CN116566443A - 基于并行Cholesky矩阵分解的MIMO系统信号检测系统及方法 - Google Patents
基于并行Cholesky矩阵分解的MIMO系统信号检测系统及方法 Download PDFInfo
- Publication number
- CN116566443A CN116566443A CN202310597228.2A CN202310597228A CN116566443A CN 116566443 A CN116566443 A CN 116566443A CN 202310597228 A CN202310597228 A CN 202310597228A CN 116566443 A CN116566443 A CN 116566443A
- Authority
- CN
- China
- Prior art keywords
- matrix
- elements
- value
- row
- channel
- 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
Links
- 239000011159 matrix material Substances 0.000 title claims abstract description 277
- 238000001514 detection method Methods 0.000 title claims abstract description 84
- 238000000354 decomposition reaction Methods 0.000 title claims abstract description 51
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000006243 chemical reaction Methods 0.000 claims abstract description 11
- 239000013598 vector Substances 0.000 claims description 26
- 230000005540 biological transmission Effects 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 description 7
- 230000007547 defect Effects 0.000 description 6
- 238000007781 pre-processing Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- FFGPTBGBLSHEPO-UHFFFAOYSA-N carbamazepine Chemical compound C1=CC2=CC=CC=C2N(C(=O)N)C2=CC=CC=C21 FFGPTBGBLSHEPO-UHFFFAOYSA-N 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
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
- 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
- H04B7/0456—Selection of precoding matrices or codebooks, e.g. using matrices antenna weighting
-
- 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
- H04L25/03891—Spatial equalizers
- H04L25/03898—Spatial equalizers codebook-based design
- H04L25/0391—Spatial equalizers codebook-based design construction details of matrices
-
- 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)
- Radio Transmission System (AREA)
Abstract
本发明公开了一种基于并行Cholesky矩阵分解的MIMO系统信号检测系统及方法,主要解决现有MIMO系统信号检测时复杂度高,以及在实数域进行信号检测时,检测时延翻倍的问题。其实现步骤是:信道矩阵转换模块将信道复矩阵转化为信道实矩阵并生成迭代矩阵;信道矩阵分解模块利用Cholesky矩阵分解方法并行分解迭代矩阵;K‑Best并行搜索模块利用K‑Best并行搜索方法并行搜索相邻两层的路径;检测结果判决模块完成所以天线信号的检测并确定发射信号检测值。本发明对信号检测过程的并行化设计,有效减少了检测的复杂度,降低了检测时延,能以更少的资源数量实现对信号的检测。
