CN107222246B - 一种近似mmse性能的高效大规模mimo检测方法及*** - Google Patents

一种近似mmse性能的高效大规模mimo检测方法及*** Download PDF

Info

Publication number
CN107222246B
CN107222246B CN201710392735.7A CN201710392735A CN107222246B CN 107222246 B CN107222246 B CN 107222246B CN 201710392735 A CN201710392735 A CN 201710392735A CN 107222246 B CN107222246 B CN 107222246B
Authority
CN
China
Prior art keywords
matrix
vector
sum
iteration
scale mimo
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201710392735.7A
Other languages
English (en)
Other versions
CN107222246A (zh
Inventor
张川
吴至榛
尤肖虎
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southeast University
Original Assignee
Southeast University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Southeast University filed Critical Southeast University
Priority to CN201710392735.7A priority Critical patent/CN107222246B/zh
Publication of CN107222246A publication Critical patent/CN107222246A/zh
Application granted granted Critical
Publication of CN107222246B publication Critical patent/CN107222246B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/0413—MIMO systems
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/0413—MIMO systems
    • H04B7/0456—Selection of precoding matrices or codebooks, e.g. using matrices antenna weighting
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00—Baseband systems
    • H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/0202—Channel estimation
    • H04L25/024—Channel estimation channel estimation algorithms
    • H04L25/0256—Channel estimation using minimum mean square error criteria

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Power Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Mobile Radio Communication Systems (AREA)
  • Radio Transmission System (AREA)

Abstract

本发明公开了一种近似MMSE性能的高效大规模MIMO检测方法及***，通过引入预条件技术，本发明能够显著加快传统GS方法的迭代速率，从而使得本发明提出的大规模MIMO检测算法在恶劣传播环境(如发射/接收天线数相近或者空间相关性较大的信道)中依然能够快速逼近精确MMSE检测算法的性能。数值模拟结果表明，本发明提出的大规模MIMO检测算法在恶劣传播环境中表现出的误码率性能要优于基于Neumann级数、GS方法、CG方法的传统大规模MIMO检测算法。另一方面，本发明提供的***创新性地发掘了GS迭代在元素更新过程中的循环移位特性，从而使得其能够以较低的硬件消耗和延迟进行GS迭代操作。

