艺的提升,计算机算力的增强使得复杂度较高的高性能MIMO检测算法的部署成为可能。另一方面,随着学界对MIMO技术研究的深入,大量高性能可物理实现的算法被提出。MIMO检测算法可大致分为线性检测算法和非线性检测算法两类,其中主流且常用的算法为基于线性最优推导得到的MMSE检测算法,以及基于近似最大似然的固定复杂度的球形译码(FCSD)算法。然而与非线性检测算法性能相比MMSE算法检测性能较差,而具有高检测性能的FCSD算法实现复杂度较高。并且,随着发送数据流的增加,两种算法的复杂度都有显著提升。从检测性能上来说,FCSD检测算法的性能与数据流排序准确度有很大关系,但高性能的排序算法诸如SNR准则排序方法算法复杂度也较高,相比较而言MMSE算法虽然复杂度略低但性能有较明显的衰减并且上述两种算法的算法复杂度都随发送数据流数的增加有显著的增加。
综上所述,目前对于大规模MIMO检测算法的研究一方面需要解决高性能与低复杂度之间的矛盾,另一方面需要解决发送数据流大幅增加以后带来的复杂度的提高问题。
发明内容
本发明所要解决的技术问题是如何提供一种复杂度适中的高性能上行MIMO检测方案。
本发明为了解决上述技术问题采用以下技术方案:本发明设计了一种基于分组ML检测和并行迭代干扰抵消的上行MIMO检测方法,用于针对上行集中式单用户或者多用户MIMO接收信号进行实时检测,针对实时所获得的待检测MIMO信号,执行如下步骤:
步骤A.接收待检测MIMO信号,并针对待检测MIMO信号进行分组ML检测获得并行迭代干扰抵消的初始值,设置好最大迭代次数T,然后进入步骤B,其中待检测MIMO接收信号y可以被表示为:其中,Hi表示第i个用户的信道,xi表示第i个用户的发送数据流,n表示加性白噪声,K表示总用户数,在集中式接收检测的基站中,可以按分块矩阵形式简洁的表达成y=Hx+n的形式/>
步骤B.执行并行干扰抵消,首先将其他组数据流对待检测组数据流的干扰减去,然后对待检测组中数据流用分组ML检测方法进行检测,上述过程以组为单位并行执行并视作一次迭代。本次迭代检测的输出作为下一次迭代的并行干扰抵消初始值。
步骤C.跳转执行步骤B,并将迭代次数加1,直至迭代次数达到预设值,此时并行迭代干扰抵消检测器输出最终检测结果。
作为本发明的一种关键技术方案,所述步骤A中的分组ML检测包括如下步骤:
步骤A1:对发送数据流及信道矩阵进行分组,组内数据流数L应满足2≤L≤4。设发送天线数为Nt,则总共可以分为:P=Nt/L组,分组为连续均匀分组。
步骤A2:根据接收数据按步骤A1的分组结果进行分组排序,并按排序结果调整对应信道矩阵的列顺序为:
步骤A3:对调整过列序的矩阵做QR分解得到/>根据QR分解结果得到接收向量的有效部分yeff=QHy,对矩阵R按步骤A1的分组结果进行分组则第p个分组可以表示为:Rp=[r(p-1)*L+1,r(p-1)*L+2,…,r(p-1)*L+L],ri为矩阵R的第i列向量。
步骤A4:组内使用最大似然检测,第t次迭代第p组的检测过程为CL表示属于调制空间C的调制符号在L个数据流上并行发送时所生成的所有可能的发送符号向量所构成的空间。检测完成后将第p组对其他数据流的干扰抵消,抵消过程可表示为:/>
步骤A5:按p=P,P-1,…,1的顺序进行检测,重复步骤A4直到所有数据流都被检测,输出最终检测结果。
作为本发明的一种优选技术方案,所述步骤A2中的分组排序方法包括如下步骤:
步骤A2.1:用Horigin=H存储得到的信道矩阵后,对信道矩阵H求逆得到Nt为发送天线数,/>为信道逆矩阵H+第i行向量。
步骤A2.2:根据上述的分组结果分别计算待排序组内数据流的总放大系数Score,计算方法如下:当前应当被检测的组为/>
步骤A2.3:删除第pcur组数据流在信道矩阵中对应的列向量,该过程可以表示为:并对进行过删除操作的矩阵进行求逆得到新的H+。本发明中定义矩阵的减操作(-{})为删除{}中对应的列。
步骤A2.4:重复步骤A2.2,A2.3直至所有组都被排序。
步骤A2.5:按照排序结果调整原信道矩阵Horigin的列顺序使得排序靠前的组首先被检测得到
作为本发明的一种关键技术方案,所述步骤B中的迭代干扰抵消方法包括如下步骤:
步骤B1:以上述的分组ML算法作为检测的初始值上标表示迭代次数。