Description
技术领域
本发明涉及通信技术领域,更进一步涉及多天线技术领域中的一种基于并行Cholesky矩阵分解的多输入多输出MIMO(Multiple-Input Multiple-Output)系统信号检测系统及方法。本发明能以较低的复杂度与较低的时延完成基于并行Cholesky矩阵分解的MIMO系统的信号检测。
背景技术
MIMO系统利用空间复用技术,通过将原本串行的数据,并行的由多根天线发送,在不增加天线发射功率以及消耗更多频谱资源的前提下,使系统吞吐率成倍提升,被应用于各类无线通信场景之中。近年来,MIMO信号检测方法的研究主要围绕K-Best信号检测方法展开,该方法可以通过设置保留路径数量的方式,在性能和硬件资源消耗上做出选择,具有极高的灵活性,但存在矩阵分解过程中实现复杂度高、信号搜索过程中展开子节点数量多等问题,导致该方法完成信号检测的任务需要消耗大量的时间和计算资源,这与新一代通信系统低时延的发展趋势不符。
乐鑫信息科技(上海)股份有限公司在其申请的专利文献“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”(申请号:201910152084.3,申请公布号:CN111628952 A)公开了一种基于K-Best的无线信号检测方法及其系统。该专利文献公开的方法当接收到的第一个OFDM符号后,对每个子载波的信道矩阵进行预处理,以生成全局动态K值表,确定了每个子载波进行信号检测时保留的路径数量。同时,为了进一步降低方法整体的复杂度,该方法从实数域进行信号检测,避免了复杂的复数运算。虽然该方法有效降低了信号检测过程中展开的子节点数量以及算法的复杂度,但是,该方法仍然存在的不足之处是,在实数域进行信号检测时,需对信道矩阵进行实数化,这会使信道矩阵大小翻倍,导致该方法在信号检测过程中计算复杂度过高,此外,大小翻倍后的信道矩阵在进行信道矩阵分解以及K-Best搜索时会带来处理时延翻倍的问题。该专利文献公开的系统由信道矩阵预处理子模块、存储子模块和K-best搜索子模块组成。首先,信道矩阵预处理子模块对第一个OFDM符号的每个子载波的信号矩阵执行信号矩阵预处理,以生成全局动态K值表;接着,存储子模块存储全局动态K值表以及每个子载波的搜索参数;最后,K-best搜索子模块对MIMO-OFDM数据包中每个后续OFDM符号进行MIMO检测。为了降低系统复杂度,该系统利用实数域替代复数域计算,但是,该系统存在的不足之处是,在实数域进行信号检测时,需要对矩阵实数化,使得信号矩阵大小翻倍,增加了系统在信号检测时计算复杂度高,同时K-bset搜索也会导致系统处理时延翻倍。
发明内容
本发明的目的在于针对上述现有技术的不足,提出一种基于并行Cholesky矩阵分解的MIMO系统信号检测系统及方法,用于解决现有MIMO系统信号检测时复杂度高,以及在实数域进行信号检测时,检测时延翻倍的问题。
为了实现上述目的,本发明的思路是,本发明的方法通过对实数化后的信道矩阵采用Cholesky矩阵模型进行并行矩阵分解,重新设计的信道矩阵分解过程,能以完成对一行元素计算的代价实现对相邻两行元素的并行分解,降低了对实数化后信道矩阵分解时所需计算次数,有效提高了信道矩阵的分解速度,相较于传统信道矩阵分解方法,克服了现有矩阵分解技术中,信道矩阵大小翻倍后带来的信道矩阵分解复杂度过高、分解翻倍时间不足的缺陷,并且,对于分解得到的上三角矩阵,其奇数行对角线元素右侧第一个元素数值固定为0,充分利用了分解得到的矩阵特性。本发明的系统在搜索过程采用K-best算法对相邻两层同时进行子节点展开,并在子节点展开时,将各保留路径依据累积欧氏距离的排序进行划分,每类路径按照SE枚举规则顺序展开不同数量的子节点,在对相邻两层展开的子节点进行组合、排序后,最终完成K个最佳路径的选择,相较于传统搜索系统,本发明改进后的系统仅对部分节点进行展开,有效减少了展开的子节点数量,克服了现有方法中子节点展开数量过多的不足。为了进一步降低时延,本发明的系统在进行信号搜索时,在完成相邻两层子节点的并行展开后,通过对子节点进行二次展开,将相邻两层的搜索过程合并为一次,仅需传统方法一半的信号搜索次数,便可完成对全部信号的搜索,有效解决了信道矩阵大小翻倍带来的信号搜索时间翻倍问题。
实现本发明目的的技术方案的步骤如下:
本发明的系统,包括信道矩阵转换模块、检测结果判决模块、信道矩阵分解模块、K-Best并行搜索模块;其中:
所述信道矩阵转换模块,用于将MIMO系统的信道复矩阵转化为信道实矩阵,通过信道实矩阵生成迭代矩阵;
