[发明专利]一种用于大规模MIMO系统信号检测的通用下降搜索方法

说明书

本发明公开了一种用于大规模MIMO系统信号检测的通用下降搜索方法，包括以下步骤：S1：根据非理想信道下的参数情况构建检测大规模MIMO系统发射信号的线性不等式二次优化模型，并构造检测矩阵A；S2：根据步骤S1构建的模型对下降搜索算法增加映射操作；S3：根据SSOR预处理算法计算下三角矩阵L；S4：根据矩阵L，采用含映射操作的下降搜索算法对接收端匹配滤波器输出的接收信号矩阵进行检测，得到发射信号估计值。本发明与现有迭代检测方法相比适用于更加多变的信道模型和不断扩大的系统规模，在恶劣条件下仍能保持低信噪比下的低误码率，更加满足下一代移动通信对于检测技术的要求。

技术领域

本发明涉及无线通信技术，特别是涉及一种用于大规模MIMO系统信号检测的通用下降搜索方法。

背景技术

随着信息产业的发展，无线数据、设备数量和数据速率将会在未来一段时间内持续爆炸式增长。基于这些事实，国际电信联盟(ITU)IMT-2020(5G)推进组确定了下一代移动通信的一些指标，包括百倍的能量效率、五倍的频谱效率、每平方公里10⁶个连接数密度和用户体验数据速率约1Gbps等。

为了满足这些性能和效率要求，现有技术提出了未来移动通信的5项关键技术。其中，大规模多输入多输出(MIMO)系统引起了研究人员和工程师们的广泛关注。在大规模MIMO系统中，基站使用数百个天线在同一频带上服务各种用户。与传统的小规模MIMO相比，大规模MIMO可以通过提供更稳定的链路连接、更高的频谱效率和更有效的能量利用来继承所有的优点并大大超越。因此，它被认为是数字社会的基础和推动物联网(IoT)的动力。

然而，大规模MIMO的问题之一在于检测的复杂性。信号检测的主要目的是从接收到的符号中恢复原始信号。然而，不幸的是，最优检测方法被证明是非多项式时间复杂度(NP-hard)的问题。虽然随着半导体工业的发展，硬件计算能力近年来一直增加，在一些不太极端的情况下，计算复杂性不再是应用的瓶颈，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，几乎所有的集成电路(IC)都受限于最大集成密度。换言之，基于最大似然(ML)准则或最大后验概率(MAP)准则的最优算法对于大规模MIMO系统将是无法实际使用的。即使是复杂度适中的检测方法也消耗了太多的功率。这样一来，低复杂度的次优检测器对于实际应用必不可少的。

针对实现中存在的问题，文献提出了多种检测方法，大体上可分为线性检测算法和非线性检测算法两类。与非线性方法相比，诸如迫零(ZF)和最小均方误差(MMSE)的线性方案具有较低的复杂度，且在接收端天线数目较大时可以得到近似于最优的结果。然而，上述两种算法都需要精确的矩阵求逆操作，并且求逆方法，如QR分解和乔里斯基分解将达到O(U³)的复杂度，其中U为单天线用户数。

为了避免线性检测器主要复杂度的来源——精确求逆，一些无需求逆的方法被提了出来。近似方法如诺伊曼级数展开(NSE)通过级数项代替矩阵求逆。然而，当NSE的项数大于2时，其复杂度将恢复到O(U³)。另一种可选择的方案是迭代方法，包括下降搜索(DescentSearch，DS)法。这种方法沿目标函数的下降方向搜索和迭代，最陡下降(SteepestDescent，SD)法,Barzilai-Borwein(BB法，共轭梯度(Conjugate Gradient,CG)等都属于这一类。由于这些DS方法只涉及典型的操作，所以它们具有硬件友好特性。此外，现有技术还提出了基于CG算法的用于大规模MIMO检测的可重构VLSI架构，对SD算法进行设计以减小检测的复杂度。然而，还存在以下问题待解决：

1、DS算法的BER性能随着发射天线配置数量的增加而急剧下降，因此，要关注在大规模系统中提高其性能的办法；

2、不同于大多数文献讨论的理想信道，在更接近于实际的相关信道中应用时，

DS算法甚至无法保证收敛性。因此，如何维持其在理想信道中的优越性值得研究。