Massive MIMO中矩陣SVD分解算法研究.pdf

1、隨著無線通信技術(shù)的不斷發(fā)展，傳統(tǒng)的MIMO技術(shù)已經(jīng)無法滿足日益增加的數(shù)據(jù)需求。Massive MIMO作為5G標(biāo)準(zhǔn)的備選方案之一，通過增加發(fā)射和接收天線數(shù)目，可以極大的提高信道容量，并且可以相對方便的從現(xiàn)有的MIMO系統(tǒng)下進(jìn)行平滑過渡。同時，大規(guī)模的天線陣列增加了信道的維度，對于信道矩陣相關(guān)的算法，比如預(yù)編碼、信道檢測和信道估計等，實(shí)現(xiàn)復(fù)雜度上也會迅速上升。SVD作為矩陣分解的重要手段，在這些算法上均有著廣泛的應(yīng)用，如何在大規(guī)模矩陣下實(shí)

2、現(xiàn)低復(fù)雜度的SVD算法，成為亟待解決的問題。
　　本文首先介紹了Massive MIMO的特點(diǎn)和存在的一些技術(shù)挑戰(zhàn)，以及SVD在MIMO下的應(yīng)用。接著對常見的SVD分解算法做了介紹，對于Golub-Kahan算法，主要研究了塊對角化和QR迭代過程。對于Jacobi旋轉(zhuǎn)算法，分析了實(shí)數(shù)域雙邊Jacobi變換和對應(yīng)的脈動執(zhí)行過程。對于Hestenes-Jacobi算法，主要介紹了兩種重要的數(shù)據(jù)計算順序。這些算法都求解了矩陣的完整SVD

3、，在大規(guī)模矩陣中擁有較高復(fù)雜度。
　　在MIMO預(yù)編碼系統(tǒng)中只需要較大奇異值對應(yīng)的奇異向量。本文提出了一種基于Hestenes-Jacobi的局部SVD分解方法。該算法收斂后只得到矩陣的部分奇異值和對應(yīng)的奇異向量，不需要求解整個SVD，在一定程度上減少了運(yùn)算量，但是同時會影響收斂性能。通過結(jié)合局部SVD和完整SVD的各自優(yōu)點(diǎn)，本文對該算法作了進(jìn)一步改進(jìn)，使得收斂性能得到了極大的改善。另外，本文研究了一種基于格拉斯曼流形的梯度跟蹤算

4、法，并且對其性能做了仿真驗(yàn)證。該算法將最優(yōu)化問題引入到流形中，同時利用了常見場景中時變信道緩慢連續(xù)變化的特點(diǎn)，實(shí)現(xiàn)了奇異向量實(shí)時跟蹤信道變化，降低了SVD復(fù)雜度。
　　最后對于提出的局部SVD分解方法，本文設(shè)計了VLSI硬件架構(gòu)和FPGA實(shí)現(xiàn)，同時通過比特量化分析，提高了資源利用率。本文設(shè)計的架構(gòu)主要包括控制器、數(shù)據(jù)緩沖區(qū)、數(shù)據(jù)總線、存儲器、處理器和連接器，利用CORDIC核進(jìn)行角度計算和向量旋轉(zhuǎn)。該架構(gòu)可以滿足任意m?n（max