| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 术语与符号约定 | 第21-24页 |
| 第一章 绪论 | 第24-32页 |
| 1.1 研究背景 | 第24-27页 |
| 1.1.1 大规模MIMO线性检测 | 第26页 |
| 1.1.2 Polar码 | 第26-27页 |
| 1.2 研究现状 | 第27-30页 |
| 1.2.1 大规模MIMO信号检测 | 第27-29页 |
| 1.2.2 Polar译码 | 第29-30页 |
| 1.3 本文研究工作 | 第30-32页 |
| 第二章 大规模MIMO的低复杂度信号检测 | 第32-84页 |
| 2.1 软输出MMSE-INS检测算法(MMSE-SINS) | 第32-39页 |
| 2.1.1 系统模型 | 第32页 |
| 2.1.2 传统软输入MMSE检测 | 第32-33页 |
| 2.1.3 基于Neumann级数的检测方法 | 第33-34页 |
| 2.1.4 低复杂度迭代检测方法 | 第34页 |
| 2.1.5 高效的近似LLR计算方法 | 第34-36页 |
| 2.1.6 计算复杂度分析 | 第36-38页 |
| 2.1.7 仿真结果分析 | 第38-39页 |
| 2.2 基于Gauss-Seidel迭代方法的检测算法与实现 | 第39-60页 |
| 2.2.1 系统模型 | 第39页 |
| 2.2.2 软输出MMSE检测 | 第39-41页 |
| 2.2.3 基于GS方法的低复杂度检测算法 | 第41页 |
| 2.2.4 快速收敛的初始解 | 第41-42页 |
| 2.2.5 高效LLR近似算法 | 第42页 |
| 2.2.6 MMSE-IGS检测算法 | 第42-43页 |
| 2.2.7 计算复杂度分析 | 第43-44页 |
| 2.2.8 仿真结果与分析 | 第44-48页 |
| 2.2.9 MMSE-IGS检测器整体硬件架构 | 第48页 |
| 2.2.10 预处理模块 | 第48-52页 |
| 2.2.11 初始解计算模块 | 第52-54页 |
| 2.2.12 GS方法模块 | 第54-56页 |
| 2.2.13 SINR计算模块和LLR计算模块 | 第56页 |
| 2.2.14 MMSE-IGS检测器时序调度 | 第56-57页 |
| 2.2.15 FPGA实现结果 | 第57-59页 |
| 2.2.16 小结 | 第59-60页 |
| 2.3 并行度增强的MMSE-ParGS检测器 | 第60-70页 |
| 2.3.1 系统模型 | 第60-61页 |
| 2.3.2 基于并行化GS方法的低复杂度检测算法 | 第61页 |
| 2.3.3 传统GS检测算法 | 第61页 |
| 2.3.4 并行化的MMSE-ParGS算法 | 第61-63页 |
| 2.3.5 复杂度分析 | 第63页 |
| 2.3.6 检测性能分析 | 第63-65页 |
| 2.3.7 高效VLSI架构设计 | 第65-67页 |
| 2.3.8 时序调度 | 第67-68页 |
| 2.3.9 FPGA实现结果和分析 | 第68-69页 |
| 2.3.10 小结 | 第69-70页 |
| 2.4 性能增强的MMSE-PreGS检测器 | 第70-82页 |
| 2.4.1 系统模型 | 第70-72页 |
| 2.4.2 基于预条件的GS检测方法(MMSE-PreGS) | 第72-76页 |
| 2.4.3 VLSI架构设计 | 第76-79页 |
| 2.4.4 对比和讨论 | 第79-81页 |
| 2.4.5 小结 | 第81-82页 |
| 2.5 本章总结 | 第82-84页 |
| 第三章 可调的大规模MIMO线性检测器 | 第84-130页 |
| 3.1 基于三对角线的检测算法与实现 | 第84-104页 |
| 3.1.1 大规模MIMO相关信道的特性 | 第84-86页 |
| 3.1.2 错误率分析 | 第86页 |
| 3.1.3 三对角线Neumann级数算法(TNS) | 第86-88页 |
| 3.1.4 简化的三对角线近似求逆算法(TMA) | 第88-90页 |
| 3.1.5 高效流水线架构 | 第90-91页 |
| 3.1.6 对角/三对角矩阵求逆架构 | 第91-93页 |
| 3.1.7 对角/三对角矩阵乘法器架构 | 第93页 |
| 3.1.8 Neumann级数模块 | 第93-94页 |
| 3.1.9 复杂度分析 | 第94-95页 |
| 3.1.10 时序分析 | 第95-97页 |