所述信道矩阵分解模块,用于利用Cholesky矩阵分解方法并行分解迭代矩阵,从当前迭代矩阵中选取前两行元素作为待分解元素,通过待分解元素得到上三角矩阵R中第2o-1行和第2o行元素,同时将待分解元素从当前迭代矩阵中移除,得到移除分解元素后的矩阵,其中,o的取值等于迭代次数;将上三角矩阵R中第2o-1行,第2o+1列至第2N列元素组成的行向量转置后与自身行向量相乘,组成中间矩阵;其中,o的取值等于迭代次数,N的取值等于MIMO系统中发射天线的数量;利用中间矩阵相关元素更新移除分解元素后的矩阵,得到更新后的迭代矩阵;判断当前迭代矩阵是否还存在未被移除的元素,若是,则从当前迭代矩阵中选取前两行元素作为待分解元素,否则,通过上三角矩阵R和信道实矩阵生成等效酉矩阵Q;
所述K-Best并行搜索模块,用于利用K-Best方法并行搜索相邻两层的路径,从MIMO系统的所有发射天线中,选取一根未检测的发射天线;将保留的搜索路径按照累积欧式距离的排序划分为3类路径,按照SE枚举规则同时展开相邻两层子节点,展开的子节点数量由路径类别以及K值决定;将展开的下层节点添加至对应保留路径的末端,得到扩展后路径,再将展开的上层节点复制后,添加至对应扩展后路径的末端,对路径做第二次扩展,得到二次扩展后路径;通过上三角矩阵R和等效酉矩阵Q计算出每一条二次扩展后路径的累积欧氏距离,选择其中累积欧氏距离最小的K条路径作为保留路径;
所述检测结果判决模块,用于判断是否选完MIMO系统的所有发射天线,若是,则确定发射信号的检测值,否则,利用K-Best方法并行搜索相邻两层的路径,从MIMO系统的所有发射天线中,选取一根未检测的发射天线,进行并行搜索;
所述检测结果判决模块,用于确定发射信号的检测值。
选中保留路径中累积欧氏距离最小的路径,从根节点开始,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。
本发明的信号检测方法的步骤包括如下:
步骤1,信道矩阵转换模块将MIMO系统的信道复矩阵转化为信道实矩阵,通过信道实矩阵生成迭代矩阵;
步骤2,信道矩阵分解模块利用用Cholesky矩阵分解方法并行分解迭代矩阵:
步骤2.1,从当前迭代矩阵中选取前两行元素作为待分解元素,通过待分解元素得到上三角矩阵R中第2o-1行和第2o行元素,同时将待分解元素从当前迭代矩阵中移除,得到移除分解元素后的矩阵,其中,o的取值等于迭代次数;
步骤2.2,将上三角矩阵R中第2o-1行,第2o+1列至第2N列元素组成的行向量转置后与自身行向量相乘,组成中间矩阵;其中,o的取值等于迭代次数,N的取值等于MIMO系统中发射天线的数量;
步骤2.3,利用中间矩阵相关元素更新移除分解元素后的矩阵,得到更新后的迭代矩阵;
步骤2.4,判断当前迭代矩阵是否还存在未被移除的元素,若是,则执行步骤2.1,否则,执行步骤2.5;
步骤2.5,通过上三角矩阵R和信道实矩阵生成等效酉矩阵Q;
步骤3,K-Best并行搜索模块利用K-Best方法并行搜索相邻两层的路径:
步骤3.1,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3.2,将保留的搜索路径按照累积欧式距离的排序划分为3类路径,按照SE枚举规则同时展开相邻两层子节点,展开的子节点数量由路径类别以及K值决定;
步骤3.3,将展开的下层节点添加至对应保留路径的末端,得到扩展后路径,再将展开的上层节点复制后,添加至对应扩展后路径的末端,对路径做第二次扩展,得到二次扩展后路径;
步骤3.4,通过上三角矩阵R和等效酉矩阵Q计算出每一条二次扩展后路径的累积欧氏距离,选择其中累积欧氏距离最小的K条路径作为保留路径;
步骤4,检测结果判决模块判断是否选完MIMO系统的所有发射天线,若是,则执行步骤5,否则,执行步骤3;
步骤5,检测结果判决模块确定发射信号的检测值:
选中保留路径中累积欧氏距离最小的路径,从根节点开始,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。
本发明与现有技术相比具有以下优点:
第一,本发明的方法通过对实数化后的信道矩阵采用Cholesky矩阵模型进行并行分解迭代,与其它实数域信号检测方法相比,以完成对一行元素计算的代价实现对相邻两行元素的并行分解,克服了现有技术在进行实数域信号检测时,信道矩阵大小翻倍后带来的信道矩阵分解复杂度过高的缺陷,有效提高了信道矩阵的分解速度。使得本发明能以传统实数域信道矩阵分解方法一半的计算复杂度,完成同样的信道矩阵分解任务,具有低复杂度、高分解速度的优势。
第二,本发明的系统在K-best模块中进行子节点展开时,将各保留路径依据累积欧氏距离的排序进行划分,每类路径按照SE枚举规则顺序展开不同数量的子节点,在对相邻两层展开的子节点进行组合、排序后,最终完成K个最佳路径的选择。通过对部分子节点进行节点展开,有效降低了展开子节点的数量,降低了进行子节点展开时的计算复杂度。克服了现有系统中子节点展开数量过多的不足,使得本发明信号检测的复杂度进一步降低,减少了MIMO系统中使用的资源数量。