Description

一种近似MMSE性能的高效大规模MIMO检测方法及***
技术领域
本发明属于计算机通信和数字电路领域，涉及一种近似MMSE性能的高效大规模MIMO检测方法及***。
背景技术
大规模多输入多输出(MIMO)被公认为是第5代(5G)无线通信***的重要技术之一。该技术通过在基站和用户端配备大量天线来提供更高的频谱效率，更快的峰值数据速率以及比传统小规模MIMO***更好的能量效率。然而，伴随着天线数目的大量增加，在大规模MIMO***中基带算法的复杂度也在急剧增加。其中，上行链路的最佳多用户检测方法，例如最大似然(ML)检测和最大后验(MAP)方法在计算复杂度方面将变得难以承受(由于它们的指数复杂度)。因此，更加可行和高效的检测器设计吸引了大量关注。近年来，研究人员将目光转向了线性检测方法，如传统的迫零(ZF)和最小均方误差(MMSE)，这是因为它们在大规模MIMO***中有着次优检测性能和低复杂性的特性。
值得注意的是，对于大规模MIMO***中的MMSE检测方法，其主要的计算复杂度在于一个高阶矩阵的求逆。假设M为单天线用户数，若采用精确的矩阵求逆方法，如Cholesky分解法，则计算复杂度为O(M3)。这意味着如果M的数量极大时，精确的MMSE检测将需要巨大的计算量和硬件消耗。
近几年，有国内外研究人员相继提出了基于Gauss-Seidel(GS)方法、Neumann级数、共轭梯度(CG)的大规模MIMO检测方法，获得了接近MMSE算法的性能表现。这些方法的共同点在于都是传统的迭代数值计算方法，虽然在一定程度上减小了计算复杂度，但是对于恶劣的传播环境(如发射/接收天线数相近或者空间相关性较大的信道)，它们的性能表现将下降甚至无法收敛。
发明内容
发明目的：针对现有技术的不足，本发明提出了一种近似MMSE性能的高效大规模MIMO检测方法及***。
技术方案：一种近似MMSE性能的高效大规模MIMO检测方法，包括以下步骤：
步骤1：预处理；将信道矩阵H和接收信号向量y输入检测器，得到匹配滤波器输出yMF＝HHy和规则化Gram矩阵W＝G+NoIM，其中Gram矩阵G＝HHH，No为噪声方差，IM为M维单位矩阵，(.)H为共轭转置操作；
步骤2：计算标准化矩阵
Figure BDA0001307898040000021
和标准化向量
Figure BDA0001307898040000022
其中D为W的对角元素矩阵，使得系数矩阵对角线元素为1；
步骤3：预条件；构造预条件矩阵P＝S+IM，计算系数矩阵
Figure BDA0001307898040000023
和常数向量
Figure BDA0001307898040000024
其中S为一个和
Figure BDA0001307898040000025
有关的矩阵：
Figure BDA0001307898040000026
步骤4：根据步骤3输出的系数矩阵
Figure BDA0001307898040000027
和常数向量
Figure BDA0001307898040000028
设置迭代初始解为x(0)＝0，并开始迭代操作，输出检测结果；算法伪代码如下：
Figure BDA0001307898040000029
K轮迭代后，x(K)即为待检测信号的估计结果。
本发明还提供一种近似MMSE性能的高效大规模MIMO检测***，包括：
预条件模块，用于完成预处理，将信道矩阵H和接收信号向量y输入检测器，得到匹配滤波器输出yMF＝HHy和规则化Gram矩阵W＝G+NoIM，其中Gram矩阵G＝HHH，No为噪声方差，IM为M维单位矩阵，(.)H为共轭转置操作；然后计算标准化矩阵
Figure BDA00013078980400000210
和标准化向量
Figure BDA00013078980400000211
其中D为W的对角元素矩阵，使得系数矩阵对角线元素为1；最后构造预条件矩阵P＝S+IM，计算系数矩阵
Figure BDA00013078980400000212
和常数向量
Figure BDA00013078980400000213
其中S为一个和
Figure BDA00013078980400000214
有关的矩阵；
GS迭代模块，用于完成根据预条件模块输出的系数矩阵
Figure BDA0001307898040000031
和常数向量
Figure BDA0001307898040000032
设置迭代初始解为x(0)＝0，并进行迭代操作，输出检索结果，算法伪代码如下：
Figure BDA0001307898040000033
K轮迭代后，x(K)即为待检测信号的估计结果。
