Massive MIMO网络中低复杂度的MMSE检测方法

doi:10.13190/j.jbupt.2016.06.011

北京邮电大学学报 ›› 2016, Vol. 39 ›› Issue (6): 57-61.doi: 10.13190/j.jbupt.2016.06.011

Massive MIMO网络中低复杂度的MMSE检测方法

汪彬¹, 常永宇¹, 权威², 张戬²

1. 北京邮电大学信息与通信工程学院, 北京 100876;
2. 华为技术有限公司北京研究所, 北京 100085

收稿日期:2016-01-15 出版日期:2016-12-28 发布日期:2016-11-29
作者简介:汪彬(1989-),男,博士生,E-mail:wangbin1012@126.com;常永宇(1963-),女,教授,博士生导师.
基金资助:
北京邮电大学优秀博士创新基金项目（CX2015204）

Low-Complexity MMSE Detection Methods for Massive MIMO Networks

WANG Bin¹, CHANG Yong-yu¹, QUAN Wei², ZHANG Jian²

1. School of Information and Communication Engineering, Beijing University of Posts and Telecommunications, Beijing 100876, China;
2. Huawei Technologies Co., Ltd, Beijing 100085, China

Received:2016-01-15 Online:2016-12-28 Published:2016-11-29

摘要/Abstract

摘要： 设计出大规模多入多出（massive MIMO）网络中一种有效、低复杂度的最小均方误差（MMSE）接收机结构.该接收机基于最陡下降和最小均方算法，能够避免大规模矩阵求逆运算.数学推导结果证明，这2种算法应用于MMSE检测时是收敛的.此外，分析了影响收敛速度的因素.仿真结果表明，应用于Massive MIMO网络中时该接收机收敛速度较快，切实可行.

关键词: 大规模多入多出, 最小均方误差, 最陡下降, 最小均方

Abstract: An efficient low-complexity minimum mean-squared-error (MMSE) receiver structure for massive multiple-input multiple-output (massive MIMO) networks is proposed. It is based on the steepest descent and least mean-square algorithms which can be devoid of the matrix inverse operation.The two algorithms are proved to be convergent when applied in the MMSE detection.Factors that affect the rate of convergence are also analyzed.Analysis and simulation shows that the proposed receiver architecture enjoys a low complexity property and can provide virtually the same performance as the conventional MMSE receiver.

Key words: massive multiple-input multiple-output, minimum mean-squared-error, steepest descent, least mean-square

中图分类号:

TN929.53

汪彬, 常永宇, 权威, 张戬. Massive MIMO网络中低复杂度的MMSE检测方法[J]. 北京邮电大学学报, 2016, 39(6): 57-61.

WANG Bin, CHANG Yong-yu, QUAN Wei, ZHANG Jian. Low-Complexity MMSE Detection Methods for Massive MIMO Networks[J]. JOURNAL OF BEIJING UNIVERSITY OF POSTS AND TELECOM, 2016, 39(6): 57-61.

[1]	火元莲, 巩琪, 齐永锋, 安娅琦. 基于归一化最小均方算法的自适应核RBFNN[J]. 北京邮电大学学报, 2022, 45(2): 29-35.
[2]	黄翔东, 王惠杰, 黎鸣诗, 曹月彬. GFDM系统低复杂度最小均方误差接收机解调算法[J]. 北京邮电大学学报, 2019, 42(3): 7-13.
[3]	魏敏, 汤文杰, 滕颖蕾, 陈广泉, 宋梅. 大规模MIMO系统中基于WMMSE的混合预编码算法[J]. 北京邮电大学学报, 2018, 41(4): 63-68.
[4]	赵季红, 王明欣, 曲桦, 谢志勇, 刘熙. 一种基于自适应KLMS的卫星网络流量预测算法[J]. 北京邮电大学学报, 2018, 41(3): 51-55.
[5]	曾乐雅, 许华, 王天睿. 改进的凸组合最小均方算法[J]. 北京邮电大学学报, 2016, 39(4): 114-117.
[6]	曲桦, 梁静, 赵季红, 王伟华. LS-MIMO系统基于经典迭代法的低复杂度检测算法[J]. 北京邮电大学学报, 2016, 39(4): 83-86.
[7]	管四海, 李智. 改进的l₀范数LMS算法与分析[J]. 北京邮电大学学报, 2015, 38(4): 81-85.
[8]	卢继华, 刘丹, 郑建勇, 刘子群, 王爱华. MIMO-OFDM系统下新型联合载波频偏估计方法[J]. 北京邮电大学学报, 2013, 36(6): 1-6.
[9]	王颖, 周晶, 方莉, 李道本. 应用在OFDM-MIMO系统的低复杂度时域导频方案[J]. 北京邮电大学学报, 2013, 36(3): 1-6.
[10]	时伟. 基于新拟牛顿法的自适应均衡技术[J]. 北京邮电大学学报, 2012, 35(3): 83-86.
[11]	赵伟袁超伟张金波. MIMO广播有限反馈系统中联合预编码方法[J]. 北京邮电大学学报, 2012, 35(2): 24-27.
[12]	周通,彭木根,王文博. 多用户正交频分多址系统扇区间空域干扰协调[J]. 北京邮电大学学报, 2011, 34(5): 119-123.
[13]	吴玉成,郭伟,李国权. 联合信道编码的Golden码检测[J]. 北京邮电大学学报, 2010, 33(4): 21-25.
[14]	张彬贺志强牛凯. MIMO中继系统中的线性鲁棒收发机联合设计[J]. 北京邮电大学学报, 2010, 33(2): 29-33.
[15]	刘翔, 温娜, 徐永太, 刘宝玲. 适用LDPC码的基于最小均方误差准则的改进译码算法[J]. 北京邮电大学学报, 2007, 30(5): 51-54.

Massive MIMO网络中低复杂度的MMSE检测方法

Low-Complexity MMSE Detection Methods for Massive MIMO Networks

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价