本發(fā)明屬于信號檢測技術領域，尤其涉及一種基于塊迭代法的改進后的mmse低復雜度信號檢測方法。

背景技術：

隨著社會信息化進程的加快，人們對信息傳輸?shù)乃俾屎唾|量也有著越來越高的要求，移動通信網(wǎng)絡也在一代又一代的革新。從最初的第一代移動通信系統(tǒng)到現(xiàn)如今的第四代移動通信系統(tǒng)，系統(tǒng)的頻譜利用率獲得了極大的提高，業(yè)務種類也從最初的幾種到現(xiàn)在可以適用不同類型用戶的各種需求，高速數(shù)據(jù)業(yè)務量明顯提升，用戶信息的保密性能也逐步增強，設備的成本和尺寸也在一代代降低。伴隨著4g-lte的大規(guī)模商用，第五代移動通信系統(tǒng)(fifthgenerationwirelesssystem，5g)技術目前也成為了全球研究的熱點。

massivemimo系統(tǒng)作為5g中最重要的技術之一，其基站有著數(shù)以百計的天線，巨大的天線規(guī)?？梢燥@著的提升系統(tǒng)的容量和頻譜效率，現(xiàn)已成為了5g技術中的一個研究重點，但是伴隨該系統(tǒng)的導頻污染和互耦效應等問題也限制了整個系統(tǒng)的性能。

在傳統(tǒng)mimo中性能表現(xiàn)非常好的檢測算法，在massivemimo系統(tǒng)中卻并不適用。例如，檢測性能十分優(yōu)異的ml算法，在massivemimo系統(tǒng)當中其完成檢測所需的運算量將隨著發(fā)射天線數(shù)量的增多而呈指數(shù)倍增長。而傳統(tǒng)的線性檢測算法，例如迫零檢測算法(zf)和最小均方誤差檢測算法(mmse)中也包含著復雜的矩陣求逆過程，隨著系統(tǒng)中信道傳輸矩陣的規(guī)模增大，矩陣求逆過程也將十分復雜。massivemimo系統(tǒng)中的主要實際應用的檢測算法仍是線性檢測算法(如zf算法、mmse算法)和線性檢測算法經(jīng)過改進后形成的非線性檢測算法，如zf-sic算法、mmse-sic算法等。雖然zf-sic算法對于噪聲的干擾和信號符號向量間干擾的抑制能力相比于zf算法要強很多，能夠達到很好的檢測效果，但是存在復雜度高的缺點。mmse-sic算法因為同時考慮了噪聲和多流干擾綜合影響的因素，其相比于zf-sic算法可以使接收估計信號的均方誤差進一步降低，但其運算復雜度仍較高。

針對該問題，需要找到一種檢測準確度較好，且運算復雜度低的檢測算法。

技術實現(xiàn)要素：

針對現(xiàn)有技術存在的問題，本發(fā)明提供了一種基于塊迭代法的改進后的mmse低復雜度信號檢測方法。

本發(fā)明是這樣實現(xiàn)的，一種基于塊迭代法的改進后的mmse低復雜度信號檢測方法，所述基于塊迭代法的改進后的mmse低復雜度信號檢測方法依據(jù)mmse檢測算法計算線性濾波矩陣，使得該矩陣滿足與接收信號相乘后能獲得發(fā)射信號的條件；將線性濾波矩陣等效為一個線性方程組的矩陣，即w＝a；將檢測問題轉換為求解線性方程組as＝b；將矩陣a分塊，再將矩陣a用適當公式分解為一個上三角矩陣，一個下三角矩陣和一個對角矩陣；根據(jù)massivemimo中的信道硬化特性，確定初始化向量；利用已推導出的塊迭代公式計算最終檢測結果。