进一步的，所述的预条件模块包括6个脉动阵列构成的矩阵乘法器、2个加法器阵列以及1个求倒数单元；其中，用2个脉动阵列计算匹配滤波器输出yMF＝HHy和规则化Gram矩阵W＝G+NoIM，其中脉动阵列的处理单元为基本的复数乘法累加器；用另2个脉动阵列计算标准化矩阵
Figure BDA0001307898040000034
和标准化向量
Figure BDA0001307898040000035
其中D-1由求倒数单元计算得到，求倒数单元由查找表生成，脉动阵列的处理单元依然为基本的复数乘法累加器；用剩余的2个脉动阵列计算系数矩阵
Figure BDA0001307898040000036
和常数向量
Figure BDA0001307898040000037
其中预条件矩阵P＝S+IM。
进一步的，所述的GS迭代模块包含M-1个复数乘法器、加法器和寄存器，其进行每一轮GS迭代需要M个时钟周期，M为发射天线数。
工作原理：考虑到大规模MIMO***上行链路MMSE检测中滤波矩阵W为Hermitian正定阵且主对角线占优，本发明采用的GS迭代方法在多次迭代后一定收敛。在恶劣传播环境(如发射/接收天线数相近或者空间相关性较大的信道)中，本发明采用的预条件方法一定能减小迭代矩阵的谱半径，从而达到加速收敛的效果。
有益效果：与现有技术相比，本发明重点考虑在恶劣传播环境(如发射/接收天线数相近或者空间相关性较大的信道)中如何以较低的计算复杂度达到近似MMSE性能的检测效果。通过采用预条件处理的GS迭代方法，本发明能够在同样迭代次数的条件下取得比传统基于Neumann级数、GS方法、CG方法的大规模MIMO检测算法更好的误码率性能，尤其是在恶劣传播环境(如发射/接收天线数相近或者空间相关性较大的信道)下，并且在较少的迭代次数之后得到近似MMSE性能的检测效果。另一方面，本发明提供的***创新性地发掘了GS迭代在元素更新过程中的循环移位特性，从而使得其能够以较低的硬件消耗和延迟进行GS迭代操作。此外，这一特性还使得对应的控制电路的设计变得十分容易。
附图说明
图1为采用本发明信号检测方法和其他传统检测方法的误码率对比图(发射天线数为32，接收天线数为128，相关系数为0时)；
图2为采用本发明信号检测方法和其他传统检测方法的误码率对比图(发射天线数为32，接收天线数为128，相关系数为0.3时)；
图3为采用本发明信号检测方法和其他传统检测方法的误码率对比图(发射天线数为16，接收天线数为128，相关系数为0.3时)；
图4为采用本发明信号检测算法和其他传统检测算法的误码率对比图(发射天线数为8，接收天线数为128，相关系数为0.3时)；
图5本发明***示意图；
图6为本发明***中GS迭代模块示意图；
图7为本发明***中GS迭代模块时序调度示意图(***发射天线数为4时)。
具体实施方式
下面将结合附图，对本发明的实施案例进行详细的描述；
本实施例中建立一个大规模MIMO上行链路***进行模拟操作。在大规模MIMO上行链路中，一般有N＞＞M(基站天线数N远大于发射天线数，即用户数M)。首先M个不同用户产生的并行传输比特流分别通过信道编码进行编码，然后映射到星座符号，并采取星座图集合能量归一化。让x＝[x1，x2，x3，...，xM]T表示信号向量，x中包含了分别从M个用户产生的传输符号，采用64-QAM方式映射。H表示维度是N×M信道矩阵，故上行链路基站端的接收信号向量y可以表示为
y＝Hx+n
其中y的维度为N×1，n为N×1维的加性白噪声向量，其元素服从零均值方差为No的高斯分布。上行链路多用户信号检测任务就是从接收机接收向量y＝[y1，y2，y3，...，yN]T估计传输信号符号x。假设H已知，采用最小均方误差(MMSE)线性检测理论，对传输信号向量的估计表示为
Figure BDA0001307898040000051
该估计过程等效为求解线性方程组
Figure BDA0001307898040000052
基于上述模型，本发明实施例公开一种近似MMSE性能的高效大规模MIMO检测方法，包括如下步骤：
步骤1：预处理，将信道矩阵H和接收信号向量y输入检测器，得到匹配滤波器输出yMF＝HHy和规则化Gram矩阵W＝G+NoIM，其中Gram矩阵G＝HHH，No为噪声方差，IM为M维单位矩阵，(.)H为共轭转置操作；
步骤2：计算
Figure BDA0001307898040000053
和
Figure BDA0001307898040000054
其中D为W的对角元素矩阵，使得系数矩阵对角线元素为1；
步骤3：预条件，构造预条件矩阵P＝S+IM，计算
Figure BDA0001307898040000055
和
Figure BDA0001307898040000056
