一种大规模MIMO分布式检测信息几何方法技术

本发明专利技术公开了大规模MIMO分布式检测信息几何方法，包括空间域分布式检测信息几何方法和波束域分布式检测信息几何方法。本发明专利技术依据信息几何理论，对空间域或波束域接收信号进行分组并构造目标流形和多个辅助流形，然后分别计算每个辅助流形上的分布在目标流形上的m投影，获取每一组的检测信息，接着合并所有组的检测信息，更新辅助流形参数和目标流形参数并进行反馈迭代，最后获得发送调制符号的边缘后验概率并进行解调。与传统线性检测方法对比，本发明专利技术方法通过分布式检测降低了矩阵求逆的维度，具有较低复杂度，同时通过反馈迭代显著提升了误码率性能。提升了误码率性能。提升了误码率性能。

【技术实现步骤摘要】
一种大规模MIMO分布式检测信息几何方法


[0001]本专利技术涉及一种大规模MIMO分布式检测信息几何方法，属于通信


技术介绍

[0002]大规模多输入多输出(Multiple Input Multiple Output，MIMO)是5G移动通信系统以及未来6G系统的关键使能技术。其特点是在基站侧配备上百根天线同时为多个终端提供服务，可以证明，通过使用相对简单的处理，能够大幅提升频谱效率和能量效率。
[0003]大量用户共享无线资源是提升大规模MIMO系统频谱效率和功率效率的关键。因此需要实施多用户数据传输理论方法以对抗多用户干扰，包括上行信号检测方法和下行预编码方法。对信号检测问题，以矢量误差率为指标，已知先验信息情况下的最大后验概率(Maximum aPosterior，MAP)检测和未知先验信息情况下的最大似然概率检测(Maximum Likelihood，ML)的性能最优，然而由于其存在指数量级的运算，在大规模MIMO系统中无法实现。球形译码检测器可以实现接近ML检测器的性能，然而在保证性能的前提下，其复杂度也不满足系统设计的要求。相对非线性检测，线性检测器例如线性最小均方误差(Linear Minimum Mean Square Error)检测、匹配滤波检测、迫零检测等方法具有多项式量级的复杂度，远远低于MAP检测，但同时也损失了部分性能，尤其在信道矩阵相关性较强且用户数较多的情况下。
[0004]信号检测问题可以视为离散随机变量下的统计推断问题。因此可以应用一系列的统计推断方法进行求解，如置信传播算法、近似消息传递算法、期望传播算法等。除了以上方法，还可以应用信息几何方法求解该统计推断问题。在信息几何框架下，将特定概率分布集(包括边缘概率)的参数空间视为具有黎曼结构的可微流形，因此可以很好地应用微分几何的工具来研究其内在几何结构，并达到求解边缘概率的目的。信息几何已成功应用于统计推断的渐近理论、半参数统计推断、Boltzman机以及神经网络。除此之外，文献基于信息几何框架推导Turbo码和低密度奇偶校验码译码算法，并从信息几何角度对算法进行内在分析，包括算法的稳定性和误差分析。综上，信息几何除了为统计推断算法提供了一个框架，同时从几何视角提供了对统计模型的直观理解，并促进对问题的内在研究和改进。

技术实现思路

[0005]技术问题：针对现有技术的不足，本专利技术公开了一种大规模MIMO分布式检测信息几何方法，能够在保证较低复杂度的前提下，进一步改善检测性能。
[0006]技术方案：为了达到上述目的，本专利技术提供一种大规模MIMO分布式检测信息几何方法，所述分布式检测信息几何方法分为空间域分布式检测信息几何方法和波束域分布式检测信息几何方法；所述分布式检测信息几何方法对空间域或波束域接收信号分组，进行分布式检测以及将所有组的检测信息合并并反馈迭代，所述分布式检测和检测信息合并基于信息几何方法；所述信息几何方法通过构造目标流形和辅助流形，迭代计算辅助流形上分布在目标流形上的m投影，并根据m投影结果更新目标流形参数和辅助流形参数，最后得
到发送调制符号的边缘后验概率；其中所述m投影为在目标流形上找一个分布，使辅助流形上分布到该分布的KL散度最小，概率分布p到概率分布q的KL散度定义为关于概率分布p的期望，ln表示对数函数。
[0007]所述空间域分布式检测信息几何方法的步骤包括：
[0008]步骤A1，对空间域接收信号分组并构造目标流形和L个辅助流形，其中L为分组组数；
[0009]步骤A2，分别计算L个辅助流形上的分布在目标流形上的m投影，获取每一组的检测信息；
[0010]步骤A3，合并所有组的检测信息，更新辅助流形参数和目标流形参数；
[0011]步骤A4，重复步骤A2和步骤A3直至收敛或达到预设迭代次数，获取发送调制符号的边缘后验概率并进行解调。
[0012]其中，
[0013]步骤A1中，根据后验分布以及空间域分组结果构造目标流形和L个辅助流形，所述目标流形为一类各个元素独立的指数类分布的集合，所述辅助流形为一类包含一个空间域交叉项的分布的集合，其中空间域交叉项为已知发送信号下某一组空间域接收信号的条件概率的对数。
[0014]步骤A2中，m投影等价于辅助流形上的分布和目标流形上的分布边缘概率相等，并根据中心极限定理获取m投影的闭式解。
[0015]步骤A3中所述更新辅助流形参数中，第个辅助流形参数更新为除第组外其他组m投影结果之和乘以α再加上第个辅助流形参数乘以1
‑
α，其中α为0到1之间的系数；目标流形参数更新为所有组m投影结果之和乘以α再加上目标流形参数乘以1
‑
α。
[0016]步骤A4中，根据目标流形参数计算发送调制符号的边缘后验概率，并在调制符号集中选择使边缘后验概率最大的调制符号作为解调结果。
[0017]所述波束域分布式检测信息几何方法的步骤包括：
[0018]步骤B1，将空间域接收信号转换至波束域；
[0019]步骤B2，对波束域接收信号分组并构造目标流形和L个辅助流形，其中L为分组组数；
[0020]步骤B3，分别计算L个辅助流形上的分布在目标流形上的m投影，获取每一组的检测信息；
[0021]步骤B4，合并所有组的检测信息，更新辅助流形参数和目标流形参数；
[0022]步骤B5，重复步骤B3和步骤B4直至收敛或达到预设迭代次数，根据目标流形参数计算发送调制符号的边缘后验概率，并在调制符号集中选择使边缘后验概率最大的调制符号作为解调结果。
[0023]其中，
[0024]步骤B1中，对空间域接收信号左乘V
H
转换至波束域，其中V为角度域采样倍数等于天线数时的采样空间舵矢量矩阵，上标H表示矩阵或矢量的共轭转置。
[0025]步骤B2中，根据后验分布以及波束域分组结果构造目标流形和L个辅助流形，所述目标流形为一类各个元素独立的指数类分布的集合；所述辅助流形为一类包含一个波束域
交叉项的分布的集合，其中波束域交叉项为已知发送信号下某一组波束域接收信号的条件概率的对数。
[0026]步骤B3中，m投影等价于辅助流形上的分布和目标流形上的分布边缘概率相等，并根据中心极限定理获取m投影的闭式解。
[0027]步骤B4中，第个辅助流形参数更新为所有组m投影结果之和再减去第组m投影结果乘以β，其中β为0到1之间的系数；目标流形参数更新为所有组m投影结果之和。
[0028]有益效果：与传统的LMMSE检测方法对比，本专利技术提出的分布式检测信息几何方法以更低的设计复杂度显著提升误码率性能。
附图说明
[0029]图1为大规模MIMO分布式检测信息几何方法结构图；
[0030]图2为大规模MIMO空间域分布式检测信息几何方法流程示意图；
[0031]图3为大规模MIMO波束域分布式检测信息几何方法流程示意图；
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种大规模MIMO分布式检测信息几何方法，其特征在于，所述分布式检测信息几何方法分为空间域分布式检测信息几何方法和波束域分布式检测信息几何方法；所述分布式检测信息几何方法对空间域或波束域接收信号分组，进行分布式检测以及将所有组的检测信息合并并反馈迭代，所述分布式检测和检测信息合并基于信息几何方法；所述信息几何方法通过构造目标流形和辅助流形，迭代计算辅助流形上分布在目标流形上的m投影，并根据m投影结果更新目标流形参数和辅助流形参数，最后得到发送调制符号的边缘后验概率；其中所述m投影为在目标流形上找一个分布，使辅助流形上分布到该分布的KL散度最小，概率分布p到概率分布q的KL散度定义为关于概率分布p的期望，ln表示对数函数。2.根据权利要求1所述的大规模MIMO分布式检测信息几何方法，其特征在于，所述空间域分布式检测信息几何方法的步骤包括：步骤A1，对空间域接收信号分组并构造目标流形和L个辅助流形，其中L为分组组数；步骤A2，分别计算L个辅助流形上的分布在目标流形上的m投影，获取每一组的检测信息；步骤A3，合并所有组的检测信息，更新辅助流形参数和目标流形参数；步骤A4，重复步骤A2和步骤A3直至收敛或达到预设迭代次数，获取发送调制符号的边缘后验概率并进行解调。3.根据权利要求2所述的大规模MIMO分布式检测信息几何方法，其特征在于，步骤A1中，根据后验分布以及空间域分组结果构造目标流形和L个辅助流形，所述目标流形为一类各个元素独立的指数类分布的集合，所述辅助流形为一类包含一个空间域交叉项的分布的集合，其中空间域交叉项为已知发送信号下某一组空间域接收信号的条件概率的对数。4.根据权利要求2所述的大规模MIMO分布式检测信息几何方法，其特征在于，步骤A2中，m投影等价于辅助流形上的分布和目标流形上的分布边缘概率相等，并根据中心极限定理获取m投影的闭式解。5.根据权利要求2所述的大规模MIMO分布式检测信息几何方法，其特征在于，步骤A3中所述更新辅助流形参数中，第l个辅助流形参数更新为除第l组外其他组m投影结果之和乘以α再加上第l个辅助流形参数乘以1
‑
α，其中α为0到1之间的系数；目标流...

【专利技术属性】
技术研发人员：卢安安，陈衍，杨济源，高西奇，
申请(专利权)人：东南大学，
类型：发明
国别省市：