北京网站制作17页,高要区住房和城乡建设局网站,小程序开发 深圳,中标信息查询#x1f4a5;#x1f4a5;#x1f49e;#x1f49e;欢迎来到本博客❤️❤️#x1f4a5;#x1f4a5; #x1f3c6;博主优势#xff1a;#x1f31e;#x1f31e;#x1f31e;博客内容尽量做到思维缜密#xff0c;逻辑清晰#xff0c;为了方便读者。 ⛳️座右铭欢迎来到本博客❤️❤️ 博主优势博客内容尽量做到思维缜密逻辑清晰为了方便读者。 ⛳️座右铭行百里者半于九十。 本文目录如下 目录 1 概述 2 运行结果 3 参考文献 4 Matlab代码实现 1 概述
文献来源 针对大型多用户MU多输入多输出MIMO无线接收机提出了一种新颖的数据检测算法和相应的VLSI设计。我们的算法称为ADMIN执行基于乘法器ADMM的无穷大范数约束均衡的交替方向方法。ADMIN 是一种迭代算法如果用户数量与基站 BS 中的天线数量相比较少则其性能优于线性探测器。ADMIN 在第一次迭代中计算线性最小均方误差 MMSE 解。当BS天线数量与用户数量之间的比率相当大时就足够了。我们为基于 LDL 分解的软输出 ADMIN 开发了一种分时迭代 VLSI 架构。我们的架构实现了线性 MMSE 的 685.71 Mb/s对于在 212 纳米 CMOS 技术中采用 38-QAM 的 16 用户系统可实现 64.28 Mb/s。
大型或大规模多用户 MU 多输入多输出 MIMO 是第五代 5G 无线通信系统的关键技术可处理数量级以上的数据流量。大规模MU-MIMO的想法是为基站BS配备大量天线元件这些天线元件可以为同一频段的大量用户终端提供服务[1][2]。与传统的小规模MIMO无线系统相比大规模MU-MIMO系统频谱效率的提高是以更高的计算复杂性为代价的。为了实现上行链路中的高速通信用户与BS通信最近提出了各种算法和VLSI架构[3]-[6];所有这些方法都使用线性最小均方误差MMSE均衡器的近似值。这些算法提供高吞吐量但与基于精确反演的MMSE均衡器相比会带来性能损失特别是在用户数量与BS天线数量相当的系统中。卡斯塔涅达等.最近提出了一种近似半定弛豫的基于数据检测器称为TASER在这种“对称”系统中实现了接近最大似然的性能。然而TASER仅限于BPSK和QPSK调制[7]。
该文提出一种基于乘子交替方向法ADMM的数据检测算法和VLSI设计。我们的算法被称为基于ADMM的无穷大范数简称ADMIN并执行无穷大范数或盒约束均衡如果BS天线数量与用户之间的比率较小两个或更少则线性探测器的性能将大大优于线性探测器。ADMIN 本质上是迭代的并在第一次迭代中执行线性 MMSE 均衡。因此对于BS天线数量比用户数量多一个数量级的系统执行一次ADMIN迭代就足够了。我们提出了一种VLSI架构用于基于LDL的软输出ADMIN供16个用户将数据传输到16天线BS。该架构采用 28 nm CMOS 技术实现在吞吐量、面积和硬件效率方面与 [16] 中唯一可用的 7 用户 ASIC 实现相比。 2 运行结果 部分代码
%% ADMM-based infinity norm (ADMIN) detector function [idxhat,bithat] ADMIN(par,H,y,N0)
% -- preprocessing % by setting beta to N0/par.Es we get the MMSE estimator in the first iteration % this is pretty neat as this is a very good detector already beta N0/par.Es;%*3; % tweaking this one by 3 improved performance significantly A H*H beta*eye(par.MT); L chol(A,lower); yMF H*y;
% -- initialization gamma (1sqrt(5))/2;%*2; %% tweaked with 2 to improve performance alpha max(real(par.symbols)); % symbol box zhat zeros(par.MT,1); lambda zeros(par.MT,1);
% -- ADMM loop for iter1:par.alg.maxiter xhat (L)\(L\(yMFbeta*(zhat-lambda))); % step 1 zhat projinf(par,xhatlambda,alpha); % step 2 lambda lambda-real(gamma*(zhat-xhat)); % step 3 lambda real(lambda); end
% -- hard output detection [~,idxhat] min(abs(zhat*ones(1,length(par.symbols))-ones(par.MT,1)*par.symbols).^2,[],2); bithat par.bits(idxhat,:);
end %% Optimized Coordinate Descent (OCD) BOX version function [idxhat,bithat] OCDBOX(par,H,y)
% -- initialization [row, col] size(H); alpha 0; % no regularization for BOX detector beta max(real(par.symbols));
% -- preprocessing 3 参考文献 文章中一些内容引自网络会注明出处或引用为参考文献难免有未尽之处如有不妥请随时联系删除。 4 Matlab代码实现
