论文部分内容阅读
随着互联网迅速发展,越来越多的智能终端出现,未来几年现有的通信体制将不足以支撑人们对于移动通信数据的需求,这极大地刺激了下一代移动通信的研发。大规模多输入多输出(Massive Multiple-input Multiple-output,Massive MIMO)被认为是下一代移动通信5G的一项关键技术,相比传统的MIMO技术,通过在基站侧大幅增加天线的数目,可以极大的提高频谱效率和能量效率。然而,随着天线数的增加,在接收端传统的检测算法的性能和复杂度难以满足下一代通信系统的需求。本文正是基于此,首先从理论上分析了大规模MIMO的系统模型,利用大规模MIMO系统当基站的天线数远大于用户数时,信道的对角元素占优特性,针对最小均方误差(minimum mean square error,MMSE)算法引入了三种通过迭代求矩阵逆的算法,分析了其复杂度和性能,仿真表明可以适应未来通信需求。阐述了两种基于邻域的搜索算法,即动态禁忌搜索算法(Reactive Tabu Search,RTS)和似然上升搜索算法(Likelihood Ascend Search,LAS),并对其复杂度和算法原理做了相应的分析,并提出了相应的改进算法,在不同的参数设置下,对算法的性能做了仿真,仿真表明这两种算法都具有大规模MIMO系统的特性,但在高阶调制的时候,性能均不能满足需求。最后,提出了基于MAP(maximum a posteriori estimation)机制的近似信息传递(Approximate Message Passing,AMP)算法,采用因子图模型,详细推导了AMP算法的原理,分析比较了AMP算法和MMSE算法的复杂度,并对该算法在不同的系统参数设置作了性能仿真,仿真表明该算法可以以较低的迭代次数达到和MMSE一样的性能,解决了高阶QAM调制性能不佳的问题。