一种基于大规模mimo系统的满分集vblast快速译码方法
【技术领域】
[0001] 本发明设及无线通信技术领域，具体设及一种基于大规模ΜΙΜΟ系统的满分集 VBLAST快速译码方法。
【背景技术】
[0002] 作为下一代移动通信核屯、技术的多输入多输出（ΜΙΜΟ, multiple-input multiple-output)技术，其核屯、思想是在收发端分别利用多个天线进行信号的发射和接 收，W改善通信质量和提高系统信道容量。随着无线通信技术的高速发展，对数据速率、月良 务质量和用户数的需求成倍增加，传统小规模ΜΙΜΟ系统已不能满足要求，驱动无线通信朝 大规模ΜΙΜΟ方向发展。
[0003] 在此系统中，基站装备大量天线(大于100)为更多的移动用户服务，W获得更高的 频谱效率、数据传输速率和吞吐量W及更好的通信质量。当天线数很大时，复杂度是必须考 虑的一个重要因素，因此很多学者对大规模ΜΙΜΟ系统低复杂度检测算法展开了研究。反作 用禁忌捜索(RTS，reactive tabusearch)算法，该算法对BPSK或QPSK调制而言可W获得很 好的误码率性能，但对高阶QAM调制而言系统误码率性能显著降低，因此有相关文献针对该 问题提出了分层禁忌捜索化TSJayered tabu search)算法，该算法对高阶QAM调制可W获 得较好的误码率性能，但该种算法在星座图维数较大情况下复杂度却较高。针对运种情况， 有学者提出了格子减小算法化R，lattice reduction)，该算法的瞬时复杂度与星座图大小 和噪声实现无关，而且易于硬件实现，在少量增加系统复杂度的同时能有效改善系统误码 率性能。但LR算法是通过提高信道矩阵的正交性来获得误码率性能的改善，而信道矩阵的 正交性与系统误码率性能并不直接相关。针对该问题，有相关文献中提出了基于元素的格 子减小算法化LR，element-based lattice reduction)，该算法的基本思想是通过把与系 统误码率性能直接相关的噪声协方差矩阵对角线元素减小来获得系统性能的改善。但运些 算法复杂度依然较高或者系统误码率性能损失较大。最传统的低复杂度检测算法是ZF和 匪SE算法。相关文献研究了高数据速率下采用ZF或MMSE算法对接收信号进行检测。文献中 针对ΜΙΜΟ系统中高SNR情况下采用ZF和MMSE均衡器的性能进行了深入研究。相关文献中针 对非二进制LDPC码的大规模ΜΙΜΟ系统，接收端采用MMSE对接收信号进行检测。还有文献中 针对具有平坦瑞利衰落信道的宏分集ΜΙΜΟ系统，在接收端采用ZF和MMSE接收机对接收信号 进行检测。由于ZF和MMSE算法需要对大维矩阵求逆，其复杂度较高，因此还有相关文献提出 了基于置信传播的信号检测算法，该种算法不需要计算大维矩阵的逆，而且该算法的系统 误比特率性能与MMSE算法接近。
[0004] 有些学者把大规模ΜΙΜΟ技术与空时编码技术进行结合。相关文献中针对大规模 ΜΙΜΟ系统设计了高码率非正交空时分组码，然后提出了一种基于多级似然上升捜索（1- LAS，multis1:age Ukelihood ascent search)的低复杂度译码算法，文中采用ΜΜ沈算法对 信道状态信息进行估计。在此基础上，有文献针对大规模ΜΙΜΟ空时编码系统，提出了一种基 于粒子群优化算法(CPS0,particle swarm optimization)的低复杂度信道估计算法，该算 法复杂度仅与发射天线和接收天线数呈线性关系，接收端采用基于因子图的置信传播(BP， belief propagation)算法对接收信号进行译码。与传统垂直检测算法如ZF算法和匪SE算 法不同，有的文献中针对平行VBLAST，提出了性能更好的平行检测算法。由于ZF算法需要对 大维矩阵求逆，为了避免矩阵求逆W降低复杂度，相关文献针对VBLAST研究了最大比值合 并(MRC，maximum ratio combining)算法，并研究了该种算法与ZF算法SINR性能相同应满 足的条件。
[0005] 然而，在大规模ΜΙΜΟ系统中，由于基站接收天线数很多，最大似然译码算法由于其 复杂度与天线数呈指数关系，因此接收端不宜采用最大似然译码算法来对接收信号译码。 传统的线性译码算法如迫零算法，当天线数很多时该算法需要对高维矩阵进行求逆运算， 复杂度依然很高。
【发明内容】
[0006] 本发明的目的是针对现有技术中的不足，提供一种不但能够降低系统计算复杂 度，而且能够保证系统误比特率性能的基于大规模ΜΙΜΟ系统的满分集VBLAST快速译码方 法。
[0007] 为实现上述目的，本发明公开了如下技术方案：
