论文部分内容阅读
多输入多输出(MIMO)是一种利用传输空间的自由度来成倍提升数据传输速率和可靠性的技术,已广泛应用于IEEE 802.16e/802.16m WiMax和HSPA+等无线通信标准中。大规模MIMO(Massive MIMO)技术将成为下一代移动通信(5G)的核心技术以解决未来爆炸式的数据流量、海量接入和各类新型业务。在MIMO系统中,接收端信号处理的性能好坏和复杂度高低直接决定了整个通信系统的质量和发展前景。因此,MIMO技术,尤其是大规模MIMO技术,其面临的一个重要挑战就是设计高性能、低复杂度的检测算法。在众多的检测算法中,复杂度呈线性增长或至多呈多项式增长的马尔科夫链蒙特卡洛(MCMC)算法是最有潜力使整个MIMO系统获益的检测算法之一。因此,本文的重点及亮点就是设计高性能、低复杂度的MCMC-MIMO检测算法。首先,本文介绍了MCMC算法的基本原理,讨论了4种能解决贝叶斯推理中高维积分问题的随机采样算法,并阐述了影响MCMC算法采样性能的初始值选择、跳转分布选择、跳转步长选择、采样并行度和迭代深度折衷等问题。基于MCMC算法在贝叶斯分析中的经验,本文将MCMC算法应用到MIMO检测中,着重推导了逐比特和逐符号的MCMC-MIMO检测算法,并分析了传统MCMC检测算法在高信噪比下的误码平层问题和复杂度高于一般线性检测算法的问题。其次,在详细分析了导致传统MCMC-MIMO检测算法上述两大问题的根本原因之后,本文提出了一系列复杂度简化技术和性能增强技术,且部分技术可联合使用使得MCMC算法性能和复杂度到达最优。结果表明:在常规MIMO方面,在抖动、条件下重新初始化和饱和修剪技术联合优化下,基于Max-Log更新的逐比特MCMC算法能以MMSE-PIC算法60%的复杂度获得1-2dB性能提高;基于MaxLog/2-best更新的逐符号MCMC算法可在适当增加复杂度下到达准ML算法-STS算法的性能。在大规模MIMO方面,逐比特MCMC算法可在等效于3级展开的NS-bMMSE算法的复杂度基础上,获得优于MMSE检测算法的性能。最后,本文提出了高吞吐率、低复杂度的概率计算的MCMC-MIMO设计方案,用带权重序列生成器和双分割乘法器简化MCMC-MIMO算法预处理部分中矩阵与矩阵、矩阵与向量的乘法运算,同时采用流水技术使预处理和Gibbs迭代采样同时进行,提高吞吐率。仿真结果表明,相比12比特定点性能,基于概率计算的逐比特MCMC算法在获得0.5dB性能增益下,总体复杂度进一步降低58%。