MIMO系统V-BLAST检测算法的FPGA实现

合集下载

多输入多输出V-BLAST信号检测K-Best迭代检测硕士论文

无线MIMO系统检测算法研究通信与信息系统， 2011，硕士【摘要】多输入多输出(MIMO: Multiple Input Multiple Output)技术利用空间资源可以提高系统容量,但同时也增加了接收端信号检测的难度,因此如何设计复杂度低且性能较好的MIMO检测器是MIMO 技术的一个重要方向。

本论文研究了采用V-BLAST技术的空间复用MIMO系统检测算法,完成了如下工作。

1)研究了未信道编码MIMO系统的检测算法。

首先介绍了几种现有的检测算法,包括最大似然检测、线性检测、干扰消除检测和树搜索检测,并进行了MATLAB仿真。

接着针对K-Best检测算法在路径度量计算和排序等过程复杂度较高的情况,利用归并排序方法改进排序过程,提出了一种具有低复杂度的K-Best检测算法,该算法在性能损失可以忽略的条件下降低了算法的复杂度,可适于高速无线MIMO系统检测器的设计。

2)研究了联合信道编码MIMO系统的迭代检测,包括SISO-MAP、SISO-MMSE、树搜索列表迭代检测,并利用MATLAB对其性能进行了仿真。

更多还原【Abstract】 Multiple Input Multiple Output (MIMO) can achieve higher capacity using space resource, however, it increases the difficulty of signal detection in the receiver at the same time. Therefore, how to achieve the near-optimal performance with low complexity has been a challenge issue for the detection of MIMO systems.This paper makes a research about the detectionalgorithm for the spatially multiplexed MIMO system based on the V-BLAST, and has accomplished the following works:1) This paper studies ... 更多还原【关键词】多输入多输出；V-BLAST；信号检测；K-Best；迭代检测；【Key words】MIMO；V-BLAST；Signal-Detection；K-Best；Iterative-Detection；摘要3-4ABSTRACT 4第一章绪论7-131.1 移动通信的发展现状7-91.2 MIMO检测算法研究现状9-101.3 本文研究思路和内容安排10-13第二章理论基础13-212.1 无线通信信道传输特性13-162.2 论文相关MIMO技术介绍16-202.2.1 MIMO系统结构和基本原理16-172.2.2 MIMO空时处理方式17-192.2.3 MIMO系统的空间信道模型19-202.3 本章小结20-21第三章未编码MIMO系统的检测算法21-633.1 最优检测21-223.2 线性检测22-243.2.1 迫零(ZF)检测22-233.2.2 最小均方误差(MMSE)检测23-243.3 干扰消除检测24-283.3.1 排序串行干扰消除(OSIC)检测24-273.3.2 并行干扰消除(PIC)检测27-283.4 树搜索检测28-463.4.1 MIMO树结构的生成28-323.4.2 “纵向优先”树搜索检测—球形检测32-363.4.3 “度量优先”树搜索检测—栈检测36-393.4.4 “横向优先”树搜索检测—K-Best检测39-433.4.5 针对树搜索检测的若干改进方法43-463.5 一种新的K-Best检测算法及其改进46-543.5.1 低路径扩展复杂度的K-Best检测算法47-503.5.2 改进的K-Best检测算法50-543.6 算法仿真分析54-623.7 本章小结62-63第四章联合信道编码MIMO系统的检测算法63-734.1 编码MIMO无线系统模型63-644.2 编码MIMO系统迭代检测算法64-714.2.1 SISO-MAP检测64-664.2.2 SISO –MMSE检测66-684.2.3 树搜索迭代检测68-704.2.4 仿真结果分析70-714.3 本章小结71-73第五章结束语73-75致谢75-77参考文献.。

V-BLAST的实现及其检测

-1N ×M
，
hij
是从发送天线 j

到接收天线 i 的传播函数（ M ≤ N ）。
2.2 V-BLAST 检测
假设在接收端具有理想的符号同步，矢量为
a = ( a1 , a2 ,..., aM )T 为发送序列，那么对应的接收
r1 = Ha + V
2 分层空时码模型
2.1 V－BLAST 系统结构
V-BLAST 系统结构如图 1 所示，其中，有 M 个发送天线， N 个接收天线，
a = ( a1 , a2 , a3 , a4 )T [2]。发送数据被分解为 M 个子数据流，编码后通过各发送天线发出。发
送天线 1 ∼ M 具有同步符号定时，以符号速率 1/ T 同时发送数据。各发送天线采用的均是 QAM 调制方式，且一个数据突发包含 L 个符号。假设总的发送功率为常数，那么各天线的发送功率与 1/M 成正比。：
a1 a2
发送天线
发送数据矢量发送天线编码 a 3 器发送天线 a4
发送天线
3.2 复用增益对结果的影响
现在我们再来考虑系统地复用增益，复用增益，相当把空间分成了并行的数据通道，数据可以在通道中同时传送，这样提高了数据的传输效率，也增加了系统的容量，是 MIMO 系统特有的特点。
-4-

我们采用多天线传输的一个用途就是提高数据的传输效率增加系统的容量。所以我们增加发天线的数目就有利于提高数据的传输效率增加系统的容量。
-5-
最后把信道传播矩阵中的
T i Hd H i −1 的第 i 列删除，缩小信道传播矩阵为 d 。这个缩小的信
道传播矩阵在第 (n − i + 1) 次删除的表示如下：

