论文部分内容阅读
在过去的十多年间,多输入多输出(MIMO, Multiple-Input Multiple-Output)技术受到了广泛的关注和研究,它能够在不增加带宽的情况下成倍地提高系统的信道容量和频谱利用率,因此该技术也被视为未来无线通信的关键技术之一。本文围绕MIMO系统中的信号检测问题主要做了以下几个方面的工作：1.为了提升迫零(Zero Forcing)、最小均方误差(Minimum Mean Square Error)以及串行干扰抵消(Successive Interference Cancellation)这类传统检测算法的性能,本文研究了基于格基规约(Lattice Reduction)的检测算法。仿真结果显示该算法使得传统检测算法的判决区间更接近于ML算法,从而能够显著提升传统检测算法的性能。2.为了降低能够实现ML性能的球形译码(SD, Sphere Decoding)算法复杂度,本文提出了一种基于传统检测算法和SD算法的两步检测方案,该方案先用传统检测算法做初步检测获得初检测点,鉴于发送符号向量远离此初检测点概率较小,然后再用SD算法来搜索一个较小半径的搜索超球进行第二步检测。仿真结果表明,该检测方案充分结合了传统检测算法和SD算法各自的优势,能够在较低的复杂度下获得接近SD算法的性能。3.针对最大似然算法(ML,Maximum Likelihood)复杂度极高的问题,本文重点研究了半正定松弛(SDR, Semi-Definite Relaxation)算法以及近似ML的半正定规划(SDP,Semi-Definite Programming)算法。这两类算法是在ML算法基础上放松约束条件,将问题转化为可在多项式时间内解决的凸优化问题。仿真结果表明：SDR算法在有效降低了ML算法复杂度的同时仅损失了少量的检测性能,而SDP算法由于有更紧的边界,获得了近似ML算法的性能。