CN115001546B - 基于并行K-Best搜索的MIMO系统信号检测方法 - Google Patents
基于并行K-Best搜索的MIMO系统信号检测方法 Download PDFInfo
- Publication number
- CN115001546B CN115001546B CN202210587179.XA CN202210587179A CN115001546B CN 115001546 B CN115001546 B CN 115001546B CN 202210587179 A CN202210587179 A CN 202210587179A CN 115001546 B CN115001546 B CN 115001546B
- Authority
- CN
- China
- Prior art keywords
- matrix
- channel
- value
- mimo system
- values
- 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 79
- 239000011159 matrix material Substances 0.000 claims abstract description 90
- 238000000034 method Methods 0.000 claims abstract description 36
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 11
- 230000005540 biological transmission Effects 0.000 claims description 26
- 239000013598 vector Substances 0.000 claims description 19
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims 1
- 238000004088 simulation Methods 0.000 description 14
- 238000007476 Maximum Likelihood Methods 0.000 description 8
- 230000007547 defect Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 208000035051 Malignant migrating focal seizures of infancy Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000010420 art technique Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 208000012054 malignant migrating partial seizures of infancy Diseases 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/10—Monitoring; Testing of transmitters
-
- 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
- H04L25/024—Channel estimation channel estimation algorithms
- H04L25/0242—Channel estimation channel estimation algorithms using matrix methods
- H04L25/0246—Channel estimation channel estimation algorithms using matrix methods with factorisation
-
- 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)
- Power Engineering (AREA)
- Electromagnetism (AREA)
- Radio Transmission System (AREA)
Abstract
本发明公开了一种基于并行K‑Best搜索的MIMO系统信号检测方法,主要解决现有信号检测方法为保证MIMO系统检测性能,检测复杂度高与检测时延大的问题。其实现步骤是:1、将信道复矩阵转化为信道实矩阵;2、更新信道实矩阵中的元素值;3、构建扩展矩阵;4、对扩展矩阵进行QR分解;5、采用K‑Best方法并行搜索相邻两层的路径;6、判断是否选完MIMO系统的所有发射天线,若是,则执行步骤7,否则,执行步骤5;7、确定发射信号的检测值。本发明能够在保证MIMO系统检测性能的情况下,以较低的检测复杂度与较低的检测时延完成MIMO系统的信号检测,提升系统的吞吐率。
