基于gs方法的大规模mimo检测方法及硬件架构的制作方法
【专利摘要】本发明公开了一种基于GS方法的大规模MIMO检测方法及硬件架构，信道矩阵和接收信号向量经过预处理模块后分别进入Neumann级数展开模块和GS方法模块；其中，预处理模块进行Gram矩阵计算、MMSE滤波矩阵计算和匹配滤波；Neumann级数展开模块取MMSE滤波矩阵进行2项近似求逆并与匹配滤波输出相乘得到GS迭代方法初始解；GS方法模块取MMSE滤波矩阵和匹配滤波输出分别作为系数矩阵和常数向量进行GS迭代求解线性方程组，每次迭代输出存入寄存器中，即为信号检测结果。本发明算法复杂度较低，所需迭代次数较少，硬件消耗较少，同时大大提高吞吐率。
【专利说明】
基于GS方法的大规模MI MO检测方法及硬件架构
技术领域
[0001] 本发明属于计算机通信领域，涉及一种大规模MMO系统上行链路信号检测方法及 硬件架构。
【背景技术】
[0002] 大规模MIMO(Large_scale Multiple-Input Multiple-Output或Massive ΜΙΜΟ) 系统最早由美国贝尔实验室Thomas L.Marzetta等研究人员提出。研究发现，当小区的基站 天线数目趋于无穷时，加性高斯白噪声和瑞利衰落等负面影响全都可以忽略不计，数据传 输速率能得到极大提高。在大规模MIMO系统中，基站配置大量的天线，天线数目通常有几 十、几百甚至几千根，是现有MMO系统天线数目的1~2个数量级以上，而基站所服务的用户 设备(User EqUipment，UE)数目远少于基站天线数目；基站利用同一个时频资源同时服务 若干个UE，充分发掘系统的空间自由度。
[0003] 虽然大规模MMO有着优越的性能，但是天线量级的巨大增幅带来了计算复杂度的 指数上升。目前已有多篇文章提出了大规模MIMO上行链路信号检测的算法及架构，其主要 的计算复杂度在于一个K XK阶矩阵的求逆，其中K为用户数。精确的矩阵求逆方法，如 ChoIesky分解法复杂度为0(K3)。那么当K的数量极大时，这样的求逆方案带来了巨大的计 算复杂度和硬件消耗。
[0004] 近几年，Linglong Dai等研究人员提出了基于Gauss-Seidel(GS)方法的软输出检 测算法，该算法主要采用GS迭代方法求解线性方程组，从而避免了复杂度较高的矩阵精确 求逆，所需的计算量为（i+l)K 2+4K，其中i为迭代次数。但他们的的方法收敛速度不够快，并 且没有给出基于GS方法的检测算法的具体硬件架构。
【发明内容】
[0005] 发明目的:针对现有技术中的不足，本发明提出一种复杂度低、高效率大规模MIMO 线性检测方法及硬件架构。
[0006] 技术方案:本发明提出一种基于GS方法的大规模MMO线性检测方法，包括以下步 骤：
[0007] 步骤1:将信道矩阵H和接收信号y经过预处理模块，得到匹配滤波器输出yMF = HHy 和MMSE滤波矩阵W=G+NJK，其中Gram矩阵G = HhH，N。为噪声方差，Ik为单位阵，（.）H为共辄转 置操作，注意W=D+L+L H，其中D为对角阵，L为下三角阵；
[0008] 步骤2:将矩阵D和Lh输入Neumann级数展开单元，得到矩阵W的2项近似逆矩阵 W2_i二ITi - U-其中E为W中的非对角阵，以及用于GS迭代的初始解sQ = Wfy%
[0009] 步骤3:将yMF，D，LH和St3输入GS方法模块，进行迭代求解，第i次迭代输出为S 1 = CD+ Lr1 (严-ΙΛΤ1)，i = 1，2，…，即为待检测信号的估计结果。
[0010] 进一步，所述步骤3中的迭代次数i为1~4次。
