改进的基于QR分解的分层空时检测算法
BLAST-OFDM系统中基于QR分解的检测算法
１ 引 言
ＭＭ （ Ｉ Ｏ 多输入多输出） 技术利用多根天线实现
子数据流并行发射 ， 按照发射端分路的不同方式分
ｉ ｎ ＢＬＡＳ ＯＦ Ｔ・ ＤＭ ｙ ｔｍ ｓ Ｓ ｓｅ ＣＡＯ ｎ ｙ ｎ ，ＣＡＯ ｅｈ ｎ Ｉ Ｆ ｎ Ｙａ －ａ Ｘｕ — ｏ ｇ ，Ｊ Ａ ｅ ｇ
＼ｈｌｏＴｒｆｉｉｃｅ ａｎ ｊｎ ０ Ｃ ｎａ （ｏｅｇｏｆｃｃｎｄ ａｎｉｇ２１０４２ ｈｉ ｅｅｆ ｍＰｏｏｎｆ １ｌｊｎ ａｕｔＢｕｅＩ ．Ｎ ｎ ｎｉ ｒ ｇＣ ｌ ｓ Ｎ ２ Ｃ ａ ｉ ｍ ａ ａｕ Ｔ ｉ
Ｔｍ ） Ｍ Ｍ ｉｅ 是 Ｉ Ｏ中用以提高信道容量和频带利用率 数据流编码后分别发射到 与该 层对应 的各根 天线 上， 结构较为简单 ， 频谱利用率没有前者高， 较低 但 的空间复用技术 。在 Ｂ Ｓ Ａ Ｌ Ｔ结构 中， 信号被分成个 的复杂度却使其成为研究利用 的热点。
收稿 日 ： ０ － － ； 期 ２ ６ １ ８ 修回 １ ： ０ － －３ ０ ０ ２ ３ ２ ６ ３２ 期 ０ ０
Ｖｏ ． ６ Ｎ ． １２ Ｏ ６
Ｄｅ ． ２ ｏ ｃ ｏ６
文章编号 ：６ ３５ ３ （０ ６ ０ － ３ －５ １７ － ９ ２０ ）６０ １０ ４ ０
Ｂ Ａ Ｔ Ｏ Ｄ 系统 中基 于 Ｑ 分解 的检 测 算 法 Ｌ Ｓ －Ｆ Ｍ Ｒ
曹炎焱 曹雪虹 贾 锋 ， ，
，． １ 南京 邮电大学 通信与信息－程学院， Ｅ 江苏 南京 ２００ 、 １０３
多发多收， 能够在不增加频谱资源和天线 发送功率
基于QR分解V-BLAST检测算法研究和比较
Ａｌｏ ｉ ｍｓＢ ｓｄ ｏ ｃ ｍｐ ｓ ｉｎ ｇ ｒ ｈ ａｅ ｎ ＱＲ Ｄｅｏ ｏｉｏ ｔ ｔ
Ｓ ｎ ｈ ａ， Ｕ Ｗ ｅ．ｉｇ ＵＮ Ｙａ ｕ Ｗ ｉ１ ｎ
（ ｅｉ ｎ ｅ ｉ ｏ ｓ ｎ ｅ ｃｍ ｕｉ ｔｎ ， ｅｉ ０ ８６ Ｃｉ ） Ｂ ｉ ｇＵ ｉｒｔ ｏ ｓ ｄ Ｔｌｏ ｍ ｎ ａｏｓ Ｂ ｉ ｇ １０７ ， ｈ ａ ｊ ｎ ｖ ｓｙ ｆＰ ｔ ａ ｅ ｃｉ ｊ ｎ ｎ
ｒ
］， Ｔ矩阵表示为 ：
接收 ， 但是其复杂度不可实现 。在 Ｄ． ｂｅ 出的基于 Ｇ ａ Ｗｕｂｎ提 ｒ ｍ—Ｓｈ ｉ 正交化排 序 Ｑ ｃｍｄ ｔ Ｒ分懈 检测算 法 的基础上 ， 出了另外 提 ２种可 以排序的 Ｑ Ｒ分懈检 测算法 ， 取得了和基于 Ｇａ ｒｍ—Ｓｈ ｉ 正交化 Ｑ ｃｍｄ ｔ Ｒ分懈算法相 同的性 能。与 Ｖ—Ｂ Ａ Ｔ算法相 比， ＬＳ 避
０ 引 言
近年来 ， 信息理论 的研究结果表明 ： 在存在丰富 散射 的无 线信 道 ， 收发 ２端均 采用 多天 线 ， 假设 每 并 对 收发天 线 之 间 的信 道 是 相 互 独 立 的 瑞 利 衰 落 信
道 ， 多人多 出（ Ｍ 系统可 以获 得 比单 发单 收 系 即 ＭＩＯ）
免 了 多 次 矩 阵求 逆 的计 算 ， 以很 小 的性 能 损 失 为代 价 ， 低 了复 杂 度 。 降 关键词 分层 空 时 码 ；Ｍ Ｍ ；检 测 算 法 ； Ｒ分 懈 ＩＯ Ｑ
＇ １ ９５ Ｉ９ ． ＇２ ５ 文献标识码 Ａ 中图 分 类 号
Ｔｈ ｖ ｌｐ ｅ ｔａ ｄ Ｃｏ ｅ Ｄｅ ｅｏ ｍ ｎ ｎ ｍｐ ｒｓ ｎ ｏ — ＢＬＡＳ Ｄｅ ｅ ｔｏ ａ ｉｏ ｆＶ — Ｔ ｔｃ ｉｎ
MIMO-OFDM系统中一种改进的QRM-MLD检测算法
下 大 大 减 少 检 测 过 程 的 访 问 节 点 数 ，降 低 了 算 法 的 平 均 复 杂 度 。
关 键 词 ：多输 入 多输 出 ；正 交 频 分 复 用 ；ＱＲＭ—ＭＬＤ；球 形 译 码 ；信 号 检 测
中 图 分 类 号 ：ＴＮ９１９．３
文 献 标 识 码 ：Ａ
ＤＯＩ：１０．１９３５８／ｊ．ｉｓｓｎ．１６７４—７７２０．２０１６．０９．０２０
Ｋｅｙ ｗｏｒｄｓ：ＭＩＭＯ；ＯＦＤＭ ；ＱＲＭ—ＭＬＤ；ｓｐｈｅｒｅ ｄｅｃｏｄｉｎｇ；ｓｉｇｎａｌ ｄｅｔｅｃｔｉｏｎ
０ 引 言 在 平 坦 衰 落信 道 下 ，多 输 入 多 输 出 （ＭＩＭＯ）技 术 能 给
无 线 通 信 系 统 带 来 显 著 的 容 量 提 升 ，而 正 交 频 分 复 用 （ＯＦＤＭ）技 术 能将 一 个 宽 带 频 率 选 择 性 衰 落 信 道 转 变 为 若 干个 窄 带平 坦 衰 落 子 信 道 。 因 此 结 合 二 者 技 术 优 势 的 多输 入 多 输 出 正 交 频 分 复 用 （ＭＩＭＯ—ＯＦＤＭ）无 线 通 信 系 统 已成 为 新 一 代 高 速 无 线 通 信 系 统 中 的 研 究 热 点 。 。 ＭＩＭＯ检 测 是 ＭＩＭＯ．ＯＦＤＭ 系 统 接 收 端 最 复 杂 的 任 务 ，常 见 的信 号 检 测 算 法 有 ：复 杂 度 低 但 检 测 性 能 不佳 的 线 性 检 测 方 法 ，如 迫 零 （Ｚｅｒｏ Ｆｏｒｃｉｎｇ，ＺＦ）算 法 和 最 小 均 方 误 差 （Ｍｉｎｉｍｕｍ Ｍｅａｎ Ｓｑｕａｒｅ Ｅｒｒｏｒ，ＭＭＳＥ）算 法 ；理 论 上 具 有 最 优 检 测 性 能 但 复 杂 度 过 高 的 算 法 ，如 最 大 似 然 （Ｍａｘｉ— ｍｕｍ Ｌｉｋｅｌｉｈｏｏｄ，ＭＬ）检 测 算 法 ；具 有 次 优 检 测 性 能 的 方 法 ，如 球 形 译 码 算 法 ’ 。球 形 译 码 算 法 复 杂 度 比 ＭＬ算 法 大 大 降 低 ，使 其 能 在 硬 件 上 得 以实 现 ’ 。 按 照 搜 索 策 略 的不 同 ，可 将 球 形 译 码 的 树 搜 索 策 略 分 为 Ｆｉｎｃｋｅ—Ｐｏｈｓｔ 策 略 和 Ｓｃｈｎｏｒｒ—Ｅｕｃｈｎｅｒ策 略两 类 ，也 常 称 为 深 度 优 先 树 形
基于QR分解V_BLAST检测算法研究和比较_孙艳华
次序, 但是每次都要计算矩阵伪逆, 增加了复杂度 , 因此 D. Wubben 提出了基 于 Gram- Schmidt 变 换的 QR 分 解 检 测 算 法, 本 文 在 此 基 础 上 提 出 基 于 Householder 变换和基于 Givens 变换的排序 QR 分解 检测算法避免了求矩阵伪逆, 尽管这 3 种方法得到 的检测顺序未必是最优的, 但是在性能损失很小的 前提下, 降低了复杂度。 将 N @ M 信道矩阵 H 进行 QR 分解 , 分解成一 个 N @ M 的酉矩阵 Q 和一个 M @ M 的上三角矩阵 R。用酉矩阵 Q 的共轭转置乘以接收信号得到一个 M @ 1 维新的接收信号 y 为 :
( 1) 1