用于MIMO信号检测的降低复杂度V-BLAST算法

ｄｃｄｃｍｐｅｉＢＬＴａｇｒｈａｈｅｅｉｎｆａｔｏｒｒ－ｒｃｓｉｇｃｍｐｅｉ．ｕｅ —ｏｌｘｔＶ－ＡＳｏｔｍｃｖｓａｓｉｃｌｌｗｅｅｐｏｅｓｎｏｌｘｔｙｌｉｉｇｉｎｙｐｙ
ＫｅｒｓｉｎｌｅｅｔｎＶＢｙｗｏｄ：ｓａｔｃｏ；－ＬＡＳａｇｒｔｍ；ｏｕａｏａｏｌｘｔｇｄｉＴｏｈｌｉｃｍｐｔｔｎｃｍｐｅｉｉｌｙ
ｔｍｓａｉｈｃｍｐｅｉｓｐｅｐｏｅｓｎ．ｒｄｃｄｃｍｐｅｉＢＬＡＳａｇｒｔｍｓｐｏｏｅｒｖ．ｅｓａｈｇｏｌｘｔｉｉｒ－ｒｃｓｉｇＡｕｅ —ｏｌｘｔＶ－ｈｙｎｔｅｙＴｏｈｗａｒｐｓｄｔｉｏｅｉｌｉｏｍｐｔ
Ｒｅｕｅ－ｏｐｅｉｙＶ－ｄｃｄ－ｍｌｘｔ－ｃＢＬＡＳａｇｒｔｍｏＴｌｏｉｈｆｒ
ＭＩＯｉｎｌｅｅｔｏＭｓｇａｔｃｉｎｄ
ＬＵｉｎｌｉＹＩＱａ — ，ＡＮＧＬ —ｉＸＤａ — ｎｅｖｘ，Ｕｏｆｇｅ
最大的一路信号、而且同时选取信噪比，信干噪比足够大的各路信号一起进行检测。仿真结果显示，该降低复杂度ＶＢＡＳ－ＬＴ算法在取得与常规ＶＢＡＳ－ＬＴ检测十分接近的误码性能的同时，达到了显著低于后者的预处理复杂度。
关键词：信号检测；ＶＢＡＳ－ＬＴ算法；运算复杂度中图分类号：Ｎ１．Ｔ９１５文献标识码：Ａ文章编号：００４６２０）９０４．６１０．３Ｘ（０７０．０００

MIMO中VBLAST检测算法研究

MIMO系统与OFDM传输技术作业——V-BLAST系统检测算法研究学号：1301120325姓名：郝欣1.引言MIMO系统能够提高无线通信系统的频谱效率，尤其能提高散射环境下的信道容量，是一种提高无线通信业务中多媒体业务的有效技术。

Foschini提出的空时发射方案是一种比较简单的MIMO结构——贝尔实验室空时分层结构中的垂直结构（V-BLAST）由于它的编译码都较容易实现，因此受到广泛的重视。

分层空时（BLAST）结构是无编码MIMO系统的一个应用实例，基于零位操作和干扰消除法己经提出了各种BLAST 检测方法，进而得到了几种MIMO 迭代接收机，：（1）ZF 接收机；（2）MMSE 接收机；（3）ML 接收机等。

其中（1）（2）为线性接收机，而ZF 接收机的性能最差，该接收机是最简单的一种空时信号处理接收机，可得到宽带ZF 检测算法，由于ZF 接收机忽略了噪声的存在，因此在实际上放大了噪声，在存在大量噪声和ISI 干扰时，性能不如MMSE 接收机；由于MMSE 接收机同ZF 接收机相比，以MMSE 为准则，同时考虑了噪声和干扰，平衡了干扰和噪声增强，使总的误差最小，因此性能优于ZF 接收机；最大似然接收机（ML ）性能最好，但复杂度最高，复杂度和发射天线数成指数增长的关系。

本文就上述的前两种接收机，即ZF 接收机和MMSE 接收机进行设计仿真，并比较两者的性能。

2．系统模型 2.1 MIMO 信号模型采用平坦衰落的MIMO 信道模型，即假设点到点的MIMO 系统，具有个发射天线和个接收天线，系统的结构如图1所示：图1 MIMO 系统结构图针对该系统结构可写出系统的输入输出关系式为：（1）假设每个符号周期系统发送的信号为维列矢量，即上式中的x 为，其中第i 个分量,表示从第i 个天线发送的信号；上式中的，其中第j 个分量表示第j 个天线接收的信号；H 为信道响应矩阵，可以表示为：Tn Rn n Hx r +=Tn Tn T x x x x ][21 =ix Tn R r r r r ][21 =jr（2）该信道响应矩阵中的每个元素表示从第i 个发送天线到第j 个接收天线的信道响应系数，且为均值为0，方差为1的复高斯随机变量；上式中的是接收噪声矢量，且满足。

基于V-BLAST的MIMO无线通信系统性能分析

基于V-BLAST的MIMO无线通信系统性能分析
杨国荣
【期刊名称】《系统仿真技术》
【年(卷),期】2014(010)001
【摘要】重点对多输入多输出(MIMO)无线通信系统的信道模型、空时分组码(Alamouti)以及垂直分层空时码(V-BLAST)空间复用技术进行了仿真分析.首先利用MATLAB在信道建模中实现了基于瑞利环境下的信道容量仿真图,同时仿真并分析了天线相关性对信道容量的影响;然后进行了Alamouti方案和最大比接收合并(MRRC)之间的仿真分析;最后对V-BLAST系统中的线性检测(ZF)算法和最小均方误差(MMSE)算法做了仿真比较,从而得出V-BLAST系统优于非V-BLAST体系下的误码性能.
【总页数】4页(P81-84)
【作者】杨国荣
【作者单位】西安铁路职业技术学院,陕西西安710014
【正文语种】中文
【中图分类】TN92
【相关文献】
1.瑞利衰落时MIMO无线通信系统分集性能分析 [J], 杜洪峰;孙松林;周正
2.大规模MIMO室外无线光通信系统中基于分段高斯近似的最大似然盲检测算法[J], 李豪; 崔新凯; 高向川
3.MIMO无线通信系统中V-BLAST性能分析 [J], 屈正庚;牛少清
4.基于V—BLAST的MIMO无线通信系统性能分析 [J], 杨国荣
5.基于MIMO-OFDM的无线通信系统在煤炭矿井中的应用 [J], 梅蓉;张友能因版权原因，仅展示原文概要，查看原文内容请购买。