步骤B2:并行的以组为单位进行干扰抵消,对于第p组数据的干扰抵消过程可以表示为:其中/>表示第t次迭代,t=0,…,T-1时得到得第i组数据流的估计值,具体可以表示为/>
步骤B3:并行的以组为单位进行ML检测,第p组数据的检测结果可以表示为:
步骤B4:以B2和B3所构成的干扰抵消与检测为一次迭代,t=t+1重复执行直至达到预设的迭代次数t=T通常T≤5。
本发明所述一种基于分组ML检测和并行迭代干扰抵消的上行MIMO检测方法采用以上技术方案与现有技术相比,具有以下技术效果:
通过分组ML检测以及简化的分组排序方法相比于现有的高性能近似MLD译码检测器(如基于排序的固定复杂度球形检测方法(FCSD))降低了检测的复杂度,通过采取组内ML检测以及并行迭代干扰抵消的方法确保了检测的准确度相比于最优线性检测方法(MMSE)有更好的性能。
附图说明
图1是本发明设计方法的检测流程图;
图2是本发明设计方法中2数据流分组时,分组ML检测的树形搜索示意图;
图3是仿真实施例一:独立复高斯信道下16发送数据流32接收天线所对应的检测性能图;
图4是仿真实施例二:相关信道下16发送数据流32接收天线所对应的检测性能图。
具体实施方式
下面结合说明书附图对本发明的具体实施方式作详细的说明。
本发明提供了一种基于分组ML检测和并行干扰抵消的上行MIMO检测方法,该方法主要由分组ML检测算法和并行迭代干扰抵消两个主要部分组成,其中分组ML算法的检测结果会作为并行干扰抵消方法的初始值,并行干扰抵消完成以后对组内元素采用ML检测方法。作为分组ML检测方法排序部分的一种优选方案,本发明提出了一种基于SNR准则以组为单位进行排序的方案,该方案相比于SNR准则排序方案在排序过程中求逆次数较少所以复杂度更低,相比于不排序的分组ML检测方案又具有更好的性能。综上,本发明给出了一种新型上行MIMO检测方案,可以兼顾计算复杂度和检测性能,相比于线性检测器有更好的检测性能,相比于高性能MLD检测器有更低的复杂度,尤其是在具有一定分集度的MIMO系统中具有接近最优ML检测器的性能。接下来针对本发明所包含的上述重要技术做进一步详细说明。
首先给出本发明仿真过程中所依据的MIMO系统模型。在集中式上行多用户MIMO系统中若假设多个用户同时向基站发送信号则基站侧的接收信号可以表示为:
其中Hi表示第i个用户的信道,xi表示第i个用户的发送数据流,n表示加性白噪声,K表示总用户数,在集中式接收检测的基站中,可以按分块矩阵形式简洁的表达成y=Hx+n的形式。关于每个用户的信道矩阵Hi,本发明假设为相关或独立的复高斯的平坦瑞利衰落信道。复高斯平坦瑞利衰落信道即信道矩阵中的每一个元素满足零均值高斯分布即:这里/>表示克罗内克积,在本发明研究的MIMO系统中假设每个用户都满流发送,用户发送天线数与发送数据流数相等用Lk表示。相关信道即增加了相关性处理的复高斯信道,数学上可以表示为:
其中Rt和Rr为发送端和接收端的相关矩阵,两者元素的取值方法类似,相关矩阵Rt(Rr)中的第i行第j列元素的取值方式如下:
不同之处在于相关矩阵Rr的维度为Nr×Nr,相关矩阵Rt的维度为L×L。式(4)中的ρ被称作相关系数满足0<ρ<1,相关系数设置的越大,生成的相关信道矩阵的相关性越强。
对于上行多用户MIMO系统来说,来自同一个用户的数据流之间的相关性往往较高,而不同用户间的数据流的相关性低。依据此结论本发明中所述的分组算法尽量将同一用户的数据流分入一组中。即每一组中的数据流L满足:
对应的总分组数P则满足:
Nt=K×Lk表示总发送流数,在本系统模型中假设发送流数与发送天线数相等因此也等于总发送天线数,式(2)中的Lmax为人为设置参数,设置时需要综合考虑性能以及运算复杂度,经本发明研究发现,一般设置为4时可以兼顾上述两方面考虑。对于检测算法来说,数据流间的相关性越高,检测准确的难度越大。例如对于线性MMSE检测器来说,其检测性能(检测器输出数据流与真实数据流之间的差别)会随数据流间相关度的提高而大幅增加。因此,本发明对于同组内的高相关数据流采用性能最佳的ML检测方案即
本发明提出的分组ML算法在组间使用了串行干扰抵消方法,串行干扰抵消方法以及球形译码算法如FCSD算法对于检测顺序较为敏感,合理的检测顺序可以提高该方法的检测准确度。但是根据最优检测准则(如SNR准则)得到检测顺序的排序算法,在确定检测顺序时就会消耗大量运算资源。由于数值计算的原因在确定检测顺序的过程中,每次输出当前的待检测数据流,就需要删除该数据流在信道矩阵对应的列以后对信道矩阵H进行重新求逆,运算量巨大,尤其是在大规模MIMO系统中其算法复杂度Θ∝Nt 4,但是本分组ML算法中采用的分组排序算法的复杂度Θ∝P×Nt 3,在Nt较大时可以显著降低算法复杂度。
