【技术实现步骤摘要】
一种用于无线通信系统的高并行和低复杂度均衡算法
[0001]本专利技术涉及但不限于无线通信
,尤指一种用于无线通信系统的高并行和低复杂度均衡算法。
技术介绍
[0002]信息通信技术、媒体、金融和保险等行业在当前的数字化转型过程中居于领导地位。支持数字化的关键技术包括软件定义设备、大数据、区块链、网络安全、虚拟现实(VR)和增强现实(AR)等。在人们日常生活中有越来越多的复杂应用出现,这对于无线通信来说也提出了更高的挑战。
[0003]多输入多输出(Multiple
‑
Input Multiple
‑
Output,简称为:MIMO)技术作为移动通信的关键技术,由于其具有高网络容量、低延迟和高鲁棒性等特点,越来越受到人们的关注。在大规模MIMO系统中,天线数量增加,计算复杂度也将急剧增加。大规模MIMO系统由于急剧增长的天线数会带来非常复杂及大量的运算,这对基带处理算法和电路实现都是一个非常高的挑战。因此,提出了对能够实际应用的大规模MIMO均衡算法的技术需求。
[0004]现有MIMO系统均衡算法基于传统梯度搜索进行,然而,上述现有MIMO系统均衡算法在硬件实现上仍然面临以下局限性:第一,传统的梯度搜索方法并行性低;第二,传统的梯度搜索方法需要进行多次搜索,硬件实现代价高。
技术实现思路
[0005]本专利技术的目的:本专利技术实施例提供了一种用于无线通信系统的高并行和低复杂度均衡算法,以现有MIMO系统均衡算法由于基于传统梯度搜索进行,从而导 ...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.一种用于无线通信系统的高并行和低复杂度均衡算法,其特征在于,根据多输入输出系统(MIMO系统)的输入输出关系,采用高并行和低复杂度均衡算法执行对所述MIMO系统中发送信号s的估计,所述发送信号s即为估计向量s,所述高并行和低复杂度均衡算法包括:步骤1,设置估计向量s的迭代初值,包括:通过对MIMO系统中接收向量y进行矩阵变化,并根据估计向量s中元素与接收向量y矩阵变化后向量中元素的象限关系,确定估计向量s的迭代初值s(0);步骤2,通过设计估计向量s的迭代策略,计算出迭代后的估计向量,包括:计算基本矩阵W,并设置迭代初值s(0)和迭代参数,通过多次迭代得到第T次迭代后的估计向量s(T);步骤3,通过设计星座点搜索方案,并根据第T次迭代后的估计向量s(T),计算估计向量s的最终估计值。2.根据权利要求1所述的用于无线通信系统的高并行和低复杂度均衡算法,其特征在于,所述MIMO系统的上行链路中,基站端的Nr个接收天线同时与单天线的Nt个用户进行通信和数据传输,所述MIMO系统的输入输出关系式表示为:y=Hs+n;其中,Nr>>Nt;估计向量s表示Nt个用户的发送信号,估计向量s大小为Nt
×
1;1;表示星座图中的星座点数量;接收向量y表示Nr个基站天线接收到的信号,接收向量y大小为Nr
×
1;H代表瑞利衰落信道矩阵;是加性高斯白噪声;所述用于无线通信系统的高并行和低复杂度均衡算法,用于实现对y=Hs+n中发送信号s的估计,即s为估计向量。3.根据权利要求2所述的用于无线通信系统的高并行和低复杂度均衡算法,其特征在于,所述步骤1中,步骤11,采用对角占优矩阵G=H
H
H对接收向量y进行矩阵变化,通过矩阵变换得到的匹配滤波向量y
MF
=H
H
y大小为Nt
×
1;其中,H为信道矩阵;步骤12,基于估计向量s的第k个元素与步骤11中得到的匹配滤波向量y
MF
=H
H
y的k个元素位于同一象限中的特点,得到估计向量s的迭代初值s(0)第k个元素可以表示为:步骤13,根据y
MF
第k个元素所在象限确定迭代初值s(0)的第k个元素。4.根据权利要求3所述的用于无线通信系统的高并行和低复杂度均衡算法,其特征在于,所述步骤13中,y
MF
第k个元素所在象限分别为一、二、三、四象限时,估计向量s的迭代初值s(0)的第k个元素分别设置为元素分别设置为5.根据权利要求4所述的用于无线通信系统的高并行和低复杂度均衡算法,其特征在于,所述步骤2包括:
步骤21,设定基本矩阵W,并对基本矩阵W进行计算;步骤22,设定迭代初值和初始参数为:s(
‑
技术研发人员:朱国亮,郭骏,陈昊,朱会柱,王荣阳,徐晓飞,
申请(专利权)人:中国航空无线电电子研究所,
类型:发明
国别省市:
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。