進一步，所述基于塊迭代法的改進后的mmse低復雜度信號檢測方法包括以下步驟：

步驟一，依據(jù)mmse檢測算法計算線性濾波矩陣w，使得矩陣滿足與接收信號相乘后能獲得發(fā)射信號的條件；

步驟二，將線性濾波矩陣等效為一個線性方程組的矩陣，即w＝a，將檢測問題轉換為一個求解線性方程組as＝b的問題；

步驟三，將矩陣a分塊，再將矩陣a用適當公式分解為一個上三角矩陣，一個下三角矩陣和一個對角矩陣；

步驟四，根據(jù)massivemimo中的信道硬化特性，確定初始化向量；

步驟五，利用已推導出的塊迭代公式計算最終檢測結果，計算檢測算法的信噪比和誤碼率以及通過運算時間衡量的運算復雜度。

步驟s201中依據(jù)mmse檢測算法計算線性濾波矩陣w，使得該矩陣滿足與接收信號相乘后能獲得發(fā)射信號的條件，按以下進行：

進一步，所述mmse檢測算法的檢測過程包括：

其中在基站端通過時域或者頻域獲得信道傳輸矩陣h之后，得到mmse檢測器估計出的發(fā)射信號矢量為：

ymf＝h^ty被看作匹配濾波器的輸出；g＝h^th為格蘭姆矩陣，其為半正定矩陣；所以：

進一步，所述步驟二中將檢測問題轉換為求解線性方程組as＝b具體包括：

根據(jù)w矩陣信號檢測公式可寫為即相當于解線性方程組：

as＝b；

其中的a即為w，是一個對稱正定矩陣；

對于上行鏈路的massivemimo系統(tǒng)基站端天線的數(shù)目遠超用戶數(shù)量很多倍，即n＞＞k，含有實際值的信道傳輸矩陣為滿秩，則線性方程組hq＝0具有唯一解；q是一個2k×1的零向量；對于任意一個2k×1的非零向量r，得：

(hr)^hhr＝r^h(h^hh)r＝r^hgr>0；

式中含有一個格蘭姆矩陣g＝h^hh，是正定矩陣；有如下定義：

g^h＝(h^hh)^h＝g；

所以，g是對稱矩陣，格蘭姆矩陣g是一個對稱正定矩陣；

噪聲方差σ²是正定的，推出mmse算法的線性濾波矩陣是一個對稱正定矩陣。

進一步，所述步驟三中利用塊迭代法的方式對線性濾波矩陣進行處理后，再將其分解為一個上三角矩陣，一個下三角矩陣和一個對角矩陣，具體包括：

首先，將矩陣a進行分塊，得：

其中aii為非奇異，且系數(shù)陣為aii的線性方程組易求解，為nii階矩陣；將矩陣a分為三部分，過程如下：

a＝d-l-u；

其中：

d＝diag(a11,a12,...,akk)

-l與-u分別為a的下三角和上三角矩陣，d為a的對角矩陣。

進一步，所述步驟四中確定初始化向量具體包括：

當n/k足夠大時，d^-1非常接近w^-1，根據(jù)信道硬化現(xiàn)象，g≈n·ik，得出：

初始化向量計算即為：

進一步，所述步驟五中利用塊迭代公式計算最終檢測結果具體包括：

用s^(k)來表示算法mmse-bi檢測出的信號，計算最終檢測信號的迭代公式為：

s^(k+1)＝d^-1(l+u)·s^(k)+d^-1b,k＝1,2,...。

本發(fā)明的另一目的在于提供一種利用所述基于塊迭代法的改進后的mmse低復雜度信號檢測方法的massivemimo系統(tǒng)。

本發(fā)明的優(yōu)點及積極效果為：較好的性能和較低的運算復雜度檢測出發(fā)射端的發(fā)射信號。檢測算法的信噪比和誤碼率以及通過運算時間衡量的運算復雜度，綜合分析該算法的檢測性能。

本發(fā)明改進后的mmse-bi檢測技術相比與原mmse算法，在檢測準確度方面表現(xiàn)稍有不及，但曲線非常貼近；在算法的運算復雜度方面，mmse-bi算法相比mmse算法來說性能提升比較明顯。綜合這兩方面可得，改進后的mmse-bi算法在基本保持mmse算法檢測準確度的基礎上很大程度上降低了原技術的運算復雜度，說明mmse-bi算法相比mmse算法性能更具有優(yōu)勢。