第三,本发明的系统为了更进一步降低时延,本系统在进行信号搜索时,在完成了相邻子节点的并行展开后,通过对子节点进行二次展开,将相邻两层的搜索过程合并为一次,有效的解决了信道矩阵大小翻倍后带来的信号搜索时间翻倍问题,使得本发明能更快的完成搜索任务。
附图说明
图1是本发明系统框图;
图2是本发明算法实现步骤流程图;
图3是本发明K-Best信号搜索流程图;
图4是本发明SE枚举示意图;
图5是本发明二次展开方案示意图。
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,对本发明系统做进一步的详细描述。
本发明的系统,包括信道矩阵转换模块、检测结果判决模块、信道矩阵分解模块、K-Best并行搜索模块;其中:
所述信道矩阵转换模块,用于将MIMO系统的信道复矩阵转化为信道实矩阵,通过信道实矩阵生成迭代矩阵。
所述信道矩阵分解模块,用于利用Cholesky矩阵分解方法并行分解迭代矩阵,从当前迭代矩阵中选取前两行元素作为待分解元素,通过待分解元素得到上三角矩阵R中第2o-1行和第2o行元素,同时将待分解元素从当前迭代矩阵中移除,得到移除分解元素后的矩阵,其中,o的取值等于迭代次数;将上三角矩阵R中第2o-1行,第2o+1列至第2N列元素组成的行向量转置后与自身行向量相乘,组成中间矩阵;其中,o的取值等于迭代次数,N的取值等于MIMO系统中发射天线的数量;利用中间矩阵相关元素更新移除分解元素后的矩阵,得到更新后的迭代矩阵;判断当前迭代矩阵是否还存在未被移除的元素,若是,则从当前迭代矩阵中选取前两行元素作为待分解元素,否则,通过上三角矩阵R和信道实矩阵生成等效酉矩阵Q。
所述K-Best并行搜索模块,用于利用K-Best方法并行搜索相邻两层的路径,从MIMO系统的所有发射天线中,选取一根未检测的发射天线;将保留的搜索路径按照累积欧式距离的排序划分为3类路径,按照SE枚举规则同时展开相邻两层子节点,展开的子节点数量由路径类别以及K值决定;将展开的下层节点添加至对应保留路径的末端,得到扩展后路径,再将展开的上层节点复制后,添加至对应扩展后路径的末端,对路径做第二次扩展,得到二次扩展后路径;通过上三角矩阵R和等效酉矩阵Q计算出每一条二次扩展后路径的累积欧氏距离,选择其中累积欧氏距离最小的K条路径作为保留路径。
所述检测结果判决模块,用于判断是否选完MIMO系统的所有发射天线,若是,则确定发射信号的检测值,否则,利用K-Best方法并行搜索相邻两层的路径,从MIMO系统的所有发射天线中,选取一根未检测的发射天线,进行并行搜索。
所述检测结果判决模块,用于确定发射信号的检测值。
选中保留路径中累积欧氏距离最小的路径,从根节点开始,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。
参照图2,对本发明方法的实现步骤做进一步的详细描述。
步骤1,信道矩阵转换模块将MIMO系统的信道复矩阵转化为信道实矩阵,通过信道实矩阵生成迭代矩阵。
所述的将MIMO系统的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,H1表示信道复矩阵的第1个列向量,HN表示信道复矩阵的第N个列向量,N的取值等于MIMO系统中发射天线的总数,Im(·)表示虚部符号。
所述的通过信道实矩阵生成迭代矩阵是指,通过信道实矩阵得到迭代矩阵中奇数行元素的数值,选择迭代矩阵奇数行元素中处于奇数列位置的元素,将该元素与其右方、下方以及右下方的元素划分为一组,在组内按照主对角线方向元素数值相同,副对角线方向元素数值互为相反数的方式,逐个得到偶数行元素的数值,其中,迭代矩阵中奇数行元素的数值是由下式得到的:
其中,ai,j表示迭代矩阵中第i行,第j列的元素,i为在区间[1,2N]内选取的一个奇数值,N的取值等于MIMO系统中发射天线的总数,j为在区间[i,2N]内选取的一个实数值,Hi′表示信道实矩阵第i列元素组成的向量,(·)T表示对矩阵的转置运算。
本发明实施例中信道实矩阵的行的总数为4,列的总数为4,通过信道实矩阵得到的迭代矩阵A形式如下:
步骤2,信道矩阵分解模块利用Cholesky矩阵分解方法并行分解迭代矩阵:
步骤2.1,从当前迭代矩阵中选取前两行元素作为待分解元素,通过待分解元素得到上三角矩阵R中第2o-1行和第2o行元素,同时将待分解元素从当前迭代矩阵中移除,得到移除分解元素后的矩阵,其中,o的取值等于迭代次数。
所述的通过待分解元素得到上三角矩阵R中第2o-1行和第2o行元素是指,对待分解元素中第1行,第1列的元素进行开方运算,得到上三角矩阵R中第2o-1行,第2o-1列元素的数值,通过待分解元素得到上三角矩阵R第2o-1行剩余元素的数值后,使第2o-1行处于奇数列位置的元素,取值等于右上方元素数值的相反数,处于奇数列位置的元素,取值等于左上方元素的数值,其中,上三角矩阵R第2o-1行剩余元素的数值是由下式得到的:
其中,r2o-1,2o+l表示上三角矩阵R中第2o-1行,第2o+l列的元素,o的取值等于迭代次数,1≤o≤N,N的取值等于MIMO系统中发射天线的总数,l为在区间[2,2N-2o]内选取的一个实数值,a1,l表示待分解元素中第1行,第l列的元素,r2o-1,2o-1表示上三角矩阵R中第2o-1行,第2o-1列的元素。
步骤2.2,将上三角矩阵R中第2o-1行,第2o+1列至第2N列元素组成的行向量转置后与自身行向量相乘,组成中间矩阵;其中,o的取值等于迭代次数,N的取值等于MIMO系统中发射天线的数量。
步骤2.3,利用中间矩阵相关元素更新移除分解元素后的矩阵,得到更新后的迭代矩阵。
所述的利用中间矩阵相关元素更新移除分解元素后的矩阵是由下式实现的:
a″2x-1,2y-1=a2′x-1,2y-1-(t2x-1,2y-1+t2x,2y)
a″2x-1,2y=a′2x-1,2y-(t2x-1,2y-t2x,2y-1)
其中,a″2x-1,2y-1表示更新后的迭代矩阵第2x-1行,第2y-1列的元素,x为在区间[1,N-o]内选取的一个实数值,N的取值等于MIMO系统中发射天线的总数,y为在区间[x,N-o]上选取的一个实数值,a′2x-1,2y-1表示移除分解元素后的矩阵第2x-1行,第2y-1列的元素,t2x-1,2y-1表示中间矩阵第2x-1行,第2y-1列的元素,t2x,2y表示中间矩阵第2x行,第2y列的元素。
步骤2.4,判断当前迭代矩阵是否还存在未被移除的元素,若是,则执行步骤2.1,否则,执行步骤2.5。
步骤2.5,通过上三角矩阵R和信道实矩阵生成等效酉矩阵Q。
所述的通过上三角矩阵R和信道实矩阵生成等效酉矩阵Q是由下式实现的:
Q=(R-1)TH′T
其中,Q表示等效酉矩阵,R-1表示上三角矩阵R的逆矩阵,(·)T表示对矩阵或向量的转置运算,H′表示信道实矩阵。
步骤3,K-Best并行搜索模块利用K-Best方法并行搜索相邻两层的路径。
参照图3,对本发明采用K-Best方法并行搜索相邻两层的路径的步骤做进一步的详细描述。
步骤3.1,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3.2,将保留的搜索路径按照累积欧式距离的排序划分为3类路径,按照SE枚举规则同时展开相邻两层子节点,展开的子节点数量由路径类别以及K值决定。
本发明的实施例中,对信号调制阶数为64QAM,保留路径数量为8的K-Best搜索算法,设置高置信度路径数量为3条,每条路径展开4个子节点,中置信度路径为3条,每条路径展开2个子节点,低置信度路径为2条,每条展开1个子节点。
SE枚举规则如图4所示,图4中,-5、-3、-1、1、3、5表示星座图映射后的实部值,表示当前路径下计算出来的信号值,枚举时,对星座映射值到/>的欧式距离以由小到大的顺序进行排序,并根据排序结果从码本中选择将要被展开的子节点。
对信号估计值的计算是由下式实现的:
其中,表示当前路径第z个节点的信号估计值,Qz表示等效酉矩阵第z行元素组成的向量,/>表示实数化接收信号向量,∑·表示求和操作,M的取值等于MIMO系统中接收天线的总数,k为在区间[z+1,2M]上依次选取的实数值,rz,k表示上三角矩阵R第z行,第k列的元素。
步骤3.3,将展开的下层节点添加至对应保留路径的末端,得到扩展后路径,再将展开的上层节点复制后,添加至对应扩展后路径的末端,对路径做第二次扩展,得到二次扩展后路径。
本发明的实施例中,并行展开相邻两层子节点后,对子节点进行二次展开的方式如图5所示,首先,对天线i的2i+1层的同一个父节点进行展开操作,得到2i层展开的n个子节点和2i-1层展开的n个子节点;然后,对2i层和2i-1层的n个子节点进行二次展开,并将展开后相邻两层的子节点合并得到等效路径。
步骤3.4,通过上三角矩阵R和等效酉矩阵Q计算出每一条二次扩展后路径的累积欧氏距离,选择其中累积欧氏距离最小的K条路径作为保留路径。
所述的计算每一条二次扩展后路径的累积欧氏距离是由下式实现的:
其中,dm-2表示待搜索节点数量为m-2的二次扩展后路径的累积欧氏距离,m的取值等于待搜索节点数量,1≤m≤2M,Qm表示等效酉矩阵第m行元素组成的向量,表示实数化接收信号向量,/>表示当前路径第m个节点对应的信号估计值,其取值范围由当前MIMO系统使用的信号调制方式决定,rm,m表示上三角矩阵R第m行,第m列的元素,|·|表示绝对值运算。
步骤4,检测结果判决模块判断是否选完MIMO系统的所有发射天线,若是,则执行步骤5,否则,执行步骤3。
步骤5,检测结果判决模块确定发射信号的检测值:
选中保留路径中累积欧氏距离最小的路径,从根节点开始,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。
Claims (8)
