一種近似MMSE性能的高效大規模MIMO檢測方法及系統與流程

本發明屬于計算機通信和數字電路領域，涉及一種近似mmse性能的高效大規模mimo檢測方法及系統。

背景技術：

大規模多輸入多輸出(mimo)被公認為是第5代(5g)無線通信系統的重要技術之一。該技術通過在基站和用戶端配備大量天線來提供更高的頻譜效率，更快的峰值數據速率以及比傳統小規模mimo系統更好的能量效率。然而，伴隨著天線數目的大量增加，在大規模mimo系統中基帶算法的復雜度也在急劇增加。其中，上行鏈路的最佳多用戶檢測方法，例如最大似然(ml)檢測和最大后驗(map)方法在計算復雜度方面將變得難以承受(由于它們的指數復雜度)。因此，更加可行和高效的檢測器設計吸引了大量關注。近年來，研究人員將目光轉向了線性檢測方法，如傳統的迫零(zf)和最小均方誤差(mmse)，這是因為它們在大規模mimo系統中有著次優檢測性能和低復雜性的特性。

值得注意的是，對于大規模mimo系統中的mmse檢測方法，其主要的計算復雜度在于一個高階矩陣的求逆。假設m為單天線用戶數，若采用精確的矩陣求逆方法，如cholesky分解法，則計算復雜度為o(m³)。這意味著如果m的數量極大時，精確的mmse檢測將需要巨大的計算量和硬件消耗。

近幾年，有國內外研究人員相繼提出了基于gauss-seidel(gs)方法、neumann級數、共軛梯度(cg)的大規模mimo檢測方法，獲得了接近mmse算法的性能表現。這些方法的共同點在于都是傳統的迭代數值計算方法，雖然在一定程度上減小了計算復雜度，但是對于惡劣的傳播環境(如發射/接收天線數相近或者空間相關性較大的信道)，它們的性能表現將下降甚至無法收斂。

技術實現要素：

發明目的：針對現有技術的不足，本發明提出了一種近似mmse性能的高效大規模mimo檢測方法及系統。

技術方案：一種近似mmse性能的高效大規模mimo檢測方法，包括以下步驟：

步驟1：預處理；將信道矩陣h和接收信號向量y輸入檢測器，得到匹配濾波器輸出y^mf＝h^hy和規則化gram矩陣w＝g+noim，其中gram矩陣g＝h^hh，no為噪聲方差，im為m維單位矩陣，(.)^h為共軛轉置操作；

步驟2：計算標準化矩陣和標準化向量其中d為w的對角元素矩陣，使得系數矩陣對角線元素為1；

步驟3：預條件；構造預條件矩陣p＝s+im，計算系數矩陣和常數向量其中s為一個和有關的矩陣：

步驟4：根據步驟3輸出的系數矩陣和常數向量設置迭代初始解為x⁽⁰⁾＝0，并開始迭代操作，輸出檢測結果；算法偽代碼如下：

k輪迭代后，x^(k)即為待檢測信號的估計結果。

本發明還提供一種近似mmse性能的高效大規模mimo檢測系統，包括：

預條件模塊，用于完成預處理，將信道矩陣h和接收信號向量y輸入檢測器，得到匹配濾波器輸出y^mf＝h^hy和規則化gram矩陣w＝g+noim，其中gram矩陣g＝h^hh，no為噪聲方差，im為m維單位矩陣，(.)^h為共軛轉置操作；然后計算標準化矩陣和標準化向量其中d為w的對角元素矩陣，使得系數矩陣對角線元素為1；最后構造預條件矩陣p＝s+im，計算系數矩陣和常數向量其中s為一個和有關的矩陣；

gs迭代模塊，用于完成根據預條件模塊輸出的系數矩陣和常數向量設置迭代初始解為x⁽⁰⁾＝0，并進行迭代操作，輸出檢索結果，算法偽代碼如下：

k輪迭代后，x^(k)即為待檢測信號的估計結果。

進一步的，所述的預條件模塊包括6個脈動陣列構成的矩陣乘法器、2個加法器陣列以及1個求倒數單元；其中，用2個脈動陣列計算匹配濾波器輸出y^mf＝h^hy和規則化gram矩陣w＝g+noim，其中脈動陣列的處理單元為基本的復數乘法累加器；用另2個脈動陣列計算標準化矩陣和標準化向量其中d^-1由求倒數單元計算得到，求倒數單元由查找表生成，脈動陣列的處理單元依然為基本的復數乘法累加器；用剩余的2個脈動陣列計算系數矩陣和常數向量其中預條件矩陣p＝s+im。

進一步的，所述的gs迭代模塊包含m-1個復數乘法器、加法器和寄存器，其進行每一輪gs迭代需要m個時鐘周期，m為發射天線數。

工作原理：考慮到大規模mimo系統上行鏈路mmse檢測中濾波矩陣w為hermitian正定陣且主對角線占優，本發明采用的gs迭代方法在多次迭代后一定收斂。在惡劣傳播環境(如發射/接收天線數相近或者空間相關性較大的信道)中，本發明采用的預條件方法一定能減小迭代矩陣的譜半徑，從而達到加速收斂的效果。

有益效果：與現有技術相比，本發明重點考慮在惡劣傳播環境(如發射/接收天線數相近或者空間相關性較大的信道)中如何以較低的計算復雜度達到近似mmse性能的檢測效果。通過采用預條件處理的gs迭代方法，本發明能夠在同樣迭代次數的條件下取得比傳統基于neumann級數、gs方法、cg方法的大規模mimo檢測算法更好的誤碼率性能，尤其是在惡劣傳播環境(如發射/接收天線數相近或者空間相關性較大的信道)下，并且在較少的迭代次數之后得到近似mmse性能的檢測效果。另一方面，本發明提供的系統創新性地發掘了gs迭代在元素更新過程中的循環移位特性，從而使得其能夠以較低的硬件消耗和延遲進行gs迭代操作。此外，這一特性還使得對應的控制電路的設計變得十分容易。

附圖說明

圖1為采用本發明信號檢測方法和其他傳統檢測方法的誤碼率對比圖(發射天線數為32，接收天線數為128，相關系數為0時)；

圖2為采用本發明信號檢測方法和其他傳統檢測方法的誤碼率對比圖(發射天線數為32，接收天線數為128，相關系數為0.3時)；

圖3為采用本發明信號檢測方法和其他傳統檢測方法的誤碼率對比圖(發射天線數為16，接收天線數為128，相關系數為0.3時)；

圖4為采用本發明信號檢測算法和其他傳統檢測算法的誤碼率對比圖(發射天線數為8，接收天線數為128，相關系數為0.3時)；

圖5本發明系統示意圖；

圖6為本發明系統中gs迭代模塊示意圖；

圖7為本發明系統中gs迭代模塊時序調度示意圖(系統發射天線數為4時)。

具體實施方式

下面將結合附圖，對本發明的實施案例進行詳細的描述；

本實施例中建立一個大規模mimo上行鏈路系統進行模擬操作。在大規模mimo上行鏈路中，一般有n＞＞m(基站天線數n遠大于發射天線數，即用戶數m)。首先m個不同用戶產生的并行傳輸比特流分別通過信道編碼進行編碼，然后映射到星座符號，并采取星座圖集合能量歸一化。讓x＝[x1，x2，x3，...，xm]^t表示信號向量，x中包含了分別從m個用戶產生的傳輸符號，采用64-qam方式映射。h表示維度是n×m信道矩陣，故上行鏈路基站端的接收信號向量y可以表示為

y＝hx+n

其中y的維度為n×1，n為n×1維的加性白噪聲向量，其元素服從零均值方差為no的高斯分布。上行鏈路多用戶信號檢測任務就是從接收機接收向量y＝[y1，y2，y3，...，yn]^t估計傳輸信號符號x。假設h已知，采用最小均方誤差(mmse)線性檢測理論，對傳輸信號向量的估計表示為

該估計過程等效為求解線性方程組

基于上述模型，本發明實施例公開一種近似mmse性能的高效大規模mimo檢測方法，包括如下步驟：

步驟1：預處理，將信道矩陣h和接收信號向量y輸入檢測器，得到匹配濾波器輸出y^mf＝h^hy和規則化gram矩陣w＝g+noim，其中gram矩陣g＝h^hh，no為噪聲方差，im為m維單位矩陣，(.)^h為共軛轉置操作；

步驟2：計算和其中d為w的對角元素矩陣，使得系數矩陣對角線元素為1；

步驟3：預條件，構造預條件矩陣p＝s+im，計算和其中s為一個和有關的矩陣：

步驟4：根據步驟3輸出的和設置迭代初始解為x⁽⁰⁾＝0，并開始迭代操作，輸出估計檢索結果；算法偽代碼如下：

k輪迭代后，x^(k)即為待檢測信號的估計結果。

對于天線配置(n×m)為128×32，信道相關系數為0(即h矩陣元素為i.i.d.分布)的大規模mimo系統，采用64-qam映射，所述的近似mmse性能的高效大規模mimo檢測算法的數值仿真結果見圖1；對于信道相關系數為0.3，天線配置分別為128×32，128×16，128×8的大規模mimo系統，所述算法的數值仿真結果見圖2、圖3和圖4。其中，ns代表基于neumann級數的檢測算法，cg代表基于共軛梯度的檢測算法，gs代表基于傳統gs的檢測算法，pgs代表本發明所述的近似mmse性能的高效大規模mimo檢測算法，cholesky代表精確的mmse檢測算法。由圖1和圖2的結果可以看出，隨著空間相關性的增大，所對比的所有算法在同等迭代次數下誤碼率性能都損失了不少，然而本發明所述的算法相較其他算法的優勢變得更加明顯。由圖2、圖3和圖4可以看出，當接收天線數量均為128時，隨著發射天線數(用戶數)的增大，所對比的所有算法誤碼率性能逐漸下降，且所需迭代次數在逐漸增大，然而本發明所述的算法性能依然優于其他幾個算法，且能夠在較少的迭代后逼近精確mmse檢測算法的誤碼率性能。

如圖5所示，硬件架構方面，本實施例中采用的一種近似mmse性能的高效大規模mimo檢測系統主要包括預條件模塊和gs迭代模塊，圖中虛線內為預條件模塊示意圖。

具體來說，在所述預條件模塊中，計算過程如下：

1)如圖5所示，用2個脈動陣列(在圖5中標記為)計算匹配濾波器輸出y^mf＝h^hy和規則化gram矩陣w＝g+noim，其中加法器陣列表示為脈動陣列的處理單元(pe)為基本的復數乘法累加器(mac)，注意用于計算矩陣-矩陣乘法的脈動陣列由m²個pe組成，用于計算矩陣-向量乘法的脈動陣列由m個pe組成；

2)用2個脈動陣列(在圖5中標記為)計算標準化矩陣和標準化向量其中d^-1由求倒數單元(在圖5中標記為inv)計算得到(求倒數單元由查找表生成，脈動陣列由2m個實數乘法器組成)；

3)用2個脈動陣列(在圖5中標記為)計算系數矩陣和常數向量其中預條件矩陣p＝s+im元素可以直接從2)中取得，注意用于計算矩陣-矩陣乘法的脈動陣列由m²個pe組成，用于計算矩陣-向量乘法的脈動陣列由m個pe組成。

如圖6所示，在所述gs迭代模塊中，計算過程如下：

1)在每個時鐘周期，gs迭代模塊輸出其中復數乘法器和復數加法器在圖6中分別標記為和延遲單元標記為d。經過m個時鐘周期后，完成一次gs迭代(時序調度如圖7所示，實線方塊對應圖6中的d)，前m-1個時鐘周期計算結果保存在寄存器中，注意每個乘法器輸入的b和a的值也隨著時鐘周期性更替；

2)經過km個時鐘周期后，從寄存器中得到待檢測信號的估計結果，其中k為設定的gs迭代次數，如圖7所示，m＝4的系統中元素更新示意圖。

本發明通過引入預條件(preconditioning)技術，本發明能夠顯著加快傳統gs方法的迭代速率，從而使得本發明提出的大規模mimo檢測算法在惡劣傳播環境(如發射/接收天線數相近或者空間相關性較大的信道)中依然能夠快速逼近精確mmse檢測算法的性能。數值模擬結果表明，本發明提出的大規模mimo檢測算法在惡劣傳播環境中表現出的誤碼率性能要優于基于neumann級數、gs方法、cg方法的傳統大規模mimo檢測算法。此外，本發明提供了低硬件消耗和低延遲的電路設計方案。