大规模MIMO并行检测算法降低复杂度和延迟，适用于5G无线通信系统

⃝⃝可在www.sciencedirect.com在线获取ScienceDirectICT Express 3（2017）119www.elsevier.com/locate/icte使用并行检测算法的大规模MIMO系统的降低的复杂度和延迟ShoichiHiguchi，Chang-Jun Ahn千叶大学研究生院工学研究科，千叶县稻上区弥生町1-33，邮编263-8522接收日期：2016年8月31日;接收日期：2017年3月4日;接受日期：2017年3月25日在线提供2017年摘要近年来，大规模MIMO系统已经被广泛研究以实现高速数据传输。由于大规模MIMO系统使用大量天线，这些系统需要巨大的复杂度来检测信号。在本文中，我们提出了一种新的检测方法，大规模MIMO使用并行检测与最大似然检测QR分解和M算法（QRM-MLD），以减少复杂度和延迟。该方案通过对H矩阵进行置换和QR分解得到R矩阵。R矩阵也使用Gauss-Jordan消去法消去。通过使用一个修改的R矩阵，所提出的方法可以检测发射信号使用并行检测。从仿真结果来看，与传统的方法相比，该方案可以实现降低的复杂度和延迟的误码率（BER）性能的下降很少c2017韩国通信信息科学研究所。出版社：Elsevier B.V.这是一篇开放获取的文章，CC BY-NC-ND许可证（http：//creativecommons. org/licenses/by-nc-nd/4. 0/）。关键词：大规模MIMO; QRM-MLD;并行检测; 5G1. 介绍近年来，无线通信已经成为世界范围内的基本技术。在日本，第四代移动通信系统（4G），诸如高级LTE（高级长期演进）[1]和WIMA X 2（全球微波接入互操作性2）[2]已经被广泛使用。此外，64.2%的日本人和94.5%的20多岁年轻人使用智能手机[3]。这种情况导致了网络流量的快速增长。为了解决这个问题，第五代移动通信系统（5G）正在被广泛研究。 这些系统旨在实现高水平的要求，例如高系统容量，高数据速率，大规模设备连接，减少延迟，节能和降低成本[4]。大规模MIMO是实现5G系统的关键技术之一[5]。然而，通过增加发射天线的数量*通讯作者。电子邮件地址：acaa2424@chiba-u.jp（新加坡）Higuchi）。同行评审由韩国通信信息科学研究所负责。这篇论文已经由教授处理李正宇信道相关性显著增加。在这种情况下，天线分集将受到限制。 零强迫（ZF）由于其低复杂性而被广泛考虑。然而，ZF给出了最差的误比特率（BER）性能。另一方面，最大似然检测（MLD）给出了最好的BER性能。然而，复杂性 随着发射天线数量的增加，MLD的指数级增加。由于大规模MIMO使用大量天线，因此使用MLD是不切实际的。基于并行干扰消除（PIC）或连续干扰消除（SIC）的并行检测方案已被广泛考虑。然而，复杂性和延迟显著增加。为了保持BER并减轻系统复杂度，已经提出了具有QR分解和M算法的最大似然检测（QRM-MLD）[6，7]。QRM-MLD的性能取决于用于串行检测的存活符号副本候选者的数量。如果我们使用大量的幸存符号，性能就会提高。然而，尽管QRM-MLD具有小延迟和低复杂度，但当我们使用大量幸存的符号副本候选时，QRM-MLD会导致长延迟和巨大的复杂度。QRM-MLD的这些特征http://dx.doi.org/10.1016/j.icte.2017.03.0092405-9595/c2017韩国通信信息科学研究所。Elsevier B. V.的出版服务。这是CC BY-NC-ND许可证下的开放获取文章（http：//creativecommons.org/licenses/by-nc-nd/4. 0/）。120S. Higuchi，C.J. Ahn/ICT Express 3（2017）119m=1=·∞这与5G的要求不符。 因此，在本文中，我们提出了一种新的检测方法的大规模MIMO系统使用并行检测QRM-MLD，以减少复杂度和延迟。本文的组织结构如下。渠道模式，在第2节中描述了传统的QRM-MLD及其复杂性。在第3节中，我们展示了所提出的方案的配置。在第4节中，我们展示了模拟结果。最后，在第5节中给出了结论。2. 系统模型2.1. 