[0011] 本发明还提出一种基于GS方法的大规模MMO线性检测的硬件架构，包括预处理模 块、Neumann级数展开模块和GS方法模块;其中，所述预处理模块用于计算Gram矩阵和匹配 滤波，包括由脉动阵列构成的匹配滤波器阵列、Gram矩阵计算阵列；所述Neumann级数展开 模块用于取MMSE滤波矩阵进行2项近似求逆并与匹配滤波输出相乘得到GS迭代方法初始 解，包括一个基于查找表(LUT)的倒数单元、一个向量加法阵列以及三种不同的乘法器阵列 mull，mU12，mul3;所述GS方法单元用于取MMSE滤波矩阵和匹配滤波输出分别作为系数矩阵 和常数向量进行GS迭代求解线性方程组，并将每次迭代输出存入寄存器中，即为信号检测 结果，包括一个求解三角阵逆矩阵的脉动阵列inv，两个矩阵-向量乘法阵列、一个向量加法 阵列以及一组寄存器，最终经过检测的信号将写入寄存器中，便于进行下一步的译码等操 作。
[0012]进一步，所述乘法器阵列mull包含2K个乘法器，其中K为用户数。
[0013] 进一步，所述乘法器阵列mul2包含4K个乘法器、2K个加法器。
[0014] 进一步，所述脉动乘法器阵列mul3包含2K个寄存器、4K个乘法器和4K个加法器。 [0015] 进一步，所述用于求解三角阵逆矩阵的脉动阵列inv使用2种处理单元(PE)，包含 6K个寄存器、4K个乘法器和4K个加法器，以及1个倒数单元。
[0016] 本发明考虑到大规模MMO系统上行链路MMSE检测中滤波矩阵W为Hermitian正定 阵，采用GS迭代方法求解线性方程组作为整体检测算法基础，有效避免了复杂度高的矩阵 求逆过程，非常适合在硬件中的实现，大大降低了硬件复杂度，具体的，算法所需的复数乘 法次数为（i+3)K 2，i通常较小，因此算法复杂度为0(K2)。另一方面，由于初始解对迭代方法 的收敛速度有着明显的影响，本发明采用Neumann级数近似逆矩阵与匹配滤波器输出相乘 得到近似于精确解的初始解，从而显著提高迭代方法收敛速度。
[0017] 有益效果:与现有技术相比，本发明重点考虑了计算复杂度和算法性能，而且本发 明的硬件复杂度较低；同时，迭代计算可以得到任意精度的准确度，迭代次数的改变灵活， 为性能需求不同的场合提供了更好的灵活性，且此时精确度的调整只与迭代次数有关，即 只与吞吐量大小有一定关系，并不影响硬件构架。本发明还大大提高了吞吐率。
【附图说明】
[0018] 图1为本发明的基于GS方法的大规模MBTO检测算法的硬件架构示意图；
[0019]图2为本发明的Neumann级数展开单元向量级的结构示意图；
[0020] 图3为本发明的用于求解三角阵逆矩阵的脉动阵列inv结构示意图；
[0021] 图4为发射天线数为8,接收天线数为128时，本发明信号检测算法和其他检测算法 的误码率曲线对比图；
[0022] 图5为发射天线数为16,接收天线数为128时，本发明信号检测算法和其他检测算 法的误码率曲线对比图；
[0023] 图6为采用本发明初始解的GS迭代方法和其他初始解的GS迭代方法来检测信号的 误码率曲线对比图。
【具体实施方式】
[0024] 下面结合具体实施案例，进一步阐明本发明，应理解这些实施例仅用于说明本发 明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等 价形式的修改均落于本申请所附权利要求所限定的范围。
[0025] 本实施例中建立一个大规模MMO信道模型进行模拟操作。在大规模MMO系统中， 一般有N?K(基站天线数N远大于发射天线数，即用户数K)。首先K个不同用户产生的并行传 输比特流分别通过信道编码进行编码，然后映射到星座符号，并采取星座图集合能量归一 化。设 8=[81，82,83，一，81^表示信号向量， 8中包含了分别从1(个用户产生的传输符号，采用 16-QAM方式映射。H表示维度是NXK信道矩阵，故上行链路基站端的接收信号向量y可以表 示为：
[0026] y = Hs+n
[0027] 其中，y的维度为NX I，n为NX 1维的加性白噪声向量，其元素服从零均值方差为N。 的高斯分布。上行链路多用户信号检测任务就是从接收机接收向量 计传输信号符号S。
