WO2016119289A1 - 大规模多天线中多用户信号的检测方法 - Google Patents
大规模多天线中多用户信号的检测方法 Download PDFInfo
- Publication number
- WO2016119289A1 WO2016119289A1 PCT/CN2015/073967 CN2015073967W WO2016119289A1 WO 2016119289 A1 WO2016119289 A1 WO 2016119289A1 CN 2015073967 W CN2015073967 W CN 2015073967W WO 2016119289 A1 WO2016119289 A1 WO 2016119289A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- matrix
- diagonal
- column
- signal
- symmetric
- Prior art date
Links
Images
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
Definitions
- the present invention relates to the field of wireless communication technologies, and in particular, to a method for detecting a multi-user signal in a large-scale multi-antenna system.
- Massive MIMO technology provides sufficient freedom for communication with communication users to increase diversity gain and multiplexing gain by deploying a large number of antennas on the base station (hereinafter referred to as BS) side.
- BS base station
- the computational complexity of the traditional high-performance MIMO detection technology will become enormous, such as the computational complexity of the detection technique based on the sphere decoding (SD) algorithm with the number of antennas.
- SD sphere decoding
- the increase is exponentially increasing.
- the detection technology based on neighborhood search has a lower complexity than the detection technology based on SD algorithm, but it cannot guarantee that the final detection result is not locally optimal.
- the present invention aims to solve at least one of the above technical problems.
- the object of the present invention is to provide a method for detecting a multi-user signal in a large-scale multi-antenna system, and use the existing channel state information (hereinafter referred to as CSI) to detect and separate signals of multiple users on the BS side.
- CSI channel state information
- LLR log likelihood information
- a method for detecting a multi-user signal in a large-scale multi-antenna system proposed by the present invention includes The following steps:
- an equivalent linear equation model for establishing multi-user signal detection in the large-scale multi-antenna system includes:
- the mass of the uplink channel of the multi-antenna system time t H t matrix conjugate transpose, y t is the signal vector received by the base station at time t;
- ⁇ is the signal to noise ratio of the received signal of the base station
- I K is a K-order unit matrix
- solving the equivalent linear equation model by the Lanczos algorithm includes:
- the S1 specifically includes:
- 2 , and the first principal diagonal of the initial value of the symmetric three-diagonal matrix T is among them, Representing the conjugate transpose of q 1 , the zeroth diagonal opposite element is ⁇ 0 0;
- the S2 specifically includes:
- the S21 specifically includes:
- the S22 specifically includes:
- the S3 comprises:
- Each column of the column orthogonal matrix Q is linearly combined according to each element of the coordinate vector z by the following formula to obtain an estimated value of the antenna transmission signal at the time t
- respectively obtaining a log likelihood ratio of each of the K bit sequences corresponding to the K user signals respectively includes:
- L k,b is the log likelihood ratio of the bth bit in the bit sequence corresponding to the kth user signal x t,k
- B is the number of bits included in each bit sequence
- ⁇ k B k
- k is the equivalent channel gain matrix of the kth user
- a set of all available symbols for which the bth bit is 0 For the set of all available symbols with the bth bit being 1, a and a' are respectively with Symbol in , among them
- N k ⁇ k
- k N 0 is the noise intensity corresponding to the kth user signal
- N 0 is the noise power spectral density estimated by the spectral analysis technique.
- g l g of the l th element, e c, e c l is the l th element, L l, l is a double diagonal matrix L, l-th diagonal element,;
- the method can include the following steps:
- the number of base station antennas in the large-scale multi-antenna system is N
- the number of users is K
- one antenna is configured for each user
- the uplink channel matrix of the large-scale multi-antenna system is among them Represents a complex field.
- K users transmit signals in T N time slots as S
- R is the code rate of the user signal coding
- the antenna transmits a signal, which is recorded as
- the power of the antenna transmitting signal is
- the antenna transmitting signal X is transmitted through the antenna of the user.
- the elements in matrix W are N 0 is the noise power spectral density estimated by the spectral analysis technique, and the signal-to-noise ratio of the received signal of the base station is
- the elements L j,j-1 and L j,j on the line are solved sequentially
- the element diagonal U i,i and U i,i+1 on the i-th row of the upper double diagonal matrix U sequentially solve the i-th element of z
- P is the iteration threshold in step (4) above;
- the equivalent channel gain ⁇ k of the kth user in the large-scale multi-antenna system is obtained, and ⁇ k is the above equivalent channel gain
- the method for detecting multi-user signals in a large-scale multi-antenna system has the advantages of low complexity (about Where I is the number of iterations; the bit error rate performance is good, and the bit error rate performance of the optimal MMSE detection can be approximated within a few iterations.
- the method solves the linear equations by the Lanczos iterative algorithm, which avoids obtaining the MMSE equalization matrix by directly inverting the large matrix, which can greatly reduce the computational complexity of the detection; in addition, the detection method can be calculated in a lower complexity.
- the LLR value of each information bit is used as the input of the decoder, which can significantly improve the performance of joint detection and decoding.
- the ratio of the number of users K (K ⁇ N) to the number N of base station antennas is constant and the number of both tends to infinity, the complexity is reduced, and the bit error rate performance can gradually reach the maximum likelihood detection. (Optimal) performance.
- FIG. 1 is a flow chart of a method for detecting a multi-user signal in a large-scale multi-antenna system according to an embodiment of the present invention
- FIG. 2 is a schematic diagram of a Massive MIMO multi-user uplink transmission scenario according to an embodiment of the present invention
- FIG. 3 is a block diagram of a data processing flow in accordance with one embodiment of the present invention.
- FIG. 1 is a flow chart of a method of detecting a multi-user signal in a large-scale multi-antenna system in accordance with one embodiment of the present invention.
- the method for detecting a multi-user signal in the large-scale multi-antenna system may include the following steps.
- a base station in a large-scale multi-antenna system may include multiple antennas that can respectively receive signals transmitted by different users.
- the number of base station antennas in the large-scale multi-antenna system is N
- the number of users is K
- one antenna is configured for each user
- the uplink channel matrix of the large-scale multi-antenna system is among them Represents a complex domain.
- K users transmit signals in T N time slots for users.
- R is the code rate of the user signal coding
- the antenna transmits a signal, which is recorded as The power of the antenna transmitting signal is
- the antenna transmitting signal X is transmitted through the antenna of the user.
- the elements in matrix W are N 0 is the noise power spectral density estimated by the spectral analysis technique, and the signal-to-noise ratio of the received signal of the base station is
- an equivalent linear equation model for establishing multi-user signal detection in a large-scale multi-antenna system may include steps S201-S203.
- ⁇ is the signal-to-noise ratio of the received signal of the base station
- I K is a K-order identity matrix
- S102 Solving the equivalent linear equation model by the Lanczos algorithm to obtain an estimated value of the antenna transmission signal at time t of the large-scale multi-antenna system, wherein the estimated value of the antenna transmission signal at time t includes K user signals Corresponding K bit sequences, t ⁇ 1: T N , T N is the number of time slots, and K is a positive integer.
- solving the equivalent linear equation model by the Lanczos algorithm may include steps S1-S3.
- step S1 may further include an S11 initialization process and an S12 iterative process.
- the iterative process S12 includes steps A-H:
- the iteration variable p, p ⁇ (1...P') is updated according to the preset step size, and P' is the preset number of iterations; wherein the preset step size is preset, for example, it can be 1.
- S2 specifically includes: S21, performing LU decomposition on the symmetric three-diagonal matrix T to obtain a lower double diagonal matrix L and an upper double-angle matrix U of the symmetric three-diagonal matrix T; Obtaining an estimated value of the antenna transmission signal at time t according to the lower double diagonal matrix L and the upper double angle matrix U The coordinate vector z in the linear subspace formed by each column of the column orthogonal matrix Q.