Description
技术领域
本发明涉及无线通信技术领域,更进一步涉及多天线技术领域中的一种基于并行K-Best搜索的多输入多输出MIMO(Multiple-Input Multiple-Output)系统信号检测方法。本发明在保证系统检测性能的情况下,能以较低的复杂度与较低的时延完成基于并行K-Best搜索的MIMO系统的信号检测。
背景技术
MIMO是无线通信领域的关键技术之一,具有充分利用空间资源,在不增加带宽和天线发射功率的前提下成倍提升吞吐率等优势,被广泛应用于无线局域网中。一个准确的信号检测方法是MIMO系统发挥其优势的关键,近年来的研究多围绕K-Best检测方法展开,该检测方法可以实现较好的检测性能,且灵活性强、可优化路线多,但仍存在展开节点数目多、路径排序复杂度高、串行搜索时延大等问题,导致K-Best检测方法准确检测出信号需要大量的时间与运算资源,这在一定程度上限制了K-Best检测方法在工程技术领域中的应用。
Grimm F,Baghdadi M等人在其发表的论文“Sequential Model PredictiveControl of Electric Drives Using a K-Best Sphere Decoding Algorithm”(202027th International Workshop on Electric Drives:MPEI Department of ElectricDrives 90th Anniversary(IWED),2020IEEE)中提出了一种基于晶格缩减广度优先树搜索的信号检测方法。该方法的实现步骤是,首先,对于搜索中的每一层,只有累计度量满足特定条件的路径才会被保留为候选路径;其次,在每个父节点上扩展的子节点数量,以及每一层保留的最大候选路径数量也受到限制。该方法可以达到近优性能,但是,该方法仍然存在的不足之处是,该方法的路径保留策略使得后搜索层的节点需等待先搜索层的父节点保留完毕才可进行展开,整体检测所需时间较长,导致MIMO系统整体性能下降。
上海交通大学在其申请的专利文献“基于K-Best算法的MIMO信号检测方法及检测器”(专利申请号201310465151,公布号CN103532609A)中公开了一种基于K-Best算法的MIMO信号检测方法。该方法按照用户指定的天线数和调制方式配置检测层数,用交织方式并行产生两组候选路径,并对各检测层的幸存路径与丢弃路径进行对数似然处理。该方法提高了最优路径被保留的概率,也一定程度解决了传统检测装置性能差、时延高等问题,但是,该方法仍然存在的不足之处是,该方法用交织方式并行产生的候选路径的数目较大,且需要对幸存路径与丢弃路径都进行处理,导致整体检测复杂度过高。
发明内容
本发明针对上述现有技术的不足,提出一种基于并行K-Best搜索的MIMO系统信号检测方法,用于解决现有信号检测方法在保证MIMO系统检测性能时所带来的复杂度高与时延大的问题。
为实现上述目的,本发明的思路是,本发明在重塑信道矩阵的过程中,对信道复矩阵进行实数化处理,并以一范数大小调整列向量的顺序,将重塑后的信道矩阵应用于QR分解,得到的上三角矩阵R具有对角线元素从右下角至左上角递减的特点,由此可以在树搜索中率先检测出强度大的信号,减小了接收天线间的信号干扰,保证了信号检测的准确度;同时得到的上三角矩阵R具有奇数行对角线元素的右侧第一个元素为“0”的特点,由此可以在树搜索中对相邻两层节点同时展开。以上所述R矩阵的特点有效解决了MIMO系统天线数量升高时,进行准确信号检测导致的高时延问题。本发明在确定树搜索相邻两层的保留路径过程中,分别计算相邻两层最优节点的值,以最优节点的值为中心按照SE枚举规则顺序展开、组合、筛选节点,由此可以根据每层保留路径与最大似然解重合的概率动态调整每一层展开的节点数,大大减小了漏掉最佳路径的可能,同时避免了展开路径数目过多导致的大量排序计算,在保证检测性能的前提下,有效解决了节点数量过大导致的检测复杂度高的问题。
实现本发明目的的技术方案的步骤如下:
步骤1,将信道复矩阵转化为信道实矩阵:
将由MIMO系统信道估计模块得出的一个信道复矩阵转化为信道实矩阵;
步骤2,更新信道实矩阵中的元素值:
计算信道实矩阵中每一列的一范数值,对一范数值由小到大进行排序,按照排序后的数值依次更新信道实矩阵中的元素值;
步骤3,构建扩展矩阵:
将MIMO系统接收端的接收信号复向量转化为接收信号实向量,将接收信号实向量作为新的一列添加至信道实矩阵的最右端,得到扩展后的矩阵;
步骤4,对扩展矩阵进行QR分解:
对扩展后的矩阵进行QR分解,得到一个对角线元素从右下角至左上角递增的上三角矩阵以及更新后的接收信号向量;
步骤5,采用K-Best方法并行搜索相邻两层的路径:
