3×3块鞍点问题作为一类特殊的线性方程组,其迭代方法的研究极具挑战性。基于经典的广义逐次超松弛(Generalized Successive Over Relaxation,GSOR)方法,针对3×3块大型稀疏鞍点问题,提出了三参数的中心预处理GSOR方法并讨论了...3×3块鞍点问题作为一类特殊的线性方程组,其迭代方法的研究极具挑战性。基于经典的广义逐次超松弛(Generalized Successive Over Relaxation,GSOR)方法,针对3×3块大型稀疏鞍点问题,提出了三参数的中心预处理GSOR方法并讨论了其收敛性。同时,通过数值实验验证了新方法在计算花费方面优于中心预处理的Uzawa-Low方法。进一步地,还将新方法拓展到i×i块鞍点问题,提出了相应的GSOR类迭代框架,通过数值实验和数据分析,给出了选择较优i的初步建议。展开更多
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-correc...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。展开更多
文摘3×3块鞍点问题作为一类特殊的线性方程组,其迭代方法的研究极具挑战性。基于经典的广义逐次超松弛(Generalized Successive Over Relaxation,GSOR)方法,针对3×3块大型稀疏鞍点问题,提出了三参数的中心预处理GSOR方法并讨论了其收敛性。同时,通过数值实验验证了新方法在计算花费方面优于中心预处理的Uzawa-Low方法。进一步地,还将新方法拓展到i×i块鞍点问题,提出了相应的GSOR类迭代框架,通过数值实验和数据分析,给出了选择较优i的初步建议。
文摘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。