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。