本發(fā)明屬于無線通信領域，涉及一種大規(guī)模mimo系統(tǒng)的信號檢測方法，可用5g無線通信系統(tǒng)中的mimo接收機。

背景技術(shù)：

近年來，大規(guī)模mimo技術(shù)已經(jīng)成為5g移動通信研究的熱點，然而，在傳統(tǒng)mimo系統(tǒng)中高效的接收機難以在大規(guī)模mimo中發(fā)揮作用。在大規(guī)模mimo上行鏈路中，當使用最佳的ml檢測方法時，復雜度隨發(fā)射天線數(shù)目和調(diào)制階數(shù)呈指數(shù)增加，在大規(guī)模mimo系統(tǒng)中難以實現(xiàn)，為了獲得低復雜且接近最佳的ml檢測性能，人們提出了非線性固定復雜度的球形解碼算法和禁忌搜索算法，但是，當mimo系統(tǒng)的維度很大或者調(diào)制階數(shù)很高時，這些算法的復雜度仍然很大。隨著基站端的天線大幅度增加，信道之間漸漸正交，基于這個重要特性，在傳統(tǒng)mimo系統(tǒng)中性能不理想的簡單線性接收方法，比如：匹配濾波(mf)、迫零(zf)和最小均方誤差(mmse)，都可以應用于大規(guī)模mimo系統(tǒng)中且獲得很好性能。相比mf和zf算法，mmse檢測算法能夠獲得更準確的判斷，較廣泛地用于無線通信系統(tǒng)。但是mmse線性檢測算法涉及復雜的矩陣求逆。為了降低矩陣求逆帶來的計算復雜度，人們又提出了紐曼級數(shù)近似算法，它把矩陣求逆轉(zhuǎn)換成一系列矩陣-向量的乘積；但是，當?shù)螖?shù)大于2時，計算復雜度減少就不明顯了。

由上可知，mmse線性檢測算法由于涉及復雜的矩陣求逆，還是具有較高的復雜度，不方便硬件實現(xiàn)，因此需要進一步降低檢測的復雜度，以便于實際應用。

技術(shù)實現(xiàn)要素：

本發(fā)明要解決的技術(shù)問題在于提供一種優(yōu)化的大規(guī)模mimo信號檢測方法，進一步降低檢測的復雜度。

為實現(xiàn)上述目的，本發(fā)明提出的技術(shù)方案為一種優(yōu)化的大規(guī)模mimo信號檢測方法，包括以下步驟：

步驟1、大規(guī)模mimo系統(tǒng)的接收天線接收信號，并將信號傳輸給信號處理模塊；

步驟2、信號處理模塊采用ssor(symmetricsuccessiveover-relaxation，對稱逐次超松弛)算法對接收的信號檢測，得到ssor算法檢測結(jié)果；

步驟3、對ssor算法檢測結(jié)果進行優(yōu)化，得到優(yōu)化后的檢測輸出，完成對信號的檢測。

進一步，上述步驟2中采用ssor算法對接收信號進行檢測,具體步驟為：

步驟2-1、在上行大規(guī)模mimo系統(tǒng)中，信道矩陣h列滿秩，方程hq＝0有唯一解，即q是k×1零向量，因此，對于任意k×1非零向量x，可得

(hx)^hhx＝x^h(h^hh)x＝x^hgx＞0

g^h＝(h^hh)^h＝h^hh＝g

這表明格拉姆矩陣g＝h^hh是正定的，且表明矩陣g是hermitian的,所以矩陣g是hermitian正定的，而噪聲方差σ²是正數(shù)，故mmse濾波矩陣w＝g+σ²ik也是hermitian正定的；

