Massive MIMO中低復雜度接收算法的研究.pdf

1、多輸入多輸出（MIMO）技術(shù)以其潛在的巨大優(yōu)勢已成為長期演進（LTE）及LTE-Advanced中的關(guān)鍵技術(shù)。在MIMO中采用V-BLAST技術(shù)，能夠達到較高的頻譜效率。目前標準所支持的最大天線數(shù)目為8，所能達到的頻譜效率僅10bps/Hz。宏MIMO（Massive MIMO）作為現(xiàn)有MIMO技術(shù)的延伸，將天線數(shù)目擴展到數(shù)十根或者上百根，能夠提供較大的分集和復用增益，并將信道容量和頻譜效率提高數(shù)十倍。然而，在天線如此多的Massive

2、 MIMO系統(tǒng)中，接收算法的復雜度成為了其實現(xiàn)中的瓶頸。正是在這樣的背景下，本文對Massive MIMO中不同接收算法的檢測性能和復雜度進行研究，以探求高性能、低復雜度的接收檢測算法。
　　常規(guī)信號接收方法在性能和復雜度上很難同時滿足Massive MIMO的要求。本文對基于鄰域搜索的多級似然上升搜索（M-LAS）算法、禁忌搜索（TS）算法和基于馬爾科夫鏈—蒙特卡羅（MCMC）技術(shù)的信號檢測算法進行研究。在不同天線數(shù)目、迭代次數(shù)

3、和參數(shù)影響下，通過仿真對不同檢測算法的性能和復雜度進行分析；利用多次重檢和不同停止準則提升算法的檢測性能。
　　在第一章中對Massive MIMO的研究背景、現(xiàn)狀和本文所要做的研究工作進行簡要概述，明確本文所研究的方向。第二章對本文采用的MIMO系統(tǒng)模型和常見的MIMO檢測技術(shù)作簡要分析，研究最大似然（ML）檢測的誤差分布特性。第三章主要研究M-LAS算法的檢測原理和復雜度，分析基于QR分解的M-LAS聯(lián)合檢測性能。利用不同初始

4、值多路并行執(zhí)行M-LAS檢測算法可提高檢測的性能，但存在如何選擇最優(yōu)執(zhí)行次數(shù)的難點。為此介紹了復雜度較低的 M-LAS重檢（M-LASR）算法。第四章簡要介紹TS和分層TS（LTS）算法的檢測原理和實現(xiàn)步驟，分析不同參數(shù)對檢測性能的影響。利用排序QR分解能提高檢測性能的優(yōu)點，分析排序?qū)TS算法性能的影響，并就TS重檢（TSR）算法進行了仿真分析。第五章主要解決吉比斯采樣的MCMC檢測算法在高信噪比（SNR）下檢測性能不佳的問題，利用逃

5、逸機制和多次重檢改善檢測性能。并在16QAM調(diào)制方式下對隨機化MCMC（RMCMC）、分層RMCMC（LRMCMC）和RMCMC重檢（RMCMCR）算法的性能進行仿真分析。
　　仿真結(jié)果表明三種檢測算法在天線數(shù)為N的Massive MIMO中，每符號的平均檢測復雜度為2?(N)；且都具有隨天線數(shù)增加，檢測性能增強的Massive MIMO特性。在4QAM調(diào)制64×64的V-BLAST系統(tǒng)中，三種檢測算法的性能在達到誤比特率（BER