信道模型第m个发射天线和第n个接收天线之间的脉冲响应hm， n（τ， t）由下式给出：100-1l=0表1每个数据包需要乘以QRM-MLD。运算所需乘法H4M3K的QR分解QH4M2K Nd平方欧几里德距离2（ 1+M−1Sm）C K Nd其中S（k）是置换的S（k）。 信道矩阵H（k）可以被分解为H（k），Q（k）R（k）。这种变换称为QR分解，它基于Householder变换。这里Q（k）是酉矩阵，R（k）是上三角矩阵。两边都是Eq。（6）乘以QH（k）以将Z（k）建模为Z（k）=QH（k）Y（k）=R（k）S（k）+N（k），（7）其中，N（k）=QH（k）·N（k）。由于Q（k）是酉矩阵，左侧表示N（k）乘以QH（k）不会导致任何增加。我们重写Eq。（7）矩阵形式其中L是具有变化的时间延迟的多径，hm， n， l（ t）是第l个通道增益，τm， n， l是第l个通道的时延，通道传递函数Hmn（ f， t）是傅里叶变换Z1（k）Z2（k）建议11（k）. . .R1 M（k）S1（k）0。. .R2 M（k）S2（k）N=1（k）N=2（k），。 =...好吧+. （八）hm， n（τ， t）的变换。这里Hm， n（ f， t）由下式给出：- 是的好吧...- 是的ZM（ k）0。. . R MM（k）SM（k）NM（k）Hm， n（ f， t）==0hm， n（τ， t）exp（−j 2πfτ）dτL−1h m，n，l（t）exp（−j 2 π f τm，n，l）.（二）l=0由于QRM-MLD使用在前一级中检测的数据进行信号检测，因此信号检测从行的底部开始进行使用该过程，增加了对较低行的正确检测，可以帮助实现第k个子载波的接收信号矢量Y（k）表示为Y（k）=H（k）S（ k）+N（k），（3）其中S（k）是第k个子载波的发送信号矢量，N（k）是高斯白噪声矢量。2.2. 常规QRM-MLD为了简单起见，我们假设在本文中有M个发射和接收天线从等式因此，我们可以将信道矩阵表示为：H 1，1（k） H 1，2（k）···H1，M（ k）良好的BER性能。此外，R矩阵的对角元素与每个通道列的特征值密切相关因此，新排名的H（k）的每个列幂顺序从右手侧以降序排序。最后，检测信号S′（k）满足如下2S′（k）=Z（k）−R（k）S<$（k）.（九）该 检 测方 法 具 有 较好 的 误 码 率性 能 ， 且复 杂 度 低 于MLD。然而，当我们使用QRM-MLD时，在大规模MIMO中，QRM-MLD需要巨大复杂度和长延迟。更糟糕的是，这些问题被大量幸存的符号副本候选者夸大了。H（k）=0...好吧（四）2.3. 复杂性HM，1（ k） HM， M（ k）观察Eq. （4），我们可以计算每列的幂阶，并且n次幂H（k）表示为H1，rank（ M）（k） H1，rank（ 1）（k）在这里，我们将所需乘法定义为复杂度。表1显示了每个数据包的QRM-MLD所需的乘法[8]。这里，M是发射天线的数量，C是星座大小（QPSK= 4），Nd是数据传输hm， n（τ， t）=hm， n， l（ t）δ（τ−τm， n， l），（1）S. Higuchi，C.J. Ahn/ICT Express 3（2017）119121H（k）=...、（五）HM，等级（M）（k）···HM，秩（1）（k）其中rank（ m）是第m个最大信道列。从等式在等式（5）中，我们可以将接收信号矢量Y（k）表示为Y（k）=H（k）S（k）+N（k），（6）符号，K是载波的数量，并且Sm是基于M算法的幸存符号的数量。3. 建议计划如上所述，QRM-MLD可以通过串行处理来检测传输的这一过程造成了长期的122S. Higuchi，C.J. Ahn/ICT Express 3（2017）119×中国（11）0 0R kR k延迟。因此，我们提出了一种新的大规模MIMO检测方法该方案的关键点是在M级下检测M个发射信号。首先，所提出的方案获得ranked H_∞（k）以使用所计算的信道阶。然后对H_∞（k）进行置换和QR分解，得到R（k图1示出了所提出的信道排序方法。圆圈中的数字表示每列的幂次。这些数字平均分配在每个区块上。在这里，我们假设块的数量是NB。在每个块中，数字从右侧开始按降序排序。黑色、白色和灰色圆圈表示相对功率。黑色圆圈比灰色或白色圆圈具有更高的功率。其次，R（k）通过Gauss-Jordan消去法消去。