[发明专利]一种用于超密集网络的低复杂度检测方法

说明书

本发明属于无线通信技术领域，涉及一种用于超密集网络的低复杂度检测算法。本发明将高维度的矩阵求逆运算转换成低维度的矩阵求逆，在硬件实现上更加容易，如果采用一般的高维度矩阵求逆，硬件资源开销非常大，而实际的情况是：真正的高维度矩阵求逆的硬件模块可能不存在，而本发明提供的高维度转化成低维度的矩阵求逆，一方面可以降低实现的复杂度，保证数据检测的实施可能性，另一方面，可有利用市面上已经成熟的低维度矩阵求逆模块，来达到高维度的矩阵求逆所期望得到的结果。另外，本发明提供的并行处理机制可有有效降低计算的时间开销，可有合理保证数据检测的实时性。

技术领域

本发明属于无线通信技术领域，涉及一种用于超密集网络的低复杂度检测方法。

背景技术

超密集网络和基于云的无线接入网是近年来研究的热点，通过布置密集的无线接入点，对通信区域进行无盲区的覆盖，保证通信质量和系统的吞吐量。将传统基站端的基带处理单元移至集中处理单元，形成基带处理单元池，这样不仅可以保证硬件设备的维护，而且可以增强信号的处理能力。由于无线接入点的密集性，使得集中处理单元的处理复杂度增大，因此，如何降低数据检测的复杂度是急需解决的问题。鉴于接入点和用户终端的密集性和随机性，信道信息矩阵的维度会随着接入点和用户终端数目的增多而变大，集中处理单元需要处理的矩阵维度也相应变大，因此，通过接入点和用户终端的地域分布和信道增益情况对高维度的信道矩阵进行有规则的稀疏化，可以有效降低检测的复杂度。使用稀疏化后的信道矩阵，可以使用传统的最小均方误差(MMSE)、迫零(ZF)或者最大比值合并(MRC)检测来完成最终的数据恢复。

发明内容

为了上述问题，本发明提出了一种在超密集网络中用于降低上行链路数据检测复杂度的方法，主要是将高维度的矩阵求逆运算转换成低维度的矩阵求逆，由于矩阵求逆在硬件实现上比较困难，特别是对高维度矩阵的求逆，就目前的硬件约束来说，由于实现的复杂度，高维度的矩阵求逆基本上你那以实现。而本发明通过降低维度处理，使用维度较低的矩阵求逆来完成数据的检测，在实际的系统中也能够保证硬件的可实施性。包括网络区域的分簇方法、信道规则性稀疏、接入点标识和集中端的并行处理架构。

本发明的技术方案为：本发明所考虑的密集网络的拓扑结构如图1所示，可以看出，在该网络中，随机地分布着大量的用户和无线接入点，为了便于讨论，在本发明中对一些重要的参数进行如下的假定：所考虑的网络覆盖区域为边长r的正方形，其中随机分布N个单天线RRH和K个单天线移动终端，其中RRH接收用户的上行数据，然后将收到的数据通过回传链路传送到集中处理单元，集中处理单元使用本发明提出的检测算法对数据进行恢复。相关的收发信号处理流程如下：

一种用于超密集网络的低复杂度检测方法，其特征在于，包括以下步骤：

a.天线将接收到的数据y通过回传链路传送到集中处理单元：

假设在网络覆盖区域随机分布N个单天线和K个单天线移动终端，单天线接收用户的上行数据，则y可表示为：

y＝HP^1/2x+n (1)

公式(1)中，表示所有K个单天线移动终端的发送数据，表示上行传输的信道信息矩阵，其中H的第n行第k列的元素H_n,k表示第n个用户终端到第k个单天线的无线信道增益：其中γ_n,k表示小尺度衰落，表示与距离d_n,k有关的大尺度衰落，为对角矩阵(对功率进行控制)，n～CN(0,σ²I)为加性噪声。

每个RRH需要通过回传链路将所接收到的数据y传送到集中处理单元，以便进行数据的检测。

b.集中处理单元接收到回传的数据后，恢复出期望数据：

设置门限值d₀，将信道信息矩阵H分解为：和相对于H是互补矩阵，其中中元素的值要远比中元素的值小，和表示为：