一种改进的排序QR分解MIMO检测算法

提出了改进的排序QR分解MIMO检测算法,并对其性能进行了分析.该算法针对系统采用排序QR分解检测算法时误码率较高的不足,对信道矩阵按列进行正交变换,避免了求信道矩阵的上三角矩阵,并且仅对信道矩阵按列2—范数模值由小到大进行1次排序.在检测过程中,采用了并行处理的思想,将部分判决信号进行反馈,同时消除接收信号中的干扰,使系统检测性能得到了明显改善.在多散射物的无线通信环境下进行了仿真实验,结果表明,与传统的SQRD算法相比,所提算法在计算复杂度略微下降的情况下,检测性能得到提升.

一种基于顺序QR分解和AdaBoost分类器的盲水印算法

提出了一种基于顺序QR分解和Ada Boost分类器的智能水印算法。对顺序QR分解并提取R矩阵的对角线元素来构造样本特征向量并嵌入水印。在水印提取过程中,利用Ada Boost分类器对待检测的样本向量进行分类。实验结果表明,提出的方法不仅能够抵抗诸如噪声、滤波和压缩的类噪声攻击,也可以抵抗类似裁剪和旋转的几何失真。

MC-CDMA系统中基于QR分解的多址干扰消除算法

多址干扰是导致MC-CDMA系统误码性能下降的重要因素。为了消除多址干扰,提出基于接收信号功率排序和QR分解的多址干扰消除算法(Power-based MMSE Sorted QR Decomposition,P-based MMSE-SQRD)对MC-CDMA系统的上行链路进行检测。仿真结果显示,与传统的串行干扰消除算法相比,P-based MMSE-SQRD的误码性能有明显的提高,而且其复杂度也相对较低。

联合SIC和QRD-M树搜索的低复杂度VBLAST检测算法

联合SIC和QRD-M树搜索,提出一种低复杂度的VBLAST检测算法:SQRM-SIC算法。该算法基于信道矩阵的排序QR分解(SQRD),首先对搜索树前几层采用QRD-M检测,然后对后续层进行SIC检测,获得了检测信号列表。在所提算法基础上,通过修改SQRD算法中的排序规则,得到MSQRM-SIC算法。复杂度分析和性能仿真表明,通过调整参数,SQRM-SIC算法和MSQRM-SIC算法都可获得较好的复杂度和性能折衷。其中,后者性能明显优于前者;且后者与QRDM算法相比,可以有效降低复杂度,而基本不损失性能。

基于SQRD方法的STBC-VBLAST系统

VBLAST可以有效提高多发射天线系统容量,而STBC则具有较高的分集增益,通过将两种方案结合起来组成一个新的系统。根据已有的一种STBC-VBLAST模型,即通过在VBLAST的首层采用STBC编码,增加第一层信息符号的分集度,从而提高系统性能。由于传统的VBLAST解码性能差,并且译码算法相对复杂,于是对原有的解码算法进行了改进,提出了一种SQRD(Sorted QR Decomposition)的解码算法。该算法比原有算法复杂性小很多,性能却相差不大,仿真结果也证实了这一点。

MIMO干扰信道下低复杂度的分布式干扰对齐算法

干扰对齐技术可以有效地提高干扰信道容量和抑制干扰,其问题归结为求得闭式解。传统的干扰对齐方案根据信道的互易性,采用迭代的方法(分布式)来逼近闭式解,但带来了较大的计算开销。本文在K用户MIMO干扰信道系统中提出一种低复杂度的分布式干扰对齐算法,通过对用户K的干扰协方差矩阵进行排序QR分解算法,该分解算法是基于修正的Gram-Schmidt方法,选出酉矩阵Q最后的dk列作为用户近似的干扰抑制滤波矩阵,和传统分布式干扰对齐方案相比,在基本保持系统容量和迭代收敛速度的同时,系统的复杂度明显降低。仿真结果验证了算法的有效性。

一种次优的低复杂度VBLAST信号检测算法

针对VBLAST系统,提出一种球形约束的堆栈检测(SC-Stack)算法。基于信道的MMSE排序QR分解(MMSE-SQRD)和堆栈树搜索(QRD-Stack)算法,所提算法利用部分连续干扰抵消(PSIC)算法计算球半径,并据此半径对分支和路径进行删减。复杂度分析和性能仿真表明,SC-Stack算法较QRD-Stack算法复杂度大大降低,性能不仅没有损失甚至有所改善;SC-Stack算法以低于球形译码(SD)算法的平均访问节点数和远远低于SD算法的最大访问节点数获得了几乎与之相同的性能。

一种高性能低复杂度的V-BLAST检测方案

基于排序正交上三角分解(QR)提出了一种新的列表V-BLAST检测方案,对第1层采用列表检测产生多个候选符号,当候选符号数等于星座大小时,提出了一种修正的排序QR分解算法,后续各层作连续干扰抵消检测,在得到的多组候选符号中做最小欧氏距离(MED)搜索,输出最佳组作为检测结果.分析和仿真表明,与现有算法相比该方案能以较低的复杂度获得很好的性能,当天线数目比较少(5以下)时性能接近于ML检测.为了进一步降低运算复杂度,提出了在MED搜索过程中设置门限的处理方式,并给出了一种门限值的选取方法.结果表明,该方法可以在保证性能损失很小的情况下使运算量减少一半以上.