的一系列 Givens 旋转矩阵得 到。算出信道 矩阵的 QR 分解后, 可以利用反向递推干扰消除的方法检测 出所有信号 , 有一点需要注意, 要根据检测顺序对信 号的估计进行重新排列 , 得到最初的发送序列的估 计。
,h
( 1) 2
, ,, h
( 1) M
] , 变换后矩阵 H 1 的第 1 列 h
E { | s i | 2} Q i= E{ | ni | 2} + w i + 2 ( 2)
H
没有受到其他信号的干扰 y M = r M, M # sM + G M , 可以 yM ] , 然后如此 rM, M 类推, 直到检测完所有的信号。如前所述 , 信号的检 先检测第 M 层信号的估计 ^s m = Q [ 测顺序至关重要, 在 QR 分解检测算法中, 每层信号 检测后的信噪比为 :
[ 2] [ 1]
统 ( N E M ) 如图 1 所示。信源数据经过串并变换分 成 M 个数据子流, 每层的数据流经过调制由 M 个 不同的发送天线同时发送出去, 接收信号是 M 个发 送信号经过信道与噪声叠加而成。考虑离散基带一 个时隙内的 MIMO 系统模型 , 记发送信号矢量 S = [ S 1 , S 2 , ,, S M ] T , 对应的接收 信号 r = [ r 1 , r 2 , ,, rN ] T, 矩阵表示为:
垂直分层空时码检测算法性能分析
ｉｔ ｒｅ ｅ ｃ ｌ ｎ ｔ （ Ｉ ｍｅ ｈ ｄ ａ ｅ ｄ ｓｕ ｓ ｄ Ｆｉａｌ ｔ ｅ ｓｍｕ ａｉｎ ｒ ｓ ｌｓ ａ ｅ ｇｖ ｎ ｎ ｅ ｆｒ ｎ ｅｅｉ ａ ｅ ＯＳ Ｃ） ｍｉ ｔ ｏ ｒ ｉｃ ｓ ｅ ． ｎ ｌ ｙ， ｈ ｉ ｌｔｏ ｅ ｕ ｔ ｒ ｉｅ ．
Ｏｎ ｐｅ ｆ ｒ ａ ｃ ｆｄ ｔ ｃ ｉ ｇ ａ ｇ ｒ ｔ ｏ ｒ ｏ ｍ ｎ ｅ ｏ ｅ ｅ ｔｎ ｌ ｏ ｉｈｍ ｆ ｒ ＶＢＬＡＳ Ｔ
ＬＩ Ｙ ｕ Ｕ ，Ｗ Ａ ＮＧ ｏ ｈ ｎ Ｇｕ ｚ ｅ
（ ｃ ｏ ｌ ｆ ｍｍｕ ｉａｉｎ Ｅｎ ｉｅｒ ｇ Ｓ ｈ ｏ Ｃｏ ｏ ｎｃ ｔ ｏ ｇｎ ｅｉ 。Ｘｉａ ｎ ｎＵｎｖｒｉ ｆ ｓｓａ ｄＴ ｌ ｉｅｓ ｙｏ Ｐｏｔ ｎ ｅ ｔ ，Ｘｉａ １ １ １ ’ ７ ０ ２ ，Ｃｈｎ ） ｎ ｉａ
ｔｎ ｔ ｏ ｎ ｎｍｕ ｍｅ ｎ ｓ ｕ ｒ ｒｏ ＭＭ Ｓ ｉｇ ｍｅ ｈ ｄ ａ ｄ ｍｉｉ ｍ ａ ｑ ａ ｅｅ ｒ ｒ（ Ｅ）ｄ ｔｃｉ ｇ ｍｅ ｈ ｄａ ｅｉｖ ｓｉ ａｅ ．Ｉ ｒ ｅ ｅ ｔ ｔ ｏ ｒ ｅ ｔｇ ｔ ｄ ｎ ｏ — ｎ ｎ
ｄ ｒｔ ｕ ｔ ｅ ｅ ｕ ｅ ｔ ｅＢＥＲ．ｔ ｅｔ ｉｄ ｏ ｌｓ ｉａ ｌｏ ｉ ｍ ｓｃ ｍｂ ｎ ｄ ｗｉｈ ｓ ｒ ｉｇ ｓ ｒａ ｅ ｏ ｆ ｒｈ ｒｒ ｄ ｃ ｈ ｈ ｗｏ ｋ ｎ ｆｃａ ｓｃ ｌａｇ ｒｔ ｈ ｏ ｉ ｅ ｔ ｏ ｔ ｅ ｉｌ ｎ
中 ， 测算 法一 直是 研究 的热 点 ［ 。 检 ３ ］ ＶＢ Ｔ系 统 的经 典 检 测算 法 主 要 有 最 大 似 Ｉ ＡＳ 然 译 码 （ ｘｍｕ Ｌｋ ｌ ｏ ｄＤｅｏ ｉｇ Ｍａｉ ｍ ｉｅｉ ｏ ｃｄｎ ，ＭＬ） ｈ 算
V-BLAST结构的迫零（ZF）检测算法的改进
V-BLAST结构的迫零（ZF）检测算法的改进史红【摘要】According to the application of the technique of MIMO in the WIMAX and 4 G wireless communication system and in order to develop the communication channel capacity and the reliability of data transmission,a developed V-BLAST structure( ZF)detection algorithm was proposed in the paper. The experimental results showed that this kind of algorithm could be used in the ZF detection algorithm for the layers of systematic index analyses during the ideal and non-ideal interference eliminations. The space-time block codes were very efficient against the negative impact of the decline.%针对MIMO技术在WIMAX和4G无线通信系统中的应用，为了提高信道容量和提高数据传输的可靠性，提出一种改进后的V-BLAST结构的迫零（ ZF）检测算法，实验结果表明，该算法能够在理想干扰消除时和非理想干扰消除时进行各层系统性能指标分析。
此空时分组码在对抗衰落的不利影响方面非常有效。
【期刊名称】《吉林师范大学学报（自然科学版）》【年(卷),期】2015(000)004【总页数】3页(P93-95)【关键词】空间分组码;迫零检测;干扰消除【作者】史红【作者单位】吉林师范大学信息技术学院，吉林四平136000【正文语种】中文【中图分类】TN915无线通信技术的发展用来提高通信的两大特性传输速率和传输质量.在无线信道上提高数据传输率和传输质量的最有效途径是采用多输入/多输出(MIMO)技术，即在无线通信系统的发送端和接收端使用多个天线或者天线阵列来进行信息传输的技术.MIMO技术已经用于Wi MAX和4G等无线通信系统中.分集是在无线信道上实现可靠性通信的技术，也就是尽量给接收机提供发送信号的多个独立的衰落副本，至少有一个副本能被正确接收.分集可以采用不同的方法来实现，如时间分集、天线分集、频分分集和调制分集等多种方式.接收和发射天线的分集，又称为空间分集，代表了对抗衰落不利影响的一种有力的途径.具有多个天线的系统也称为多输入/多输出系统(Multiple-input multiple-output,MIMO)[1].MIMO系统特点一是提高信道传输容量，并且能够直接转化为较高的呑吐量.二是提高了通信传输的可靠性，并且误码率降低了.这些特点的是提高信号发射功率或者不需要以增加信号带宽的为代价.根据不同的分集技术可以提高系统在无线环境中的各种性能.并且将通过发射和接收天线能够实现信道编码与空间分集结合起来，我们把此方法称为空时编码，此系统称为编码的MIMO系统.编码与空间分集的结合能够实现数据可靠性的高效速率无线通信链路中所面临挑战的很有效解决方法.获得最佳空间分集的编码方式是空时网格码(STTC)和空时分组码(STBC)[2-4].