1.一种基于并行Cholesky矩阵分解的MIMO系统信号检测系统,包括信道矩阵转换模块、检测结果判决模块;其特征在于,还包括信道矩阵分解模块、K-Best并行搜索模块;其中:
所述信道矩阵转换模块,用于将MIMO系统的信道复矩阵转化为信道实矩阵,通过信道实矩阵生成迭代矩阵;
所述信道矩阵分解模块,用于利用Cholesky矩阵分解方法并行分解迭代矩阵,从当前迭代矩阵中选取前两行元素作为待分解元素,通过待分解元素得到上三角矩阵R中第2o-1行和第2o行元素,同时将待分解元素从当前迭代矩阵中移除,得到移除分解元素后的矩阵,其中,o的取值等于迭代次数;将上三角矩阵R中第2o-1行,第2o+1列至第2N列元素组成的行向量转置后与自身行向量相乘,组成中间矩阵;其中,o的取值等于迭代次数,N的取值等于MIMO系统中发射天线的数量;利用中间矩阵相关元素更新移除分解元素后的矩阵,得到更新后的迭代矩阵;判断当前迭代矩阵是否还存在未被移除的元素,若是,则从当前迭代矩阵中选取前两行元素作为待分解元素,否则,通过上三角矩阵R和信道实矩阵生成等效酉矩阵Q;
所述K-Best并行搜索模块,用于利用K-Best方法并行搜索相邻两层的路径,从MIMO系统的所有发射天线中,选取一根未检测的发射天线;将保留的搜索路径按照累积欧式距离的排序划分为3类路径,按照SE枚举规则同时展开相邻两层子节点,展开的子节点数量由路径类别以及K值决定;将展开的下层节点添加至对应保留路径的末端,得到扩展后路径,再将展开的上层节点复制后,添加至对应扩展后路径的末端,对路径做第二次扩展,得到二次扩展后路径;通过上三角矩阵R和等效酉矩阵Q计算出每一条二次扩展后路径的累积欧氏距离,选择其中累积欧氏距离最小的K条路径作为保留路径;
所述检测结果判决模块,用于判断是否选完MIMO系统的所有发射天线,若是,则确定发射信号的检测值,否则,利用K-Best方法并行搜索相邻两层的路径,从MIMO系统的所有发射天线中,选取一根未检测的发射天线,进行并行搜索;
所述检测结果判决模块,用于确定发射信号的检测值。
选中保留路径中累积欧氏距离最小的路径,从根节点开始,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所述检测系统的一种基于并行Cholesky矩阵分解的MIMO系统信号检测方法,其特征在于,采用Cholesky矩阵分解方法并行分解迭代矩阵,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,信道矩阵转换模块将MIMO系统的信道复矩阵转化为信道实矩阵,通过信道实矩阵生成迭代矩阵;
步骤2,信道矩阵分解模块利用用Cholesky矩阵分解方法并行分解迭代矩阵:
步骤2.1,从当前迭代矩阵中选取前两行元素作为待分解元素,通过待分解元素得到上三角矩阵R中第2o-1行和第2o行元素,同时将待分解元素从当前迭代矩阵中移除,得到移除分解元素后的矩阵,其中,o的取值等于迭代次数;
步骤2.2,将上三角矩阵R中第2o-1行,第2o+1列至第2N列元素组成的行向量转置后与自身行向量相乘,组成中间矩阵;其中,o的取值等于迭代次数,N的取值等于MIMO系统中发射天线的数量;
步骤2.3,利用中间矩阵相关元素更新移除分解元素后的矩阵,得到更新后的迭代矩阵;
步骤2.4,判断当前迭代矩阵是否还存在未被移除的元素,若是,则执行步骤2.1,否则,执行步骤2.5;
步骤2.5,通过上三角矩阵R和信道实矩阵生成等效酉矩阵Q;
步骤3,K-Best并行搜索模块利用K-Best方法并行搜索相邻两层的路径:
步骤3.1,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3.2,将保留的搜索路径按照累积欧式距离的排序划分为3类路径,按照SE枚举规则同时展开相邻两层子节点,展开的子节点数量由路径类别以及K值决定;
步骤3.3,将展开的下层节点添加至对应保留路径的末端,得到扩展后路径,再将展开的上层节点复制后,添加至对应扩展后路径的末端,对路径做第二次扩展,得到二次扩展后路径;
步骤3.4,通过上三角矩阵R和等效酉矩阵Q计算出每一条二次扩展后路径的累积欧氏距离,选择其中累积欧氏距离最小的K条路径作为保留路径;
步骤4,检测结果判决模块判断是否选完MIMO系统的所有发射天线,若是,则执行步骤5,否则,执行步骤3;
步骤5,检测结果判决模块确定发射信号的检测值:
选中保留路径中累积欧氏距离最小的路径,从根节点开始,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。
3.根据权利要求1所述基于并行Cholesky矩阵分解的MIMO系统信号检测系统,其特征在于,步骤1中所述的将MIMO系统的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,H1表示信道复矩阵的第1个列向量,HN表示信道复矩阵的第N个列向量,N的取值等于MIMO系统中发射天线的总数,Im(·)表示虚部符号。
