BPSK通信系统的部分最优MIMO检测算法

在BPSK调制下,基于最大似然(Maximum Likelihood,ML)准则的MIMO检测器是一个二进制二次规划问题,其计算复杂度随着天线数的增多呈指数增加,当天线数较多时,其计算量太大,无法满足实时通信的要求。本文提出了一种新的MIMO检测算法。使用新算法,可以在很小的计算开销下,求解出ML检测器的部分全局最优解,然后,将优先检测出的部分最优解从原二进制二次规划问题中剔除得到一个相对小规模问题,最后使用传统的次最优检测算法对该小规模问题进行求解。这样,新算法不仅可以得到比传统的次最优检测器更低的误码率,计算量又远小于ML最优检测器。本文的仿真结果验证了新算法的有效性。

基于对偶格基缩减的MIMO检测算法

研究了基于复数对偶格基缩减的MIMO系统检测算法,基于正交性亏损以及复数LLL格基缩减的特性,用一种新方法证明了采用对偶格基缩减线性检测的V-BLAST系统可以获得最大接收分集,其分集阶数等于接收天线数。为了解释对偶格基缩减检测性能优于原始格基缩减检测,本文定义了正确判决区域的核,提出了以归一化核半径为度量的分析方法,并给出了其计算式。仿真结果很好地印证了该方法的合理性和有效性。

基于矩阵和求逆及MRC的低复杂度MIMO检测器

信道编码MIMO系统需要检测器具有软输入软输出特性,而常规的检测算法通常具有很高的计算复杂度,阻碍了其在实际中的应用。提出一种低复杂度MIMO检测方案。首次迭代中,利用低复杂度快速矩阵和分解方案来获得MMSE检测输出,避免了常规矩阵和求逆中的Jordan标准型化简;其余迭代中,利用信道解码器提供的软信息将MIMO系统转化成多个并行的SIMO系统,进而利用MRC进行检测,其仅需线性运算,克服了MMSE检测器中矩阵求逆的缺点,适合硬件的并行处理特性,大大降低了检测复杂度。仿真结果表明,该检测器和MMSE检测器具有相同的误比特性能和收敛性能,但是前者同后者相比,计算复杂度在首次迭代由O(n2.376)降到了O(n2),在其余迭代由O(n2.376)降到了O(n),因而为实际的MIMO系统提供了一种可行的低复杂度检测方案。

基于SEC-DED的抗SEU星载MIMO检测算法

针对星载平台抗单粒子翻转(SEU)问题,提出一种基于SEC-DED思想的低开销抗SEU星载MIMO检测算法,通过对MIMO检测算法的乘积运算分割和扩展校验,实现自检错与自纠错功能。该方法以较少的资源占用率,获得系统可靠性的整体提升。

低复杂度K-Best MIMO检测器设计

一般K-Best MIMO检测器将系统模型实数化分解后译码层数成倍增加,同时搜索树中每层保留的累积距离度量的排序选择运算也将占用大量资源。为降低硬件实现复杂度,本文提出了一种新型K-Best MIMO检测器,它利用信道矩阵实数化分解后相邻两列的正交性改进了QR分解的脉动阵列结构;采用新的树搜索结构,仅对最高两层信号的欧氏距离增量进行排序,可同时并行处理相邻两层信号,减少了排序选择运算和树搜索次数。仿真结果表明,与传统结构的K-Best检测器相比,设计的检测器降低了系统时延和计算复杂度,节省了大量硬件资源,且具有略好的BER性能。

低复杂度MIMO检测技术分析

为了克服多径传播对信号传输的影响,提出了多入多出(MIMO)检测的3种低复杂度算法,给出了各种算法的具体原理,特别对基于Chase原理的检测算法进行了介绍,论述了相对于最大似然算法可减低复杂的程度,研究了各种算法的误码率性能及复杂度。给出了2发2收MIMO系统和3发3收MIMO系统的仿真结果。结果表明,球形译码算法和基于Chase原理的MIMO检测算法能以比较低的复杂度,获得逼近最大似然检测算法的误码率性能。研究的检测算法为MIMO无线通信接收机的硬件实现提供了理论基础。

