CN114520682B - 超大规模mimo中利用球面波特征的低复杂度信号检测方法 - Google Patents
超大规模mimo中利用球面波特征的低复杂度信号检测方法 Download PDFInfo
- Publication number
- CN114520682B CN114520682B CN202210044803.1A CN202210044803A CN114520682B CN 114520682 B CN114520682 B CN 114520682B CN 202210044803 A CN202210044803 A CN 202210044803A CN 114520682 B CN114520682 B CN 114520682B
- Authority
- CN
- China
- Prior art keywords
- receiving
- transmitting
- scale mimo
- complexity
- matrix
- 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 35
- 239000011159 matrix material Substances 0.000 claims abstract description 60
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 20
- 238000003491 array Methods 0.000 claims abstract description 5
- 238000012544 monitoring process Methods 0.000 claims abstract description 5
- 108091006146 Channels Proteins 0.000 claims description 23
- 125000004122 cyclic group Chemical group 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000007476 Maximum Likelihood Methods 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 238000000034 method Methods 0.000 claims 3
- 238000013507 mapping Methods 0.000 claims 1
- 238000004891 communication Methods 0.000 abstract description 10
- 238000005516 engineering process Methods 0.000 description 5
- 238000004088 simulation Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- RFHAOTPXVQNOHP-UHFFFAOYSA-N fluconazole Chemical compound C1=NC=NN1CC(C=1C(=CC(F)=CC=1)F)(O)CN1C=NC=N1 RFHAOTPXVQNOHP-UHFFFAOYSA-N 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035755 proliferation Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
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
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/391—Modelling the propagation channel
-
- 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
- H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
- H04B7/0613—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission
- H04B7/0615—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal
- H04B7/0619—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal using feedback from receiving side
- H04B7/0621—Feedback content
- H04B7/063—Parameters other than those covered in groups H04B7/0623 - H04B7/0634, e.g. channel matrix rank or transmit mode selection
-
- 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
- H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
