CN108282200B - 一种大规模mimo***中基于因子图的置信度传播信号检测方法 - Google Patents
一种大规模mimo***中基于因子图的置信度传播信号检测方法 Download PDFInfo
- Publication number
- CN108282200B CN108282200B CN201810187948.0A CN201810187948A CN108282200B CN 108282200 B CN108282200 B CN 108282200B CN 201810187948 A CN201810187948 A CN 201810187948A CN 108282200 B CN108282200 B CN 108282200B
- Authority
- CN
- China
- Prior art keywords
- information
- node
- log
- likelihood ratio
- variable node
- 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
- H04B17/309—Measuring or estimating channel quality parameters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/391—Modelling the propagation channel
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Quality & Reliability (AREA)
- Radio Transmission System (AREA)
Abstract
本发明公开了一种大规模MIMO***中基于因子图的置信度传播信号检测方法,包括:(1)将模型y=Hx+n建模为因子图,将接收信号y中的每个元素作为一个观测节点,将发射信号x中的每个元素作为一个变量节点;(2)当计算第i个观测节点yi传给第k个变量节点xk的信息时,将其中的干扰项近似建模为高斯分布;(3)计算xk的对数似然比信息,在观测节点计算得到对数似然比信息后将其传递到其余的变量节点;(4)变量节点利用对数似然比信息计算本变量的条件边缘概率信息,变量节点得到边缘概率后再将其传递给所有观测节点;(5)经过一定的迭代次数之后,对第k个变量节点进行检测判决;(6)在迭代过程中利对边缘概率信息和对数似然比信息的更新进行阻尼。
Description
技术领域
本发明涉及无线通信技术领域,尤其涉及一种大规模MIMO***中基于因子图的置信度传播信号检测方法。
背景技术
大规模MIMO(Large Scale-Multiple-Input Multiple-Output,LS-MIMO)***是第五代移动通信***的关键技术之一,通过在基站和用户端配备大量天线,显著地提高***的信道容量、数据传输速率、频谱效率和通信质量。由于天线数的增多,许多适用于传统MIMO***的高性能的方法不再适用于大规模MIMO***,这些方法往往会产生较高的复杂度。因此如何在维持较好性能的同时降低方法复杂度成为了一个急需解决的问题。
传统的信号检测方法可以根据运算特性分为线性检测方法和非线性两类。线性检测方法是使用线性运算处理信息,方法实现简单,计算复杂度低。主要有迫零检测(ZF)、匹配滤波检测(MF)和最小均方误差检测(MMSE)等。非线性检测是使用非线性运算处理信息,可以获得很好的***性能,例如ML检测,但是计算复杂度过高,不适用于大规模MIMO***。
图模型是表示随机变量相互之间依赖关系的图。消息传递方法是图模型上求解概率推断问题的一种非常有效的技术。近年来,图模型上的消息传递方法在大规模MIMO***中的应用越来越广泛,被认为是一种可以实现低复杂度高性能信号处理的有效方法,但目前该方法存在收敛速度慢、检测方法的性能低下等缺陷。
发明内容
为解决上述技术问题,本发明的目的是提供一种大规模MIMO***中基于因子图的置信度传播信号检测方法,为了加快置信度传播信号检测方法的收敛速度,提高检测方法的性能,本发明提出将阻尼法应用到检测方法中,以提高检测方法的误码性能和收敛速度。
本发明提出的大规模MIMO***中基于因子图的置信度传播信号检测方法,包括以下步骤:
步骤1:将MIMO***模型y=Hx+n建模为因子图,在因子图中将***模型中接收信号向量y中的每个元素作为一个观测节点(因子节点),将发射信号(待检信号)向量x中的每个元素作为一个变量节点,H表示信道增益矩阵,n表示噪声信号向量;
步骤3:计算第i个观测节点处第k个变量节点xk的对数似然比信息,在观测节点计算得到对数似然比信息后将其传递到其余的变量节点;
步骤4:变量节点在接收到观测节点发送的对数似然比信息后,利用其计算本变量的条件边缘概率信息,变量节点得到边缘概率信息后再将其传递给所有观测节点;
步骤5:经过一定的迭代次数之后,变量节点的边缘概率收敛到一个值,对第k个变量节点进行检测判决;
步骤6:在方法迭代过程中利用阻尼方法对边缘概率信息和对数似然比信息的更新进行阻尼,以提高检测方法的收敛速度。
进一步的,步骤2具体包括:
进一步的,所述步骤3中得到的对数似然比信息为:
进一步的,步骤4得到的变量节点计算的条件边缘概率信息可表示为:
进一步的,步骤6中利用阻尼方法对对数似然信息和条件边缘概率信息的更新进行阻尼可表示为
进一步的,所述信道响应矩阵H具体为瑞利衰落信道响应矩阵。
借由上述方案,本发明至少具有以下优点:基于因子图的置信度传播信号检测方法是一种软检测方法,在大规模MIMO***中可以获得较好的检测性能,该方法同时还具有较低的计算复杂度,适用于大规模MIMO***,为了加快置信度传播信号检测方法的收敛速度,提高检测方法的性能,本发明提出将阻尼法应用到该检测方法中,提高了检测方法的误码性能和收敛速度。
