本發(fā)明涉及一種適用于大規(guī)模mimo(multiple-input-multiple-output，多輸入多輸出)系統(tǒng)上行鏈路的低復(fù)雜度檢測算法，屬于移動(dòng)通信領(lǐng)域。

背景技術(shù)：

近年來，隨著人們?nèi)找嬖鲩L的數(shù)據(jù)業(yè)務(wù)需求，移動(dòng)通信領(lǐng)域發(fā)展迅速。目前，第五代移動(dòng)通信系統(tǒng)(5g)的相關(guān)研究正在積極展開。其中，5g物理層核心技術(shù)之一為大規(guī)模mimo技術(shù)。通過在基站側(cè)使用大量的收發(fā)天線，大規(guī)模mimo系統(tǒng)可以利用額外的自由度，并行傳輸多個(gè)數(shù)據(jù)流，同時(shí)提高分集增益，從而可以極大的增加頻譜利用率、提高傳輸可靠性并改善系統(tǒng)的能量效率。

由于基站使用大量的收發(fā)天線，設(shè)計(jì)低復(fù)雜度的上行鏈路檢測算法成為大規(guī)模mimo系統(tǒng)實(shí)際應(yīng)用中面臨的重要挑戰(zhàn)。雖然非線性檢測算法性能一般優(yōu)于線性檢測算法，但是其復(fù)雜度很高。對于大規(guī)模mimo系統(tǒng)，參考文獻(xiàn)“fredrikrusek,etal,scalingupmimo:opportunitiesandchallengeswithverylargearrays,ieeesignalprocessingmagazine,vol.30,no.1,pp.40–60,january2013”指出當(dāng)接收天線數(shù)目足夠大時(shí)，使用線性檢測算法可以獲得接近最優(yōu)的性能。常見的線性檢測算法有最大比合并(mrc)、迫零(zf)以及最小均方誤差(mmse)等。其中，zf和mmse檢測算法的性能一般顯著優(yōu)于mrc，但算法涉及大維矩陣的求逆操作，不利于硬件實(shí)現(xiàn)。

為了簡化矩陣求逆操作，參考文獻(xiàn)“mwu,etal,large-scalemimodetectionfor3gpplte:algorithmsandfpgaimplementations,ieeejournalofselectedtopicsinsignalprocessing,vol.8,no.5,pp.916–929,2014”提出利用neumann級數(shù)來近似矩陣求逆，以降低計(jì)算復(fù)雜度，但仿真結(jié)果表明該方法導(dǎo)致較大的性能損失。參考文獻(xiàn)“x.gao,etal,low-complexitynear-optimalsignaldetectionforuplinklarge-scalemimosystems,electronicsletters,vol.50,no.18,pp.1326–1328,august2014”以及參考文獻(xiàn)“b.yin,etal,conjugategradient-basedsoft-outputdetectionandprecodinginmassivemimosystems,”in2014ieeeglobalcommunicationsconference,dec2014,pp.3696–3701”分別提出利用richardson方法和共軛梯度方法來簡化矩陣求逆，然而這兩種方法均涉及大量除法運(yùn)算并且收斂速度較慢。參考文獻(xiàn)“l(fā).dai,etal，low-complexitysoft-outputsignaldetectionbasedongauss-seidelmethodforuplinkmultiuserlarge-scalemimosystems,”ieeetransactionsonvehiculartechnology,vol.64,no.10,pp.4839–4845,oct2015”提出的基于gauss-seidel方法的檢測算法雖然收斂速度較快，但是包含內(nèi)部循環(huán)操作，并不適用于并行計(jì)算。參考文獻(xiàn)“x.qin,etal,anear-optimaldetectionschemebasedonjointsteepestdescentandjacobimethodforuplinkmassivemimosystems,”ieeecommunicationsletters,vol.20,no.2,pp.276–279,feb2016”基于最速下降法和jocobi方法提出一種接近最優(yōu)的檢測算法，收斂速度很快且適合硬件實(shí)現(xiàn)，然而當(dāng)用戶數(shù)較多時(shí)該方法性能下降明顯。