- the elements of the two columns U 1,2 T 1,2 ; according to the symmetric three-diagonal matrix T, the element U 1,1 of the first row and the first column of the upper double-angle matrix U and the element U of the first row and the second column 1, 2 determines the lower double diagonal matrix L and the upper double angle matrix U.
- S22 specifically includes:
- S3 includes: linearly combining each column of the column orthogonal matrix Q according to each element of the coordinate vector z by the following formula to obtain an estimated value of the antenna transmission signal at time t.
- acquiring the log likelihood ratio of each of the K bit sequences respectively corresponding to the K user signals may include steps S301-S303.
- g l g of the l th element, e c, e c l is the l th element, L l, l is a double diagonal matrix L, l-th diagonal element,;
- L k,b is the log likelihood ratio of the bth bit in the bit sequence corresponding to the kth user signal x t,k
- B is the number of bits included in each bit sequence
- ⁇ k B k
- k is the equivalent channel gain matrix of the kth user
- Is the estimated value of the kth user signal
- a and a' are respectively with Symbol in ,
- In k ⁇ u, u ⁇ k
- 2 E s is the interference intensity corresponding to the kth user signal
- N k ⁇ k, k N 0 is corresponding to the kth user signal
- the noise intensity, N 0 is the noise power spectral density.
- S104 Deinterleave and channel decode the K log likelihood ratios to obtain detection results of bit sequences transmitted by K users at time t.
- the data processing flow can be as shown in FIG. 3, which mainly includes the Gram matrix calculation, the calculation of the matched filtering information process, the Lanczos process, the LU decomposition process, and the coordinate vector z acquisition process. , antenna transmit signal estimate acquisition process, likelihood ratio (LLR) calculation process, and final decoding process.
- the method for detecting multi-user signals in a large-scale multi-antenna system has the advantage that the complexity is low (about Where I is the number of iterations; the bit error rate performance is good, and the bit error rate performance of the optimal MMSE detection can be approximated within a few iterations.
- the method solves the linear equations by the Lanczos iterative algorithm, which avoids obtaining the MMSE equalization matrix by directly inverting the large matrix, which can greatly reduce the computational complexity of the detection; in addition, the detection method can be calculated in a lower complexity.
- the LLR value of each information bit is used as the input of the decoder, which can significantly improve the performance of joint detection and decoding.
- portions of the invention may be implemented in hardware, software, firmware or a combination thereof.
- multiple steps or methods may be implemented in software or firmware stored in a memory and executed by a suitable instruction execution system.
- a suitable instruction execution system For example, if implemented in hardware, as in another embodiment, it can be implemented by any one or combination of the following techniques well known in the art: having logic gates for implementing logic functions on data signals. Discrete logic circuits, application specific integrated circuits with suitable combinational logic gates, programmable gate arrays (PGAs), field programmable gate arrays (FPGAs), etc.
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Radio Transmission System (AREA)
- Mobile Radio Communication Systems (AREA)
- Variable-Direction Aerials And Aerial Arrays (AREA)
Abstract
