大規(guī)模MIMO系統(tǒng)中的低復雜度檢測算法研究.pdf

1、大規(guī)模多輸入多輸出（MIMO，multiple-input multiple-output）系統(tǒng)通過在基站端配置數(shù)十甚至上百根天線，可以顯著提高系統(tǒng)的頻譜效率和能量效率，增強系統(tǒng)的可靠性，被認為是未來無線通信，尤其是第五代（5G，the5th generation）移動通信的關鍵技術之一。但是，天線的大規(guī)模增加也帶來了運算復雜度的大幅度增加。因此，如何設計低復雜度高性能的檢測算法是大規(guī)模 MIMO系統(tǒng)上行鏈路需要解決的關鍵問題之一。

2、r>　　在大規(guī)模MIMO系統(tǒng)中，對于基站天線數(shù)遠大于用戶數(shù)的場景，傳統(tǒng)MIMO系統(tǒng)中的線性檢測算法就可以取得理想的檢測性能，但是會涉及到復雜的矩陣求逆運算。而對于用戶數(shù)較多，甚至與基站天線數(shù)相當?shù)膱鼍?，需要進一步研究能取得理想性能的低復雜度檢測算法。本文圍繞上述大規(guī)模MIMO系統(tǒng)中檢測算法存在的問題，對現(xiàn)有大規(guī)模MIMO系統(tǒng)中的典型算法進行了研究，并針對大規(guī)模MIMO系統(tǒng)中的兩種不同場景分別提出了改進算法。主要的研究內容及研究成果為：<

3、br>　　1.對低復雜度大規(guī)模MIMO檢測算法進行研究。首先給出了大規(guī)模MIMO系統(tǒng)的模型，并簡要介紹了傳統(tǒng)MIMO系統(tǒng)中的經(jīng)典線性檢測算法，包括匹配濾波（MF， matched filter）、迫零（ZF，zero forcing）和最小均方誤差（MMSE，minimum mean squared error）算法。然后介紹了三種近年來從神經(jīng)網(wǎng)絡和圖像處理領域引入的大規(guī)模檢測算法，分別為似然上升搜索算法（LAS，likelihood

4、ascent search）、馬爾科夫鏈-蒙特卡羅（MCMC，markov chain monte carlo）算法和置信傳播（BP，belief propagation）算法，并對它們的性能進行了仿真研究。
　　2.針對基站天線數(shù)遠大于用戶數(shù)的場景，提出了一種避免矩陣求逆的MMSE改進算法，稱之為松弛迭代檢測（RID，relaxation iteration detection）算法。該改進算法利用松弛迭代方法和大規(guī)模 MIMO

5、系統(tǒng)中的信道特性，使用迭代的方式避免了傳統(tǒng)MMSE算法中的矩陣求逆運算，并給出了一種優(yōu)化的初始解，加快了RID算法的收斂速度，從而進一步降低了算法的計算復雜度。另外，考慮到信道非理想的情況，結合 RID算法的特點，指出需要進行信道估計時應采用的信道估計方法，并分析了存在大尺度衰落情況的RID算法及信道估計誤差對RID算法的影響。
　　3.針對用戶數(shù)較多，甚至與基站天線數(shù)相當?shù)膱鼍埃瑸榱诉M一步降低消息傳遞檢測（MPD，message