本發(fā)明屬于計(jì)算機(jī)通信領(lǐng)域，涉及一種大規(guī)模MIMO系統(tǒng)上行鏈路信號(hào)檢測(cè)方法及裝置。

背景技術(shù)：

Multiple-Input-Multiple-Output(MIMO)信號(hào)處理因其龐大數(shù)量的矩陣-向量運(yùn)算器而成為MIMO-OFDM基帶接收器中最具難度與挑戰(zhàn)性的部分。所有的MIMO技術(shù)都需要MIMO檢測(cè)來(lái)進(jìn)行精確運(yùn)算。然而在大規(guī)模MIMO線性檢測(cè)中，由于天線數(shù)量的增加，信道矩陣維數(shù)隨之增加，進(jìn)而使Minimum mean square error(MMSE)過(guò)濾矩陣的計(jì)算變得困難，更不用說(shuō)MMSE過(guò)濾矩陣的逆矩陣，因此，便有了運(yùn)用迭代法直接求逆的辦法。在此之前有通過(guò)Gauss-Seidel算法和SOR算法進(jìn)行迭代的試驗(yàn)，復(fù)雜度較低但是精確度一般。SOR算法的精確度更是隨著修正因子的改變而變化。

技術(shù)實(shí)現(xiàn)要素：

發(fā)明目的：針對(duì)現(xiàn)有技術(shù)的不足，本發(fā)明目的是提供一種基于SOR算法的大規(guī)模MIMO線性檢測(cè)方法及裝置，在SOR算法優(yōu)點(diǎn)的基礎(chǔ)上進(jìn)一步優(yōu)化，提高算法的精確度，盡可能達(dá)到矩陣求逆的精確值。同時(shí)避免算法的精確度隨修正因子的改變而變化。

技術(shù)方案：為實(shí)現(xiàn)上述發(fā)明目的，本發(fā)明采用的技術(shù)方案如下：

本發(fā)明基于SOR迭代法，在SOR迭代式的基礎(chǔ)上應(yīng)用修正因子ω的定義式替代第k+1次迭代的結(jié)果，得到本發(fā)明算法的迭代式。具體為：SOR算法的迭代式(D+ωL)X_k+1＝((1-ω)D-ωL^H)X_k+ωb，代入修正因子ω的定義式X_k+1＝X_k+ω(X_k+1-X_k)，則可以得到本算法的迭代式(D+ωL)X_k+1＝(-(1-ω)L-L^H)X_k+b。

本發(fā)明提供的一種基于SOR算法的大規(guī)模MIMO線性檢測(cè)方法，包括以下步驟：

(1)將信道矩陣H和接收信號(hào)y進(jìn)行預(yù)處理，得到匹配濾波器輸出y^MF＝H^Hy和MMSE濾波矩陣W＝G+σ²I_M，并W將分解為W＝D+L+L^H，其中Gram矩陣G＝H^HH，σ²為噪聲方差，I_M為單位陣，(.)^H為共軛轉(zhuǎn)置操作，D為對(duì)角陣，L為下三角陣；

(2)將匹配濾波器輸出y^MF，MMSE濾波矩陣分解結(jié)果D、L和L^H以及修正因子ω作為輸入，采用改進(jìn)的SOR算法進(jìn)行迭代求解得到待檢測(cè)信號(hào)估計(jì)結(jié)果，其中改進(jìn)的SOR算法中第i次迭代輸出sⁱ根據(jù)公式sⁱ＝(D+ωL)^-1(ωL-L^H-L)s^i-1+(D+ωL)^-1y^MF，i>0計(jì)算得到。

為保證迭代式收斂，所述步驟(2)中修正因子ω取值范圍為1<ω<2。

在具體實(shí)施方式中，所述步驟(2)中sⁱ的初始值s⁰為全0向量，修正因子ω為常數(shù)1.5，迭代次數(shù)為3次。

本發(fā)明提供的一種基于SOR算法的大規(guī)模MIMO線性檢測(cè)裝置，包括預(yù)處理模塊和改進(jìn)的SOR算法模塊；其中

所述預(yù)處理模塊，包括：匹配濾波器單元，Gram矩陣計(jì)算單元，MMSE濾波矩陣計(jì)算單元，MMSE濾波矩陣分解單元和第一乘法單元；

所述匹配濾波器單元，用于根據(jù)輸入的信道矩陣H共軛轉(zhuǎn)置H^H和接收信號(hào)y計(jì)算y^MF＝H^Hy，輸出y^MF；

所述Gram矩陣計(jì)算單元，用于計(jì)算G＝H^HH，輸出G；

所述MMSE濾波矩陣計(jì)算單元，與Gram矩陣計(jì)算單元相連，用于計(jì)算W＝G+σ²I_M，輸出W；其中σ²為噪聲方差，I_M為單位陣；

所述MMSE濾波矩陣分解單元，與MMSE濾波矩陣計(jì)算單元相連，用于將W分解為W＝D+L+L^H，其中D為對(duì)角陣，L為下三角陣，分別輸出D、L和L^H；

