针对LTE下行多输入多输出正交频分多址(MIMO-OFDM)系统中的天线间干扰和多径干扰问题,提出一种低复杂度的迭代均衡算法。该算法在接收端通过预编码矩阵将发射信号扩展到所有子载波上,从而减少部分子载波深衰落对扩展前原始发射信号的影...针对LTE下行多输入多输出正交频分多址(MIMO-OFDM)系统中的天线间干扰和多径干扰问题,提出一种低复杂度的迭代均衡算法。该算法在接收端通过预编码矩阵将发射信号扩展到所有子载波上,从而减少部分子载波深衰落对扩展前原始发射信号的影响。算法在接收端引入最小均方差误差排序QR分解(MMSE-SQRD)软干扰消除均衡算法,一方面避免传统基于最小均方误差(MMSE)并行软干扰消除均衡算法中矩阵求逆运算,进而降低了算法复杂度,另一方面利用信道排列,优先检测信噪比最大的传输符号进而提高检测准确性。同时通过预编码对重构信号进行预处理,进而缓解在迭代干扰消除过程中的误差传播。仿真结果表明:在4发4收场景下,误码率为10-5时,所提算法信噪比改善约0.7 d B。展开更多
针对长期演进(long time evolution,LTE)下行多输入多输出正交频分多址链路(multiple-input multiple-output orthogonal frequency division multiplexing,MIMO-OFDM)异步通信系统中的天线间干扰和多径干扰的问题,提出一种低复杂度的...针对长期演进(long time evolution,LTE)下行多输入多输出正交频分多址链路(multiple-input multiple-output orthogonal frequency division multiplexing,MIMO-OFDM)异步通信系统中的天线间干扰和多径干扰的问题,提出一种低复杂度的基于预编码矩阵的迭代均衡算法。在发射端,该算法通过预编码矩阵将信号扩展到所有子载波上,从而降低部分子载波深衰落对扩展前原始信号的影响。在接收端,利用最小均方差误差排序QR分解(minimum mean square error sorted QR decomposition,MMSE-SQRD)软输入软输出干扰消除均衡算法,一方面避免传统基于最小均方误差(minimum mean square error,MMSE)并行软干扰消除均衡算法中复杂的矩阵求逆运算,进而降低了算法复杂度,另一方面利用信道排列优先检测信噪比最大的传输符号提高检测准确性。同时通过预编码对重构信号中误差进行扩展,进而缓解在迭代干扰消除过程中的误差传播。仿真结果证明,在2发2收场景下,误码率在10-3时,算法经过5次迭代后系统性能相比于现有的迭代均衡算法改善约4dB。展开更多
针对正交时频空(Orthogonal Time Frequency Space, OTFS)调制系统中均衡器性能不佳及线性滤波器复杂度较高等问题,提出了一种LU(Lower-Upper)分解与迭代最小均方误差(Iterative Minimum Mean Square Error, IMMSE)均衡器结合的OTFS系...针对正交时频空(Orthogonal Time Frequency Space, OTFS)调制系统中均衡器性能不佳及线性滤波器复杂度较高等问题,提出了一种LU(Lower-Upper)分解与迭代最小均方误差(Iterative Minimum Mean Square Error, IMMSE)均衡器结合的OTFS系统信号检测算法(LU-IMMSE)。该算法依据时延多普勒域稀疏信道矩阵的特征,采用一种低复杂度的LU分解方法,以避免MMSE均衡器求解矩阵逆的过程,在保证均衡器性能的前提下降低了均衡器复杂度。在OTFS系统中引入一种IMMSE均衡器,通过不断迭代更新发送符号均值和方差这些先验信息来逼近MMSE均衡器最优估计值。LU-IMMSE算法通过调节迭代次数可以有效降低误比特率。在比特信噪比为8 dB时,5次迭代后的LU-IMMSE均衡器误比特率相比传统的MMSE均衡器降低了约11 dB。随着迭代次数的增大,较传统IMMSE算法降低了计算复杂度。在最大时延系数为4、符号数为16的情况下,与直接求逆相比,所提出的低复杂度LU分解方法降低了约91.72%的矩阵求逆计算复杂度。展开更多