4.根据权利要求1所述基于并行Cholesky矩阵分解的MIMO系统信号检测系统,其特征在于,步骤1中所述的通过信道实矩阵生成迭代矩阵是指,通过信道实矩阵得到迭代矩阵中奇数行元素的数值,选择迭代矩阵奇数行元素中处于奇数列位置的元素,将该元素与其右方、下方以及右下方的元素划分为一组,在组内按照主对角线方向元素数值相同,副对角线方向元素数值互为相反数的方式,逐个得到偶数行元素的数值,其中,迭代矩阵中奇数行元素的数值是由下式得到的:
其中,ai,j表示迭代矩阵中第i行,第j列的元素,i为在区间[1,2N]内选取的一个奇数值,N的取值等于MIMO系统中发射天线的总数,j为在区间[i,2N]内选取的一个实数值,Hi′表示信道实矩阵第i列元素组成的向量,(·)T表示对矩阵的转置运算。
5.根据权利要求1所述基于并行Cholesky矩阵分解的MIMO系统信号检测系统,其特征在于,步骤2.1中所述的通过待分解元素得到上三角矩阵R中第2o-1行和第2o行元素是指,对待分解元素中第1行,第1列的元素进行开方运算,得到上三角矩阵R中第2o-1行,第2o-1列元素的数值,通过待分解元素得到上三角矩阵R第2o-1行剩余元素的数值后,使第2o-1行处于奇数列位置的元素,取值等于右上方元素数值的相反数,处于奇数列位置的元素,取值等于左上方元素的数值,其中,上三角矩阵R第2o-1行剩余元素的数值是由下式得到的:
其中,r2o-1,2o+l表示上三角矩阵R中第2o-1行,第2o+l列的元素,o的取值等于迭代次数,1≤o≤N,N的取值等于MIMO系统中发射天线的总数,l为在区间[2,2N-2o]内选取的一个实数值,a1,l表示待分解元素中第1行,第l列的元素,r2o-1,2o-1表示上三角矩阵R中第2o-1行,第2o-1列的元素。
6.根据权利要求1所述基于并行Cholesky矩阵分解的MIMO系统信号检测系统,其特征在于,步骤2.3中利用中间矩阵相关元素更新移除分解元素后的矩阵是由下式实现的:
a″2x-1,2y-1=a′2x-1,2y-1-(t2x-1,2y-1+t2x,2y)
a″2x-1,2y=a′2x-1,2y-(t2x-1,2y-t2x,2y-1)
其中,a″2x-1,2y-1表示更新后的迭代矩阵第2x-1行,第2y-1列的元素,x为在区间[1,N-o]内选取的一个实数值,N的取值等于MIMO系统中发射天线的总数,y为在区间[x,N-o]上选取的一个实数值,a′2x-1,2y-1表示移除分解元素后的矩阵第2x-1行,第2y-1列的元素,t2x-1,2y-1表示中间矩阵第2x-1行,第2y-1列的元素,t2x,2y表示中间矩阵第2x行,第2y列的元素。
7.根据权利要求1所述基于并行Cholesky矩阵分解的MIMO系统信号检测系统,其特征在于,步骤2.5中通过上三角矩阵R和信道实矩阵生成等效酉矩阵Q是由下式实现的:
Q=(R-1)TH′T
其中,Q表示等效酉矩阵,R-1表示上三角矩阵R的逆矩阵,(·)T表示对矩阵或向量的转置运算,H′表示信道实矩阵。
8.根据权利要求1所述基于并行Cholesky矩阵分解的MIMO系统信号检测系统,其特征在于,步骤3.4中计算每一条二次扩展后路径的累积欧氏距离是由下式实现的:
其中,dm-2表示待搜索节点数量为m-2的二次扩展后路径的累积欧氏距离,m的取值等于待搜索节点数量,1≤m≤2M,Qm表示等效酉矩阵第m行元素组成的向量,表示实数化接收信号向量,/>表示当前路径第m个节点对应的信号估计值,其取值范围由当前MIMO系统使用的信号调制方式决定,rm,m表示上三角矩阵R第m行,第m列的元素,|·|表示绝对值运算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310597228.2A CN116566443A (zh) | 2023-05-25 | 2023-05-25 | 基于并行Cholesky矩阵分解的MIMO系统信号检测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310597228.2A CN116566443A (zh) | 2023-05-25 | 2023-05-25 | 基于并行Cholesky矩阵分解的MIMO系统信号检测系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116566443A true CN116566443A (zh) | 2023-08-08 |
Family
ID=87498091
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310597228.2A Pending CN116566443A (zh) | 2023-05-25 | 2023-05-25 | 基于并行Cholesky矩阵分解的MIMO系统信号检测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116566443A (zh) |
