[发明专利]基于无转置极小残差的迭代大规模MIMO信号检测方法

说明书

本发明请求保护一种大规模MIMO系统中的低复杂度的信号检测方法，包括步骤：首先将大规模MIMO的信号检测问题转化为线性方程组求解问题，然后运用无转置极小残差TFQMR方法来迭代求解线性方程组，最后将得到的线性方程组的解向量作为基站端对发送信号的估计值。本发明因为将传统的信号检测求逆的问题转化成了线性方程组的求解问题，进而利用TFQMR方法来迭代求解。经过数次迭代后，可取得接近最小均方误差(Minimum Mean‑Square Error，MMSE)算法的性能，从而避免了高维矩阵求逆运算，降低了计算复杂度。该方法不会对检测性能造成过分的损失，而且计算复杂度较低，因此该方法具有潜在的应用价值。

技术领域

本发明属于5G通信技术领域，尤其涉及大规模MIMO信号检测技术。

背景技术

随着移动数据的需求爆炸式的增长，第四代移动通信系统(4st Generation，4G)的传输速率难以满足未来的需求，因此急需研究第五代移动通信系统(5st Generation，5G)达到增大传输速率的目的。大规模多输入多输出(Multiple-Input Multiple-Output，MIMO)技术是5G的关键技术之一，通过在基站端配置数十根甚至上百根天线，在同一时间和频率资源上同时为多个用户提供服务，且该技术可以提升多个数量级的频谱效率和能源效率。

然而，目前大规模MIMO技术在商业化应用中仍面临着一些亟待解决的问题，比如对于信号检测算法的优化设计。大规模MIMO技术的最优信号检测算法是最大似然(Maximumlikelihood,ML)检测算法，但是该算法的计算复杂度随着用户数的增加呈现指数增长的规律。为了解决ML检测算法因为遍历搜索引起的复杂度过高的问题，近似最优检测算法逐步被提出来，如K-best算法，该算法的核心思想是基于广度优先搜索，该算法的计算复杂度为O(N·K²)，其中N表示基站天线数，K表示单天线用户数。该算法通常假设N＝K，然而如果选择N·K，会减少大规模MIMO系统中的导频污染的影响。

在大规模MIMO系统中，如果基站天线数N与单天线用户数K满足N·K的条件，信道会出现信道正交这一特性。在信道状态信息完美的条件下，利用这一特性，传统的线性检测算法可取的近似最优的检测性能。传统线性检测算法包括迫零(Zero-Forcing，ZF)检测算法和最小均方误差(Minimum Mean-Square Error，MMSE)算法，虽然性能可取得最优，然而这两种算法均涉及矩阵求逆的操作，导致计算复杂度过高。为了降低矩阵求逆的计算复杂度，可以采用Cholesky分解的方法，然而该方法的计算复杂度为O(K³)，其中K表示单天线用户数。随着5G技术慢慢地在商业中运用，大规模MIMO系统的信道矩阵的维度会越来越大，因此必须有效地解决线性检测算法中所涉及到的高维矩阵求逆的问题。

发明内容

本发明旨在解决以上现有技术的问题。提出了一种基于无转置极小残差的迭代大规模MIMO信号检测方法。本发明的技术方案如下：

一种基于无转置极小残差的迭代大规模MIMO信号检测方法，其特征在于，包括以下步骤：

步骤1、首先以最小化发送信号矢量估计值的均方误差为目的将大规模MIMO的信号检测问题转化为线性方程组求解问题；

步骤2、然后运用无转置极小残差TFQMR方法来迭代求解线性方程组；

步骤3、最后将得到的线性方程组的解向量作为基站端对发送信号的估计值。

进一步的，所述步骤1将大规模MIMO的信号检测问题转化为线性方程组求解问题，具体包括：大规模MIMO系统中，假设基站配置N根天线，为K(K＝N)个单天线用户设备提供通信服务，收发信号模型表示为y＝H·s+n，其中表示接收信号矢量，表示发送信号矢量，表示信道矩阵，假设基站已知信道矩阵H；n表示加性白噪声矢量，其元素相互独立且均服从均值为0，方差为σ²的复高斯分布；