步骤5.1,从MIMO系统的所有发射天线中,选取一根未检测的发射天线;
步骤5.2,计算所选未检测的发射天线的发射调制信号复数值;
步骤5.3,分别以所选未检测发射天线的发射调制信号复数值的虚部与实部作为中心节点,采用K-Best方法并行展开相邻两层的K个节点,K-Best方法中的节点展开方式采用“之字形”枚举法,利用展开的节点对当前搜索路径进行两次扩展,将以虚部为中心展开的K个节点添加至当前搜索路径的叶子结点末端,得到第一次扩展后的路径,再将以实部为中心展开的K个节点添加至第一次扩展后的路径的叶子结点末端,得到第二次扩展后的路径。
对路径每扩展一次,则树的搜索总层数加1,将路径扩展两次后的节点组成K-Best搜索树相邻两层的路径。
步骤5.4,计算扩展后每个路径的累计PED值;从扩展后所有路径的累计PED值中选出最小和次小值;
步骤5.5,将第二次扩展后的路径中每个路径的累计PED值与阈值进行比较,丢弃累计PED值大于阈值的路径,保留累计PED值小于阈值的路径;
步骤6,判断是否选完MIMO系统的所有发射天线,若是,则执行步骤7,否则,执行步骤5;
步骤7,确定发射信号的检测值:
步骤7.1,从所有的保留路径中选出具有最小PED值的路径;
步骤7.2,从具有最小PED值路径的根节点开始,每次选择两个值,将所选两个值分别作为实部与虚部,构成一个发射调制信号复数值的检测值,直至到达叶子结点,由所有发射调制信号复数值的检测值组成的复数集合即为所有发射天线的信号检测值。
本发明与现有的技术相比具有以下优点:
第一,本发明采用以一范数大小调整列向量顺序的方法,对信道实矩阵进行重塑,再对重塑后的信道矩阵进行QR分解,得到上三角R矩阵,该矩阵可用于并行检测树搜索中相邻两层的节点,同时在检测过程中按照信号强度从小到大依次检测出接收天线上的信号,从而减小了接收天线间的信号干扰,克服了现有信号检测方法中进行准确信号检测导致的时延较高的缺陷,使得本发明降低了准确检测出信号所需的时延,从而可以在MIMO系统中以更快的速度检测出信号,提升系统的吞吐率。
第二,本发明采用按照“之字形”枚举规则,顺序展开、组合、筛选节点的方法,使得树搜索中可以根据每层保留路径与最大似然解重合的概率动态调整展开的节点数,减小了漏掉最佳路径的可能,克服了现有技术展开路径数目过多,大量路径排序导致的计算量增大,复杂度高的不足,使得本发明在保证信号检测性能的同时,降低了检测信号的复杂度,从而可以在MIMO系统中进一步节约计算资源,提升系统的检测效率。
附图说明
图1是本发明的流程图。
图2是本发明误码率的仿真图。
具体实施方式
下面结合附图和实施例,对本发明做进一步的详细描述。
参照图1和实施例,对实现本发明的具体步骤做进一步的详细描述。
步骤1,将信道复矩阵转化为信道实矩阵。
按照下式,将由MIMO系统信道估计模块得出的一个N阶信道复矩阵转化为一个2N阶的信道实矩阵H,其中,N的取值等于MIMO系统收发天线的个数:
其中,Re(·)表示实部符号,Hc表示信道复矩阵,Im(·)表示虚部符号。
步骤2,更新信道实矩阵中的元素值。
步骤2.1,按照下式,计算信道实矩阵中每列的一范数值:
其中,norm1(j)表示信道实矩阵中第j列的一范数值,∑(·)表示求和操作,|·|1表示求一范数操作,j表示信道实矩阵中列的序号,1≤j≤M,M表示信道实矩阵列的总数,M=2N,hi,j表示信道实矩阵H第i行,第j列的元素,1≤i≤L,L表示信道实矩阵行的总数,L=M。
步骤2.2,将信道实矩阵的列一范数值按由小到大升序的顺序进行排序。
步骤2.3,按照排序后的数值依次更新信道实矩阵H′中的元素值。
本发明实施例中信道实矩阵的行的总数L=4,列的总数M=4,信道实矩阵H可具体表示如下,该信道实矩阵H中的元素值由MIMO系统的信道估计模块利用最小二乘估计法得出:
计算信道实矩阵H中每一列的一范数值:
norm1(1)=|0.3|1+|0.1|1+|0.1|1+|-0.1|1=0.6
norm1(2)=|0.2|1+|0.5|1+|0.4|1+|-0.1|1=1.2
norm1(3)=|-0.1|1+|0.1|1+|0.3|1+|0.1|1=0.6
norm1(4)=|-0.4|1+|0.1|1+|0.2|1+|0.5|1=1.2
对计算出的一范数值由小到大进行排序,第一列至第四列的一范数值分别为0.6,1.2,0.6,1.2,按由小到大的顺序对一范数值进行排序的结果为0.6,0.6,1.2,1.2,以上一范数值对应的信道实矩阵H的列序号分别为1,3,2,4。
通过信道实矩阵H的每一列的一范数值的排序结果,更新信道实矩阵H′中的元素值。以求信道实矩阵H′的第一列元素值为例进行说明,第一个值0.6对应的信道实矩阵H的列序号为1,故信道实矩阵H′的第一列元素值与信道实矩阵H的第一列的元素值相等,由此类推可确定H′中全部元素的值。
步骤3,构建扩展矩阵。
