LTE-A系统下行MIMO检测算法改进研究

MIMO检测是LTE-A系统中的一个重要环节,在实际应用中,MIMO信号检测算法的选用需要在复杂度和性能之间进行合理折中。文中针对ML(Maximum Likelihood)算法复杂度高的问题,提出了一种改进的算法(ML-SQRD),主要是缩小搜寻空间,尽可能多地考虑可能的发送符号集,并在分析过程中结合了SQRD(Sort QR Decomposition)算法。经仿真和复杂度分析,改进算法的性能接近ML算法,且复杂度低于ML算法,可应用于未来5G通信中大规模MIMO检测。     

正交空间调制系统的低复杂度检测算法

正交空间调制(quadrature spatial modulation,QSM)作为一种扩展的空间调制(spatial modulation,SM)传输方案,近年来受到业界的广泛关注.它通过在发送端将发送的复值符号的实部和虚部分开传输来提高频谱效率.由于正交空间调制系统的最大似然(maximum likelihood,ML)检测算法在整个搜索空间进行穷搜索,导致计算复杂度极高.针对QSM系统接收端检测算法复杂度较高的问题,利用QSM系统信号固有的稀疏特性,提出了一种QSM系统的压缩感知(compressed sensing,CS)检测算法.仿真结果表明,新的检测算法在误码性能上接近ML检测算法,复杂度约为ML的4.7％.     

低复杂度的正交空间调制检测算法

正交空间调制(quadrature spatial modulation,QSM)系统通过增加空间维来提高传统空间调制(spatial modulation,SM)的频谱利用率(频谱效率), 这在传统的多输入多输出 (multiple-input multiple-output,MIMO)技术中引起了极大的关注。虽然最大似然(maximum likelihood,ML)检测算法能够实现最优性能,但其穷尽搜索带来了极高的计算复杂度。而经典的线性检测算法最小均方误差(minimum mean square error,MMSE)和迫零(zero forcing,ZF) ,虽然在复杂度方面较最大似然ML最优检测低,但其误比特性能却比最大似然ML检测算法差很多。为了更好实现系统在计算复杂度和误比特性能之间的均衡,提出一种基于迫零的线性检测算法——增强型迫零(enhance zero forcing,EZF)。仿真结果表明,提出的检测算法不仅能够实现比传统检测算法(如迫零和最小均方误差)更好的性能,而且在复杂度方面较ML有明显的降低。     

空间调制信号的改进M-ML检测算法

空间调制(SM)系统的最大似然(ML)最优检测算法的计算复杂度很高,具有较低计算复杂度的M-ML检测算法受到了人们的关注.M-ML算法按照接收天线序号由小到大的顺序进行检测,从误比特率性能角度考虑并不是最佳的.通过研究不同检测顺序对算法性能的影响,提出了两个改进的M-ML算法,仿真结果表明改进的M-ML算法在误比特率性能上优于M-ML算法.由于M-ML算法在不同的信噪比下每层保留固定的节点数M,尤其在高信噪比时会造成计算资源的浪费,因此提出一种动态M-ML算法,即通过门限值自适应选择每层保留的节点数.仿真结果表明动态M-ML算法降低了M-ML算法的计算复杂度,同时性能逼近M-ML算法.     

基于子空间追踪的广义空间调制系统检测算法

广义空间调制(Generalized spatial modulation,简称GSM)技术在通信领域内受到了广泛的关注。在多输入多输出天线系统中,该技术仅激活部分天线,利用激活天线索引序号和天线上调制符号组合共同传输数据。众所周知,最大似然(Maximum Likelihood,简称ML)检测算法能够实现最优的检测性能。然而,随着发射天线数目的增加或者采用高阶调制方式,ML检测需要极高的计算复杂度,导致其无法在实际中应用。考虑到GSM信号的稀疏特性,文章将压缩感知理论应用于GSM系统的信号检测中,提出了一种低复杂度的基于子空间追踪的广义空间调制系统(SP-based)检测算法。仿真结果表明,所提出的检测算法较ML算法能够极大的降低计算复杂度,并实现较好的检测性能。     

