导读:本文包含了并行干扰消除检测论文开题报告文献综述及选题提纲参考文献，主要关键词:大规模MIMO,低复杂度,迭代并行干扰消除,噪声预测
并行干扰消除检测论文文献综述
申滨,赵书锋,金纯[1]（2018）在《基于迭代并行干扰消除的低复杂度大规模MIMO信号检测算法》一文中研究指出基于干扰消除思想该文提出一种适用于大规模MIMO系统上行链路的低复杂度迭代并行干扰消除算法,在算法实现中避免了线性检测算法所需的高复杂度矩阵求逆运算,将复杂度保持在。在此基础上,引入噪声预测机制,提出一种基于噪声预测的迭代并行干扰消除算法,进一步提高了硬判决检测性能。考虑天线间残留干扰,将干扰消除思想运用到软判决中,最后提出一种基于迭代并行干扰消除的低复杂度软输出信号检测算法。仿真结果表明:提出的信号检测方法的复杂度优于MMSE检测算法,经过几次简单的迭代,算法即快速收敛并获得接近甚至优于MMSE检测算法的误码率性能。(本文来源于《电子与信息学报》期刊2018年12期）
姜晓琳,郑黎明,王钢,杨文超[2]（2015）在《大规模MIMO中基于并行干扰消除多用户检测算法》一文中研究指出在发射与接收端天线数目相当的大规模多输入多输出(MIMO)系统中,线性检测算法的性能较差,而检测性能优异的检测算法复杂度偏高。针对该问题,提出增强型并行干扰消除算法(MMSE-e PIC),将搜索空间扩大到噪声增强方向矩阵的正交向量空间,同时利用近似对数似然方程值排序来减小复杂度。仿真结果表明,在误比特率为10-5时,MMSE-e PIC算法所需单位比特噪声功率谱密度比传统最小均方误差串行干扰消除(MMSE-SIC)算法小2 d B,复杂度较MMSE-SIC降低了25%,在保持良好检测性能的前提下,复杂度明显降低,可以较好地实现大规模MIMO的上行检测。(本文来源于《无线电工程》期刊2015年12期）
李广强,凌永发,王宗月[3]（2011）在《基于RAKE接收机的超宽带并行干扰消除检测技术》一文中研究指出在IEEE.802.15.3a中规定超宽带系统在短距离的高速网络通信,它的强力的信号穿透力使得它在精确地理定位上有很强的使用性。但是无论对在那一个方面的应用来说,如何能将UWB系统信号更好更有效的接受都是必不可少的。在以往的多用户系统中它们的接受系统的有效性和其复杂度都是成正比的,那么就改进一种接受技术使得它在保证有效性的情况下做简化接收系统的复杂度。(本文来源于《硅谷》期刊2011年07期）
朱冰莲,李波[4]（2011）在《分组部分并行软干扰消除的多用户检测》一文中研究指出在串行干扰消除结构的基础上,提出一种分组部分并行软干扰消除多用户检测算法。根据用户功率大小进行分组,组内采用并行软干扰消除检测,组间采用串行干扰消除算法,依次检测各组用户,从而降低并行结构的计算复杂度。理论分析和仿真结果表明,该算法能比传统的PIC算法、PPIC算法及MPIC算法等并行干扰消除算法取得更好的误码率性能,并提高系统的容量。(本文来源于《计算机工程》期刊2011年02期）
许娟,徐斌[5]（2008）在《部分并行软干扰消除迭代多用户检测算法研究》一文中研究指出本文提出了一种基于部分并行干扰消除(PPIC)结构的迭代多用户检测算法,并对基于PPIC的迭代多用户检测器的迭代结构进行了改进。由于PPIC多用户检测器前一级输出的信息的准确度会影响到后一级的检测,所以为了提高基于PPIC的迭代多用户检测器的性能,对PPIC每一级的输出信息结合最大后验概率(MAP)信道译码器单独进行迭代处理,这样就提高了PPIC每一级输出的信息的准确性。该迭代结构可用于其他基于PIC型的迭代多用户检测算法。(本文来源于《通信技术》期刊2008年12期）