在这种消元法中，R（k）从上三角矩阵变换为阶梯矩阵。的步骤在阶梯矩阵中的值取决于并行检测的数量。换句话说，它们取决于块的数量。如果我们选择4块和2块，则R（k）表示为如图2所示。2和3这里Bn是第n个块。 图在图2和图3中，这些块彼此独立。通过使用R（k），可以利用并行检测来检测所发送的信号。从图 1，首先通过QRM-MLD同时检测黑色、灰色和白色圆圈。因此，在每个块中，数字如上所述进行排序。与QRM-MLD相比，该方案的延迟减少了约1/NB倍。另一方面，所提出的方案的分集阶数也减少了相同的速率。因此，在所提出的方案中，延迟与分集阶数不相容。然而，随着分集阶数的增加，增益略有改善。因此，选择过多的分集阶数是低效的。因此，我们选择4的分集阶数来实现最佳延迟。例如，我们在4中选择2块4MIMO。秩H（k）表示为：图1.一、提出了一种基于M×MR矩阵的信道排序方法图二、修改的R矩阵作为4块R矩阵。图3.第三章。修改的R矩阵作为2块R矩阵。其中Z（k）是修改后的Z（k）。 从等式在等式（12）中，S1（k）、S4（k）和S2（k）、S3（k）的检测分别操作为：H1，rank（ 4）（k）H 1，rank（ 1）（k）H 1，rank（ 3）（k）H1，rank（2）（k）ZhZhZhZhRk=RkS kH2，等级（4）（k）H2，秩（1）（k）H2，秩（3）（k）H2，秩（2）（k）.4（）11（）12（）4（）、（十三）H3，rank（ 4）（k）H 3，rank（ 1）（k）H 3，rank（ 3）（k）H3，rank（2）（k）Z1（k）22（k）S1（k）H4，等级（4）（k）H4，等级（1）（k）H4，秩（3）（k）H4，秩（2）（k）2004年12月23日（星期一）这里，Z（k）表示为11（k） R12（ k） R13（ k） R 14（ k）由于Eqs. （13）和（14）互不相关，我们可以同时检测不同的两个信号S1（k）和S2（k）。在此之后，还检测S4（k）和S3（k）因此，在本发明中，Z1（k）Z3（k）=Z2（ k）0R22（k） R23（k） R24（k） S1（k）.三十三、三十四、三R44（k）S2（k）四个发射信号仅由两个级检测。因此，可以减少所提出的方案的延迟。表2显示了所提出的方案所需的乘法。由于该方案减少了当R13（k）和R23（k）被消除时，我们选择第三排在通过第四行消除R14（k）和R24（k）Z（k）表示为由于在两个阶段中，所需的平方欧几里德距离的乘法与传统的QRM-MLD相比减少了。Z第11（k）条第12（k）条第00条第4（k）条4. 仿真结果（十）Z2（ k）=R44（k）.（十四）S2（k）S. Higuchi，C.J. Ahn/ICT Express 3（2017）119123=Z1（k）Z0R22（k）0 0S1（k）33（k）R34（k）R44（k）S2（k）（十二）在这里，我们比较了所提出的计划与传统的QRM-MLD和ZF。QRM-MLD使用对数似然比Z2（ k）124S. Higuchi，C.J. Ahn/ICT Express 3（2017）119m=1i=1==×=×=××××=-=×表2每个数据包所需的建议方案的乘法。运算所需乘法H4M3K的QR分解QH4M2K Nd平方欧几里德距离（M/ NB）（2（ 1+（M/ NB）−1Sm）C KNd）矩阵变换（M/NB）（M/NB ）−1（i M/ NB）K表3模拟条件。调制QPSK保护间隔为0。8µsFading五径瑞利衰落多普勒间隔10 Hz运营商数量62快速傅立叶变换大小64Colonna纳斯16，4数据信号数量20前向纠错R=1/ 2，Lc=7图四、16× 16 MIMO系统的误码性能(LLR)后验概率（APP）用于软判决解码[9]。数据信号首先在发射机上被编码。我们使用卷积码（编码率R1/ 2，约束长度Lc7）与比特交织。编码比特是QPSK调制的。在调制之后，调制信号被串并变换。发射的信号经受宽带信道传播。在这个仿真中，我们假设五径瑞利衰落，路径间隔为150 ns，保护间隔长度为0。8 µs，最大多普勒频率为10 Hz。表3示出了模拟条件。图4示出了QRM-MLD（Sm= 4）、ZF、所提出的基于2个块（Sm=4）的 16× 16 MIMO方案以及所提出的基于4个块（Sm=4）的16 × 16 MIMO方案的BER。