附圖說明

圖1是本發(fā)明實施例提供的基于塊迭代法的改進后的mmse低復雜度信號檢測方法流程圖。

圖2是本發(fā)明實施例提供的基于塊迭代法的改進后的mmse低復雜度信號檢測方法實現(xiàn)流程示意圖。

圖3是本發(fā)明實施例提供的系統(tǒng)模型示意圖。

圖4是本發(fā)明實施例提供的在線監(jiān)測方法流程圖。

圖5是本發(fā)明實施例提供的的檢測準確度對比圖。

圖6是本發(fā)明實施例提供的前后運算復雜度對比圖。

具體實施方式

為了使本發(fā)明的目的、技術方案及優(yōu)點更加清楚明白，以下結合實施例，對本發(fā)明進行進一步詳細說明。應當理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

下面結合附圖對本發(fā)明的應用原理作詳細的描述。

如圖1所示，本發(fā)明實施例提供的基于塊迭代法的改進后的mmse低復雜度信號檢測方法包括以下步驟：

s101：依據(jù)mmse檢測算法計算線性濾波矩陣，使得該矩陣滿足與接收信號相乘后能獲得發(fā)射信號的條件；將線性濾波矩陣等效為一個線性方程組的矩陣，即w＝a；

s102：將檢測問題轉換為一個求解線性方程組as＝b的問題；將矩陣a分塊，再將矩陣a用適當公式分解為一個上三角矩陣，一個下三角矩陣和一個對角矩陣；

s103：根據(jù)massivemimo中的信道硬化特性，確定初始化向量；利用已推導出的塊迭代公式計算最終檢測結果。

下面結合附圖對本發(fā)明的應用原理作進一步的描述。

如圖2所示，本發(fā)明實施例提供的基于塊迭代法的改進后的mmse低復雜度信號檢測方法包括以下步驟：

s201：依據(jù)mmse檢測算法計算線性濾波矩陣w，使得該矩陣滿足與接收信號相乘后能獲得發(fā)射信號的條件；

s202：將線性濾波矩陣等效為一個線性方程組的矩陣，即w＝a，將檢測問題轉換為一個求解線性方程組as＝b的問題；

s203：將矩陣a分塊，再將矩陣a用適當公式分解為一個上三角矩陣，一個下三角矩陣和一個對角矩陣；

s204：根據(jù)massivemimo中的信道硬化特性，通過適當方法確定初始化向量；

s205：利用已推導出的塊迭代公式計算最終檢測結果，計算該檢測算法的信噪比和誤碼率以及通過運算時間衡量的運算復雜度，綜合分析該算法的檢測性能。

步驟s201中依據(jù)mmse檢測算法計算線性濾波矩陣w，使得該矩陣滿足與接收信號相乘后能獲得發(fā)射信號的條件，按以下進行：

首先，建立一個massivemimo系統(tǒng)模型，該模型的基站端天線為n，用戶數(shù)量為k，如圖3所示，通常情況下基站端天線的數(shù)目會遠超于用戶數(shù)量好幾倍，即n＞＞k。本發(fā)明令n＝128，k＝16。并行的傳輸比特流從k個用戶端通過選擇一個能量歸一化調(diào)制星座圖中的值映射到星座符號中，并通過n個不同的發(fā)送天線傳輸。傳輸信號矢量用一個k×1的向量表示，h表示瑞利衰落信道矩陣，矩陣內(nèi)的元素相互獨立，服從均值為0，方差為1的復高斯分布。由此可得，在基站端大小為n×1的接收信號矢量y可以表示如下：

