大規(guī)模多輸入多輸出(Massive Multiple-Input Multiple-Output,Massive MIMO)技術(shù)已經(jīng)成為實(shí)現(xiàn)5G的一項(xiàng)關(guān)鍵技術(shù)。Massive MIMO憑借其數(shù)據(jù)傳輸效率高、連接穩(wěn)定和延遲低等各方面優(yōu)勢(shì)在實(shí)際生產(chǎn)中得到廣泛應(yīng)用。在Massive MIMO系統(tǒng)中,復(fù)雜程度和天線(xiàn)數(shù)量是密切相關(guān)的,隨著天線(xiàn)數(shù)量增加,算法的復(fù)雜程度也隨著變高,因此在接收端需要一種復(fù)雜程度低、檢測(cè)性能高的信號(hào)檢測(cè)算法�；诖�,本文主要研究了基于高斯賽德?tīng)?Gauss-Seide,GS)迭代算法的兩種不同的迭代算法以及基于理查德森迭代算法,主要工作如下:1、在Massive MIMO系統(tǒng)中,現(xiàn)有的GS算法相較于最小均方誤差(Minimum Mean-Square Error,MMSE)算法,GS的復(fù)雜度較低,但其檢測(cè)性能相比而言較差。本文提出一種適用于大規(guī)模MIMO系統(tǒng)上行鏈路檢測(cè)的JA-IGS(Jacobi-Improved Gauss-Seide)檢測(cè)算法,該算法首先通過(guò)引入雅可比(Jacobi,JA)預(yù)迭代器來(lái)優(yōu)化迭代初始解,其次對(duì)傳統(tǒng)的GS進(jìn)行線(xiàn)性?xún)?yōu)化,在增加較低復(fù)雜度情況...

【文章頁(yè)數(shù)】：61 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 課題研究背景及意義
    1.2 大規(guī)模MIMO信號(hào)檢測(cè)的研究現(xiàn)狀
    1.3 論文內(nèi)容及章節(jié)安排
第二章 大規(guī)模MIMO系統(tǒng)模型和傳統(tǒng)信號(hào)檢測(cè)算法
    2.1 大規(guī)模MIMO系統(tǒng)模型和無(wú)線(xiàn)信道
        2.1.1 大規(guī)模MIMO系統(tǒng)模型
        2.1.2 無(wú)線(xiàn)信道
    2.2 傳統(tǒng)大規(guī)模MIMO信號(hào)檢測(cè)算法
        2.2.1 傳統(tǒng)線(xiàn)性檢測(cè)算法
        2.2.2 傳統(tǒng)非線(xiàn)性信號(hào)檢測(cè)算法
    2.3 算法仿真分析
        2.3.1 算法性能分析
        2.3.2 算法復(fù)雜度分析
    2.4 本章小結(jié)
第三章 大規(guī)模MIMO中基于雅克比預(yù)迭代的改進(jìn)高斯賽德?tīng)査惴?br>    3.1 高斯賽德?tīng)柕惴?br>    3.2 雅克比迭代算法
    3.3 基于雅克比預(yù)迭代的高斯-賽德?tīng)査惴?br>    3.4 基于雅克比預(yù)迭代的改進(jìn)高斯-賽德?tīng)査惴?br>        3.4.1 帶狀矩陣
        3.4.2 基于雅克比預(yù)迭代的改進(jìn)高斯-賽德?tīng)査惴?br>    3.5 算法復(fù)雜度分析及收斂性分析
        3.5.1 算法復(fù)雜度分析
        3.5.2 基于雅克比預(yù)迭代的改進(jìn)高斯-賽德?tīng)査惴ㄊ諗啃苑治?br>    3.6 性能仿真
    3.7 本章小結(jié)
第四章 大規(guī)模MIMO中基于預(yù)處理的廣義加權(quán)高斯賽德?tīng)柕惴?br>    4.1 基于預(yù)處理的廣義加權(quán)高斯賽德?tīng)柕惴?br>    4.2 初始值選取和加權(quán)因子的選取
        4.2.1 初始值選取
        4.2.2 加權(quán)因子選取
    4.3 算法復(fù)雜度分析
    4.4 算法仿真分析
    4.5 本章小結(jié)
第五章 大規(guī)模MIMO系統(tǒng)中基于預(yù)處理的加權(quán)理查德森迭代算法
    5.1 理查德森迭代算法
    5.2 基于預(yù)處理的加權(quán)理查德森迭代算法
    5.3 松弛參數(shù)和加權(quán)因子選取
    5.4 復(fù)雜度分析
    5.5 性能仿真
    5.6 總結(jié)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
致謝
參考文獻(xiàn)
作者簡(jiǎn)介



本文編號(hào)：3742880