[发明专利]一种massive MIMO检测器松弛因子的选取方法

说明书

本发明属于通信技术领域，涉及一种massive MIMO检测器松弛因子的选取方法。本发明根据滤波矩阵特征值的近似，在现有基于一定条件的最佳因子的基础上进行延伸，得到只跟收发天线数相关的松弛因子。提出的松弛因子计算简单。仿真结果表明基于本发明提出的松弛因子的SOR和SSOR方法相比基于现有的松弛因子的有很大的性能提升。基于本发明提出的SOR和SSOR方法的性能增益在N_B/N_U比值较小时更为显著，在高N_B/N_U比值时仍然明显。尤其在低N_B/N_U比值时，基于现有的松弛因子的SOR和SSOR方法无法收敛，但是基于本发明提出的松弛因子的方法在4次迭代后达到MMSE算法的性能。

技术领域

本发明属于通信技术领域，具体涉及一种massive MIMO检测器松弛因子的选取方法。

背景技术

作为5G通信中的一项关键技术，Massive MIMO技术有广阔的发展前景。但是该系统中的高维度信号检测是个棘手的问题。在大规模天线配置下，线性检测——迫零(ZF)检测和最小均方误差(MMSE)检测可以达到最优的性能。然而，当天线数量较大时，线性检测算法中涉及在实际中难以接受的矩阵求逆问题。因此出现了许多避免直接矩阵求逆的研究。具体地，近似方法如纽曼展开方法，迭代方法有Richardson,Jacobi,Gauss-Seidel等。超松驰(SOR)迭代方法在GS方法的基础上引进松弛因子可以看作是对GS方法的推广。但是最佳松弛因子的确定是困难的。

发明内容

本发明要解决的问题是massive MIMO系统上行链路中的信号检测方案——超松驰(SOR)和对称超松驰(SSOR)方法中恰当的松弛因子的确定问题。

本发明的技术方案是：

根据massive MIMO系统的信道特性推出MMSE检测方法中滤波矩阵的对角占优性及其特征值收敛于Marchenko-Pastur分布的特性，基于此，本发明在现有的基于一定条件的最优松弛因子方法的基础上进一步延伸，得到更优的松弛因子加速SOR及SSOR方法的收敛。具体进行以下步骤：

a.构建系统模型为：

y＝Hx+n

其中，H为信道矩阵，x为发送信号，为高斯白噪声，方差为σ²，信噪比SNR表示为N_UE_s/δ²，N_B为基站天线数，N_U为用户数；

MMSE信号检测模型为：

其中，b＝H^Hy代表y的匹配滤波器输出，为MMSE滤波矩阵，G＝H^HH表示Gram矩阵；

b.设定A是相容次序矩阵，且B_J＝I-D^-1A的特征值为实数同时谱半径ρ(B_J)<1，获得超松弛迭代方法最佳的松弛因子ω_{opt_S}为：

根据massive MIMO系统信道的特性将矩阵A的对角矩阵D表示为

设定矩阵A的最大和最小特征值为：

当N_B＞＞N_U时，矩阵A是对角占优性使矩阵A的特征值收敛于Marchenko-Pastur分布，A的特征值进一步表示为：