步驟2-2、mmse濾波矩陣w是hermitian正定的,分解w所用公式為：

w＝d-l-u

其中，d、l和u分別表示對角矩陣，嚴格下三角矩陣和嚴格上三角矩陣；

步驟2-3、一次ssor迭代由兩部分半迭代組成，前半部分迭代和sor迭代相同，確定第k+1/2次檢測出的信號估計值所用公式為：

其中，0＜w＜2是松弛參數(shù)，是濾波輸出；

步驟2-4、計算后半部分迭代，和sor逆序一樣，確定第k+1次檢測出的信號估計值所用公式為：

上述步驟3中，對ssor算法檢測結(jié)果進行優(yōu)化，具體步驟為：

步驟3-1、在大規(guī)模mimo系統(tǒng)，當基站天線數(shù)n和用戶數(shù)k很大且固定時，d^-1可用公式表示：

并且w的最大特征值λ1和最小特征值λk可以近似為：

步驟3-2、在上述的系統(tǒng)中，jacobi迭代矩陣bj的譜半徑可以表示為：

bj＝ik-d^-1w；

步驟3-3、松弛參數(shù)w影響基于cssor檢測算法的收斂速度，最佳松弛參數(shù)可以表示為：

由上面的步驟3-1和步驟3-2可以得到最佳松弛參數(shù)的近似值表示為：

步驟3-4、切比雪夫加速法計算第k+1次迭代的信號估計值所用公式為：

其中，ηk是迭代參數(shù)，η0＝2，μ和α是常數(shù)，所用公式為：

步驟3-5、發(fā)射信號估計值會影響迭代的收斂速度，選擇一個合適的初始值可以進一步加快收斂速度，所用公式為：

與現(xiàn)有技術(shù)相比，本發(fā)明的優(yōu)點：

1)本發(fā)明的收斂速度對松弛參數(shù)不是很敏感，這意味著可以選取簡單且經(jīng)過近似后的松弛參數(shù)；

2)本發(fā)明以ssor檢測結(jié)果為基礎，利用切比雪夫加速法進行優(yōu)化，和mmse檢測方法相比，大大降低了算法復雜度。

附圖說明

圖1是本發(fā)明實施例的系統(tǒng)組成圖。

圖2是本發(fā)明的流程圖。

圖3是本發(fā)明實施例的誤碼率隨信噪比變化曲線。

具體實施方式

現(xiàn)結(jié)合附圖對本發(fā)明作進一步詳細描述。

本發(fā)明的一種優(yōu)化的大規(guī)模mimo信號檢測方法，如圖2所示，包括以下步驟：

步驟1、大規(guī)模mimo系統(tǒng)的接收天線接收信號，并將信號傳輸給信號處理模塊；

步驟2、信號處理模塊采用ssor算法對接收的信號檢測，得到ssor算法檢測結(jié)果；采用ssor算法對接收的信號進行檢測具體為：

步驟2-1在上行大規(guī)模mimo系統(tǒng)中，信道矩陣h列滿秩，方程hq＝0有唯一解，即q是k×1零向量，因此，對于任意k×1非零向量x，可得

(hx)^hhx＝x^h(h^hh)x＝x^hgx＞0

g^h＝(h^hh)^h＝h^hh＝g

這表明格拉姆矩陣g＝h^hh是正定的，且表明矩陣g是hermitian的,所以矩陣g是hermitian正定的。而噪聲方差σ²是正數(shù)，故mmse濾波矩陣w＝g+σ²ik也是hermitian正定的。

步驟2-2mmse濾波矩陣w是hermitian正定的,分解w所用公式為：

w＝d-l-u

其中，d、l和u分別表示對角矩陣，嚴格下三角矩陣和嚴格上三角矩陣。

步驟2-3一次ssor迭代由兩部分半迭代組成，前半部分迭代和sor迭代相同，確定第k+1/2次檢測出的信號估計值所用公式為：

其中，0＜w＜2是松弛參數(shù)，是濾波輸出。

步驟2-4計算后半部分迭代，它和sor逆序一樣，確定第k+1次檢測出的信號估計值所用公式為：

步驟3、對ssor算法檢測結(jié)果進行優(yōu)化，得到優(yōu)化后的檢測輸出，完成對信號的檢測。對ssor算法檢測結(jié)果進行優(yōu)化具體步驟為：