由于采用简化的排序算法会降低检测的准确度,因此在本发明中还增设了一级并行迭代干扰抵消。并行迭代干扰抵消方法以上述分组ML算法的检测结果作为初始值进行干扰抵消,并且利用了分组排序的结果。作为一种优选方法在迭代干扰抵消中继续对组内采用了ML检测方法,在不显著提高算法复杂度的情况下提升了检测性能。之前提到的排序复杂度可在一定程度上转化为并行迭代干扰抵消产生的运算即在排序时使用更简单的排序算法但是在迭代干扰抵消时增加迭代次数,本发明给出的分组排序加适量次数的并行迭代干扰抵消是经过仿真得出的一种兼顾复杂度和性能的优选方案,本发明在实际部署使用时也可以视情况进行调整。
综上,本发明设计了一种基于分组ML检测和并行干扰抵消的上行MIMO检测方法,用于对上行大规模MIMO场景下的待检测MIMO信号进行实时检测,具体实际应用当中,针对实时所获得的待检测上行MIMO信号,执行如下步骤:
步骤A.接收待检测MIMO信号,并针对待检测MIMO信号进行分组ML检测获得并行迭代干扰抵消的初始值,设置好最大迭代次数T,然后进入步骤B,其中待检测MIMO接收信号y可以被表示为:
其中,Hi表示第i个用户的信道,xi表示第i个用户的发送数据流,n表示加性白噪声,K表示总用户数,在集中式接收检测的基站中,可以按分块矩阵形式简
y=H1x1+H2x2+…+HKxK+n
洁的表达成y=Hx+n的形式
步骤B.执行并行干扰抵消,首先将其他组数据流对待检测组数据流的干扰减去,然后对待检测组中数据流用分组ML检测方法进行检测,上述过程以组为单位并行执行并视作一次迭代。本次迭代检测的输出作为下一次迭代的并行干扰抵消初始值。
步骤C.跳转执行步骤B,并将迭代次数加1,直至迭代次数达到预设值,此时并行迭代干扰抵消检测器输出最终检测结果。
作为本发明的一种关键技术方案,所述步骤A中的分组ML检测包括如下步骤:
步骤A1:对发送数据流及信道矩阵进行分组,组内数据流数L应满足2≤L≤4。设发送天线数为Nt,则总共可以分为:P=Nt/L组,分组为连续均匀分组。
步骤A2:根据接收数据按步骤A1的分组结果进行分组排序,并按排序结果调整对应信道矩阵的列顺序为:
步骤A3:对调整过列序的矩阵做QR分解得到/>根据QR分解结果得到接收向量的有效部分yeff=QHy,对矩阵R按步骤A1的分组结果进行分组则第p个分组可以表示为:Rp=[r(p-1)*L+1,r(p-1)*L+2,…,r(p-1)*L+L],ri为矩阵R的第i列向量。
步骤A4:组内使用最大似然检测,第t次迭代第p组的检测过程为CL表示属于调制空间C的调制符号在L个数据流上并行发送时所生成的所有可能的发送符号向量所构成的空间。检测完成后将第p组对其他数据流的干扰抵消,抵消过程可表示为:/>
步骤A5:按p=P,P-1,…,1的顺序进行检测,重复步骤A4直到所有数据流都被检测,输出最终检测结果。
作为本发明的一种优选技术方案,所述步骤A2中的分组排序方法包括如下步骤:
步骤A2.1:用Horigin=H存储得到的信道矩阵后,对信道矩阵H求逆得到Nt为发送天线数,/>为信道逆矩阵H+第i行向量。
步骤A2.2:根据上述的分组结果分别计算代排序组内数据流的总放大系数Score,计算方法如下:当前应当被检测的组为/>
步骤A2.3:删除第pcur组数据流在信道矩阵中对应的列向量,该过程可以表示为:并对进行过删除操作的矩阵进行求逆得到新的H+。本发明中定义矩阵的减操作(-{})为删除{}中对应的列。
步骤A2.4:重复步骤A2.2,A2.3直至所有组都被排序。
步骤A2.5:按照排序结果调整原信道矩阵Horigin的列顺序使得排序靠前的组首先被检测得到
作为本发明的一种关键技术方案,所述步骤B中的迭代干扰抵消方法包括如下步骤:
步骤B1:以上述的分组ML算法作为检测的初始值上标表示迭代次数。
步骤B2:并行的以组为单位进行干扰抵消,对于第p组数据的干扰抵消过程可以表示为:其中/>表示第t次迭代,t=0,…,T时得到得第i组数据流的估计值,具体可以表示为/>