其中n為大小為n×1的加性高斯白噪聲(awgn)，服從n～(0,σ²),σ²＝e[nn^h]。并且es是傳輸信號的平均能量，es＝e[ss^h]，γ是每個接收天線接收的平均信噪比。h為信號經(jīng)過的瑞利衰落信道表示如下：

其中hij表示用戶端第j根天線和基站端第i根天線之間的信道傳輸系數(shù)。本發(fā)明建立的massivemimo信道模型當中，hij相互獨立并服復高斯分布n～(0,1)。

知道，在線性檢測算法mmse算法當中，檢測過程如圖4：

其中在基站端通過時域或者頻域獲得信道傳輸矩陣h之后，可得到mmse檢測器估計出的發(fā)射信號矢量為：

ymf＝h^ty被看作匹配濾波器的輸出。g＝h^th為格蘭姆矩陣，其為半正定矩陣；所以：

步驟s202中，將步驟s201得到的線性濾波矩陣等效為一個線性方程組的矩陣，即w＝a，將檢測問題轉換為一個求解線性方程組as＝b的問題，按以下進行：

知道m(xù)mse檢測算法可以達到很好的檢測性能。包含了一個復雜的大型矩陣求逆w^-1運算，想要在軟件中實現(xiàn)這個過程并不是一項輕松的任務。所以，本發(fā)明運用提出的mmse-bi算法來解決這一問題。

根據(jù)步驟s201得到的massivemimo系統(tǒng)的w矩陣是一個對稱正定矩陣，則信號檢測公式可以寫為即相當于解線性方程組：

as＝b；

其中的a即為w，是一個對稱正定矩陣。

對于上行鏈路的massivemimo系統(tǒng)的信號檢測，mmse算法的濾波矩陣w是一個對稱正定矩陣。

對于上行鏈路的massivemimo系統(tǒng)來說，基站端天線的數(shù)目遠超用戶數(shù)量很多倍，即n＞＞k，含有實際值的信道傳輸矩陣為滿秩。(例如，rank(h)＝2k)，則線性方程組hq＝0具有唯一解。這里，q是一個2k×1的零向量。因此，對于任意一個2k×1的非零向量r，可得：

(hr)^hhr＝r^h(h^hh)r＝r^hgr>0；

式中含有一個格蘭姆矩陣g＝h^hh，是正定矩陣。除此之外，有如下定義：

g^h＝(h^hh)^h＝g；

所以，g是對稱矩陣。因此，格蘭姆矩陣g是一個對稱正定矩陣；

最后，因為噪聲方差σ²是正定的，可以推出mmse算法的線性濾波矩陣是一個對稱正定矩陣。證畢。

如此，待解決的問題就變成了一個解線性方程組as＝b,a＝w的問題。

步驟s203中求解步驟s202得到的線性濾波矩陣，需要利用塊迭代法的方式對線性濾波矩陣進行處理后，再將其分解為一個上三角矩陣，一個下三角矩陣和一個對角矩陣，具體按以下進行：

首先，將矩陣a進行分塊，得：

其中aii為非奇異，且系數(shù)陣為aii的線性方程組易求解，為nii階矩陣。將矩陣a分為三部分，過程如下：

a＝d-l-u；

其中：

d＝diag(a11,a12,...,akk)

-l與-u分別為a的下三角和上三角矩陣，d為a的對角矩陣。

步驟s204中根據(jù)massivemimo中的信道硬化特性，為了進一步加快收斂速度，通過適當方法確定初始化向量；按以下進行：

一般來說，初始化矢量可以定為這種方法簡便易行，但是初始化后的結果與最終結果誤差較大。為了可以進一步提升算法的收斂速率，這里提出一種新的初始化方法，可以在一定程度上加快收斂速率。針對mmse算法及massivemimo信道特點，本發(fā)明在這里將這種新的初始化方法應用到mmse-bi檢測算法當中。由于當n/k足夠大時，d^-1非常接近w^-1，根據(jù)信道硬化現(xiàn)象，g≈n·ik，可以得出：

