一种大规模mimo检测方法及检测装置的制造方法
【技术领域】
[0001 ]本发明涉及无线通信技术领域，尤其涉及一种大规模ΜΙΜΟ (Mul tipi e-Input Multiple-Output，多输入多输出）检测方法及检测装置。
【背景技术】
[0002] 随着无线通信技术飞速发展，移动通信已成为当今通信领域内发展潜力最大、市 场前景最广的热点技术。移动通信经历了第一代模拟通信（1G)，第二代蜂窝数字通信(2G)， 第三代CDMA宽带通信(3G)的发展历程，目前已进入了第四代移动通信(4G)产业化的应用阶 段。移动通信正朝着高速率，高容量，高频谱效率和低功耗的方向发展，不断满足人们日益 增长的数据和视频需求。据主要运营商和权威咨询机构预测:移动宽带业务流量将在未来 10年增长1000倍。现有4G技术在传输速率和资源利用率等方面仍然无法满足未来的需求， 其无线覆盖和用户体验也有待进一步提高。世界各国在推动4G产业化工作的同时，第五代 移动通信技术(5G)已经成为了国内外无线通信领域的研究热点。
[0003] 相比单天线系统，多天线系统(ΜΙΜΟ)通过在同一频带上并行地发送多路数据，大 大提高了系统容量和数据速率。ΜΠΚ)以其更高的频谱效率和连接可靠性，在研究和工业领 域备受关注。近年来，结合空分复用的MMO技术已成为3GPP LTE-Advanced和IEEE 802.11η 的最新标准。随着未来移动通信需求的不断增长，系统需要的天线规模也越来越大，进而导 致了大规模ΜΜ0的诞生。基于大规模ΜΜ0的无线传输技术使得频谱效率和功率效率在4G的 基础上再提升一个量级，将成为下一代移动通信的关键技术。对于理想的检测方法如ML，其 计算复杂度随着发射天线数的增加呈指数增加。然而，在大规模ΜΙΜΟ场景下，这样的检测方 法运算复杂度极高，是硬件所无法实现的。
[0004] 关于ΜΙΜ0检测的相关文献中，有大量针对低复杂度检测算法的相关研究。基于 Neumann近似的最小均方误差(丽SE)检测，大大降低了检测的运算复杂度。然而，近似的误 差与天线数的配置有关，从而限制了其应用范围。基于置信传播(BP)的迭代检测算法虽然 避免了矩阵求逆，但在硬件实现上仍然需要大量的算术运算。此外，这些确定性的检测算法 容错能力较差。因此，在保证近似理想的检测性能前提下，设计一种便于硬件实现的高效大 规模Μ頂0检测方法显得尤为重要。
【发明内容】
[0005] 本发明所要解决的技术问题在于克服现有技术不足，提供一种大规模ΜΙΜ0检测方 法及检测装置，将实数域ΒΡ算法与随机计算相结合，在保证与确定性检测相同的检测性能 下，其硬件消耗及系统延时仅随发送或接收天线数的增加呈线性增加，从而能够很好地适 应大规模Μ頂0的场景。
[0006] 本发明具体采用以下技术方案解决上述技术问题：
[0007] 一种大规模ΜΜ0检测方法，利用实数域下的基于置信度传播ΒΡ迭代算法进行ΜΜ0 信号的检测;在ΒΡ迭代开始前，先对所有确定性变量进行归一量化处理，使其位于[-1，1 ]的 范围内，然后将各归一量化后的确定性变量用带符号的随机比特流表示;在BP迭代过程中， 通过随机计算完成消息的更新和传递;在BP迭代完成后，将迭代输出的随机比特流转换为 确定性变量，作为输出软信息。
[0008] 优选地，所述带符号的随机比特流的长度为212。
[0009] 进一步地，在BP迭代过程中，定时对随机比特流进行重新随机化处理。
[0010] 优选地，利用一个伪随机数生成器和一个比较器所构成的随机数生成器，将确定 性数值转换为随机比特流;利用一个可控的加减计数器和一组移位寄存器所构成的随机到 确定转换器，将随机比特流转换为确定性数值;利用一个X0R门和一个AND门所构成的随机 实数加法器实现随机比特流的加运算;利用一组乂勵1?、乂01?、01?)冊门以及二选一数据选择 器所构成的随机实数乘法器实现随机比特流的乘运算。
[0011] 根据相同的发明思路还可以得到以下技术方案：
[0012] 一种大规模ΜΜ0检测装置，利用实数域下的基于置信度传播BP迭代算法进行ΜΜ0 信号的检测;该装置包括：
[0013]归一量化单元，用于在BP迭代开始前，先对所有确定性变量进行归一量化处理，使 其位于[_1，1]的范围内；
[0014] 随机数生成单元，用于将各归一量化后的确定性变量用带符号的随机比特流表 示；
[0015] 随机计算单元，用于在BP迭代过程中，通过随机计算完成消息的更新和传递；
[0016] 随机到确定转换单元，用于在BP迭代完成后，将迭代输出的随机比特流转换为确 定性变量，作为输出软信息。