本發(fā)明基于landweber方法，提出一種適用于大規(guī)模mimo上行鏈路的低復(fù)雜度檢測算法，在用戶數(shù)較多時(shí)性能表現(xiàn)良好。

技術(shù)實(shí)現(xiàn)要素：

發(fā)明目的：針對大規(guī)模mimo系統(tǒng)上行鏈路的信號檢測問題，本發(fā)明提出一種基于landweber方法的低復(fù)雜度檢測算法，該方法簡單可行，尤其適用于rayleigh衰落信道下用戶數(shù)目較多的大規(guī)模mimo系統(tǒng)。

技術(shù)方案：一種大規(guī)模mimo系統(tǒng)上行鏈路低復(fù)雜度迭代檢測算法，設(shè)小區(qū)內(nèi)用戶數(shù)目為k，每個(gè)用戶僅配備1根收發(fā)天線，基站側(cè)配置m根接收天線，m＞＞k。令y＝[y1,y2,…,ym]^t表示上行鏈路基站接收的信號矢量，其中[·]^t表示矩陣的轉(zhuǎn)置，ym(m＝1,2,…,m表示基站第m根天線接收的信號。y可以表示為

y＝hs+n(1)

其中h是m×k維矩陣，h的第(i,j)個(gè)元素hij表示第j個(gè)用戶到基站第i根天線的信道增益，hij(1≤i≤m,1≤j≤k)相互獨(dú)立，服從均值為0、方差為1的循環(huán)對稱復(fù)高斯分布；s＝[s1,s2,…,sk]^t，其中sk(k＝1,2,…,k)表示第k個(gè)用戶發(fā)送的信號，sk(k＝1,2,…,k)相互獨(dú)立，均值為0，方差為1；n＝[n1,n2,…,nm]^t表示基站處的接收噪聲矢量，其中nm表示基站第m根天線處的接收噪聲，nm(m＝1,2,…,m)相互獨(dú)立，服從均值為0、方差為的循環(huán)對稱復(fù)高斯分布。

該檢測方案利用輸入的信道矩陣h、接收信號矢量y，迭代更新發(fā)送信號s的估計(jì)值，具體包含以下三個(gè)步驟：

第一步：輸入信道矩陣h(m×k維)、基站接收信號矢量y(m×1維)、算法迭代次數(shù)t以及多項(xiàng)式階數(shù)l，計(jì)算迭代檢測過程中使用的參數(shù)a以及b＝[b0,b1,…,bt]^t；

第二步：利用第二步中得到的a以及b，迭代更新發(fā)送信號s的估計(jì)值；

第三步：輸出迭代t次后發(fā)送信號s的估計(jì)值(k×1維)。

下面介紹第一步的具體操作步驟：

①按照以下方法計(jì)算a：a＝1/(m+k)；

②令aa＝ik-ah^hh，其中ik表示k維的單位矩陣，()^h表示矩陣的共軛轉(zhuǎn)置。令按照下式計(jì)算b＝[b0,b1,…,bt]^t：

其中，表示矩陣的moore-penrose廣義逆。g和r的表達(dá)式如下：

其中，tr[·]表示矩陣的跡，表示數(shù)學(xué)期望。上式中的數(shù)學(xué)期望計(jì)算方法如下：

上式中

其中，δ(z)為狄拉克函數(shù)，

下面介紹第二步的具體操作步驟：

①令t＝0，計(jì)算c＝h^hh，

②計(jì)算

③如果t＜t，令t←t+1并且重新執(zhí)行第②步。

有益效果：與現(xiàn)有技術(shù)相比，本發(fā)明所提供的大規(guī)模mimo系統(tǒng)上行鏈路信號檢測方案，具有如下優(yōu)點(diǎn)：

