针对传统的马尔科夫链蒙特卡洛(MCMC)算法,提出了一种基于Max-Log更新的MCMC-MIMO检测算法。该算法采用了基于Max-Log更新的采样,可以有效产生收敛于后验概率(APP)分布的比特样本列表集合,同时可避免计算传统MCMC算法中的每比特概率分...针对传统的马尔科夫链蒙特卡洛(MCMC)算法,提出了一种基于Max-Log更新的MCMC-MIMO检测算法。该算法采用了基于Max-Log更新的采样,可以有效产生收敛于后验概率(APP)分布的比特样本列表集合,同时可避免计算传统MCMC算法中的每比特概率分布。但是该检测算法在高信噪比下,采样过程会陷入锁死到局部最优态。在此基础上,提出了3个增强技术:1)抖动处理,对给定置信区间内的更新进行抖动处理;2)条件下重新初始化,对处在潜在锁死态的采样序列进行重新初始化;3)修剪饱和处理,利用球形译码算法中的修剪饱和技术来处理MIMO检测输出的对数似然信息(LLR)。仿真结果显示,基于Max-Log更新的MCMC增强算法能有效地解决陷入锁死的问题,从而提高系统性能并降低系统的计算复杂度。在复杂度为MMSE-PIC检测算法的90%的基础上,性能提高了2 d B。展开更多
文摘针对传统的马尔科夫链蒙特卡洛(MCMC)算法,提出了一种基于Max-Log更新的MCMC-MIMO检测算法。该算法采用了基于Max-Log更新的采样,可以有效产生收敛于后验概率(APP)分布的比特样本列表集合,同时可避免计算传统MCMC算法中的每比特概率分布。但是该检测算法在高信噪比下,采样过程会陷入锁死到局部最优态。在此基础上,提出了3个增强技术:1)抖动处理,对给定置信区间内的更新进行抖动处理;2)条件下重新初始化,对处在潜在锁死态的采样序列进行重新初始化;3)修剪饱和处理,利用球形译码算法中的修剪饱和技术来处理MIMO检测输出的对数似然信息(LLR)。仿真结果显示,基于Max-Log更新的MCMC增强算法能有效地解决陷入锁死的问题,从而提高系统性能并降低系统的计算复杂度。在复杂度为MMSE-PIC检测算法的90%的基础上,性能提高了2 d B。
