基于预处理共轭梯度法的低复杂度信号检测算法 .pdfVIP

基于预处理共轭梯度法的低复杂度信号检测算法

曲桦;梁静;赵季红;王伟华

【摘要】大规模多输入多输出系统中,最小均方误差信号检测算法是近似最优的,但

由于其涉及矩阵求逆,计算复杂度随着天线数量增加呈指数增长.提出了低复杂度的

预处理共轭梯度信号检测算法,该算法通过预处理技术降低矩阵条件数,从而加快共

轭梯度信号检测算法的收敛速度.仿真结果显示,该算法在小数量的迭代中能够达到

和最小均方误差检测算法相似的误码率,算法复杂度下降了一个数量级.相比直接用

共轭梯度法,能够更快收敛到最佳值.

【期刊名称】《电信科学》

【年(卷),期】2016(032)004

【总页数】6页(P30-35)

【关键词】大规模多输入多输出;共轭梯度法;最小均方误差

【作者】曲桦;梁静;赵季红;王伟华

【作者单位】西安交通大学软件学院,陕西西安710049;西安邮电大学通信与信息

工程学院,陕西西安710061;西安交通大学软件学院,陕西西安710049;西安交通

大学软件学院,陕西西安710049;西安邮电大学通信与信息工程学院,陕西西安

710061;西安交通大学软件学院,陕西西安710049

【正文语种】中文

【中图分类】TN929.5

多输入多输出（multiple-inputmultiple-output，MIMO）技术已经成

功应用在许多无线通信系统中［1，2］，但是受MIMO系统中的天

线数量限制，基站（basestation，BS）端无法服务更多数量的用户，

因此大规模MIMO（large-scalemultiple-inputmultiple-output，LS-

MIMO）系统成为研究者们关注的重点［3，4］。LS-MIMO系统的突

出优点是BS端同时服务多个用户，目前面临的问题之一是如何在保证良好误

码率（biterrorrate，BER）的前提下，降低检测算法的复杂度。一般

考虑线性信号检测算法，比如迫零（zeroforcing，ZF）检测算法和

最小均方误差（minimummeansquareerror，MMSE）信号算法，但是这

两种线性算法在天线数量增大时，计算复杂度呈指数增长［5］。研究人

员开始考虑将线性方程组的求解算法（比如迭代法）应用在信号检

测中［6］。迭代法［7］有参数迭代法、共轭梯度（conjugate

gradient，CG）法、共轭残量法等，求解大型线性方程组以共轭梯度法和变形

共轭梯度法为主［8］，其具有存储量少、计算量少的优点。参考文

献［9］中将纽曼级数近似（Neumannseriesapproximation，NSA）算

法应用在LS-MIMO系统中，避免了精确求逆，获得了近似精确求逆的BER性能；

同时，参考文献［10］在LS-MIMO系统中应用近似矩阵求逆算法，对比基于精

确分解算法，降低了计算复杂度；参考文献［11］在参考文献［9，10］

的基础上，将求解大型线性方程组的CG算法应用在LS-MIMO系统中，相比

NSA算法，在相同的几次迭代中能够获得近似MMSE的BER性能。

基于以上分析，针对CG检测算法收敛速度慢的问题，本文提出了采用预处

理共轭梯度（preconditionedconjugategradient，PCG）法的低复杂度

信号检测方案，通过适当的预处理方法引入预处理矩阵M，使得处理后的

矩阵特征值分布更为集中，降低了矩阵条件数，以达到加快CG算法收敛速度

的目的。仿真结果证明了本文提到的PCG算法经