本发明涉及一种大规模多天线系统中多用户信号的检测方法，属于无线通信技术领域。该方法利用已获得的CSI在基站侧对多用户的信息进行检测。本方法复杂度低，误比特率性能好，能在几步迭代以内就逼近最优MMSE检测的误比特率性能。本方法通过Lanczos迭代算法求解线性方程组，避免了通过直接对大型矩阵求逆的方式获得MMSE均衡矩阵，能大大减少检测的计算复杂度；此外，本检测方法能在较低的复杂度内计算出各个信息比特的LLR值作为译码器的输入，能显著提升联合检测译码的性能。在用户数K与基站天线数N的比值一定时且二者数目都趋于无穷时，这种复杂度的降低尤为明显，同时误比特率性能能够渐进达到最大似然检测的(最优)性能。
Description
本发明涉及无线通信技术领域，尤其涉及一种大规模多天线系统中多用户信号的检测方法。
随着移动终端数的飞速增长、物联网的发展，以及无线数据业务种类的不断增多，用户对无线数据业务的需求不断对现有的移动通信技术提出新的挑战。作为一种具有满足未来无线移动通信对频谱效率、能量效率和信道容量需求潜质的技术，大规模多输入多输出(以下简称Massive MIMO)技术已经在学术界和产业界引起了广泛的关注。
Massive MIMO技术通过在基站(以下简称BS)侧部署数量众多的天线，来为与通信用户之间的通信提供足够多的自由度以提高分集增益和复用增益。然而，当BS的天线数很大时，传统的高性能MIMO检测技术的计算复杂度将会变得十分巨大，如基于球形译码(SD)算法的检测技术的计算复杂度随着天线数的增加呈指数增加。而基于邻域搜索的检测技术虽然在复杂度上比基于SD算法的检测技术有所下降，但不能保证最终的检测结果不是局部最优的。在传统的MIMO框架下(非大规模天线)，复杂度较低的线性检测算法，如迫零(ZF)检测算法不能提供足够的波束成形增益，匹配滤波(MF)检测算法不能充分消除各用户之间信号的相互干扰，存在一定的局限性且检测性能不是十分理想。然而，当BS侧的天线数趋于无穷时，由于用户与BS的不同天线之间的信道渐进正交，线性检测算法能以较低的复杂度渐进达到最优的检测性能。但是，实际场景中BS由于受空间范围和建设成本的限制，不可能采用无穷多的天线配置，因此，低复杂度的接近最优检测性能的线性检测算法仍有待研究。
发明内容
本发明旨在至少解决上述技术问题之一。
为此，本发明的目的是提出一种大规模多天线系统中多用户信号的检测方法，在BS侧利用已有的信道状态信息(以下简称CSI)对多个用户的信号进行检测和分离，在检测过程中计算出来自各个用户信号中每比特的对数似然信息(以下简称LLR)，并根据该对数似然信息进行迭代译码，在较低的计算复杂度下保证一定的误码率性能。
为了实现上述目的，本发明提出的大规模多天线系统中多用户信号的检测方法，包括
以下步骤：
建立所述大规模多天线系统中的多用户信号检测的等效线性方程组模型；
通过Lanczos算法对所述等效线性方程组模型进行求解，以获取所述大规模多天线系统的t时刻的天线发送信号的估计值，其中，所述t时刻的天线发送信号的估计值包括与K个用户信号分别对应的K个比特序列，t∈1:TN，TN为时隙数量，K为正整数；
分别获取与所述K个用户信号分别对应的K个比特序列中每个比特的对数似然比，以得到与所述K个用户信号分别对应的K个对数似然比序列；
对所述K个对数似然比进行解交织和信道译码，以得到t时刻K个用户发射的比特序列的检测结果。
在本发明的一个实施例中，建立所述大规模多天线系统中的多用户信号检测的等效线性方程组模型包括：
通过以下公式获取所述大规模多天线系统的基站在所述t时刻接收到的信号向量的匹配滤波向量
通过以下公式获取所述上行信道矩阵
的Gram矩阵Gt：
基于以下公式建立所述大规模多天线系统中的多用户信号检测的等效线性方程组模型：
在本发明的一个实施例中，通过Lanczos算法对所述等效线性方程组模型进行求解包括：
S1、根据所述等效线性方程组模型基于所述Lanczos算法获取与所述Gram矩阵Gt的相关列正交矩阵Q和对称三对角矩阵T；
S2、根据所述对称三对角矩阵T获取所述t时刻的天线发送信号的估计值
在所述列正交矩阵Q的各列张成的线性子空间中的坐标向量z；
S3、根据所述列正交矩阵Q和所述坐标向量z计算所述t时刻的天线发送信号的估计值
在本发明的一个实施例中，所述S1具体包括：
S11、初始化过程：确定所述
的初始值
并根据所述
的初始值
计算所述等效线性方程组模型的初始余向量
根据所述初始余向量r0确定所述列正交矩阵Q和所述对称三对角矩阵T的初始值，其中，所述列正交矩阵Q的初始值中第零列和第一列分别为q0＝0和
β为所述初始余向量r0的模，β＝||r0||2，所述对称三对角矩阵T的初始值中第一个主对角元为
其中，
表示q1的共轭转置，第零个次对角元为θ0＝0；
S12、迭代过程：
A、计算在第p次迭代时所述等效线性方程组模型的余向量：rp＝Gtqp-αpqp-θp-1qp-1；
B、计算在第p次迭代时对称三对角矩阵Tp+1的第p+1行上的次对角元：θp＝||rp||2；
C、判断θp是否等于0；
D、若θp＝0，则停止迭代，并令Q＝Qp，T＝Tp；
E、若θp≠0，则执行F-H；
F、计算在第p次迭代时列正交矩阵Qp+1的第p+1列为：
并得到列正交矩阵Qp+1＝[Qp,qp+1]；
G、根据所述列正交矩阵Qp+1的第p+1列qp+1计算在第p次迭代时对称三对角矩阵Tp+1的第p+1行上的主对角元：
其中
表示qp+1的共轭转置，并得到对称三对角矩阵
H、按照预设步长更新迭代变量p，p∈(1...P’)，P’为预设迭代次数；
I、若更新后的迭代变量大于预设迭代次数P’，停止迭代，并令Q＝Qp，T＝Tp，若更新后的迭代变量不大于预设迭代次数P’，并重复迭代过程A-H，直至迭代变量大于预设迭代次数P’。
在本发明的一个实施例中，所述S2具体包括：
S21、对所述对称三对角矩阵T进行LU分解，以得到所述对称三对角矩阵T的下双对角矩阵L和上双角矩阵U；
S22、根据所述下双对角矩阵L和所述上双角矩阵U获取所述t时刻的天线发送信号的估计值
在所述列正交矩阵Q的各列张成的线性子空间中的坐标向量z。
在本发明的一个实施例中，所述S21具体包括：
根据所述对称三对角矩阵T分别确定所述上双角矩阵U的第一行第一列的元素U1,1＝T1,1和第一行第二列的元素U1,2＝T1,2；
根据所述对称三对角矩阵T、所述上双角矩阵U的第一行第一列的元素U1,1和第一行第二列的元素U1,2确定所述下双对角矩阵L和所述上双角矩阵U，其中，
所述下双对角矩阵L中对角元素为1，第m行第m-1列的元素
其他元素为0，所述上双角矩阵U中对角元素Um,m＝Tm,m-Lm,m-1Um-1,m，第i-1行第i列的元素Um-1,m＝Tm-1,m-Lm-1,m-2Um-2,m-1，其他元素为0，m＝2，...，P，i＝3，...，P，P为在所述迭代过程S12中的迭代次数。
在本发明的一个实施例中，所述S22具体包括：
根据所述上双角矩阵U定义中间变量b，其中，b＝Uz；
根据所述下双对角矩阵L对公式Lb＝βe1求解，以获取所述中间变量b， 
P其中，P为在所述迭代过程S12中的迭代次数，e1的第一个元素为1，其他元素均为0；
根据所述中间变量b和所述上双对角矩阵U获取所述坐标向量z，其中， 
zi为所述坐标向量z的第i个元素，其中，P为在所述迭代过程S12中的迭代次数。
在本发明的一个实施例中，所述S3包括：
通过以下公式将所述列正交矩阵Q的各列按照所述坐标向量z的各个元素进行线性组合，以得到所述t时刻的天线发射信号的估计值
在本发明的一个实施例中，分别获取与所述K个用户信号分别对应的K个比特序列中每个比特的对数似然比包括：
根据所述列正交矩阵Q、所述对称三对角T和所述上行信道矩阵Ht计算所述大规模多天线系统中天线发射信号与天线发射信号的估计值
之间的等效信道增益矩阵B和所述K个用户信号的等效接收噪声
其中， 
T-1为所述对称三对角T的逆，并计算所述等效接收噪声
的协方差矩阵Θ，其中， 
根据所述等效信道增益矩阵B分别获取所述K个用户信号中每个用户信号收到其他用户信号的干扰强度，以得到与所述K个用户信号分别对应的K个干扰强度，并根据所述协方差矩阵Θ分别获取所述K个用户信号中每个用户信号在被基站接收时基站接收到的噪声强度，以得到与所述K个用户信号分别对应的K个噪声强度；
根据所述等效信道增益矩阵B、所述K个干扰强度和K个噪声强度基于以下公式计算所述与所述K个用户信号分别对应的K个比特序列中每个比特的对数似然比：
其中，Lk,b为第k个用户信号xt,k对应的比特序列中第b个比特的对数似然比，B为每个比特序列中包含的比特数量，μk＝Bk,k为第k个用户的等效信道增益矩阵，
为第k个用户信号的估计值，
为第b个比特为0的所有可用符号的集合，
为第b个比特为1的所有可用符号的集合，a和a'分别为
和
中的符号，
其中，
为与第k个用户信号对应的干扰强度，Nk＝Θk,kN0为与第k个用户信号对应的噪声强度，N0为通过谱分析技术估计得到的噪声功率谱密度。