其中S为一个和
Figure BDA0001307898040000057
有关的矩阵：
Figure BDA0001307898040000058
步骤4：根据步骤3输出的
Figure BDA0001307898040000059
和
Figure BDA00013078980400000510
设置迭代初始解为x(0)＝0，并开始迭代操作，输出估计检索结果；算法伪代码如下：
Figure BDA00013078980400000511
K轮迭代后，x(K)即为待检测信号的估计结果。
对于天线配置(N×M)为128×32，信道相关系数为0(即H矩阵元素为i.i.d.分布)的大规模MIMO***，采用64-QAM映射，所述的近似MMSE性能的高效大规模MIMO检测算法的数值仿真结果见图1；对于信道相关系数为0.3，天线配置分别为128×32，128×16，128×8的大规模MIMO***，所述算法的数值仿真结果见图2、图3和图4。其中，NS代表基于Neumann级数的检测算法，CG代表基于共轭梯度的检测算法，GS代表基于传统GS的检测算法，PGS代表本发明所述的近似MMSE性能的高效大规模MIMO检测算法，Cholesky代表精确的MMSE检测算法。由图1和图2的结果可以看出，随着空间相关性的增大，所对比的所有算法在同等迭代次数下误码率性能都损失了不少，然而本发明所述的算法相较其他算法的优势变得更加明显。由图2、图3和图4可以看出，当接收天线数量均为128时，随着发射天线数(用户数)的增大，所对比的所有算法误码率性能逐渐下降，且所需迭代次数在逐渐增大，然而本发明所述的算法性能依然优于其他几个算法，且能够在较少的迭代后逼近精确MMSE检测算法的误码率性能。
如图5所示，硬件架构方面，本实施例中采用的一种近似MMSE性能的高效大规模MIMO检测***主要包括预条件模块和GS迭代模块，图中虚线内为预条件模块示意图。
具体来说，在所述预条件模块中，计算过程如下：
1)如图5所示，用2个脉动阵列(在图5中标记为
Figure BDA0001307898040000068
)计算匹配滤波器输出yMF＝HHy和规则化Gram矩阵W＝G+NoIM，其中加法器阵列表示为
Figure BDA0001307898040000066
脉动阵列的处理单元(PE)为基本的复数乘法累加器(MAC)，注意用于计算矩阵-矩阵乘法的脉动阵列由M2个PE组成，用于计算矩阵-向量乘法的脉动阵列由M个PE组成；
2)用2个脉动阵列(在图5中标记为
Figure BDA0001307898040000067
)计算标准化矩阵
Figure BDA0001307898040000061
和标准化向量
Figure BDA0001307898040000062
其中D-1由求倒数单元(在图5中标记为inv)计算得到(求倒数单元由查找表生成，脉动阵列由2M个实数乘法器组成)；
3)用2个脉动阵列(在图5中标记为
Figure BDA0001307898040000063
)计算系数矩阵
Figure BDA0001307898040000064
和常数向量
Figure BDA0001307898040000065
其中预条件矩阵P＝S+IM元素可以直接从2)中取得，注意用于计算矩阵-矩阵乘法的脉动阵列由M2个PE组成，用于计算矩阵-向量乘法的脉动阵列由M个PE组成。
如图6所示，在所述GS迭代模块中，计算过程如下：
1)在每个时钟周期，GS迭代模块输出
Figure BDA0001307898040000071
其中复数乘法器和复数加法器在图6中分别标记为
Figure BDA0001307898040000072
和
Figure BDA0001307898040000073
延迟单元标记为D。经过M个时钟周期后，完成一次GS迭代(时序调度如图7所示，实线方块对应图6中的D)，前M-1个时钟周期计算结果保存在寄存器中，注意每个乘法器输入的b和A的值也随着时钟周期性更替；
2)经过KM个时钟周期后，从寄存器中得到待检测信号的估计结果，其中K为设定的GS迭代次数，如图7所示，M＝4的***中元素更新示意图。
本发明通过引入预条件(preconditioning)技术，本发明能够显著加快传统GS方法的迭代速率，从而使得本发明提出的大规模MIMO检测算法在恶劣传播环境(如发射/接收天线数相近或者空间相关性较大的信道)中依然能够快速逼近精确MMSE检测算法的性能。数值模拟结果表明，本发明提出的大规模MIMO检测算法在恶劣传播环境中表现出的误码率性能要优于基于Neumann级数、GS方法、CG方法的传统大规模MIMO检测算法。此外，本发明提供了低硬件消耗和低延迟的电路设计方案。