[0028] 假设H已知，其元素服从均值为0方差为1的独立同分布，采用最小均方误差(MMSE) 线性检测理论，对传输信号向量的估计表示为：
[0029] s = (Hh:H +.??)-1H1V = W 一繼'
[0030] 其中，矩阵W为Hermi t ian正定，且W = D+L+LH，其中D，L和Lh分别为W的对角线、下三 角和上三角分量。
[0031] 根据GS方法求解线性方程组：
[0032] Ws = yw
[0033] 第i次迭代所得的检测结果为：
[0034] si=(D+L)-1Li = I，2，···，
[0035] 显然迭代的初始解St3对最终的收敛速率有较大影响，为了使初始解足够接近精确 解但同时不提高算法复杂度，我们采用2项的Neumann级数近似W的逆矩阵，从而得到所提出 的初始解：
[0036] s0=w2-Vmf
[0037] 其中，Wf1 = D-1 - D-1ED-1,E为W中的非对角分量。
[0038] 对于天线配置为128 X 8和128 X 16的大规模MMO系统，采用3/4速率Turbo码以及 16-QAM映射，所述基于GS方法的大规模M頂0检测算法的仿真结果见图4、图5和图6。图4为发 射天线数为8,接收天线数为128时，本发明信号检测算法和其他检测算法的误码率曲线对 比图，从图中的结果可以看出，本发明信号检测算法(标记为GS)在迭代次数为1时的性能已 经优于传统Neumann级数近似求逆算法(标记为Neumann)在展开项数为3(对应于迭代次数 为3)时的性能;本发明信号检测算法在迭代次数为2时的性能非常接近基于Cholesky分解 的精确求逆算法(标记为MMSE)，显示了GS算法在迭代速度方面的优越性。同样地，图5为发 射天线数为16,接收天线数为128时，本发明信号检测算法和其他检测算法的误码率曲线对 比图，可以观察到此时GS算法在迭代次数为1时的性能和Neumann算法在迭代次数为4时的 性能相近，但在信噪比大于IldB时收敛不明显;但GS算法在迭代次数为2时的性能非常接近 于精确的Cholesky算法。图6为采用本发明初始解的GS迭代方法和其他初始解的GS迭代方 法来检测信号的误码率曲线对比图，可以看出，在不计算初始解的情况下（即S t3为0)，传统 的GS算法在迭代次数比较小（如1和2)时，检测效果非常不理想；在由Linglong Dai等人提 出的GS算法中，迭代的初始解被设置为St3 = T1y,此时检测效果获得一定提升;而采用本发 明初始解的GS迭代方法在迭代次数为1时的性能相当于初始解为O的GS方法在迭代次数为2 时的性能，且本发明初始解的GS迭代方法在相同的迭代次数的情况下的检测效果总是优于 上述Linglong Dai等人提出的GS算法，这体现了本发明检测算法在收敛速度方面优于目前 已有的GS方法。
[0039]硬件架构方面，本实施例中采用的基于GS方法的大规模MMO检测的硬件架构示意 图见图1，其中包括预处理模块、Neumann级数展开模块(图2)和GS方法模块。
[0040] 具体来说，在预处理模块中，包含：
[0041] 1)匹配滤波器模块：由K个复数乘法累加器(MAC)组成的脉动阵列，用于计算yMF = HHy ；
[0042] 2)Gram矩阵计算模块：由（1+Κ)Κ/2个MAC组成的下三角脉动阵列，用于计算G = HhH。
[0043] 在Neumann级数展开模块中，包含：
[0044] 1)乘法器阵列mull:包含2K个乘法器；
[0045] 2)乘法器阵列mul2:包含4K个乘法器、2K个加法器，联合mull用于计算-D-1ED 一 S
[0046] 3)乘法器阵列mul3:包含2K个寄存器、4K个乘法器和4K个加法器，用于计算 S0 = W2-1Ymf.
