用于大规模MIMO系统的改进自适应SOR检测算法

大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)系统由于具备较多的天线数,会导致传统线性信号检测算法如最小均方误差(Minimum Mean Square Error,MMSE)的复杂度过高。针对以上问题,提出了F修正的自适应超松弛迭代(F-corrected Adaptive Successive over Relaxation,FA-SOR)检测算法。该算法首先利用超松弛迭代(Successive over Relaxation,SOR)算法避免高阶矩阵求逆运算,降低复杂度;其次使用F修正的公式自动更新SOR算法迭代使用的松弛参数,同时优化迭代的公式与初始解来加快收敛速度。仿真结果表明,不论在理想独立信道还是相关信道下,相比于现有的自适应SOR算法,FA-SOR都能以更低的复杂度达到更低的误码率,同时逼近MMSE算法的性能。

基于可配置型K-Best的MIMO信号检测器

为减少高速通信系统中硬件资源的消耗,设计一种应用于MIMO-OFDM无线通信系统中的高速信号检测器,根据可重构设计的需求,提出一种简化K-BEST(SKB)MIMO信号检测算法,介绍可配置型硬件结构,并采用Xilinx Vertex-4 FPGA平台加以实现。仿真实验结果表明,该检测器的最高数据吞吐率可达2 Gb/s,并能针对不同星座调制信号(如QPSK,16-QAM)进行检测。

MIMO通信系统中的信号检测算法概述

通过对MIMO通信系统的混合检测问题进行研究,将已有的信号检测算法进行归纳整理,主要分为传统的检测算法和基于机器学习的检测算法,其中传统的检测算法分为线性算法和非线性算法。简要阐述了各种算法的基本原理,并对比其优缺点,其中非线性检测算法的检测性能往往较好,但复杂度也较高,基于机器学习的检测算法总体上比传统的检测算法更好一些。