vblast信号检测算法原理 -回复

vblast信号检测算法原理-回复纵向Bell Labs 层叠的V-BLAST是一种基于天线与多输入多输出（MIMO）信道间的多天线信号传输技术。

它通过使用空间分集技术，在无线通信系统中实现了高速和高容量的数据传输。

该技术在高速移动通信和宽带通信等领域有着广泛的应用。

V-BLAST信号检测算法的原理是通过使用后向迭代算法对接收信号进行检测和解码。

该算法在接收端利用下行信息和上行信息来估计干扰噪声。

它通过反复迭代的方式，逐步优化估计值，从而提高信号检测的准确性和系统性能。

接下来，我们将一步一步地介绍V-BLAST信号检测算法的原理和步骤。

第一步是信号检测(检测初始信号)。

在接收端的第一个迭代中，初始可以将接收到的信号作为初始信号，然后进行信号检测。

其中的检测算法可以是最大比值合并(MRC)算法，该算法通过比较接收到的信号中的能量大小来选择概率最高的信号。

第二步是干扰估计。

接收到的信号可能会受到来自其他天线的干扰。

通过估计这些干扰的强度和相位，可以减少干扰对信号检测的影响。

干扰估计可以通过最小均方误差(MMSE)等算法来实现。

MMSE算法通过最小化接收信号与估计信号之间的均方误差来估计干扰的参数。

第三步是信号解码。

接收到的信号经过干扰估计后，需要对其进行解码以获得原始信号。

解码算法可以是最大后验概率(MAP)算法，该算法通过最大化接收到的信号概率与先验概率的乘积来选择最可能的原始信号。

第四步是更新估计值。

在进行了信号解码后，可以根据解码结果来更新干扰估计和信号检测的估计值。

通过反复迭代，可以逐步优化估计值，从而提高信号检测和系统性能。

第五步是判断终止准则。

在每一次迭代后，可以通过比较两次迭代后的误差大小来判断是否达到了终止准则。

如果误差足够小，则可以停止迭代，否则继续迭代。

通过以上五个步骤的反复迭代，V-BLAST信号检测算法可以逐步优化信号检测和解码的准确性，从而提高系统性能。

该算法在高速移动通信和宽带通信等领域具有重要的应用意义。

V-BLAST检测算法的研究及性能分析

其中，分子上的被减数是各层的干扰， xi 为消除其他层干扰以后的信号分量。
( ) xˆi = Q xi
i = 1, 2, , nT
（式 17）
上式表示对所得到的信号分量根据星座图进行硬判决解调。
由（式 14）可见， Rii 较小，这个求解信号的过程放大了系统中的噪声，所以 QR 分解
算法性能并不是很好。
表达式还可以写成如下的方程组形式：
nT
∑ r1i = Rij x j + n1i , i = 1, 2, , nT j=i
（式 15）
因为 R 为上三角矩阵，可以采用迭代方法从下到上逐次解出各个发送信号分量：
nT
∑ r1i − Rij xˆ j
xi =
j =i+1
Rii
i = 1, 2, , nT
（式 16）
又因为
（式 19）
( ) ( ) ( ) r = Hx + n, E xxH = InT E nnH = σ 2InT , E xnH = 0
将（式 19）代入（式 18）可以得到：
（式 20）
( ) W H =
H
H
H
+σ
I2 nT
−1 H H
（式 21）
将 MMSE 算法的思想以及干扰抵消的思想融合，同样可以设计出相应的排序和非排序
1. 引言
当前无线通信业务量的飞速增长提出了对通信速率的更高的要求,在几种复用技术，如频分复用、时分复用和码分复用都已经广泛实用化的形势下，能提供更大信道容量和频谱利用率的编码、调制和信号处理的新技术成为了目前无线通信研究的热点。
分层空时码（LST：Layered Space-Time code）是由Bell实验室的Foschini提出的最早的空时编码模型，由于其在提高频带利用率方面的巨大潜力而受到广泛关注。分层空时码最大的优点在于：它允许采用一维的处理方法对多维空间信号进行处理，因此极大的降低了译码复杂度。一般地，分层空时码的接收机复杂度与数据速率成线性关系。因此它作为在MIMO 系统中实现高速无线分组业务的一种解决方案，显示出良好的应用前景。

基于V-BLAST的MIMO信号检测算法

基于V-BLAST的MIMO信号检测算法摘要：本文主要介绍了v-blast系统的基本原理和信号检测算法,重点对v-blast解码算法的计算复杂度与检测性能进行了研究。

关键词：v-blast mimo 信号检测算法中图分类号：tn925 文献标识码：a 文章编号：1007-9416(2012)02-0130-02abstract:the basic principle of v-blast system and signal detection algorithms are introduced in this article, in which computational complexity and dtection performance of v-blast decoding algorithm are specially researched.keywords:v-blast mimo signal detection algorithm1、引言blast mimo方案是一种典型的、用于追求数据速率最大化的空分复用(sdm:space division multiplexing)传输方案。

在众多的mimo 传输方案中，追求数据速率最大化的v-blast传输方案（又称为分层空时码，layered space-time code）以及追求分集增益最大化的stbc传输方案最为典型。

主流的v- blast 检测算法有最大似然(ml)解码算法、线性解码算法和连续干扰抵消(sic)解码算法这三大类，线性解码算法包括迫零(zf)和最小均方误差(mmse)算法，连续干扰抵消算法包括串行干扰抵消算法和排序串行干扰抵消算法。

2、v-blast检测算法基于v-blast系统的特点，人们提出了许多不同的v-blast检测算法。

下面我们将一一介绍。

2.1 最大似然译码算法最大似然（maximum likelihood,ml）解码算法出现的比较早，它从发射所有信号中搜索满足(1)式的一个信号矢量（前提是所有信号的发射概率是相同的）：式中---frobeniu范数，即选择使式(1)值最小的作为发送信号的估值。

V—BLAST算法的仿真及分析

V—BLAST算法的仿真及分析作者：高涛来源：《科学与财富》2018年第24期摘要：V-BLAST是一实际规则指出能够实现一小部分MIMO信道能力在窄带点对点通信的情况下。