- H04B7/0686—Hybrid systems, i.e. switching and simultaneous transmission
- H04B7/0695—Hybrid systems, i.e. switching and simultaneous transmission using beam selection
-
- 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
- H04B7/08—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the receiving station
- H04B7/0837—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the receiving station using pre-detection combining
- H04B7/0842—Weighted combining
- H04B7/0848—Joint weighting
- H04B7/0854—Joint weighting using error minimizing algorithms, e.g. minimum mean squared error [MMSE], "cross-correlation" or matrix inversion
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Electromagnetism (AREA)
- Radio Transmission System (AREA)
Abstract
本发明涉及通信技术领域,尤其涉及超大规模MIMO中利用球面波特征的低复杂度信号检测方法,首先针对收发两端均采用均匀圆形阵列的天线架构建立三维坐标系,利用球面波特征建立了散射环境下的超大规模MIMO信道矩阵H模型;紧接着利用所述信道矩阵H的循环结构推导得出最优发射与接收方向,进而提出了超大规模MIMO系统中包含球面波特征的具有低复杂度的最优发射与接收方案;最后,为了进一步降低信号检测复杂度,联合所述最优发射与接收方案,基于球形译码原理,提出了超大规模MIMO系统中利用球面波特征的球形搜索辅助低复杂度监测算法。本发明的超大规模MIMO中利用球面波特征的低复杂度信号检测方法在保证检测性能的同时,充分挖掘了超大规模MIMO系统的通信资源。
Description
技术领域
本发明涉及通信技术领域,尤其涉及超大规模MIMO中利用球面波特征的低复杂度信号检测方法。
背景技术
超大规模多输入多输出(Multiple Input Multiple Output,MIMO)技术在基站端配备成百上千根天线为同一个时隙间隔内的数十个用户提供通信服务,充分挖掘空间自由度,从而提升通信系统能量效率、频谱效率、容量等关键性能指标,已经成为6G的关键技术之一。然而随着天线规模的激增,超大规模MIMO技术面临的问题也随之增加,例如,随着收发天线数量的增加,原本适用于传统MIMO通信系统的信号检测算法,例如最大似然(Maximum Likelihood,ML)检测算法不再适用超大规模MIMO系统,而传统线性迫零(ZeroForcing,ZF)检测算法和最小均方误差(Minimum Mean Squared Error,MMSE)检测算法由于涉及矩阵求逆,在超大规模MIMO天线配置下同样面临极高的计算压力。因此,超大规模MIMO系统中具有低复杂度特点的信号检测算法已经成为了科研人员的研究重点。
已有的降低超大规模MIMO信号检测算法复杂度的方案主要集中在规避MMSE矩阵求逆等方面,很少有文献利用真实通信环境的信道特征来降低复杂度。
发明内容
有鉴于此,本发明的目的是提供超大规模MIMO中利用球面波特征的低复杂度信号检测方法,在保证检测性能的同时,充分挖掘了超大规模MIMO系统的通信资源。
本发明通过以下技术手段解决上述技术问题:
超大规模MIMO中利用球面波特征的低复杂度信号检测方法,包括以下步骤:
针对收发两端均采用均匀圆形阵列的天线架构建立三维坐标系,利用球面波特征建立散射环境下的超大规模MIMO信道矩阵H模型;
利用所述信道矩阵H模型的循环结构推导得出最优发射与接收方向,进而提出了超大规模MIMO系统中包含球面波特征的具有低复杂度的最优发射与接收方案;
联合所述最优发射与接收方案,基于球形译码原理,提出了超大规模MIMO系统中利用球面波特征的球形搜索辅助低复杂度监测算法。
进一步,所述三维坐标系中,发射UCA与接收UCA都平行于x-y平面,发射UCA与接收UCA的圆心分别位于z轴的原点、正半轴上。
进一步,所述信道矩阵H获取如下:
按照顺时针的方向对圆形阵列上的天线依次进行编号,假设第一个天线单元放置在x(x′)轴的正半轴上,发射天线与接收天线在圆形阵列上均匀分布;
其中,Rt和Rr分别表示发射UCA与接收UCA的半径,表示第1根发射天线与第1根接收天线沿着第l条路径的距离,c为光速,假设tl已知,发射阵列圆中心与接收阵列圆中心之间的距离为dl,当Rt=Rr时,得到发射天线与接收天线之间的等效无线电波路径,得到信道响应的完整表达式
当发射天线数量与接收天线数量相同时,由信道模型构造的信道矩阵H为循环矩阵,HHH也为循环矩阵。
进一步,所述利用所述信道矩阵H的循环结构推导得出最优发射与接收方向,包括以下步骤:
发射符号向量s映射到发射天线向量x:
x=Vs
其中,s表示QAM调制符号集合Ω中的N个复信息符号组成的发射符号向量,x表示被映射到N根天线进行发射的复信息符号组成的发射天线向量,V表示发射矩阵;
所述发射矩阵为傅里叶矩阵V,元素表达式如下:
