一种用于超密集网络的低复杂度检测算法制造技术

本发明专利技术属于无线通信技术领域，涉及一种用于超密集网络的低复杂度检测算法。本发明专利技术将高维度的矩阵求逆运算转换成低维度的矩阵求逆，在硬件实现上更加容易，如果采用一般的高维度矩阵求逆，硬件资源开销非常大，而实际的情况是：真正的高维度矩阵求逆的硬件模块可能不存在，而本发明专利技术提供的高维度转化成低维度的矩阵求逆，一方面可以降低实现的复杂度，保证数据检测的实施可能性，另一方面，可有利用市面上已经成熟的低维度矩阵求逆模块，来达到高维度的矩阵求逆所期望得到的结果。另外，本发明专利技术提供的并行处理机制可有有效降低计算的时间开销，可有合理保证数据检测的实时性。

A low complexity detection algorithm for ultra dense networks

The invention belongs to the field of wireless communication technology, and relates to a low complexity detection algorithm for an ultra dense network. In the invention, high dimension matrix inversion into the inverse matrix of low dimension, more easily implemented in hardware, if the inverse matrix of the high dimensions in general, hardware cost is very large, but the actual situation is: the hardware module of inverse matrix of the high dimension real may not exist, and high the present invention provides dimensions into low dimension matrix inversion, one can reduce the complexity of implementation, to ensure the implementation of the possibility of data detection, on the other hand, can use the market low dimension matrix has mature inversion module, to achieve the high dimension matrix inversion desired results. In addition, the parallel processing mechanism provided by the invention can effectively reduce the time cost of calculation, and can reasonably guarantee the real-time performance of the data detection.

【技术实现步骤摘要】

本专利技术属于无线通信
，涉及一种用于超密集网络的低复杂度检测算法。
技术介绍
超密集网络和基于云的无线接入网是近年来研究的热点，通过布置密集的无线接入点，对通信区域进行无盲区的覆盖，保证通信质量和系统的吞吐量。将传统基站端的基带处理单元移至集中处理单元，形成基带处理单元池，这样不仅可以保证硬件设备的维护，而且可以增强信号的处理能力。由于无线接入点的密集性，使得集中处理单元的处理复杂度增大，因此，如何降低数据检测的复杂度是急需解决的问题。鉴于接入点和用户终端的密集性和随机性，信道信息矩阵的维度会随着接入点和用户终端数目的增多而变大，集中处理单元需要处理的矩阵维度也相应变大，因此，通过接入点和用户终端的地域分布和信道增益情况对高维度的信道矩阵进行有规则的稀疏化，可以有效降低检测的复杂度。使用稀疏化后的信道矩阵，可以使用传统的最小均方误差(MMSE)、迫零(ZF)或者最大比值合并(MRC)检测来完成最终的数据恢复。
技术实现思路
为了上述问题，本专利技术提出了一种在超密集网络中用于降低上行链路数据检测复杂度的算法，主要是将高维度的矩阵求逆运算转换成低维度的矩阵求逆，由于矩阵求逆在硬件实现上比较困难，特别是对高维度矩阵的求逆，就目前的硬件约束来说，由于实现的复杂度，高维度的矩阵求逆基本上你那以实现。而本专利技术通过降低维度处理，使用维度较低的矩阵求逆来完成数据的检测，在实际的系统中也能够保证硬件的可实施性。包括网络区域的分簇方法、信道规则性稀疏、接入点标识和集中端的并行处理架构。本专利技术的技术方案为：本专利技术所考虑的密集网络的拓扑结构如图1所示，可以看出，在该网络中，随机地分布着大量的用户和无线接入点，为了便于讨论，在本专利技术中对一些重要的参数进行如下的假定：所考虑的网络覆盖区域为边长r的正方形，其中随机分布N个单天线RRH和K个单天线移动终端，其中RRH接收用户的上行数据，然后将收到的数据通过回传链路传送到集中处理单元，集中处理单元使用本专利技术提出的检测算法对数据进行恢复。相关的收发信号处理流程如下：一种用于超密集网络的低复杂度检测算法，其特征在于，包括以下步骤：a.天线将接收到的数据y通过回传链路传送到集中处理单元：假设在网络覆盖区域随机分布N个单天线和K个单天线移动终端，单天线接收用户的上行数据，则y可表示为：y＝HP1/2x+n(1)公式(1)中，表示所有K个单天线移动终端的发送数据，表示上行传输的信道信息矩阵，其中H的第n行第k列的元素Hn,k表示第n个用户终端到第k个单天线的无线信道增益：其中γn,k表示小尺度衰落，表示与距离dn,k有关的大尺度衰落，为对角矩阵(对功率进行控制)，n～CN(0,σ2I)为加性噪声。每个RRH需要通过回传链路将所接收到的数据y传送到集中处理单元，以便进行数据的检测。b.集中处理单元接收到回传的数据后，恢复出期望数据：设置门限值d0，将信道信息矩阵H分解为：和相对于H是互补矩阵，其中中元素的值要远比中元素的值小，和表示为：设置接收滤波矩阵为：则在忽略的影响下，得到第k个用户的数据SINR为：公式(3)中，wk表示W的第k列，是wk的共轭转置。进一步的，将高维度的矩阵求逆运算转换成低维度的矩阵求逆，后面可以看到是将高纬度矩阵的求逆变成若干个低维度矩阵的求逆。如果单天线的RRH数目非常大，则在步骤b中：可将写成矩阵的形式表示为如下公式(4)：其中m1为主对角上方阵的数目(即簇的数目)。接收端对数据进行检测时，检测过程通过操作来实现(即MMSE检测，y为接收已知信号)，其中需要重点求出的值，于是可以通过变量替换用ω来代替即，其中那么可以得到通过相关的矩阵运算，上式(5)可以得到下述结果然后将上述(6)的矩阵方程组变形，可得到如前面所述，需要求出即ω的值，通过解决方程组(7)，可以得到所需要的结果(8)：其中为所求的结果。最后通过可以恢复出期望数据。为了完成(8)的计算，本专利技术使用集中处理单元加并行处理单元的方式来实现，其中集中处理单元计算ωc的值，而m1个并行处理单元分别计算ωi＝,i∈{1,2,…,m1本文档来自技高网...

