基于深度展开的MIMO检测系统设计与迭代收敛加速优化.docxVIP

PAGE2

基于深度展开的MIMO检测系统设计与迭代收敛加速优化

摘要

多输入多输出（MIMO）技术是现代无线通信系统提升频谱效率与链路可靠性的关键手段，但高维信号检测的复杂度与收敛速度问题始终制约着其在实际大规模MIMO场景中的部署。传统的迭代检测算法，如近似消息传递（AMP）及期望传播（EP），虽在理论上具有渐进最优性，却面临收敛缓慢、参数敏感等缺陷，难以满足低时延通信需求。本课题以设计并实现一套基于深度展开网络的MIMO检测系统为目标，将经典迭代检测算法的迭代结构展开为深度神经网络，通过数据驱动的方式学习最优迭代参数，从而在保持低复杂度的前提下显著加速检测收敛。

论文遵循“需求分析—总体设计—详细设计—实现—测试”的工程递进思路。首先分析了MIMO检测系统的功能需求与非功能指标，给出了系统总体架构与模块划分；然后对信道生成、深度展开检测器、训练引擎等核心模块进行了详细设计，并给出了关键算法流程与接口规范；进而基于Python与PyTorch搭建了原型系统，实现了基于正交近似消息传递（OAMP）展开的检测器，并引入残差收缩网络与自适应阻尼因子优化收敛行为；最后，在瑞利衰落信道下进行了功能与性能测试，结果表明，本系统仅需约5层展开即可逼近传统OAMP算法50次迭代的检测性能，在误码率与收敛速度方面均体现出明显优势。本设计的核心创新在于将深度展开与MIMO检测深度融合，并通过