基于随机计算的大规模MIMO检测算法研究与硬件实现

熊海翡; 贺光辉

Chinese

您当前的位置：

首页 >

文章列表页 >

基于随机计算的大规模MIMO检测算法研究与硬件实现

更新时间：2026-09-04

- 基于随机计算的大规模MIMO检测算法研究与硬件实现
- Designand implementation of stochastic computing based massive MIMO detector
- 微电子学与计算机 2020年37卷第7期页码：36-41
- 作者机构：
  
  上海交通大学电子信息与电气工程学院,上海,200240
- 作者简介：
- 基金信息：
  
  国家自然科学基金 61674103国家自然科学基金 61772331
- DOI：
  中图分类号：
- 纸质出版：2020
- 稿件说明：
移动端阅览
熊海翡, 贺光辉. 基于随机计算的大规模MIMO检测算法研究与硬件实现[J]. 微电子学与计算机, 2020, 37(7): 36-41.

XIONG Hai-fei, HE Guang-hui. Designand implementation of stochastic computing based massive MIMO detector[J]. 2020, 37(7): 36-41.
熊海翡, 贺光辉. 基于随机计算的大规模MIMO检测算法研究与硬件实现[J]. 微电子学与计算机, 2020, 37(7): 36-41. DOI：

XIONG Hai-fei, HE Guang-hui. Designand implementation of stochastic computing based massive MIMO detector[J]. 2020, 37(7): 36-41. DOI：

摘要

为了减少大规模MIMO检测算法的复杂度以适应第五代移动通信系统的要求，本文提出了一种基于随机计算的低复杂度线性检测算法.随机计算把传统二进制数转化为一串01序列，使得复杂的计算电路能通过简单的门逻辑实现，从而大幅度的降低硬件资源消耗.通过采用基于二段分解的随机计算矩阵乘法器，检测算法的计算消耗大大降低.此外，我们通过Vivado HLS实现了基于随机计算的预处理共轭梯度算法.仿真结果表明，该算法在128×8规模的大规模MIMO系统，误比特率为10时，和最优检测性能误差小于0.2 dB；而FPGA结果表示，基于随机计算的检测算法不需要采用任何DSP，同时能节省20.7%的寄存器消耗.

Abstract

To decrease the hardware consumption of massive MIMO systems and satisfy the requirement of the fifth-generation wireless communication system

in this paper a low-complexity linear detection algorithm based on the stochastic computing (SC) is proposed. SC transforms the traditional binary number to a sequence consisting of 0 and 1 so that the complicated computation circuit can be realized by simple gate logic

thus saves hardware cost. By adopting the proposed SC-based matrix multiplier

the hardware cost is reduced significantly. Moreover

we realized the SC-based pre-condition conjugate gradient detection algorithm through Vivado HLS. The software simulation result illustrates that the proposed SC algorithm has only 0.2 dB performance degradation compared with optimal detection at BER=10 for 128×8 MIMO systems. While the FPGA results show our algorithm requires no DSP and reduced the cost of flipflops by 20.7%.

关键词

Keywords

references

WU Z, ZHANG C, XUE Y, et al. Efficient architecture for soft-output massive MIMO detection with gauss-seidel method[C]//Proc. IEEE Int. Conf. Circuits Syst. (ISCAS). Canada, Montreal, 2016: 1886-1889.

YIN B, WU M, CAVALLARO J R, et al. VLSI design of largescale soft-output MIMO detection using conjugate gradients[C]//Proc. IEEE Int. Symp. Circuits Syst. (ISCAS). Portugal, Lishbon, 2015: 1498-1501.

BROWN B D, CARD H C. Stochastic neural computation. I. Computational elements[J]. IEEE Transactions on Computers, 2001, 50(9): 891-905.

ANDREWS J G, BUZZI S, CHOI W, et al. What will 5G be?[J]. IEEE Journal on selected areas in communications, 2014, 32(6): 1065-1082. DOI: 1065

秦小波, 大规模MIMO中预处理算法的研究[D].上海: 上海交通大学, 2016.

WU M, YIN B, WANG G, et al. Large scale MIMO detection for 3GPP LTE: Algorithms and FPGA implementations[J]. IEEE J. Sel. Topics Signal Process.2014, 8(5):916-929. DOI: 916

崔超, 贺光辉.一种8×8 MIMO系统的近最优检测算法[J].信息技术, 2019, (3):5-9 DOI: 5

张浩盛, 贺光辉, 李龙, 等.基于HLS实现的小步长电磁暂态仿真系统[J].信息技术, 2017(10):38-42. DOI: 38

CHEN J, HU J, ZHOU J. Hardware and Energy-Efficient Stochastic LU Decomposition Scheme for MIMO Receivers[J]. IEEE Transactions on Very Large Scale Integration (VLSI) Systems, 2016, 24(4): 391-1401. DOI: 391

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

大型视觉多媒体网络的坏数据高效检测方法

基于多尺度融合与小目标增强的航拍车辆检测算法

基于反向体偏置的高增益稳定性高温运放设计

面向处理器分支预测单元的Spectre攻击轻量化防御方法

基于改进RT-DETR的航拍小目标检测算法