此两种空时编码方式代表了两种极端，其中，一种实现了最大的传输速率.而另外一种实现了最佳的可靠性.在空时分组码中在准静态衰落信道下可以达到NtNr的分集度，空时分组码在对抗衰落的不利影响方法非常有效.图1给出了V-BLAST编码器结构.如图所示，BLAST结构的最佳检测算法是最大似然检测.此检测算法的复杂程度随发射天线的数目呈指数性增长，当存在交织时，复杂程度增加越严重，因而，这种检测算法很不实用.实际中常用的是一些优检测算法，包括基于迫零(Zero Forcing,ZF)准则和最小均方误差(MMSE)准则的检测算法.在迫零准则中，当检测其中任意一层时，来自其他层的干扰就被抑制；而在最小均方误差准则中，可以实现减少噪声和干扰抑制二者之间的提升[5-6].一般而言，ZF算法不如MMSE算法的性能，因为ZF 算法所实现的完全干扰抑制是以噪声功率的增强为代价，导致了性能的下降.此外，在ZF检测算法中还要求NrNt，而在MMSE检测器中对此要求可以放宽.令si[m]表示时刻m从第i根天线上发射的信号，从所有发射天线的子流用矩阵表示为式中,L表示每根发射天线序列的长度.接收信号可以用矩阵表示为式中，H是Nt×Nr的矩阵，N是L×Nr的高斯的白噪声.假设信道是准静态的，并且Nr≥Nt，利用矩阵的QR分解，H可以表示为式中，R是Nt×Nt的下三角矩阵式；Q是Nt×Nr的单位矩阵.并且行与行之间是相互正交的，因此Q满足QQH=1Nt,1Nt是Nt×Nt的单位矩阵.若H非退化矩阵，这也是一般Rayleigh衰落信道的情况，则R的对角元素是正的.将式(2)中的Y右乘以QH，用表示YQH,则有式中，的第(m,i)个元素用表示，时刻m,从发射天线的接收信号，可以表示为从剩余层的干扰式的中间一项，这些层已经被检测到，所以很容易抑制干扰.用yNt(m)可以表示为这时没有其他层中的干扰，因而，可以获得该层的预测信号，用表示.然后并对其它层进行检测，消除干扰，这个过程一直延迟到检测到最后一层.因此，对第i层的判决统计特性，即可以表示为当前所有的层判决都正确时，待检测的下一层就不会受到任何的干扰.本文提出的算法在MATLAB R2010a平台上进行了验证，成功地对无干扰消除和有干扰消除性能仿真.仿真V-BLAST结构ZF检测算法的性能，分别给出无干扰消除和有干扰消除时的系统性能.假设Nt=Nr=4，系统调制方式为QPSK，信道为准静态衰落信道，衰落系数在以每10个符号的一帧中保持不变，帧与帧之间独立变化.从以上实验结果可以看出(图2～图4)，当进行干扰消除时，可以获得一定的可靠性能提升.在理想状态下干扰消除的性能非常好，而在非理想干扰消除时性能要比理想状态下稍差一些.这是由于在非理想干扰消除时通常采用了实时解调检测的结果，而在这种解调方式后的非理想状态效果不一定都是正确的，因而导致了通信质量的性能有些损失.在理想情况下，各个检测层的分集度是给逐渐增加的.而在非理想状态下，由于错误解调的存在，分集度一定要小于理论值.尽管如此，实验采用了干扰消除以后，各个检测层的误码率还是逐渐下降的，同时提高了传输的可靠性和有效性.综上所述本文提出一种改进后V-BLAST结构的迫零检测算法.在准静态衰落信道下可以过到多层分集度，空时分组码在对抗衰落的不利影响方面很有效.该算法从所有发射天线的发射信号对接收信号各层可以抑制干扰，由于各层得到检测，所以干扰容易被消除.由于系统调制方式的不同，信道衰落系数帧中保持不变的情况下，通过仿真对无干扰消除和有干扰消除性能分析编码方式中对通信两大性能指标有和很好的改善.【相关文献】[1]E.Biglieri,R.Calderbank,A.Constantinides,et al.MIMO WirelessCommunications[M].Cambridge:Cambridge University Press,2007.[2]S.Loyka,F.Gagnon.V-BLAST without optimal ordering:analytical performance evaluation for Rayleigh fading channels[C].IEEE mun.,2006,154(6):1109～1120.[3]S.Loyka,F.Gagnon.On outage and error rate analysis of ordered V-BLAST[C].IEEEtrans.Wireless commune.,2008,7(10):3679～3685.[4]V.Kostina,S.Loyka.On optimum power allocation for the V-BLAST[C].IEEEmune.,2008,56(6):999～1012.[5]L.Barbero,J.Thompson.Fixing the Complexity of the sphere decoder for MIMO detection[C].IEEE Trans.Wireless Commun.,2008,7(6):2131～2142.[6]H.Zhang,H.Dai,B.L.Hughes.Analysis on the diversity-multiple sing tradeoff for order MIMO SIC receivers[C].IEEE mon.,2009,157(1):125～133.[7]刘学勇.MATLAB/Simulink通信系统建模与仿真[M].北京：电子工业出版社，2012.[8]齐海东，张刚，王春武.通信系统噪声的研究[J].吉林师范大学学报(自然科学版)，2008，29(2)：98～99.[9]王新忠，杨昕欣，李连合.V-BLAST系统与低复杂度改进裁剪QRD-M算法[J].电视技术，2015，5：97～100.[10]杨国荣.基于V-BLAST的MIMO无线通信系统性能分析[J].系统仿真技术，2014，1：81～84.[11]景书杰，赵建卫，韩学锋.一种改进的逆Broyden算法[J].吉林师范大学学报(自然科学版)，2015，26(1)：66～68.。
基于QR分解的V—BLAST检测算法研究
【 摘 要】研 究了 Ｖ Ｂ Ａ Ｔ系统 中基于 Ｑ —ＬＳ Ｒ分解 的几种信号检测算法 ， 分析 了各种算法的优缺点 ， 指出信号检 测顺序是 降低误差
【 ｙｗ ｒｓ Ｋｅ ｏｄ 】ＭＩ ； — Ｌ Ｓ ； ｅｅｔ ｎ ａ ｏ ｔｍ； Ｒ ｄｃｍｐｓｉ ＭＯ Ｖ Ｂ Ａ Ｔ ｄｔｃｏ ｌ ｒｈ Ｑ ｅｏ ｏｉｏ ｉ ｇｉ ｔｎ
０ 引言