V-BLAST运算法则实现一非线性检波基于迫零（ZF）结合符号取消来改善表现。

这种方法着眼于从同时从所有接收天线来的信号，首先从接收信号提取最强信号，然后对剩余弱信号进行处理，一旦强信号被作为一个干扰源被移除，弱信号将容易被还原。

关键词：MIMO系统简介 V-BLAST MMSE1 引言MIMO技术大致可以分为两类：发射/接收分集和空间复用。

传统的多天线被用来增加分集度从而克服信道衰落。

具有相同信息的信号通过不同的路径被发送出去，在接收机端可以获得数据符号多个独立衰落的复制品，从而获得更高的接收可靠性。

对于发射分集技术来说，同样是利用多条路径的增益来提高系统的可靠性。

在一个具有m根发射天线n根接收天线的系统中，如果天线对之间的路径增益是独立均匀分布的瑞利衰落，可以获得的最大分集增益为mn。

智能天线技术也是通过不同的发射天线来发送相同的数据，形成指向某些用户的赋形波束，从而有效的提高天线增益，降低用户间的干扰。

广义上来说，智能天线技术也可以算一种天线分集技术。

分集技术主要用来对抗信道衰落。

相反，MIMO信道中的衰落特性可以提供额外的信息来增加通信中的自由度。

从本质上来讲，如果每对发送接收天线之间的衰落是独立的，那么可以产生多个并行的子信道。

如果在这些并行的子信道上传输不同的信息流，可以提供传输数据速率，这被成为空间复用。

需要特别指出的是在高SNR的情况下，传输速率是自由度受限的，此时对于m根发射天线n根接收天线，并且天线对之间是独立均匀分布的瑞利衰落的。

根据子数据流与天线之间的对应关系，空间多路复用系统大致分为三种模式：D-BLAST、V-BLAST以及T-BLAST。

在此我们仅分析V-BLAST。

2、V-BLAST虚拟编码的变量（VE）是垂直BLAST（V-BLAST）的算法，如图 3所示。

基于大规模MIMO系统的满分集VBLAST低复杂度译码算法

基于大规模MIMO系统的满分集VBLAST低复杂度译码算法李正权;沈连丰;吴名;王志功;贾子彦;宋铁成【摘要】为了提高大规模MIMO系统的分集增益、降低译码复杂度，构建了一种码率为1的满分集贝尔实验室垂直分层空时码，并采用最大比合并算法（MRC ）检测接收信号．分别计算了MRC算法的平均输出信干噪比（SINR）和传统迫零算法（ZF）的平均信噪比（SNR），分析了性能相等时应满足的条件，并且比较了2种算法的计算复杂度和BER性能．结果表明，当BER＝10－5，收发天线数为400和40、调制方式分别为BPSK和QPSK时，最大比合并算法的BER性能较迫零算法分别存在0.4和0.3 dB的增益．采用所提算法对接收信号进行检测，不但能够降低系统的计算复杂度，而且能保证系统的误比特率性能．%To improve the diversity gain of the massive multiple-input multiple-output (MIMO)sys-tem and reduce the decoding complexity,a kind of rate one vertical bell laboratories layered space time (VBLAST)code with full diversity is designed,and the received signals are detected by a low complexity algorithm,named maximum ratio combining(MRC)algorithm.The average output sig-nal-to-interference-noise ratio (SINR)of this algorithm and the average output signal-to-noise ratio (SNR)of the traditional zero-forcing (ZF)algorithm arecalculated,respectively.The conditions of equal performance are analyzed.The computational complexity and the bit error rate performance of these two algorithms are compared.The results show that the MRC algorithm can provide a gain of 0.4 and 0.3 dB than the ZF algorithm whenthe bit error rate (BER)is 10 -5 and the numbers of the transmit antennas are 400 and 40 for binary-phase shift keying (BPSK)and quadrature-phase shift keying (QPSK),respectively.The MRC algorithm can decrease the computational complexity and ensure the bit error rate performance in the massive MIMO system.【期刊名称】《东南大学学报（自然科学版）》【年(卷),期】2016(046)005【总页数】7页(P905-911)【关键词】大规模MIMO系统;VBLAST;误比特率;信噪比【作者】李正权;沈连丰;吴名;王志功;贾子彦;宋铁成【作者单位】东南大学移动通信国家重点实验室，南京210096;东南大学移动通信国家重点实验室，南京210096;东南大学移动通信国家重点实验室，南京210096;东南大学射频与光电集成电路研究所，南京210096;东南大学移动通信国家重点实验室，南京210096;东南大学移动通信国家重点实验室，南京210096【正文语种】中文【中图分类】TN911.7在大规模MIMO系统中,基站装备大量天线(数量通常大于100)为更多的移动用户服务,以获得更高的频谱效率、数据传输速率和吞吐量以及更好的通信质量[1]．当天线数量很大时,复杂度是一个必须考虑的重要因素．学者们对大规模MIMO系统低复杂度检测算法已展开了大量研究．最传统的低复杂度检测算法为ZF算法和MMSE算法．文献[2]于高数据速率下采用ZF算法和MMSE算法对接收信号进行了检测．文献[3]采用ZF和MMSE均衡器对SNR较高情况下的MIMO系统性能进行了深入研究．文献[4]针对非二进制LDPC码的大规模MIMO系统,采用MMSE对接收信号进行检测．文献[5]针对具有平坦瑞利衰落信道的宏分集MIMO 系统,采用ZF接收机和MMSE接收机对接收信号进行检测．ZF算法和MMSE算法均需要对大维矩阵求逆,为了降低复杂度,学者们提出了MRC算法,该算法避免了矩阵求逆运算．文献[6]研究了基于大规模MIMO的多对全双工中继通信,接收端采用MRC算法来检测接收信号．文献[7]针对大规模MIMO上行链路,研究了基于MRC算法的接收机准确/不准确知道信道状态信息情况下的性能界．针对上行链路大规模MIMO系统,当接收机采用TR-MRC译码算法时,文献[8]分析了相位噪声对性能的影响．针对莱斯信道,文献[9]研究了基站采用MRC接收机的多小区大规模MIMO系统的低复杂度功率分配算法．文献[6-9]仅分析了发射信号为一个列向量的情况,此时的发射信号不存在发射分集增益,而空时分组码的优点之一是存在发射分集增益．因此,为了提高发射分集增益,部分学者将大规模MIMO技术与空时分组编码技术相结合．文献[10]分析了MRC算法的SINR性能,并研究了其与ZF算法SNR性能相等时应满足的条件．文献[11]研究了大规模MIMO系统中基于LC-VBLAST的自适应调制和功率控制技术,采用MRC算法对接收信号进行译码．文献[10-11]中VBLAST的分集增益均为1．本文设计了一种码率为1的满分集VBLAST,分别采用MRC算法和ZF算法对接收信号进行译码,研究了MRC算法的SINR性能和ZF算法的SNR性能相等时应满足的条件．1.1 信道模型考虑一个上行链路大规模MIMO系统,发射端具有Nt个发射天线,用于向基站发射信号,基站接收天线数量Nr≥100．假设H为基站接收天线与发射端发射天线之间的信道矩阵,维数为Nr×Nt,矩阵中元素hnm表示第m(1≤m≤Nt)个发射天线到第n(1≤n≤Nr)个接收天线之间的信道增益系数,均方值2]=Pm．