[0017]优选地，所述带符号的随机比特流的长度为212。
[0018] 进一步地，所述大规模ΜΜ0检测装置还包括重新随机化处理单元，用于在BP迭代 过程中，定时对随机比特流进行重新随机化处理。
[0019] 优选地，所述随机数生成单元包括由一个伪随机数生成器和一个比较器所构成的 随机数生成器，用于将确定性数值转换为随机比特流;所述随机到确定转换单元包括由一 个可控的加减计数器和一组移位寄存器所构成的随机到确定转换器，用于将随机比特流转 换为确定性数值;所述随机计算单元包括随机实数加法器和随机实数乘法器，随机实数加 法器由一个X0R门和一个AND门构成，随机实数乘法器由一组XN0R、X0R、OR、AND门以及二选 一数据选择器构成。
[0020] 相比现有技术，本发明技术方案具有以下有益效果：
[0021]本发明将实数域的BP迭代检测算法与随机计算相结合，并考虑并行流水线处理， 仅采用简单的逻辑结构实现了高效的大规模ΜΙΜΟ检测器。此外，本发明的检测性能随着天 线规模的增大而得到进一步改善；同时，硬件消耗及系统延时仅随天线数的增加呈线性增 加，能够适用于大规模ΜΜ0检测器的硬件实现。
【附图说明】
[0022]图1为实数域内信号节点及观测节点之间的信息传递图；
[0023]图2为本发明大规模ΜΙΜΟ检测装置一个优选实施例的系统架构；
[0024]图3为图2所示系统架构中各个处理单元的逻辑结构图；
[0025] 图4为SNG和SDC的逻辑结构图；
[0026] 图5为SRM和SRA的逻辑结构图；
[0027]图6为不同天线配置下的MBTO检测器性能对比。
【具体实施方式】
[0028]下面结合附图对本发明的技术方案进行详细说明：
[0029]现有实数域ΒΡ检测算法的基本原理如下：在ΜΜ0系统中，运用其等效的实数域模 型来构建相应的因子图，将复数域运算转化为实数域运算，实现基于ΒΡ的迭代检测。其中， 发射信号称为"信号节点"，接收信号称为"观测节点"。首先，每一个信号节点根据从变量节 点获取的后验信息来更新先验信息，接着传递给所有与之相连的观测节点。其次，每一个观 测节点根据来自信号节点的先验信息来计算后验信息，然后传递回与之相连的信号节点。 从而，完成一次消息的更新和传递过程。经过若干次迭代后，信号节点输出软信息，用于估 计发射符号。
[0030]本发明的思路是将随机计算与实数域ΒΡ检测算法相结合，具体方案如下：
[0031]在ΒΡ迭代开始前，先对所有确定性变量进行归一量化处理，使其位于[-1，1 ]的范 围内，然后将各归一量化后的确定性变量用带符号的随机比特流表示;在ΒΡ迭代过程中，通 过随机计算完成消息的更新和传递;在ΒΡ迭代完成后，将迭代输出的随机比特流转换为确 定性变量，作为输出软信息。
[0032] 为了进一步降低算法实现的复杂度，本发明优选利用简单的逻辑电路来实现，具 体如下:利用一个伪随机数生成器和一个比较器所构成的随机数生成器(SNG)，将确定性数 值转换为随机比特流;利用一个可控的加减计数器和一组移位寄存器所构成的随机到确定 转换器(SDC)，将随机比特流转换为确定性数值;利用一个X0R门和一个AND门所构成的随机 实数加法器(SRA)实现随机比特流的加运算;利用一组乂勵1?、乂01?、01?^冊门以及二选一数据 选择器所构成的随机实数乘法器(SRM)实现随机比特流的乘运算。此外，通过引入合适的系 数，随机实数触发器(SRD)可采用一个JK触发器来近似实现，从而进一步降低实现复杂度。
[0033] 在随机计算中，随机数据流的长度越长，其性能越接近于确定性运算，同时引入的 系统延时也越大。通过大量的仿真发现随机比特流的长度L = 212,系统性能最优。此外，为了 避免比特流随机性的消失而造成死锁现象，本发明进一步在消息的更新过程中定时对比特 流进行重新随机化处理，从而改善随机检测的性能。在随机计算设计中，求和运算仅仅用一 个SRA以流水线的方式来实现，从而降低硬件消耗。信号节点和观测节点的消息更新分别采 用并行方式来试现，降低系统延时。
[0034] 为了便于公众理解，下面通过一个优选实施例来对本发明的技术方案进行详细说 明。
[0035] 首先做以下说明：对于确定的标量值用X来表示，其对应的随机比特流用Xs来表 示;确定的变量或矩阵用X来表示，对应的随机比特流表示为x s。定点化的确定值用1 b i t符 号位，k bits数据位来表示，其对应的随机比特流的长度为L = 2k。在大规模Μπω系统中，假 定发射天线数为Μ，接收天线数为Ν。发射信号进行了正交幅度调制(QAM)，且星座图大小为 | Θ | | =Q。在等效实数系统中，发射信号X=[X1，X2, . .