近 几 年 来 ， 输 入 多 输 出 （ ＭＯ 技 术 逐 渐 成 为 无 多 ＭＩ ） 线 通 信 领 域 的 研 究 热 点 ｌ 因 为 它 能 够 在 不 增 加 额 外 带 ｌ Ｉ ， 宽 和发 射 功 率 的情 况 下 ， 成倍 地 提 高 通 信 系统 的 容 量 和 频谱利 用率［ ２ １ 。垂 直 分 层 空 时 码 （ — Ｌ Ｓ ） 为 ＭＩ Ｖ ＢＡＴ作 ＭＯ
Ｑ ｅｏ ｏｉｏ ｆｔｅｃ ａｎｌｍａ ｘ ｂｓ ｎｉ ｐｏｅ ｒｍ ｓｈ ｉｔｉ ｕｅ． ｈ ｌ ｒｈ ｓｓｉ ｒｔｅ ｏｅａ ｏ ｎｔ ｄ ｏ Ｒ ｄｃｍｐｓｉ ｏ ｈ ｈ ｎｅ ｔｎ ｔ ａｅ ｏ ｍ ｒｖｄ Ｇ ａ －ｃ ｍ ｄ ｓ ｓｄ Ｔ ｉ ａ ｏ ｔｍ ｒｅ ｔ ａｖ ｐｒｔ ｎ ｉｓ ａ ｆ ｉ ｒ ｓ ｇｉ ｉ ｅ ｉ ｉ ｅ
Ｓ ｍｕ ａｉｎ ｈ ｗｓ ｈ ｔ ｈｉ ａｇ ｒｔ ｍ ｃ ｎ ａｎ ｈｅ ｏ ｄ ｒ ｄ ｏ ｆ ｂ ｔ ｅ ｔｅ ｅ ｏ ａ ｃ ｎｄ ｈ ｃ ｍｐ ｅ ｉｙ ｉ ｌ ｔｏ ｓ ｏ ｔ ａ ｔ ｓ ｌｏ ｈ ｉ ａ ｇ ｉ ｔ ｇ ｏ ｔａ ｅ ｆｓ ｅｗｅ ｎ ｈ ｐ ｒ ｒ ｎ ｅ ａ ｔｅ ｏ ｌ ｘｔ ． ｆ ｍ
一种改进的QR分解检测算法
一种改进的QR分解检测算法夏禹;叶方;刘丹丹【期刊名称】《信息技术》【年(卷),期】2017(41)2【摘要】结合排序和循环迭代的思想,提出了一种基于PIC预处理的循环迭代SQRD检测算法.该改进算法对排序后的信道矩阵进行循环迭代检测,在每次循环迭代检测过程中,利用PIC思想对检测数据进行更新.在得到所有层的判决值后,丢弃其它层的检测值,只保存最后检测层的判决值,并作为下次循环检测的最先检测值.算法同时克服了传统QR分解检测算法的误差扩散和最先检测层分集效益低的缺点.仿真结果表明,改进算法的检测性能要优于SQRD检测和循环迭代检测算法.%Combining the thought of sorting and loop iteration,this paper proposes a cyclic iteration SQRD detection algorithm based on the PIC preprocessing.The improved method implements loop iteration detection in sorted channel matrix,using PIC to update decision value in every iteration detection process.After getting decision values of all layers,it only saves the decision value in the final detection layer and discards values in other layers,then using retained values as first detection value in next loop detection.The new method overcomes the error diffusion and low diversity benefit in the first detection layer of traditional QR decomposition algorithm.The simulation results show that the detection performance of improved algorithm is superior to the SQRD detection and iterative detection algorithm.【总页数】5页(P47-51)【作者】夏禹;叶方;刘丹丹【作者单位】哈尔滨工程大学信息与通信工程学院,哈尔滨150001;哈尔滨工程大学信息与通信工程学院,哈尔滨150001;黑龙江科技大学电气与控制工程学院,哈尔滨150001【正文语种】中文【中图分类】TN911.23【相关文献】1.改进的基于QR分解的分层空时检测算法 [J], 陈亮;李建东;陈东2.VBLAST-OFDM系统中改进的QR分解检测算法 [J], 傅洪亮;李永杰;张元;管爱红3.基于QR分解的MIMO-OFDM检测算法的改进 [J], 陈磊;张敏;赵瑞弟;王可霞4.一种新的平行干扰消除QR分解检测算法 [J], 李永杰;傅洪亮;杨铁军5.一种改进的排序QR分解MIMO检测算法 [J], 王赟;汪晋宽;解志斌因版权原因，仅展示原文概要，查看原文内容请购买。
改进的混合多输入多输出系统收发方案
Ｓ Ｂ — Ｂ Ａ Ｔ混合编码 的多输 入多输 出系统。利 用线性疏 散码 的结构特 点 ， Ｔ ＣＶ Ｌ Ｓ 在发射端 以等效 的垂直 分层 空时码子层发送信 号，接收端使
用基于排序 的 ＱＲ分解的连续干扰抵消 的算法进行译码 ，同样可 以获得较好 的复 用和分集增益 。仿真结果表 明，该方案 的误码率性能优于 其他检测 方案，可降低 计算复杂度。
ｓｈ ｍｅ ｆ ｒ ｔｅ ｈ ｂ ｉ ＴＢ — Ｌ Ｔ Ｖ ｒ ｃ ｌＢ ｌ Ｌ ｂ ａ ｅｅ ｐ ｃ — ｉ ）ｓ ｓ ｍｓ ｈ ｙ ｒ ｌｐ ｅ Ｉ ｐ ｔＭｕｔ ｌ Ｏｕｐ ｔＭＩ ｃ ｅ ｏ ｈ ｙ ｒ Ｓ Ｃ ＶＢ ＡＳ （ ｅｔ ａ ｅｌ ａ ｓ ｌｙ ｒｄ Ｓ ａ ｅＴ ｍｅ ｙ ｔ ．Ｔ ｅ ｈ ｂ ｉ Ｍｕｔ ｌ ｎ ｕ ｌｐ ｅ ｄ ｉ ｅ ｄ ｉ ｉ ｔｕ （ ＭＯ）
［ ｙｗｏｄ ［Ｍｕｔ ｌ Ｉｐ ｔ ｌｐｅＯｕｐ ｔ ＭＯ）Ｖ ｒｃ ｌ ｌＬ ｂ ｙ ｒｄＳ ａｅＴｍｅｃ ｄ（ Ｌ Ｔ ： ｐｃ —ｉ ｏ ｋＣ ｄ （Ｔ Ｃ） Ｋｅ ｒ ｓ ｌｐｅ ｎ ｕ ｔ ｌ ｔｕ（ ｉ Ｍｕ ｉ ＭＩ ； ｅｔ ａ Ｂｅｌ ａ ｓａ ｅｅ ｐｃ— ｉ ０ ｅＶＢ Ａｓ ） Ｓ ａｅＴｍｅＢｌｃ ｏ ｅＳ Ｂ ； ｉ ｌ
ｌ ｅ ｒｄ ｓ ｅ ｓｏ ｏ ｅ ｉ ａ ｉｐ ｒ ｉ ｎ ｃ ｄ ｎ
Ｄ ：１．９ ９ ． ｓ．０ ０３ ２ ． １．１ ３ ＯＩ ０３ ６／ｉ ｎ１０ —４ ８ ０ １１． ４ ｊｓ ２ ０
第３ ７卷 第 １ 期 １
Ｖ０ ３７ １
・
计算Βιβλιοθήκη 机工程 ２ １ 年 ６月 ０１
Ｊ ｅ ０１ｌ ｕｎ ２
Ｎ Ｏ． １ １
Ｃｏｍ ｐ ｔ ｒＥｎ ｉ ｅ ｒｎ ｕｅ ｇｎ ｅｉｇ
一种新的基于QR分解的轮廓域数字水印算法
Ｑ ＝ 【 ｑ ｌ ， ｑ ２ ， ｑ ３ Ｊ ＝ ｌ ｑ ２ ｌ ｑ ２ ２ ｑ ２ ３
２ ． ３ ｃ ｏ ｎ ｔ ｏ ｕ ｒ ｌ ｅ ｔ ￣换
所谓 的 轮廓 域 分解 和小 波分 解 的 原理 基 本上 没