步骤B3:并行的以组为单位进行ML检测,第p组数据的检测结果可以表示为:
步骤B4:以B2和B3所构成的干扰抵消与检测为一次迭代,t=t+1重复执行直至达到预设的迭代次数t=T通常T≤5。
接下来针对本发明所设计的基于分组ML和并行干扰抵消得上行MIMO检测方法,结合仿真进行说明如下:
仿真示例一:仿真条件如下表1所示:
表1仿真示例一仿真条件
用户发送数据流数Lk | 4 | 接收天线数Nr | 32 |
用户数 | 4 | 调制方式 | QPSK |
相关系数ρ | 0 | 迭代次数T | 5 |
组内数据流数L | 4 | 分组个数P | 4 |
图3所示给出了基于以上条件下,本发明提出的检测算法与常用线性检测算法MMSE检测算法以及非线性检测算法FCSD算法的性能比较图。可以看出本发明提出的算法的性能在上述场景下性能均好于经典算法。
仿真示例二:仿真条件如下表2所示:
表2仿真示例二仿真条件
用户发送数据流数Lk | 4 | 接收天线数Nr | 32 |
用户数 | 4 | 调制方式 | QPSK |
相关系数ρ | 0.6 | 迭代次数T | 5 |
组内数据流数L | 4 | 分组个数P | 4 |
图3所示给出了基于以上条件下,本发明提出的检测算法与常用线性检测算法MMSE检测算法以及非线性检测算法FCSD算法的性能比较图。虽然相关信道使得所有检测算法的性能都有所下降,但本发明提出的算法的性能在上述场景下性能均好于经典算法。
下面结合附图对本发明的实施方式作了详细说明,但是本发明并不限于上述实施方式,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下做出各种变化。
Claims (3)
1.一种基于分组ML检测和并行迭代干扰抵消的上行MIMO检测方法,用于集中式上行单用户或多用户MIMO信号检测,其特征在于,针对实时获得的待检测MIMO信号执行如下步骤:
步骤A.接收待检测MIMO信号,并针对待检测MIMO信号进行分组ML检测获得并行迭代干扰抵消的初始值,初始化迭代次数t=0,设置最大迭代次数T,然后进入步骤B,其中待检测MIMO接收信号y可被表示为:其中,Hi表示第i个用户的信道,xi表示第i个用户的发送数据流,n表示加性白噪声,K表示总用户数,在集中式接收检测的基站中,可按分块矩阵形式简洁的表达成y=Hx+n的形式
y=H1x1+H2x2+…+HKxK+n=[H1,H2,…,HK][x1,x2,…,xK]T+n=Hx+n;
步骤B.执行并行干扰抵消,首先将其他组数据流对待检测组数据流的干扰减去,然后对待检测组中数据流用分组ML检测方法进行检测,上述过程以组为单位并行执行并视作一次迭代;本次迭代检测的输出作为下一次迭代的并行干扰抵消初始值;
步骤C.跳转执行步骤B,并将迭代次数加1,t=t+1,直至迭代次数达到预设最大迭代次数t=T,此时并行迭代干扰抵消检测器输出最终检测结果;
所述步骤A中的分组ML检测包括如下步骤:
步骤A1:对发送数据流及信道矩阵进行分组,组内数据流数L应满足2≤L≤4;设发送天线数为Nt,则总共可分为:P=Nt/L组,分组为连续均匀分组;
步骤A2:根据接收数据按步骤A1的分组结果进行分组排序,并按排序结果调整对应信道矩阵的列顺序为:
步骤A3:对调整过列序的矩阵做QR分解得到/>根据QR分解结果得到接收向量的有效部分yeff=QHy,对矩阵R按步骤A1的分组结果进行分组则第p个分组可表示为:Rp=[r(p-1)*L+1,r(p-1)*L+2,…,r(p-1)*L+L],ri为矩阵R的第i列向量;
步骤A4:组内使用最大似然检测,第t次迭代第p组的检测过程为CL表示属于调制空间C的调制符号在L个数据流上并行发送时所生成的所有可能的发送符号向量所构成的空间;检测完成后将第p组对其他数据流的干扰抵消,抵消过程可表示为:/>
步骤A5:按p=P,P-1,…,1的顺序进行检测,重复步骤A4直到所有数据流都被检测,输出最终检测结果。
2.根据权利要求1所述一种基于分组ML检测和并行迭代干扰抵消的上行MIMO检测方法,其特征在于,步骤A2采用了一种分组排序算法,所述的分组排序算法包括如下步骤;
步骤A2.1:用Horigin=H存储得到的信道矩阵后,对信道矩阵H求逆得到Nt为发送天线数,/>为信道逆矩阵H+第i行向量;
步骤A2.2:根据上述的分组结果分别计算待排序组内数据流的放大系数当前应当被检测的组为/>
