基於大規模MIMO的高效CR檢測方法和架構與流程
2023-08-06 00:08:01
本發明涉及通信技術領域,尤其涉及一種基於大規模mimo的高效cr檢測方法和架構。
背景技術:
大規模multiple-inputmultiple-output(massivemimo)作為下一代(5g)移動通信的關鍵技術,和傳統mimo相比可以提供更好的頻譜效率並且更好地避免幹擾。在5g移動通信的具體應用中,檢測技術是大規模mimo的必要一步,但是隨著天線數量的增加,信道矩陣的維度也隨之增加,這使得最小均方誤差(minimummeansquareerror,mmse)過濾矩陣和它的逆矩陣的計算變得極其困難,複雜度極高。因此為了降低複雜度,有了迭代法求逆的方法。成功降低複雜度並且取得較好性能的cg(conjugategradient)算法有一定的優越性,但是其性能還不是非常理想,每次計算中也存在著較多矩陣向量的乘積,造成了更高的複雜度。
技術實現要素:
發明目的:本發明針對現有技術存在的問題,提供一種基於大規模mimo的高效cr檢測方法和架構,該發明在較優越的cg基礎上解決複雜度的問題,在保持誤碼率性能的基礎上降低運算複雜度,獲得更好的性能。
技術方案:本發明所述的基於大規模mimo的高效cr檢測方法包括:
(1)採用匹配濾波器根據基站接收信號向量y和信道矩陣h計算得到yf=hhy;
(2)根據信道矩陣h計算得到gram矩陣g=hhh;
(3)根據gram矩陣g計算得到mmse檢測矩陣a=g+σ2i2,其中,σ2表示噪聲方差,i表示單位矩陣;
(4)對mmse檢測矩陣a進行不完全cholesky預處理得到矩陣m=llt,並對llt求逆得到m-1,最終得到經過預處理的矩陣m-1a;
(5)按照以下步驟進行高效cr檢測:
a、設置v0=0,b=yf,r0=b,p0=b,z0=m-1r0,e0=ap0,m0=az0,迭代次數k=1;
b、按照下式計算:
c、將k=k+1,並返回b進行循環,直至達到預設迭代次數;
d、將迭代結束時的vk值作為發送信號的估計值進行輸出。
本發明所述的基於大規模mimo的高效cr檢測架構包括:
預處理模塊,包括匹配濾波器、gram矩陣生成器、mmse檢測矩陣生成器、ic預處理器,其中,匹配濾波器用於根據基站接收信號向量y和信道矩陣h計算得到yf=hhy;gram矩陣生成器用於根據信道矩陣h計算得到gram矩陣g=hhh;mmse檢測矩陣生成器用於根據gram矩陣g計算得到mmse檢測矩陣a=g+σ2i2,σ2表示噪聲方差,i表示單位矩陣;ic預處理器用於對mmse檢測矩陣a進行不完全cholesky預處理得到矩陣m=llt,並對llt求逆得到m-1,最終得到經過預處理的矩陣m-1a;
高效cr檢測模塊,用於採用乘法器、加法器、共軛轉置計算陣列、延時器、除法模塊以及向量取模模塊進行以下運算:
a、設置v0=0,b=yf,r0=b,p0=b,z0=m-1r0,e0=ap0,m0=az0,迭代次數k=1;
b、按照下式計算:
c、將k=k+1,並返回b進行循環,直至達到預設迭代次數;
輸出模塊,用於將迭代結束時的vk值作為發送信號的估計值進行輸出。
有益效果:本發明與現有技術相比,其顯著優點是:本發明通過消除cg算法中每一次迭代的矩陣向量乘積a*p(p為計算過程中輔助殘差的中間變量),cr算法有效降低了複雜度並且是解決hermitian問題的算法,接著本發明提供了基於上述cr算法的高效實現,即通過incompletecholesky(ic)預處理來優化cr算法的性能,通過在每一次迭代中在殘差向量r前乘以ic預處理的結果lhl的逆矩陣,得到了最終的高效cr算法,其誤碼率性能超越了cg和cr。
附圖說明
圖1是本發明提供的基於大規模mimo的高效cr檢測架構示意圖;
圖2是發射天線數為32,接收天線數為128,可調常數為1/9時,採用本發明cr和高效cr算法和其他檢測算法的誤碼率曲線圖;
圖3是發射天線數為16,接收天線數為128,可調常數為1/9時,採用本發明cr和高效cr算法和其他檢測算法的誤碼率曲線圖;