它 所 用 到 的 思 想 是 在 图 像 分 解 后 统 的密 码 方 法 不 能 很 好 的解 决 这 些 问 题 ， 这 样 就 数 字 水 印 算 法 ， 这 一做 法 在透 明 使 得信 息安 全 ， 图像 的版权 保护 等 方面 面 临着 严 的高频部 分 来进 行 水 印 的嵌 入 ， 但 是 水 印 的鲁 棒性 较 低 。文 献 ［ １ ０ 】 提 峻 的挑 战 ， 为 了能在 领 域 中有 所 突 破 ， 数 字 水 印 性 上 较 好 ， Ｒ 分 解 的数 字 水 印算 法 ，其 只是 在 分 解 时代 的到来 恰 当好 处 ， 其提 供 了一种 高 效可 行 的 出基 于Ｑ
技术交流
Ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｑ ｖ Ｄｉ ｓ ｃ ｕ ｓ ｓ ｉ ｏ ｎ 数据通信 ２ ０ １ ７ ． ５
一
种新的基于ＱＲ 分解的轮廓域数字水印算法
吴继伟
陈
青
（ 上海理工大学光电信息与计算机工程学院 上海２ ０ ０ ０ ９ ３ ）
摘 要 ：在 鲁棒 性 和透 明性上 加 以改进 ， 本 文提 出 了一 种新 的 数 字 水 印算 法 即基 于ＱＲ分解 和轮 廓 域 变换 。 本 方 案 第一 步 先对 所 选取 的 载体 图像 进 行 轮廓 域 分 解 变换 ，选 取 第二层 分解所 得 到的 图像 为 目标 ，并 选取 目标 的低频 部 分按 照４ ＊ ４ 的 大 小进行 分 块 处 理， 对得 到 的子 块进 行 Ｑ Ｒ分 解 ， 最后 ， 将 置乱 的 水 印ＱＲ分 解 ， 得 到Ｒ矩 阵嵌 入 到 低 频 子 块 经Ｑ Ｒ分 解 的Ｒ矩 阵 中。 算法在 水 印嵌入 和提取 仿 真 实验 中结果 为Ｐ Ｓ Ｎ Ｒ＞ ４ ２ ｄ Ｂ； 水 印质 量评 估 结果表 明 ， 本方
空时自适应处理的滑窗递推QR算法
Ｑ ｆｃｏｉ ｔ ｎ ｈ ｔｏ ａ ｏ ｎｙ ｓ ｐ ｒｓ ｏ ａｉ ｄ ｓａｉｎ ｒ ｌｔｅ ｆ ｃｉｅ ， ｕ ｌ ｘ ｉｉ Ｒ ａｔｒ ａｉ ．Ｔ ｅｍｅｈ ｄ ｃ ｎ ｎ ｔｏ ｌ ｕ ｐｅｓｌｃｌ ｅ ｔｔ ａｙ ｃｕｔｒｅｆ ｔ ｌ ｂ ｔａｓ ｅ ｈｂｔ ｚ ｏ ｚ ｏ ｅ ｖｙ ｏ
算法 来 求解 自适 应 权值 ，减少 求解 自适应 权值 时的计 算
ｗｉ ｄ ｗ ｔ ｏ ｎ ｏ ｍｅ ｈ ｄ
１ 引言
空 时 自适 应 处 理 广 泛 应 用 于 机 载 雷 达 的 杂 波 抑 制 处 理 ， 但 要 达 到 好 的 杂 波 抑 制 性 能 ， 必 须 准 确 地 估 计 杂 波 和
等原 因 引起 的误 差 就会 越 大 ，从而 导 致性 能 下 降 ＿ 。此 ６ Ｊ
ａ ｅ ｇ ｖ ｎ ｔ ｅ ｏ ｓ ｒ ｔ ｈ ｆｅ ｔｖ ｎ ｓ ｆ ｈ ｔ ｏ ． ｒ ｉ ｅ ｏ ｄ ｍ ｎ ｔ ａ ｅ ｔ ｅｅ ｆ ｃ ｉ ｅ ｅ ｓｏ ｅ ｍｅ ｈ ｄ ｔ
Ｋ ｙ ｗ ｒｓ Ｓ ａｅＴｍ ｄｐｉ ｒｃｓ ｎ （ Ａ ） Ｌ ｃｌｅ ｔｔ ｎｒ ｌ ｔ ； Ｒ ｆ ｔｒ ａｉ ； ｌ ｉ ｅ ｏｄ： ｐｃ ｉ ｅＡ ａｔ ｅＰ ｏｅｓ ｇＳ Ｐ ； ｏａｚｄ ｓ ｉ ａｙｃ ｔ ｒ Ｑ ａ ｏｉ ｔ ｎ Ｓ ｄ ｇ ｖ ｉ Ｔ ｉ ａｏ ｕｅ ｃ ｚ ｏ ｉｎ
Ｓ ｃ — ｍ ｅ Ａｄ ｐ ｉｅ Ｐｒ ｃ ｓ ｉ ｇ Ａｌｏ ｉｈ ｐａ ｅ Ｔｉ ａ ｔｖ ｏ ｅ ｓｎ ｇ ｒｔ ｍ
珏 Ｊａ － ｉ ｉｎ ｘ ｎ Ｗ ａ ｇＴ ｎ ｎ ｏ ｇ Ｓ ｏＺ ｉ ｏ ｇ ｕ ｈ— ｎ ｙ Ｂａ ｈ ｎ ｏＺ ｅ ｇ
（ ａ ｏａ Ｋ ｙ ａ．ｆ ａａ ｉ ａ Ｐ ｏ ｓ ｎ， ｉ ａ ｎ ． ｉ ｎ １０１ Ｃ ｉａ Ｎ ｔ ｎ ｌ ｅ ｂ ｏＲ ｄｒ ｇ ｌ ｒｃ ｓ ｇ Ｘｄ ｎＵ ｉ， ’ ０７ ， ｈｎ） ｉ Ｌ Ｓ ｎ ｅｉ ｉ ｖＸａ７
一种基于QR分解的观测矩阵优化方法
计算机技术与应用一种基于QR 分解的观测矩阵优化方法!周琦宾"，吴静I ，2 ,余波"(1.西南科技大学 信息工程学院，四川 绵阳621000 ；2.西南科技大学 特殊环境机器人技术四川省重点实验室，四川 绵阳621000**基金项目：特殊环境机器人技术四川省重点实验室基金项目(13ZXTK07*摘 要：在压缩感知理论中，最为关键的问题是观测矩阵的构造。
影响图像重建质量的因素包括观测矩阵列向量间的独立性以及观测矩阵与稀疏基间的互相关性。
基于此提出了 一种优化算法。
该算法采用QR 分解以增大观测矩阵列独立性，同时对利用等角紧框架(Equiangular Tight Frame , ETF *收缩的Gram 矩阵进行优化，通过更新每次梯度下 降的方向，加快收敛速度，从而减小观测矩阵与稀疏基间的互相关性。
仿真实验结果显示，在信号稀疏度或观测次数相同情况下，该优化观测矩阵的方法在提高图像重建质量与稳定性方面都有一定优势。
关键词：压缩感知；观测矩阵；QR 分解；Gram 矩阵；互相关性中图分类号：TN912.3 ；TP301.6 文献标识码：A DOI : 10.16157/j.issn.0258-7998.200413中文引用格式：周琦宾,吴静,余波• 一种基于QR 分解的观测矩阵优化方法[J].电子技术应用,2021,47(4): 107-111. 英文弓I 用格式：Zhou Qibin , Wu Jing , Yu Bo. An optimization method of observation matrix based on QR decomposition [J]. App lication of Electronic Technique , 2021,47(4) : 107-111.An optimization method of observation matrix based on QR decompositionZhou Qibin 1, Wu Jing 1,2, Yu Bo 1(1. School of Information Engineering , Southwest University of Science and Technology , Mianyang 621000 , China ；2.Sichuan Key Laboratory of Special Environmental Robotics , Southwest University of Science and Technology , Mianyang 621000, China)Abstract : In compressed sensing theory , the most critical issue