大规模MIMO系统的改进RTS信号检测算法

doi:10.3778/j.issn.1002-8331.1701-0205

计算机工程与应用 ›› 2018, Vol. 54 ›› Issue (12): 74-79.DOI: 10.3778/j.issn.1002-8331.1701-0205

大规模MIMO系统的改进RTS信号检测算法

王茜竹1，2，李楠1，2

1.“新一代信息网络与终端”重庆市协同创新中心，重庆 400065
2.重庆邮电大学电子信息与网络工程研究院，重庆 400065

出版日期:2018-06-15 发布日期:2018-07-03

Improved RTS signal detection algorithm for massive MIMO system

WANG Qianzhu1，2, LI Nan1，2

1.Chongqing Collaborative Innovation Center for Information Communication Technology, Chongqing 400065, China
2.Electronic Information and Networking Research Institute, Chongqing University of Posts and Telecommunications, Chongqing 400065, China

Online:2018-06-15 Published:2018-07-03

摘要/Abstract

摘要： 大规模多输入多输出（MIMO）技术通过基站端天线数量的增加有效提高频谱效率，降低传输功率，使其成为5G移动通信系统的一项关键技术。可是随着天线数量的增加，上行链路信号检测算法的复杂度大幅增加，原有检测算法无法实现。基于机器学习和人工智能的主动禁忌搜索算法（RTS）凭借着复杂度低的优势脱颖而出，成为业内的研究热点。针对RTS算法初始值计算复杂度过高这一问题，提出基于BC-GS（Block Constellations-Gauss Seidel）迭代算法求解初始值的RTS信号检测算法，使其在达到原有算法误码率性能的前提下，从而进一步降低算法复杂度。

关键词: 大规模MIMO, 5G, 主动禁忌搜索算法, 迭代算法, 信号检测

Abstract: Massive MIMO technology can effectively improve the spectrum efficiency and reduce the transmission power by increasing the number of antennas at the base station, making it a key technology in 5G mobile communication system. However, with the increase of the number of antennas, the complexity of the uplink signal detection increases significantly, the original detection algorithm cannot be achieved in reality. The Reactive Tabu Search（RTS） algorithm based on machine learning and artificial intelligence has become a hotspot in the industry with the advantage of low complexity. In this paper, RTS signal detection algorithm based on BC-GS （Block Constellations- Gauss Seidel） iterative method is proposed to reduce the computational complexity of initial solution to achieve the original BER performance.

Key words: large-scale MIMO, 5G, Reactive Tabu Search（RTS） algorithm, iterative method, signal detection

王茜竹1，2，李楠1，2. 大规模MIMO系统的改进RTS信号检测算法[J]. 计算机工程与应用, 2018, 54(12): 74-79.

WANG Qianzhu1，2, LI Nan1，2. Improved RTS signal detection algorithm for massive MIMO system[J]. Computer Engineering and Applications, 2018, 54(12): 74-79.

[1]	熊兴隆，刘佳，李猛，马愈昭. 基于无人机-配送车联合配送的优化算法研究[J]. 计算机工程与应用, 2021, 57(19): 259-266.
[2]	刘佳佳，吴昊，李盼盼. 铁路5G移动通信系统边缘计算安全研究[J]. 计算机工程与应用, 2021, 57(12): 1-10.
[3]	瞿拓思，曹海燕，许方敏，方昕，王秀敏. 大规模MIMO系统中优化导频分配方案研究[J]. 计算机工程与应用, 2020, 56(8): 60-65.
[4]	徐齐利. 讨价还价博弈均衡出价策略的算法设计[J]. 计算机工程与应用, 2020, 56(21): 170-175.
[5]	张晖，李风乐，赵海涛，孙雁飞，朱洪波. 5G动态异构场景下无线回程优化算法[J]. 计算机工程与应用, 2020, 56(16): 62-68.
[6]	刘炎培，朱淇，赵进超. 边缘环境下计算密集型应用的卸载技术研究[J]. 计算机工程与应用, 2020, 56(15): 1-14.
[7]	段浴，曹龙汉，张治中，高尚蕾. 5G终端模拟器中信令分析技术的研究与实现[J]. 计算机工程与应用, 2020, 56(15): 106-112.
[8]	高鹏，胡晓东，李家兴，唐伦. 5G-C-RAN中最大化效用服务功能链部署算法[J]. 计算机工程与应用, 2019, 55(7): 108-114.
[9]	周林腾，刘明. 考虑内容异构5G无线网络云对边混合缓存策略[J]. 计算机工程与应用, 2019, 55(6): 94-100.
[10]	李小文，李阳阳，雷秀. 5G终端认证和密钥协商过程的研究与实现[J]. 计算机工程与应用, 2019, 55(11): 35-39.
[11]	杨宝山1，2，3，胡业刚1，2，3，张冀聪1，2，3. 2DPCA在脑磁图棘波信号检测中的应用[J]. 计算机工程与应用, 2019, 55(1): 186-190.
[12]	陈博文，蒋磊，刘潇文，张群. 基于混沌量子粒子群的FHN神经元UWB信号检测[J]. 计算机工程与应用, 2017, 53(6): 135-140.
[13]	盛昌杰1，2，韩雷1，2. 不对称光阑对相干衍射成像缺陷检测效果的影响[J]. 计算机工程与应用, 2017, 53(14): 178-182.
[14]	黎严，张国平，罗俊. 一种改进的多天线信号能量检测方案[J]. 计算机工程与应用, 2017, 53(10): 112-116.
[15]	丁宪成. 模糊偏好关系一致性改进算法及其决策应用[J]. 计算机工程与应用, 2016, 52(24): 62-69.

大规模MIMO系统的改进RTS信号检测算法

Improved RTS signal detection algorithm for massive MIMO system

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics