0 引言

    在大規(guī)模MIMO系統(tǒng)中，一個(gè)重大的突破是提出了GSM(Generalized Spatial Modulation)和廣義空移鍵控(Generalized Space Shift Keying,，GSSK)技術(shù),。GSM調(diào)制比GSSK調(diào)制具有更高的頻譜效率，但是GSM有更高的檢測復(fù)雜度,。在發(fā)射端,，GSSK和GSM只激活小部分的天線，發(fā)射端的功耗以及射頻鏈的數(shù)量大大減少^[1-3],。本文主要研究GSSK的檢測算法,。

    GSSK中的最大似然(Maximum Likelihood，ML)算法需要遍歷完所有可能的天線組合,，這使得ML的檢測計(jì)算復(fù)雜度相當(dāng)高,，尤其對于大規(guī)模天線陣列更為明顯。因此,，一些次優(yōu)的檢測算法被提了出來,，例如壓縮感知(Compressive Sensing，CS)算法^[4-6],。在文獻(xiàn)[4]中,，OMP (Orthogonal Matching Pursuit)算法被用于GSSK檢測,，其仿真結(jié)果顯示OMP算法相對于許多傳統(tǒng)的MIMO檢測算法(如MMSE、ZF算法)有更好的性能以及較低的復(fù)雜度,。但是,，隨著信噪比的增加，它的BER(Bit Error Rate)出現(xiàn)了地板趨勢,。在文獻(xiàn)[5]中,，對H矩陣進(jìn)行SVD(Singular Value Decomposition)預(yù)處理，其GSSK檢測性能相應(yīng)提高,，但檢測復(fù)雜度也相應(yīng)增加,。在文獻(xiàn)[6]中，在OMP算法基礎(chǔ)上,，通過增加迭代次數(shù),，使得GSSK的檢測性能大大提高，但隨著信噪比的增加,，BER也逐漸呈現(xiàn)地板趨勢,。

    本文改進(jìn)了一個(gè)基于CS的GSSK檢測算法，命名為“ML-OMP-K”,。在CS傳統(tǒng)的OMP算法里,，每次迭代僅僅搜索對應(yīng)于稀疏集合的一個(gè)位置，并且當(dāng)殘余量的范數(shù)低于某個(gè)閾值或找到的稀疏位置的個(gè)數(shù)等于實(shí)際的稀疏度時(shí),，搜索過程停止,。但當(dāng)接收信號(hào)遭受到深衰落時(shí)，在搜索過程中,，有時(shí)不能找到正確的稀疏位置,。相比OMP算法直接找出AAI(Active Antenna Indices)，在改進(jìn)的ML-OMP-K算法中,，先找出一個(gè)小的AAI集合,，稱其為AAI備選集，再利用ML在該備選集中遍歷搜索,，找出AAI,。實(shí)際應(yīng)用中，最終備選集一般較小,，在這個(gè)集合內(nèi)進(jìn)行ML檢測所需的復(fù)雜度較低,，同時(shí)可以獲得很好的性能。數(shù)據(jù)結(jié)果顯示,，新算法相比文獻(xiàn)[4-6]中的檢測算法,，有更好的檢測性能，且復(fù)雜度較低,。

1 GSSK系統(tǒng)模型

    假設(shè)大規(guī)模MIMO系統(tǒng)的發(fā)送天線數(shù)為N_t,，接收天線數(shù)為N_r，每一時(shí)刻激活天線數(shù)為n_t,，則GSSK系統(tǒng)模型如圖1所示,。

    因?yàn)镚SSK系統(tǒng)是一個(gè)大規(guī)模MIMO系統(tǒng)，假設(shè)信道為平坦瑞利衰落信道,，且信道增益在一個(gè)符號(hào)周期內(nèi)保持不變,，則系統(tǒng)模型表達(dá)式如下：

2 GSSK檢測算法

    根據(jù)GSSK系統(tǒng)的調(diào)制規(guī)則，由于x是n_t稀疏的,，故發(fā)送信號(hào)矢量x中的大部分位置的元素為0,。所以，在接收端的檢測可以考慮為是一個(gè)稀疏重構(gòu)問題,，即可以利用稀疏重構(gòu)理論來檢測出信號(hào)x,。

    對于稀疏信號(hào)，CS算法有很好的信號(hào)恢復(fù)性能,，甚至對于欠定系統(tǒng)也有很好的檢測性能,。然而，CS算法是基于實(shí)數(shù)域的,，而本系統(tǒng)模型是基于復(fù)數(shù)域的,，因此，在利用稀疏重構(gòu)之前,，需要將式(1)進(jìn)行變換如下：

    因?yàn)閘₁范數(shù)問題可以轉(zhuǎn)換成一個(gè)等價(jià)的線性規(guī)劃問題,，可以通過MP(Matching Pursuit)類算法有效解決。故已有的OMP算法以及新提出的ML-OMP-K算法均能用于重構(gòu)原始信號(hào),，并且當(dāng)GSSK系統(tǒng)滿足條件：N_r=,，x可以以較高的概率被恢復(fù)，其中c為較小的常數(shù)^[8],。

2.1 基于OMP算法的GSSK信號(hào)檢測

2.2 基于ML-OMP-K的GSSK信號(hào)檢測

    明顯地,，由上述OMP算法可以看出，每次迭代中,，OMP僅選取了一個(gè)最大的相關(guān)值對應(yīng)的索引號(hào)作為AAI,，但當(dāng)接收信號(hào)遭受到深衰落時(shí)，在搜索過程中有時(shí)不能找到正確的稀疏位置,。因此,，在新的算法中作了相應(yīng)的改進(jìn)。

