基于大规模MIMO的高效CR检测方法和架构与流程

本发明涉及通信技术领域，尤其涉及一种基于大规模mimo的高效cr检测方法和架构。

背景技术：

大规模multiple-inputmultiple-output(massivemimo)作为下一代(5g)移动通信的关键技术，和传统mimo相比可以提供更好的频谱效率并且更好地避免干扰。在5g移动通信的具体应用中，检测技术是大规模mimo的必要一步，但是随着天线数量的增加，信道矩阵的维度也随之增加，这使得最小均方误差(minimummeansquareerror,mmse)过滤矩阵和它的逆矩阵的计算变得极其困难，复杂度极高。因此为了降低复杂度，有了迭代法求逆的方法。成功降低复杂度并且取得较好性能的cg(conjugategradient)算法有一定的优越性，但是其性能还不是非常理想，每次计算中也存在着较多矩阵向量的乘积，造成了更高的复杂度。

技术实现要素：

发明目的：本发明针对现有技术存在的问题，提供一种基于大规模mimo的高效cr检测方法和架构，该发明在较优越的cg基础上解决复杂度的问题，在保持误码率性能的基础上降低运算复杂度，获得更好的性能。

技术方案：本发明所述的基于大规模mimo的高效cr检测方法包括：

(1)采用匹配滤波器根据基站接收信号向量y和信道矩阵h计算得到y^f＝h^hy；

(2)根据信道矩阵h计算得到gram矩阵g＝h^hh；

(3)根据gram矩阵g计算得到mmse检测矩阵a＝g+σ²i²，其中，σ²表示噪声方差，i表示单位矩阵；

(4)对mmse检测矩阵a进行不完全cholesky预处理得到矩阵m＝ll^t，并对ll^t求逆得到m^-1，最终得到经过预处理的矩阵m^-1a；

(5)按照以下步骤进行高效cr检测：

a、设置v0＝0，b＝y^f，r0＝b，p0＝b，z0＝m^-1r0，e0＝ap0，m0＝az0，迭代次数k＝1；

b、按照下式计算：

c、将k＝k+1，并返回b进行循环，直至达到预设迭代次数；

d、将迭代结束时的vk值作为发送信号的估计值进行输出。

本发明所述的基于大规模mimo的高效cr检测架构包括：

预处理模块，包括匹配滤波器、gram矩阵生成器、mmse检测矩阵生成器、ic预处理器，其中，匹配滤波器用于根据基站接收信号向量y和信道矩阵h计算得到y^f＝h^hy；gram矩阵生成器用于根据信道矩阵h计算得到gram矩阵g＝h^hh；mmse检测矩阵生成器用于根据gram矩阵g计算得到mmse检测矩阵a＝g+σ²i²，σ²表示噪声方差，i表示单位矩阵；ic预处理器用于对mmse检测矩阵a进行不完全cholesky预处理得到矩阵m＝ll^t，并对ll^t求逆得到m^-1，最终得到经过预处理的矩阵m^-1a；

高效cr检测模块，用于采用乘法器、加法器、共轭转置计算阵列、延时器、除法模块以及向量取模模块进行以下运算：

a、设置v0＝0，b＝y^f，r0＝b，p0＝b，z0＝m^-1r0，e0＝ap0，m0＝az0，迭代次数k＝1；

b、按照下式计算：

c、将k＝k+1，并返回b进行循环，直至达到预设迭代次数；

输出模块，用于将迭代结束时的vk值作为发送信号的估计值进行输出。

有益效果：本发明与现有技术相比，其显著优点是：本发明通过消除cg算法中每一次迭代的矩阵向量乘积a*p(p为计算过程中辅助残差的中间变量)，cr算法有效降低了复杂度并且是解决hermitian问题的算法，接着本发明提供了基于上述cr算法的高效实现，即通过incompletecholesky(ic)预处理来优化cr算法的性能，通过在每一次迭代中在残差向量r前乘以ic预处理的结果l^hl的逆矩阵，得到了最终的高效cr算法，其误码率性能超越了cg和cr。

