当前位置: 首页 > 专利查询>江南大学专利>正文

基于雅可比迭代的大规模MIMO信号检测方法技术

技术编号:20164375 阅读:19 留言:0更新日期:2019-01-19 00:17
本发明专利技术公开了一种基于雅可比迭代的大规模MIMO信号检测方法,属于无线通信技术领域。所述方法包括将矩阵求逆过程转化为矩阵乘法和矩阵加法的迭代过程,并利用梯度算法和整体校正加速法,分别为雅可比算法提供搜索方向及确定迭代方程的校正系数。本发明专利技术通过采用改进后的雅可比迭代法对高维矩阵求逆过程进行估计,将矩阵求逆过程转化为矩阵乘法和矩阵加法的迭代过程,大大降低了计算复杂度,利用梯度算法和整体校正加速法,分别为雅可比算法提供搜索方向及确定迭代方程的校正系数,使得迭代收敛性更好,收敛速率更快。

【技术实现步骤摘要】
基于雅可比迭代的大规模MIMO信号检测方法
本专利技术涉及基于雅可比迭代的大规模MIMO信号检测方法,属于无线通信

技术介绍
大规模MIMO(LargeScale-Multiple-InputMultiple-Output,LS-MIMO)系统是第五代移动通信系统的关键技术之一,通过在基站和用户端配备大量天线,显著地提高系统的信道容量、数据传输速率、频谱效率和通信质量。由于天线数的增多,许多适用于传统MIMO系统的高性能的方法不再适用于大规模MIMO系统,这些方法往往会产生较高的复杂度。因此如何在维持较好性能的同时降低方法复杂度成为了一个急需解决的问题。传统的信号检测方法可以根据运算特性分为非线性检测方法和线性检测方法两类。非线性检测是使用非线性运算处理信息,可以获得很好的系统性能,例如最大似然估计(MaximumLikelihood,ML)检测,但是计算复杂度过高,不适用于大规模MIMO系统。线性检测方法是使用线性运算处理信息,方法实现简单,计算复杂度低。主要有迫零检测(ZeroForcing,ZF)、匹配滤波检测(MatchedFiltering,MF)和最小均方误差检测(MinimumMeanSquareerrorEstimation,MMSE)等。在线性检测算法中,MMSE检测算法具有很好的性能和较低的复杂度。但是随着天线数目的增加,MMSE检测算法存在高维矩阵求逆的过程,具有很高的计算复杂度。
技术实现思路
为了解决目前存在的问题,本专利技术提供了基于雅可比迭代的大规模MIMO信号检测方法,所述检测方法包括:步骤1:根据信道响应矩阵H构造最小均方误差检测MMSE检测矩阵A;步骤2:将检测矩阵A按照A=D+E进行分解,其中D代表检测矩阵A的对角矩阵,E代表检测矩阵A的非对角矩阵;步骤3:采用梯度算法为雅可比算法提供搜索方向,得到雅可比与梯度算法的混合迭代过程;步骤4:采用整体校正加速法改进步骤3中的混合迭代过程,得到迭代方程的校正系数,进而得到校正解;步骤5:根据矩阵A、D、E,梯度算法和整体校正加速方法,采用改进的雅可比迭代法对经接收端匹配滤波器输出的接收信号矩阵b进行检测,得到发射信号估计值所述改进的雅可比迭代检测算法为使用雅可比迭代算法代替MMSE检测算法中的高维矩阵求逆的过程,并且利用梯度法与整体校正法改进后的算法。可选的,所述梯度算法包括:最速下降法和共轭梯度法。可选的,所述步骤1包括:根据信道响应矩阵H按照式(1)构造出构造MMSE检测矩阵A:式中,σ2表示噪声方差,表示Nt×Nt的单位矩阵,Nt表示发射天线数目。可选的,所述步骤3中的梯度算法为最速下降法时得到的混合迭代过程中,第k次迭代的搜索方向第k次迭代的搜索步长混合迭代过程中,第k次迭代方程x(k)=x(k-1)+αk-1r(k-1)+D-1(r(k-1)-αk-1Ar(k-1));。0≤k≤J,J为预设迭代次数。可选的,所述步骤3中的梯度算法为共轭梯度法时得到的混合迭代过程中,第k次迭代的搜索方向z(k-1)=r(k-1)+βk-1z(k-2),第k次迭代的搜索步长混合迭代过程中,第k次迭代方程0≤k≤J,J为预设迭代次数。可选的,所述步骤4中得到迭代方程的校正系数中,第k次迭代的整体校正方程为其中,校正系数分别为可选的,所述步骤5包括:Step1:设置初始值迭代次数k=1;Step2:根据矩阵A、D,按照式(2)和式(3)进行迭代更新;式(2)和式(3)中,r表示搜索方向,α表示搜索步长,a表示整体校正系数Step3:判断迭代次数k是否达到预设迭代次数J,若未达到,则返回Step2继续进行迭代更新;若已达到,则停止迭代,迭代截止时的值即为发射信号估计值可选的,所述步骤5中经接收端匹配滤波器输出的接收信号矩阵b进行检测,得到发射信号估计值中,b=HHy,y表示接收信号。可选的,所述信道响应矩阵H为瑞丽衰落信道响应矩阵。本专利技术有益效果是:通过采用改进后的雅可比迭代法对高维矩阵求逆过程进行估计,将矩阵求逆过程转化为矩阵乘法和矩阵加法的迭代过程,大大降低了计算复杂度,利用梯度算法和整体校正加速法,分别为雅可比算法提供搜索方向及确定迭代方程的校正系数,使得迭代收敛性更好,收敛速率更快。附图说明为了更清楚地说明本专利技术实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本专利技术的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。图1是本专利技术在信道为瑞利衰落信道,基站侧接收天线数为128,用户数为32的条件下,对基于雅可比迭代的大规模MIMO信号检测算法得到的误码性能和基于对称超松弛(SymmetricSuccessiveOverRelaxation,SSOR)迭代算法以及传统MMSE检测算法得到的误码性能进行比较,其中梯度法采用最速下降法;图2是本专利技术在信道为瑞利衰落信道,基站侧接收天线数为256,用户数为32的条件下,对基于雅可比迭代的大规模MIMO信号检测算法得到的误码性能和共轭梯度(Conjugategradient,CG)迭代算法以及传统MMSE检测算法得到的误码性能进行比较,其中梯度法采用最速下降法;图3是本专利技术在信道为瑞利衰落信道,基站侧接收天线数为256,用户数为32的条件下,对基于雅可比迭代的大规模MIMO信号检测算法得到的误码性能和高斯-塞德尔(GS)迭代算法以及传统MMSE检测算法得到的误码性能进行比较,其中梯度法采用最速下降法;图4是本专利技术在信道为瑞利衰落信道,基站侧接收天线数为128,用户数为32的条件下,对基于雅可比迭代的大规模MIMO信号检测算法得到的误码性能和基于对称超松弛(SymmetricSuccessiveOverRelaxation,SSOR)迭代算法以及传统MMSE检测算法得到的误码性能进行比较,其中梯度法采用共轭梯度法;图5是本专利技术在信道为瑞利衰落信道,基站侧接收天线数为256,用户数为32的条件下,对基于雅可比迭代的大规模MIMO信号检测算法得到的误码性能和共轭梯度(Conjugategradient,CG)迭代算法以及传统MMSE检测算法得到的误码性能进行比较,其中梯度法采用共轭梯度法;图6是是本专利技术在信道为瑞利衰落信道,基站侧接收天线数为256,用户数为32的条件下,对基于雅可比迭代的大规模MIMO信号检测算法得到的误码性能和高斯-塞德尔(GS)迭代算法以及传统MMSE检测算法得到的误码性能进行比较,其中梯度法采用共轭梯度法。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚,下面将结合附图对本专利技术实施方式作进一步地详细描述。实施例一:本实施例提供一种基于雅可比迭代的大规模MIMO信号检测方法,所述方法包括:步骤1:根据信道响应矩阵H构造最小均方误差检测MMSE检测矩阵A;步骤2:将检测矩阵A按照A=D+E进行分解,其中D代表检测矩阵A的对角矩阵,E代表检测矩阵A的非对角矩阵;步骤3:采用梯度算法为雅可比算法提供搜索方向,得到雅可比与梯度算法的混合迭代过程;步骤4:采用整体校正加速法改进步骤3中的混合迭代过程,得到迭代方程的校正系数,进而得到校正解;步骤5:根据矩阵A、D、本文档来自技高网...