附图说明
图1是基于因子图的置信度传播信号检测方法的误码性能。
图2基于因子图的置信度传播信号检测方法的误码率随阻尼因子ΔΛ的变化曲线。
图3基于因子图的置信度传播信号检测方法的误码率随阻尼因子Δp的变化曲线。
具体实施方式
下面将结合实施例对本发明的实施方案进行详细描述,但是本领域技术人员将会理解,下列实施例仅用于说明本发明,而不应视为限定本发明的范围。
一种大规模MIMO***中基于因子图的置信度传播信号检测方法,所适用的***模型为:
y=Hx+n,
实验结果如图1、2和3所示,图1是本发明在信道H为瑞利衰落信道,阻尼因子ΔΛ=0.4,Δp=0.2,迭代次数为5,调制方式为BPSK条件下,基于因子图的置信度传播检测方法的误码性能,图1显示随着发射天线数和接收天线数的增加,基于因子图的置信度传递检测方法的误码性能趋于无衰落的SISO模型检测性能。
图2是本发明在信道H为瑞利衰落信道,发射天线数和接收天线数均为16,信噪比等于12dB条件下,基于因子图的置信度传播检测方法的误码率随阻尼因子ΔΛ的变化曲线,方法迭代次数为10。图2中可以看出,当阻尼因子ΔΛ取0.4时,检测的误码性能最好,阻尼因子过大或过小都会严重影响检测方法的性能。
图3是本发明在信道H为瑞利衰落信道,发射天线数和接收天线数均为16,信噪比等于12dB条件下,ΔΛ=0.4时,基于因子图的置信度传播检测方法的误码率随阻尼因子Δp的变化曲线,方法迭代次数为10。图3显示当Δp取0.2时,基于因子图的置信度传递检测方法的误码性能最好。综合图2和图3结果可知,选择合适的阻尼因子可以有效的提高检测方法的误码性能。
虽然本发明已以较佳实施例公开如上,但其并非用以限定本发明,任何熟悉此技术的人,在不脱离本发明的精神和范围内,都可做各种的改动与修饰,因此本发明的保护范围应该以权利要求书所界定的为准。
Claims (2)
1.一种大规模MIMO***中基于因子图的置信度传播信号检测方法,其特征在于:包括以下步骤:
步骤1:将MIMO***模型y=Hx+n建模为因子图,在因子图中将***模型中接收信号向量y中的每个元素作为一个观测节点,将发射信号向量x中的每个元素作为一个变量节点,H表示信道增益矩阵,n表示噪声信号向量;
步骤3:计算第i个观测节点处第k个变量节点xk的对数似然比信息,在观测节点计算得到对数似然比信息后会将其传递到其余的变量节点;
步骤4:变量节点在接收到观测节点发送的对数似然比信息后,利用其计算本变量的条件边缘概率信息,变量节点得到边缘概率信息后再将其传递给所有观测节点;
步骤5:经过一定的迭代次数之后,变量节点的边缘概率收敛到一个值,对第k个变量节点进行检测判决;
步骤6:在方法迭代过程中利用阻尼方法对边缘概率信息和对数似然比信息的更新进行阻尼,以提高检测方法的收敛速度
步骤2具体包括:
当计算第i个观测节点yi传给第k个变量节点xk的信息时,将其中的干扰项近似建模为高斯分布,表示为:
步骤3中得到的对数似然比信息为:
步骤4得到的变量节点计算的条件边缘概率信息表示为:
步骤6中利用阻尼方法对对数似然信息和条件边缘概率信息的更新进行阻尼表示为:
2.根据权利要求1所述的大规模MIMO***中基于因子图的置信度传播信号检测方法,其特征在于:所述信道增益矩阵H具体为瑞利衰落信道响应矩阵。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810187948.0A CN108282200B (zh) | 2018-03-07 | 2018-03-07 | 一种大规模mimo***中基于因子图的置信度传播信号检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810187948.0A CN108282200B (zh) | 2018-03-07 | 2018-03-07 | 一种大规模mimo***中基于因子图的置信度传播信号检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108282200A CN108282200A (zh) | 2018-07-13 |
CN108282200B true CN108282200B (zh) | 2020-09-04 |
Family
ID=62809180
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810187948.0A Active CN108282200B (zh) | 2018-03-07 | 2018-03-07 | 一种大规模mimo***中基于因子图的置信度传播信号检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108282200B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109586838B (zh) * | 2018-11-22 | 2020-11-03 | 东南大学 | 一种针对大规模scma***的高效因子矩阵设计方法及其硬件架构 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103618585A (zh) * | 2013-10-28 | 2014-03-05 | 清华大学 | 一种基于置信传播算法的联合多用户检测和译码方法 |
CN105656538A (zh) * | 2015-12-30 | 2016-06-08 | 东南大学 | 一种大规模mimo***的低复杂度置信传播检测算法 |