矩阵组常用于无线通信中的数据表示。在多输入多输出(Multiple⁃Input Multiple⁃Output,MIMO)通信模型中,基站利用信道数据设计适应信道的最小均方误差(Minimum Mean Square Error,MMSE)均衡器接收矩阵组,以低复杂度地处理来自多用户的...矩阵组常用于无线通信中的数据表示。在多输入多输出(Multiple⁃Input Multiple⁃Output,MIMO)通信模型中,基站利用信道数据设计适应信道的最小均方误差(Minimum Mean Square Error,MMSE)均衡器接收矩阵组,以低复杂度地处理来自多用户的上行数据。首先分析了矩阵数据的关联性,通过时谱图确定矩阵组在时间维所具有的强相关性;其次采用插值算法进行低复杂度的矩阵估计,并提出最大插值比搜索算法计算各类插值算法的性能及其复杂度;接着利用一种改进的Strassen矩阵求逆算法来降低MMSE求逆过程的复杂度。相比传统的接收矩阵组,显著降低了计算复杂度。展开更多
文摘针对LTE下行多输入多输出正交频分多址(MIMO-OFDM)系统中的天线间干扰和多径干扰问题,提出一种低复杂度的迭代均衡算法。该算法在接收端通过预编码矩阵将发射信号扩展到所有子载波上,从而减少部分子载波深衰落对扩展前原始发射信号的影响。算法在接收端引入最小均方差误差排序QR分解(MMSE-SQRD)软干扰消除均衡算法,一方面避免传统基于最小均方误差(MMSE)并行软干扰消除均衡算法中矩阵求逆运算,进而降低了算法复杂度,另一方面利用信道排列,优先检测信噪比最大的传输符号进而提高检测准确性。同时通过预编码对重构信号进行预处理,进而缓解在迭代干扰消除过程中的误差传播。仿真结果表明:在4发4收场景下,误码率为10-5时,所提算法信噪比改善约0.7 d B。
文摘针对长期演进(long time evolution,LTE)下行多输入多输出正交频分多址链路(multiple-input multiple-output orthogonal frequency division multiplexing,MIMO-OFDM)异步通信系统中的天线间干扰和多径干扰的问题,提出一种低复杂度的基于预编码矩阵的迭代均衡算法。在发射端,该算法通过预编码矩阵将信号扩展到所有子载波上,从而降低部分子载波深衰落对扩展前原始信号的影响。在接收端,利用最小均方差误差排序QR分解(minimum mean square error sorted QR decomposition,MMSE-SQRD)软输入软输出干扰消除均衡算法,一方面避免传统基于最小均方误差(minimum mean square error,MMSE)并行软干扰消除均衡算法中复杂的矩阵求逆运算,进而降低了算法复杂度,另一方面利用信道排列优先检测信噪比最大的传输符号提高检测准确性。同时通过预编码对重构信号中误差进行扩展,进而缓解在迭代干扰消除过程中的误差传播。仿真结果证明,在2发2收场景下,误码率在10-3时,算法经过5次迭代后系统性能相比于现有的迭代均衡算法改善约4dB。
文摘针对正交时频空(Orthogonal Time Frequency Space, OTFS)调制系统中均衡器性能不佳及线性滤波器复杂度较高等问题,提出了一种LU(Lower-Upper)分解与迭代最小均方误差(Iterative Minimum Mean Square Error, IMMSE)均衡器结合的OTFS系统信号检测算法(LU-IMMSE)。该算法依据时延多普勒域稀疏信道矩阵的特征,采用一种低复杂度的LU分解方法,以避免MMSE均衡器求解矩阵逆的过程,在保证均衡器性能的前提下降低了均衡器复杂度。在OTFS系统中引入一种IMMSE均衡器,通过不断迭代更新发送符号均值和方差这些先验信息来逼近MMSE均衡器最优估计值。LU-IMMSE算法通过调节迭代次数可以有效降低误比特率。在比特信噪比为8 dB时,5次迭代后的LU-IMMSE均衡器误比特率相比传统的MMSE均衡器降低了约11 dB。随着迭代次数的增大,较传统IMMSE算法降低了计算复杂度。在最大时延系数为4、符号数为16的情况下,与直接求逆相比,所提出的低复杂度LU分解方法降低了约91.72%的矩阵求逆计算复杂度。
文摘矩阵组常用于无线通信中的数据表示。在多输入多输出(Multiple⁃Input Multiple⁃Output,MIMO)通信模型中,基站利用信道数据设计适应信道的最小均方误差(Minimum Mean Square Error,MMSE)均衡器接收矩阵组,以低复杂度地处理来自多用户的上行数据。首先分析了矩阵数据的关联性,通过时谱图确定矩阵组在时间维所具有的强相关性;其次采用插值算法进行低复杂度的矩阵估计,并提出最大插值比搜索算法计算各类插值算法的性能及其复杂度;接着利用一种改进的Strassen矩阵求逆算法来降低MMSE求逆过程的复杂度。相比传统的接收矩阵组,显著降低了计算复杂度。
