大规模MIMO系统上行链路中改进的混合迭代检测算法

信号检测的任务是通过基站接收到的信号来估计出用户的发送信号。在大规模MIMO系统上行中,基于最速下降(Steepest descent,SD)算法和高斯-赛得尔(Gauss Seidel,GS)迭代的混合迭代(SDGS)算法解决了最小均方误差(Minimum mean square error,MMSE)算法中矩阵求逆的运算问题,将复杂度从O(K3)降为O(K2)(其中K为用户数)。同时,SD算法有很好收敛方向的特性加快了检测速度。本文基于SDGS算法,改进了其中对数似然比(Log likelihood ratio,LLR)的计算,在保持低复杂度(O(K2))的同时,改善检测性能。仿真结果表明,经过几次迭代后,改进后的混合迭代算法收敛较快并接近MMSE检测性能。

用多网格方法研究Poisson方程的解

本文给出了二种颜色的双网格方法．渐近缩减到一种颜色的双网格方法．用付立叶分析，通过红黑Ｇａｕｓｓ－Ｓｅｉｄｅｌ迭代，对Ｐｏｉｓｓｏｎ方程讲行研究，取得了较为满意的结果．