基于预编码的混合迭代均衡算法

针对LTE下行多输入多输出正交频分多址(MIMO-OFDM)系统中的天线间干扰和多径干扰问题,提出一种低复杂度的迭代均衡算法。该算法在接收端通过预编码矩阵将发射信号扩展到所有子载波上,从而减少部分子载波深衰落对扩展前原始发射信号的影响。算法在接收端引入最小均方差误差排序QR分解(MMSE-SQRD)软干扰消除均衡算法,一方面避免传统基于最小均方误差(MMSE)并行软干扰消除均衡算法中矩阵求逆运算,进而降低了算法复杂度,另一方面利用信道排列,优先检测信噪比最大的传输符号进而提高检测准确性。同时通过预编码对重构信号进行预处理,进而缓解在迭代干扰消除过程中的误差传播。仿真结果表明:在4发4收场景下,误码率为10-5时,所提算法信噪比改善约0.7 d B。

基于预编码矩阵的迭代均衡算法

针对长期演进(long time evolution,LTE)下行多输入多输出正交频分多址链路(multiple-input multiple-output orthogonal frequency division multiplexing,MIMO-OFDM)异步通信系统中的天线间干扰和多径干扰的问题,提出一种低复杂度的基于预编码矩阵的迭代均衡算法。在发射端,该算法通过预编码矩阵将信号扩展到所有子载波上,从而降低部分子载波深衰落对扩展前原始信号的影响。在接收端,利用最小均方差误差排序QR分解(minimum mean square error sorted QR decomposition,MMSE-SQRD)软输入软输出干扰消除均衡算法,一方面避免传统基于最小均方误差(minimum mean square error,MMSE)并行软干扰消除均衡算法中复杂的矩阵求逆运算,进而降低了算法复杂度,另一方面利用信道排列优先检测信噪比最大的传输符号提高检测准确性。同时通过预编码对重构信号中误差进行扩展,进而缓解在迭代干扰消除过程中的误差传播。仿真结果证明,在2发2收场景下,误码率在10-3时,算法经过5次迭代后系统性能相比于现有的迭代均衡算法改善约4dB。

一种高效的QMC检测算法

基于垂直分层空时码的MIMO-OFDM系统提出一种高效的QMC检测算法,该算法对信道矩阵进行一次排序QR分解,对最先检测的信号层采用ML-OSIC算法,用M算法检测中间的信号层,逐层增加保留值M以提高算法有效性,利用串行干扰消除检测余下的信号层。与QRD-M算法相比,QMC检测算法能降低计算复杂度。仿真结果表明,该算法以更低的计算复杂度获得更接近最大似然检测的性能,取得性能与复杂度之间的折中更理想。

MIMO-OFDM系统中改进的格点减少检测算法

多输入多输出正交频分多路复用系统中,信道矩阵变化快,传统的格点减少辅助线性检测将产生大量迭代。提出一种改进的格点减少算法,该算法先对信道矩阵做排序的QR分解,得到上三角矩阵R,再对R进行LLL算法处理,处理过程中不再进行列交换运算,从而省去LLL算法中的迭代。仿真结果表明,该算法在保障误码性能的前提下,减少了计算复杂度。

MIMO系统中的新型K-best检测算法(英文)

针对K-best检测算法易将最优路径舍去的特点和K-best检测算法搜索星座图中所有点的特点,提出一种性能改进型K-best检测算法和几种降低复杂度K-best检测算法.性能改进型K-best检测算法在进行QR分解之前对信道矩阵进行最小均方误差(MMSE)滤波,能有效减小最优路径被舍弃的概率,提高算法性能;降低复杂度K-best检测算法采用类似球形译码检测的方法减少搜索星座图中点的个数.仿真结果显示,性能改进型K-best检测算法比基于排序QR分解(SQRD)的K-best检测算法有1dB的性能增益.降低复杂度K-best检测算法在K=4时有性能损失;当K=8时,降低复杂度K-best检测算法和原K-best检测算法有同样的性能,同时前者比后者需要更少的计算量.

正交投影的下行多用户MIMO协作传输方法

协作多点(coordinated multi-point,CoMP)中的联合传输(joint transmission,JT)是一种有效提升边缘用户服务质量的技术,JT通过多个协作发射节点的联合预编码减小小区边缘干扰,进而提高小区边缘的频谱效率。在结合正交投影(orthogonal projection,OP)与排序QR分解(sorted QR-decomposition,SQRD)的基础上,提出了2种协作传输方法:OP-ZF-SQRD(OP-zero forcing-SQRD)及OP-MMSE-SQRD(OP-minimum mean square error-SQRD)。这2种方法均采用OP消除多用户干扰,将多用户系统分解成多个并行无干扰的单用户系统,对每个单用户系统采用ZFSQRD或MMSE-SQRD分别进行处理。数值仿真结果表明,这2种方法相比迫零(joint transmitter zero forcing,JTZF)及块对角化(block diagonalization,BD)方法,在性能上具有明显的优势;新提出的协作传输方法不但可有效地消除多用户干扰,而且能有效地降低用户数据流之间的干扰,从而有效地改善了小区边缘的用户服务质量和频谱效率。

三种GNSS模糊度解算方法性能的对比分析

探讨了三种GNSS模糊度解算方法,对三种模糊度解算方法的规约时间、搜索时间、总体时间和条件数进行了比对分析。通过多次不同维度的模拟数据和实测数据实验,验证了排序QR分解算法在模糊度解算过程中总体最优,原因在于排序QR分解算法在降相关过程中对条件方差进行了升序排列,用较少的降相关过程获得了一个更有利于搜索的降相关矩阵;LLL算法的规约性能不稳定,取决于数据结构;LAMBDA算法在本文模拟实验中总体性能相对较差,与降相关矩阵的分解方式有关,实测实验中搜索性能较差的原因在于条件方差的排序不稳定。