按照下式,将MIMO系统接收端的接收信号复向量转化为接收信号实向量,将接收信号实向量作为第M+1列添加至步骤1得到的信道矩阵中,得到扩展矩阵
其中,Yc表示信道复矩阵。
步骤4,对扩展矩阵进行QR分解。
对扩展矩阵采用基于基于坐标旋转数字计算机CORDIC(Coordinate RotationDigital Computer)的吉文斯旋转法进行QR分解,得到一个对角线元素从右下角至左上角递增的上三角R矩阵以及更新后的接收信号向量
步骤5,采用K-Best方法并行搜索相邻两层的路径。
通过计算每个待检测发射天线的发射调制信号复数值,将每个待检测发射天线复数值的虚部和实部作为当前搜索路径的新节点值,依次添加至当前搜索路径的叶子结点末端,进行路径扩展,这两个可以使扩展后的路径与更新后的接收信号向量的累计部分欧氏距离最小,从而避免了最优检测路径丢失的情况,保证了MIMO系统的检测性能。
步骤5.1,从MIMO系统的所有发射天线中,选取一根未检测的发射天线。
步骤5.2,按照下式,计算所选未检测的发射天线的发射调制信号复数值:
其中,表示所选未检测发射天线的发射调制信号复数值,P表示R矩阵的行总数,n表示搜索层的序号,/>分别表示更新后的接收信号向量/>中第n个、第n-1个元素,rn,m表示QR分解得到的上三角R矩阵中第n行,第m列的元素,/>表示搜索路径中的第m个节点值。
步骤5.3,分别以所选未检测发射天线的发射调制信号复数值的虚部与实部作为中心节点,采用K-Best方法并行展开相邻两层的K个节点,K-Best方法中的节点展开方式采用“之字形”枚举法,利用展开的节点对当前搜索路径进行两次扩展,将以虚部为中心展开的K个节点添加至当前搜索路径的叶子结点末端,得到第一次扩展后的路径,再将以实部为中心展开的K个节点添加至第一次扩展后的路径的叶子结点末端,得到第二次扩展后的路径。
对路径每扩展一次,则树的搜索总层数加1,将路径扩展两次后的节点组成K-Best搜索树相邻两层的路径。
步骤5.4,按照下式,计算扩展后每个路径的累计PED值:
其中,dn+1、dn-1分别表示扩展路径中从根节点到第n+1层节点、第n-1层节点所组成路径的累计PED,|·|表示求绝对值操作。
步骤5.5,从第二次扩展后的所有路径的累计PED值中选出最小和次小值。
步骤5.6,按照下式,计算阈值:
其中,t表示阈值,l表示未检测过的天线数量,σ2表示MIMO信道的噪声方差,Dm、Ds分别表示累计PED值中的最小和次小值。
步骤5.7,将第二次扩展后的路径中每个路径的累计PED值与阈值进行比较,丢弃累计PED值大于阈值的路径,保留累计PED值小于阈值的路径。
步骤6,判断是否选完MIMO系统的所有发射天线,若是,则执行步骤7,否则,执行步骤5。
步骤7,确定发射信号的检测值:
步骤7.1,从所有的保留路径中选出具有最小PED值的路径。
步骤7.2,从具有最小PED值路径的根节点开始,每次选择两个值,将所选两个值分别作为实部与虚部,构成一个发射调制信号复数值的检测值,直至到达叶子结点,由所有发射调制信号复数值的检测值组成的复数集合即为发射天线集合的信号检测值。
下面结合仿真实验对本发明效果做进一步说明。
1.仿真实验条件:
本发明的仿真实验的环境为:MATLAB R2019a,在MATLAB R2019a中搭建一个MIMO检测系统,天线配置为2发2收,数据矢量的调制方式为64QAM,信道类型为室内B信道,统计误比特率的循环次数为10000次。
2.仿真内容及其结果分析:
本发明的仿真实验是采用本发明和两个现有MIMO信号检测方法(K-Best信号检测方法、最大似然信号检测方法),进行MIMO系统的信号检测。计算以上三个信号检测方法在0-25dB信噪比范围内的信号检测误码率,绘制信噪比与信号检测误码率的关系曲线,获得以上三个信号检测方法的性能对比图,如图2所示。
在仿真实验中,采用的两个现有技术是指:
现有K-Best信号检测方法是指,I.Al-Nahhal等人在“Reduced complexity K-Best sphere decoding algorithms for ill-conditioned MIMO channels,2016 13thIEEE Annual Consumer Communications&Networking Conference(CCNC),Las Vegas,NV,2016,pp.183-187.”中提出的信号检测方法,简称K-Best方法。
现有最大似然信号检测方法是指,Yong Soo Cho等人在“MIMO-OFDM无线通信技术及MATLAB实现,北京:电子工业出版社,2013”中提出的信号检测方法,简称最大似然检测方法,最大似然检测方法是理论最优的信号检测方法。
下面结合图2的仿真对本发明的效果做进一步的描述。
图2为本发明仿真实验的性能对比图。图2中的横坐标表示信噪比,信噪比的单位为分贝(dB),纵坐标表示误码率。