    從的每一個(gè)集合中選取一個(gè)元素進(jìn)行組合,，將所有組合存于集合B中,。

3 性能與復(fù)雜度分析

    為了驗(yàn)證ML-OMP-K算法的有效性，本節(jié)將該算法與ML算法和OMP算法進(jìn)行性能比較,，并分析了算法的復(fù)雜度,?？紤]發(fā)射天線數(shù)N_t=128、激活天線數(shù)n_t=2的GSSK系統(tǒng),，系統(tǒng)的頻譜效率為s=12 bit/s/Hz,。

3.1 性能分析

    本文給出了在不同接收天線N_r=16、N_r=32下的仿真結(jié)果,，并將改進(jìn)的算法與ML算法和OMP算法進(jìn)行性能對比,。

    從圖2和圖3中可以看出，ML-OMP-K的算法性能明顯優(yōu)于OMP算法,。圖3中顯示,，在更多接收天線的情況下，ML-OMP-K算法的性能更加接近于ML,，同時(shí)OMP算法的性能也相應(yīng)提升,。這是因?yàn)椋瑢τ诘诙糠置枋龅腉SSK信道模型：

    當(dāng)滿足,，x可以被較準(zhǔn)確地恢復(fù),，其中c為較小的常數(shù)。所以,，x的準(zhǔn)確恢復(fù)與GSSK系統(tǒng)的接收天線數(shù)密切相關(guān),，在一定范圍內(nèi)，隨著N_r的增加,，算法的檢測性能也相應(yīng)提升,。

    明顯地，在N_r=16和N_r=32時(shí),，當(dāng)SNR≥10時(shí),，OMP算法逐漸呈現(xiàn)出地板趨勢。然而,，ML-OMP-K算法并沒有呈現(xiàn)出地板趨勢,。相比OMP，當(dāng)N_r=16,，BER=10^-2時(shí),， ML-OMP-K有至少2 dB的性能優(yōu)越；當(dāng)N_r=32,，BER=10^-3,，BER=10^-3.5時(shí)，ML-OMP-K分別有大約2 dB和3 dB的性能優(yōu)越,。同時(shí),，當(dāng)K=4與K=8時(shí)，ML-OMP-K算法性能相近，且非常接近于ML算法的性能,。因此,，新的算法對于GSSK信號(hào)檢測有明顯的性能提升。

3.2 復(fù)雜度分析

    用復(fù)乘的操作次數(shù)來定義復(fù)雜度,，幾種算法的復(fù)雜度對比如表1所示,。傳統(tǒng)的ML檢測算法等價(jià)于尋找H中對應(yīng)激活天線n_t的列，使下式取最?。?/p>

    由表1可得，當(dāng)N_t=128,，N_r=16,，n_t=2，K=2(或K=4)時(shí),，以及當(dāng)N_t=128,，N_r=32，n_t=2,，K=2(或K=4)時(shí),，ML-OMP-K算法的復(fù)雜度約為ML算法的2%。

4 總結(jié)

    本文改進(jìn)了一種基于壓縮感知的GSSK信號(hào)檢測算法ML-OMP-K,。該算法結(jié)合了ML算法和OMP算法,。首先，在nt次迭代后,，生成一個(gè)大小為的AAI候選集,。再利用ML算法對該候選集遍歷搜索，得到對應(yīng)的AAI,。仿真結(jié)果顯示在K=4時(shí),，改進(jìn)算法的檢測性能接近于ML算法，且其復(fù)雜度相對于ML算法大大降低,。因此,，本文改進(jìn)的算法有較好的實(shí)際應(yīng)用意義，且利于硬件實(shí)現(xiàn),。

參考文獻(xiàn)

[1] WANG J,，JIA S，SONG J.Generalised spatial modulation system with multiple active transmit antennas and low complexity detection scheme[J].IEEE Trans.Wireless Commun.,，2012,，11(4)：1605-1615.

[2] JEGANATHAN J，GHRAYEB A,，SZCZECINSKI L.Generalized space shift keying modulation for MIMO channels[C].In Proc.IEEE PIMRC,，2008：1-5.

[3] PEPPAS K，ZAMKOTSIAN M，LAZARAKIS F,，et al.Asymptotic error performance analysis of spatial modulation under generalized fading[J].IEEE Wireless Commun.Lett.,，2014，3(4)：421-424.

[4] YU C M,，HSIEH S H,，LIANG H W，et al.Compressed sensing detector design for space shift keying in MIMO systems[J].IEEE  Commun.Lett.,，2012,，16(10)：1556-1559.

[5] WU C H，CHUNG W H,，LIANG H W.OMP-based detector design for space shift keying in large MIMO systems[C].In Proc.IEEE GLOBECOM,，2014：4072-4076.

[6] SREEJITH K，KALYANI S.Combining ML and compressive sensing：detection schemes for generalized space shift keying[J].IEEE Commun.Lett.,，2016,，5(1)：72-75.

[7] CANDES E J，TAO T.Robust uncertainty principles：exact signal reconstruction from highly incomplete frequency information[J].IEEE Trans.Inf.Theory,，2006,，52(2)：489-509.

[8] FOUCART S.Hard thresholding pursuit：an algorithm for compressive sensing[J].SIAM J.Numerical Analysis，2011,，49(6)：2543-2563.