由奇异值分解H=UDVH,最优接收矩阵U表示为:
U=HVD-1
其中,D为N阶非负实数对角矩阵,其元素为循环矩阵HHH的特征值λk(k=1,…,N)的正平方根,λk表示为:
λk对循环矩阵HHH的第一行进行离散傅里叶变换得到;
在接收端处,使用UH作为接收矩阵,则接收信号y表示为:
y′=UHy=UHHx+UHn=UHHVs+UHn=Ds+UHn=Ds+n′
其中,n′表示UHn,y′表示UHy。
进一步,所述联合所述最优发射与接收方案,基于球形译码原理,提出了超大规模MIMO系统中利用球面波特征的球形搜索辅助低复杂度监测算法,包括以下步骤:
将经过最优收发方案处理后的复数域信号模型转换到实数域,令
则对应的实数域信号模型为:
令k=2N,利用具有球面波特征的实数对角矩阵
进一步,基于所述球形搜索辅助的快速检测具体为:
当l=1时,
本发明的超大规模MIMO系统中利用球面波特征的低复杂度信号检测方法,在发送端不需要发射矩阵的反馈,同时,信道矩阵具有的循环结构为接收端的最优接收矩阵提供了一种低复杂度的计算方式,只需要经过一次快速傅里叶变换以及对角矩阵的求逆和相乘等简单运算,最后基于球形译码的原理进一步降低检测阶段的复杂度,从而在保证检测性能的同时,充分挖掘了超大规模MIMO系统的通信资源。仿真试验结果表明,本发明的超大规模MIMO系统中利用球面波特征的低复杂度信号检测方法中的BER性能要远优于未利用球面波特征的线性检测算法ZF、MMSE,但SWC-SSA算法的复杂度要远低于ZF与MMSE线性检测算法。
附图说明
图1是本发明超大规模MIMO中利用球面波特征的低复杂度信号检测方法的流程示意图;
图2是UCAs三维坐标图;
图3是SWC-SSA与ZF、MMSE的BER性能随着SNR的变化对比图。
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做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
相关缩写说明:
MIMO:超大规模多输入多输出(Multiple Input Multiple Output);
ZF:线性迫零(Zero Forcing);
MMSE:最小均方误差(Minimum Mean Squared Error);
UCA:均匀圆形阵列(Uniform Circular Arra);
SWC-SSA:利用球面波特征的球形搜索辅助(Sphere Search Aided basedSpherical Wave Characteristics);
BER:比特出错概率(Bit Error Ratio);
SNR:信噪比(SIGNAL-NOISE RATIO)。
本发明提供了一种超大规模MIMO系统中利用球面波特征的低复杂度信号检测方法,其流程如图1所示,包括:
首先针对收发两端均采用均匀圆形阵列的天线架构,建立三维坐标系,基于三维坐标,利用球面波信道特征,建立了散射环境下的超大规模MIMO信道矩阵H模型;
紧接着利用建立的信道矩阵H所具有的循环结构给出了最优发射和接收方向,进而提出了超大规模MIMO系统中包含球面特征的低复杂度的最优发射与接收方案;
最后,为了进一步降低信号检测复杂度,联合最优发射与接收方案,,基于球形译码原理,提出了一种超大规模MIMO系统中利用球面波特征的球形搜索辅助(Sphere SearchAided based Spherical Wave Characteristics,SWC-SSA)低复杂度信号检测算法。
为了更好的理解本发明的超大规模MIMO中利用球面波特征的低复杂度信号检测方法,进行以下说明:
如图2(a)所示,为了更好地表示建立了收发两端均采用均匀圆形阵列的三维几何坐标系。在该三维几何坐标系中,发射UCA与接收UCA都平行于x-y平面,发射UCA与接收UCA的圆心分别位于z轴的原点以及正半轴上,且发射UCA与接收UCA圆心之间的距离为d。按照顺时针的方向对圆形阵列上的天线依次进行编号,假设第一个天线单元放置在x(x′)轴的正半轴上,发射天线与接收天线在圆形阵列上均匀分布,用Rt和Rr分别表示发射UCA与接收UCA的半径。表示第1根发射天线与第1根接收天线沿着第l条路径的距离,c为光速,本实施例中假设tl已知。以为基准,在新的坐标系中建立一个等效天线阵列,如图2(b)所示,此时发射阵列圆中心Ot与接收阵列圆中心Or之间的距离变为dl,当Rt=Rr时,根据dl,便可求得
得到发射天线与接收天线之间的等效无线电波路径后,就可以得到信道响应的完整表达式
当发射天线数量与接收天线数量相同时,由该信道模型构造的信道矩阵H为循环矩阵,由循环矩阵的性质,HHH也为循环矩阵。
进一步地,提出了一种超大规模MIMO系统中包含球面波特征的最优联合收发方案,在发射端使用固定的发射矩阵V,将发射符号向量s映射到发射天线向量x:
x=Vs
其中,s表示QAM调制符号集合Ω中的N个复信息符号组成的发射符号向量,x表示被映射到N根天线进行发射的复信息符号组成的发射天线向量,而傅里叶矩阵V对于所有的循环矩阵都是固定的,其元素表达式具体为:
在发射矩阵为傅里叶矩阵V时,由奇异值分解H=UDVH最优接收矩阵U可以表示为:
U=HVD-1
其中,D为N阶非负实数对角矩阵,其元素为循环矩阵HHH的特征值λk(k=1,…,N)的正平方根,λk具体表示为:
λk对循环矩阵HHH的第一行进行离散傅里叶变换得到。在接收端处,使用UH作为接收矩阵,则接收信号y表示为:
y′=UHy=UHHx+UHn=UHHVs+UHn=Ds+UHn=Ds+n′
