一种低复杂度MIMO球形检测算法

针对球形译码检测算法在信噪比较低时复杂度大的问题,提出一种新型球形检测算法。通过使用一个压缩因子对低信噪比时的球半径进行抑制,同时结合最小均方误差检测算法降低算法复杂度。仿真结果表明,在信噪比低于10 dB时,该算法相对传统球形译码算法,复杂度平均降低10%左右,并且性能损失较少。     

非确定性MIMO系统的K-Best检测算法研究

研究无线信道优化问题,由于非确定性MIMO系统的信道矩阵行不满秩特性,导致MMSE-GDFE左预处理后引入了强干扰,使得传统K-Best算法产生了误码平层效应.为了消除误码平层效应,提出部分最大似然和K-Best结合算法,并在初始检测的强干扰区域利用部分最大似然算法获得局部最优解,降低强干扰对系统的影响消除误码平层效应,进而在局部最优解的基础上利用K-Best算法完成剩余符号的检测.保证MIMO检测器的软输出特性.仿真结果表明算法消除了传统K-Best算法中的误码平层效应,保证了检测的可靠性.     

全双工MIMO中继系统中一种高性能波束成形算法

全双工中继系统相比于半双工中继系统可以极大地提高频谱利用率,但是中继收发端之间的信号泄漏严重影响全双工系统的性能。为了抑制基于译码转发的全双工多输入多输出中继系统的自干扰,提高信息传输速率,提出了一种波束成形算法。该算法在中继站采用基于最小均方误差的接收与发射波束成形,并联合两个波束成形矩阵建立迭代结构以得到最优解。仿真表明,同传统的零空间投影与最大化信干比算法相比,提出的算法能够有效提高系统性能。在中高信噪比时,该算法较最大化信干比算法获得0.8 bit/(s·Hz)左右的速率增益;当误码率达到10-3以及更低时,该算法相比于最大化信干比算法能获得1.5 dB左右的信噪比增益。     

多用户MIMO系统中的一种低复杂度用户选择算法

联合块对角化和几何均值分解(BD-GMD)是一种用于下行多用户多输入多输出(MU-MIMO)系统的预编码方案。在信噪比(SNR)较高的情况下,此方案在信道吞吐量和误符号率(SER)两方面都是渐进最优的。但是,在BD-GMD方案中,发射和接收天线的数量限制了能同时通信的用户数。在一个拥有大量用户的下行MU-MIMO系统中,为了使得系统总的吞吐量最大,基站必须从大量的用户中选出一个用户子集,同时对他们进行服务。采用穷尽搜索算法能得到最优的用户子集,但这种方法所需要的计算量太大。因此,提出了一种次最优但是计算复杂度较低的用户选择算法,用于采用BD-GMD方案的下行MU-MIMO系统。此算法具有随用户数变化的线性复杂度,另外,仿真结果显示,其总的吞吐量大致能达到采用穷尽搜索算法所获得的系统总吞吐量的95%。     

多活跃天线空间调制技术的低复杂度检测算法

针对多活跃天线空间调制技术提出了一种低复杂度的检测算法,该解调算法基于干扰消除的思想,不仅在原有的迫零检测算法的基础上进一步降低了解调误码率,同时也解决了迫零检测算法在接收天线数小于发射天线数的情况下无法使用的问题,且复杂度基本与迫零算法相当。通过蒙特卡洛实验对该解调算法的性能进行了分析和评价。     

LTE系统基于格基约减辅助V-BLAST算法

LTE作为以OFDM-MIMO为主要技术特征的第四代移动通信,它的终端信号检测实现比较困难,这就需要一种性能好、复杂度低的检测算法来实现。格基约减是一种在接收端对信道矩阵进行预处理,可以消除子信道间干扰和抑制噪声的增强。本文在已有的格基约减ELLL算法的基础上,提出一种限制条件更为宽松的对角格约减算法(DR)。该算法的计算复杂度要低于ELLL算法。在该算法的基础上,结合传统V-BLAST和K-best算法思想,给出了一种基于格基约减辅助的V-BLAST算法。仿真结果表明,在LTE系统中该算法能够在复杂度较低的情况下,性能更接近ML算法。     

低复杂度的空间调制信号检测

空间调制(SM)算法在接收端常用最大释然(ML)信号检测获得发送天线编号以及调制符号,恢复发射信息比特,但是ML算法复杂度随着天线数和调制阶数的增加呈指数增长,不具有实用性。针对该难题,提出一种新的低复杂度次最优检测算法。通过设置合理的判决门限将信号矢量检测(SVD)和硬限最大似然(HL-ML)算法进行联合。蒙特卡洛仿真结果表明,该算法的误比特率检测性能比SVD算法更接近ML算法,且复杂度与ML算法相比降低了85%。     

基于矩阵和求逆及MRC的低复杂度MIMO检测器

信道编码MIMO系统需要检测器具有软输入软输出特性,而常规的检测算法通常具有很高的计算复杂度,阻碍了其在实际中的应用.提出一种低复杂度MIMO检测方案.首次迭代中,利用低复杂度快速矩阵和分解方案来获得MMSE检测输出,避免了常规矩阵和求逆中的Jordan标准型化简;其余迭代中,利用信道解码器提供的软信息将MIMO系统转...     