Claims (4)

1.一种近似MMSE性能的高效大规模MIMO检测方法，其特征在于，包括以下步骤：
步骤1：预处理；将信道矩阵H和接收信号向量y输入检测器，得到匹配滤波器输出yMF＝HHy和规则化Gram矩阵W＝G+NoIM，其中Gram矩阵G＝HHH，No为噪声方差，IM为M维单位矩阵，(.)H为共轭转置操作；
步骤2：计算标准化矩阵
Figure FDA0002446005670000011
和标准化向量
Figure FDA0002446005670000012
其中D为W的对角元素矩阵，使得系数矩阵对角线元素为1；
步骤3：预条件；构造预条件矩阵P＝S+IM，计算系数矩阵
Figure FDA0002446005670000013
和常数向量
Figure FDA0002446005670000014
其中S为一个和
Figure FDA0002446005670000015
有关的矩阵：
Figure FDA0002446005670000016
步骤4：根据步骤3输出的系数矩阵
Figure FDA0002446005670000017
和常数向量
Figure FDA0002446005670000018
设置迭代初始解为x(0)＝0，并开始迭代操作，输出检测结果；算法伪代码如下：
Figure FDA0002446005670000019
K轮迭代后，x(K)即为待检测信号的估计结果。
2.一种近似MMSE性能的高效大规模MIMO检测***，其特征在于，包括：
预条件模块，用于完成预处理，将信道矩阵H和接收信号向量y输入检测器，得到匹配滤波器输出yMF＝HHy和规则化Gram矩阵W＝G+NoIM，其中Gram矩阵G＝HHH，No为噪声方差，IM为M维单位矩阵，(.)H为共轭转置操作；然后计算标准化矩阵
Figure FDA00024460056700000110
和标准化向量
Figure FDA00024460056700000111
其中D为W的对角元素矩阵，使得系数矩阵对角线元素为1；最后构造预条件矩阵P＝S+IM，计算系数矩阵
Figure FDA0002446005670000021
和常数向量
Figure FDA0002446005670000022
其中S为一个和
Figure FDA0002446005670000023
有关的矩阵：
Figure FDA0002446005670000024
GS迭代模块，用于完成根据预条件模块输出的系数矩阵
Figure FDA0002446005670000025
和常数向量
Figure FDA0002446005670000026
设置迭代初始解为x(0)＝0，并进行迭代操作，输出检索结果，算法伪代码如下：
Figure FDA0002446005670000027
K轮迭代后，x(K)即为待检测信号的估计结果。
3.根据权利要求2所述的一种近似MMSE性能的高效大规模MIMO检测***，其特征在于，所述的预条件模块包括6个脉动阵列构成的矩阵乘法器、2个加法器阵列以及1个求倒数单元；其中，用2个脉动阵列计算匹配滤波器输出yMF＝HHy和规则化Gram矩阵W＝G+NoIM，其中脉动阵列的处理单元为基本的复数乘法累加器；用另2个脉动阵列计算标准化矩阵
Figure FDA0002446005670000028
和标准化向量
Figure FDA0002446005670000029
其中D-1由求倒数单元计算得到，求倒数单元由查找表生成，脉动阵列的处理单元依然为基本的复数乘法累加器；用剩余的2个脉动阵列计算系数矩阵
Figure FDA00024460056700000210
和常数向量
Figure FDA00024460056700000211
其中预条件矩阵P＝S+IM。
4.根据权利要求2所述的一种近似MMSE性能的高效大规模MIMO检测***，其特征在于，其特征在于，所述的GS迭代模块包含M-1个复数乘法器、加法器和寄存器，其进行每一轮GS迭代需要M个时钟周期，M为发射天线数。
CN201710392735.7A 2017-05-27 2017-05-27 一种近似mmse性能的高效大规模mimo检测方法及*** Active CN107222246B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710392735.7A CN107222246B (zh) 2017-05-27 2017-05-27 一种近似mmse性能的高效大规模mimo检测方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710392735.7A CN107222246B (zh) 2017-05-27 2017-05-27 一种近似mmse性能的高效大规模mimo检测方法及***

Publications (2)

Publication Number Publication Date
CN107222246A CN107222246A (zh) 2017-09-29
CN107222246B true CN107222246B (zh) 2020-06-16

Family

ID=59946769

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710392735.7A Active CN107222246B (zh) 2017-05-27 2017-05-27 一种近似mmse性能的高效大规模mimo检测方法及***

Country Status (1)