这里n′表示UHn,y′表示UHy。由于UH是酉矩阵,所以噪声n的统计特性不会发生改变。DFT矩阵V对于所有的循环矩阵都是固定的,与基于奇异值分解的传统收发方案相比,收发两端均为均匀圆形阵列的超大规模MIMO通信系统发送端并不需要知道准确的信道状态信息,从而简化了发送端的设计复杂度。同时信道矩阵H的循环结构为接收端的最优接收矩阵U提供了一种低复杂度的计算方式,只需要经过一次快速傅里叶变换以及对角矩阵的求逆和相乘等简单运算,从而大大降低了接收端的计算复杂度。
为了适应SWC-SSA算法,将经过最优收发方案处理后的复数域信号模型转换到实数域,于是令
则对应的实数域信号模型为:
这里
其中,ε是一个接近0的实数,初始半径其中表示的反函数。如果在初始半径r的限制下没有搜索到格点,那么需要重新设置半径,使得至少有一个格点的概率为1-ε2,以此类推。因此,当l=1时,基于球形搜索辅助的快速检测具体为:
其中,表示取值范围的下界,表示取值范围上界,而和分别表示向上和向下取整。若区间内的整数集合与实数集的交集为空集,即则应该增大半径在该维重新进行搜索,反之,则令为区间内的整数集合与实数集的交集,代表在半径约束下的所有整数取值。因此,的值可以表示为:
利用上述实施例的检测方法进行仿真试验,结果如图3所示,由仿真我们可以观察到,当采用64QAM调制时,SWC-SSA与ZF、MMSE三种算法的BER性能随着SNR的增加而下降,但在相同SNR的情况下,本发明所提的SWC-SSA算法的BER性能要远优于未利用球面波特征的线性检测算法ZF、MMSE,但SWC-SSA算法的复杂度要远低于ZF与MMSE线性检测算法。
以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。本发明未详细描述的技术、形状、构造部分均为公知技术。
Claims (4)
1.超大规模MIMO中利用球面波特征的低复杂度信号检测方法,其特征在于,包括以下步骤:
针对收发两端均采用均匀圆形阵列的天线架构建立三维坐标系,利用球面波特征建立散射环境下的超大规模MIMO信道矩阵H模型;
利用所述信道矩阵H模型的循环结构推导得出最优发射与接收方向,进而提出了超大规模MIMO系统中包含球面波特征的具有低复杂度的最优发射与接收方案;
所述超大规模MIMO系统中包含球面波特征的具有低复杂度的最优发射与接收方案的提出步骤如下:将发射符号向量s映射到发射天线向量x:
x=V s
其中,s表示QAM调制符号集合Ω中的N个复信息符号组成的发射符号向量,x表示被映射到N根天线进行发射的复信息符号组成的发射天线向量,V表示发射矩阵;
所述发射矩阵为傅里叶矩阵V,元素表达式如下:
由奇异值分解H=UDVH,最优接收矩阵U表示为:
U=HVD-1
其中,D为N阶非负实数对角矩阵,其元素为循环矩阵HHH的特征值λk(k=1,…,N)的正平方根,λk表示为:
λk对循环矩阵HHH的第一行进行离散傅里叶变换得到;
在接收端处,使用UH作为接收矩阵,则接收信号y表示为:
y′=UHy=UHHx+UHn=UHHVs+UHn=Ds+UHn=Ds+n′
其中,n′表示UHn,y′表示UHy;
联合所述最优发射与接收方案,基于球形译码原理,提出了超大规模MIMO系统中利用球面波特征的球形搜索辅助低复杂度监测算法;
所述联合所述最优发射与接收方案,基于球形译码原理,提出了超大规模MIMO系统中利用球面波特征的球形搜索辅助低复杂度监测算法,包括以下步骤:
将经过最优收发方案处理后的复数域信号模型转换到实数域,令
则对应的实数域信号模型为:
令k=2N,利用具有球面波特征的实数对角矩阵
2.根据权利要求1所述的超大规模MIMO中利用球面波特征的低复杂度信号检测方法,其特征在于,所述三维坐标系中,发射UCA与接收UCA都平行于x-y平面,发射UCA与接收UCA的圆心分别位于z轴的原点、正半轴上。
3.根据权利要求2所述的超大规模MIMO中利用球面波特征的低复杂度信号检测方法,其特征在于,所述信道矩阵H模型获取如下:
按照顺时针的方向对圆形阵列上的天线依次进行编号,假设第一个天线单元放置在x(x′)轴的正半轴上,发射天线与接收天线在圆形阵列上均匀分布;
其中,Rt和Rr分别表示发射UCA与接收UCA的半径,表示第1根发射天线与第1根接收天线沿着第l条路径的距离,c为光速,假设tl已知,发射阵列圆中心与接收阵列圆中心之间的距离为dl,当Rt=Rr时,得到发射天线与接收天线之间的等效无线电波路径,得到信道响应的完整表达式
当发射天线数量与接收天线数量相同时,由信道模型构造的信道矩阵H为循环矩阵,HHH也为循环矩阵。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210044803.1A CN114520682B (zh) | 2022-01-14 | 2022-01-14 | 超大规模mimo中利用球面波特征的低复杂度信号检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210044803.1A CN114520682B (zh) | 2022-01-14 | 2022-01-14 | 超大规模mimo中利用球面波特征的低复杂度信号检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114520682A CN114520682A (zh) | 2022-05-20 |
CN114520682B true CN114520682B (zh) | 2023-05-12 |
Family
ID=81596272