-
2023
- 2023-05-25 CN CN202310597228.2A patent/CN116566443A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
He et al. | Model-driven deep learning for physical layer communications | |
Zhang et al. | Deep learning-based beamspace channel estimation in mmWave massive MIMO systems | |
EP3058689B1 (en) | An improved lattice-reduction-aided k-best algorithm for low complexity and high performance communications | |
US7957484B2 (en) | Candidate list generation and interference cancellation framework for MIMO detection | |
Liu et al. | Deep residual network empowered channel estimation for IRS-assisted multi-user communication systems | |
CN103516643A (zh) | 一种mimo检测预处理装置及方法 | |
CN110740005A (zh) | 一种基于路径分多址的上行链路信道预测方法及预测系统 | |
CN104580039A (zh) | 格基规约算法辅助的无线mimo系统的接收机检测方法 | |
CN114584448A (zh) | 基于深度神经网络的sm-ofdm信号分组检测方法 | |
Chuan et al. | Uplink NOMA signal transmission with convolutional neural networks approach | |
Ponnaluru et al. | RETRACTED ARTICLE: Deep learning for estimating the channel in orthogonal frequency division multiplexing systems | |
Ru et al. | Model-driven channel estimation for OFDM systems based on image super-resolution network | |
WO2015131840A1 (zh) | 一种mimo系统的检测方法及装置 | |
CN105119665B (zh) | 一种基于格基规约的mimo检测方法 | |
CN106911443A (zh) | 基于压缩感知的m2m通信系统中导频优化设计方法 | |
CN107276703B (zh) | 一种采用压缩感知技术的正交空间调制系统检测方法 | |
CN116566443A (zh) | 基于并行Cholesky矩阵分解的MIMO系统信号检测系统及方法 | |
JP4802149B2 (ja) | 信号検出装置及び信号検出方法並びにそのプログラムと記録媒体 | |
CN114866120B (zh) | 一种mimo-noma系统信号检测方法 | |
CN1836395B (zh) | 无线接收机中的时空均衡 | |
JP2008283393A (ja) | Mmse等化回路、受信装置、及び通信システム、並びにその方法及びプログラム | |
US11677480B2 (en) | Systems, methods, and apparatus for symbol timing recovery based on machine learning | |
Liu et al. | A distributed detection algorithm for uplink massive MIMO systems | |
Tolba et al. | A meta learner autoencoder for channel state information feedback in massive MIMO systems | |
CN115001546B (zh) | 基于并行K-Best搜索的MIMO系统信号检测方法 |
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 |