图五、16× 16 MIMO、4× 4 MIMO和8× 8 MIMO的BER性能1616 MIMO。观察图4，所提出的方案，与ZF相比，2块和4块在BER为10−5时分别实现16和14 dB增益。另一方面，在BER为10- 5时，与传统的QRM- MLD相比，所提出的具有2个块和4个块的方案分别获得1 dB和3 dB的惩罚。该方案的分集阶数小于传统的QRM-MLD。因此，这些结果归因于QRM-MLD的特性。通过仅考虑图4，我们假设所提出的具有4个块的方案获得4个分集阶数。图5示出了QRM-MLD的BER（S m4）基于4 4 MIMO和8 8 MIMO和基于2块和4块（Sm4）的16 16 MIMO的方案。观察图5，与传统的基于4块的QRM-MLD相比，具有2块和4块的所提出的方案分别获得0.8和1dB的4 MIMO和88 MIMO，BER为10-5这种恶化是由天线之间的干扰引起的。因此，当在大规模MIMO中考虑所提出的方案时，分集阶数随着M/ NB而略微降低。从延迟的角度来看，与传统的QRM-MLD相比，所提出的具有2个块和4个块的方案 分别 通过 使用 模拟 条 件计 算所 需的 乘法 在 16 × 16MIMO中，QRM-MLD（S m 4）、建议方案采用2块（Sm）4），和建议的方案与4块（S m四、分别为2，890，668、2，864，896和2，807，360。因此，与传统的QRM-MLD相比，所提出的2块和4块方案的每个分组所需的总乘法分别减少了0.9%和2.9%。5. 结论在本文中，我们提出了一种新的检测方法，大规模MIMO使用QRM-MLD并行检测，以减少复杂度和延迟。该方案实现了S. Higuchi，C.J. Ahn/ICT Express 3（2017）119125××良好的BER性能，乘法次数少。从仿真结果来看，所提出的方案具有2块和与传统的QRM-MLD相比，基于4块的16 16 MIMO在BER为10−5时分别获得1 dB和3 dB的代价。然而，所提出的基于2块和4块的方案的16 16 MIMO与QRM-MLD相比分别降低了0.9%和2.9%。此外，与QRM-MLD相比，所提出的2块和4块方案减少了大约二分之一和四分之一的延迟。利益冲突作者声明，本文中不存在利益冲突引用[1] 3GPP TS 36.300，演进通用陆地无线电接入（E-UTRA）和演进通用陆地无线电接入网络（E-UTRAN），Rel. 10，v10.2.0，12月2010年。[2] 局域网和城域网的IEEE标准-第16部分：宽带无线接入系统的空中接口-高级空中接口的修正草案。802.16m/D10，11月2010年。[3] 公共管理部，http：//www.soumu走了jp/johotsusintokei/whitepaper/h26. HTML.[4] NTTDOCOMO，https：//www.nttdocomo。有限jp/chinese/corporate/technology/whitepaper5g/.[5] E. 拉 尔 森 岛 Edfors ， F. Tufvesson ， T. Marzetta ， Massive MIMOfornextgeneration wirelesssystems ， IEEE Commun. 麦 格 52 （ 2 ）（2014）186[6] K.J. 金，Y。Yue，R.A.Iltis，J.D.Gibso，基于QRD-M/Kalman滤波器的MIMO-OFDM系统的检测和信道估计算法，IEEE Trans. WirelessCommun. 4（2005）710-721。[7] K.J. 金，Y。联合信道估计和数据检测算法对于MIMO-OFDM系统，参见：Proc.36thAsilomarConf.Signals，Syst.Comput.，Nov. 2002，pp. 1857-1861年。[8] C. Ahn，用于MQRD-PCM/MIMO-OFDM的基于信道排序的联合符号检测，在：IEEE CCNC 2009的学报，2009年1月，第1 -5页[9] W.申，H.金，M。儿子，H。Park，编码MIMO系统中QRM-MLD的改进LLR计算，在：Proc. IEEE 66 th VTC 2007-Fall，2007年9月30日