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210044803.1A Active CN114520682B (zh) | 2022-01-14 | 2022-01-14 | 超大规模mimo中利用球面波特征的低复杂度信号检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114520682B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109818891A (zh) * | 2019-03-13 | 2019-05-28 | 重庆邮电大学 | 一种格基约减辅助的低复杂度贪心球形译码检测方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112565122B (zh) * | 2020-12-08 | 2021-11-02 | 江南大学 | 基于牛顿-正交匹配追踪的超大规模mimo信道估计方法 |
CN112737653B (zh) * | 2020-12-28 | 2022-03-25 | 重庆邮电大学 | 一种利用球面波模型的非均匀天线阵列系统设计方法 |
-
2022
- 2022-01-14 CN CN202210044803.1A patent/CN114520682B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109818891A (zh) * | 2019-03-13 | 2019-05-28 | 重庆邮电大学 | 一种格基约减辅助的低复杂度贪心球形译码检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114520682A (zh) | 2022-05-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112910807B (zh) | 一种基于空间随机采样的智能超表面信道估计方法及系统 | |
US20210377079A1 (en) | Time-frequency block-sparse channel estimation method based on compressed sensing | |
CN110912598B (zh) | 基于长短时注意力机制的大规模mimo系统csi反馈方法 | |
Hochwald et al. | Differential unitary space-time modulation | |
CN101572561B (zh) | 多输入多输出系统的信号检测方法和装置 | |
CN101304300B (zh) | 基于有限反馈的多用户mimo系统信道量化方法和装置 | |
CN101917368B (zh) | 基于格基规约的mimo检测的软输出方法 | |
CN109474388B (zh) | 基于改进梯度投影法的低复杂度mimo-noma系统信号检测方法 | |
CN109257309A (zh) | 一种高性能的大规模mimo下行链路传输信道估计方法 | |
CN107566305A (zh) | 一种低复杂度的毫米波系统信道估计方法 | |
CN108833060A (zh) | 一种基于ep-nsa算法的大规模mimo系统检测方法 | |
CN108199990B (zh) | 一种非高斯噪声3d-mimo信道估计方法 | |
CN106301496A (zh) | 基于天线选择和预编码的空间调制系统 | |
CN109768816A (zh) | 一种非高斯噪声3d-mimo系统数据检测方法 | |
CN113517941A (zh) | 一种大规模mimo系统信道估计与迭代检测仿真方法和系统 | |
CN115208442A (zh) | 一种超大规模阵列通信系统的两阶段波束训练方法 | |
CN108572347A (zh) | 基于通信信号信道状态响应信息的面阵二维测角方法及系统 | |
CN114567359A (zh) | 一种大规模mimo系统中基于多分辨率融合卷积反馈网络的csi反馈方法 | |
CN114520682B (zh) | 超大规模mimo中利用球面波特征的低复杂度信号检测方法 | |
Chen et al. | Joint channel estimation and beam selection NOMA system for satellite-based Internet of Things | |
Jiang et al. | AcsiNet: Attention-based deep learning network for CSI prediction in FDD MIMO systems | |
CN109946642B (zh) | 涡旋电磁波的到达角估计方法 | |
Su et al. | Channel estimation in massive MIMO systems using a modified Bayes-GMM method | |
Hou et al. | Particle swarm optimization inspired low-complexity beamforming for MmWave massive MIMO systems | |
CN115426077A (zh) | 译码路径确定方法、装置、计算机设备和存储介质 |
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 |