李航偉 唐加山

摘 要：上行鏈路的大規(guī)模多入多出（MIMO）系統(tǒng)信號檢測中，最小均方誤差（MMSE）算法由于涉及矩陣求逆運算使得算法復(fù)雜度過高。為改善這一缺點，在傳統(tǒng)MMSE算法的基礎(chǔ)上，通過設(shè)計一種新的迭代方式代替矩陣求逆，使原算法的復(fù)雜度降低了一個數(shù)量級。理論分析及仿真表明，改進算法顯著改善了傳統(tǒng)MMSE算法的復(fù)雜度，僅需少量迭代次數(shù)就能快速向理想MMSE矩陣求逆檢測算法收斂。

關(guān)鍵詞：大規(guī)模MIMO;信號檢測;MMSE;迭代

DOI：10. 11907/rjdk. 182084

中圖分類號：TP312文獻標(biāo)識碼：A文章編號：1672-7800（2019）003-0070-03

0 引言

隨著移動數(shù)據(jù)業(yè)務(wù)量爆發(fā)式增加，傳統(tǒng)的多輸入多輸出技術(shù)（multiple-input multiple-output，MIMO）因其僅能提供4×4或者8×8天線規(guī)模的系統(tǒng)而顯得力不從心，大規(guī)模MIMO技術(shù)應(yīng)運而生。大規(guī)模MIMO系統(tǒng)指在基站端配置多達幾十甚至數(shù)百根天線陣列同時服務(wù)于多個單天線用戶終端，大大提高了系統(tǒng)的頻譜和能量效率[1-3]。但是，隨著天線數(shù)量的增加，大規(guī)模MIMO系統(tǒng)也面臨一些問題，如何實現(xiàn)高效可靠的上行鏈路信號檢測就是其中之一[4-5]。

隨著基站端天線數(shù)量的大幅度增加，信道之間逐漸趨于正交，基于這個特性，線性檢測算法如最小均方誤差（minimum mean square error，MMSE）等在大規(guī)模MIMO系統(tǒng)中也具有很好的性能[6-7]。但是，這些線性檢測算法涉及復(fù)雜的矩陣求逆運算從而導(dǎo)致復(fù)雜度過高[8]。為降低矩陣求逆帶來的計算復(fù)雜度，采用Neumann級數(shù)展開算法用于信號檢測，但當(dāng)?shù)螖?shù)大于2時，其計算復(fù)雜度又回到[O（k3）]，且當(dāng)基站端天線和用戶天線數(shù)量之比接近1時，會帶來明顯的BER性能損失[9]。GAO X[10]提出了Richardson迭代算法，但在迭代參數(shù)計算量較大且迭代次數(shù)較低時算法性能很差。TANG C[11]和DAI L[12]提出了Gauss-Seidel算法和Newton算法，它更多地關(guān)注精度，所以計算復(fù)雜度也較大。

本文提出了一種新的迭代算法，通過新的迭代矩陣構(gòu)造方式避免了MMSE算法復(fù)雜的矩陣求逆問題。對該迭代方式的收斂性給出理論證明并分析復(fù)雜度，證明該算法復(fù)雜度為[O（k2）]，比傳統(tǒng)MMSE算法降低了一個數(shù)量級。

1 系統(tǒng)模型

本文研究對象是大規(guī)模MIMO系統(tǒng)上行鏈路，系統(tǒng)模型如圖1所示。該系統(tǒng)由部署N根天線的基站和K個單天線用戶組成，所有用戶以相同的時頻資源向基站發(fā)送數(shù)據(jù)，通常設(shè)置為N>>K[13-14]。

因為在大規(guī)模MIMO系統(tǒng)中，濾波矩陣W是一個嚴(yán)格對角占優(yōu)且正定的矩陣，且矩陣[A=PH-Q]保留了矩陣W的所有對角線元素，所以A是一個嚴(yán)格對角占優(yōu)的Hermit矩陣，故下列不等式成立：

2.2 算法復(fù)雜度分析

Neumann級數(shù)展開算法與本文算法在不同迭代次數(shù)情況下的復(fù)雜度對比見表1。

3 仿真分析

為驗證改進算法的復(fù)雜度和檢測性能，本文對比分析了傳統(tǒng)MMSE算法和本文算法的誤比特率，并與Neumann級數(shù)展開算法進行比較。設(shè)置仿真時的傳輸信道為快衰落瑞利信道，基帶信號調(diào)制方式為QPSK，天線規(guī)模[N×K]為128×16。

如圖2所示，隨著迭代次數(shù)增加，本文算法的誤碼率隨之下降，當(dāng)?shù)螖?shù)為3時，要達到[10-3]的誤比特率，本文需要的SNR與傳統(tǒng)MMSE算法相差大約0.8dB。當(dāng)?shù)螖?shù)為4時，與傳統(tǒng)算法的誤碼率基本相同，說明本文算法僅需要少量的迭代次數(shù)就能快速向理想MMSE矩陣求逆檢測算法的性能收斂，即經(jīng)過幾次簡單的迭代，本文算法的檢測性能就能接近最優(yōu)。

