一种基于EP-NSA算法的大规模MIMO系统检测方法技术方案

本发明专利技术公开了一种EP‑NSA算法的大规模MIMO系统检测方法，通过引入Neumann级数，实现EP算法迭代更新中协方差矩阵更新公式中的矩阵近似求逆，将矩阵分解为对角矩阵和非对角矩阵，矩阵求逆操作用对角矩阵和非对角矩阵相乘累加代替，从而大大降低了EP迭代更新的复杂度；本发明专利技术分析了影响改进后的EP算法收敛情况的主要因素，确定改进后的EP算法适用的天线配置及对应的Neumann项数。仿真结果表明，改进后的EP算法性能几乎没有损失，但是计算复杂度和处理时延都有显著降低。

【技术实现步骤摘要】
一种基于EP-NSA算法的大规模MIMO系统检测方法
本专利技术涉及一种基于大规模MIMO系统EP检测的改进方法，属于无线通信

技术介绍
随着无线通信技术的飞速发展，移动用户数量和相关产业规模呈现爆炸式增长，从而使无线网络暴露出频谱资源短缺及频谱效率亟待提升等问题。虽然目前的第四代移动通信(4G)已经全面产业化，但是其频谱利用率和能量效率仍然无法满足未来社会的需求，其无线覆盖和用户体验也有待进一步提高。在此基础上，第五代移动通信(5G)已经成为国内外无线通信领域的研究热点。作为下一代5G通信系统的关键技术之一，多入多出(MIMO,multiple-inputmultiple-out)技术在改善无线通信系统频谱效率和降低系统功耗方面具有重要的意义。与传统的MIMO系统相比，大规模MIMO系统在基站侧配置数目庞大的天线(数十根甚至上百根以上)，这些天线以大规模阵列方式集中放置。根据空时映射方法的不同，MIMO技术大致可以分为两类：空间分集和空间复用。空间分集是指利用多根发送天线将具有相同信息的信号通过不同的路径发送出去，同时在接收机端获得同一个数据符号的多个独立衰落的信号，从而获得分集增益，提高接收可靠性。空间复用技术是将要传送的数据可以分成几个数据流，然后在不同的天线上进行传输，从而提高系统的传输速率。因此大规模MIMO系统具有更高的数据速率和能量效率，更强的链路可靠性和抗干扰能力。一般来说，天线数越多，系统能提供的分集增益和复用增益越大，从而给massiveMIMO带来更大的系统容量和链路可靠性。但是，庞大的天线规模也会带来过高的处理复杂度以及实现困难，信号检测就是深受影响的一个环节。传统的最佳检测方法是最大似然检测(ML,maximumlikelihood)和球形译码算法(SD,spheredecoder)，ML和SD的计算复杂度是随发射天线的数量呈指数增长，对于具备几十乃至上百天线数的大规模MIMO系统，其硬件复杂度是不可承受的。至于常用的线性检测算法—最小均方误差算法(MMSE，minimummeansquareerror)，需要进行复杂的矩阵求逆运算，计算复杂度正比于天线数的三次方。对于小规模MIMO系统来说，矩阵求逆的计算复杂度还可以承受，但是对于MassiveMIMO来说，复杂度依然过高。期望传播算法(EP，expectationpropagation)是机器学习领域提出的一种求概率分布的近似的一种方法。相对于置信度传播算法(BP，beliefpropagation)，EP算法的应用范围更加广泛，能够处理更复杂的概率函数近似问题。EP算法的核心思想在于以多项式级别的复杂度；来迭代地近似后验概率分布，当其应用到大规模MIMO检测时，其低复杂度和高精确度的特性吸引了众多研究者的关注。
技术实现思路
专利技术目的：为了解决现有的EP算法应用到大规模MIMO系统中时矩阵求逆操作计算复杂度较大的问题，本专利技术目的在于对现有的EP检测进行改进，提供一种结合Neumann级数的EP算法(EP-NSA)的大规模MIMO系统检测方法。技术方案：为了清楚介绍本专利技术的改进方法，首先对EP检测方法说明如下：EP算法是一种用指数分布来近似求取概率分布的方法。当应用到MIMO检测中，EP算法首先需要构造一个多维高斯分布来取代发送符号向量的后验概率分布，其中高斯分布的均值μEP和方差ΣEP在迭代过程中不断更新，趋近最佳。为了简化表达，下文中统一用q(x)表示高斯分布qEP(x)，用μ和Σ分别表示高斯分布的均值μEP和方差ΣEP。高斯分布q(x)可以写成以下形式：其中，∝表示正比，y表示接收信号矢量，H表示信道矩阵，x表示发送符号向量。γi和Λi分别表示给第i个维度引入的均值和方差，xi表示第i个发送天线发送的符号，表示高斯分布，M表示发射天线的数量，IM表示一个M×M的单位矩阵。可以看出γi和Λi是决定每个维度高斯分布的均值和方差的主要参数。对于任意向量γ＝{γ1，γ2,…,γM}和Λ＝{Λ1,Λ2,…,ΛM}，高斯分布q(x)的均值向量μ和协方差矩阵Σ的更新公式如下所示：其中，diag(Λ)表示以向量Λ为对角线，构造一个对角矩阵，表示信道的噪声方差。显然，迭代更新每个维度上的参数对(γi,Λi)，相当于更新高斯分布的均值向量μ和协方差矩阵Σ。实际上，迭代更新过程的复杂度不高，为算法的主要压力在于均值向量μ和协方差矩阵Σ的更新，尤其是协方差矩阵Σ更新公式中的矩阵求逆操作，其计算复杂度为为了便于阐述，令问题的核心就在于W-1的计算。为了降低EP算法迭代更新公式中W-1的计算的复杂度，本专利技术提供一种基于EP-NSA算法的大规模MIMO系统检测方法，该方法利用Neumann级数展开，对矩阵W的求逆问题进行近似求解，将矩阵W分解为对角矩阵D和非对角矩阵E＝W-D，矩阵W求逆操作用对角矩阵D和非对角矩阵E相乘累加代替，降低EP算法每次迭代开始前预处理的复杂度；方法主要包括如下步骤：(1)根据信道矩阵H，接收信号矢量y以及每个维度上的参数对(γi,Λi)初始值计算后验分布的初始均值向量和协方差矩阵(2)对于每个维度迭代更新参数对(γi,Λi)；(3)参数对(γi,Λi)的一次迭代更新完成后，更新后验分布的均值向量μ和协方差矩阵Σ；重复步骤(2)和(3)，直到达到预定的迭代次数，最终得到的均值向量μ即估计出的发送符号的值。有益效果：本专利技术方法采用近似策略简化了原始EP算法中的协方差矩阵计算公式，使得迭代过程中每次计算协方差矩阵不再需要进行复杂的矩阵求逆操作。对于天线数目庞大的情况来说，减少了硬件消耗，极大地降低了硬件实现的复杂度；针对16QAM调制方式，比较不同负载因子下k取不同值时的性能曲线，可以发现随着负载因子的增加，保留同样k的EP-NSA算法的性能损失也越来越小；比较EP-NSA算法和结合Neumann级数的MMSE算法(MMSE-NSA)算法，可以发现MMSE算法需要的k更大，对于8×64的天线配置，当k＝2时，MMSE-NSA的收敛较慢，但EP-NSA收敛很快，与精确的EP算法仅有0.3dB的性能差距；比较不同天线配置下保留2项的EP-NSA算法和BP算法，可以看出随着负载因子的增加，BP的收敛速率提升较少，而EP-NSA的收敛非常快，在信噪比为10dB时，误码率仅为10-7。附图说明图1是本专利技术实施例的方法流程图。图2是不同天线配置下，k取不同值的EP-NSA算法的性能比较图，其中(a)M＝8,N＝32(b)M＝8,N＝64；图3是当天线配置为8×32时，k取不同值的EP-NSA算法和MMSE-NSA算法的性能比较图；图4是不同天线配置下，k＝2的EP-NSA算法、BP算法以及MMSE算法的性能比较图。具体实施方式下面结合说明书附图对本专利技术中基于EP-NSA算法的大规模MIMO系统检测方法进行详细介绍。EP算法是一种用指数分布来近似求取概率分布的方法。当应用到MIMO检测中，EP算法首先需要构造一个高斯分布来取代发送符号向量的后验概率分布。在迭代过程中，这个高斯分布的均值向量μEP和协方差矩阵ΣEP会不断更新，趋近最佳。高斯分布qEP(x)可以写成一个由信道矩阵、发送信号以及噪声方差决定的高斯分布和n个高斯分本文档来自技高网...

