LTE-A下行链路中基于格缩减辅助的信号检测算法研究

摘要

为了满足用户需求，LTE-A下行链路使用多天线正交频分复用（MIMO-OFDM）技术，可以在不增加系统带宽的前提下成倍提高无线通信系统的频谱利用率、系统容量和数据传输速率。然而由于无线信道的不确定性，数据在传输过程中将受到无线信道多径效应和多普勒频移的影响。同时随着天线数目的增加，天线之间的干扰也严重影响了数据传输的可靠性。因此为保障数据传输的可靠性，需要在接收端设计高性能的信号检测器。格缩减辅助检测算法因能无限逼近最大似然检测算法的性能，在LTE-A中得到广泛研究。本文从以下几个方面入手研究LTE-A下行基于格缩减辅助的MIMO-OFDM信号检测算法。
　　本文首先研究了LTE-A下行链路常规的信号检测算法，为后续章节的研究提供理论基础。并且针对QR分解检测算法存在的误差扩散和分集增益利用率低的问题，提出了基于并行干扰消除预处理的循环迭代排序QR分解检测算法。该算法结合了排序和循环迭代思想，在逐层检测时采用并行干扰消除算法对已检测出的层数据进行更新迭代，提高目标层的检测精度。
　　LTE-A下行链路在高速运动环境中，常规的信号检测算法性能将严重下降，并且无法获得全分集增益。针对该问题，论文深入研究了实数域格缩减辅助检测算法，并提出了一种基于噪声预测修正的格缩减辅助检测算法。该算法结合噪声预测与最大似然思想，使用已经检测出的信号分量对未检测信号分量的噪声进行预测，能够在对未检测信号分量进行检测之前消除噪声对检测性能的影响。
　　最后，针对LTE-A下行链路在低速运动环境中使用实数域格缩减辅助检测算法存在计算量过高的问题，论文研究了复数域格缩减辅助检测算法，针对复数域格缩减辅助检测算法在量化过程中引起的量化误差扩散现象，提出了一种基于量化误差矫正的格缩减辅助平行检测算法。该算法首先对受噪声影响最大的层遍历所有可能的信号值，形成多个分支，然后在每个分支中对剩余信号进行格缩减处理，并在量化过程中对量化值进行修正，得到了多个量化估计值，最后利用最大似然思想选择出最优的判决值。仿真结果表明，改进算法克服了误差扩散现象，检测性能达到了近似最优。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1 课题的研究背景和意义

1.2 课题的国内外研究现状

1.3 课题研究内容及论文安排

第2章 LTE-A下行关键技术

2.1 正交频分复用技术

2.2 MIMO技术

2.3 LTE-A系统物理层结构

2.4 本章小结

第3章 LTE-A下行MIMO-OFDM检测算法

3.1 LTE-A下行MIMO-OFDM系统模型

3.2 最大似然检测算法

3.3 线性检测算法

3.4 干扰相消检测算法

3.5 QR分解检测算法

3.6 本章小结

第4章 实数域格缩减辅助检测算法

4.1 系统模型

4.2 格缩减技术

4.3 格缩减辅助的检测算法

4.4 改进的格缩减辅助检测算法

4.5 本章小结

第5章 复数域格缩减辅助检测算法

5.1 系统模型

5.2 复数域格缩减技术

5.3 复数域格缩减辅助（CLRAD）的检测算法

5.4 改进的格缩减辅助检测算法

5.5 本章小结

结论

参考文献

攻读硕士学位期间所发表的论文和取得的科研成果

致谢