(1)應(yīng)用范圍廣泛。本發(fā)明所提出方案既可以應(yīng)用于用戶數(shù)較少的場景，也可以應(yīng)用于用戶數(shù)較多的場景；

(2)收斂速度快。本發(fā)明所提出方案簡單易行，復(fù)雜度低；

(3)誤碼率性能好。本發(fā)明所提出的方案以較低的實(shí)現(xiàn)復(fù)雜度，獲得良好的誤碼率性能。

附圖說明

圖1為本發(fā)明實(shí)施例的基于landweber方法的大規(guī)模mimo系統(tǒng)上行鏈路檢測算法的實(shí)施流程圖；

圖2為本發(fā)明實(shí)施例的誤碼率仿真結(jié)果圖。

具體實(shí)施方式

下面結(jié)合具體實(shí)施例，進(jìn)一步闡明本發(fā)明，應(yīng)理解這些實(shí)施例僅用于說明本發(fā)明而不用于限制本發(fā)明的范圍，在閱讀了本發(fā)明之后，本領(lǐng)域技術(shù)人員對本發(fā)明的各種等價(jià)形式的修改均落于本申請所附權(quán)利要求所限定的范圍。

如圖1所示，本發(fā)明的具體實(shí)施步驟主要包含以下七個(gè)步驟：

第一步：輸入算法所需要的各種參數(shù)和信息。這一步需要輸入信道矩陣h，基站接收到的信號矢量y，多項(xiàng)式階數(shù)l以及迭代次數(shù)t；

第二步：根據(jù)基站數(shù)目和用戶數(shù)目，計(jì)算a＝1/(m+k)；

第三步：計(jì)算b＝[b0,b1,…,bt]^t。這一步需要利用aa＝ik-ah^hh以及有其中g(shù)和r的計(jì)算方法如下：

上式中涉及到對矩陣的跡求取數(shù)學(xué)期望，可以利用下述方式計(jì)算：

上式中

其中，δ(z)為狄拉克函數(shù)，

第四步：計(jì)算t＝0，c＝h^hh，

第五步：計(jì)算

第六步：如果t＜t，令t←t+1并且重新執(zhí)行第五步；

第七步：輸出t次迭代后的檢測結(jié)果

圖2為本發(fā)明實(shí)施例的誤碼率仿真結(jié)果圖。仿真參數(shù)中，m＝100，k＝40，l＝20，調(diào)制方案為64-qam，信噪比定義為對比方案來自于參考文獻(xiàn)“x.qin,z.yan,andg.he,“anear-optimaldetectionschemebasedonjointsteepestdescentandjacobimethodforuplinkmassivemimosystems,”ieeecommunicationsletters,vol.20,no.2,pp.276–279,feb2016”。

綜上，本發(fā)明的一種大規(guī)模mimo系統(tǒng)上行鏈路低復(fù)雜度迭代檢測算法，首先，輸入信道矩陣、基站接收信號矢量、算法迭代次數(shù)以及算法控制參數(shù)等信息；其次，迭代更新檢測結(jié)果；最后，輸出經(jīng)過若干次迭代后的檢測結(jié)果。本發(fā)明能夠解決用戶數(shù)目較多的大規(guī)模mimo系統(tǒng)上行鏈路的低復(fù)雜度信號檢測問題，適用于rayleigh衰落信道下，算法具有收斂速度快、易于硬件實(shí)現(xiàn)以及誤碼率性能好等優(yōu)點(diǎn)。

在本說明書的描述中，參考術(shù)語“一個(gè)實(shí)施例”、“一些實(shí)施例”、“示意性實(shí)施例”、“示例”、“具體示例”、或“一些示例”等的描述意指結(jié)合該實(shí)施例或示例描述的具體特征、結(jié)構(gòu)、材料或者特點(diǎn)包含于本發(fā)明的至少一個(gè)實(shí)施例或示例中。在本說明書中，對上述術(shù)語的示意性表述不一定指的是相同的實(shí)施例或示例。而且，描述的具體特征、結(jié)構(gòu)、材料或者特點(diǎn)可以在任何的一個(gè)或多個(gè)實(shí)施例或示例中以合適的方式結(jié)合。

盡管已經(jīng)示出和描述了本發(fā)明的實(shí)施例，本領(lǐng)域的普通技術(shù)人員可以理解：在不脫離本發(fā)明的原理和宗旨的情況下可以對這些實(shí)施例進(jìn)行多種變化、修改、替換和變型，本發(fā)明的范圍由權(quán)利要求及其等同物限定。