據(jù)此，初始化向量計算即為：

步驟s205中利用已推導出的塊迭代公式計算最終檢測結果，計算該檢測算法的信噪比和誤碼率以及通過運算時間衡量的運算復雜度，綜合分析該算法的檢測性能。按以下進行：

用s^(k)來表示算法mmse-bi檢測出的信號，此時，計算最終檢測信號的迭代公式為：

s^(k+1)＝d^-1(l+u)·s^(k)+d^-1b,k＝1,2,...；

檢測算法的性能用誤碼率隨信噪比的變化趨勢來描述。根據(jù)massivemimo的信道特性，知道，發(fā)射信號x的每個分量是獨立的，且滿足方差為且則信噪比公式寫為：

由于massivemimo的信道特性特點，hi,j之間相互獨立，并服從復高斯分布n～(0,1)，則接收端信噪比可寫為：

每一個信息比特的平均發(fā)審能量與單邊噪聲功率譜密度n0之比作為功率效率，有：

定義rm是調(diào)制階數(shù)，即每一個發(fā)射信號分量所占比特數(shù)，在m-qam中rm＝log2(m)，并且在發(fā)射功率已經(jīng)確定的情況下，按照之前接收能量的定義將其等同于每個比特的等效接收能量即最后得信噪比計算公式為：

是基于發(fā)射信號功率和噪聲功率之比，但是前提是hij服從n～(0,1)，則就等于每個信息比特的平均接收能量和噪聲功率之比。由此可知，檢測算法的誤碼率pe計算公式如下：

其中，n為傳輸0/1序列碼元總數(shù)，ne為傳輸錯誤的碼元總數(shù)。

下面結合附圖對本發(fā)明的應用效果作詳細的描述。

參見圖5所示，在massivemimo系統(tǒng)下，本發(fā)明用誤碼率為標準衡量檢測準確度的高低，調(diào)制方式采用16qam，接收/發(fā)射天線數(shù)量為128×16，使用的模擬信道為瑞利信道，星號曲線表示mmse算法，圓圈曲線表示mmse-bi算法。如上圖分析可得，隨著信噪比的增加，兩種算法的誤碼率都呈現(xiàn)大幅下降的態(tài)勢，且在信噪比為12db的情況下，mmse-bi算法的誤碼率達到了10^-5db以下，檢測性能良好。雖然相比于mmse算法誤碼率偏高，但相差并不大，兩條曲線非常接近，如果在這種情況下，運算的復雜度相比原算法可以大幅降低，則就能說明mmse-bi算法的綜合性能相比mmse算法來說具有優(yōu)越性。

參加圖6所示，表示了兩種算法的運算復雜度的仿真結果，在這里用檢測算法的運行時間為標準來衡量，星號曲線代表mmse算法，圓圈曲線代表mmse-bi算法。觀察上圖可知，隨著用戶數(shù)目的線性遞增，mmse算法與mmse-bi算法的檢測運行時間是以指數(shù)倍的形式遞增。在用戶數(shù)目增加到20的時候，mmse-bi算法相比原mmse算法，運行時間幾乎減少了大于10⁴秒的量級，運算復雜度明顯降低，這是因為塊迭代法的加入有效的避免了原mmse算法中大矩陣求逆的運算。整體上說明了改進的mmse-bi檢測技術在運算復雜度方面相比原mmse技術來說，具備一定的優(yōu)越性。

綜上分析可知，改進后的mmse-bi檢測技術相比與原mmse算法，在檢測準確度方面表現(xiàn)稍有不及，但曲線非常貼近；在算法的運算復雜度方面，mmse-bi算法相比mmse算法來說性能提升比較明顯。綜合這兩方面可得，改進后的mmse-bi算法在基本保持mmse算法檢測準確度的基礎上很大程度上降低了原技術的運算復雜度，說明mmse-bi算法相比mmse算法性能更具有優(yōu)勢。

以上所述僅為本發(fā)明的較佳實施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換和改進等，均應包含在本發(fā)明的保護范圍之內(nèi)。