令X为发射信号矩阵,其维数为Nt×T,其中T为发射时隙数,矩阵中元素xni满足2]=Es=1,向量xi表示发射信号矩阵X的第i(1≤i≤T)列．令Y为接收信号矩阵,其维数为Nr×T,向量yi 表示其第i列．则接收信号矩阵可表示为式中,N为基站接收天线与发射端天线之间的噪声矩阵,维数为Nr×T,矩阵中元素nni满足独立同分布复高斯分布,其均值为0,方差为σ2．由此可知式中,P表示对角线元素为p1,p2…,pNt的Nt×Nt维对角矩阵; V表示维数为Nr×Nt的矩阵,其元素是均值为0、方差为1的独立同分布高斯随机变量．1.2 码字构建假设输入星座图信号为a1,a2,…,aNt,则发射信号矩阵可以通过如下方式构建:式中,Em为Nt×Nt维的色散矩阵．令Π为一个Nt×Nt维酉矩阵,且满足ΠHΠ=I．式中,δ表示模为1的复数,且δ≠1．假设矩阵Em为m-1个矩阵Π的乘积,即满足当m=1时,令将式(4)～(6)代入式(3),可以得到码率为1的满分集VBLAST码,即发射信号矩阵为由此可以得到如下引理．引理1 式(7)中的矩阵为满分集矩阵．证明根据文献[12]可知,在给定发射信号矩阵X和信道矩阵H的情况下,由于噪声矩阵N的元素满足独立同分布复高斯分布,因此接收信号矩阵Y的元素也服从高斯分布．假设实际的发射信号矩阵和接收信号矩阵分别为X1和Y1,译码器判决的发射信号矩阵为X2,在给定信道矩阵H的情况下,成对错误概率为式中,‖·‖F表示Frobenius范数,且对于任意矩阵A,有‖,其中tr(·)为矩阵的迹．将接收信号矩阵Y1=HX1+N1以及矩阵Frobenius范数表达式代入式(8)中,可以得到式中,B=tr[N1HH(X1-X2)+(X1-X2)HHN1]．在信道矩阵H给定的情况下,B是一个均值为0、方差为‖的高斯随机变量．因此,式(9)中的条件成对错误概率为式中,为马库姆函数．令D=(X1-X2)H(X1-X2),对矩阵D进行奇异值分解得到D=VHΛV,然后利用分解结果对式(10)进行适当变换,并根据Q函数的性质,可以得到条件成对错误概率为式中,λm(m=1,2,…,Nt)为矩阵D的特征值,且λm≥0;βmn为矩阵VH的元素,其幅度是服从均值为0、方差为1的瑞利分布随机变量．利用瑞利分布的概率密度函数对条件成对错误概率求数学期望,即可得到成对错误概率为当信噪比Es/σ2=1/σ2取值较大且λm>0(即矩阵D为满分集矩阵)时,式(12)分母中的1可以忽略不计,式(12)即可记为由式(13)可知,分子(4σ2)NrNt中指数NrNt即为式(7)所设计发射信号的分集增益(即满分集增益)．下面证明矩阵D为满分集矩阵．只要证明矩阵X1-X2为满分集矩阵,则可推断出矩阵D为满分集矩阵．如果矩阵X1-X2为满分集矩阵,则矩阵的列向量线性无关．假设矩阵X1和X2的列向量分别为和(1≤i≤T),则矩阵X1-X2的列向量为．假设矩阵X1-X2的列向量之间线性相关,则第1列向量可以用其他T-1列向量线性表示．令ki(1≤i≤T)为一个标量,且k1=1,则矩阵X1-X2的第1列向量与其他T-1列向量之间的关系可表示为将式(7)代入式(14)中,经过适当变换可以得到由于δ≠1,由(15)式可以得到ki=0(i=2,3,…,T),这与前面假设矛盾．因此,矩阵X1-X2中所有列向量线性无关,为满分集矩阵．由此可知,矩阵D也为满分集矩阵．证毕．发射端发射X的第i列信号xi时,基站接收信号后分别采用MRC算法和ZF算法对其第m个信号进行译码．采用MRC算法时,对式(2)中的接收信号yi左乘HH,其中HH表示信道矩阵H的Hermitian变换;采用ZF算法时,对式(2)中的接收信号yi 左乘(HHH)-1HH,此时要求基站接收天线数不少于发射端天线数,即Nr≥Nt．下面对采用MRC算法时接收端的平均SINR性能和采用ZF算法时的平均SNR性能进行比较．1) 当k<i≤m时,发射端第m个发射天线发射的信号为am-i+1．① 针对第n个接收天线,采用MRC算法对信号xm-i+1进行译码,此时其他Nt-1个信号即为干扰信号,则接收端的平均SINR为式中，hm为原信道矩阵H中第m列向量.由式(2)可知式中,向量vm为式(2)中矩阵V的第m列向量;元素pm为式(2)中对角矩阵P的第m个对角元素．将式(17)代入式(16)中,根据2]=1,发射信号am-i+1和噪声向量ni 中的元素都与向量hm中的元素统计独立,且将式(18)代入式(16)中可得根据Laplace近似原理[13]可推知对式(20)中的分子分母同时除以 ,则有根据Laplace近似原理[13]可得② 针对第n个接收天线,采用ZF算法对信号am-i+1进行译码,其他Nt-1个信号对信号am-i+1没有干扰．对第m个信号进行译码时,假设Hm表示信道矩阵H 中去除第m列元素后得到的新信道矩阵，则接收端的平均SNR为式中,[·]m表示向量的第m个元素,则．对式(24)中的分母进行展开,可以得到式中,[·]mm表示矩阵中的第m个对角线元素．由于噪声向量ni中的元素都与向量hm中的元素统计独立,且噪声功率2]=σ2,因此式(25)可以改写为根据式(2)可知将式(27)代入式(26)中可得根据文献[5,10]可知式中，.由于vm的元素是均值为0、方差为1的独立同分布高斯随机变量,因此元素 vm 服从分布,即．由此可知,式(28)可改写为为使MRC算法的平均SINR性能与ZF算法的平均SNR性能相同,需满足2) 当i≥m+1时,发射端第m个发射天线发射的信号为δaNt-i+m+1．针对第n 个接收天线,分别采用MRC算法和ZF算法对信号δaNt-i+m+1进行译码,则有因此,为使MRC算法的平均SINR性能与ZF算法的平均SNR性能相同,则同样需要满足式(31)．3) 当i=1时,发射端第m个发射天线发射的信号为am．针对第n个接收天线,分别采用MRC算法和ZF算法对信号am进行译码,则有因此,为使MRC算法的平均SINR性能与ZF算法的平均SNR性能相同,则需满足当时,式(31)和式(36)等价．综上可知,当系统的发射天线数、接收天线数、信道矩阵方差以及噪声方差满足式(31)或式(36)时,采用MRC算法来代替ZF算法对接收信号进行译码,可以有效地保证系统的SINR性能．根据文献[14],可以求出MRC算法和ZF算法的复数乘法次数、复数加法次数和实数开平方次数．接收端采用ZF算法对信号进行译码,计算矩阵HH与矩阵H的乘积HHH时需要进行NrNt(Nt+1)/2次复数乘法和(Nr-1)Nt(Nt+1)/2次复数加法,计算逆矩阵(HHH)-1时需要进行/2次复数乘法/2次复数加法和Nt次开平方运算,计算矩阵(HHH)-1与矩阵HH的乘积(HHH)-1HH时需要进行 Nr次复数乘法和NtNr(Nt-1)次复数加法,计算(HHH)-1HH与H的乘积(HHH)-1HHH时需要进行 Nr次复数乘法和 (Nr-1)次复数加法,计算(HHH)-1HHH与xt的乘积(HHH)-1HHHxt时需进行次复数乘法和Nt(Nt-1)次复数加法,计算(HHH)-1HH与ni的乘积(HHH)-1HHni时需要进行NtNr次复数乘法和Nt(Nr-1)次复数加法．因此,总共需要进行+5Nt)/2次复数乘法次复数加法和NtT次开平方运算．接收端采用MRC算法进行信号译码时,其计算复杂度与上述类似．2种算法的计算复杂度比较见表1．由表1可知,与ZF算法相比,MRC算法的总运算次数明显较低．假设系统中发射端天线数Nt=4,10,40,基站接收机天线数Nr=40,100,400,发射信号矩阵的计算公式见式(7),且．假设信道为独立同分布的瑞利衰落信道．对MRC 算法和ZF算法进行误比特率性能仿真．将频谱利用率设定为1和2 bit/(s·Hz),调制方式设定为BPSK和QPSK,仿真结果见图1．由图1(a)和(b)可知,当BER=10-5时,在移动用户发射天线数和基站接收天线数较少的情况下,与ZF算法相比,MRC算法的误比特率性能分别有-0.5和-2 dB的增益.这是因为在高SNR情况下,MRC算法中矩阵HHH的每一行非主对角线元素相对于该行主对角线元素不能忽略不计,从而导致符号间干扰,而ZF算法消除了符号间干扰,只存在噪声的影响,因此ZF算法的BER性能优于MRC算法．由图1(c)和(d)可见,随着发射天线数和接收天线数的增加, SNR较低时MRC算法的误比特率性能优于ZF算法,SNR较高时MRC算法的误比特率性能较ZF算法差．由图1(e)和(f)可见,随着发射天线数和接收天线数的继续增加,与ZF算法相比,MRC算法的BER性能分别存在0.4和0.3 dB的增益.这是因为随着天线数的增加,矩阵HHH中每一行非主对角线元素与该行主对角线元素的比值逐渐变小,导致符号间干扰越来越弱.