LTE終端MIMO檢測算法研究.pdf

1、隨著人們對移動業(yè)務(wù)需求的迅猛發(fā)展和時頻資源的日益緊缺,移動通信工程師們開始把目光投向了空間。正是如此,MIMO技術(shù)應(yīng)運而生。MIMO技術(shù)帶來了高的頻譜利用率的同時也對終端的檢測技術(shù)帶來了挑戰(zhàn)?？紤]到手持終端的一些特點,比如:低功耗,小體積等。這就要求終端的MIMO檢測算法必須在保證LTE系統(tǒng)要求的基本性能下,具有盡可能低的復(fù)雜度。
　　最佳的MIMO檢測算法是最大似然檢測,但是該算法的復(fù)雜度是一個NP問題,無法應(yīng)用到工程實際中去。

2、QR分解的ML檢測算法是一個樹搜索問題,因此降低復(fù)雜度的ML檢測算法可以分成:深度優(yōu)先的搜索算法和廣度優(yōu)先的搜索算法。深度優(yōu)先的搜索算法包括了球形譯碼算法,VB算法,VB-SE算法。廣度優(yōu)先的搜索算法包括了M算法,排序的M算法。K-Best算法結(jié)合了二者優(yōu)點,可以在性能和復(fù)雜度之間取得折衷。這些算法都屬于非線性算法,其復(fù)雜度對于終端而言顯得過大,因此基于QR分解的線性檢測算法是研究重點。ZF算法雖然復(fù)雜度低,但是其性能也較差。MMSE算

3、法性能較好,但是復(fù)雜度也隨之升高。Wubben通過比較 ZF算法和MMSE算法,提出了ZF類似的MMSE算法。但該算法的性能相比較MMSE算法下降較明顯。基于啟發(fā)式QR分解的ZF算法和ZF類似的MMSE算法性能較之ZF算法和ZF類似的MMSE算法有較大提升。
　　文章最后提出了一種新的算法IMRC。該算法結(jié)合了干擾抑制合并(IRC)和最大比合并(MRC)的思想。在第一層數(shù)據(jù)檢測時,將第二層數(shù)據(jù)看成干擾信號,采用IRC是最佳接收。通