图2中用圆圈标识的曲线表示K-Best方法的误码率仿真曲线,用三角标识的曲线表示本发明提出的基于并行K-Best搜索的MIMO系统信号检测方法的误码率仿真曲线,用星号标识的曲线表示最大似然检测方法的误码率仿真曲线。在图2中,误码率随着信噪比的改变而改变,信噪比的取值越大,误码率的取值就越小。
由图2可以看出,将本发明提出的基于并行K-Best搜索的MIMO系统信号检测方法和现有技术中的K-Best方法的误码率仿真曲线作比较,在信噪比相同时,提出的基于并行K-Best搜索的MIMO系统信号检测方法对应的误码率最小,在误码率相同时,提出的基于并行K-Best搜索的MIMO系统信号检测方法对应的信噪比有将近2dB的增益。将本发明提出的基于并行K-Best搜索的MIMO系统信号检测方法和最大似然检测方法的误码率仿真曲线作比较,在信噪比相同时,提出的基于并行K-Best搜索的MIMO系统信号检测方法的误码率接近于最大似然检测方法的误码率,因此,本发明提出的基于并行K-Best搜索的MIMO系统信号检测方法的检测准确率接近理想的准确率。
Claims (7)
1.一种基于并行K-Best搜索的MIMO系统信号检测方法,其特征在于,以一范数大小为依据更新信道实矩阵中列的位置,采用K-Best方法并行搜索相邻两层的路径,该方法的步骤包括如下:
步骤1,将信道复矩阵转化为信道实矩阵:
将由MIMO系统信道估计模块得出的一个信道复矩阵转化为信道实矩阵;
步骤2,更新信道实矩阵中的元素值:
计算信道实矩阵中每一列的一范数值,对一范数值由小到大进行排序,按照排序后的数值依次更新信道实矩阵中的元素值;
步骤3,构建扩展矩阵:
将MIMO系统接收端的接收信号复向量转化为接收信号实向量,将接收信号实向量作为新的一列添加至信道实矩阵的最右端,得到扩展后的矩阵;
步骤4,对扩展矩阵进行QR分解:
对扩展后的矩阵进行QR分解,得到一个对角线元素从右下角至左上角递增的上三角矩阵以及更新后的接收信号向量;
步骤5,采用K-Best方法并行搜索相邻两层的路径:
步骤5.1,从MIMO系统的所有发射天线中,选取一根未检测的发射天线;
步骤5.2,计算所选未检测的发射天线的发射调制信号复数值;
步骤5.3,分别以所选未检测发射天线的发射调制信号复数值的虚部与实部作为中心节点,按照“之字形”枚举法并行展开树搜索相邻两层的K个节点,利用展开的节点对当前搜索路径进行两次扩展,将以虚部为中心展开的K个节点添加至当前搜索路径的叶子结点末端,得到第一次扩展后的路径,再将以实部为中心展开的节点添加至第一次扩展后的路径的叶子结点末端,得到第二次扩展后的路径;
对路径每扩展一次,则树的搜索总层数加1,将路径扩展两次后的节点组成K-Best搜索树相邻两层的路径;
步骤5.4,计算扩展后每个路径的累计PED值;从扩展后所有路径的累计PED值中选出最小和次小值;
步骤5.5,将第二次扩展后的路径中每个路径的累计PED值与阈值进行比较,丢弃累计PED值大于阈值的路径,保留累计PED值小于阈值的路径;
步骤6,判断是否选完MIMO系统的所有发射天线,若是,则执行步骤7,否则,执行步骤5;
步骤7,确定发射信号的检测值:
步骤7.1,从所有的保留路径中选出具有最小PED值的路径;
步骤7.2,从具有最小PED值路径的根节点开始,每次选择两个值,将所选两个值分别作为实部与虚部,构成一个发射调制信号复数值的检测值,直至到达叶子结点,由所有发射调制信号复数值的检测值组成的复数集合即为所有发射天线的信号检测值。
2.根据权利要求1所述的基于并行K-Best搜索的MIMO系统信号检测方法,其特征在于,步骤1中所述的将信道复矩阵转化为信道实矩阵是由下式实现的:
其中,H表示信道实矩阵,Re(·)表示实部符号,Hc表示信道复矩阵,Im(·)表示虚部符号。
3.根据权利要求1所述的基于并行K-Best搜索的MIMO系统信号检测方法,其特征在于,步骤2中所述的信道实矩阵中每一列的一范数值的是由下式得到的:
其中,norm1(j)表示信道实矩阵中第j列的一范数值,∑(·)表示求和操作,|·|1表示求一范数操作,j表示信道实矩阵中列的序号,1≤j≤M,M表示信道实矩阵列的总数,hi,j表示信道实矩阵H第i行,第j列的元素,1≤i≤L,L表示信道实矩阵行的总数,L=M。
4.根据权利要求1所述的基于并行K-Best搜索的MIMO系统信号检测方法,其
特征在于,步骤3中所述的构建扩展矩阵是由下式得到的:
其中,表示扩展矩阵,H′表示更新后的信道矩阵,Yc表示接收信号复向量。
5.根据权利要求1所述的基于并行K-Best搜索的MIMO系统信号检测方法,其特征在于,步骤5.2中所述的未检测的发射天线的发射调制信号复数值是由下式得到的:
其中,表示所选未检测发射天线的发射调制信号复数值,P表示R矩阵的行总数,n表示搜索层的序号,/>分别表示更新后的接收信号向量/>中的第n个、第n-1个元素,rn,m表示QR分解得到的上三角R矩阵中第n行,第m列的元素,/>表示搜索路径中的第m个节点值。
6.根据权利要求5所述的基于并行K-Best搜索的MIMO系统信号检测方法,其特征在于,步骤5.4中所述的扩展后每个路径的累计PED值是由下式得到的:
其中,dn+1、dn-1分别表示扩展路径中从根节点到第n+1层节点、第n-1层节点所组成路径的累计PED,|·|表示求绝对值操作。
7.根据权利要求1所述的基于并行K-Best搜索的MIMO系统信号检测方法,其特征在于,步骤5.5中所述的阈值是由下式得到的:
其中,t表示阈值,l表示未检测过的天线数量,σ2表示MIMO信道的噪声方差,Dm、Ds分别表示累计PED值中的最小和次小值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210587179.XA CN115001546B (zh) | 2022-05-26 | 2022-05-26 | 基于并行K-Best搜索的MIMO系统信号检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210587179.XA CN115001546B (zh) | 2022-05-26 | 2022-05-26 | 基于并行K-Best搜索的MIMO系统信号检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115001546A CN115001546A (zh) | 2022-09-02 |
CN115001546B true CN115001546B (zh) | 2023-09-08 |
Family
ID=83030048
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210587179.XA Active CN115001546B (zh) | 2022-05-26 | 2022-05-26 | 基于并行K-Best搜索的MIMO系统信号检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115001546B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102724160A (zh) * | 2012-05-04 | 2012-10-10 | 西安电子科技大学 | 高阶调制多入多出系统中的信号检测方法 |
CN103873120A (zh) * | 2014-04-08 | 2014-06-18 | 中国科学技术大学 | 一种基于宽度优先搜索的多天线系统并行检测方法 |
CN109951214A (zh) * | 2019-02-22 | 2019-06-28 | 南京邮电大学 | 一种适用于大规模mimo系统的信号检测方法 |
CN113141233A (zh) * | 2021-03-11 | 2021-07-20 | 西安电子科技大学 | 一种信道矩阵排序qr分解处理方法、系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111628952B (zh) * | 2019-02-28 | 2021-06-15 | 乐鑫信息科技(上海)股份有限公司 | 带有检测中信道矩阵预处理的mimo-ofdm无线信号检测方法和系统 |
-
2022
- 2022-05-26 CN CN202210587179.XA patent/CN115001546B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102724160A (zh) * | 2012-05-04 | 2012-10-10 | 西安电子科技大学 | 高阶调制多入多出系统中的信号检测方法 |
CN103873120A (zh) * | 2014-04-08 | 2014-06-18 | 中国科学技术大学 | 一种基于宽度优先搜索的多天线系统并行检测方法 |
CN109951214A (zh) * | 2019-02-22 | 2019-06-28 | 南京邮电大学 | 一种适用于大规模mimo系统的信号检测方法 |
CN113141233A (zh) * | 2021-03-11 | 2021-07-20 | 西安电子科技大学 | 一种信道矩阵排序qr分解处理方法、系统 |
Non-Patent Citations (1)
Title |
---|