如圖3所示，隨著迭代次數(shù)的增加，Neumann算法也可向理想MMSE矩陣求逆檢測算法的性能收斂，但該算法迭代次數(shù)為7時檢測性能才接近最佳，而本文算法僅需4次迭代，故本文算法可在更低復(fù)雜度的情況下得到相同的最佳信號檢測性能。

4 結(jié)語

本文在傳統(tǒng)MMSE信號檢測算法基礎(chǔ)上，利用大規(guī)模MIMO系統(tǒng)特性和迭代運算設(shè)計了一種新算法，避免了傳統(tǒng)MMSE算法所需要的復(fù)雜度較高的矩陣求逆運算。通過理論分析，該算法可使MMSE算法的復(fù)雜度從[O（k3）]降低到[O（k2）]。仿真結(jié)果表明，本文算法經(jīng)過較少的迭代次數(shù)就可達到接近理想MMSE矩陣求逆的檢測性能。

參考文獻：

[1] 尤肖虎，潘志文，高西奇，等. 5G移動通信發(fā)展趨勢與若干關(guān)鍵技術(shù)[J]. 中國科學(xué)：信息科學(xué)，2014（5）：551-563.

[2] DAI L，WANG Z，YANG Z. Next-generation digital television terrestrial broadcasting systems： key technologies and research trends[J]. IEEE Communication Magazine， 2012，50（6）：150-158.

[3] NGO H Q，LARSSON E G，MARZETTA T L. Uplink power efficiency of multiuser mimo with very large antenna arrays[C]. Allerton Conference on Communication，Control，and Computing，2011：1272-1279.

[4] DAI L， WANG Z， YANG Z.Spectrally efficient time-frequency training ofdm for mobile large-scale mimo systems[J]. IEEE Journal on Selected Areas in Communication， 2013，31（2）：251-263.

[5] HEALTH R W，LOZANO A，MARZETTA T L. Five disruptive technology directions for 5G[J]. IEEE Communications Magazine， 2014，52（2）： 74-80.

[6] RUSEK F，PERSSON D，LAU B K. Scaling up MIMO： opportunities and challenges with very large arrays[J]. IEEE Signal Processing Magazine，2012，30（1）： 40-60.

[7] ZIMMERMANN E，F(xiàn)ETTWEIS G. Unbiased mmse tree search detection for multiple antenna systems[C]. Proceedings of the International Symposium on Wireless Personal Multimedia Communications，2006：1017-1023.

[8] NGO H， LARSSON E， MARZETTA T. Energy and spectral efficiency of very large multiuser MIMO systems[J]. IEEE Communications Magazine， 2012（61）：1436-1449.

[9] WU M，YIN B，WANG G，et al. Large-scale MIMO detection for 3GPP lte： algorithms and FPGA implementations[J]. IEEE Journal of Selected Topics in Signal Processing， 2014，8（5）：916-929.

[10] GAO X， DAI L， YUAN C， et al. Low-complexity MMSE signal detection based on Richardson method for large-scale MIMO systems[C] Vehicular Technology Conference， 2014： 1-5.

[11] TANG C，LIU C，YUAN L，et al. High precision low complexity matrix inversion based on Newton iteration for data detection in the massive mimo[J]. IEEE Communications Letters，2016，20（3）： 490-493.

[12] DAI L， GAO X， SU X，et al. Low-complexity soft-output signal detection based on Gauss-Seidel method for uplink multiuser large-scale MIMO systems[J]. IEEE Transactions on Vehicular Technology， 2014， 64（10）：4839-4845.

[13] MULLER R R， VERDU S. Design and analysis of low-complexity interference mitigation on vector channels[J]. IEEE Journal on Selected Areas in Communications，2001，19（8）：1429-1441.

[14] YANG Z， LIU C. A new approach for fast generalized sphere decoding in MIMO systems[J]. IEEE Signal Processing Magazine， 2005，12（1）：41-44.

[15] LIANG Y C， PAN G， BAI Z D. Asymptotic performance of MMSE receivers for large systems using random matrix theory[J]. Information Theory， 2007，53（11）： 4173-4190.

[16] LARSSON E G. Mimo detection methods： how they work[J]. IEEE Signal Process Magazine， 2009，26（3）： 91-95.

[17] MARZETTA T L. Noncooperative cellular wireless with unlimited numbers of base station antennas[J]. IEEE Transactions on Wireless Communications， 2010， 9（11）： 3590-3600.

[18] LIN B， JIN H. Low complexity multiuser detection in MIMO-OFDM systems [C]. Annual IEEE India Conference，2012：1228-1233.

[19] LIU T H. Some results for the fast MMSE-SIC detection in spatially multiplexed MIMO systems[J]. IEEE Transactions on Wireless Communications， 2009，8（11）： 5443-5448.

[20] NAGARAJA S，DABEER O，CHOCKALINGAM A. Large-MIMO receiver based on liner regression of MMSE residual[C]. Vehicular Technology Conference， 2013：1-5.

（責(zé)任編輯：杜能鋼）