论文部分内容阅读
近年来随着移动互联网的快速发展,移动终端数量呈爆炸式增长,人们对无线数据业务的追求也随之不断提高。为迎接未来的挑战,大规模天线(Massive MIMO)系统的概念作为5G的关键技术之一被提出来。Massive MIMO相对于现有MIMO技术不仅可以显著提高分集和复用增益,而且还能大幅度提高信道容量和频谱效率。在Massive MIMO多项技术中,接收端信号检测技术对于系统性能起着十分重要的作用。然而传统信号检测算法对于数十上百根天线的Massive MIMO难以在检测性能和复杂度取得合理的折衷。论文在讨论传统算法的基础上,对不同的Massive MIMO信号检测算法进行研究和分析,并探究性能和复杂度适中的检测算法。论文主要研究内容如下:1.针对传统信号检测算法在Massive MIMO中应用的问题,将传统信号检测算法分为非树搜索检测和树搜索检测做了详细的介绍,着重研究树搜索检测算法,针对传统树搜索检测算法冗余搜索的缺点,提出了改进的深度优先搜索球译码(IDFS),并进行了仿真。仿真结果表明IDFS相对于固定复杂度球译码(FSD)能以较低的复杂度接近最大似然检测性能;FSD和K-best球译码具有Massive MIMO特性即在相同的信噪比下检测性能随着天线数目的增多而增强。2.针对似然上升搜索(LAS)在Massive MIMO系统中容易陷入局部最优的特点,结合多初值并行似然上升搜索(MIV_LAS)和多搜索集并行似然上升搜索(MSCS_LAS)提出了改进的多搜索集并行似然上升搜索算法(IMSCS_LAS),该算法结合了 FSD检测的思想利用固定数目的幸存向量进行下一轮迭代,并与禁忌搜索(TS)类算法进行了对比。仿真结果表明LAS和TS算法均具有Massive MIMO特性,天线数目为128根,达到误比特率为10-4时,SISO相对于LAS和TS仅有0.6dB和0.4dB的信噪比增益;提出的IMSC-LAS检测性能接近FSD,且在16QAM调制达到10-2误比特率的复杂度和所需信噪比均较小。3.针对基于Gibbs采样的马尔可夫蒙特卡洛(MCMC)检测算法容易产生熄火的问题,详细介绍了两种改进的MCMC检测算法:混合抽样MCMC算法(MGS-MCMC)和重检算法(MGS-MCMCR)。针对MGS-MCMC在高阶调制性能较差的问题和MGS-MCMCR时延较长的问题通过构造多条马尔可夫链提出了改进的并行MGS-MCMC(RMGS-MCMC)算法。仿真结果表明MGS-MCMC检测具有较好的Massive MIMO特性,在天线数目仅为64根、误比特率为10-4时,SISO相对于MGS-MCMC的信噪比增益仅为0.6dB;提出的RMGS-MCMC能以不太高的复杂度接近FSD且易于并行实现。论文从上述三个方面对Massive MIMO系统的接收端信号检测算法进行了研究,着重研究了启发式搜索和MCMC算法,在已有的检测算法基础上提出了改进的算法,并进行了仿真验证。