结合信号空间分集的双空时发射分集系统

为提高双空时发射分集(DSTTD)系统在独立同分布衰落(IID)信道下的性能,提出一种结合信号空间分集的DSTTD系统,在发射前先对已调信号进行信号空间的旋转映射,提高系统分集阶数。通过矩阵变换获得转换系统传输模型,利用向量高斯近似和标量高斯近似解调算法联合信道译码进行迭代检测,在保证系统性能的同时降低系统解调的复杂度。仿真结果表明,该系统比传统DSTTD系统在IID信道下至少获得2 dB的性能改善。     

双向中继协作通信系统的迭代接收机设计

针对双向中继协作系统建立了中继节点多用户接收机因子图模型,通过利用高斯参数化对混合高斯分布进行近似,提出了一种联合信道估计、多用户检测与译码的迭代消息传递算法,在合理的复杂度下有效地提高了中继接收机对于多用户混合信号的检测性能.     

大规模MIMO系统上行链路中改进的混合迭代检测算法

信号检测的任务是通过基站接收到的信号来估计出用户的发送信号。在大规模MIMO系统上行中,基于最速下降（Steepest descent,SD）算法和高斯-赛得尔（Gauss Seidel,GS）迭代的混合迭代（SDGS）算法解决了最小均方误差（Minimum mean square error,MMSE）算法中矩阵求逆的运算问题,将复杂度从O(K³)降为O(K²)（其中K为用户数）。同时,SD算法有很好收敛方向的特性加快了检测速度。本文基于SDGS算法,改进了其中对数似然比（Log likelihood ratio,LLR）的计算,在保持低复杂度（O(K²)）的同时,改善检测性能。仿真结果表明,经过几次迭代后,改进后的混合迭代算法收敛较快并接近MMSE检测性能。     

高速移动场景下OFDM系统的联合信道频响估计和数据检测算法

提出一种高速移动场景下OFDM系统的联合信道频响矩阵（CFR）估计和数据检测算法。使用CFR矩阵的MMSE近似模型减少未知参数量,并提出基于EM算法的迭代算法,求解联合CFR矩阵估计和数据检测问题。计算机仿真表明：该算法可以在较少的迭代次数下收敛,并且检测误比特率接近接收端已知理想信道状态的情况。     

结合编码信息的单通道盲信号分离改进算法

针对同频调制多路线性混合信号的单通道盲分离,根据自适应跟踪信道参数和逐幸存路径处理原理的思想,在基于LMS跟踪的M-PSP算法框架下,提出了一种能减小计算复杂度的RLS-RPSP算法。该算法利用多路RLS收敛速度快的特点,通过分段设置幸存路径数来保留幸存路径,既能实现对多路信道响应的同步跟踪,又无需对初始响应作任何粗估计。理论分析和仿真结果表明,在具有近似相同的误码率性能情况下,不论非时变或时变信道,新算法相比LMS跟踪下的M-PSP算法,至少能降低一半的运算复杂度。     

基于对称连续超松弛的大规模MIMO信号检测算法

在大规模MIMO系统中,当基站端天线数远大于单天线用户数时,传统的最小均方误差(MMSE)算法能达到接近最优的线性信号检测性能。但是,由于MMSE算法涉及了复杂的矩阵求逆,从而导致其难以快速有效地实现。利用信道特征,改进了MMSE检测算法,提出了对称连续超松弛(Symmetric Successive Over-Relaxation,SSOR)算法以避免矩阵求逆,并给出了合适的松弛参数和初始值。此外,从算法实现角度考虑,采用信道硬化信息传递(Channel Hardening-Exploiting Message Passing,CHEMP)接收机对信道进行估计。结果表明,通过简单的几次迭代,在给定的松弛参数和初始值条件下,SSOR算法就能快速接近MMSE算法的检测性能,并大幅降低了计算复杂度。     

MIMO-OFDM系统的低阶信道估计的改进

在慢衰落信道条件下,MMSE估计有较好的估计性能但复杂度较高。为了降低信道估计的运算复杂度,分析并总结了原有的MMSE信道估计算法以及其改进算法,提出一个基于MIMO-OFDM系统的OLR-MMSE信道估计算法。OLR-MMSE估计是结合了MMSE算法的低秩近似以及SVD分解,大大降低了大矩阵的阶数,有效地降低运算复杂度并可以保持良好的估计性能。通过计算机模拟仿真验证了提出的信道估计可以达到系统性能和复杂度之间较好的权衡。     

