论文部分内容阅读
非正交多址接入(Non-Orthogonal Muliple Access,NOMA)技术作为5G物理层核心关键技术之一,在与多输入多输出(Multiple Input Multiple Output,MIMO)技术相结合的同时,虽然显著提高系统频谱效率,但也给上行多用户信号检测带来一定的挑战。鉴于此,本文以上行MIMO-NOMA系统为课题研究对象,深入研究该系统下的信号检测算法。主要内容如下:1.MIMO-NOMA模型简介及经典信号检测算法总结首先,对MIMO-NOMA系统模型进行详细的介绍。其次,介绍了适用于该系统的三种传统的检测算法,具体包括正交匹配追踪(Orthogonal Matching Pursuit,OMP)算法、硬阈值迭代(Iterative Hard Thresholding,IHT)算法以及正则化正交匹配追踪(Regularized Orthogonal Matching Pursuit,ROMP)算法,并且分析了这几种算法的计算复杂度。最后,对各种检测算法的性能进行了仿真对比。2.基于改进梯度投影法的MIMO-NOMA系统的迭代信号检测算法针对上行MIMO-NOMA多用户系统中活跃用户的稀疏特性,给出一种适用于MIMO-NOMA上行链路系统的基于改进梯度投影(Improved Gradient Projection,IGP)法的迭代信号检测算法。该算法利用凸优化思想,通过迭代逐步逼近信号的真实值。在不同的系统配置条件下,仿真结果表明:相比经典的检测算法,该算法在误比特率(Bit Error Ratio,BER)性能具有明显优势;同时,随着小区活跃用户数增加,其它对比算法的计算复杂度均有较大幅度的提升,而该算法的计算复杂度提升幅度相对较小。此外,相比传统的梯度投影(Gradient Projection,GP)算法,本章算法还具有收敛性能快的优势。3.基于误差估计的MIMO-NOMA系统迭代信号检测算法针对传统追踪类算法信号检测不准确的问题,给出一种基于Homotopy误差估计的MIMO-NOMA系统迭代信号检测算法。在该算法中,首先,通过压缩采样匹配追踪算法(Compressive Sampling Matching Pursuit,CoSaMP)对系统中的活跃用户及其信号进行初步估计,然后对该结果进行误差分析,再对该系统的检测误差进行估计,得到系统检测误差估计值,最后利用系统误差估计值对信号初步估计值进行修正以得到更加精确的检测信号。仿真结果表明:该算法相比经典的基于最小均方误差(Minimum Mean Square Error,MMSE)、OMP、CoSaMP等检测算法,在系统BER性能方面有明显的提升,随着小区活跃用户增加,该算法的系统BER性能提升更加明显。而且,通过系统计算复杂度分析可知,该算法相比CoSaMP算法,在增加较少计算复杂度条件下,大幅度的提升了系统的检测性能,降低了系统的误码率。