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。     

MIMO系统中格点减少检测算法研究*

在实际通信系统中,较差的信道环境会给接收端的信号检测带来较大难度,本文给出了一种结合格点减少的MMSE－SIC检测算法,通过在格点减少的基础上引入最小圴方误差（MMSE）准则以及连续干扰抵消（SIC）的思想,能够仅以多项式的复杂度接近最优检测算法（最大似然,ML）的性能,并且可以通过采用QR分解进一步降低格点减少算法的复杂度。仿真结果表明,在未编码系统中采用基于格点减少的MMSE－SIC算法能够显著提高MIMO系统的误码性能。     

Low-complexity approximate iterative LMMSE detection for large-scale MIMO systems

This paper deals with iterative detection for uplink large-scale MIMO systems. The well-known iterative linear minimum mean squared error (LMMSE) detector requires quadratic complexity (per symbol per iteration) with the number of antennas, which may be a concern in large-scale MIMO. In this work, we develop approximate iterative LMMSE detectors based on transformed system models where the transformation matrices are obtained through channel matrix decompositions. It is shown that, with quasi-linear complexity (per symbol per iteration), the proposed detectors can achieve almost the same performance as the conventional LMMSE detector. It is worth mentioning that the linear transformations are also useful to reduce the complexity of downlink precoding, so the relevant computational complexity can be shared by both uplink and downlink.     

一种多用户MIMO系统中有限反馈预编码算法及性能分析

多用户多输入多输出(MIMO)系统中,用户可以通过反馈的方式把信道状态信息(CSI)传递给基站,基站利用该CSI进行预编码或者用户调度,可以有效地提取复用增益。但是传统的反馈方式,反馈量太大,占用过多上行资源。针对收发都是多天线条件的多用户MIMO系统,提出一种基于Grassmannian码本的有限反馈预编码方法,通过对用户信道矩阵进行量化,每个用户仅仅需要反馈一个序号而不是信道矩阵,从而大大减少了反馈量。通过对系统误码率(BER)和吞吐率的仿真,表明了该方法能保证系统性能。同时,由于信道估计存在误差,量化过程存在误差,所以,分析了信道矩阵误差对于新方法性能的影响,得到了系统吞吐率同信道矩阵误差的方差,以及基站发射功率三者的关系,并通过仿真进行验证,从而为评估信道估计和量化过程的优劣提供了理论依据。     

基于双码本的多用户MIMO有限反馈预编码方法

针对多用户多输入多输出(MIMO)下行链路由有限反馈导致的性能缺失,提出一种基于双码本的有限反馈预编码方法。该方法首先在接收端根据期望用户最大信干比准则从预置码本中选取预编码码字及扰动码字反馈给发送端,然后利用矩阵线性变换特性对预编码码字进行线性变换扰动以达到容量最优,从而补偿由于有限反馈导致的容量性能缺失。仿真结果表明,所提出的方法在保证反馈链路开销与系统误码性能的情况下,有效地改善了系统吞吐量。     

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。     

微小区MIMO信道模型的相关性分析

根据微小区双散射的MIMO椭圆信道模型,分析发送、接收端阵元天线间的信道相关性,考虑到发射端与接收端周围存在大量散射体,且散射体服从非均匀分布,采用Von Mises分布函数描述散射角度的分布情况,从而得到信道相关函数的闭式表达式,并通过仿真分析影响信道相关性的主要因素。实验结果表明,相关系数随天线间距、角度扩展、扩展因子的增大而非单调性减小,为MIMO技术的应用提供了有效理论依据。     

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干扰信道中一种新的分布式迭代预编码算法

MIMO技术可以有效地提高通信系统的容量,但会带来很严重的用户间干扰问题。预编码技术以其能简化接收机和抑制干扰的作用将会在未来通信中扮演着重要角色。将多数据流的预编码矩阵设计转换成单数据流预编码矢量设计,提出了基于信干噪比最大的分布式迭代算法,以及将虚拟信干噪和最小均方误差方法相结合的迭代算法。数值仿真结果表明提出的算法可以有效提高系统容量。     

分布式MIMO系统容量最优的预编码设计

针对分布式多入多出(MIMO)系统各天线功率无法共享的问题,基于分布式MIMO系统各天线功率受限的假设,提出容量准则下的最优预编码矩阵设计方案。采用Lagrange对偶优化的方法,将原优化问题转化为其对偶问题,给出求解预编码矩阵的迭代算法流程,以及在不同天线配置和容量准则下的信号发射策略。仿真结果表明,在发射天线数目多于接收天线数目时或信道矩阵缺秩时,该迭代算法求得的预编码矩阵的容量性能优于已有次优解析解。     

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。