一种低复杂度高性能的MIMO系统自适应检测算法

如何克服发射信号的重叠和码间干扰是MIMO系统信号检测技术面临的关键问题。信号检测算法的性能优劣是影响MIMO技术能否真正适于实际应用的关键因素。结合MLD算法高性能和MMSE-SIC算法低复杂的优点,对Hybrid算法进行了改进,提出了一种基于信道最大/最小特征值的自适应混合检测算法。该算法重新定义了自适应系数,并通过信道矩阵特征值的特性,自适应控制三种子混合算法检测数据流时的百分比,以达到更高的检测效率。仿真结果表明：无论信道在何种复杂环境下,该算法具有与MLD算法几乎相同的误码性能,计算复杂度也有很大的改善。     

一种近似最优的大规模MIMO检测算法

为了以较低的复杂度获得接近最优的性能,提出一种加权-两阶段迭代(Weighted Two-Stage,WTS)的方案,并采用最速下降法(SD)对WTS方案进行优化处理,利用SD算法为WTS方案提供较为精确的搜索方向,有效加快收敛速度,提高WTS方案的性能。将算法应用在软判决中,与其他几种算法进行比较。仿真结果表明,改进后的方案不仅收敛速度快、逼近MMSE的最优性能,而且对比MMSE算法复杂度下降了一个数量级。     

大规模MIMO通信中基于Jacobi预迭代的改进Gauss-Seide算法

在大规模MIMO系统中,现有的高斯-赛德尔（Gauss-Seide,GS）算法相较于最小均方误差（Minimum mean-square error,MMSE）算法,GS的复杂度较低,但其检测性能相比而言较差。本文提出一种适用于大规模MIMO系统上行链路检测的基于雅克比预迭代改进的高斯-赛德尔（Jacobi-improved Gauss-Seide,JA-IGS）检测算法,该算法首先通过引入雅可比（Jacobi,JA）预迭代器来优化迭代初始解,然后对传统的GS进行线性优化,在增加较低复杂度情况下,检测性能和收敛速度有明显提升。仿真结果表明,与传统GS和JA检测算法相比,该算法具有较低的误码率（Bit error ratio,BER）和较高的计算效率。     

基于子空间跟踪的修正MMSE多用户检测算法

在研究基于子空间跟踪的最小均方误差（MMSE）多用户检测器（MUD）的基础上，为解决原算法因引入特征值估计误差而导致检测性能下降的问题，设计了一种改进的算法——修正的MMSE多用户检测器．采用正交性能优良的OPAST算法跟踪子空间，提出一种基于OPAST的修正MMSE多用户检测算法．仿真结果显示,与基于OPAST的MMSE MUD相比，基于OPAST的修正MMSE MUD算法收敛速度快，输出信干比和误码率性能逼近SVD MUD算法，并且计算复杂度较低．     

基于SAOR的Massive MIMO系统信号检测算法

大规模多输入多输出(Massive multiple input multiple output, Massive MIMO)系统采用最小均方误差(Minimum mean square error, MMSE)接收检测方法时存在矩阵求逆复杂度高的问题，已有较多降低复杂度的研究。在降低检测算法复杂度的同时，如何提高算法收敛速度和检测性能一直是人们关注的焦点。本文将对称加速超松弛(Symmetric accelerated over-relaxation， SAOR)迭代算法应用于Massive MIMO系统信号检测中，避免了复杂的矩阵求逆计算，实现了复杂度较最小均方误差算法降低了一个数量级。仿真结果表明，基于SAOR的检测方法通过较少的迭代次数就能逼近最小均方误差（Minimum mean square error, MMSE）算法的检测性能，为Massive MIMO系统中接收信号的快速检测提供了较好的实现方法。     

MIMO-GFDM系统中低复杂度动态禁忌搜索检测算法的改进

针对多输入多输出的广义频分复用（MIMO-GFDM）系统的等效信道矩阵维度极大，传统的MIMO检测算法复杂度高且性能不佳的问题，将大规模MIMO系统中的动态禁忌搜索（RTS）检测算法运用到MIMO-GFDM系统中，并解决了RTS算法初始值的求解复杂度高的问题。首先利用最小均方误差（MMSE）检测算法所用到矩阵的正定对称性将矩阵Cholesky分解，并结合Sherman-Morrison公式迭代计算初始值，降低了初始值求逆的高复杂度；然后以改进的MMSE检测结果作为RTS算法的初始值，从初始值逐步全局搜索最优解；最后通过仿真，对不同算法的迭代次数和误码率（BER）性能进行了研究。理论分析与仿真结果表明：在MIMO-GFDM中，所提改进RTS信号检测算法误码率远低于传统信号检测算法。在4QAM时，RTS算法大约有低于MMSE检测6 dB的信噪比性能增益（误码率在10^-3时）；在16QAM时，RTS算法大约有低于MMSE检测4 dB的信噪比性能增益（误码率在10^-2时）。与传统RTS算法性相比，所提改进算法在不影响误码率性能的同时降低了算法复杂度。     