在本发明的一个实施例中，其中，通过以下步骤对公式LUac＝ec,1≤c≤P求解以获取所述对称三对角矩阵T的逆矩阵T-1的每一列：
定义中间变量g，g＝Uac，以将所述公式LUac＝ec简化为Lg＝ec其中，ac为所述矩
阵T-1的第c列，
ec中第c个元素为1，其余元素为0；
对公式Lg＝ec求解，以得到g， 
其中，gl为g的第l个元素，ec,l为ec的第l个元素，Ll,l为所述下双对角矩阵L的第l个对角元，；
根据所述g和所述上双对角矩阵U求解所述ac， 
其中，ac,n为ac的第n个元素，gn为g的第n个元素，Un,n为所述上双角矩阵U的第n个对角元。
在本发明的一个实施例中，该方法可包括以下步骤：
(1)设大规模多天线系统中的基站天线数为N，用户数为K，每个用户配置一根天线，则大规模多天线系统的上行信道矩阵为
其中
代表复数域。K个用户在TN个时隙内的用户发射信号为S
其中R为用户信号编码的码率，发射信号S经过信道编码、交织和符号映射后，得到天线发射信号，记为
天线发射信号的功率为
天线发射信号X通过用户的天线发射，经过信道后，基站的N根天线得到基站接收信号，记为Y＝HX+W，其中，W表示基站接收信号中的加性高斯白噪声，
矩阵W中的元素为
N0为通过谱分析技术估计得到的噪声功率谱密度，基站接收信号的信噪比为
(2)计算上述基站接收信号的匹配滤波向量
其中
为TN个时隙内时刻t的上行信道矩阵Ht的共轭转置，yt为上述基站接收信号Y中的第t列，表示基站在时刻t接收到的信号向量；
(3)计算上述大规模多天线系统的上行信道矩阵
的Gram矩阵Gt，
其中ρ为基站的接收信号的信噪比，
IK为K阶单位矩阵；
(4)用Lanczos过程，计算得到与上述Gt相关的列正交矩阵Q和对称三对角矩阵T，具体过程如下：
(4-1)计算在时刻t上述基站接收信号yt的最小均方误差均衡矩阵Ct，
用该最小均方误差均衡矩阵Ct对yt进行滤波，得到时刻t的天线发射信号xt的估计值
(4-2)建立一个大规模多天线系统中检测的等效线性方程组模型
采用Lanczos过程，求解等效线性方程组模型，得到时刻t的天线发射信号xt的估计值
具体步骤如下；
(4-2-1)初始化：设迭代次数阈值P’，设估计值
的初始值为
则上述模型
的初始余向量为r0，
余向量r0的模为β，β＝||r0||2，建立一个列正交矩阵Q，初始化时，列正交矩阵Q的第零列和第一列分别为q0＝0和
建立一个对称三对角矩阵T，初始化时，对称三对角矩阵T的第一个主对角元为α1，
其中
表示q1的共轭转置，第零个次对角元为θ0＝0，第一次迭代中的列正交矩阵Q1＝[q1]，第一次迭代中的对称三对角矩阵T1＝[α1]，设置迭代变量p＝1；
(4-2-2)经过p次迭代后，得到上述模型的余向量rp，rp＝Gtqp-αpqp-θp-1qp-1，并根据该余向量，计算第p次迭代时得到的对称三对角矩阵Tp+1的第p+1行上的次对角元θp＝||rp||2，对θp进行判断，若θp＝0，则判定Lanczos过程发生良性中断，停止迭代，并令P＝p，Q＝Qp，T＝Tp，进行步骤(5)，若θp≠0，则依次进行步骤(4-2-3)-步骤(4-2-6)；
(4-2-3)根据上述p次迭代后的模型余向量rp，计算第p次迭代时得到的列正交矩阵Qp+1的第p+1列： 
(4-2-4)根据上述列正交矩阵Qp+1的第p+1列qp+1，计算对称三对角矩阵Tp+1在第p+1行上的主对角元：
其中
表示qp+1的共轭转置；
(4-2-5)根据步骤(4-2-2)、步骤(4-2-3)和步骤(4-2-4)的计算结果，分别更新上述列正交矩阵和对称三对角矩阵为：Qp+1＝[Qp,qp+1]，
(4-2-6)更新迭代变量使p＝p+1，根据上述迭代阈值P’对迭代变量p进行判断，若p>P’，则停止迭代，并使Q＝Qp，T＝Tp，进行步骤(5)，若p≤P’，则进行步骤(4-2-2)；
(5)对上述步骤(4)得到的对称三对角矩阵T进行LU分解，得到对称三对角矩阵T的下双对角矩阵L和上双角矩阵U，具体过程如下：
(5-1)建立对称三对角矩阵T的下双对角矩阵L和上双角矩阵U，对L和U进行初始化，使得L＝IP，U＝IP，使U的第一行第一列的元素为U1,1＝T1,1，U的第一行第二列的元素为U1,2＝T1,2，设置迭代阈值M，使M＝P，从迭代变量为m＝2开始迭代；
(5-2)根据步骤(4)得到的对称三对角矩阵T，以及第m-1次迭代得到的下双对角矩阵L和上双角矩阵U，计算第m次迭代得到的下双对角矩阵L的第m行第m-1列的元素
上双角矩阵U的第m行第m列的元素Um,m＝Tm,m-Lm,m-1Um-1,m和上双角矩阵U的第m行第m+1列的元素Um,m+1＝Tm,m+1-Lm,m-1Um-1,m；
(5-3)使迭代变量m＝m+1，对迭代变量m进行判断，若m<M，则进行步骤(5-2)-步骤(5-3)，若m≥M，则停止迭代，进行步骤(5-4)；
(5-4)根据步骤(4)得到的对称三对角矩阵T，以及上述第M-1次迭代得到的下双对角矩阵L和上双角矩阵U，计算得到第M次迭代得到的下双对角矩阵L的第M行第M-1列的元素
和上双角矩阵U的第M行第M列的元素UM,M＝TM,M-LM,M-1UM-1,M；
(6)根据上述步骤(5)下双对角矩阵L和上双角矩阵U，求解上述天线发射信号xt的估计值
在步骤(4)的列正交矩阵Q的各列张成的线性子空间中的坐标向量z，具体过程如下：
(6-1)定义一个中间变量b，b＝Uz，其中U为上述步骤(5)中的上双对角矩阵，z
为上述天线发射信号xt的估计值
在步骤(4)的列正交矩阵Q的各列张成的线性子空间中的坐标向量；
(6-2)利用上述步骤(5)下双对角矩阵L，通过Lb＝βe1求解中间变量b，β为上述步骤(4-2-1)中的初始余向量r0的模，e1的第一个元素为1，其他元素均为0，求解过程为：对b的第一个元素，根据下双对角矩阵L的第一个对角元L1,1，求解b1＝β/L1,1，对b的第j个元素bj，j＝2,...,P，根据b的第j-1个元素bj-1和下双对角矩阵L的j第行上的元素Lj,j-1和Lj,j，依次求解
(6-3)根据上述b的第P个元素bP和上述上双对角矩阵U的第P个对角元UP,P，求解z的第P个元素为zP＝bP/UP,P，对z的第i个元素zi，i＝P-1,...,1，根据上述b的第i个元素bi，z的第i+1个元素zi+1和上双对角矩阵U的第i行上的元素对角元Ui,i和Ui,i+1依次求解z的第i个元素
其中P为上述步骤(4)中的迭代阈值；
(7)将上述列正交矩阵Q的各列按照z的各个元素进行线性组合，得到上述天线发射信号xt的估计值
(8)根据对数似然比的定义，分别计算与
中每一个用户信号的每个比特相对应的对数似然比，具体过程如下：
(8-1)利用步骤(5)中对称三对角矩阵T的下双对角矩阵L和上双角矩阵U，得到对称三对角矩阵T的逆T-1：T-1＝[a1...aP]，其中，对T-1的第c列ac，1≤c≤P，通过求解LUac＝ec得到，
且除第c个元素为1外，其余元素都为0，具体过程如下：
(8-1-1)定义一个中间变量g，g＝Uac，其中U为上述步骤(5)中的上双对角矩阵，ac为对称三对角矩阵T的逆T-1中的第c列；
(8-1-2)利用上述步骤(5)的下双对角矩阵L，通过Lg＝ec求解中间变量g，其中
ec的值除第c个元素为1外，其余元素都为0，求解过程为：对g的第一个元素，根据下双对角矩阵L的第一个对角元L1,1和ec的第一个元素ec,1，g的第一个元素为：
g1＝ec,1/L1,1，对g的第l个元素gl，l＝2,...,P，根据g的第l-1个元素gl-1、ec的第l个元素ec,l和下双对角矩阵L的l第行上的元素Ll,l-1和Ll,l，依次求解
(8-1-3)根据上述g的第P个元素gP和上述上双对角矩阵U的第P个对角元UP,P，求解ac的第P个元素为ac,P＝gP/UP,P，对ac的第n个元素ac,n，n＝P-1,...,1，根据上述g的第n个元素gn，ac的第n+1个元素ac,n+1和上双对角矩阵U的第n行上的元素对角元Un,n和Un,n+1，依次求解ac的第n个元素
其中P为上述步骤(4)中的迭代阈值；
(8-2)根据上述步骤(4)的列正交矩阵Q、对称三对角T和上述步骤(2)的时刻t的上行信道矩阵Ht，计算大规模多天线系统中各用户信号xt与用户信号估计值
之间的等效信道增益矩阵B，
并计算大规模多天线系统中多用户信号的等效接收噪声
计算
的协方差矩阵Θ， 
其中T-1是T的逆；
(8-3)根据上述等效信道增益矩阵B和等效噪声的协方差矩阵Θ，得到大规模多天线系统中第k个用户的等效信道增益μk，μk为上述等效信道增益矩阵B的第k个对角元Bk,k，计算第k个用户信号受到其他用户信号的干扰强度Ink，
