發(fā)布時間：2018-02-11 10:50

  本文關鍵詞： 大規(guī)模MIMO 低復雜度 遺傳LAS 基于LR的遞歸干擾消除 基于LR的列表干擾消除　出處：《電子科技大學》2014年碩士論文　論文類型：學位論文

【摘要】：大規(guī)模MIMO技術通過使用大量的接收天線服務多個終端和時分雙工技術對現(xiàn)有通信系統(tǒng)有很大突破,大規(guī)模MIMO系統(tǒng)在豐富的散射環(huán)境下具有高頻譜效率和高鏈路魯棒的特點。實現(xiàn)大規(guī)模MIMO系統(tǒng)的重要困難在于檢測問題,大規(guī)模MIMO系統(tǒng)中數(shù)據(jù)檢測的計算代價太大,這種問題一直阻礙著大規(guī)模MIMO系統(tǒng)的實現(xiàn)。在過去二十年,很多檢測方法被提出,目的均是為了減少計算復雜度,得到最佳檢測性能。MIMO檢測器主要分為兩個類別。第一類檢測器的復雜度取決于信道的特殊實現(xiàn),例如樹搜索,這些方法得到最佳性能的代價是復雜度呈指數(shù)倍,是復雜度最高的一類,如果使用一些終止條件得到的是次優(yōu)的性能。另外一類檢測器包含復雜度固定,不依賴信道實現(xiàn)的一類檢測方法,這類從實現(xiàn)角度看更可取,因為它們消除大維度數(shù)據(jù)緩沖超出硬件能力的情況。本文的主要工作是針對這兩類檢測器分別研究兩種不同的檢測方法。本文研究的一種檢測方法是遺傳似然上升搜索(LAS)檢測算法,該算法將遺傳算法和LAS算法結合在一起,對LAS算法通過遺傳的方式進一步處理,從而進一步提高大規(guī)模MIMO系統(tǒng)的接收性能,遺傳LAS算法是LAS算法的一種改進方法,獲得比LAS和禁忌搜索更好的檢測性能。本文研究的另一種檢測方法屬于第二類檢測技術,對于第二類檢測技術,本文主要改進基于LR(Lattice Reduction)的遞歸干擾消除算法和基于LR的列表干擾消除算法兩種方法。這兩種算法都是根據(jù)矩陣的子空間能夠比原矩陣的LR產(chǎn)生更加正交基向量的觀點產(chǎn)生的�；贚R的遞歸干擾消除算法是一種部分干擾消除算法,它能夠獲得比基于LR的線性檢測更好的檢測性能,但是其復雜度比基于LR的線性檢測稍高,而且它的復雜度還與遞歸次數(shù)有關�；贚R的列表干擾消除檢測算法旨在將大規(guī)模MIMO系統(tǒng)分解為多個低維度MIMO系統(tǒng),然后使用基于LR的線性檢測檢測每個低維度的MIMO系統(tǒng),通過使用基于元素的LR算法,基于LR的列表干擾消除檢測獲得了復雜度和性能上的折中。
[Abstract]:Large scale MIMO technology has made a great breakthrough in the existing communication system by using a large number of receiving antennas to serve multiple terminals and time division duplex technology. Large-scale MIMO system has the characteristics of high spectral efficiency and high link robustness in rich scattering environment. The important difficulty of realizing large-scale MIMO system lies in the problem of detection. The computational cost of data detection in large-scale MIMO system is too high. This problem has been hampering the implementation of large-scale MIMO systems. In the past two decades, many detection methods have been proposed to reduce computational complexity. The complexity of the first kind of detector depends on the special implementation of the channel, such as tree search. The cost of these methods is exponential complexity. Is the most complex class, if some termination conditions are used to obtain sub-optimal performance, the other kind of detector includes a class of detection methods with fixed complexity and independent of channel implementation, which is preferable from the perspective of implementation. The main work of this paper is to study two different detection methods for these two kinds of detectors. One of the detection methods studied in this paper is genetic likelihood. Liter search lass detection algorithm, This algorithm combines genetic algorithm with LAS algorithm, and further deals with LAS algorithm through genetic method, thus further improving the receiving performance of large-scale MIMO system. Genetic LAS algorithm is an improved method of LAS algorithm. The detection performance is better than LAS and Tabu search. Another detection method studied in this paper belongs to the second kind of detection technology, and for the second kind of detection technology, In this paper, we mainly improve the recursive interference cancellation algorithm based on LR(Lattice reduction and the list interference cancellation algorithm based on LR. Both of these algorithms can produce more orthogonal basis vectors according to the subspace of the matrix than the LR of the original matrix. LR-based recursive interference cancellation algorithm is a partial interference cancellation algorithm. It can achieve better detection performance than LR-based linear detection, but its complexity is slightly higher than LR-based linear detection. LR-based list interference cancellation detection algorithm is designed to decompose large-scale MIMO systems into multiple low-dimensional MIMO systems, and then use LR-based linear detection to detect each low-dimensional MIMO system. By using element-based LR algorithm, LR-based list interference cancellation detection achieves a compromise in complexity and performance.
【學位授予單位】：電子科技大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：TN919.3