is the construction of the observation matrix . The factors that affectthe image reconstruction quality include the independence between the observation matrix column vectors and the cross 一 correlation between the observation matrix and the sparse basis . Based on this, an optimization algorithm is proposed . The algorithm uses QR decomposition to increase the independence of the observation matrix columns , and at the same time optimizes the Gram matrix contracted using an equiangular tight frame(ETF). By updating the direction of each gradient descent, the convergence rate is accel erated to reduce The cross 一 correlation between the small observation matrix and the sparse basis . Simulation experiment results show that the method of optimizing the observation matrix in this paper has certain advantages in improving the quality and stability of image reconstruction under the same signal sparsity or observation times .Key words : compressed sensing ； observation matrix ； QR decomposition ； Gram matrix ； cross - correlation0引言压缩感知理论(Compressed Sensing , CS *是一种有别于传统Shannon-Nyquist 采样定理的信号欠采样理论。
qrdqn算法 -回复
qrdqn算法-回复QRDQN算法，是一种深度强化学习算法，主要用于解决强化学习问题中的连续决策问题。
在这篇文章中，我们将一步一步地介绍QRDQN算法的原理、实现以及应用。
一、QRDQN算法的原理QRDQN算法是基于DQN算法的改进版。
DQN算法是深度强化学习领域的经典算法，它使用神经网络来近似动作值函数，并使用经验回放和固定目标网络的方法进行训练。
然而，DQN算法在解决连续决策问题时存在一些挑战，因为它只能输出一个确定性的动作值。
QRDQN算法通过引入分位数回归来解决这个问题。
分位数回归是一种适用于连续决策问题的回归方法，它可以输出一个动作值的分布。
在QRDQN算法中，将动作值分布表示为一组分位数，例如10组分位数。
这样，算法可以同时从多个分位数中选择动作，以便更好地应对连续决策问题。
二、QRDQN算法的实现实现QRDQN算法涉及以下几个步骤：1. 经验回放：通过与环境交互收集经验，并将这些经验存储在经验回放缓冲区中。
2. 数据预处理：从经验回放缓冲区中采样一批经验数据，并对这些数据进行预处理，例如将状态和动作转换为张量形式，以便神经网络进行处理。
3. 神经网络：构建一个神经网络模型，用于近似动作值函数。
在QRDQN 算法中，神经网络的输出是一个分为数组，表示动作值的分布。
4. 分位数损失函数：定义一个分位数损失函数，用于训练神经网络。
该损失函数将网络的输出与目标分位数进行比较，并计算出损失值。
5. 参数更新：通过梯度下降的方法，更新神经网络的参数，以最小化分位数损失函数。
6. 固定目标网络：使用固定目标网络的方法，定期更新目标分位数，以增强算法的稳定性。
三、QRDQN算法的应用QRDQN算法可以应用于许多连续决策问题，例如股票交易、智能交通系统等。
以股票交易为例，我们可以使用QRDQN算法来优化股票交易策略。
首先，我们需要定义状态和动作空间。
状态可以包括当前的股票价格、市场指数、交易量等信息。
(完整版)QR分解及其应用
《矩阵分析与应用》专题报告――QR分解及应用学生姓名：卢楠、胡河群、朱浩2015年11月25日目录1 引言 (3)2 QR 分解 (4)2.1QR分解的性质 (4)2.2 QR分解算法 (5)2.2.1 采用修正Gram-Schmidt法的QR分解 (5)2.2.2 Householder QR 分解 (6)2.2.3 采用Give ns旋转的QR分解 (8)3 QR分解在参数估计中的应用 (9)3．1 基于QR 分解的参数估计问题 (9)3. 2 基于Householder 变换的快速时变参数估计 (12)3. 3基于Give ns旋转的时变参数估计 (14)4 QR分解在通信系统中的应用 (16)4.1基于QR分解的稳健干扰对齐算法 (16)4.2基于QR分解的MIMO置信传播检测器 (19)总结 (21)参考文献 (22)1 引言矩阵分解是指将一个矩阵表示为结构简单或具有特殊性质的若干矩阵之积或之和，大体上可以分为满秩分解、QR 分解和奇异值分解。
矩阵分解在矩阵分析中占有很重要的地位，常用来解决各种复杂的问题。
而QR分解是工程中应用最为广泛的一类矩阵分解。
QF分解是目前求一般矩阵全部特征值的最有效并广泛应用的方法，一般矩阵先经过正交相似变换成为Hessenberg 矩阵，然后再应用QF分解求特征值和特征向量。
它是将矩阵分解成一个正交矩阵Q与上三角矩阵R, 所以称为QR分解。
参数估计是在已知系统模型结构时，用系统的输入与输出数据计算系统模型参数的过程。
它在系统辨识和无线通信领域有着广泛的应用。
18 世纪末德国数学家C.F. 高斯首先提出参数估计的方法，他用最小二乘法计算天体运行的轨道。
20 世纪60 年代，随着电子计算机的普及，参数估计有了迅猛的发展。
参数估计有很多方法，如矩估计、极大似然法、一致最小方差无偏估计、最小风险估计、同变估计、最小二乘法、贝叶斯估计、极小极大熵法等。
其中最基本的是最小二乘法和极大似然法。
改进的基于QR分解的分层空时检测算法
改进的基于QR分解的分层空时检测算法
陈亮;李建东;陈东
【期刊名称】《电子与信息学报》
【年(卷),期】2010(032)006
【摘要】该文提出一种应用于多输入多输出通信系统的基于QR分解的检测算法.该算法避免了传统分层空时检测算法中对信道矩阵求逆的过程,减小了运算复杂度.同时克服了排序QR分解检测复杂度高的问题.通过串行干扰抵消逐层去除最小错误概率的信号,减小了抵消过程中误差传播的概率,提高了系统的误码性能.仿真表明性能优于传统的分层空时检测算法以及排序、次优排序QR分解检测算法.对于未编码4发4收多天线系统,采用QPSK调制,在达到10-3误码率时,该文所提算法比分层空时检测算法有2.5 dB的增益,比次优排序QR分解检测算法有5 dB的增益.【总页数】5页(P1505-1509)
【作者】陈亮;李建东;陈东
【作者单位】西安电子科技大学综合业务网理论与关键技术国家重点实验室,西安710071;西安电子科技大学综合业务网理论与关键技术国家重点实验室,西安710071;西安电子科技大学综合业务网理论与关键技术国家重点实验室,西安710071
【正文语种】中文
【中图分类】TN92
【相关文献】
1.基于MIMO的垂直分层空时码检测算法 [J], 李小玮;韦岗
2.基于MIMO的垂直分层空时码检测算法研究 [J], 关雪梅;陈纯锴
3.一种改进的分层空时码检测算法 [J], 李颖;李佳;王新梅
4.基于QR分解的MIMO-OFDM检测算法的改进 [J], 陈磊;张敏;赵瑞弟;王可霞
5.一种改进的垂直分层空时码检测算法 [J], 张建忠;李宏伟;邓冬虎
因版权原因，仅展示原文概要，查看原文内容请购买。
一种用于MIMO检测中的QR快速分解算法
ｍ ｄ ｌｓ ｆ ｔｅｐｏ ｏｅ ｓ Ｑ ｅｏ ｐ ｓｉ ｇｒｈ ａ ｒｖ ｅｅｔ ｎｐｒ ｒ ａ ｃ ｅａｓ ｆｔ ｏｔ ｌ ｅｅｔ ｎｏｄｒ ｏｕｕ ｈ ｒｐｓｄｆ ｔ Ｒ ｄｃｍ ｏｉｏ ａ ｏ ｔｍ ｃｎｉ ｏｅｄｔｃｏ ｅｆ ｍ ｎ ｅｂｃｕｅｏ ｉ ｐｉ ｔｃｏ ｒｅ． ｏ Ｒ， ａ ｔｎｌ ｉ ｍｐ ｉ ｏ ｓ ｍａ ｄ ｉ
ｄ ｔ ｃｉｎ ｆｏ ｔ ｅｕ ｐ ｒｔ ａ ｇ ｌｒｍａｒｘ ｅｅ ｔ ｒ ｍ ｐ ｅ ｒ ｎ ｕ ａ ｔ ：Ｒ，ａ ｄ ａｒ ｎ ｅ ｅ ｃ ｌｍｎ ｆ ａ ｃ ｒ ｉ ｇ ｔ ｅ ｏ ｔ ｌ ｅｅ ｔ ｎ ｏ ｄ ｒ ｈ ｎ， ｈ ｅ ｅｖ ｏ ｈ ｉ ｉ ｎ ｒａ ｇ ｓｔ ｏ ｕ ｓｏ ｃ ｏ ｄ ｎ ｔ ｐ ｉ ｔｃｉ ｒ ｅ ；ｔ ｅ ｔ ｅ ｒ ｃ ｉ— ｈ Ｒ ｏｈ ｍａ ｄ ｏ
和 ６ ６时 ，在误码率 １ 处 可节约信噪 比分别 为 ：１Ｂ和 ２ Ｂ；与现有 的基 于信 干噪比排 序的 Ｑ ｘ ０ ｄ ｄ Ｒ分解 算法相 比 ，本算法与
其 性 能 一 致 的基 础 上 可 节 约 ２ ％ 的 复 乘 法 次 数 和 ３ ％ 的 复 加 法 次 数 。 ５ ３
关键词 ：非线性检测 ； Ｒ；最优检测顺序 Ｑ
Ｋ ｙｗｏｄ ： ｎｎｌ ｅ ｅ ｃ ｏ ； Ｒ；ｏｔ ａ ｄｔ ｔ ｎｏｄｒ ｅ ｒｓ ｏ—ｎ ａ ｄｔ ｔ ｎ Ｑ ｉｒ ｅｉ ｐｉ ｌ ｅ ｃｉ ｒｅ ｍ ｅ ｏ
１ 引 言
ＭＭ Ｉ Ｏ技 术 ， 由于其可 以成倍 地提高 系统 容量 ， 因 而成为未来通信系统 中的关键技术 之一 。对 于基 于复 用传输 的 Ｍ Ｍ Ｉ Ｏ方案 ， 主要研 究点 之一 就是 如何 在 其
收稿 Ｈ期 ：２ １ ０ １年 ５月 ２ ５１ ３；修 回 日期 ：２ １ ７月 ２ ０ １年 ２日 基金项 目：国家重大科技 专项 资助项 目（０ ９ Ｘ ３ ０ ．０ ．２ ：面向重点 行业应用 的宽带无 线多媒 体接人 系统 开发与示 范 ２ ０ Ｚ ００ ５ ０ ３ ０ ）
基于QR分解的低复杂度RLS算法研究
基于QR分解的低复杂度RLS算法研究杨铁军;李军华【摘要】为避免RLS算法在迭代过程中的数值发散现象，研究了复数域下基于QR分解的RLS估计算法，推导了基于Givens旋转的免开方、免除法的逆QR-RLS算法，通过变换可直接得到滤波系数更新所需增益向量，避免了QR-RLS算法的回代运算，同时消除了逆QR-RLS算法在每次迭代时的N次开方、2N次除法运算，有效降低了运算量。
%To avoid the divergence problem encountering in RLS algorithm, the adaptive RLS filtering algorithm based on the QR decomposition over complex plane is analyzed. Then the Givens-based inverse QR-RLS algorithm, which wis a square-root-free and division-free scheme, is deduced in detail, which can overcome the divergence problem of RLS algorithm. Meanwhile, the square-root-free and division-free scheme can obtain the gain vector directly for coefficients-updated and save N square root and 2N division operations compared with inverse QR-RLS algorithm.【期刊名称】《机电设备》【年(卷),期】2013(000)004【总页数】4页(P71-74)【关键词】信道估计;RLS算法;QR分解;Givens旋转【作者】杨铁军;李军华【作者单位】中国人民解放军92957部队，舟山 316001;海军工程大学，武汉430033【正文语种】中文【中图分类】TN911.5在短波数据通信系统中，为能够正确接收数据，需要对信道的统计特性进行估计。
基于QR分解V-BLAST检测算法研究和比较
基于QR分解V-BLAST检测算法研究和比较
孙艳华;吴伟陵
【期刊名称】《无线电工程》
【年(卷),期】2006(36)12
【摘要】分层空时码是一类具有可执行解码复杂度的空时编码技术,最大似然检测在误比特率最小的意义下是最优的接收,但是其复杂度不可实现.在D.Wubben提出的基于Gram-Schmidt正交化排序QR分解检测算法的基础上,提出了另外2种可以排序的QR分解检测算法,取得了和基于Gram-Schmidt正交化QR分解算法相同的性能.与V-BLAST算法相比,避免了多次矩阵求逆的计算,以很小的性能损失为代价,降低了复杂度.