计算第k个用户信号在被基站接收时基站接收到的噪声的强度Nk，Nk＝Θk,kN0，并得到上述干扰强度与噪声强度之和
其中1≤k≤K，u代表除第k个用户外的其他用户；
(8-4)根据对数似然比的定义，计算每个用户信号中每个比特的对数似然比Lk,b， 
其中，Lk,b表示第k个用户信号xt,k中第b个比特的对数似然比，
和
分别表示第b个比特为0和1的所有可用符号的集合，a和a'分别表示
和
中的符号；
(9)对步骤(8)中得到的对数似然比进行解交织和信道译码，得到t时刻各用户发
射的比特序列的检测结果
实现对大规模多天线系统中多用户信号的检测。
本发明实施例的大规模多天线系统中多用户信号的检测方法，其优点是，复杂度低(约为
其中I为迭代次数)；误比特率性能好，能在几步迭代以内就逼近最优MMSE检测的误比特率性能。本方法通过Lanczos迭代算法求解线性方程组，避免了通过直接对大型矩阵求逆的方式获得MMSE均衡矩阵，能大大减少检测的计算复杂度；此外，本检测方法能在较低的复杂度内计算出各个信息比特的LLR值作为译码器的输入，能显著提升联合检测译码的性能。在用户数K(K<N)与基站天线数N的比值一定时且二者数目都趋于无穷时，这种复杂度的降低尤为明显，同时误比特率性能能够渐进达到最大似然检测的(最优)性能。
本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中，
图1是根据本发明一个实施例的大规模多天线系统中多用户信号的检测方法的流程图；
图2是根据本发明一个实施例的Massive MIMO多用户上行传输场景示意图；
图3是根据本发明一个实施例的数据处理流程框图。
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。相反，本发明的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。
在本发明的描述中，需要理解的是，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。此外，在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
下面参考附图描述根据本发明实施例的大规模多天线系统中多用户信号的检测方法。
图1是根据本发明一个实施例的大规模多天线系统中多用户信号的检测方法的流程图。
如图1所示，该大规模多天线系统中多用户信号的检测方法可包括以下步骤。
S101，建立大规模多天线系统中的多用户信号检测的等效线性方程组模型。
图2是根据本发明一个实施例的Massive MIMO多用户上行传输场景示意图。如图2所示，大规模多天线系统中的基站可包括多个天线，可分别接收不同用户发射的信号。
设大规模多天线系统中的基站天线数为N，用户数为K，每个用户配置一根天线，则大规模多天线系统的上行信道矩阵为
其中
代表复数域。K个用户在TN个时隙内的用户发射信号为
其中R为用户信号编码的码率，发射信号S经过信道编码、交织和符号映射后，得到天线发射信号，记为
天线发射信号的功率为
天线发射信号X通过用户的天线发射，经过信道后，基站的N根天线得到基站接收信号，记为Y＝HX+W，其中，W表示基站接收信号中的加性高斯白噪声，
矩阵W中的元素为
N0为通过谱分析技术估计得到的噪声功率谱密度，基站接收信号的信噪比为
本在本发明的一个实施例中，建立大规模多天线系统中的多用户信号检测的等效线性方程组模型可包括步骤S201-S203。
S201，通过以下公式获取大规模多天线系统的基站在t时刻接收到的信号向量的匹配滤波向量
S202，通过以下公式获取上行信道矩阵
的Gram矩阵Gt：
S203，基于以下公式建立大规模多天线系统中的多用户信号检测的等效线性方程组模型：
S102，通过Lanczos算法对等效线性方程组模型进行求解，以获取大规模多天线系统的t时刻的天线发送信号的估计值，其中，t时刻的天线发送信号的估计值包括与K个用户信号分别对应的K个比特序列，t∈1:TN，TN为时隙数量，K为正整数。
在本发明的一个实施例中，通过Lanczos算法对等效线性方程组模型进行求解可包括步骤S1-S3。
S1，根据等效线性方程组模型基于Lanczos算法获取与Gram矩阵Gt的相关列正交矩阵Q和对称三对角矩阵T。
更具体地，步骤S1可进一步包括S11初始化过程和S12迭代过程。
其中，在本发明的一个实施例中，在初始化过程S11中，确定
的初始值
并根据
的初始值
计算等效线性方程组模型的初始余向量
根据初始余向量r0确定列正交矩阵Q和对称三对角矩阵T的初始值，其中，列正交矩阵Q的初始值中第零列和第一列分别为q0＝0和
β为初始余向量r0的模，β＝||r0||2，对称三对角矩阵T的初始值中第一个主对角元为
其中，
表示q1的共轭转置，第零个次对角元为θ0＝0。
迭代过程S12包括步骤A-H：
A、计算在第p次迭代时等效线性方程组模型的余向量：rp＝Gtqp-αpqp-θp-1qp-1；
B、计算在第p次迭代时对称三对角矩阵Tp+1的第p+1行上的次对角元：θp＝||rp||2；
C、判断θp是否等于0；
D、若θp＝0，则停止迭代，并令Q＝Qp，T＝Tp；
E、若θp≠0，则执行F-H；
F、计算在第p次迭代时列正交矩阵Qp+1的第p+1列为：
并得到列正交矩阵Qp+1＝[Qp,qp+1]；
G、根据列正交矩阵Qp+1的第p+1列qp+1计算在第p次迭代时对称三对角矩阵Tp+1的第p+1行上的主对角元：
其中
表示qp+1的共轭转置，并得到对称三对角矩阵
H、按照预设步长更新迭代变量p，p∈(1...P’)，P’为预设迭代次数；其中预设步长为预先设定的，例如可为1。
I、若更新后的迭代变量大于预设迭代次数P’，停止迭代，并令Q＝Qp，T＝Tp，若更新后的迭代变量不大于预设迭代次数P’，并重复迭代过程A-H，直至迭代变量大于预设迭代次数P’。
例如，第一次迭代中列正交矩阵Q1＝[q1]，第一次迭代中的对称三对角矩阵T1＝[α1]，设置迭代变量p＝1。经过p次迭代后，得到等效线性方程组模型的余向量的余向量rp，rp＝Gtqp-αpqp-θp-1qp-1，并可根据该余向量计算第p次迭代时得到的对称三对角矩阵Tp+1的第p+1行上的次对角元θp＝||rp||2，对θp进行判断，若θp＝0，则判定Lanczos过程发生良性中断，停止迭代，并记录迭代次数P＝p，并令Q＝Qp，T＝Tp；若θp≠0，则依次执行F-H，执行完步骤H后(对p进行更新，如令p＝p+1)，判断更新后的p是否大于预设迭代次数P’，如果否，则继续迭代，如果是，则停止迭代，并将得到的Qp和Tp分别作为与Gram矩阵Gt的相关列正交矩阵Q和对称三对角矩阵T。
S2，根据对称三对角矩阵T获取t时刻的天线发送信号的估计值
在列正交矩阵Q的各列张成的线性子空间中的坐标向量z。
在本发明的一个实施例中，S2具体包括：S21、对对称三对角矩阵T进行LU分解，以得到对称三对角矩阵T的下双对角矩阵L和上双角矩阵U；S22、根据下双对角矩阵L和上双角矩阵U获取t时刻的天线发送信号的估计值
在列正交矩阵Q的各列张成的线
性子空间中的坐标向量z。
在本发明的一个实施例中，S21具体包括：根据对称三对角矩阵T分别确定上双角矩阵U的第一行第一列的元素U1,1＝T1,1和第一行第二列的元素U1,2＝T1,2；根据对称三对角矩阵T、上双角矩阵U的第一行第一列的元素U1,1和第一行第二列的元素U1,2确定下双对角矩阵L和上双角矩阵U。其中，下双对角矩阵L中对角元素为1，第m行第m-1列的元素
其他元素为0，上双角矩阵U中对角元素Um,m＝Tm,m-Lm,m-1Um-1,m，第i-1行第i列的元素Um-1,m＝Tm-1,m-Lm-1,m-2Um-2,m-1，其他元素为0，m＝2，...，P，i＝3，...，P，P为在迭代过程S12中的迭代次数。
在本发明的一个实施例中，S22具体包括：
根据上双角矩阵U定义中间变量b，其中，b＝Uz；
根据下双对角矩阵L对公式Lb＝βe1求解，以获取中间变量b， 
其中，P为在迭代过程S12中的迭代次数，e1的第一个元素为1，其他元素均为0；
根据中间变量b和上双对角矩阵U获取坐标向量z，其中， 
zi为坐标向量z的第i个元素，其中，P为在迭代过程S12中的迭代次数。
S3，根据列正交矩阵Q和坐标向量z计算t时刻的天线发送信号的估计值
在本发明的一个实施例中，S3包括：通过以下公式将列正交矩阵Q的各列按照坐标向量z的各个元素进行线性组合，以得到t时刻的天线发射信号的估计值
S103，分别获取与K个用户信号分别对应的K个比特序列中每个比特的对数似然比，以得到与K个用户信号分别对应的K个对数似然比序列。
具体地，分别获取与K个用户信号分别对应的K个比特序列中每个比特的对数似然比可包括步骤S301-S303。
