[发明专利]基于并行GS迭代的大规模MIMO检测算法及硬件架构

说明书

技术领域

本发明属于计算机通信和数字电路领域，涉及一种大规模MIMO系统上行链路信号线性检测方法及其硬件架构。

背景技术

大规模多输入多输出(MIMO)被认为是第5代(5G)无线系统的关键技术之一。通过装备大量天线(例如，在基站处安装数百个并且用户端安装数十个)，该技术可以提供更高的频谱效率，更快的峰值数据速率以及比小规模MIMO系统上的更好的能量效率。然而，在大规模MIMO上行链路中，随着天线数目的显着增加，诸如最大似然(ML)检测和最大后验(MAP)检测的最佳检测方法在计算复杂度方面变得难以承受。因此研究人员将目光转向近似MAP算法(例如消息传递检测器)和近似ML检测算法(例如多分支和可能性上升搜索(LAS)检测器)。同时，线性检测方法，如迫零(ZF)和最小均方误差(MMSE)，在大规模MIMO系统中因其次优性能和低复杂性特性备受关注。

虽然大规模MIMO有着优越的性能，但是天线量级的巨大增幅带来了计算复杂度的指数上升。目前已有多篇文章提出了大规模MIMO上行链路信号检测的算法及架构，其主要的计算复杂度在于一个高阶矩阵的求逆，假设M为用户数。若采用精确的矩阵求逆方法，如Cholesky分解法，则计算复杂度为O(M³)。那么当M的数量极大时，这样的求逆方案将带来巨大的计算和硬件消耗。

近几年，Linglong Dai等研究人员提出了基于Gauss-Seidel(GS)方法的软输出检测算法，该算法主要采用GS迭代方法求解线性方程组，从而避免了复杂度较高的矩阵精确求逆，但由于GS迭代方法固有的数据依赖特性，每轮迭代中的元素必须按顺序更新，不能并行计算，这使得该算法不利于高吞吐率的硬件实现。

发明内容

发明目的：针对现有技术的不足，本发明提出了一种基于并行GS迭代的大规模MIMO检测算法(MMSE-PGS)及相应的硬件架构。通过略微改变原有GS迭代方法中元素的更新顺序，使得所提出的MMSE-PGS算法能够被并行实现，从而进一步提高硬件的吞吐率。根据数值模拟结果，本发明所提出的MMSE-PGS算法在复杂性和性能方面优于常规的基于NSE的方法，当迭代次数足够大时，所提出的MMSE-PGS算法能够达到和传统GS迭代检测算法一样的误码率性能。

技术方案：本发明提供了一种基于并行GS迭代方法的大规模MIMO线性检测算法，包括以下步骤：

步骤1：将信道矩阵H和接收信号y经过匹配滤波和矩阵运算，得到匹配滤波器输出y^MF＝H^Hy和规则化Gram矩阵W＝G+N_OI_M，其中Gram矩阵G＝H^HH，N_O为噪声方差，I_M为M维单位矩阵，(.)^H为共轭转置操作，M为矩阵W的维度，即发射天线数；

步骤2：计算系数矩阵A＝D^-1W和常数向量b＝D^-1y^MF，使得系数矩阵对角线元素为1，其中D为W的对角阵；

步骤3：设置迭代初始解为x⁰＝0和辅助向量初始化s＝b，目标迭代次数K；

步骤4：开始迭代过程，每轮迭代中对矩阵和向量的每列进行并行运算，当行号和列号相同时，令x_i＝s_i，s_i＝b_i，否则令s_i＝s_i-A_ijx_j，i和j分别为系数矩阵的行号和列号，K轮迭代后，x^K即为待检测信号的估计结果。

一种实现上述的基于并行GS迭代的大规模MIMO线性检测算法的硬件架构，包括Gram矩阵&匹配滤波模块、预处理模块和并行GS迭代模块；

所述Gram矩阵&匹配滤波模块包括：由复数乘法累加器(MAC)组成的匹配滤波计算单元，用于计算y^MF＝H^Hy，以及规则化Gram矩阵计算单元，用于计算W＝G+N_OI_M；

所述预处理模块包括：求倒数单元，用于计算W对角元素的倒数D^-1，以及乘法器阵列，用于计算A＝D^-1W和b＝D^-1y^MF；