空间调制系统中优化的SD检测算法

空间调制系统(Spatial Modulation, SM)中的球形译码(Sphere Decoding, SD)检测算法不同于最大似然(Maximum Likelihood, ML)检测算法的搜索方式，SD算法采用深度搜索方式，在降低计算复杂度的同时使检测性能尽可能的接近ML算法.通过分析SD检测算法可知，信道增益矩阵直接影响接收信号及信号检测过程.利用这一特点，本文提出了hrSD算法.该算法根据信道增益矩阵来改变传统SD算法的搜索结构，进而可以更快速的找到完整的搜索路径；此外，为了降低算法的计算复杂度，给出了简化的hrSD(s)算法.通过仿真结果与分析可知，在计算复杂度相同的情况下，hrSD(s)算法的检测性能更优.     

一种新的空间调制QPSK信号检测算法

空间调制(SM)是一种新颖的多天线传输方案,它将激活天线序号与传统的信号调制相结合,共同承载发送信息.由于SM系统的最大似然(ML)最优检测算法既需要检测出激活天线序号又需要检测出发送的信息符号,检测复杂度很高.为此,利用二进制二次规划的全局最优条件,针对空间调制QPSK信号,提出了一种新的最优的ML简化检测算法.新算法在保证了传统ML最优检测性能的前提下,明显降低了算法的复杂度,特别在大天线空间调制系统中具有更加明显的优势.最后通过计算机仿真,验证了新算法的ML最优性.     

改进DCO-OFDM系统中的接收端检测算法

为了减轻DCO-OFDM系统中因截断噪声对误码率性能的影响,研究了上、下限幅截断系统的检测算法优化问题.分析了ML算法在DCO-OFDM中不适用的原因,提出ML迭代算法和权重因子ML算法:ML迭代算法通过对残留限幅噪声的迭代估算更新原始估计序列,得到ML算法的析出信号;通过权重因子将限幅噪声高斯白化,使得最大似然估计检测算法满足最优线性估计条件,再通过迭代算法得出接收机析出信号.文中提出的2种算法虽然复杂度高,但相比于M L算法具有更好的链路误码率性能.     

MIMO系统中基于条件数阈值的格基约减信号检测算法

在多输入多输出系统中,最大似然(maximum likelihood,ML)检测算法性能最优但复杂度很高,最小均方误差(minimum mean-square error,MMSE)检测算法复杂度低但其性能较差.较高的信道矩阵条件数会给信号检测算法的误码率性能带来不利影响.针对这些问题,提出一种基于信道矩阵条件数阈值的信号检测算法来提升高条件数下传统检测算法的性能.该算法通过比较信道矩阵的条件数与预先设定的条件数阈值,选取相应的检测算法:当条件数低于阈值时,采用复杂度较低的LLL(lenstra-lenstra-lovasz)约减的MMSE(LLL-MMSE)算法来减少计算量;当条件数高于阈值时,采用基于排序分组的ML与LLL-MMSE联合的检测算法,通过增加一定的计算量来保证检测性能.对不同阂值下的误码率性能进行了仿真,结果表明算法的性能明显优于传统的LLL-MMSE检测算法,并且通过预先设定条件数阈值可以使得算法在性能和复杂度之间获得较好的平衡,最终达到优化检测算法性能的目的.     

V-BLAST系统检测算法

目的 为了降低垂直分层空时码(V-BLAsT)系统的复杂度,提高系统性能.方法 介绍了V-BLAST的干扰抵消、并行解码、QR分解算法,提出了两种改进的检测算法,利用MATLAB对它们在复杂度和性能方面进行仿真与分析.结果 仿真显示干扰同时抵消算法在信噪比为10dB时误码率为10～2,性能最优,在译码时对初始估值进行排序,增加了译码复杂度;并行解码算法和QR算法的复杂度较小,但误码性能降低.结论 要求性能高的选用干扰抵消算法,要求复杂度低的选用并行解码或QR算法,性能和复杂度兼顾则选用循环迭代QR算法.