S301，根据列正交矩阵Q、对称三对角T和上行信道矩阵Ht计算大规模多天线系统中天线发射信号与天线发射信号的估计值
之间的等效信道增益矩阵B和K个用户信号的等
效接收噪声
其中， 
T-1为对称三对角T的逆，并计算等效接收噪声
的协方差矩阵Θ，其中，Θ＝QT-1QHHt
HHtQ(T-1)HQH。
其中，通过以下步骤对公式LUac＝ec,1≤c≤P求解以获取对称三对角矩阵T的逆矩阵T-1的每一列：
定义中间变量g，g＝Uac，以将公式LUac＝ec简化为Lg＝ec其中，ac为矩阵T-1的第c列，
ec中第c个元素为1，其余元素为0；
对公式Lg＝ec求解，以得到g， 
其中，gl为g的第l个元素，ec,l为ec的第l个元素，Ll,l为下双对角矩阵L的第l个对角元，；
根据g和上双对角矩阵U求解ac， 
其中，ac,n为ac的第n个元素，gn为g的第n个元素，Un,n为上双角矩阵U的第n个对角元。
S302，根据等效信道增益矩阵B分别获取K个用户信号中每个用户信号收到其他用户信号的干扰强度，以得到与K个用户信号分别对应的K个干扰强度，并根据协方差矩阵Θ分别获取K个用户信号中每个用户信号在被基站接收时基站接收到的噪声强度，以得到与K个用户信号分别对应的K个噪声强度。
S303，根据等效信道增益矩阵B、K个干扰强度和K个噪声强度基于以下公式计算与K个用户信号分别对应的K个比特序列中每个比特的对数似然比：
其中，Lk,b为第k个用户信号xt,k对应的比特序列中第b个比特的对数似然比，B为每个比特序列中包含的比特数量，μk＝Bk,k为第k个用户的等效信道增益矩阵，
为第k个用户信号的估计值，
为第b个比特为0的所有可用符号的集合，
为第b个比特为1的所有可用符号的集合，a和a'分别为
和
中的符号，
其中，
Ink＝∑u,u≠k|Bk,u|2Es为与第k个用户信号对应的干扰强度，Nk＝Θk,kN0为与第k个用户信号对应的噪声强度，N0为噪声功率谱密度。
S104，对K个对数似然比进行解交织和信道译码，以得到t时刻K个用户发射的比特序列的检测结果。
与上述步骤相对应的，本发明实施例在实现过程中，数据处理流程可如图3所示，主要包括Gram矩阵计算、计算匹配滤波信息过程、Lanczos过程、LU分解过程、坐标向量z获取过程、天线发射信号估计值获取过程、似然比(LLR)计算过程以及最终译码过程。
根据本发明实施例的大规模多天线系统中多用户信号的检测方法，其优点是，复杂度低(约为
其中I为迭代次数)；误比特率性能好，能在几步迭代以内就逼近最优MMSE检测的误比特率性能。本方法通过Lanczos迭代算法求解线性方程组，避免了通过直接对大型矩阵求逆的方式获得MMSE均衡矩阵，能大大减少检测的计算复杂度；此外，本检测方法能在较低的复杂度内计算出各个信息比特的LLR值作为译码器的输入，能显著提升联合检测译码的性能。在用户数K(K<N)与基站天线数N的比值一定时且二者数目都趋于无穷时，这种复杂度的降低尤为明显，同时误比特率性能能够渐进达到最大似然检测的(最优)性能。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。
Claims (10)
- 一种大规模多天线系统中多用户信号的检测方法，其特征在于，包括以下步骤：建立所述大规模多天线系统中的多用户信号检测的等效线性方程组模型；通过Lanczos算法对所述等效线性方程组模型进行求解，以获取所述大规模多天线系统的t时刻的天线发送信号的估计值，其中，所述t时刻的天线发送信号的估计值包括与K个用户信号分别对应的K个比特序列，t∈1:TN，TN为时隙数量，K为正整数；分别获取与所述K个用户信号分别对应的K个比特序列中每个比特的对数似然比，以得到与所述K个用户信号分别对应的K个对数似然比序列；对所述K个对数似然比进行解交织和信道译码，以得到t时刻K个用户发射的比特序列的检测结果。
- 如权利要求1所述的方法，其特征在于，建立所述大规模多天线系统中的多用户信号检测的等效线性方程组模型包括：通过以下公式获取所述大规模多天线系统的基站在所述t时刻接收到的信号向量的匹配滤波向量
其中，
为所述大规模多天线系统的t时刻的上行信道矩阵Ht的共轭转置，yt为所述基站在t时刻接收到的信号向量；
通过以下公式获取所述上行信道矩阵的Gram矩阵Gt：
其中，ρ为所述基站的接收信号的信噪比，IK为K阶单位矩阵；
基于以下公式建立所述大规模多天线系统中的多用户信号检测的等效线性方程组模型：其中，
为t时刻的天线发送信号的估计值。
- 如权利要求2所述的方法，其特征在于，通过Lanczos算法对所述等效线性方程组模型进行求解包括：S1、根据所述等效线性方程组模型基于所述Lanczos算法获取与所述Gram矩阵Gt的相关列正交矩阵Q和对称三对角矩阵T；S2、根据所述对称三对角矩阵T获取所述t时刻的天线发送信号的估计值在所述列正交矩阵Q的各列张成的线性子空间中的坐标向量z；
S3、根据所述列正交矩阵Q和所述坐标向量z计算所述t时刻的天线发送信号的估计值
- 如权利要求3所述的方法，其特征在于，所述S1具体包括：S11、初始化过程：确定所述的初始值
并根据所述
的初始值
计算所述等效线性方程组模型的初始余向量
根据所述初始余向量r0确定所述列正交矩阵Q和所述对称三对角矩阵T的初始值，其中，所述列正交矩阵Q的初始值中第零列和第一列分别为q0＝0和
β为所述初始余向量r0的模，β＝||r0||2，所述对称三对角矩阵T的初始值中第一个主对角元为
其中，
表示q1的共轭转置，第零个次对角元为θ0＝0；
S12、迭代过程：A、计算在第p次迭代时所述等效线性方程组模型的余向量：rp＝Gtqp-αpqp-θp-1qp-1；B、计算在第p次迭代时对称三对角矩阵Tp+1的第p+1行上的次对角元：θp＝||rp||2；C、判断θp是否等于0；D、若θp＝0，则停止迭代，并令Q＝Qp，T＝Tp；E、若θp≠0，则执行F-H；F、计算在第p次迭代时列正交矩阵Qp+1的第p+1列为：并得到列正交矩阵Qp+1＝[Qp,qp+1]；
G、根据所述列正交矩阵Qp+1的第p+1列qp+1计算在第p次迭代时对称三对角矩阵Tp+1的第p+1行上的主对角元：其中
表示qp+1的共轭转置，并得到对称三对角矩阵
H、按照预设步长更新迭代变量p，p∈(1…P’)，P’为预设迭代次数；I、若更新后的迭代变量大于预设迭代次数P’，停止迭代，并令Q＝Qp，T＝Tp，若 更新后的迭代变量不大于预设迭代次数P’，并重复迭代过程A-H，直至迭代变量大于预设迭代次数P’。 - 如权利要求4所述的方法，其特征在于，所述S2具体包括：S21、对所述对称三对角矩阵T进行LU分解，以得到所述对称三对角矩阵T的下双对角矩阵L和上双角矩阵U；S22、根据所述下双对角矩阵L和所述上双角矩阵U获取所述t时刻的天线发送信号的估计值在所述列正交矩阵Q的各列张成的线性子空间中的坐标向量z。
- 如权利要求5所述的方法，其特征在于，所述S21具体包括：根据所述对称三对角矩阵T分别确定所述上双角矩阵U的第一行第一列的元素U1,1＝T1,1和第一行第二列的元素U1,2＝T1,2；根据所述对称三对角矩阵T、所述上双角矩阵U的第一行第一列的元素U1,1和第一行第二列的元素U1,2确定所述下双对角矩阵L和所述上双角矩阵U，其中，所述下双对角矩阵L中对角元素为1，第m行第m-1列的元素其他元素为0，所述上双角矩阵U中对角元素Um,m＝Tm,m-Lm,m-1Um-1,m，第i-1行第i列的元素Um-1,m＝Tm-1,m-Lm-1,m-2Um-2,m-1，其他元素为0，m＝2，…，P，i＝3，…，P，P为在所述迭代过程S12中的迭代次数。
- 如权利要求5所述的方法，其特征在于，所述S22具体包括：根据所述上双角矩阵U定义中间变量b，其中，b＝Uz；根据所述下双对角矩阵L对公式Lb＝βe1求解，以获取所述中间变量b，
根据所述中间变量b和所述上双对角矩阵U获取所述坐标向量z，其中，
- 如权利要求3所述的方法，其特征在于，所述S3包括：通过以下公式将所述列正交矩阵Q的各列按照所述坐标向量z的各个元素进行线性组合，以得到所述t时刻的天线发射信号的估计值
- 如权利要求5所述的方法，其特征在于，分别获取与所述K个用户信号分别对应的K个比特序列中每个比特的对数似然比包括：根据所述列正交矩阵Q、所述对称三对角T和所述上行信道矩阵Ht计算所述大规模多天线系统中天线发射信号与天线发射信号的估计值之间的等效信道增益矩阵B和所述K个用户信号的等效接收噪声
其中，
的协方差矩阵Θ，其中，
根据所述等效信道增益矩阵B分别获取所述K个用户信号中每个用户信号收到其他用户信号的干扰强度，以得到与所述K个用户信号分别对应的K个干扰强度，并根据所述协方差矩阵Θ分别获取所述K个用户信号中每个用户信号在被基站接收时基站接收到的噪声强度，以得到与所述K个用户信号分别对应的K个噪声强度；根据所述等效信道增益矩阵B、所述K个干扰强度和K个噪声强度基于以下公式计算所述与所述K个用户信号分别对应的K个比特序列中每个比特的对数似然比：