[000引一种基于大规模ΜΙΜΟ系统的满分集VBLAST快速译码方法，在移动通信领域大规模 ΜΙΜΟ系统中上行链路中发射端天线码字矩阵X的第i列信号XI，基站接收信号后，采用MRC算 法来对信号向量XI的第m个信号进行译码，具体包括如下步骤：
[0009] S1.根据算法要求进行信道建模:假设矩阵Η是基站接收天线与发射端发射天线之 间的信道矩阵，则矩阵Η维数为Nr X Nt，矩阵中元素 hnm表示第m个发射天线到第η个接收天线 之间的信道增益系数，均方值为E[|h?|2]=Pm，
[0010] 其中，Nt表示发射端用于向基站发射信号的发射天线数，Nr表示基站接收天线数，1 <m<Nt，l <n<Nr，
[0011]发射信号用矩阵X表示，维数为NtXT，其中Τ为发射时隙数，矩阵中元素 Xni满足E[ Xni鬥=Es = 1，发射矩阵X的第i列用向量X康示，
[0012]接收信号矩阵用Y表示，维数为NrXT，第巧U用向量y康示，贝赔收信号为
[0013] Y = HX+N
[0014] 式中1 y ^，N表示基站接收天线与发射端发射天线之间的噪声矩阵，维数为Nr XT,矩阵中元素 nni满足独立同分布复高斯分布，其均值为0,方差为σ2,因此噪声功率为E[ nni 鬥=。2，
[0015] 接收信号矩阵的第i列用向量表示为
[0016] yi = Hxi+ni = VP^/\i+rii
[0017] 式中P是对角线元素分别为pl，…，i?的NtXNt维对角矩阵，矩阵V中元素是均值为 0、方差为1的独立同分布高斯随机变量，维数为Nr X Nt;
[001引 S2.构建码率为1的满分集VBLAST码：
[0019]
[0020] 式中δ是模等于1的复数，但δ辛1。有Nt = T，得到X矩阵为满分集矩阵；
[0021 ] S3.采用MRC算法对接收信号进行快速译码:对
[0022]
[0023] 式中的接收信号yi左乘扔相乘之后等式左边的值HHyi为MRC方法检测出的码字， 将检测出的码字看作算法检测结果，进行译码；
[0024] 式中，rH表示信道矩阵Η的化rmitian变换。
[00剧进一步的，所述步骤S1中：
[00%]当m > i > 1时，此时发射端第m个发射天线发射的信号为Xm-1+i，针对第η个接收天 线，采用MRC算法对信号Xm-1+i进行译码，此时其他Nt-1个信号就作为干扰信号，则接收端的 平均信号功率与干扰噪声功率之比SINR为
[0027]
[00%] 式中，向量Vm是矩阵V的第m列向量；
[0029] 元素 Pm是对角矩阵P的第m个对角元素；
[0030] Nt表示发射端用于向基站发射信号的发射天线数；
[0031] Nr表示基站接收天线数；
[0032] 噪声功率为E[ |nni|2]=〇2;
[0033] δ是模等于1的复数，但δ辛1;
[0034] 当1 <m< i-1时，此时发射端第m个发射天线发射的信号为针对第η个接 收天线，采用MRC算法对信号进行译码，此时接收端SINR为
[0035]
[0036] 当i = l时，此时发射端第m个发射天线发射的信号为xm，针对第η个接收天线，采用 MRC算法对信号xm进行译码，此时接收端SINR为
[0037]
[0038] 本发明公开的一种基于大规模ΜΙΜΟ系统的满分集VBLAST快速译码方法，与ZF算法 相比，在大规模ΜΙΜΟ系统中，采用MRC算法对接收信号进行检测，不但能够降低系统的计算 复杂度，而且能够保证系统的误比特率性能，使得系统误比特率性能接近甚至超过ZF算法。
【附图说明】
[0039] 图1是Nt = 4和Nr = 40，BPSK调制方式，MRC算法与ZF算法的误比特率性能对比；
[0040] 图2是Nt = 4和Nr = 40，QPSK调制方式，MRC算法与ZF算法的误比特率性能对比；
[0041 ] 图3是Nt=10和Nr=100，BPSK调制方式，MRC算法与ZF算法的误比特率性能对比；
[0042] 图4是Nt=10和Nr=100，QPSK调制方式，MRC算法与ZF算法的误比特率性能对比；
[0043] 图5是Nt = 40和Nr = 400，BPSK调制方式，MRC算法与ZF算法的误比特率性能对比；
[0044] 图6是Nt = 40和Nr = 400，QPSK调制方式，MRC算法与ZF算法的误比特率性能对比；
[0045] 图7是系统模型图；
[0046] 图8是方法实现流程图；
【具体实施方式】
[0047] 下面结合实施例并参照附图对本发明作进一步描述。
[004引一种基于大规模ΜΙΜΟ系统的满分集VBLAST快速译码方法，在移动通信领域大规模 ΜΙΜΟ系统上行链路中发射端天线发射码字矩阵X的第i列信号XI，基站接收信号后，采用MRC 算法来对信号向量XI的第m个信号进行译码，具体包括如下步骤：