基于FPGA的可配置MIMO检测器的设计

本文设计了基于FPGA的吞吐率达到100Mbit/s可配置MIMO检测器,可以根据信道估计模块提供的信道状态信息,实现MMSE和QRM-MLD(基于QR分解和M算法的最大似然检测)两种MIMO检测算法间的切换。本设计基于4发4收的MIMO场景,将MMSE的求逆运算与QRM-MLD的QR分解部分共用硬件资源,在Xilinx的FPGA上实现的结果表明,本设计与两个独立的检测器相比,大大节省了FPGA的乘法器资源和逻辑资源。

基于量子Grover算法的MIMO检测技术

最大似然译码（MLD）是MIMO系统中最佳接收算法，但是其运算计算量随发射天线数呈指数增长，这是一个NP问题如果利用量子并行处理的优势，将量子搜索算法应用于MIMO系统的检测中去，会有效地解决以上问题，提高系统的性能．提出了基于量子Grover算法的MIMO检测方案，并分析了该方案的性能和特点？

基于量子协方差成形估计器的MIMO检测方法

协方差成形最小二乘估计器是量子信号处理框架内基于MMSE协方差成形方法的一种新型线性估计器。本文将协方差成形最小二乘估计器应用于MIMO系统检测,提出了基于协方差成形最小二乘估计器的MIMO系统检测算法,通过数值计算进行性能分析,仿真结果表明协方差成形MIMO检测方法的误码率性能优于传统ZF和MMSE检测方法,同时系统性能与目标成形矩阵有关。

浅析MIMO检测技术在LTE系统中的应用

最新型的LET通讯系统是优于3G系统的高级通讯系统,它能够更加充分地利用频谱资源,带有更好的移动效果,为人们带来更高速率的通讯服务。为了满足LTE系统运行的需要,MIMO技术成为首选,本文针对MIMO检测技术展开讨论,分析了如何将其科学地应用在LTE系统中。

4×4天线分组排序K-BestMIMO检测器设计

目前K-Best MIMO检测器采用的排序选择运算占用了大量硬件资源,使得硬件设计复杂度极高。为了在保证良好的算法性能的同时还能够降低硬件设计复杂度,采用分组排序方式对排序选择运算进行了优化,并在现场可编程门阵列平台上对4×4天线、16QAM调制方式的分组排序K-Best MIMO检测器进行了仿真分析。

MIMO系统LLL格基约减检测技术研究

针对LLL格基约减算法应用在MIMO系统检测中计算复杂度高,理论和实验分析了LLL算法中影响列交换条件的参数δ对计算复杂度和正交缺陷的影响,同时结合ZF和VBLAST检测技术实验分析了参数δ在MIMO信号检测系统中对误码率性能的影响。数值结果与分析表明:在MIMO检测系统中LLL算法参数δ=0.75为最佳值。

基于SAMP-Net的MIMO信号检测算法

文中提出了一种用于多输入多输出(MIMO)检测的模型驱动型深度学习网络。首先,对MIMO系统信号检测问题进行了建模,并且介绍了几种传统检测算法;然后,将简化近似消息传递(SAMP)迭代检测算法与深度学习结合,通过展开原算法得到网络结构,提出了新型模型驱动的深度学习网络SAMP-Net,通过学习得到最优可训练的参数,提高检测性能;最后,将其与最小均方误差(MMSE)算法、Richardson算法、SAMP算法进行检测性能比较。仿真结果表明,SAMP-Net算法可以在瑞利MIMO信道中以较低计算复杂度逼近MMSE算法的检测性能。