圖4是發射天線數為8,接收天線數為128,可調常數為1/9時,採用本發明cr和高效cr算法和其他檢測算法的誤碼率曲線圖;
圖5是信噪比為20db,接收天線數為128,可調常數為1/9時cr和cg算法複雜度與發射天線數量關係的曲線圖;
圖6是信噪比為20db,接收天線數為128,可調常數為1/9時高效cr和其他算法的複雜度與發射天線數量關係的曲線圖。
具體實施方式
本實施例中建立了一個大規模mimo信道模型進行模擬操作。在大規模mimo系統中,如果基站端天線數為n,用戶端天線數為m,則一般有n>>m。令s=[s1,s2,s3,...,sm]t表示信號向量,s中包含了從m個用戶產生的傳輸符號,均採用64-qam方式進行映射。h表示維度是n×m的信道矩陣,故上行鏈路基站端的接收信號向量y可以表示為
y=hs+n
其中y的維度為n×1,n為n×1維的加性白噪聲向量。上行鏈路的信號檢測就是通過接收機接收向量y=[y1,y2,y3,...,yn]t估計出原傳輸信號符號s。假設h已知,其元素服從均值為0方差為1的獨立同分布,採用最小均方誤差(mmse)線性檢測方法,傳輸信號向量的估計表示為
為了根據y檢測得到本實施例提供了一種基於大規模mimo的高效cr檢測方法和架構,方法包括:
(1)採用匹配濾波器根據基站接收信號向量y和信道矩陣h計算得到yf=hhy;
(2)根據信道矩陣h計算得到gram矩陣g=hhh;
(3)根據gram矩陣g計算得到mmse檢測矩陣a=g+σ2i2,其中,σ2表示噪聲方差,i表示單位矩陣;
(4)對mmse檢測矩陣a進行不完全cholesky預處理得到矩陣m=llt,並對llt求逆得到m-1,最終得到經過預處理的矩陣m-1a;
(5)按照以下步驟進行高效cr檢測:
a、設置v0=0,b=yf,r0=b,p0=b,z0=m-1r0,e0=ap0,m0=az0,迭代次數k=1;
b、按照下式計算:
c、將k=k+1,並返回b進行循環,直至達到預設迭代次數;
d、將迭代結束時的vk值作為發送信號的估計值進行輸出。
如圖1所示,本實施例的架構包括:
預處理模塊,包括匹配濾波器、gram矩陣生成器、mmse檢測矩陣生成器、ic預處理器,其中,匹配濾波器用於根據基站接收信號向量y和信道矩陣h計算得到yf=hhy;gram矩陣生成器用於根據信道矩陣h計算得到gram矩陣g=hhh;mmse檢測矩陣生成器用於根據gram矩陣g計算得到mmse檢測矩陣a=g+σ2i2,σ2表示噪聲方差,i表示單位矩陣;ic預處理器用對mmse檢測矩陣a進行不完全cholesky預處理得到矩陣m=llt,並對llt求逆得到m-1,最終得到經過預處理的矩陣m-1a;
高效cr檢測模塊,用於採用乘法器、加法器、共軛轉置計算陣列、延時器、除法模塊以及向量取模模塊進行以下運算:
a、設置v0=0,b=yf,r0=b,p0=b,z0=m-1r0,e0=ap0,m0=az0,迭代次數k=1;
b、按照下式計算:
c、將k=k+1,並返回b進行循環,直至達到預設迭代次數;
輸出模塊,用於將迭代結束時的vk值作為發送信號的估計值進行輸出。
對於天線配置為128×32,128×16,128×8的大規模mimo系統,採用64-qam映射,與ic計算相關的可調常數為1/9,基於上述算法的大規模mimo檢測算法的仿真結果見圖2,圖3和圖4。
複雜度方面,考慮算法中複數乘法的個數,令迭代次數為k,q為下三角矩陣l中的0的個數。與cg相比,發明cr算法的複雜度為2m2+k*(m2+7m),cg的複雜度為k*(2m2+6m),二者比較示意圖見圖5。與傳統求逆相比,高效cr算法的複雜度為而傳統求逆的複雜度為其比較示意圖見圖6。由仿真結果可知,本發明cr算法將cg的複雜度降低了20%左右,而高效cr算法將傳統求逆的複雜度降低了66%左右。複雜度比較見表1。在完成相同性能的前提下,本發明cr算法的複雜度小於cg算法的複雜度而本發明高效cr算法的複雜度小於傳統求逆的複雜度。
表1
以上所揭露的僅為本發明一種較佳實施例而已,不能以此來限定本發明之權利範圍,因此依本發明權利要求所作的等同變化,仍屬本發明所涵蓋的範圍。