【技术保护点】
1.一种基于EP‑NSA算法的大规模MIMO系统检测方法，其特征在于：该方法利用Neumann级数展开，对EP算法迭代更新中的矩阵

【技术特征摘要】
1.一种基于EP-NSA算法的大规模MIMO系统检测方法，其特征在于：该方法利用Neumann级数展开，对EP算法迭代更新中的矩阵的求逆进行近似求解，将矩阵W分解为对角矩阵D和非对角矩阵E＝W-D，矩阵W求逆操作用对角矩阵D和非对角矩阵E相乘累加代替，降低EP算法每次迭代开始前预处理的复杂度；所述EP算法构造的多维高斯分布表示为一个由接收信号和信道矩阵决定的多维高斯分布与M个引入的近似高斯分布的乘积，如下所示：其中，∝表示正比，y表示接收信号矢量，H表示信道矩阵，x表示发送符号向量，表示加性高斯噪声信道的噪声方差，μ和Σ分别表示高斯分布q(x)的均值向量和协方差矩阵，γi和Λi分别表示给第i个引入的高斯分布的均值和方差，xi表示第i个发送天线发送的符号，表示高斯分布，M表示发射天线的数量，IM表示一个M×M的单位矩阵，diag(Λ)表示以向量Λ＝{Λ1,Λ2,…,ΛM}为对角线构造的对角矩阵；所述检测方法包括如下步骤：(1)根据信道矩阵H，接收信号矢量y以及每个维度上的参数对(γi,Λi)初始值计算后验分布的初始均值向量和协方差矩阵(2)对于每个维度迭代更新参数对(γi,Λi)；(3)参数对(γi,Λi)的一次迭代更新完成后，更新后验分布的均值向量μ和协方差矩阵Σ；重复步骤(2)和(3)，直到达到预定的迭代次数，最终得到的均值向量μ即估计出的发送符号的值。2.根据权利要求1所述的基于EP-NSA算法的大规模MIMO系统检测方法，其特征在于：步骤(1)中包括：(1.1)令迭代次数l＝1，对于所有的维度i(1≤i≤M)，令其中Es表示平均符号能量；(1.2)计算Gram矩阵和匹配...

【专利技术属性】
技术研发人员：张川，张亚苹，吴至榛，尤肖虎，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏,32