基于非理想信道下大规模MIMO线性迭代检测方法与流程

本发明涉及无线通信
技术领域：
，尤其涉及一种基于非理想信道下大规模MIMO线性迭代检测方法。
背景技术：
：无线通信技术的快速发展和智能手机的迅速普及，带来了人们对无线数据传输需求的爆炸性增长。为进一步提高数据传输速率，通过增加基站天线数目构建大规模MIMO(Multiple-InputMultiple-Output，多输入多输出)系统，是一种高效而相对便捷的方式。大规模MIMO系统能深度发掘空间维的自由度，使得基站能够利用同一时频资源服务于多个用户。2010年，贝尔实验室科学家ThomasL.Marzetta提出大规模MIMO的概念。大规模MIMO无线通信，在基站覆盖区域内配置数十根甚至数百根以上天线，较LTE中支持在基站最高配置8根天线数增加一个量级以上。而发送端或接收端配置的天线数越多，传输信道能够提供更高的自由度，在吞吐率和线路稳定上能实现更好的性能。因为多用户系统可以同时传输服务几个用户，而且在选择接待具体用户调度方面更加灵活，所以这个增益在多用户系统中更加可观。然而，天线规模的急剧扩大，使系统的复杂度大大增加。信号检测，作为通信系统中必不可少的一部分，也面临着在大规模MIMO系统下复杂度增加的问题。因此，找到一种在可靠度和复杂度之间折衷的检测方法是非常必要的。在近期的主流文献中，易于硬件实现的低复杂度的线性检测备受关注。其中以破零检测(zeroforcing)和最小均方误差检测(MMSE)最具代表性。然而在高维度的系统中，其面临着一个M维线性系统的求解(M为用户天线数)传统的矩阵求逆方法，如QR分解法、高斯消元法和Cholesky分解法等精确求逆方法，其复杂度在于O(M3)数量级。在规模MIMO系统中，当M变得较大时，其复杂度将会急剧增大，会耗费系统大量计算资源或增大延迟时间。这时，一种高效的基于大规模多输入多输出MIMO线性检测的矩阵求逆方法就变得非常重要了。另一方面，在大规模MIMO系统中，基站配置有大量天线，MIMO传输的空间分辨率显著提高，无线传输信道存在着新的特性，需要深入系统地探讨适用于大规模MIMO系统的信道模型。而用户端和基站端的相关性的引入又会破坏原有M维矩阵的一些优良性质，使原有的一些检测方法面临失效。技术实现要素：发明目的：本发明针对现有技术存在的问题，提供一种基于非理想信道下大规模MIMO线性迭代检测方法，主要采用了结合不完全Cholesky分解和共轭梯度(CG)算法的求解架构，经过不完全分解的预处理，待求矩阵的条件数减小，使其在迭代的收敛速度大大加快。因经过优化该算法只涉及加法运算和乘法运算，非常适合在硬件中的实现，大大降低了硬件复杂度。技术方案：本发明所述的基于非理想信道下大规模MIMO线性迭代检测方法包括：根据非理想信道的信道相应矩阵H构造MMSE检测矩阵A；根据检测矩阵A构造出阈值η；根据阈值η和检测矩阵A获得预处理矩阵M；采用预处理矩阵M对经接收端匹配滤波器输出的接收信号矩阵进行预处理共轭迭代检测，得到发射信号矩阵估计值进一步的，所述根据非理想信道的信道相应矩阵H构造MMSE检测矩阵A，具体包括：根据非理想信道的信道相应矩阵H按照以下公式构造出MMSE检测矩阵A：Α＝HHH+δ-1Ι式中，δ是发射端的平均信噪比，Ι是单位矩阵。进一步的，所述根据检测矩阵A构造出阈值η，具体包括：采用以下公式根据检测矩阵A构造出阈值η：η＝ε(1-K/N)Aii式中，ε为可调常数，K为用户端天线数，N为基站端天线数，Aii为检测矩阵A的第i个对角线元素。进一步的，所述根据阈值η和检测矩阵A获得预处理矩阵M，具体包括：将预处理矩阵M定义为M＝L-1L-T；其中，如果检测矩阵A中元素值小于阈值η,则下三角矩阵L中对应位置元素置0，若该元素大于阈值η,则三角矩阵L中第i行第j列元素为Aij为检测矩阵A的第i行第j列元素。