论文部分内容阅读
多输入多输出(Multiple Input Multiple Output,MIMO)系统在发射端设置多根天线发射信号并在接收端设置多根天线接收信号,利用空间复用增益和空间分集增益来分别提高系统的信道容量和系统稳定性。大规模MIMO在频谱和能效方面有更大的提高,被广泛认为是第5代无线通信系统中一项非常有前途的技术,在无线通信中发挥着至关重要的作用。MIMO系统的信号检测作为接收机端重要的功能模块,一直受到研究者的广泛关注。然而,对于实际的大规模MIMO系统,还存在一些需要解决的难题,其中之一就是具有接近最优性能的低复杂度信号检测方案。因为在大规模MIMO系统中,当MIMO信道维数增长较大时,会导致信号检测算法的复杂性较高。本文主要研究适用于大规模MIMO系统的信号检测算法,研究内容包括以下三个方面:(1)研究和分析了传统MIMO中具有典型性的信号检测算法,包括线性和非线性检测算法、具有最佳检测性能的最大似然检测算法。重点研究了线性检测算法中的匹配滤波器检测算法、最小均方误差检测算法和迫零检测算法,以及非线性检测算法中的干扰消除检测算法、球形译码检测算法和基于QR分解检测算法,对比了各算法的优点和缺点。(2)为了降低信号检测算法在大规模MIMO系统中的计算复杂度,研究了基于Neumann级数展开和基于线性迭代求解的信号检测算法。传统线性信号检测算法在大规模MIMO系统中的主要难点在于低复杂度的实现,因为线性检测算法中的大规模矩阵求逆造成计算复杂度太高。从降低复杂度的角度出发,本文重点分析了利用Neumann级数展开和利用迭代求解来近似矩阵求逆的信号检测算法,其中迭代求解包括Richardson迭代、Jacobi迭代和Gauss-Seidel迭代,并通过仿真分析了上述信号检测算法在大规模MIMO系统中的可行性。(3)基于MIMO系统软判决检测要求,提出了一种改进的软信息对数似然比的计算方法,设计了一种适用于大规模MIMO系统的改进混合迭代信号检测算法,并且分析了大规模MIMO系统中天线间的空间相关性对信号检测算法造成的影响。在大规模MIMO系统上行链路中,基于最速下降(Steepest Descent,SD)算法和高斯-赛得尔(Gauss-Seidel,GS)迭代的混合迭代(SDGS)算法解决了最小均方误差算法中矩阵求逆的运算问题。同时,SD算法有很好收敛方向的这一特性加快了检测速度。MIMO系统的软判决检测对于提高检测性能有着重要的意义,并且软输入软输出系统都涉及到软信息对数似然比。所以在基于SDGS算法的基础上,改进了软判决中对数似然比的计算,提出了一种改进的混合迭代算法,在保持低复杂度的同时改善检测性能。