其中，Lk,b为第k个用户信号xt,k对应的比特序列中第b个比特的对数似然比，B为每个比特序列中包含的比特数量，μk＝Bk,k为第k个用户的等效信道增益矩阵，为第k个用户信号的估计值，
为第b个比特为0的所有可用符号的集合，
为第b个比特为1的所有可用符号的集合，a和a'分别为
和
中的符号，
其中，Ink＝∑u,u≠k|Bk,u|2Es为与第k个用户信号对应的干扰强度，Nk＝Θk,kN0为与第k个用户信号对应的噪声强度，N0为通过谱分析技术估计得到的噪声功率谱密度。
- 如权利要求9所述的方法，其特征在于，其中，通过以下步骤对公式LUac＝ec,1≤c≤P求解以获取所述对称三对角矩阵T的逆矩阵T-1的每一列：定义中间变量g，g＝Uac，以将所述公式LUac＝ec简化为Lg＝ec其中，ac为所述矩阵T-1的第c列，ec中第c个元素为1，其余元素为0；
对公式Lg＝ec求解，以得到g，
其中，gl为g的第l个元素，ec,l为ec的第l个元素，Ll,l为所述下双对角矩阵L的第l个对角元，；根据所述g和所述上双对角矩阵U求解所述ac，
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510044838.5A CN104618061B (zh) | 2015-01-29 | 2015-01-29 | 一种大规模多天线系统中多用户信号的检测方法 |
| CN201510044838.5 | 2015-01-29 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| WO2016119289A1 true WO2016119289A1 (zh) | 2016-08-04 |
Family
ID=53152367
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| PCT/CN2015/073967 WO2016119289A1 (zh) | 2015-01-29 | 2015-03-10 | 大规模多天线中多用户信号的检测方法 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN104618061B (zh) |
| WO (1) | WO2016119289A1 (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106850013A (zh) * | 2016-12-31 | 2017-06-13 | 上海交通大学 | 一种上行链路大规模mimo系统的信号检测方法 |
| CN112565140A (zh) * | 2020-10-22 | 2021-03-26 | 浙江工商大学 | 一种采用三对角加权矩阵的ofdm系统抗时变信道干扰方法 |
| CN113067666A (zh) * | 2021-02-04 | 2021-07-02 | 宁波大学 | Noma系统的用户活跃性和多用户联合检测方法 |
| CN113271123A (zh) * | 2021-04-27 | 2021-08-17 | 西安电子科技大学广州研究院 | 一种新型计算信道解码的llr近似值的方法和系统 |
| CN113517941A (zh) * | 2021-07-06 | 2021-10-19 | 西安电子科技大学广州研究院 | 一种大规模mimo系统信道估计与迭代检测仿真方法和系统 |
| CN115001544A (zh) * | 2022-05-10 | 2022-09-02 | 江南大学 | 基于改进Richardson算法的信号检测方法 |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105553899B (zh) * | 2015-12-23 | 2018-10-02 | 清华大学 | 基于线性方程组求近似解的信号检测方法及装置 |
| CN107241167B (zh) * | 2017-06-29 | 2020-02-18 | 东南大学 | 一种基于大规模mimo系统bp检测的改进方法 |
| CN108347267B (zh) * | 2018-01-04 | 2020-04-24 | 东南大学 | 一种面向大规模mimo的自适应混合检测接收方法 |
| CN108540413B (zh) * | 2018-03-19 | 2019-06-07 | 北京邮电大学 | 一种通信系统中面向导频攻击的信道方向盲分离方法 |
| CN109391278B (zh) * | 2019-01-03 | 2020-11-06 | 杭州电子科技大学 | 大规模天线多用户系统的信号接收机及其信号处理方法 |
| CN111525970B (zh) * | 2019-11-22 | 2021-11-16 | 南京航空航天大学 | 一种基于空间调制的大规模mimo系统性能分析方法 |
| CN110753012A (zh) * | 2019-11-25 | 2020-02-04 | 重庆邮电大学 | 一种时间反演多址系统的多用户检测算法 |
| CN111510403B (zh) * | 2020-04-14 | 2022-08-09 | 重庆邮电大学 | 一种基于对称lq的大规模mimo系统迭代信号检测方法 |
| CN114785390A (zh) * | 2022-03-13 | 2022-07-22 | 复旦大学 | Mimo信道双对角化下的低复杂度检测解码算法 |
| CN115051900B (zh) * | 2022-05-10 | 2024-01-16 | 四川创智联恒科技有限公司 | 无线多输入多输出的接收机检测方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103152142A (zh) * | 2013-03-20 | 2013-06-12 | 清华大学 | 用于mimo系统的信号检测方法及装置 |
| CN103297111A (zh) * | 2013-06-19 | 2013-09-11 | 清华大学 | Mimo上行多用户信号检测方法、检测装置及接收系统 |
| 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 |
| US8897118B1 (en) * | 2010-07-30 | 2014-11-25 | Applied Micro Circuits Corporation | Single carrier-frequency-division multiple access (SC-FDMA) physical uplink control channel (PUCCH) 1/1a/1b detection |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW200701014A (en) * | 2006-06-23 | 2007-01-01 | Univ Chang Gung | Method of global lanczos algorithm to simplify multiple-input and multiple-output interconnection circuit system |
| US20080126028A1 (en) * | 2006-09-26 | 2008-05-29 | Chang Gung University | Method of reducing a multiple-inputs multiple-outputs (MIMO) interconnect circuit system in a global lanczos algorithm |
| US7675847B2 (en) * | 2007-07-10 | 2010-03-09 | Wipro Limited | Hardware implementation of a programmable FFT based on a half length FFT core |
| US8761274B2 (en) * | 2009-02-04 | 2014-06-24 | Acorn Technologies, Inc. | Least squares channel identification for OFDM systems |
