[发明专利]一种低复杂度稀疏化大规模MIMO检测方法

说明书

本发明公开了一种低复杂度稀疏化大规模MIMO检测方法。针对大规模MIMO，本发明利用传统线性检测产生的误码向量具有稀疏性这一特点，设计了稀疏误码向量检测算法，以修正传统线性方法的检测结果。并且，本方法通过预先判断传统方法所得检测结果的可靠性，减小了需要计算的误码向量长度，进一步降低了上述稀疏误码向量检测算法的复杂度，为大规模MIMO提供了一种低复杂度且低误码率的检测方案。本发明在保持较低计算复杂度的同时，有效提升了大规模MIMO场景下传统线性检测算法误码性能，并且适用于各阶QAM调制系统，具有一定的通用性。

技术领域

本发明涉及无线通信技术领域，尤其是一种低复杂度稀疏化大规模MIMO检测方法。

背景技术

日益增长的移动数据需求推动了5G通信系统的发展，大规模多输入多输出(multiple input multiple output,MIMO)作为5G通信的关键技术之一，充分利用了无线通信系统中的空间资源，扩展了现有频率分配方案的使用维度，从而实现了频谱资源的节约以容纳更多的通信设备。但是由于MIMO多天线带来的同信道干扰，接收机准确分离各天线发送的信息变得更难，因此在大规模MIMO场景下，如何设计出一个高效的信号检测方法也至关重要。

传统的MIMO检测技术主要分为两大类：线性检测方法和非线性检测方法。线性检测方法主要包括迫零检测(Zero Forcing,ZF)、最小均方误差检测(Minimum Mean SquareError,MMSE)等，这一类算法主要对接收信号进行线性运算以恢复原始信号，所以运算复杂度较低，但是检测的误码性能却随着收发天线数目的增加而严重下降。非线性检测器主要包括最大后验概率估计(Maximum a Posteriori,MAP)、最大似然检测(Maximum-likelihood,ML)等，这一类检测算法的优点是可以得到最佳的信号恢复，但运算复杂度会随着连接数目的增加而以指数级增长。因此，传统线性/非线性检测算法不再适用于大规模MIMO场景。

在压缩感知的概念提出以后，稀疏信号检测技术因其所具有的高效性受到了广泛的关注。但是基于压缩感知的贪婪迭代类检测要求需要恢复的信号具有一定的稀疏特性，并且更适合于缺少输出空间自由度的欠定系统。由于大规模MIMO所检测的信号不一定具有稀疏性且通常为超定系统，仍然使用上述压缩感知算法会带来较高的复杂度，因此需要探索大规模MIMO的低复杂度检测方法。

发明内容

本发明所要解决的技术问题在于，一种低复杂度稀疏化大规模MIMO检测方法，能够挖掘大规模MIMO通信系统信号的稀疏特性，并设计更加高效的稀疏信号检测方法，以较低的复杂度改善传统线性检测器的误码性能。

为解决上述问题，本发明提供一种低复杂度稀疏化大规模MIMO检测方法，包括如下步骤：

步骤1，接收机获得MIMO通信系统的接收信号y、信道矩阵H，根据迫零准则或最小均方误差准则获得线性检测矩阵WM，通过矩阵WM得到发射信号向量s的估计值以及硬判决结果

步骤2，利用硬判决结果对接收信号y进行处理，得到误码向量的接收向量由此建立误码向量e的检测模型

步骤3，采用低复杂度稀疏误码向量检测算法对进行处理，得到e的检测结果

步骤4，根据误码向量的检测结果更新初始检测得到最终的检测结果

优选的，步骤3中，采用低复杂度稀疏误码向量检测算法得到的具体步骤为：

步骤3.1，根据不同发射天线的信道条件，预先计算估计值中各元素取值的不可靠域A_i，并通过判断的计算值是否落在对应的不可靠区域，将其下标i划分为不可靠检测集合B和可靠检测集合C，其中若则i∈B，否则i∈C；

步骤3.2，对于不可靠信号对应误码元素eb组成的向量u，b∈B，采用稀疏误码向量检测算法对进行处理，得到检测结果