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 PDFInfo
- 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
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
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;
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和标准化向量其中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,计算系数矩阵和常数向量其中S为一个和有关的矩阵;
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和标准化向量其中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和常数向量其中预条件矩阵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
该估计过程等效为求解线性方程组
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;
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)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;
3)用2个脉动阵列(在图5中标记为)计算系数矩阵和常数向量其中预条件矩阵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迭代模块输出其中复数乘法器和复数加法器在图6中分别标记为和延迟单元标记为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;
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和标准化向量其中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,计算系数矩阵和常数向量其中S为一个和有关的矩阵:
K轮迭代后,x(K)即为待检测信号的估计结果。
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。
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)
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)
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)
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 |
-
2017
- 2017-05-27 CN CN201710392735.7A patent/CN107222246B/zh active Active
Patent Citations (6)
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 |