【技术保护点】
1.基于雅可比迭代的大规模MIMO信号检测方法,其特征在于,所述方法包括:步骤1:根据信道响应矩阵H构造最小均方误差检测MMSE检测矩阵A;步骤2:将检测矩阵A按照A=D+E进行分解,其中D代表检测矩阵A的对角矩阵,E代表检测矩阵A的非对角矩阵;步骤3:采用梯度算法为雅可比算法提供搜索方向,得到雅可比与梯度算法的混合迭代过程;步骤4:采用整体校正加速法改进步骤3中的混合迭代过程,得到迭代方程的校正系数,进而得到校正解;步骤5:根据矩阵A、D、E,梯度算法和整体校正加速方法,采用改进的雅可比迭代法对经接收端匹配滤波器输出的接收信号矩阵b进行检测,得到发射信号估计值

【技术特征摘要】
1.基于雅可比迭代的大规模MIMO信号检测方法,其特征在于,所述方法包括:步骤1:根据信道响应矩阵H构造最小均方误差检测MMSE检测矩阵A;步骤2:将检测矩阵A按照A=D+E进行分解,其中D代表检测矩阵A的对角矩阵,E代表检测矩阵A的非对角矩阵;步骤3:采用梯度算法为雅可比算法提供搜索方向,得到雅可比与梯度算法的混合迭代过程;步骤4:采用整体校正加速法改进步骤3中的混合迭代过程,得到迭代方程的校正系数,进而得到校正解;步骤5:根据矩阵A、D、E,梯度算法和整体校正加速方法,采用改进的雅可比迭代法对经接收端匹配滤波器输出的接收信号矩阵b进行检测,得到发射信号估计值所述改进的雅可比迭代检测算法为使用雅可比迭代算法代替MMSE检测算法中的高维矩阵求逆的过程,并且利用梯度法与整体校正法改进后的算法。2.根据权利要求1所述的方法,其特征在于,所述梯度算法包括:最速下降法和共轭梯度法。3.根据权利要求1或2所述的方法,其特征在于,所述步骤1包括:根据信道响应矩阵H按照式(1)构造出构造MMSE检测矩阵A:式中,σ2表示噪声方差,表示Nt×Nt的单位矩阵,Nt表示发射天线数目。4.根据权利要求2所述的方法,其特征在于,所述步骤3中的梯度算法为最速下降法时得到的混合迭代过程中,第k次迭代的搜索方向第k次迭代的搜索步长混合迭代过程中,第k次迭代方程...

【专利技术属性】
技术研发人员:李正权赵小青周成梁金鹏刘汉旭刘洋吴琼李宝龙
申请(专利权)人:江南大学
类型:发明
国别省市:江苏,32

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1