大規(guī)模多輸入多輸出（MIMO）系統(tǒng)中,隨著天線數(shù)目的增加,傳統(tǒng)的信號(hào)檢測(cè)算法的檢測(cè)性能大幅度下降,復(fù)雜度呈指數(shù)增長(zhǎng)。為了解決天線過多帶來(lái)的復(fù)雜度問題,文章基于鄰近搜索思想提出一種似然判定準(zhǔn)則,作為搜索樹分支策略。首先,構(gòu)造二次規(guī)劃模型,將其作為搜索樹根節(jié)點(diǎn),然后,尋找目標(biāo)函數(shù)值最小的節(jié)點(diǎn)作為分支節(jié)點(diǎn),最后將判定準(zhǔn)則運(yùn)用于分支節(jié)點(diǎn)降低分支復(fù)雜度。在調(diào)制階數(shù)為4的正交幅度調(diào)制,誤比特率達(dá)到10^-4時(shí),文章提出的似然搜索樹檢測(cè)算法與傳統(tǒng)搜索樹算法相比,性能增益提升了約1.5 dB,復(fù)雜度降低了69.84%。仿真結(jié)果表明,在大規(guī)模MIMO場(chǎng)景下,文章提出的算法表現(xiàn)出了良好的性能及較低的復(fù)雜度。 

【文章來(lái)源】：光通信研究. 2020年03期 北大核心

【文章頁(yè)數(shù)】：4 頁(yè)

【文章目錄】：
0 引 言
1 系統(tǒng)模型
2 似然搜索樹算法
    2.1 傳統(tǒng)分支界定搜索樹算法
    2.2 基于變量節(jié)點(diǎn)的誤差似然準(zhǔn)則
    2.3 節(jié)點(diǎn)選擇策略
    2.4 復(fù)雜度分析
3 仿真分析
4 結(jié)束語(yǔ)


【參考文獻(xiàn)】：
期刊論文
[1]Approximate Iteration Detection and Precoding in Massive MIMO[J]. Chuan Tang,Yerong Tao,Yancang Chen,Cang Liu,Luechao Yuan,Zuocheng Xing.  中國(guó)通信. 2018(05)



本文編號(hào)：2955234