[发明专利]MIMO检测方法

说明书

技术领域

本发明涉及无线通信技术领域，尤其涉及一种MIMO检测方法。

背景技术

在分布式无线通信系统(DWCS)中，越来越多地将多输入多输出(MIMO)技术与正交频分复用(OFDM)技术相结合。这是因为MIMO技术能够通过增强无线通信系统的分集和容量来提高数据传输速率，而OFDM技术能够通过减少频率选择性衰落的影响而降低均衡器复杂度，同时提高频谱效率。将两者有机结合构成的MIMO-OFDM系统，已经在4G无线通信标准中广泛使用，例如LTE/LTE-Advanced、WiMAX等。

而在MIMO-OFDM系统中，一个关键的模块是MIMO信号检测模块。常用的MIMO检测算法可以分为线性检测算法(最小均方误差(MMSE)、迫零(ZF)等)和非线性检测算法(基于最大似然(ML)、球形译码(SD)、K-Best等)两大类。其中，基于最大似然的检测算法误码率最小，但复杂度最高，特别适用于存在大频率选择性衰落的恶劣信道。而最小均方误差算法误码率相对较高，但实现复杂度较低。考虑到降低数据突发错误率的需要，现有技术在LTE/LTE-Advanced等4G协议中采用了自适应信道估计、预编码矩阵指示(PMI)反馈等技术，从而大大提高了信道质量。此时，与最大似然算法相比，MMSE检测算法也可以达到期望的误码率。

由于MMSE检测算法需要对大量信道矩阵进行求逆运算，且无线通信系统特别是在高速传输的新型无线通信系统中，对数据业务实时性要求非常高。传统的基于CPU的MMSE检测器运算复杂、检测耗时长，很难达到数据业务实时性要求。

发明内容

(一)要解决的技术问题

本发明要解决的技术问题是：如何降低MIMO-OFDM系统中MIMO信号检测运算的复杂度、缩短检测时间。

(二)技术方案

为解决上述问题，本发明提供了一种MIMO检测方法，包括以下步骤：

A：将信道矩阵和接收信号数据从CPU设备端的内存传输到GPU设备端的全局存储器中；

B：根据MMSE算法调用CUDA内部函数在GPU上多线程并行计算MMSE检测子的符号估计值，并将所得符号估计值存储到所述全局存储器中；

C：将所述符号估计值从所述全局存储器传输到CPU设备端的内存中。

优选地，所述步骤B中，根据MMSE算法调用CUDA内部函数在GPU上多线程并行计算MMSE检测子的符号估计值包括：

B1：计算MMSE检测子的内核J，J＝H^HH+I_M/ρ，其中ρ表示信噪比，I_M表示M×M维的单位阵，上标H表示共轭转置；

B2：计算内核J的逆矩阵J^-1；

B3：计算MMSE检测子G_MMSE及相应的符号估计结果

G_MMSE＝J^-1H^H

x^=GMMSEy.]]>

优选地，所述步骤B1、B2和B3，进一步包括：将计算结果存储于所述全局存储器中的步骤。

优选地，所述步骤B1和B2，进一步包括：使一个计算线程块处理多个信道矩阵，且计算线程块中的一个计算线程对信道矩阵的一行或一列进行处理的步骤。

优选地，所述步骤A，进一步包括：利用函数cudaMemcpyAsync将信道矩阵和接收信号数据从CPU设备端的内存拷贝到GPU设备端的全局存储器中的步骤。

优选地，所述步骤C，进一步包括：利用函数cudaMemcpyAsync将所述符号估计值从所述全局存储器拷贝到CPU设备端的内存中的步骤。

(三)有益效果

本发明的方法采用基于流水线的CPU与GPU协同工作模式，在CPU与GPU进行数据传输的同时，能够在GPU上进行数据的并行处理。并且本发明的方法通过采用三个核函数，将任务进行拆分，在达到快速同步的同时，降低了运算的复杂度、减小了传输时延，提高了整个算法的执行效率，缩短了检测时间。

附图说明

图1为本发明实施方式中所述MIMO检测方法的流程图；