基于时间相关性的梯度追踪多用户检测算法

为降低大规模机器类型通信基站端多用户检测的复杂度, 结合活跃设备在相邻时隙间的相关性和梯度追踪算法提出了相关性辅助的梯度追踪多用户检测(correlation-assisted gradient pursuit multi-user detection, CAGP-MUD)算法, 不仅避免了矩阵求逆的过程, 还减少了除第一时隙的其他时隙的迭代次数。为了进一步降低多用户检测算法的复杂度, 在CAGP-MUD算法框架内引入决策衰弱的思想, 对梯度最大值进行衰弱, 并以此作为阈值, 每次迭代可挑选出多个活跃设备, 以减少迭代次数, 称为相关性辅助的组梯度追踪多用户检测算法。对提出的两种算法进行了复杂度计算。理论分析和仿真实验表明, 和同类算法相比, 这两种算法的计算消耗降低了60%以上。