步骤A2.3:删除第pcur组数据流在信道矩阵中对应的列向量,该过程可表示为将H矩阵中对应第pcur分组的列向量删除,并对进行过删除操作的矩阵进行求逆得到新的H+;
步骤A2.4:重复步骤A2.2,A2.3直至所有组都被排序;
步骤A2.5:按照排序结果调整原信道矩阵Horigin的列顺序,得到从而使得排序靠前的组首先被检测。
3.根据权利要求1所述一种基于分组ML检测和并行迭代干扰抵消的上行MIMO检测方法,其特征在于,所述步骤B中的并行迭代干扰抵消方法包含以下步骤:
步骤B1:以步骤A中的最终检测结果作为检测的初始值上标表示迭代次数;
步骤B2:并行的以组为单位进行干扰抵消,对于第p组数据的干扰抵消过程可表示为:其中/>表示第t次迭代,t=0,…,T-1时得到的第i组数据流的估计值,具体表示为/>
步骤B3:并行的以组为单位进行ML检测,第p组数据的检测结果可表示为:
步骤B4:以B2和B3所构成的干扰抵消与检测为一次迭代,t=t+1重复执行直至达到预设的迭代次数t=T。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210064643.7A CN114389756B (zh) | 2022-01-20 | 2022-01-20 | 基于分组ml检测和并行迭代干扰抵消的上行mimo检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210064643.7A CN114389756B (zh) | 2022-01-20 | 2022-01-20 | 基于分组ml检测和并行迭代干扰抵消的上行mimo检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114389756A CN114389756A (zh) | 2022-04-22 |
CN114389756B true CN114389756B (zh) | 2024-04-09 |
Family
ID=81204730
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210064643.7A Active CN114389756B (zh) | 2022-01-20 | 2022-01-20 | 基于分组ml检测和并行迭代干扰抵消的上行mimo检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114389756B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117353876A (zh) * | 2022-06-27 | 2024-01-05 | 中兴通讯股份有限公司 | 信号检测方法及其设备、存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101383797A (zh) * | 2007-09-03 | 2009-03-11 | 富士通株式会社 | 用于mimo系统的低复杂度的信号检测方法和检测装置 |
CN101540659A (zh) * | 2009-04-30 | 2009-09-23 | 西安电子科技大学 | 基于逼近最大似然性能的低复杂度垂直分层空时码检测方法 |
CN106209707A (zh) * | 2016-06-30 | 2016-12-07 | 电子科技大学 | 一种基于mmse的干扰抵消检测方法 |
-
2022
- 2022-01-20 CN CN202210064643.7A patent/CN114389756B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101383797A (zh) * | 2007-09-03 | 2009-03-11 | 富士通株式会社 | 用于mimo系统的低复杂度的信号检测方法和检测装置 |
CN101540659A (zh) * | 2009-04-30 | 2009-09-23 | 西安电子科技大学 | 基于逼近最大似然性能的低复杂度垂直分层空时码检测方法 |