基于元学习的短波MIMO信号检测

针对短波场景下已有的MIMO检测算法性能不佳或复杂度太高的问题,提出一种基于元学习的MIMO检测方法MetaMMNet。将不同的信道矩阵下的MIMO检测看作为独立的任务,通过对大量不同任务的学习使得模型获得对于不同信道矩阵的泛化能力,能够快速适应变化的信道矩阵。在4QAM、16QAM和64QAM调制方式下进行仿真实验,实验结果表明,在短波空间相关信道下MetaMMNet的误符号率性能要优于MMNet约1 dB,优于OAMPNet约2 dB。且MetaMMNet与在线学习的MMNet相比能够更快地适应快速变化的信道,与OAMPNet相比具有更低的计算复杂度。

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。

一种新的QR-SIC-MSD联合MIMO信号检测算法

针对MIMO信号检测中球形译码(Sphere decoding,SD)算法在低信噪比时接近最大似然(Maximum likelihood,ML)算法复杂度的缺点,提出了一种基于QR分解的串行干扰抵消(Successive interference cancellation,SIC)和修改的球形译码(Modified sphere decoding,MSD)联合MIMO信号检测算法,称之为QR-SIC-MSD算法。该算法在低信噪比时采用SIC算法,在高信噪比时,采用MSD算法,根据噪声方差仅选择一次初始搜索半径,若搜索失败则用SIC解代替。通过SIC算法与MSD算法的结合,大大地降低了球形译码算法的复杂性,同时保证了在中高信噪比时逼近ML算法性能,在低信噪比时接近ML算法性能。文中同时给出了完整的算法流程图及计算机仿真结果。

MIMO-OFDM系统中V-BLAST检测算法的比较

V-BLAST是一种基于多输入多输出传输的空时码系统,其检测算法是MIMO-OFDM系统的有效检测方法。本文介绍了应用于MIMO-OFDM信号检测的多种V-BLAST检测算法,并根据MAT-LAB仿真结果对各种算法的性能和优缺点进行了分析和比较。

MIMO-OFDM中基于KSDA和SQRD的联合检测算法

球形译码算法的检测性能最接近最大似然检测算法,但其计算复杂度仍然较高。为了在计算复杂度和系统性能之间取得良好折中,在研究标准球形译码的基础上,提出一种新的球形译码改进算法。新算法由快速球形译码与基于MMSE准则的SQRD算法构成。该算法在高信噪比时采用SQRD算法,低信噪比时采用KSDA算法。仿真结果表明,该算法在降低球形译码算法复杂度的同时获得了较好的系统性能。

MIMO波束赋形测试技术研究

多路输入多路输出(MIMO)技术是无线移动通信有效提升传输速率关键途径,可实现更大的吞吐量,并扩大容量和距离。如何真实的判别基站多天线性能对支撑MIMO在设备中的应用变得尤为重要,依据3GPP相关标准,进行MIMO矢量信号特征分析、信号分析测试仿真研究,着重针对MIMO发送模式波束赋形多天线建模和测试仿真,实现多天线模式下MIMO信号检测,分析MIMO矢量信号的性能指标。最后基于MIMO矢量分析仪硬件平台,通过对多天线传输模式下MIMO信号的并行接收处理和解析,进行多参数解析。测试和验证结果表明,在符合协议标准要求下能够准确测试基站设备多天线传输性能,为多天线通信设备提供重要的测试手段,对通信网络建设和优化具有重要意义。

格基约减辅助的低复杂度列表检测

格基约减作为一种矩阵近似正交化方法,能够显著改善传统MIMO检测算法的性能。推导了格域星座点各分量之间的递推约束关系,并提出了格基约减辅助的列表SML-SIC检测算法,相比格基约减辅助的列表SIC检测,获得了更好的性能。在所提算法中,列表检测的子检测器为SML-SIC检测,它是将2维的列表检测器(SML)与连续干扰抵消(SIC)检测方法相结合,基于串行干扰抵消思想,用SML检测器每次对两个符号进行检测,获得了比SIC检测更高的分集增益。另外,提出局部格基约减辅助的列表检测,选择列表长度等于调制阶数,并对较低维的信道矩阵进行格基约减,复杂度有所下降,但获得和格基约减辅助的列表检测相同的性能。