Algorithm and Architecture of a Low-Complexity and High-Parallelism Preprocessing-Based K -Best Detector for Large-Scale MIMO Systems;Guiqiang Peng et al;IEEE Transactions on Signal Processing;第66卷(第7期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115001546A (zh) | 2022-09-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xia et al. | A MIMO detector with deep learning in the presence of correlated interference | |
JP5710469B2 (ja) | 確率的雑音制約を有する半径適応球面復号化 | |
CN109951214B (zh) | 一种适用于大规模mimo系统的信号检测方法 | |
US6556632B1 (en) | Sequence estimation method and sequence estimator | |
Amiri et al. | A high throughput configurable SDR detector for multi-user MIMO wireless systems | |
CN113114313A (zh) | 一种mimo-noma系统导频辅助信号检测方法、系统及存储介质 | |
Hua et al. | Signal detection in uplink pilot-assisted multi-user MIMO systems with deep learning | |
Ivanov et al. | Smart sorting in massive MIMO detection | |
US8582695B2 (en) | Method for selecting transmitting points in a communication system | |
Ye et al. | Bilinear convolutional auto-encoder based pilot-free end-to-end communication systems | |
CN115001546B (zh) | 基于并行K-Best搜索的MIMO系统信号检测方法 | |
Ju et al. | VLSI implementation of an 855 Mbps high performance soft-output K-Best MIMO detector | |
CN101964667A (zh) | 用于长期演进方案的高效多天线检测方法 | |
Wu et al. | Accelerated sphere decoding for multiple-input multiple-output systems using an adaptive statistical threshold | |
KR101348557B1 (ko) | Mimo-ofdm 시스템을 이용한 신호 검출 방법 및 그 장치 | |
Yang et al. | A multi-core sphere decoder VLSI architecture for MIMO communications | |
CN115051734B (zh) | 一种固定复杂度球形译码的改进方法 | |
CN111313914A (zh) | 一种基于神经网络分类器的scl简化译码方法 | |
Shariat-Yazdi et al. | Reconfigurable K-best MIMO detector architecture and FPGA implementation | |
CN110504995A (zh) | 基于格基规约和K-Best的软输出MIMO检测方法 | |
Sun et al. | Low-complexity and high-performance soft MIMO detection based on distributed M-algorithm through trellis-diagram | |
CN113746776B (zh) | 基于星座点排序和动态树搜索的信号接收方法 | |
CN114666012B (zh) | 一种基于mpa的多采样点联合检测的scma检测方法 | |
CN115051900B (zh) | 无线多输入多输出的接收机检测方法 | |
US8401115B2 (en) | Detector using limited symbol candidate generation for MIMO communication systems |
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 |