针对多输入多输出系统中常用的非线性检测算法,如排序QR分解(Sorted QR Decomposition,SQRD)、球型译码(Sphere Decoding,SD)、K-Best或QRM(QR Decomposition and M algorithm)等,提出了一种具有最优检测顺序的QR快速分解方法,作为检测...针对多输入多输出系统中常用的非线性检测算法,如排序QR分解(Sorted QR Decomposition,SQRD)、球型译码(Sphere Decoding,SD)、K-Best或QRM(QR Decomposition and M algorithm)等,提出了一种具有最优检测顺序的QR快速分解方法,作为检测前的预处理操作。该算法首先对信道矩阵进行第一次QR分解,根据所得上三角矩阵R可确定最优的检测顺序,并按该顺序对R进行列重排。然后对R进行第二次QR分解,即得具有最优检测顺序的QR分解结果。与现有的基于R对角元素的模值排序的QR分解算法相比,本算法可保证检测顺序最优从而性能最优。仿真结果表明天线配置为4×4和6×6时,在误码率10^(-3)处可节约信噪比分别为:1dB和2dB;与现有的基于信干噪比排序的QR分解算法相比,本算法与其性能一致的基础上可节约25%的复乘法次数和33%的复加法次数。展开更多
文摘针对多输入多输出系统中常用的非线性检测算法,如排序QR分解(Sorted QR Decomposition,SQRD)、球型译码(Sphere Decoding,SD)、K-Best或QRM(QR Decomposition and M algorithm)等,提出了一种具有最优检测顺序的QR快速分解方法,作为检测前的预处理操作。该算法首先对信道矩阵进行第一次QR分解,根据所得上三角矩阵R可确定最优的检测顺序,并按该顺序对R进行列重排。然后对R进行第二次QR分解,即得具有最优检测顺序的QR分解结果。与现有的基于R对角元素的模值排序的QR分解算法相比,本算法可保证检测顺序最优从而性能最优。仿真结果表明天线配置为4×4和6×6时,在误码率10^(-3)处可节约信噪比分别为:1dB和2dB;与现有的基于信干噪比排序的QR分解算法相比,本算法与其性能一致的基础上可节约25%的复乘法次数和33%的复加法次数。