【相似文獻】

相關期刊論文 前10條

1 羅可;張學茂;;一種高效的頻集挖掘算法[J];長沙理工大學學報(自然科學版);2006年03期

2 劉彩云;陳忠;;蟻群算法的研究進展及應用[J];軟件導刊;2008年09期

3 張麗芳;;3種聚類算法性能比較分析[J];長江大學學報(自然科學版)理工卷;2009年02期

4 劉曉平;圖象開窗算法[J];CT理論與應用研究;1996年04期

5 江少鋒,楊素華;一種簡單高效的圖象縮小算法[J];南昌航空工業(yè)學院學報(自然科學版);2003年04期

6 張林;吳振強;;一種高效的隨機混淆匿名算法[J];計算機應用研究;2008年05期

7 蔡濤,王潤生;分開合并算法的若干討論和改進[J];國防科技大學學報;2000年04期

8 王子菡,楊恢先,楊穗,陶霞;數(shù)控繪圖系統(tǒng)中的繪圖基本算法[J];微計算機信息;2003年12期

9 嚴建峰;李偉華;杜北;;基于規(guī)模壓縮的混合蟻群算法[J];控制與決策;2007年09期

10 王高鵬;竇麗華;陳杰;張娟;陳晨;;一種基于PBIL算法和變焦算法的混合算法[J];模式識別與人工智能;2009年01期

相關會議論文 前10條

1 尹冀鋒;;一種新的圖象自適應增強算法[A];四川省通信學會一九九二年學術年會論文集[C];1992年

2 寧春平;田家瑋;郭延輝;王影;張英濤;鄭桂霞;劉研;;計算機輔助增強、分割算法在鑒別乳腺良、惡性腫塊中的應用價值[A];中華醫(yī)學會第十次全國超聲醫(yī)學學術會議論文匯編[C];2009年

3 謝麗聰;;SVB查詢改寫算法的改進[A];第二十一屆中國數(shù)據(jù)庫學術會議論文集（研究報告篇）[C];2004年

4 鄭存紅;;復雜背景下相關跟蹤算法研究及DSP實現(xiàn)[A];中國光學學會2010年光學大會論文集[C];2010年

5 楊文杰;吳軍;;RFID抗沖突算法研究[A];2008通信理論與技術新進展——第十三屆全國青年通信學術會議論文集（上）[C];2008年

6 高山;畢篤彥;魏娜;;一種基于UPF的小目標TBD算法[A];第十四屆全國圖象圖形學學術會議論文集[C];2008年

7 周磊;張衛(wèi)華;王曉奇;張軍;;基于流水算法的智能路障機器人設計[A];2011年全國電子信息技術與應用學術會議論文集[C];2011年

8 潘巍;李戰(zhàn)懷;陳群;索博;李衛(wèi)榜;;面向MapReduce的非對稱分片復制連接算法優(yōu)化技術研究[A];第29屆中國數(shù)據(jù)庫學術會議論文集（B輯）（NDBC2012）[C];2012年

9 李偉偉;蔡康穎;鄭新;王文成;;3D模型中重復結構的多尺度快速檢測算法[A];第六屆和諧人機環(huán)境聯(lián)合學術會議（HHME2010)、第19屆全國多媒體學術會議（NCMT2010）、第6屆全國人機交互學術會議（CHCI2010）、第5屆全國普適計算學術會議（PCC2010）論文集[C];2010年

10 楊任爾;陳懇;勵金祥;;基于棱邊方向檢測的運動自適應去隔行算法[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年

相關重要報紙文章 前1條

1 國泰君安資產(chǎn)管理部;“算法交易”是道指暴跌罪魁禍首?[N];上海證券報;2010年

相關博士學位論文 前10條

1 馮輝;網(wǎng)絡化的并行與分布式優(yōu)化算法研究及應用[D];復旦大學;2013年

2 許玉杰;云計算環(huán)境下海量數(shù)據(jù)的并行聚類算法研究[D];大連海事大學;2014年

3 李琰;基于貓群算法的高光譜遙感森林類型識別研究[D];東北林業(yè)大學;2015年

4 陳加順;海洋環(huán)境下聚類算法的研究[D];南京航空航天大學;2014年

5 張冬麗;人工蜂群算法的改進及相關應用研究[D];燕山大學;2014年

6 徐悅竹;機會發(fā)現(xiàn)算法及其應用研究[D];哈爾濱工程大學;2010年

7 王征;分布式互斥算法的研究與實現(xiàn)[D];電子科技大學;2007年

8 楊世品;P系統(tǒng)優(yōu)化算法及應用研究[D];浙江大學;2013年

9 王艷嬌;人工蜂群算法的研究與應用[D];哈爾濱工程大學;2013年

10 張毅;群智能算法的改進及其在相關領域中的應用[D];吉林大學;2009年

，

本文編號：1502883