叶倩倩，张治中，闵小芳，胡昊南

(重庆邮电大学 通信与信息工程学院，重庆 400065)

0 引 言

大规模多输入多输出(Multiple-Input Multiple-Output，MIMO)技术通过充分利用空间资源来提高无线通信的数据速率、频谱效率和能源效率[1-4]。由于该技术增加了基站侧和用户侧的天线数量，导致信号在接收端产生叠加，因此需要MIMO检测算法对接收端的信号进行处理，恢复出发送信号。

最小均方误差(Minimum Mean Square Error,MMSE)算法[5-6]利用“信道硬化”现象[7]可以实现接近最佳的误码率(Bit Error Ratio,BER)性能，而被认为是大规模MIMO系统最具有潜力的检测算法之一。与具有检测性能最优的最大似然(Maximum Likelihood,ML)算法[8]相比，虽然MMSE检测算法复杂度得到了极大程度的降低，但仍存在高维矩阵求逆运算，复杂度为O(K3)。因此，近年来国内外学者着重于研究基于MMSE的近似检测算法来避免矩阵求逆。文献[9]提出利用Neumann级数展开算法，实现了复杂度从O(K3)到O(K2)的降低，但性能损失很大。文献[10]提出了一种共轭梯度法，能够实现比Neumann级数展开算法更优的性能，但是性能受搜索方向和步长影响较大。一些文献也提出了通过求线性方程最优解避免矩阵求逆，如理查德森迭代[11](Richardson,RI)、雅克比迭代[12](Jacobi,JC)、对称连续超松弛迭代[13](Symmetric Successive Over-Relaxation,SSOR)、Kaczmarz迭代[14]等算法虽然可以有效降低复杂度，但收敛性并不是很好。

针对天线规模增大而出现的传统检测算法高维度矩阵求逆等问题，本文将高斯-赛德尔[15](Gauss-Seidel,GS)迭代算法应用于大规模MIMO系统中，通过求解线性方程来避免复杂的高维度矩阵求逆，从而得到发送向量估计值。为了进一步加快GS算……