博博博士士士学学学位位位论论论文文文 Massive MIMO 系统上行链路低复杂度检测 算法研究 RESEARCH ON LOW COMPLEXITY DETECTION ALGORITHM FOR UPLINK MASSIVE MIMO SYSTEM 李李李琳琳琳 哈哈哈尔尔尔滨滨滨工工工业业业大大大学学学 2017 年年年 12 月月月 国内图书分类号:TN974 学校代码:10213 国际图书分类号: 密级:公开 工工工学学学博博博士士士学学学位位位论论论文文文 Massive MIMO 系统上行链路低复杂度检测 算法研究 博 士 研 究 生:李琳 导 师:孟维晓教授 申 请 学 位:工学博士 学 科:信息与通信工程 所 在 单 位:电子与信息工程学院 答 辩 日 期:2017 年 12 月 授予学位单位:哈尔滨工业大学 Classified Index: TN974 : Dissertation for the Doctoral Degree in Engineering RESEARCH ON LOW COMPLEXITY DETECTION ALGORITHM FOR UPLINK MASSIVE MIMO SYSTEM Candidate: Li Lin Supervisor: Prof. Meng Weixiao Academic Degree Applied for: Doctor of Engineering Specialty: Information and Communication Engi- neering Affiliation: School of Electronics and Information En- gineering Date of Defence: December, 2017 Degree-Conferring-Institution: Harbin Institute of Technology 摘 要 摘 要 作为 5G 的研究热点之一,近年来大规模多输入多输出(Massive Multiple Input Multiple Output,Massive MIMO)技术得到越来越多的关注。Massive MIMO 系统大规模阵列天线的布设,使得传统的信号估计与检测算法在较低的多项 式复杂度时间内获得最优的误比特率检测效果成为一个非确定性多项式困难 问题,因此,不能直接应用于实际中。这一课题的攻克存在较大难度,但对 Massive MIMO 系统完成通信功能的实践运作,却是亟待解决的重要问题。本 文针对适用于 Massive MIMO 系统上行链路的低复杂度检测算法展开研究。 群智能技术中的元启发算法在 Massive MIMO 系统检测中有巨大的应用潜 力。针对如何将不断优化的群智能技术应用在 Massive MIMO 系统检测中,本 文提出适用于上行 Massive MIMO 系统非编码信号的人工蜂群检测算法。所提 算法在有限的多项式复杂度时间内获得近似最大似然(Maximum Likelihood, ML)检测算法的最优误比特率(Bit