Country Link
CN (1) CN107222246B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107832268B (zh) * 2017-11-22 2020-11-03 重庆大学 一种基于噪声增强的线性最小均方误差估计方法
CN108347267B (zh) * 2018-01-04 2020-04-24 东南大学 一种面向大规模mimo的自适应混合检测接收方法
CN114070354B (zh) * 2021-12-10 2023-02-21 东南大学 基于gs迭代法的自适应分段矩阵逆跟踪mimo检测方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101841375A (zh) * 2010-01-08 2010-09-22 华为技术有限公司 一种多输入多输出单载波分块传输***的检测方法及装置
CN103516643A (zh) * 2013-10-11 2014-01-15 上海交通大学 一种mimo检测预处理装置及方法
CN105634568A (zh) * 2015-12-31 2016-06-01 东南大学 一种基于大规模mimo***信号检测的llr计算方法
CN105915477A (zh) * 2016-04-19 2016-08-31 东南大学 基于gs方法的大规模mimo检测方法及硬件架构
CN106330276A (zh) * 2016-10-31 2017-01-11 东南大学 基于sor算法的大规模mimo线性检测方法及装置
CN106357309A (zh) * 2016-08-15 2017-01-25 东南大学 基于非理想信道下大规模mimo线性迭代检测方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7388935B2 (en) * 2004-06-15 2008-06-17 Telefonktiebolaget Lm Ericsson (Publ) Method of inverting nearly Toeplitz or block Toeplitz matrices

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101841375A (zh) * 2010-01-08 2010-09-22 华为技术有限公司 一种多输入多输出单载波分块传输***的检测方法及装置
CN103516643A (zh) * 2013-10-11 2014-01-15 上海交通大学 一种mimo检测预处理装置及方法
CN105634568A (zh) * 2015-12-31 2016-06-01 东南大学 一种基于大规模mimo***信号检测的llr计算方法
CN105915477A (zh) * 2016-04-19 2016-08-31 东南大学 基于gs方法的大规模mimo检测方法及硬件架构
CN106357309A (zh) * 2016-08-15 2017-01-25 东南大学 基于非理想信道下大规模mimo线性迭代检测方法
CN106330276A (zh) * 2016-10-31 2017-01-11 东南大学 基于sor算法的大规模mimo线性检测方法及装置

Also Published As

Publication number Publication date
CN107222246A (zh) 2017-09-29

Similar Documents

Publication Publication Date Title
US7492815B2 (en) Reduced parallel and pipelined high-order MIMO LMMSE receiver architecture
Liu et al. Energy-and area-efficient recursive-conjugate-gradient-based MMSE detector for massive MIMO systems
US9729277B2 (en) Signal detecting method and device
CN105915477B (zh) 基于gs方法的大规模mimo检测方法及硬件架构
CN107222246B (zh) 一种近似mmse性能的高效大规模mimo检测方法及***
CN108964725B (zh) 时变大规模mimo网络中信道参数的稀疏估计方法
CN104954056A (zh) 大规模mimo线性检测中矩阵求逆的硬件构架及方法
CN103516643A (zh) 一种mimo检测预处理装置及方法
CN105071843A (zh) 大规模mimo***低复杂度多项式展开矩阵求逆方法及应用
Myllyla et al. Complexity analysis of MMSE detector architectures for MIMO OFDM systems
CN105049097A (zh) 非理想信道下大规模mimo线性检测硬件构架及检测方法
Tu et al. An efficient massive MIMO detector based on second-order Richardson iteration: From algorithm to flexible architecture
CN105515627B (zh) 一种大规模mimo检测方法及检测装置
CN102291166A (zh) 多用户多输入多输出***中最小均方误差的预编码方法
CN108736935A (zh) 一种用于大规模mimo***信号检测的通用下降搜索方法
CN105634568A (zh) 一种基于大规模mimo***信号检测的llr计算方法
CN112235022B (zh) 一种低复杂度的大规模mimo低轨卫星预编码方法
Wu et al. Efficient near-MMSE detector for large-scale MIMO systems
CN107231177B (zh) 基于大规模mimo的高效cr检测方法和架构
CN109379116B (zh) 基于切比雪夫加速法与sor算法的大规模mimo线性检测算法
Lin et al. Accelerating next-g wireless communications with fpga-based ai accelerators
CN106850017A (zh) 基于并行gs迭代的大规模mimo检测算法及硬件架构
Brennsteiner et al. LAMANet: A real-time, machine learning-enhanced approximate message passing detector for massive MIMO
Thanos et al. Hardware trade-offs for massive MIMO uplink detection based on Newton iteration method
CN107733487B (zh) 一种大规模多输入多输出***的信号检测方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant