一種基于大規模mimo系統信號檢測的llr計算方法
【技術領域】
[0001] 本發明屬于無線通信技術領域，尤其是設及一種基于大規模MIMO系統信號檢測的 LLR計算方法。
【背景技術】
[0002] 在下一代（5G)移動通信技術中，大規模多輸入多輸出（Mul tip Ie-Input Multiple-Output, MIMO)天線技術被視為一種核屯、的技術被廣泛關注與研究。運項技術能 極大地提高頻譜效率、系統容量而不用額外地增加頻帶帶寬消耗。但是，相對于傳統的小規 模MIMO技術(通常基站天線數N = 4,8)，大規模MIMO技術需要前所未有的天線數(通常考慮 80W上），運使得系統計算復雜度急劇增加，使研究者們和工程師們設計大規模MIMO系統遭 受到嚴重的挑戰。其中一個關鍵的挑戰來自于對上行線路信號檢測的低復雜度算法的設 計。一般地，在大規模MIMO系統中，線性檢測技術比如迫零(Zero-Forcing,ZF)檢測算法和 最小均方誤差(Minimum Mean Square化ror,MMSE)檢測算法能達到次最優性能，但其計算 復雜度遠遠小于最優算法，因此線性信號檢測算法被視為未來大規模MIMO系統中可靠的技 術。
[0003] 對于運些線性檢測算法，會大量設及到對關鍵矩陣的求逆計算。對大規模MIMO系 統，一些準確計算矩陣逆矩陣的算法，比如QR-Gram Schmidt算法，GausS-Jordan算法， Cholesky decomposition算法等，都需要消耗非常大的計算能量。因為在大規模多用戶 MIMO系統中，活躍的用戶數K可能會達到20甚至更大（區別于W前小規模MIMO系統同時接入 的用戶數K = 2,4等），而上述的幾種精確求逆算法的計算復雜度都在0化3)數量級，所W因 大量矩陣求逆計算帶來的復雜度將變得不可承受。
[0004] 為此，一種基于諾依曼級數近似(Neumann Series Approximation，NSA)的方法被 用來近似矩陣的逆矩陣，運種方法被廣泛應用于近期的上行線路信號檢測算法中W及下行 線路預編碼技術中。相對于傳統的精確矩陣求逆算法，NSA方法具有更強的硬件親和性、簡 單的數據流，不需要昂貴的專用計算單元，W及適合硬件并行計算。但是，NSA方法只有在用 來近似的級數項較少時才具有低復雜度的優勢，如果需要的級數項項數過多，其復雜度甚 至高于傳統的精確求逆方法。
[0005] 為了避免NSA方法在某些情況下帶來的高復雜度缺點，一些研究團隊提出了基于 大規模MIMO系統避免求逆的信號檢測方法，比如Gauss-Seidel線性求解方法等，運些方法 能達到〇化 2)低復雜度的效果。運些線性求解的方法都避免了求相關的矩陣的逆矩陣，能W 低復雜度地得到信號硬判決輸出，但是，運也為后面關鍵的軟信息對數似然比 (Loglikehood Ratio,化R)的計算帶來巨大的困難(甚至只能適合硬判決系統），因此整個 軟信號檢測算法的復雜度不能很好的降低，而且并不具備NSA算法的特有優勢。為此，一種 基于NSA算法體系并支持W低復雜度計算軟信息LLR的算法顯得很有必要。
【發明內容】
[0006] 為了克服現有技術中存在的不足，本發明提供一種基于大規模MIMO系統信號檢測 的LLR計算方法，適用于可提供軟輸出判決信息的信號檢測算法系統。
[0007] 為實現上述目的，本發明采用的技術方案是：
[000引首先給出基于大規模MIMO系統上行線路，在基站端配置N(N = 64,96,128或者更 大)根天線，同時服務K個單天線用戶，并滿足基站天線數遠遠大于用戶數(一般SKKs = kl，S2, . . .，SK]為編碼后的待傳輸用戶信號向量，Sk化=1，2, . . .，K)為S的第k個符號。化XK 為NXK維的信道狀態信息矩陣，其中N為基站天線數，K為接入的用戶天線數。yNxi為接收機 接收到的符號向量。n為零均值獨立同分布的加性高斯白噪聲向量，其噪聲方差系數為曰 2。 設定接收機對信道狀態信息矩陣H和統計噪聲信息O2是已知的。則接收向量通過匹配濾波 器的輸出為嚴二扔，其中（?）嗦示共輛轉置運算。匪SE信號檢測算法的等效匪SE濾波器 矩陣為W=hHh+〇 2Ik，其中Ik表示KXK維的單位矩陣。
[0009] -種基于大規模MIMO系統信號檢測的LLR計算方法，具體步驟如下：
[0010]步驟A，記等效MM沈濾波器矩陣W的元素為機如y，^K)，則W的對角元素組成的 對角陣為D = diag(wii，W22, . . .，WKK)，通過對D的每個非零元素求倒數，計算得到D的逆矩陣 D-1 = diag( Wi,'，W;:!，...，W品)；
[0011]步驟B，計算初始迭代向量，其中，嚴二HHy是匹配濾波器對y的輸出. [001 ^ 步驟C，計算乘法系數矩陣0 = Ik-擴Iw，其中，Ik表示K X K的單位矩陣；
[001引步驟D，設定最大迭代次數L，根據迭代計算公式§(n = +?)，1 = 2，. . .，L，得 到最后的迭代輸出^，此迭代輸出就是對傳輸信號向量S的迭代硬判決輸出；
[0014]步驟E，分別計算你化="在+巧*咕 1 +0*_。,、,04 立，k=l，2,. . .，K，其中目kk是矩陣0 的第k個對角元素，0k-r?和0k-EDl分別為0的第k行向量和第k列向量； [001引步飄?，分別計算。1<1<=1-02巧'1<1<，4=1,2,...,1(;
[0016]步驟G，根據如下公式分別計算各個比特位的軟信息LLR，
[001引其中化Rm,康示第k個傳輸符號的第m個比特位的軟信息化R，激和貧,分別表示該 符號中第m個比特位取值為0和1的向量集合，a和曰'分別為往和熱中的元素，mini ?}表示 取值使括號內的表示式值最小的運算。
[0019] -般地，將步驟G計算得到的軟信息依次輸入相應的譯碼器，如維特比譯碼器等， 即可獲得信號的軟判決結果。
[0020] 本發明的方法沿用了NSA算法體系，并進一步改造傳統NSA直接計算的架構，采用 迭代計算方式計算硬判決輸出；同時對傳統的NSA計算方式進行分解，避免了對核屯、矩陣的 直接求逆運算，最終得到信號向量的硬判決輸出。根據前面計算得到的硬判決輸出，并利用 前面計算步驟產生的已知的矩陣信息，提供了一種同樣基于NSA算法體系，低復雜度近似計 算LLR的算法。
[0021] 本發明的有益效果是：與現有技術相比，本發明沿用NSA算法體系，并進一步采用 了迭代計算方法，大大降低了硬件設計難度，使其兼有原有優勢基礎上更具有硬件實現優 勢。進一步對傳統的NSA計算方式進行分解，避免了對核屯、矩陣的直接求逆運算，大大降低 了計算復雜度，克服了傳統NSA方法因為使用的級數項數可能過多帶來的高復雜度的劣勢， 成功將此情況下的〇化 3)的復雜度降低為〇(LK3)(通常L遠遠小于K)。利用前面步驟產生的硬 判決輸出和一些相關項，提出的計算軟信息化R的方法，兼顧了計算化R信息的準確性和低 復雜度，使其適用的信號檢測系統整體的低復雜度和高準確性