所述第一乘法單元，與MMSE濾波矩陣分解單元相連，用于實(shí)現(xiàn)修正因子ω與下三角陣L相乘；

所述改進(jìn)的SOR算法模塊，包括：第一加法單元，第二加法單元，第三加法單元，第二乘法單元，第三乘法單元，第四乘法單元，求逆單元和求負(fù)單元；

所述第二乘法單元，與MMSE濾波矩陣分解單元相連，用于實(shí)現(xiàn)1-ω與下三角陣L相乘；

所述第一加法單元，分別與MMSE濾波矩陣分解單元及第一乘法單元相連，用于實(shí)現(xiàn)對(duì)角陣D與下三角陣ωL相加；

所述第二加法單元，分別與MMSE濾波矩陣分解單元及第二乘法單元相連，用于實(shí)現(xiàn)下三角陣(1-ω)L與上三角陣L^H相加；

所述求逆單元，與第一加法單元相連，用于實(shí)現(xiàn)下三角陣的D+ωL求逆；

所述求負(fù)單元，與第二加法單元相連，用于實(shí)現(xiàn)矩陣(1-ω)L+L^H中值求負(fù)運(yùn)算；

所述第三乘法單元，分別與求負(fù)單元及第四乘法單元相連，用于實(shí)現(xiàn)ωL-L^H-L與上輪迭代計(jì)算輸出s^i-1相乘；

所述第三加法單元，分別與第三乘法單元及匹配濾波器單元相連，用于實(shí)現(xiàn)(ωL-L^H-L)s^i-1與y^MF相加；

所述第四乘法單元，分別與求逆單元及第三加法單元相連，用于實(shí)現(xiàn)兩者輸出相乘，得到本輪迭代待檢測(cè)信號(hào)sⁱ估計(jì)。

有益效果：與現(xiàn)有技術(shù)相比，本發(fā)明的優(yōu)勢(shì)：保留了SOR算法復(fù)雜度低的優(yōu)點(diǎn)，在實(shí)現(xiàn)同等精確度的情況下，本發(fā)明算法的迭代次數(shù)比SOR算法的迭代次數(shù)少，并且復(fù)雜度更低。能夠?qū)崿F(xiàn)與MMSE算法非常接近的精確度。在修正因子改變而其他因素不變的情況下，由仿真結(jié)果可以看出SOR算法的精確度隨修正因子的變化呈現(xiàn)出曲線的變化趨勢(shì)。而本發(fā)明算法隨修正因子的變化幾乎不變，接近MMSE算法的精確度。

附圖說(shuō)明

圖1為本發(fā)明裝置結(jié)構(gòu)示意圖；

圖2為發(fā)射天線數(shù)為16，接收天線數(shù)為128時(shí)，采用本發(fā)明信號(hào)檢測(cè)算法和其他檢測(cè)算法的誤碼率曲線圖；

圖3為發(fā)射天線數(shù)為8，接收天線數(shù)為64時(shí)，采用本發(fā)明信號(hào)檢測(cè)算法和其他檢測(cè)算法的誤碼率曲線圖；

圖4為迭代次數(shù)為3，信噪比為4時(shí)，采用本發(fā)明信號(hào)檢測(cè)算法和其他檢測(cè)算法的誤碼率隨修正因子ω變化曲線圖。

具體實(shí)施方式

下面結(jié)合具體實(shí)施例，進(jìn)一步闡明本發(fā)明，應(yīng)理解這些實(shí)施例僅用于說(shuō)明本發(fā)明而不用于限制本發(fā)明的范圍，在閱讀了本發(fā)明之后，本領(lǐng)域技術(shù)人員對(duì)本發(fā)明的各種等價(jià)形式的修改均落于本申請(qǐng)所附權(quán)利要求所限定的范圍。

本實(shí)施例中建立一個(gè)大規(guī)模MIMO信道模型進(jìn)行模擬操作。在大規(guī)模MIMO系統(tǒng)中，一般有N＞＞M(基站天線數(shù)N遠(yuǎn)大于發(fā)射天線數(shù)，即用戶數(shù)M)。讓s＝[s₁,s₂,s₃,…,s_M]^T表示信號(hào)向量，s中包含了分別從M個(gè)用戶產(chǎn)生的傳輸符號(hào)，采用16-QAM方式映射。H表示維度是N×M信道矩陣，故上行鏈路基站端的接收信號(hào)向量y可以表示為

y＝Hs+n

其中y的維度為N×1，n為N×1維的加性白噪聲向量。上行鏈路多用戶信號(hào)檢測(cè)任務(wù)就是從接收機(jī)接收向量y＝[y₁,y₂,y₃,…,y_N]^T估計(jì)傳輸信號(hào)符號(hào)s。假設(shè)H已知，其元素服從均值為0方差為1的獨(dú)立同分布，采用最小均方誤差(MMSE)線性檢測(cè)理論，對(duì)傳輸信號(hào)向量的估計(jì)表示為

