大规模MIMO中基于迭代的信号检测算法研究.pdfVIP

大规模MIMO中基于迭代的信号检测算法研究.pdf

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

摘要

大规模多输入多输出(massiveMultipleInputMultipleOutput,massiveMIMO)技术作为新

一代移动通信技术,能够大幅提升频谱效率和系统容量。用户数量的增多导致大规模MIMO

和传统的MIMO技术有了本质上的区别。大量的天线阵列形成复杂的时变信道。传统的非线

性的MIMO检测算法的复杂度随天线的数量成指数增长,其用于第五代移动通信(5th

GenerationMobileCommunicationSystem,5G)时性能不佳。线性检测算法中的级数展开法、

线性迭代算法、梯度逼近算法成为人们主要研究的对象。然而,目前的迭代类算法还存在着

复杂度高与检测性能低的问题。就此问题,本文主要研究了几类迭代检测算法,并给出具体

的改进建议。

针对Kaczmarz算法迭代收敛较慢的问题,使用改进的R-Kaczmarz算法加快收敛速度。

利用R-Kaczmarz算法不需要计算Gram矩阵的特点,简化初始值的选取方式。在迭代次数为

3次的情况下,本文算法相比于SSOR算法降低30%的计算量,比R-Kaczmarz算法降低14%

的计算量。此外,为避免算法顺序迭代带来的收敛速度慢的问题,将算法改进为基于范数排

序,进行迭代。结合合适的松弛因子,改进的算法比原算法的误码率性能最多有1~2dB的

信噪比提升。

针对W-SSOR算法检测性能相比于SSOR算法无实质性提升的问题,本文提出的算法扩

宽了权重因子的选取范围,并提升误码率性能。首先给出该算法收敛性证明。之后,通过蒙

特卡洛方法拓宽该算法的收敛区间,得到收敛因子的取值区间。仿真结果表明,本文算法在

维持复杂度不变的同时,优于SSOR算法以及W-SSOR算法的误码率性能。

关键词:大规模MIMO、矩阵求逆、信号检测、Kaczmarz、W-SSOR

ABSTRACT

Massivemultiple-inputmultiple-output(massiveMIMO)technologyisanewgenerationof

mobilecommunicationtechnology,whichcansignificantlyimprovethespectrumefficiencyand

systemcapacity.Theincreasingnumberofusersleadstotheessentialdifferencebetween

large-scaleMIMOandtraditionalMIMOtechnology,andalargenumberofantennaarraysforma

complextime-varyingchannel.ThecomplexityoftraditionalnonlinearMIMOdetectionalgorithm

increasesexponentiallywiththenumberofantennas,andtheperformanceispoorwhenusedinthe

5thGenerationMobileCommunicationSystem(5G).Inthelineardetectionalgorithm,series

expansionmethod,lineariterativealgorithmandgradientapproximationalgorithmhavebecomethe

mainresearchobjects,buttherearestillproblemsofhighcomplexityandlowdetection

performanceinthecurrentiterative

文档评论(0)

拥有快乐的你 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档