基于WSSOR迭代的大规模MIMO系统软输出信号检测

在大规模多输入多输出(Multiple Input Multiple Output,MIMO)系统中,最小均方误差(Minimum Mean Square Error,MMSE)检测算法能获得最优线性检测性能,但涉及复杂的高维矩阵求逆运算。基于加权-对称连续超松弛(Weighted Symmetric Successive Over Relaxation,WSSOR)迭代提出一种高性能低复杂度的软输出检测算法,避免复杂的矩阵求逆运算,降低算法的复杂度。采用一种简单的量化方法来求解松弛参数和加权因子,应用在软判决中,进一步提升算法性能。定量地分析了不同算法的复杂度,并通过仿真对不同检测算法的误码率性能和收敛速度进行研究,结果表明该算法在降低复杂度的情况下,能以较快的收敛速度接近最优的线性检测性能。

加权-对称超松弛迭代法

结合逐次超松弛迭代法(SOR)和对称超松弛迭代法(SSOR)的基本思想,给出了一类求解大型线性方程组的新迭代法:加权-对称超松弛迭代算法(WSSOR),并在数值计算中给出了加权因子和松弛参数的最佳范围,实验表明新算法的收敛速度快、精确度高。

大规模MIMO系统中全局LAS检测算法

在大规模多输入多输出(Multiple Input Multiple Output,MIMO)系统中,现有的非线性检测算法中似然上升搜索(Likelihood Ascend Search,LAS)算法的复杂度较低,但是算法容易陷入局部极值,导致算法性能较差。文中提出一种全局最优的模拟退火-似然上升搜索(Simulated Annealing-Likelihood Ascend Search,SA-LAS)算法,该算法引入模拟退火算法中的概率因素,以一定概率接收相对更差的解,从而改进算法的局限性。同时还利用加权-对称连续超松弛(Weighted Symmetric Successive Over Relaxation,WSSOR)迭代处理复杂的矩阵求逆运算,降低初始解的求解复杂度;另外,设置多个邻域候选集并行搜索加快搜索的速度;最后设置双阈值控制迭代终止时间,以此降低算法复杂度。理论分析了该算法的复杂度,并通过仿真对不同检测算法的误码率性能和收敛速度进行了研究,结果表明:在复杂度阶数不增加的情况下,文中提出的SA-LAS检测算法的误码率性能明显优于现有的LAS检测算法。