论文部分内容阅读
移动互联网和物联网的飞速发展,为第五代移动通信系统（5G,5th Generation Mobile Communication System）提供了广阔的应用前景。大规模多输入多输出（MIMO,Multiple-Input Multiple-Output）技术以其链路稳定性好、频谱利用率高等优势,被公认为是5G系统中最为核心的关键技术之一。然而,当天线数量达到数十甚至上百根时,接收端的信号检测更加复杂,能否对发送信号进行正确检测是大规模MIMO系统实际应用的重要影响因素。本文的研究内容主要包含两个方面:一是线性检测算法,针对发射端天线数量远小于接收端天线数量或用户数量远小于基站天线数量的情况;二是当发射端天线数量接近接收端天线数量或用户数量接近基站天线数量时,线性检测算法性能欠佳,因此本文研究分析了以下几种非线性算法,即基于稀疏性的压缩感知检测算法与似然上升搜索算法、主动禁忌搜索算法及简约邻域法。首先,本文针对发射端天线数量远小于接收端天线数量或用户数量远小于基站天线数量的情况应用线性检测算法。最小均方误差（MMSE,Minimum Mean Squared Error）算法的检测性能优于匹配滤波（MF,Matched Filter）算法、迫零（ZF,Zero Forcing）算法,但计算复杂度高。为降低MMSE算法中加权矩阵求逆的复杂度,本文研究分析了两种改进算法——Neumann级数似然算法和迭代法,迭代法包括Gauss-Seidel迭代法、Richardson迭代法、超松弛（SOR,Successive Over Relaxation）迭代法、对称超松弛（SSOR,Symmetric Successive Over Relaxation）迭代法等。在保证Neumann级数似然法的展开项不超过2的前提下,Neumann级数似然算法和多种迭代法的计算复杂度为O（7）N t2（8）,相比MMSE算法,复杂度可降低一个数量级,更利于大规模MIMO系统的实际应用。为加快迭代法的收敛速度,本文分析了松弛因子对Richardson、SOR及SSOR迭代法的影响,并对迭代法使用对角估计法、域估计法获得的初始解。经过综合对比,得到迭代法中较优的三种——Gauss-Seidel、SOR及SSOR迭代法。在对Gauss-Seidel、SOR及SSOR迭代法均使用估算初始解的情况下,Gauss-Seidel、SOR迭代两次,SSOR迭代一次,可达到MMSE检测算法的性能且计算复杂度十分接近,但考虑到松弛因子对SOR、SSOR迭代法的影响,得出以下结论:若能估算SOR、SSOR迭代法的最佳松弛因子,可选用Gauss-Seidel、SOR及SSOR迭代法,如若不能获得SOR、SSOR迭代法的最佳松弛因子,则应选用Gauss-Seidel迭代法。然后,当发射端天线数量接近接收端天线数量或用户数量接近基站天线数量时,线性检测算法性能欠佳,因此本文研究分析了基于稀疏性的压缩感知检测算法。以广义正交匹配追踪算法为基础,本文提出了稀疏性提升迭代扩展（SBIE,Sparstity-Boosted Iterative Extend）及级联稀疏性提升迭代扩展（CSBIE,Concatenated Sparstity-Boosted Iterative Extend）检测算法。随着天线数量的增加,SBIE算法检测性能越来越好,通过仿真分析SBIE-MF、SBIE-ZF、SBIE-MMSE算法,SBIE-MF检测算法性能优异且计算复杂度低。当天线数量较少时,级联后的SBIE-MF算法相比之前性能降低。当误比特率为10-3时,CSBIE-ZF、CSBIE-MMSE算法相比SBIE-ZF、SBIE-MMSE算法可获得约1dB增益,级联后的SBIE-ZF、SBIE-MMSE算法性能得到提升。最后,本文详细研究了似然上升搜索算法（LAS,Likelihood Ascent Search）和主动禁忌搜索算法（RTS,Reactive Tabu Search）,并分析仿真了其改进算法。通过仿真比较,当大规模MIMO系统中发射端的天线数量接近接收端的天线数量或用户数量接近基站端的天线数量时,LAS、RTS算法的检测性能优于SBIE-MF算法。本文研究分析了简约邻域法,提出一种选择邻域度量的方法。LAS、RTS算法使用简约邻域后,检测性能同未使用之前相比并无损失,但简约邻域法却通过减少搜索向量的数量降低了计算复杂度,LAS算法搜索向量的数量下降超90%,RTS算法搜索向量的数量下降约为90%。由此可见,基于简约邻域的LAS、RTS算法相比LAS、RTS算法更适用于实际中大规模MIMO系统的检测。