1、Near-Optimal Large-MIMO Detection Using Randomized MCMC and Randomized Search Algorithm IEEE 2011Randomized Search Algorithm 隨機搜索算法Channel Model 考慮一個V-BLAST MIMO 系統，NT 根發射天線NR根接收天線， , ML似然檢測下，f(x)為似然代價函數隨機搜索算法：鄰居集合定義為： 集合表示所有與有一個符號不同的符號向量的集合。定義一個下標集合,此外定義兩個下表集合C和D，初始狀態下兩個集合都是空的。具體步驟：Step1: 初始化一個符號解向

2、量，求出它的鄰居集合。Step2：在集合S-C-D中隨機選擇一個下標m。在鄰居集合中下標為m的符號向量共有個。假設符號向量為，比如這里假設符號向量共有4個符號元素，每個符號進行BPSK調制，即若初始符號向量為則它的鄰居集合為。初始的時候集合C和D是空的，所以S-C-D=1，2，3，4若m=1,即選中下標為1的符號元素處，因為是BPSK調制，所以在m=1處和初始符號解向量有一個元素符號不同的符號向量只有一個，即。Step3:計算似然代價函數的差值。記所以有step4:計算比較的值可能為正，可能為負。正值表示d(j)比x(t)代價小，負表示代價大。選擇似然代價函數的最大差值以及對應的j.即選擇似然

3、代價值最小的符號向量作為下一個“初始向量”，求出它的鄰居集合，如果C不等于S，則從又step2開始執行。如果C等于S，則輸出當前得到的解向量。其表示每個位置已經遍歷完了，此時得出的是局部最優的（似然代價值最?。┑慕庀蛄俊＿@說明，在m對應符號向量的似然代價都比當前輸入的向量的代價大，相比之下當前向量的更優。如果D不等于S-C,則把當做下時刻的輸入向量，到step2開始執行。如果D等于S-C，則輸出當前向量作為最終的解向量。總結：第一，迭代的次數最多為2NT,每迭代一次，少一次。第二，搜索的范圍和初始解向量有關，初始向量不同進而局部搜索的范圍不同。第三，為了達到最優的效果，可設置L個不同的初始解向

4、量進行搜索，最后比較選擇最優的向量作為輸出。第四，RS算法在低階QAM調制下性能近似達到最優（ML），但是高階QAM調制下性能很差。SUMIS: subspace marginalization with interference suppression. 子空間邊緣化近似最優軟輸入軟輸出MIMO檢測IEEE 2012Real-valued信道模型：1） 最優軟檢測：比較接受符號的后驗概率，判決結果取概率相對大的值，即后驗概率似然比LLR：鑒于是BPSK調制，=+1或-1表示第i個元素符號的值為+1或-1。考慮到剩下的個元素符號的所有取值情況，若是先驗等概下，即,上式變為運用Max-log算法

5、對上式近似計算：即選擇分子分母多項式中最大的項。下面介紹另一種性能更好的LLR的近似計算SUMIS首先定義分割，把信道矩陣H分割為兩部分。 , 中包括待計算LLR值的第i個比特si. 所以有是的協方差矩陣。中包括待計算LLR值的第i個比特si.所以可近似計算：所以有：所以LLR值可以這樣近似計算：（將搜索的維度降到了ns）為了進一步減小干擾項的影響。計算SUMIS(發射等概下)steps:1) 分別劃分出對應于第k個元素sk的，k=1,2,.NT如何劃分？劃分的目的是，使干擾矢量對有用矢量的影響盡量小。計算出矩陣因為第k個比特sk與的第k列相聯系。所以我們選取第k列中值較大的ns個元素所在的行的行序號作為H中的列序號。把這些列劃分到。剩下的劃分到。同樣選中s中對應該行號的元素放入，剩下的放到。2） 計算出（即第k個元素的似然比值LLR），接著計算條件期望值和條件方差.3） 純化，減小干擾。4） 由3）可得到。所以有近似的LLR值可得，5） 得出LLR值后進行判決?？偨Y：1） 通過選擇ns的值，一方面減小了運算復雜