一种新的MIMO-OFDM通信系统比特分配方案

从MIMO-OFDM系统模型出发,首先对理想信道传输矩阵进行奇异值分解,在子信道自适应调制设计中应用信道矩阵特征值把空分复用信道转化为并行子信道,将用于多载波自适应比特分配算法应用于MIMO-OFDM系统。然后以实现系统发射功率最小为原则,以降低系统比特分配算法复杂度为目标,提出了一种可变步长的子信道比特分配优化算法。仿真结果表明,这种算法不但可以实现和Campello方法相当的比特分配性能,还可以较大地降低系统的计算复杂度。     

MIMO-OFDM系统的IFD-SAGE信道估计算法

针对MIMO-OFDM系统中频域的空间交替广义期望最大化（FD-SAGE）算法估计信道性能较差以及收敛速度慢的问题,提出了一种改进的FD-SAGE信道估计算法。该算法在FD-SAGE算法的基础上,通过对SAGE算法的潜在数据和不完全数据进行分解分析推导出一种修正的SAGE算法,同时在SAGE的更新数据信息时引入最大似然算法,进而提高系统的可靠性。理论研究和仿真结果表明,该算法以牺牲少量复杂度为代价,能较好地追踪信道变化且收敛速度较快,其性能优于传统的LS算法,信号检测采用最大似然算法时,在相同误比特率情况下与理想信道估计仅相差0.5 dB。     

MIMO系统中低复杂度的MCMC迭代检测算法

针对多输入多输出(MIMO)系统中现行的马尔科夫链蒙特卡洛(MCMC)检测算法复杂度较高的问题,提出了一种SIC-MMSE算法辅助的MCMC检测算法,信号的预估计值和软信息均作为软输入软输出(SISO)检测器的输入,提高了吉布斯采样值的可信度,进而减少采样点数。仿真结果表明,同样的信噪比情况下,达到相同误码率时,与传统MCMC算法相比,改进MCMC算法的复杂度明显降低。     

A low-complexity hybrid algorithm based on particle swarm and ant colony optimization for large-MIMO detection

With rapid increase in demand for higher data rates, multiple-input multiple-output (MIMO) wireless communication systems are getting increased research attention because of their high capacity achieving capability. However, the practical implementation of MIMO systems rely on the computational complexity incurred in detection of the transmitted information symbols. The minimum bit error rate performance (BER) can be achieved by using maximum likelihood (ML) search based detection, but it is computationally impractical when number of transmit antennas increases. In this paper, we present a low-complexity hybrid algorithm (HA) to solve the symbol vector detection problem in large-MIMO systems. The proposed algorithm is inspired from the two well known bio-inspired optimization algorithms namely, particle swarm optimization (PSO) algorithm and ant colony optimization (ACO) algorithm. In the proposed algorithm, we devise a new probabilistic search approach which combines the distance based search of ants in ACO algorithm and the velocity based search of particles in PSO algorithm. The motivation behind using the hybrid of ACO and PSO is to avoid premature convergence to a local solution and to improve the convergence rate. Simulation results show that the proposed algorithm outperforms the popular minimum mean squared error (MMSE) algorithm and the existing ACO algorithms in terms of BER performance while achieve a near ML performance which makes the algorithm suitable for reliable detection in large-MIMO systems. Furthermore, a faster convergence to achieve a target BER is observed which results in reduction in computational efforts.     

新的基于仿射投影算法的盲多用户检测器*

多径衰落信道下的盲自适应多用户检测算法的运算复杂度通常都比较大,将基于仿射投影算法的盲多用户检测器与RAKE分集技术相结合,提出了一种盲自适应接收算法。该接收算法平衡了收敛速度和计算复杂度之间的矛盾,具有相对较好的收敛性能及较小的运算复杂度。通过模拟实验比较了几种算法的收敛、跟踪及误码性能,结果表明该方法具有明显的整体优势。