$\hat{s}={(H^{H}H+{\mathrm{\&sigma;}}^2{I}_M)}^{-1}{H}^{H}y=W^{-1}{y}^{MF}$

由于矩陣W為Hermitian正定，且

W＝D+L+L^H

其中D,L和L^H分別為W的對(duì)角線、下三角和上三角分量。根據(jù)SOR方法求解線性方程組

$W\hat{s}=y^{MF}$

根據(jù)SOR算法的迭代式可以整理得到第i次迭代所得的檢測(cè)結(jié)果為

sⁱ＝(D+ωL)^-1(ωL-L^H-L)s^i-1+(D+ωL)^-1y^MF，i＝1,2,…，，

設(shè)迭代初始值s⁰為全0向量，即s⁰＝[0₁,0₂,…,0_M]^T，迭代3次終止。初值ω為常數(shù)1.5。則迭代過(guò)程可以表示為

s¹＝(D+ωL)^-1(ωL-L^H-L)s⁰+(D+ωL)^-1y^MF，

s²＝(D+ωL)^-1(ωL-L^H-L)s¹+(D+ωL)^-1y^MF，

s³＝(D+ωL)^-1(ωL-L^H-L)s²+(D+ωL)^-1y^MF。

由此便可以得到經(jīng)過(guò)3次迭代的估計(jì)值

對(duì)于天線配置為128×16和64×8的大規(guī)模MIMO系統(tǒng)，采用3/4速率Turbo碼以及16-QAM映射，基于上述算法的大規(guī)模MIMO檢測(cè)方法的仿真結(jié)果見(jiàn)圖2和圖3。

本發(fā)明算法在1<ω<2時(shí)收斂，而SOR算法在0<ω<2時(shí)收斂，故其公共收斂區(qū)間為1<ω<2，本發(fā)明算法以及其他算法隨修正因子ω變化的曲線如圖4。

硬件架構(gòu)方面，本實(shí)施例中采用的基于SOR算法的大規(guī)模MIMO檢測(cè)方法的裝置結(jié)構(gòu)示意圖見(jiàn)圖1，其中包括預(yù)處理模塊和算法模塊。

具體來(lái)說(shuō)，在預(yù)處理模塊中，包含：

1)匹配濾波器單元：由M個(gè)復(fù)數(shù)乘法累加器(MAC)組成的脈動(dòng)陣列,用于計(jì)算y^MF＝H^Hy，輸出y^MF；

2)Gram矩陣計(jì)算單元：由(1+M)M/2個(gè)MAC組成的下三角脈動(dòng)陣列，用于計(jì)算G＝H^HH，輸出G；

3)MMSE濾波矩陣計(jì)算單元：由M²個(gè)復(fù)數(shù)加法器組成，與Gram矩陣計(jì)算單元相連，用于計(jì)算W＝G+σ²I_M，輸出W；

4)MMSE濾波矩陣分解單元：與Gram矩陣計(jì)算單元相連，將W分解為W＝D+L+L^H，其中D為對(duì)角陣，L為下三角陣，分別輸出D、L、L^H；

5)第一乘法單元：與MMSE濾波矩陣分解單元相連，輸出ωL；

在算法模塊中，所述算法模塊主要包含一個(gè)求解三角陣逆矩陣的脈動(dòng)陣列inv，兩個(gè)矩陣-向量乘法陣列、一個(gè)向量加法陣列、兩個(gè)矩陣加法陣列以及一組寄存器，最終經(jīng)過(guò)檢測(cè)的信號(hào)將寫(xiě)入寄存器中，便于進(jìn)行下一步的譯碼等操作包含：

1)2個(gè)矩陣-向量乘法陣列(第三乘法單元和第四乘法單元)：由M個(gè)MAC組成的脈動(dòng)陣列；

2)1個(gè)求解三角陣逆矩陣的脈動(dòng)陣列inv(求逆單元)：使用2種PE，包含6M個(gè)寄存器、4M個(gè)乘法器和4M個(gè)加法器，以及1個(gè)倒數(shù)單元，用于計(jì)算下三角陣(D+ωL)的逆矩陣；

3)1個(gè)向量加法陣列(第三加法單元)：由M個(gè)復(fù)數(shù)加法器組成的脈動(dòng)陣列；

4)2個(gè)矩陣加法陣列(第一加法單元和第二加法單元)：由M²個(gè)復(fù)數(shù)加法器組成的脈動(dòng)陣列。

復(fù)雜度方面，在迭代次數(shù)為2時(shí)，本發(fā)明提出的算法所用乘法器數(shù)量為3M²+3M，加法器數(shù)量為3M²+M；迭代次數(shù)為3時(shí)，本發(fā)明提出的算法所用乘法器數(shù)量為加法器數(shù)量為與SOR算法的復(fù)雜度對(duì)比如表1所示。

表1本發(fā)明所提算法與SOR算法復(fù)雜度對(duì)比表

由仿真結(jié)果可知，本發(fā)明提出的算法在迭代次數(shù)為2時(shí)的精確度高于SOR算法在迭代次數(shù)為3時(shí)的精確度。如此，在完成相同性能的前提下，本發(fā)明提出的算法復(fù)雜度小于SOR算法的復(fù)雜度。