[发明专利]一种基于LLL-SD的大规模MIMO信号检测方法

说明书

本发明涉及一种基于LLL‑SD的大规模MIMO信号检测方法，属于通信测试技术领域。将初始信道矩阵与变换矩阵相乘，得到多个初始基，然后对多个初始基同时进行LLL约减，生成多个性能上存在差别的约减基，选取性能最优的约减基，获得正交性好且条件数更少的信道矩阵和变换矩阵T；对信道矩阵进行QR分解，得到上三角矩阵和酉矩阵将酉矩阵的共轭转置与接收信号向量y相乘，得到接收信号的均衡信号利用上三角矩阵的特性，进行串行干扰消除，利用自适应球半径的SD算法译码。本发明利用多个初始基改善信道条件，能够摆脱传统格基约减算法仅从单组基开始搜索的局限，且算法复杂度较低收敛较快，降低系统误码率，提高可靠性。

技术领域

本发明属于通信测试技术领域，涉及一种基于LLL-SD的大规模MIMO信号检测方法。

背景技术

大规模MIMO作为5G的关键技术之一，采用了更大规模数量的天线，可提升大幅无线容量和覆盖范围，有效解决通信系统容量上限以及频谱资源紧缺。然而多天线传输会导致信号在译码处理过程中计算复杂度增加。因此，为了充分利用MIMO技术带来的增益，必须要采用高性能的MIMO检测算法。

国内外的研究人员着重于提高信号检测的准确性和降低算法复杂性。目前，信号检测算法主要分为线性信号检测算法和非线性检测算法。线性信号检测算法结构相对简单，运算量少，但其性能稍差，如迫零方法，最小均方误差法可以实现渐近最优的检测性能；非线性检测算法相对复杂，计算量大，但其性能相较于线性信号检测算法要好，如串行干扰消除、QR分解、最大似然算法。

ML检测复杂度会随着调制阶数、天线个数呈指数级增加，复杂度过大而不宜在现实生活中应用，但其拥有最佳的检测性能，所以一般作为对比检测算法优劣的参考。Viterbo和Biglieri将球形检测算法的概念引入到ML算法中，SD算法大大降低了ML检测复杂度。但SD算法复杂度也会随着信噪比的降低而显著升高，为解决这个问题，对SD算法进行改进是十分有必要的。而格基约减作为一种信号检测前的预处理方法，以增加一定的复杂度，来提升系统的检测性能。

发明内容

有鉴于此，本发明的目的在于提供一种基于LLL-SD的大规模MIMO信号检测方法，选择多个初始基进行LLL(Lenstra,Lenstra,Lovasz algorithm)格基约减，进而搜索出一组具有更短长度、更小正交缺陷度的约减基，构成优化矩阵并在该优化矩阵下进行信号检测，优化了球形译码(SD)算法搜索半径，在提高MIMO检测算法的性能的同时最大程度的降低算法复杂度。

为达到上述目的，本发明提供如下技术方案：

一种基于LLL-SD的大规模MIMO信号检测方法，包括以下步骤：

S1：假设系统初始基的规模为m，则需要随机产生m个n维幺模矩阵，n是信道矩阵的维度；

S2：幺模矩阵的选取采用U_i＝A_iC_i的形式，其中A_i为下三角幺模矩阵，C_i为上三角幺模矩阵；

S3：根据产生m组初始基，H为信道估计后得到的信道矩阵；

S4：对m组初始基同时进行LLL约减，并计算约减后生成新基的正交缺陷度；

S5：将m组初始基按正交缺陷度进行排序，根据正交缺陷度值的大小，选取性能最优即正交缺陷度最小的一组约减基，获得正交性好且条件数更少的信道矩阵和变换矩阵T；将信道矩阵进行QR分解，得到上三角矩阵和酉矩阵满足即

S6：将酉矩阵的共轭转置与接收信号向量y相乘，得到接收信号的均衡信号即

S7：利用接收信号的均衡信号和上三角矩阵根据SD算法进行串行干扰消除；

S8：利用自适应球半径的SD算法进行译码；