论文部分内容阅读
移动互联网和物联网的蓬勃发展直接推动了第五代移动通信系统(5th Generation,5G)的研究。大规模多输入多输出(Massive Multiple Input Multiple Output,Massive MIMO)技术作为5G物理层关键传输技术之一,能够提供高分集增益和空间分辨率,在实现传输可靠性的同时,使得系统频谱效率和能量效率得到大幅度提升。同时,5G系统为了支持更高数据传输速率,需要采用更高阶的基带调制技术。在众多基带调制技术中,具有方形星座图的高阶正交幅度调制(Quadrature Amplitude Modulation,QAM),由于其同相和正交相分量相互对称性使得调制和解调相对简单,从而引起了人们的广泛关注。但是,要充分利用大规模MIMO技术和高阶QAM的优势,面临许多无线传输的瓶颈问题,其中一个就是上行链路的多用户信号检测问题。因此,本论文针对大规模MIMO系统中高阶QAM软输出信号检测问题进行了较为深入的研究。本论文的主要研究包括:1.对大规模MIMO系统中低复杂度软输出信号检测算法进行了总结。首先,针对大规模MIMO技术带来的机遇和面临的挑战进行介绍,在此基础上,阐述了几种软输出信号检测方法,具体包括Neumann级数展开方法、Newton迭代方法、Jacobi 方法、Gauss-Seidel 方法、超松弛(Successive Over Relaxation,SOR)迭代方法以及共轭梯度(Conjugate Gradient,CG)方法。同时,对相应方法的计算复杂度和检测性能进行了分析和比较。2.基于二维双连续投影(Two-Dimensional Double Successive Projection,2D-DSP)算法的大规模MIMO系统低复杂度的软输出信号检测方法。该方法规避了迫零(Zero-Forcing,ZF)算法所需的矩阵求逆运算,使复杂度由O(K~3)降为O(K~2),其中K表示用户数。同时,通过充分利用格雷编码的高阶QAM调制符号的比特翻转特性,提出了一种低复杂度计算信道译码所需比特软信息的近似方法。仿真结果表明:所提出的软输出信号检测方法在高阶QAM调制大规模MIMO场景下,相比于其它几种对比算法,在取得同等性能条件下,其计算复杂度具有明显的优势;同时,迭代3次就可取得逼近于基于Cholesky分解的软输出ZF算法检测的性能。3.基于切比雪夫-迹迭代(Chebyshev-Trace Iteration,CTI)算法的大规模MIMO系统低复杂度软输出信号检测方法。该方法不但有效地避免了最小均方误差(Minimum Mean Square Error,MMSE)算法所需的高维矩阵求逆,使复杂度由O(K~3)降为O(K~2),其中K表示用户数。同时,结合格雷编码的调制符号的比特翻转特性和二叉树结构,给出了 一种融合三叉链表搜索的比特对数似然比(Log-Likelihood Ratio,LLR)的简化计算方法。仿真结果表明:该软输出检测算法最多需要3次迭代就能够收敛并获得接近MMSE算法的检测性能,在复杂度和性能之间取得了很好的折中。