进一步的，所述采用预处理矩阵M对经接收端匹配滤波器输出的接收信号矩阵进行预处理共轭迭代检测，具体包括：(a)进行初始化：s0＝0，p0＝z0，其中，L为M的下三角矩阵；(b)设置迭代次数j＝1；(c)按照以下公式计算：αj=(rj,rj)/(Apj,pj)sj+1=sj+αjpjrj+1=rj+αjApjzj+1=(LLT)-1rj+1βj=(rj+1,zj+1)/(rj,zj)pj+1=zj+1+βjpj]]>(d)将j＝j+1，并返回至(c)，直至迭代到预设次数m为止，则sm为发射信号矩阵估计值其中虽然zj+1＝(LLT)-1rj+1涉及到一个线性系统求解，但由于其可以写成三角系统的形式：qj+1为中间变量，因此此步计算复杂度仍然控制在O(N2)。有益效果：本发明与现有技术相比，其显著优点是：1、本发明通过预处理，减小了因为矩阵性质恶化而上升的条件数，可以较好的解决在矩阵规模扩大或者信道相关性增强的情况下，迭代算法的收敛速度减慢的缺陷；2、本发明在考虑到信道相关系数和天线数的基础上提出一种自适应阈值，来进行不完全分解预处理，由于采用的预处理方法，使得在每一步迭代中的求解线性方程的复杂度控制在O(N2)，是兼顾复杂度和可靠性的一种方法。附图说明图1是本发明的流程示意图；图2是本发明与传统共轭梯度算法在不同信噪比情况下的误码率曲线比较图；图3是本发明与传统共轭梯度算法在固定用户数不同基站天线数情况下的误码率曲线比较图；图4是本发明与传统共轭梯度算法和Cholskey分解精确求逆方法的复杂度对比图。具体实施方式在大规模MIMO系统中，一般有N＞＞K(基站天线数N远大于用户数K)。让s表示K×1阶的信号向量，s包含了从K个用户产生的传输符号。表示信道响应矩阵，故基站端的接收信号向量可以表示为y＝Hs+n其中n是一个N×1维的加性高斯白噪声向量，其元素服从基站的多用户信号检测任务就是从接收到的加噪声信号向量y估计传输信号符号s。H能通过时域或者频域导频获得。采用最小均方误差(MMSE)线性检测理论，对接收信号向量表示为(HHH+δ-1I)s=As=HHy=y‾]]>其中是接收向量y在接收端匹配滤波器的输出。可以看出，对发送信号向量的估计值可表示为：为了求解采用本实施例的迭代检测方法。如图1所示，本实施例的基于非理想信道下大规模MIMO线性迭代检测方法包括以下步骤：S1、根据非理想信道的信道相应矩阵H构造MMSE检测矩阵A。其中，MMSE检测矩阵A为：Α＝HHH+δ-1Ι，式中，δ是发射端的平均信噪比，Ι是单位矩阵。S2、根据检测矩阵A构造出阈值η。其中，η＝ε(1-K/N)Aii，式中，ε为可调常数，K为用户端天线数，N为基站端天线数，Aii为检测矩阵A的第i个对角线元素。S3、根据阈值η和检测矩阵A获得预处理矩阵M。具体的，该步骤具体包括：将预处理矩阵M定义为M＝L-1L-T；其中，如果检测矩阵A中元素值小于阈值η,则下三角矩阵L中对应位置元素置0，若该元素大于阈值η,则三角矩阵L中第i行第j列元素为Aij为检测矩阵A的第i行第j列元素。S4、采用预处理矩阵M对经接收端匹配滤波器输出的接收信号矩阵进行预处理共轭迭代检测，得到发射信号矩阵估计值具体的，该步骤包括；(a)进行初始化：s0＝0，p0＝z0，其中，L为M的下三角矩阵；(b)设置迭代次数j＝1；(c)按照以下公式计算：αj=(rj,rj)/(Apj,pj)sj+1=sj+αjpjrj+1=rj+αjApjzj+1=(LLT)-1rj+1βj=(rj+1,zj+1)/(rj,zj)pj+1=zj+1+βjpj]]>(d)将j＝j+1，并返回至(c)，直至迭代到预设次数m为止，则sm为发射信号矩阵估计值此方法通过预处理，减小了因为矩阵性质恶化而上升的条件数，见图3，可以较好的解决在矩阵规模扩大或者信道相关性增强的情况下，迭代算法的收敛速度减慢的缺陷，见图2。另外，本方法在考虑到信道相关系数和天线数的基础上提出一种自适应阈值，来进行不完全分解预处理，由于采用的预处理方法，使得在每一步迭代中的求解线性方程的复杂度控制在O(N2)。表1列出了其每一步的算法复杂度，其复杂度由于阈值的设置和置0处理，使得每一步有S个元素不参与实际运算，因此算法复杂度并未有显著提高，见图4。表1当前第1页1 2 3