-
2015
- 2015-01-29 CN CN201510044838.5A patent/CN104618061B/zh not_active Expired - Fee Related
- 2015-03-10 WO PCT/CN2015/073967 patent/WO2016119289A1/zh active Application Filing
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8897118B1 (en) * | 2010-07-30 | 2014-11-25 | Applied Micro Circuits Corporation | Single carrier-frequency-division multiple access (SC-FDMA) physical uplink control channel (PUCCH) 1/1a/1b detection |
| CN103152142A (zh) * | 2013-03-20 | 2013-06-12 | 清华大学 | 用于mimo系统的信号检测方法及装置 |
| CN103297111A (zh) * | 2013-06-19 | 2013-09-11 | 清华大学 | Mimo上行多用户信号检测方法、检测装置及接收系统 |
| 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 |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106850013A (zh) * | 2016-12-31 | 2017-06-13 | 上海交通大学 | 一种上行链路大规模mimo系统的信号检测方法 |
| CN106850013B (zh) * | 2016-12-31 | 2020-08-04 | 上海交通大学 | 一种上行链路大规模mimo系统的信号检测方法 |
| CN112565140A (zh) * | 2020-10-22 | 2021-03-26 | 浙江工商大学 | 一种采用三对角加权矩阵的ofdm系统抗时变信道干扰方法 |
| CN112565140B (zh) * | 2020-10-22 | 2022-07-19 | 浙江工商大学 | 一种采用三对角加权矩阵的ofdm系统抗时变信道干扰方法 |
| CN113067666A (zh) * | 2021-02-04 | 2021-07-02 | 宁波大学 | Noma系统的用户活跃性和多用户联合检测方法 |
| CN113067666B (zh) * | 2021-02-04 | 2022-05-20 | 宁波大学 | Noma系统的用户活跃性和多用户联合检测方法 |
| CN113271123A (zh) * | 2021-04-27 | 2021-08-17 | 西安电子科技大学广州研究院 | 一种新型计算信道解码的llr近似值的方法和系统 |
| CN113517941A (zh) * | 2021-07-06 | 2021-10-19 | 西安电子科技大学广州研究院 | 一种大规模mimo系统信道估计与迭代检测仿真方法和系统 |
| CN115001544A (zh) * | 2022-05-10 | 2022-09-02 | 江南大学 | 基于改进Richardson算法的信号检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104618061B (zh) | 2017-11-28 |
| CN104618061A (zh) | 2015-05-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2016119289A1 (zh) | 大规模多天线中多用户信号的检测方法 | |
| CN102144377B (zh) | 用于硬限信号的信道估计与均衡 | |
| CN104823508B (zh) | 用于低密度扩展调制检测的系统和方法 | |
| US20220376956A1 (en) | Transmission System with Channel Estimation Based on a Neural Network | |
| CN105071843B (zh) | 大规模mimo系统低复杂度多项式展开矩阵求逆方法及应用 | |
| Liu et al. | Deep residual network empowered channel estimation for IRS-assisted multi-user communication systems | |
| CN104301267A (zh) | 一种mimo无线通信接收机的多阶段迭代检测方法和装置 | |
| CN100571098C (zh) | 通信系统中低复杂度的极大似然检测方法及装置 | |
| WO2014190573A1 (zh) | 基于归一化特征值的拟合优度检验的频谱感知方法及装置 | |
| CN105871440A (zh) | 混合载波多天线分量传输的信号接收方法 | |
| Wang et al. | Efficient channel statistics estimation for millimeter-wave MIMO systems | |
| CN106716866A (zh) | 乒乓波束成形 | |
| Chataut et al. | Huber fitting based ADMM detection for uplink 5G massive MIMO systems | |
| WO2008151518A1 (fr) | Procédé et dispositif de détection d'information dans un système ofdm | |
| CN105281854B (zh) | 一种基于非圆信号的局部最大功效不变检验频谱感知方法 | |
| CN104135455B (zh) | 一种通信系统迭代接收方法 | |
| KR102041012B1 (ko) | 시분할 이중통신 다중 사용자 다중 안테나 환경에서 다중 안테나를 이용한 파일럿 오염 공격을 검출하는 방법 및 시스템 | |
| CN112313884A (zh) | 用于在无线通信系统中信号检测的方法和装置 | |
| CN105119860A (zh) | 一种广义空间调制系统的信号检测方法 | |
| WO2017181822A1 (zh) | 干扰抑制合并和噪声平衡联合处理方法和装置、接收机 | |
| CN111193534B (zh) | 一种大规模mimo系统中的低复杂度信号检测方法 | |
| US20110069785A1 (en) | System and Method for Low Complexity Sphere Decoding for Spatial Multiplexing MIMO | |
| Canbilen et al. | BER analysis of SM-MIMO systems with MRC detectors over Weibull fading channels | |
| CN114900252B (zh) | 射频反射镜使能收发联合空间调制的接收信号检测方法 | |
| Cruces et al. | Criterion for signal extraction in underdetermined mixtures of bounded support |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| 121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 15879497 Country of ref document: EP Kind code of ref document: A1 |
|
| NENP | Non-entry into the national phase |
Ref country code: DE |
|
| 122 | Ep: pct application non-entry in european phase |
Ref document number: 15879497 Country of ref document: EP Kind code of ref document: A1 |