【技术保护点】
一种用于超密集网络的低复杂度检测算法，其特征在于，包括以下步骤：a.天线将接收到的数据y通过回传链路传送到集中处理单元：假设在网络覆盖区域随机分布N个单天线和K个单天线移动终端，单天线接收用户的上行数据，则y可表示为如下公式1：y＝HP1/2x+n  (公式1)公式1中，表示所有K个单天线移动终端的发送数据，表示上行传输的信道信息矩阵，其中H的第n行第k列的元素Hn,k表示第n个用户终端到第k个单天线的无线信道增益：其中γn,k表示小尺度衰落，表示与距离dn,k有关的大尺度衰落，为对角矩阵，n～CN(0,N0I)为加性高斯白噪声；b.集中处理单元接收到回传的数据后，恢复出期望数据：设置门限值d0，将信道信息矩阵H分解为：和相对于H是互补矩阵，其中中元素的值要远比中元素的值小，和表示为如下公式2：设置接收滤波矩阵为：则在忽略的影响下，得到第k个用户的数据SINR为：公式3中，wk表示W的第k列，是wk的共轭转置。

【技术特征摘要】
1.一种用于超密集网络的低复杂度检测算法，其特征在于，包括以下步骤：a.天线将接收到的数据y通过回传链路传送到集中处理单元：假设在网络覆盖区域随机分布N个单天线和K个单天线移动终端，单天线接收用户的上行数据，则y可表示为如下公式1：y＝HP1/2x+n(公式1)公式1中，表示所有K个单天线移动终端的发送数据，表示上行传输的信道信息矩阵，其中H的第n行第k列的元素Hn,k表示第n个用户终端到第k个单天线的无线信道增益：其中γn,k表示小尺度衰落，表示与距离dn,k有关的大尺度衰落，为对角矩阵，n～CN(0,N0I)为加性高斯白噪声；b.集中处理单元接收到回传的数据后，恢复出期望数据：设置门限值d0，将信道信息矩阵H分解为：和相...

【专利技术属性】
技术研发人员：熊有志，仵姣，张忠培，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51