[发明专利]一种适用于多种天线配置的大规模MIMO软检测方法

说明书

技术领域

本发明涉及无线通信技术领域，尤其涉及一种适用于多种天线配置的大规模MIMO软检测方法。

背景技术

新兴的大规模多输入多输出“Large Scale-Multiple-Input Multiple-Output”(LS-MIMO)又称“Massive MIMO”(M-MIMO)系统已经成为下一代移动通信中的关键技术和目前移动通信领域的热门话题。与传统单输入单输出系统相比。在MIMO系统，有多个干扰消息/符号在发射端发出，而在接收机处，这些受到随机噪声污染或干扰的符号则需要被检测/解码。这多个符号可以单独地或联合地检测。与独立检测不同，在联合检测中，每个符号在检测时必须考虑其他符号的特性。因此，联合检测通常能够实现比单独检测更好的性能，相应的联合检测计算复杂度更高。

MIMO系统中多个符号的联合检测是为了实现MIMO技术的多种益处。这是因为共信道干扰(CCI)是通信系统受限的最本质原因。不幸的是，最优MIMO检测问题被证明是非多项式时间复杂度的(NP-hard)，因此，所有已知的为解决此问题而构思的最优化算法其复杂度随着决策变量的数量呈指数增长。因此，最佳基于最大似然(ML)准则或基于最大后验(MAP)标准的最优MIMO检测算法因为其过高的计算复杂度而变得无法应用于大规模MIMO系统。然而随着半导体工业的发展，硬件计算能力多年来一直在急剧增加，在某些情况下“不那么极端”的计算复杂性不再被考虑作为实际应用的瓶颈。但是，应该注意的是，尽管晶体管越来越快，在现代金属氧化物半导体(CMOS)工艺中电源电压并不能显着降低。因此，几乎所有现代集成电路(IC)都会受限于最大集成密度，这个限制是由于过剩的功率消耗和功率密度导致的过高的芯片内部温度带来的。换句话说，这个问题，仍然限制了今天的IC开发。因此，人们不能简单地依靠摩尔定律，其结果是，即使适度复杂度MIMO检测算法仍然太耗电。因此，复杂度低但性能次最佳MIMO检测器是实际MIMO应用需要算法。

下面从系统模型开始,对LS-MIMO检测的关键问题和难点进行分析：图1显示的是一个典型的MIMO模型,其中,基站(B个天线)与用户(U个单天线用户)为例(B>U)。在上行传输中(用户到基站),由于基站具备强大的计算能力,可以利用导频序列估计出信道,因此上行链路的检测可以直接进行；在下行传输中(基站到用户),由于每个用户是独立的,而基站的信号是同时发给多个用户的,因此下行链路的检测需要基站端提前做预编码以消除用户间干扰,再由用户端做检测。本设计主要研究上行路,其传输模型可以表示为：y＝Hx+n(H为B*U的信道矩阵)那么我们要解出x就要两边乘均衡矩阵A,得到估计的发射信号:x’＝A*y＝A*Hx+A*n。为了得到精确的估计值，就需要A*H＝I.均衡矩阵A的选取有很多种，最简单的一种是取A为H的伪逆，这便是著名的破零均衡(ZF)；为了提高精确度，A还可以是满足最小均方误差准则(MMSE)的均衡矩阵。然而无论是破零准则还是最小均方误差准则，其均衡矩阵均需要计算矩阵的逆，对于LS-MIMO系统来说，虽然这一类线性算法已经是非常简单的了，但是仍然复杂度较高。因此就带来了几个难点：1、求逆的硬件设计，我们知道大矩阵的求逆对硬件成本要求极高，同时复杂的计算会造成吞吐量的严重下降，也就是说此处的成为MIMO效率的瓶颈所在。2、除了求逆部分的算法外，本身算式中涉及到了多处的矩阵乘法，这些大矩阵的乘法设计也制约了硬件的效率。

对于求逆的方案本来在数学上就是很多种，有精确求法，有通过迭代近似求法的。对其需要从检测效果，硬件成本以及吞吐率上进行研究对比，得出较优的方案。但是三个考虑的方向本身就是矛盾的，如果需要更好的精确度那么硬件上必然会吃点亏，所以说方案很多，但是找到矛盾的平衡点却成了问题的关键所在，如何通过合理的近似优化对一些经典理论构架进行改进从而达到更好的效果，也成了突破口。

同时，对于不同框架的判别还需要依赖一个重要的因素，就是信道。文献中提到比较多的都是高斯理想信道。但是在实际生活中，不可能保证信道的理想性，那么建立一个参数可控的非理想信道成为了本次研究的前提。在非理想信道下，检测模块的性能与硬件成本的多方考察更加有实际意义。

发明内容