因此，随着SNR的增加,MRC算法的BER性能越来越接近ZF算法．根据文献[15]可知,随着移动用户发射天线和基站接收端天线数的增加,矩阵HHH中每一行非主对角线元素与该行主对角线元素的比值不断减小;当基站天线数趋于无穷大时,非主对角元素相对于主对角元素可以忽略不计．矩阵HHH近似等于E[HHH],即矩阵HHH近似为对角阵,换言之,对于MRC算法和ZF算法,当Nr,Nt→∞时分别有HHH/Nr→INt和(HHH)-1HH→HH/Nr,其中INt为Nt×Nt的单位矩阵．因此,在大规模MIMO系统中,与ZF算法相比,采用MRC算法对接收信号进行检测,不但能够降低系统的计算复杂度,而且能够保证系统的误比特率性能．针对上行链路的大规模MIMO系统,分别计算了MRC算法的平均SINR与ZF算法的平均SNR,分析了性能相等时应满足的条件,并对2种算法进行了计算复杂度和误比特率性能对比．结果表明,在大规模MIMO系统中,与ZF算法相比,采用MRC 算法对接收信号进行检测,不但能够降低系统的计算复杂度,而且能够保证系统的误比特率性能．[1]Rusek F, Persson D, Lau B K, et al. Scaling up MIMO: Opportunities and challenges with very large arrays [J]. IEEE Signal Process Magazine, 2013, 30(1): 40-60. DOI:10.1109/MSP.2011.2178495.[2]Sinha N B, Bera R, Mitra M. MIMO detection algorithms for high data rate wireless transmission [J]. Journal of Computer Science and Engineering, 2010, 1(1): 91-98.[3]Jiang Y, Varanasi M K, Li J. Performance analysis of ZF and MMSE equalizers for MIMO systems: An in-depth study of the high SNR regime [J]. IEEE Transactions on Information Theory, 2011, 57(4): 2008—2026. DOI:10.1109/tit.2011.2112070.[4]Suthisopapan P, Kasai K, Imtawil V, et al. Approaching capacity of large MIMO systems by non-binary LDPC codes and MMSE detection [C]//IEEE International Symposium on Information Theory. Cambridge,Massachusetts, USA, 2012: 1712-1716.[5]Basnayaka D A, Smith P J, Martin P A. Performance analysis of macrodiversity MIMO systems with MMSE and ZF receivers in flat Rayleigh fading [J]. IEEE Transactions on Wireless Communications, 2013, 12(5): 2240-2251. DOI:10.1109/twc.2013.032113.120798.[6]Ngo H Q, Suraweera H A, Matthaiou M, et al. Multipair full-duplex relaying with massive arrays and linear processing [J]. IEEE Journal on Selected Areas in Communications, 2014, 32(9): 1721-1737.DOI:10.1109/jsac.2014.2330091.[7]Khansefid A, Minn H. Performance bounds for massive MIMO uplink[C]//2014 IEEE Global Conference on Signal and Information Processing (GlobalSIP). Atlanta, GA, USA, 2014:632-636.DOI:10.1109/globalsip.2014.7032194.[8]Pitarokoilis A, Mohammed S K, Larsson E G. Uplink performance of time-reversal MRC in massive MIMO systems subject to phase noise [J]. IEEE Transactions on Wireless Communications, 2013, 14(2): 711-723.[9]范利,金石. 低复杂度大规模MIMO系统上行功率分配算法 [J]. 东南大学学报(自然科学版),2016,46(1): 7-12. DOI:10.3969/j.issn.1001-0505.2016.01.002. Fan Li, Jin Shi. Low complexity power allocation algorithms for uplink of massive MIMO systems[J]. Journal of Southeast University (Natural Science Edition), 2016, 46(1): 7-12. DOI:10.3969/j.issn.1001-0505.2016.01.002. (in Chinese)[10]Alnajjar K A, Smith P J, Woodward G K. Low complexity V-BLAST for massive MIMO [C]//2014 Australian Communications Theory Workshop(AusCTW). Sydney, Australia, 2014: 22-26.DOI:10.1109/ausctw.2014.6766422.[11]Alnajjar K A, Smith P J, Woodward G K. Low complexity V-BLAST for massive MIMO with adaptive modulation and power control [C]//2015 International Conference on Information and Communication Technology Research (ICTRC). Abu, Dhabi United Arab Emirates, 2015: 1-4.DOI:10.1109/ictrc.2015.7156406.[12]哈米德·贾法哈尼. 空时编码的理论与实践[M]. 任品毅，译. 西安:西安交通大学出版社, 2007: 38-41.[13]Basnayaka D A, Smith P J, Martin P A. Ergodic sum capacity of macrodiversity MIMO systems in flat Rayleigh fading [J]. IEEE Transactions on Information Theory, 2013, 59(9): 5257-5270.DOI:10.1109/tit.2013.2264503.[14]Hunger R. Floating point operations in matrix-vector calculus [R]. Munich, Germany:Munich University of Technology, 2007.[15]Narasimhan T L. Channel hardening-exploiting message passing (CHEMP) receiver in large-scale MIMO systems[J]. IEEE Journal of Selected Topics in Signal Processing, 2014, 8(5): 847-860.。