| 3.1.11 数值仿真结果 | 第97-100页 |
| 3.1.12 FPGA实现结果 | 第100-101页 |
| 3.1.13 关于MMSE-TMA的进一步讨论 | 第101-103页 |
| 3.1.14 小结 | 第103-104页 |
| 3.2 收敛速率可调的检测算法 | 第104-119页 |
| 3.2.1 系统模型 | 第104-105页 |
| 3.2.2 基于迭代数值方法的MMSE检测 | 第105-106页 |
| 3.2.3 收敛速率可调的MMSE-ALD检测算法 | 第106-113页 |
| 3.2.4 预条件MMSE-ALD检测算法(MMSE-PALD) | 第113-116页 |
| 3.2.5 加权的MMSE-ALD检测算法(MMSE-WALD) | 第116-118页 |
| 3.2.6 完全可调的线性检测算法(MMSE-FALD) | 第118页 |
| 3.2.7 小结 | 第118-119页 |
| 3.3 基于分块矩阵的检测算法与实现 | 第119-128页 |
| 3.3.1 系统模型 | 第119-120页 |
| 3.3.2 分块对角阵近似求逆算法(BD) | 第120-121页 |
| 3.3.3 多层级迭代近似求逆算法(MLI) | 第121页 |
| 3.3.4 复杂度分析 | 第121-122页 |
| 3.3.5 数值仿真结果 | 第122页 |
| 3.3.6 MMSE-MLI检测算法性能分析 | 第122-123页 |
| 3.3.7 MMSE-BD检测算法性能分析 | 第123-126页 |
| 3.3.8 BD-MLI检测器硬件架构 | 第126-127页 |
| 3.3.9 硬件复杂度分析 | 第127-128页 |
| 3.4 本章总结 | 第128-130页 |
| 第四章 深度神经网络Polar译码器 | 第130-144页 |
| 4.1 相关技术介绍 | 第130-133页 |
| 4.1.1 深度神经网络 | 第130-131页 |
| 4.1.2 极化码 | 第131-132页 |
| 4.1.3 置信传播(BP)译码算法 | 第132-133页 |
| 4.2 基于神经网络的译码器 | 第133-140页 |
| 4.2.1 深度学习应用于Polar译码的挑战 | 第133页 |
| 4.2.2 多重缩放BP译码算法(MSBP) | 第133-134页 |
| 4.2.3 性能优化的Polar-NND译码器 | 第134-136页 |
| 4.2.4 Polar-NND神经网络架构 | 第136-137页 |
| 4.2.5 训练细节 | 第137页 |
| 4.2.6 测试结果 | 第137-140页 |
| 4.3 Polar-NND硬件架构设计 | 第140-142页 |
| 4.3.1 基本计算模块(BCB) | 第140页 |
| 4.3.2 折叠的BCB | 第140-142页 |
| 4.3.3 硬件复杂度对比 | 第142页 |
| 4.4 本章总结 | 第142-144页 |
| 第五章 基于变分贝叶斯方法的迭代接收机 | 第144-160页 |
| 5.1 OFDM系统概率模型 | 第144-146页 |
| 5.2 信息传递推断算法 | 第146-147页 |
| 5.3 基于高斯近似的BP迭代接收机(BP-GA) | 第147-148页 |
| 5.4 基于BP-MF的迭代接收机 | 第148-150页 |
| 5.5 两种信息调度方式 | 第150-152页 |
| 5.6 仿真结果与分析 | 第152-160页 |
| 第六章 总结与展望 | 第160-162页 |
| 6.1 全文总结与主要贡献 | 第160-161页 |
| 6.2 进一步的研究方向 | 第161-162页 |
| 致谢 | 第162-164页 |
| 参考文献 | 第164-172页 |
| 附录A 定理1的证明 | 第172-174页 |
| 附录B MMSE-PreGS算法收敛性证明 | 第174-176页 |
| 附录C 定理3的证明 | 第176-178页 |
| C.1 W期望的计算 | 第176页 |
| C.2 W方差的计算 | 第176-178页 |
| 附录D E{Φ}的推导 | 第178-180页 |
| 附录E 关于W?1(L)为Hermitian阵的证明 | 第180-182页 |
| 附录F 算法3.1的推导 | 第182-184页 |
| 附录G MMSE-ALD算法收敛性证明 | 第184-186页 |
| 附录H BD算法中复数乘法个数和K的关系 | 第186-188页 |
| 作者攻读硕士学位期间的研究成果 | 第188-190页 |