徐斌,许娟,朱灿焰[6]（2007）在《一种基于部分并行软干扰消除结构的迭代多用户检测算法》一文中研究指出本文提出了一种基于部分并行软干扰消除(PPIC)结构的迭代多用户检测算法。Divsalar等人在文献[7]提出了一种部分并行干扰消除多用户检测算法,该PPIC算法在每一级PIC中引入了一个部分干扰消除系数,从而缓减了在PIC结构中由于不恰当的干扰估计而导致的性能损失。本文将此PPIC多用户检测算法改进成适合迭代多用户检测的软输入软输出(SISO)多用户检测算法,并对基于PIC的迭代多用户检测器的迭代结构进行了改进。由于PPIC多用户检测器前一级输出的信息的准确度会影响到后一级的检测,所以为了提高基于PPIC的迭代多用户检测器的性能,对PPIC每一级的输出信息结合MAP信道译码器单独进行迭代处理,这样就提高了PPIC每一级输出的信息的准确性。(本文来源于《第十叁届全国信号处理学术年会（CCSP-2007）论文集》期刊2007-08-25）
成德峰,马刈非[7]（2003）在《多用户检测中并行干扰加权消除的研究》一文中研究指出所有的干扰消除法在干扰被错误的估计时,性能会大大下降.针对干扰消除的这一不足提出了并行干扰加权消除PIWC的方法来改善性能.该方法的计算复杂度随用户数呈线性增长,比并行干扰消除PIC略高一些,具有很高的实用价值.本文在高斯近似的基础上研究了判决加权和模糊加权.仿真结果表明并行干扰加权消除PIWC优于并行干扰消除PIC,模糊加权优于判决加权.(本文来源于《南方冶金学院学报》期刊2003年01期）
曹原,郑宝玉[8]（2000）在《智能天线结合并行干扰消除技术在DS-CDMA检测中的应用》一文中研究指出多址干扰是影响码分多址系统性能的关键问题。智能天线和干扰消除技术是从不同角度抑制码分多址系统多址干扰的方法 ,二者各有其特点及不足之处。就如何将它们结合起来以实现更好的接收性能作出了探讨。在自适应波束形成中 ,采用了基于到达角估计的ESPRIT算法 ;在干扰消除中 ,采用了软输出判决的多阶并行干扰消除器。(本文来源于《南京邮电学院学报(自然科学版)》期刊2000年04期）
并行干扰消除检测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
在发射与接收端天线数目相当的大规模多输入多输出(MIMO)系统中,线性检测算法的性能较差,而检测性能优异的检测算法复杂度偏高。针对该问题,提出增强型并行干扰消除算法(MMSE-e PIC),将搜索空间扩大到噪声增强方向矩阵的正交向量空间,同时利用近似对数似然方程值排序来减小复杂度。仿真结果表明,在误比特率为10-5时,MMSE-e PIC算法所需单位比特噪声功率谱密度比传统最小均方误差串行干扰消除(MMSE-SIC)算法小2 d B,复杂度较MMSE-SIC降低了25%,在保持良好检测性能的前提下,复杂度明显降低,可以较好地实现大规模MIMO的上行检测。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
并行干扰消除检测论文参考文献
[1].申滨,赵书锋,金纯.基于迭代并行干扰消除的低复杂度大规模MIMO信号检测算法[J].电子与信息学报.2018
[2].姜晓琳,郑黎明,王钢,杨文超.大规模MIMO中基于并行干扰消除多用户检测算法[J].无线电工程.2015
[3].李广强,凌永发,王宗月.基于RAKE接收机的超宽带并行干扰消除检测技术[J].硅谷.2011
[4].朱冰莲,李波.分组部分并行软干扰消除的多用户检测[J].计算机工程.2011
[5].许娟,徐斌.部分并行软干扰消除迭代多用户检测算法研究[J].通信技术.2008
[6].徐斌,许娟,朱灿焰.一种基于部分并行软干扰消除结构的迭代多用户检测算法[C].第十叁届全国信号处理学术年会（CCSP-2007）论文集.2007
[7].成德峰,马刈非.多用户检测中并行干扰加权消除的研究[J].南方冶金学院学报.2003
[8].曹原,郑宝玉.智能天线结合并行干扰消除技术在DS-CDMA检测中的应用[J].南京邮电学院学报(自然科学版).2000