用于MIMO信号检测的降低复杂度V-BLAST算法

用于MIMO信号检测的降低复杂度V-BLAST算法
刘谦雷;杨绿溪;许道峰
【期刊名称】《通信学报》
【年(卷),期】2007(28)9
【摘要】用于多输入多输出(MIMO)通信系统信号检测的V-BLAST算法其预处理具有较高的运算复杂度.对此作出改进,提出了一种降低复杂度V-BLAST算法.该算法在V-BLAST每一步的检测中不仅选取信噪比/信干噪比最大的一路信号、而且同时选取信噪比/信干噪比足够大的各路信号一起进行检测.仿真结果显示,该降低复杂度V-BLAST算法在取得与常规V-BLAST检测十分接近的误码性能的同时,达到了显著低于后者的预处理复杂度.
【总页数】6页(P40-45)
【作者】刘谦雷;杨绿溪;许道峰
【作者单位】东南大学,无线电工程系,江苏,南京,210096;东南大学,无线电工程系,江苏,南京,210096;东南大学,无线电工程系,江苏,南京,210096
【正文语种】中文
【中图分类】TN911.5
【相关文献】
1.用于MIMO-OFDM系统信号检测的简化V-BLAST方法 [J], 刘谦雷;杨绿溪
2.基于V-BLAST的MIMO信号检测算法 [J], 吴翠鸿;裴东兴
3.基于V-BLAST的MIMO信号检测算法 [J], 吴翠鸿;裴东兴
4.大规模MIMO系统中低复杂度信号检测算法 [J], 任茜源; 郑兴林
5.大规模MIMO系统中基于TFQMR的低复杂度信号检测算法 [J], 陈洪燕;李刚;景小荣
因版权原因，仅展示原文概要，查看原文内容请购买。

vblast信号检测算法原理

vblast（Vertical Bell Laboratories Layered Space-Time）信号检测算法是一种在MIMO（Multiple Input Multiple Output）通信系统中用于多天线检测的算法。

该算法在现代通信系统中被广泛应用，能够显著提高系统的容量和性能。

本文将介绍vblast信号检测算法的原理以及其在MIMO通信系统中的应用。

一、vblast信号检测算法原理1. MIMO通信系统简介MIMO通信系统是一种采用多个天线进行信号传输和接收的通信系统。

通过利用空间多样性和信道的相关性，MIMO系统能够显著提高通信的可靠性和速率。

在MIMO系统中，发送端和接收端分别使用多个天线进行信号的发送和接收，从而实现了多路径传输和空间复用。

2. vblast信号检测算法概述vblast信号检测算法是由贝尔实验室提出的一种适用于MIMO通信系统的线性检测算法。

该算法利用了空间分集技术和贪婪搜索算法，能够在复杂的MIMO信道条件下实现高效的信号检测和解调。

vblast算法采用了分层处理的思想，能够将复杂的多天线检测问题分解为多个简单的单天线检测问题，从而大大简化了信号检测的复杂度。

3. vblast信号检测算法原理vblast算法的原理基于以下几个关键步骤：（1）分层处理：首先将接收到的多天线信号按照不同的传输层进行分层处理，将复杂的MIMO信道分解为多个简单的单天线信道，从而简化了信号检测的复杂度。

（2）零重叠解调：在每一层的检测过程中，vblast算法利用了零重叠解调技术，避免了不同天线之间的干扰，实现了各个天线信号的独立检测。

（3）贪婪搜索：通过贪婪搜索算法，vblast算法能够高效地找到最优的解调符号序列，从而实现了高效的信号检测和解调。

二、vblast算法在MIMO通信系统中的应用1. vblast算法的优点vblast算法在MIMO通信系统中具有以下优点：（1）高信道容量：通过利用空间多样性和信道的相关性，vblast算法能够显著提高MIMO系统的信道容量，实现了更高的数据传输速率。

移动通信中v-blast系统及其检测算法研究

Key words: V-BLAST; MIMO; detection algorithm; OSIC
0 引言
近年来，移动通信用户越来越多，对移动通信业务的需求也越来越多样化，从一开始的语音业务到现在的音频、视频等多媒体业务，不断增加的音频、视频业务对频谱资源的需求也越来越大。如何提高频谱利用率一直是通信工程师考虑的问题。通信工程师采用信源编码技术、信道编码技术、调制解调技术和信号处理技术来提高频谱利用率。由于 MIMO（多输入多输出）技术和 V-BAST（空时编码）技术可以提高移动通信的系统容量和频谱利用率，被认为是新一代移动通信系统的关键技术。MIMO 技术利用多径效应，将智能信道转化为矩阵信道。Foschini 和 Chuah[1] 认为 MIMO 系统的频谱利用率可以达到 20 ～ 40 b/(s·Hz)。Foschini[1] 等
Zhang Li
(Nanjing University Jinling College, Nanjing Jiangsu 210089, China)
Abstract: Improving the capacity of mobile communication system is one of the goals of improving the performance of mobile communication system. Space-time coding technology can provide high-quality coding symbols in a certain fading environment, so as to improve the system capacity, so it has been widely concerned in wireless communication. V-BLAST (vertical layered spacetime system) proposed by Bell Laboratories has been applied in practical system because of its high transmission rate and spectrum utilization, and is an important technology of mobile communication. Based on this, the author mainly studies the model construction and common detection algorithms of vertical layered space-time system, analyzes the characteristics and performance of various detection algorithms, improves the algorithm on this basis, combines the traditional sequential interference cancellation algorithm with the maximum likelihood algorithm, and simulates the improved algorithm.