【总页数】4页(P26-29)
【作者】孙艳华;吴伟陵
【作者单位】北京邮电大学,北京,100876;北京邮电大学,北京,100876
【正文语种】中文
【中图分类】TN929.5
【相关文献】
1.基于QR分解的V-BLAST迭代检测算法 [J], 李卫;张小频;张民;叶培大
2.基于QR分解的V-BLAST检测算法研究 [J], 张建忠;李宏伟;邓冬虎;邵龙
3.基于自适应调制的改进型V-BLAST检测算法研究 [J], 冯兴乐;朱世华;武林俊
4.基于MMSE-SQRD的V-BLAST系统检测算法研究与仿真 [J], 邱冬冬;刘斯亮;
王世强
5.MIMO—OFDM系统中基于QR分解的检测算法研究 [J], 覃博;林云
因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
ｏ １ ． ｆ ０
Ｋｅ ｒ ｓ Ｗ ｉ ｌ ｓｃｍｍｕ ｉａｉｎ Ｍ Ｉ Ｏ； ｐ ｃ ｉ ｙ ｒ ＱＲ ｄ ｃ ｍｐ ｓ ｉｎ Ｓ ｒ ｌｎｅｆｒｎ ｅｃ ｎ ｅ ｎ ｙｗｏｄ ： ｒ ｅ ｏ ｅｓ ｎｃｔ ； Ｍ ｏ Ｓ ａｅｔ １ ｅ； ｅｏ ｏｉ ｏ ； ｅｉ ｔｒｅｅ ｃ ａ ｃｌ ｇ ｍｅ ａ ｔ ａｉ ｉ
１ 引 言
已有 的研 究结 果表 明 ，在 有 丰 富散 射 体 的环 境
下 多输入 多 输 出天 线系 统 的容量 随 着发 射 天 线和 接
ｓｇ ａ ｓｒｍｏ ｅ ａ ｅ ｙ ｌ ｅ． ｔｈ ｓｌｓ ｃｍｐ ｔｔ ｎ ｌ ｏ ｌｘｔ ｈ ｎ ｏ ｄ ｒｄ ＱＲ ｂ ｓｄ ｄ ｔｃｉｎ ａ ｄ ｉｎ ｌ ｅ ｖｄ ｌｙ ｒｂ ａ ｒ Ｉ ａ ｅｓ ｏ ｕ ａｉ ａ ｍｐｅ ｉ ｔ ａ ｒ ｅｅ ｉ ｙ ｏ ｃ ｙ ａｅ ｅｅｔ ｎ ｏ
ｐ ｏ ａ ｉ ｔ ｆｅ ｒ ｒ ｐ ｏ ａ ａ ｉ ｎ ｉ ｒ ｄ ｃ ｄ ｔ ｒ ｕ ｈ ｓ ｒａ ｎ ｅ ｆｒ ｎ ｅ ｃ ｎ ｅ ｉ ｇ ｈ ｉ ｉ ｍ ｒ ｏ ｒ ｂ ｂ ｌ ｙ ｒ ｂ ｂ ｌ ｙ ｏ ｒ ｏ ｒ ｐ ｇ ｔｏ ｓ ｅ ｕ ｅ ｈ ｏ ｇ ｅ ｉ ｌｉ ｔ ｒｅ ｅ ｃ ａ ｃ ｌ ；ｔ ｅ ｍ ｎ ｍｕ ｅ ｒ ｒ ｐ ｏ ａ ｉ ｔ ｉ ｎ ｉ
第 ３ 第 ６期 ２卷
２１ ０ ０年 ６月
电
子
与
信
息
学
报
Ｖｂ１３ ＿２ＮＯ． ６
Ｊ ｕ ｎ ｌｏ ｅ ｔ ｏ ｉ ｓ＆ Ｉ ｆ ｒ ａ ｉ ｎ Ｔ ｃ ｎ ｌ ｇ ｏ ｒ ａ ｆＥｌｃ ｒ ｎ ｃ ｎ ｏ ｍ ｔｏ ｅ ｈ ｏ ｏ ｙ
Ｊ ｎ ２ １ ｕ ．００
改进 的基 于 ＱＲ分解 的分层 空时检 测算法
（ ＭＯ ｃｍｍ ｎｃｔ ｎｓｓ ｍ ． ｈ ｅｈ ｄｄｅ ｏ ｒ ｕｒ ｔｅｐｅｄ ｖｒ ｆ ｈ ｈｎ ｅ ｍ ｔｘ Ｔ ｅ ＭＩ ） ｏ ｕ ｉ ｉ ｙｔ ｓ Ｔ ｅｍ ｔｏ ｏｓ ｔ ｅ ｉ ｈ ｓ ｏｉ ｅ ｅｏ ｔｅｃａ ｎｌ ａｒ ． ｈ ａｏ ｅ ｎ ｑ ｅ ｕ ｎ ｓ ｉ
中图分类 号：Ｔ ９ Ｎ２ Ｄ Ｉ１． ２／ＰＪ１４ ． ０． １６ Ｏ ：０ ７４Ｓ ． １６ ０８ １８ ３ ． ２ ０
文献标识码 ： Ａ
文章编号：１０— ９（０００—５５ ５ ０９５ ６２１）６１０— ８ ０
ＡｎＩ ｒ ｖ ｄ ＱＲ ｓｄ Ｄｅｅｔ ｎＡｌｏ ｉ ｍ ｍｐ ｏ ｅ Ｂａｅ ｔｃｉ ｇ ｒｔ ｏ ｈ
陈 亮
摘
李建 东
陈 东
７０ ７） １ ０ １
（ 西安 电子科技 பைடு நூலகம்学综合 业务 网理论 与关键技术 国家重点 实验 室 西安
要 ： 该 文 提 出一 种 应 用 于 多输 入 多 输 出 通 信 系 统 的基 于 ＱＲ 分解 的 检 测 算 法 。该 算 法 避 免 了传 统 分 层 空 时 检
ｆ ｒ Ｌａ ｅ ｅ ｐ ｃ ． ｍ ｅ Ｃｏ ｓ ０ ｙ ｒ ｄ Ｓ ａ ｅ Ｔｉ ｄｅ
Ｃｈ ｎ Ｌ ａ ｇ ｅ ｉｎ Ｌｉ ｉ ｎ ｄ ｎ ａ —ｏ ｇ Ｊ Ｃｈ ｎ Ｄ ｏ ｇ ｅ ｎ
（ｔｔ ｙＬ ｂｒｔｒ ， ｎｅｒｔｄＳ ｒ ｉ ｔ ｒｓ Ｘｉｉｎ Ｕ ｉｅｓ ｙ Ｘｉ ｎ７ ０ ７ ， ｈｎ ） Ｓ ａｅＫｅ ａ ｏａｏｙ０ Ｉ ｔ ａｅ ｅｖｃ Ｎｅｗｏｋ， ｄａ ｎｖｒｉ ， ’ １０ １ Ｃ ｉａ ｇ ｅ ｔ ａ
ｏ ｄ ｒ ｄ ＢＬ ｒ ｅ ｅ ＡＳ ｄ ｔ ｃ ｉ ｎ ． ｉ ｌ ｔｏ ｈ ｗｓ ｔ ａ ｔ ｏ ｔ ｒｏ ｍ ｓ ｔ ｅ ｃ ａ ｓｃ ＢＬＡＳ ａ ｄ ｏ ｄ ｒ ｄ， ｓ ｂｏ ｔｍ ａ Ｔ ｅ ｅ ｔ ｏ Ｓ ｍｕ ａ ｉ ｎ ｓ ｏ ｈ ｔ ｉ ｕ ｐｅ ｆ ｒ ｈ ｌ ｓ ｉ Ｔ ｎ ｒ ｅ ｅ ｕ ｐｉ ｌ
ｏ ｄ ｒｄ ＱＲ ａｅ ｅｅ ｔ ｎ ａｇ ｒ ｈ ｒ ｅｅ ｂ ｓｄ ｄ ｔｃｉ ｌｏｉ ｍ．Ｉ ｈ ｎ ｏ ｅ ４×４ＭＩ Ｏ ｓ ｓｅ ｗ ｔ ｏ ｔ ｎ ｔｅｕ ｃｄｄ Ｍ ｙｔｍ ｉ ＱＰＳ ｄ ｌｔ ｎ ｈ ｒ ｈ Ｋ ｍｏ ｕａｉ ．ｔｅｅ ｏ ｐ ｏ ｏｅ ｌｏｉ ｍ ｕ ｐ ｒ ｒ Ｆ ＶＢＬ Ｔ ｂ ． ｄ ｎ ｕｐ ｒｏｍｓｔｅｓｒｅ ｌｏｉ ｍ Ｂ ａ Ｅ ｒ ｐ ｓｄａ ｒ ｈ ｏ ｔ ｅｆ ｍｓ — ｇ ｔ ｏ Ｚ ＡＳ ｙ２５ Ｂ ａ ｄｏ ｔ ｅｆｒ ｔｄＱＲ ａｇ ｒ ｈ ５ｄ ｔ Ｂ Ｒ ｈ ｏ ｔ ａ
测算 法中对信 道矩阵求逆 的过程 ，减 小了运算复杂度 。同时克服 了排序 ＱＲ 分解检测复杂度 高的问题 。通过 串行 干扰抵 消逐层 去除最小错误概率 的信 号，减小 了抵 消过 程中误差传播 的概 率，提高 了系 统的误码性能 。 仿真表 明性 能优 于传 统的分层空时检测算法 以及 排序 、次优排序 ＱＲ 分解检测算法 。对于未编码 ４发 ４收 多天 线系 统，采用 ＱＰＳ 调制 ，在达到 １ 误码 率时，该文所提算法 比分 层空时检测算法有 ２５ ｄ Ｋ ０ ． Ｂ的增益 ，比次优排序 Ｑ Ｒ分 解检 测算法有 ５ｄ 的增益 。 Ｂ 关键词 ：无线通信 ；多输入多输 出；空 时分层 ；ＱＲ分解； 串行干扰抵 消