[发明专利]基于嵌套变分链高阶QAM大规模MIMO信号检测方法

说明书

本发明公开了一种基于嵌套变分链的高阶QAM大规模MIMO信号检测方法，包括：接收待检测信号；根据所述待检测信号，利用GTA‑EC算法进行信号检测，得到信号检测结果；其中，所述GTA‑EC算法为一种改进EP算法，该改进EP算法中基于嵌套变分链将GTA算法和EP算法的KL散度进行融合，以基于融合形成的KL散度来获得最大后验概率的近似分布，所述最大后验概率为在已知接收信号和信道增益的条件下获得原始估计信号的概率。本发明能够实现在大规模收发天线数、高阶QAM调制下的误码率性能优且计算复杂度较低。

技术领域

本发明属于通信领域，具体涉及一种基于嵌套变分链高阶QAM(正交幅度调制)大规模MIMO(多输入多输出)信号检测方法。

背景技术

MIMO技术在实际应用中得到了广泛的应用，因此需要高性能、低复杂度的检测方法。当采用高阶星座时，检测问题变得非常严重。针对这一问题已经提出了多种方法。

最优的检测算法包含硬判决算法中的ML(最大似然准则)检测算法和软判决算法中的最大后验概率(Maximum A Posteriori，MAP)检测算法。ML检测算法的本质是通过遍历的方法获得最优的检测效果。ML检测算法的BER(比特出错概率)检测效果，一直作为MIMO系统直至Massive MIMO系统中，检测算法的最优BER检测效果的评价标准与优化目标。然而，ML检测算法的计算复杂度随着发射天线数量的增加以指数的形式增长，在有限的多项式复杂度时间内，获得最优的BER检测效果是一难题。因此，ML检测算法或MAP检测算法不能直接被应用于大规模MIMO系统实际的检测中。

次优检测算法按照实现方式可分为线性检测算法和非线性检测算法。首先，线性检测算法包括匹配滤波(Matched Filtering，MF)、破零(Zero Forcing，ZF)和最小均方误差(Minimum Mean Square Error，MMSE)检测算法等。线性检测算法的计算复杂度随着发射天线数量的增加成多项式的形式增长，比ML算法等最优检测算法的指数级的计算复杂度要低得多。ZF算法与MMSE算法需要计算信道增益矩阵相关逆矩阵，于大规模天线数来说增大了计算复杂度。其BER检测效果比较差，在Massive MIMO系统中不直接适用，需要被改进和优化。

非线性检测算法与线性检测算法相比，检测性能更佳。基于干扰消除的检测算法，如串行干扰消除(Successive Interference Cancellation，SIC)和并行干扰消除(Parallel Interference Cancellation，PIC)检测算法等，具有与线性检测算法相近阶数的多项式计算复杂度，而其获得的BER检测效果与最优的ML检测算法同样存在较大差距。基于ML准则出现了球形译码(Sphere Decoding，SD)检测算法，它是一种获得精确ML解的检测方法，通常比暴力穷举更快。虽然缩小了搜索空间，但依然会有由于半径过大导致需要测试的点更多算法复杂的困扰。SD及其变体在大维度中低信噪比下效率低下，故而不适用于大规模MIMO系统。

基于MAP的检测算法主要是消息传递算法(MPA)，其根据贝叶斯推理方法拓展算法研究。大规模系统由于后验概率计算复杂而难以得到精确值，而这种算法通过迭代更新传递信息，近似计算或逼近其真值。常见的消息传递算法有置信传播算法(BP)、利用信道硬化的消息传递算法(CHEMP)、近似消息传递算法(AMP)和期望传播算法。

期望传播(EP)算法是贝叶斯推断相关消息传递算法中的一种近似后验分布矩匹配的算法，通过替换属于离散有限集的真实先验，引入了高斯分布先验，可以在迭代中更新。它不仅优于上述检测方法，且复杂度较低(其复杂性是最大均方误差算法MMSE的几倍)，对天线配置表现出较强的鲁棒性。基于这些优点，现已提出了对EP的各种扩展、推广和修改，并考虑了信道状态信息不完善和相关MIMO信道的场景。