步驟3-1、在大規(guī)模mimo系統(tǒng)，當基站天線數(shù)n和用戶數(shù)k很大且固定時，d^-1可用公式表示：

并且w的最大特征值λ1和最小特征值λk可以近似為：

步驟3-2、在上述的系統(tǒng)中，jacobi迭代矩陣bj的譜半徑可以表示為：

bj＝ik-d^-1w

步驟3-3、松弛參數(shù)w影響基于cssor檢測算法的收斂速度，最佳松弛參數(shù)可以表示為：

從上面的步驟3-1和步驟3-2可以得到最佳松弛參數(shù)的近似值表示為：

步驟3-4、切比雪夫加速法計算第k+1次迭代的信號估計值所用公式為：

其中，ηk(η0＝2)是迭代參數(shù)，μ和α是常數(shù)，所用公式為：

步驟3-5、發(fā)射信號估計值會影響迭代的收斂速度，選擇一個合適的初始值可以進一步加快收斂速度，所用公式為：

為便于本領域的技術(shù)人員進一步理解和實施本發(fā)明，現(xiàn)提供一個實施例對本發(fā)明做進一步詳細的描述：

實施例：

整個系統(tǒng)組成圖如圖1所示，系統(tǒng)采用k發(fā)n收的大規(guī)模mimo系統(tǒng)。數(shù)據(jù)比特流為8×10⁶，調(diào)制方式為64qam。假設傳輸信道為平坦瑞利衰落信道，信道狀態(tài)信息在發(fā)送和接收端均已知。

首先對系統(tǒng)接收天線接收到的信號進行ssor檢測，具體步驟為：

步驟1、在上行大規(guī)模mimo系統(tǒng)中，信道矩陣h列滿秩，方程hq＝0有唯一解，即q是k×1零向量，因此，對于任意k×1非零向量x，可得

(hx)^hhx＝x^h(h^hh)x＝x^hgx＞0

g^h＝(h^hh)^h＝h^hh＝g

這表明格拉姆矩陣g＝h^hh是正定的，且表明矩陣g是hermitian的,所以矩陣g是hermitian正定的。而噪聲方差σ²是正數(shù)，故mmse濾波矩陣w＝g+σ²ik也是hermitian正定的。

步驟2、mmse濾波矩陣w是hermitian正定的,分解w所用公式為：

w＝d-l-u

其中，d、l和u分別表示對角矩陣，嚴格下三角矩陣和嚴格上三角矩陣。

步驟3、一次ssor迭代由兩部分半迭代組成，前半部分迭代和sor迭代相同，確定第k+1/2次檢測出的信號估計值所用公式為：

其中，0＜w＜2是松弛參數(shù)，是濾波輸出。

步驟4、計算后半部分迭代，它和sor逆序一樣，確定第k+1次檢測出的信號估計值所用公式為：

由于ssor算法對接收的信號進行檢測，其復雜度雖較低，但精確度不是很高，因此，本發(fā)明在ssor之后，應用切比雪夫加速法對檢測結(jié)果進行優(yōu)化。對檢測結(jié)果優(yōu)化的具體步驟為：

步驟1、在大規(guī)模mimo系統(tǒng)，當基站天線數(shù)n和用戶數(shù)k很大且固定時，d^-1可用公式表示：

并且w的最大特征值λ1和最小特征值λk可以近似為：

步驟2、在上述的系統(tǒng)中，jacobi迭代矩陣bj的譜半徑可以表示為：

bj＝ik-d^-1w

步驟3、松弛參數(shù)w影響基于cssor檢測算法的收斂速度，最佳松弛參數(shù)可以表示為：

有上面的步驟3-1和步驟3-2可以得到最佳松弛參數(shù)的近似值表示為：

步驟4、切比雪夫加速法計算第k+1次迭代的信號估計值所用公式為：

其中，ηk(η0＝2)是迭代參數(shù)，μ和α是常數(shù)，所用公式為：

步驟5、發(fā)射信號估計值會影響迭代的收斂速度，選擇一個合適的初始值可以進一步加快收斂速度，所用公式為：

圖3為在n×k＝64×8系統(tǒng)中，幾種信號檢測方法的誤碼率隨接收天線處平均信噪比的變化曲線。可以看出，mmse是性能最好的，當?shù)螖?shù)i＝3時，本發(fā)明比傳統(tǒng)截短階數(shù)的neumann級數(shù)展開算法性能提高了約3.5db，且當i＝5時，本發(fā)明幾乎接近mmse性能。

從復雜度和性能仿真結(jié)果可以看出，本發(fā)明比傳統(tǒng)截短階數(shù)的neumann級數(shù)展開算法好，本發(fā)明與mmse相比，以很小的檢測性能為代價，取得了計算復雜度大大降低的效果。