[0047]在GS方法模块中，包含：
[0048] 1)矩阵-向量乘法阵列：由K个MAC组成的脉动阵列；
[0049] 2)求解三角阵逆矩阵的脉动阵列inv:结构图见图3,使用2种PE，包含6K个寄存器、 4K个乘法器和4K个加法器，以及1个倒数单元，用于计算下三角阵(D+L)的逆矩阵。
【主权项】
1. 一种基于GS方法的大规模MIMO线性检测方法，其特征在于，包括如下步骤： 步骤1:将信道矩阵H和接收信号y经过预处理模块，得到匹配滤波器输出/P = HHy和 MMSE滤波矩阵W = G+NdIk，其中Gram矩阵G = hHh，N。为噪声方差，Ik为单位阵，（.）哨共辆转置 操作，注意W=D+L+lH，其中D为对角阵，L为下S角阵； 步骤2:将矩阵D和LH输入Neumann级数展开单元，得到矩阵W的2项近似逆矩阵其中E为W中的非对角阵，W及用于GS迭代的初始縮步骤3:将/^，0，1^呵日3*^输入65方法模块，进行迭代求解，第1次迭代输出为31=(0+1^厂1 (严-lV-1)，i = 1，2，…，即为待检测信号的估计结果。2. 根据权利要求1所述的基于GS方法的大规模MIMO线性检测方法，其特征在于，所述步 骤3中的迭代次数i为1~4次。3. -种基于GS方法的大规模MIMO线性检测的硬件架构，其特征在于:包括预处理模块、 化皿ann级数展开模块和GS方法模块； 其中，所述预处理模块用于计算Gram矩阵和匹配滤波，包括由脉动阵列构成的匹配滤 波器阵列、Gram矩阵计算阵列； 所述化umann级数展开模块用于取MMSE滤波矩阵进行2项近似求逆并与匹配滤波输出 相乘得到GS迭代方法初始解，包括一个基于查找表(LUT)的倒数单元、一个向量加法阵列W 及S种不同的乘法器阵列mull ,mul2,mul3; 所述GS方法单元用于取MMSE滤波矩阵和匹配滤波输出分别作为系数矩阵和常数向量 进行GS迭代求解线性方程组，并将每次迭代输出存入寄存器中，即为信号检测结果，包括一 个求解=角阵逆矩阵的脉动阵列inv，两个矩阵-向量乘法阵列、一个向量加法阵列W及一 组寄存器，最终经过检测的信号将写入寄存器中，便于进行下一步的译码等操作。4. 根据权利要求3所述的基于GS方法的大规模MIMO线性检测的硬件架构，其特征在于： 所述乘法器阵列mull包含2K个乘法器，其中K为用户数。5. 根据权利要求3所述的基于GS方法的大规模MIMO线性检测的硬件架构，其特征在于： 所述乘法器阵列mul2包含4K个乘法器、2K个加法器，其中K为用户数。6. 根据权利要求3所述的基于GS方法的大规模MIMO线性检测的硬件架构，其特征在于： 所述脉动乘法器阵列mul3包含2K个寄存器、4K个乘法器和4K个加法器，其中K为用户数。7. 根据权利要求3所述的基于GS方法的大规模MIMO线性检测的硬件架构，其特征在于： 所述用于求解S角阵逆矩阵的脉动阵列inv使用巧巾处理单元(PE)，包含6K个寄存器、4K个 乘法器和4K个加法器，W及1个倒数单元，其中K为用户数。
【文档编号】H04L1/00GK105915477SQ201610243953
【公开日】2016年8月31日
【申请日】2016年4月19日
【发明人】张川, 吴至榛, 尤肖虎
【申请人】东南大学