附图说明

图1是本发明提供的基于大规模mimo的高效cr检测架构示意图；

图2是发射天线数为32，接收天线数为128，可调常数为1/9时，采用本发明cr和高效cr算法和其他检测算法的误码率曲线图；

图3是发射天线数为16，接收天线数为128，可调常数为1/9时，采用本发明cr和高效cr算法和其他检测算法的误码率曲线图；

图4是发射天线数为8，接收天线数为128，可调常数为1/9时，采用本发明cr和高效cr算法和其他检测算法的误码率曲线图；

图5是信噪比为20db，接收天线数为128，可调常数为1/9时cr和cg算法复杂度与发射天线数量关系的曲线图；

图6是信噪比为20db，接收天线数为128，可调常数为1/9时高效cr和其他算法的复杂度与发射天线数量关系的曲线图。

具体实施方式

本实施例中建立了一个大规模mimo信道模型进行模拟操作。在大规模mimo系统中，如果基站端天线数为n，用户端天线数为m，则一般有n＞＞m。令s＝[s1,s2,s3,...,sm]^t表示信号向量，s中包含了从m个用户产生的传输符号，均采用64-qam方式进行映射。h表示维度是n×m的信道矩阵，故上行链路基站端的接收信号向量y可以表示为

y＝hs+n

其中y的维度为n×1，n为n×1维的加性白噪声向量。上行链路的信号检测就是通过接收机接收向量y＝[y1,y2,y3,...,yn]^t估计出原传输信号符号s。假设h已知，其元素服从均值为0方差为1的独立同分布，采用最小均方误差(mmse)线性检测方法，传输信号向量的估计表示为

为了根据y检测得到本实施例提供了一种基于大规模mimo的高效cr检测方法和架构，方法包括：

(1)采用匹配滤波器根据基站接收信号向量y和信道矩阵h计算得到y^f＝h^hy；

(2)根据信道矩阵h计算得到gram矩阵g＝h^hh；

(3)根据gram矩阵g计算得到mmse检测矩阵a＝g+σ²i²，其中，σ²表示噪声方差，i表示单位矩阵；

(4)对mmse检测矩阵a进行不完全cholesky预处理得到矩阵m＝ll^t，并对ll^t求逆得到m^-1，最终得到经过预处理的矩阵m^-1a；

(5)按照以下步骤进行高效cr检测：

a、设置v0＝0，b＝y^f，r0＝b，p0＝b，z0＝m^-1r0，e0＝ap0，m0＝az0，迭代次数k＝1；

b、按照下式计算：

c、将k＝k+1，并返回b进行循环，直至达到预设迭代次数；

d、将迭代结束时的vk值作为发送信号的估计值进行输出。

如图1所示，本实施例的架构包括：

预处理模块，包括匹配滤波器、gram矩阵生成器、mmse检测矩阵生成器、ic预处理器，其中，匹配滤波器用于根据基站接收信号向量y和信道矩阵h计算得到y^f＝h^hy；gram矩阵生成器用于根据信道矩阵h计算得到gram矩阵g＝h^hh；mmse检测矩阵生成器用于根据gram矩阵g计算得到mmse检测矩阵a＝g+σ²i²，σ²表示噪声方差，i表示单位矩阵；ic预处理器用对mmse检测矩阵a进行不完全cholesky预处理得到矩阵m＝ll^t，并对ll^t求逆得到m^-1，最终得到经过预处理的矩阵m^-1a；

高效cr检测模块，用于采用乘法器、加法器、共轭转置计算阵列、延时器、除法模块以及向量取模模块进行以下运算：

a、设置v0＝0，b＝y^f，r0＝b，p0＝b，z0＝m^-1r0，e0＝ap0，m0＝az0，迭代次数k＝1；

b、按照下式计算：

c、将k＝k+1，并返回b进行循环，直至达到预设迭代次数；

输出模块，用于将迭代结束时的vk值作为发送信号的估计值进行输出。

对于天线配置为128×32,128×16,128×8的大规模mimo系统，采用64-qam映射，与ic计算相关的可调常数为1/9，基于上述算法的大规模mimo检测算法的仿真结果见图2，图3和图4。

复杂度方面，考虑算法中复数乘法的个数，令迭代次数为k，q为下三角矩阵l中的0的个数。与cg相比，发明cr算法的复杂度为2m²+k*(m²+7m)，cg的复杂度为k*(2m²+6m)，二者比较示意图见图5。与传统求逆相比，高效cr算法的复杂度为而传统求逆的复杂度为其比较示意图见图6。由仿真结果可知，本发明cr算法将cg的复杂度降低了20％左右，而高效cr算法将传统求逆的复杂度降低了66％左右。复杂度比较见表1。在完成相同性能的前提下，本发明cr算法的复杂度小于cg算法的复杂度而本发明高效cr算法的复杂度小于传统求逆的复杂度。

表1

以上所揭露的仅为本发明一种较佳实施例而已，不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。