US9509712B2 (en) * | 2014-12-05 | 2016-11-29 | Lookingglass Cyber Solutions, Inc. | Cyber threat monitor and control apparatuses, methods and systems |
CN106357367A (zh) * | 2016-07-15 | 2017-01-25 | 北京邮电大学 | 大规模天线***下非相干的联合检测和信道译码的方法 |
CN107276646A (zh) * | 2017-07-03 | 2017-10-20 | 东南大学 | 大规模mimo‑ofdm上行链路迭代检测方法 |
-
2018
- 2018-03-07 CN CN201810187948.0A patent/CN108282200B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103618585A (zh) * | 2013-10-28 | 2014-03-05 | 清华大学 | 一种基于置信传播算法的联合多用户检测和译码方法 |
US9509712B2 (en) * | 2014-12-05 | 2016-11-29 | Lookingglass Cyber Solutions, Inc. | Cyber threat monitor and control apparatuses, methods and systems |
CN105656538A (zh) * | 2015-12-30 | 2016-06-08 | 东南大学 | 一种大规模mimo***的低复杂度置信传播检测算法 |
CN106357367A (zh) * | 2016-07-15 | 2017-01-25 | 北京邮电大学 | 大规模天线***下非相干的联合检测和信道译码的方法 |
CN107276646A (zh) * | 2017-07-03 | 2017-10-20 | 东南大学 | 大规模mimo‑ofdm上行链路迭代检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108282200A (zh) | 2018-07-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101499840B (zh) | 多入多出***的迭代检测方法 | |
CN109951214B (zh) | 一种适用于大规模mimo***的信号检测方法 | |
KR100651036B1 (ko) | 공간다중화 시스템에서 부분적인 구복호 기반 복잡도를줄이는 반복 복호 수신 장치 및 그 방법 | |
KR101115158B1 (ko) | Mimo 등화를 위한 고속 제곱근 알고리듬 | |
US8295341B2 (en) | Cognitive radio device | |
CN112953862A (zh) | 一种基于深度学习的高速铁路场景信道估计方法 | |
CN101496366A (zh) | 提供用于编码mimo***的迭代递归最小二乘法(rls)算法的设备、方法和计算机程序产品 | |
CN114070354B (zh) | 基于gs迭代法的自适应分段矩阵逆跟踪mimo检测方法 | |
US20220038313A1 (en) | Method and apparatus for signal processing with neural networks | |
CN112215335B (zh) | 一种基于深度学习的***检测方法 | |
US8139669B2 (en) | Space domain filter detecting method in a multi-antenna wireless communication system | |
Ivanov et al. | Smart sorting in massive MIMO detection | |
CN110417515B (zh) | 一种基于离散迭代估计的大规模mimo信号检测方法 | |
CN114142905B (zh) | 时变信道下基于牛顿迭代法的mimo检测算法的改进方法 | |
CN108282200B (zh) | 一种大规模mimo***中基于因子图的置信度传播信号检测方法 | |
CN114389756B (zh) | 基于分组ml检测和并行迭代干扰抵消的上行mimo检测方法 | |
Yang et al. | An improved hybrid turbo equalizer for single carrier transmission with impulsive noise and isi | |
WO2017054339A1 (zh) | 一种迭代信道估计方法及装置、计算机存储介质 | |
CN110971546B (zh) | 一种大规模mimo***信道跟踪方法 | |
Chhangani et al. | RFF based parallel detection for massive MIMO | |
CN113037409A (zh) | 基于深度学习的大规模mimo***信号检测方法 | |
CN107342797B (zh) | 信号检测方法及装置 | |
CN115173899B (zh) | 基于Richardson迭代法的自适应分段矩阵逆跟踪MIMO检测方法 | |
CN115149988B (zh) | 基于sor迭代法的自适应分段矩阵逆跟踪mimo检测方法 | |
CN115001544B (zh) | 基于改进Richardson算法的信号检测方法 |
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 |