论文部分内容阅读
多输入多输出(Multiple Input Multiple Output,MIMO)系统在无线通信中可以改善数据的发射分集,提高数据的传输速度。所以该技术在通信领域中广泛使用,并扮演着越来越重要的角色。大规模MIMO(Massive MIMO)系统作为MIMO系统的拓展,一方面可以将天线的数量提升至几十甚至上百;另一方面可以在不增加传输带宽的前提下,最大限度的利用已有资源,提升信道容量和频谱效率。虽然大规模MIMO系统在无线通信中有如此巨大的优势,但是将其推广使用还需面对很大的挑战。如:天线数量增多后,信道矩阵维度庞大,接收信号更加复杂。就接收信号而言,如何正确地还原出真实发射信号便成了制约MIMO技术能否使用在无线通信中的关键。信号检测作为还原真实发射信号中非常重要的一部分,伴随着大规模MIMO系统的出现后,也衍生出了新的挑战。如传统算法中最大似然算法(Maximum Likelihood,ML),球译码器(Square Detection,SD),排序串行干扰消除算法(Order Serial Interference Cancellation,OSIC)在大规模MIMO系统中需要解决高计算复杂度问题;迫零算法(Zero Force,ZF),最小均方误差算法(Minimum Mean Square Error,MMSE)在大规模MIMO系统中需要解决性能差的问题等。在这样的背景下,为了在接收端,一方面保证信号检测算法的高性能,另一方面降低检测算法的复杂度,本文对现有算法进行深入研究,并提出了改进方案。本文研究的现有算法重点为排序串行干扰消除算法和主动禁忌搜索算法(Reactive Tabu Search,RTS)。首先,本文就传统算法应用到大规模MIMO系统中出现高计算复杂度的角度切入,深入研究传统OSIC算法,着重研究该算法中排序准则。获悉到OSIC算法在排序过程中需要计算大量权重时,本文提出了一种基于QR分解的星座约束排序串行干扰消除检测算法(QR Constellation Constraint Order Serial Interference Cancellation,QR-CC-OSIC)。QR-CC-OSIC算法融合了QR分解和二分类的思想,仅需要通过一次简化和分类后,就可以避免大量权重的计算,较完美地解决了传统OSIC算法高计算复杂度的问题。此外,本文还研究了大规模MIMO系统中新型算法主动禁忌搜索算法(Reactive Tabu Search,RTS),着重研究该算法中邻域划分和候选解选取规则。了解到RTS算法因为候选解过多导致计算复杂度过高后,本文提出了一种星座约束主动禁忌搜索算法(Constellation Constraint Reactive Tabu Search,CC-RTS)。CC-RTS算法引入了星座约束思想,去除了传统RTS算法里不必要的候选解,优化后的RTS算法和传统RTS性能一致。仿真结果表明,QR-CC-OSIC相比传统的OSIC算法在性能趋于一致的情况下,计算复杂度远远小于传统的OSIC算法;CC-RTS算法相比较RTS算法同样可以在性能趋于一致的情况下,极大地降低传统主动禁忌搜索算法的计算复杂度。