CN106209707A (zh) * | 2016-06-30 | 2016-12-07 | 电子科技大学 | 一种基于mmse的干扰抵消检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114389756A (zh) | 2022-04-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101381130B1 (ko) | 다중 사용자 프리코딩 및 스케줄링 방법 및 이를 구현하는 기지국 | |
CN114285444B (zh) | 一种去蜂窝大规模mimo系统的功率优化方法 | |
CN109743086A (zh) | 一种大规模mimo系统的信道估计方法 | |
CN114389756B (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 | |
Dong et al. | Improved joint antenna selection and user scheduling for massive MIMO systems | |
CN109981151A (zh) | 大规模mimo系统中改进的高斯树近似消息传递检测算法 | |
CN114430590B (zh) | 一种实现上行大规模urllc的无线传输方法 | |
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 | |
CN106341168A (zh) | 预编码方法、信息发送方法、及其装置 | |
CN106357318B (zh) | 收敛速率可调的大规模mimo迭代检测方法 | |
CN113271124B (zh) | 一种应用于大规模mimo系统的混合迭代检测方法 | |
CN107196686A (zh) | 一种带有预处理操作的大规模mimo系统信号检测方法 | |
JP5339865B2 (ja) | 無線受信方法、及び無線受信装置 | |
Benjebbour et al. | Performance improvement of ordered successive detection with imperfect channel estimates for MIMO systems | |
CN113644943B (zh) | 一种mmse检测方法、装置、设备和存储介质 | |
CN115632726B (zh) | 一种基于模型驱动的ISTA-Net上行免调度大规模MIMO-NOMA信号检测方法 | |
CN114465683B (zh) | 一种大规模mimo系统中基于saor-si迭代的信号检测方法 | |
CN101951306B (zh) | 基于迭代检测和译码原理的多址协作通信方法 | |
CN110798249B (zh) | Massive MIMO系统中信号快速收敛联合预编码方法、信号传输方法 | |
CN102546121B (zh) | 在mimo系统中用于确定预编码方式的方法和设备 | |
CN100372277C (zh) | 基于空域预白化合并的空时分离软输入软输出检测方法 | |
Lisheng et al. | MIMO-OFDM MAP receiver with spatial-temporal filters employing decision-directed recursive eigenvalue decomposition parameter estimation | |
Zhao et al. | Evaluation on User Equipment Chip for Deep Learning based Channel Estimation in 5G Advanced System | |
Wang et al. | Cooperative MIMO spectrum sensing using free probability theory | |
Alnajjar | Inverse approximation of linear receivers for massive MIMO |
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 |