MIMO检测

球形检测器在空分复用MIMO通信系统中的应用及FPGA实现(1)2010-09-21 21:20:00 来源:电子发烧友关键字：MIMO通信系统空分复用(SDM) MIMO 处理可显著提高频谱效率，进而大幅增加无线通信系统的容量。

空分复用MIMO 通信系统作为一种能够大幅提升无线系统容量和连接可靠性的手段，近来吸引了人们的广泛关注。

MIMO 无线系统最佳硬判决检测方式是最大似然(ML) 检测器。

ML 检测因为比特误码率(BER)性能出众，非常受欢迎。

不过，直接实施的复杂性会随着天线和调制方案的增加呈指数级增强，使ASIC 或FPGA 仅能用于使用少数天线的低密度调制方案。

在MIMO 检测中，既能保持与最佳ML 检测相媲美的BER 性能，又能大幅降低计算复杂性的出色方法非球形检测法莫属。

这种方法不仅能够降低SDM 和空分多接入系统的检测复杂性，同时又能保持与最佳ML 检测相媲美的BER 性能。

实现球形检测器有多种方法，每种方法又有多种不同算法，因此设计人员可以在诸如无线信道的吞吐量、BER 以及实施复杂性等多项性能指标之间寻求最佳平衡。

虽然算法(比如K-best 或者深度优先搜索)和硬件架构对MIMO 检测器的最终BER 性显而易见有极大的影响，不过一般在球形检测之前进行的信道矩阵预处理也会对MIMO 检测器的最终BER 性能产生巨大影响。

信道矩阵预处理可繁可简，比如根据对信道矩阵进行的方差计算结果(variance computaTIon)，计算出处理空分复用数据流的优先次序，也可以使用非常复杂的矩阵因子分解方法来确定更为理想(以BER 衡量)的数据流处理优先次序。

Signum Concepts 是一家总部位于圣地亚哥的通信系统开发公司，一直与赛灵思和莱斯大学(Rice University)开展通力合作，运用FPGA 设计出了用于802.16e 宽带无线系统的空分复用MIMO 的MIMO 检测器。

MIMO系统V-BLAST检测算法的FPGA实现

MIMO系统V-BLAST检测算法的FPGA实现孙乐;孔勇;黄虎【期刊名称】《电子与封装》【年(卷),期】2017(17)6【摘要】用FPGA实现了多种垂直分层空时码(Vertical-Bell Laboratories Layered Space-Time,V-BLAST)检测算法,包括最大似然(Maximum Likelihood,ML)检测算法、破零(Zero Forcing,ZF)检测算法和最小均方误差(Minimum Mean Square Error,MMSE)检测算法.首先研究了MIMO V-BLAST 系统架构、数学模型和多种接收机检测算法,分析了关键检测算法的特性和性能,重点使用Verilog硬件描述语言在Xilinx的Vertex4-VC4VSX55 FPGA开发板上实现了V-BLAST系统架构和三种检测算法,并通过仿真结果比较了每一种算法的复杂度和性能.仿真结果表明对于V-BLAST检测,ML具有最优的性能但复杂度最高;ZF 算法具有较低的复杂度但比ML的性能略差;MMSE算法复杂度只比ZF算法略大但性能却有显著提升.【总页数】5页(P31-35)【作者】孙乐;孔勇;黄虎【作者单位】中国联合网络通信有限公司网络技术研究院,北京100048;北京中测安华科技有限公司,北京100085;中国运载火箭技术研究院研究发展中心,北京100076【正文语种】中文【中图分类】TN911.23【相关文献】1.MIMO OFDM系统中一种V-BLAST检测算法的FPGA实现 [J], 舒晶;王强;徐缙;陶小峰2.MIMO-OFDM系统中一种改进的V-BLAST检测算法 [J], 汪蓓;朱琦3.MIMO-OFDM系统中V-BLAST检测算法的比较 [J], 汪蓓4.MIMO系统的快速原型设计与验证——一种使用MATLAB和Virtex-4 FPGA 实现系统的实用方法 [J], Torn; Feist5.MIMO系统的快速原型设计与验证一种使用MATLAB和Virtex-4 FPGA实现系统的实用方法 [J], Tom Feist因版权原因，仅展示原文概要，查看原文内容请购买。

用于MIMO信号检测的降低复杂度V_BLAST算法

第 28 卷第 9 期 2007 年 9 月
通
信
学
报
Journal on Communications
Vol.28 No.9 September 2007
用于 MIMO 信号检测的降低复杂度 V-BLAST 算法
刘谦雷，杨绿溪，许道峰
(东南大学无线电工程系, 江苏南京 210096)
摘
要：用于多输入多输出(MIMO)通信系统信号检测的 V-BLAST 算法其预处理具有较高的运算复杂度。对此作
收稿日期：2006-03-17；修回日期：2007-07-21 基金项目：国家自然科学基金资助项目(60672093, 60496310)；江苏省自然科学基金资助项目(BK2005061) Foundation Items: The National Natural Science Foundation of China (60672093, 60496310); The Natural Science Foundation of Jiangsu Province(BK2005061)
通过降低 V-BLAST 分步检测的步数，有效地减少了 V-BLAST 检测中求取矩阵广义逆的次数，从而达到了其预处理运算复杂度的降低。仿真结果显示，本文提出的降低复杂度 V-BLAST 算法在取得与常规 V-BLAST 检测十分接近的误码性能的同时，达到了显著低于后者的预处理复杂度。本文各节的内容安排如下：第 2 节简要介绍了用于 MIMO 信号检测的 V-BLAST 算法，第 3 节提出了降低复杂度 V-BLAST 算法，第 4 节给出了确定降低复杂度 V-BLAST 算法中信噪比/信干噪比门限的算法，第 5 节给出了仿真实验的结果，最后，第 6 节为结束语。