基于二進(jìn)制二次規(guī)劃全局最優(yōu)性條件的GSSK系統(tǒng)的檢測算法

張新賀, 吳金隆, 門宏志, 金明錄

(1. 大連理工大學(xué)信息與通信工程學(xué)院, 遼寧 大連 116024;

2. 遼寧科技大學(xué)電子與信息工程學(xué)院, 遼寧 鞍山 114051)

?

基于二進(jìn)制二次規(guī)劃全局最優(yōu)性條件的GSSK系統(tǒng)的檢測算法

張新賀1,2, 吳金隆1, 門宏志1, 金明錄1

(1. 大連理工大學(xué)信息與通信工程學(xué)院, 遼寧 大連 116024;

2. 遼寧科技大學(xué)電子與信息工程學(xué)院, 遼寧 鞍山 114051)

摘要：廣義空間位移鍵控(generalized space shift keying, GSSK)技術(shù)作為大天線技術(shù)和綠色通信技術(shù)相融合的優(yōu)選方案受到了業(yè)界的廣泛興趣,其特點是在每一時刻只激活幾根天線發(fā)送已知信號,利用激活天線的序號來傳遞信息?；谧畲笏迫?maximum likelihood, ML)準(zhǔn)則的GSSK檢測器,當(dāng)天線數(shù)較多時,其計算量太大,給實際應(yīng)用帶來困難,為此人們熱衷于研究簡化的次優(yōu)檢測算法。給出了一種基于二進(jìn)制二次規(guī)劃全局最優(yōu)性條件的GSSK系統(tǒng)的檢測算法。該算法首先利用最優(yōu)判決準(zhǔn)則判斷發(fā)送信息,然后根據(jù)已判斷出的發(fā)送信息來確定發(fā)送天線的組合,進(jìn)而得到發(fā)送的二進(jìn)制比特流。仿真結(jié)果表明,所提出的新算法在性能上優(yōu)于已有的正交匹配追蹤(orthogonal matching pursuit, OMP)、凸超集松弛(convex superset relaxation, CSR)等次優(yōu)檢測算法,復(fù)雜度又低于ML算法,在性能和復(fù)雜度之間得到較好的折中。

關(guān)鍵詞：廣義空間位移鍵控; 二進(jìn)制二次規(guī)劃; 全局最優(yōu)性條件; 檢測算法

0引言

隨著移動用戶對通信需求的飛速增長,迫切需要更高的數(shù)據(jù)速率、更高的頻譜利用率和更低的實現(xiàn)復(fù)雜度的寬帶通信技術(shù)來滿足無線通信的需求。多天線多輸入多輸出(multiple input multiple output,MIMO)技術(shù),可以實現(xiàn)更高頻譜利用率的寬帶無線通信。但是MIMO技術(shù)存在信道間干擾(inter-channel interference,ICI)、天線間同步(inter-antenna synchronization,IAS)和多射頻鏈路的問題,這就增加了接收端檢測和解調(diào)的難度。

空間調(diào)制(space modulation,SM)[1-5]是最近提出的一種新的MIMO傳輸技術(shù),較好地克服了原MIMO技術(shù)的一些缺陷。其主要特點是在每一時刻只有一根天線被激活用于發(fā)送數(shù)據(jù),將發(fā)送天線在天線陣列中的序號也作為一種新的“調(diào)制方式”來傳輸數(shù)據(jù),這樣可以避免信道間干擾和天線間同步問題,因此降低了接收端解調(diào)的難度。但是在接收端最大似然(maximum likelihood, ML)最優(yōu)檢測需要遍歷搜索被激活的天線序號和天線發(fā)送的符號,復(fù)雜度較高。空間位移鍵控(space shift keying, SSK)[6-7]是SM的一種簡化形式,它只利用天線序號來傳遞信息,而發(fā)送的信號是已知的信號。為了提高傳輸速率,在發(fā)送端可以激活多根天線,稱為廣義空間位移鍵控(generalized space shift keying, GSSK)[8-11]。因為在被激活的天線上發(fā)送相同的信號,在接收端只需檢測發(fā)送天線的序號,無需判斷天線發(fā)送的符號,復(fù)雜度較SM有所降低。另外,目前大天線技術(shù)和綠色通信技術(shù)受到業(yè)界的廣泛興趣,而GSSK技術(shù)作為這兩個技術(shù)融合的優(yōu)選方案受到了業(yè)界的廣泛關(guān)注[2]。

與一般的MIMO系統(tǒng)一樣,廣義空間位移鍵控的最優(yōu)解調(diào)也是基于ML準(zhǔn)則的算法,但是其計算量會隨著天線數(shù)量的增加呈現(xiàn)指數(shù)型增長趨勢[12],給實際應(yīng)用帶來困難,特別大天線情形下更是如此，因此人們熱衷于研究低復(fù)雜度的次優(yōu)檢測算法。傳統(tǒng)的破零(zero forcing,ZF)、最小均方誤差(minimum mean square error,MMSE)等算法的計算復(fù)雜度很低,但是性能有限。最近，很多次優(yōu)檢測算法被提出,以期獲得較好的檢測性能,如:正交匹配追蹤(orthogonal matching pursuit,OMP)算法[13]、凸超集松弛(convex superset relaxation,CSR)算法[14]、半定松弛(semidefinite relaxation,SDR)算法[14]等。但是上述算法在性能與ML算法仍存在一定差距。

與上述算法的思路不同,本文從另一個角度提出一種基于二進(jìn)制二次規(guī)劃全局最優(yōu)性條件的GSSK次優(yōu)檢測算法,該算法在性能上均優(yōu)于上述次優(yōu)檢測算法,與ML性能基本相當(dāng)。

本文余下內(nèi)容安排如下:第1節(jié)介紹GSSK系統(tǒng)模型;第2節(jié)簡要介紹二進(jìn)制二次規(guī)劃問題;在第3節(jié)給出基于二進(jìn)制二次規(guī)劃的GSSK系統(tǒng)的檢測算法;第4節(jié)對仿真結(jié)果進(jìn)行分析;最后在第5節(jié)給出本文的結(jié)論。

1系統(tǒng)模型

假設(shè)MIMO系統(tǒng)的發(fā)送天線數(shù)為NT,接收天線數(shù)為NR,每一時刻激活天線數(shù)為nt,GSSK系統(tǒng)模型如圖1所示。

圖1　GSSK系統(tǒng)模型

表1　GSSK映射表

因為GSSK系統(tǒng)也是一個MIMO系統(tǒng),假設(shè)信道為平坦瑞利衰落信道,且信道增益在一個符號周期內(nèi)保持不變,則接收信號可表示為

y=Hx+n

(1)

式中，y=[y1,y2,…,yNR]T為NR維接收信號矢量,x=[x1,x2,…,xNT]T為NT維發(fā)送信號矢量,由于每一時刻只激活nt根天線,因此x矢量中包括nt個“1”,NT-nt個“0”。H是NR×NT維的信道增益矩陣,每個元素hi,j為獨(dú)立同分布的零均值、單位方差的復(fù)高斯隨機(jī)變量;n=[n1,n2,…,nNR]T是均值為0,方差為σ2的加性復(fù)高斯白噪聲矢量。

下面考慮式(1)的ML檢測問題,其準(zhǔn)則可以表示為

(2)

式中,M為發(fā)送信號矢量集合。

因為xi的取值只有1和0兩種可能,因此式(2)的優(yōu)化問題可以轉(zhuǎn)化為二進(jìn)制二次規(guī)劃問題。

即

(3)

將式(3)實數(shù)化處理,得

(4)

式中，Re(·)，Im(·)分別表示取其實部和虛部。因此式(2)的最大似然檢測準(zhǔn)則可表示為等價的二進(jìn)制二次規(guī)劃問題:

(5)

2二進(jìn)制二次規(guī)劃問題

由第1節(jié)知道,GSSK信號的ML檢測問題可看成二進(jìn)制二次規(guī)劃問題。本節(jié)給出二進(jìn)制二次規(guī)劃全局最優(yōu)性條件和最優(yōu)性判決準(zhǔn)則。根據(jù)文獻(xiàn)[15],利用最優(yōu)性判決準(zhǔn)則可以在較小的計算開銷下,求得部分最優(yōu)解。為此,先介紹二進(jìn)制二次規(guī)劃全局最優(yōu)條件。

2.1二進(jìn)制二次規(guī)劃全局最優(yōu)性條件

考慮如下一般二進(jìn)制二次規(guī)劃優(yōu)化問題:

(6)

式中，x=[x1,x2,…,xn]T；Q為n×n維的對稱矩陣；c∈Rn。

可以證明,x為問題(6)的全局最優(yōu)解的最優(yōu)性必要條件為[15-16]:

XQXe+Xc≤diag(Q)e

式中，X=diag(x)=diag(x1,x2,…,xn),e=[1,1, …,1]T,diag(Q)為n×n維的對角矩陣,對角線元素為qii。上式的分量形式為

(7)

式中，ei=[0,…,0,1,0,…,0]T,第i個元素為1,其他元素都為0。

2.2最優(yōu)性判決條件

本節(jié)推導(dǎo)最優(yōu)性判決準(zhǔn)則?？紤]如下的二進(jìn)制二次規(guī)劃優(yōu)化問題,即

(8)

它與式(6)的最優(yōu)問題完全等價,因此直接利用式(6)的最優(yōu)性條件,可以得到式(8)的最優(yōu)性條件為

其分量形式為

(9)

(10)

(11)

因此,可得到如下判決準(zhǔn)則[16]:

(12)

算法的具體實現(xiàn),可以采用多次迭代的方法。不失一般性,考慮第1次迭代的情況,按先后順序逐一判斷第1根到第NT根發(fā)送天線的信息碼。若ri不滿足判決準(zhǔn)則(12),則跳過第i根發(fā)送天線,繼續(xù)判斷第i+1根發(fā)送天線,直到遍歷所有NT根發(fā)送天線為止。此時可以得到部分最優(yōu)解,然后將其作為已知條件對問題(8)進(jìn)行迭代反饋。以上迭代過程循環(huán)進(jìn)行,直到無法檢測出新的信息碼為止。

3基于二進(jìn)制二次規(guī)劃的GSSK檢測算法

為了便于算法描述,令nd表示通過最優(yōu)判決準(zhǔn)則檢測出的+1的個數(shù),nu表示通過最優(yōu)判決準(zhǔn)則沒有檢測出來的個數(shù)。

算法描述如下:

第2步:利用第1步求得的部分全局最優(yōu)解來確定式(5)的解,即發(fā)送信號矢量,分以下3種情況進(jìn)行討論。

情況 1利用最優(yōu)性判決準(zhǔn)則判決出NT根發(fā)送天線的信息。

(1) 若nd>nt,則將已經(jīng)檢測出的|ri-Si|值最小的nd-nt個+1改判為-1。若該向量包含在M中,則判定為發(fā)送信號矢量;否則進(jìn)行ML檢測確定發(fā)送信號矢量。

(2) 若nd=nt,如果該向量包含在M中,則判定為發(fā)送信號矢量;否則進(jìn)行ML檢測確定發(fā)送信號矢量。

(3) 若nd

情況 2利用最優(yōu)性判決準(zhǔn)則判決出部分發(fā)送天線的信息。

(1) 若nd>nt,則將已經(jīng)檢測出的|ri-Si|值最小的nd-nt個+1改判為-1,其他NT-nd個元素判為-1。若該向量包含在M中,則判定為發(fā)送信號矢量;否則進(jìn)行ML檢測確定發(fā)送信號矢量。

(2) 若nd=nt,將沒有檢測出來的元素均判為-1。如果該向量包含在M中,則判定為發(fā)送信號矢量;否則進(jìn)行ML檢測確定發(fā)送信號矢量。

(3) 若nd

①如果nu+nd≥nt,將已經(jīng)判決出的+1、-1信息作為部分最優(yōu)解,將集合M中包含此部分最優(yōu)解的向量構(gòu)成一個新的集合,然后在新集合中進(jìn)行小規(guī)模ML檢測判斷發(fā)送信號矢量。

例:設(shè)式(5)的部分全局最優(yōu)解為x=[+1,-1,*,*,*]T,其中*表示沒有判決出來。此時新的可能的發(fā)送矢量集合為{(+1,-1,+1,-1,-1), (+1,-1,-1,+1,-1), (+1,-1,-1,-1,+1)},在這一集合中進(jìn)行小規(guī)模ML檢測判斷發(fā)送信號矢量。

②如果nu+nd

情況 3利用最優(yōu)性判決準(zhǔn)則沒有判決出任何發(fā)送天線的信息。

此時采用ML檢測確定發(fā)送信號矢量。

第3步根據(jù)第2步求得的發(fā)送信號矢量,確定激活天線序號,反映射后得到發(fā)送二進(jìn)制比特流。

由于本算法是基于二進(jìn)制二次規(guī)劃(binaryquadraticprogramming,BQP)的檢測算法,因此下文將該算法稱為BQP算法。

4仿真結(jié)果及分析

為了驗證BQP算法的有效性,本節(jié)將該算法與ML算法、OMP算法、CSR算法進(jìn)行了比較,并分析了算法的復(fù)雜度。

4.1仿真結(jié)果

為了從誤碼率角度更直觀地體現(xiàn)BQP算法的有效性,在NT=16,nt=4,NR=16(以下簡寫為16-16-4)和NT=16,nt=8,NR=16(以下簡寫為16-16-8)兩種情況下,將BQP算法與ML算法、OMP算法、CSR算法進(jìn)行比較,仿真曲線如圖2所示。圖中,橫坐標(biāo)為信噪比(signal-to-noise ratio, SNR),縱坐標(biāo)為誤碼率(bit error rate, BER)。仿真時,每幀發(fā)送長度為100 000。

圖2　BQP算法與ML、OMP、CSR算法誤碼率性能的比較

從圖2給出的仿真曲線可看出,在相同SNR下,BQP算法比OMP算法和CSR算法的誤碼率低,與ML算法的性能基本相當(dāng)。

4.2復(fù)雜度分析

以下給出幾種GSSK檢測算法的復(fù)雜度分析。

(1) ML檢測算法

(2)OMP檢測算法

根據(jù)文獻(xiàn)[13]中的NCS檢測算法和文獻(xiàn)[17]中的信號恢復(fù)的OMP算法,首先應(yīng)該對信道增益矩陣H的每一列進(jìn)行歸一化處理,然后采用OMP算法進(jìn)行稀疏重構(gòu),算法的復(fù)雜度主要取決于文獻(xiàn)[17]中的步驟2,大約為O(NTNRnt)。

(3)CSR檢測算法

根據(jù)文獻(xiàn)[14]中的CSR檢測算法,即

(13)

(4) 本文提出的BQP算法

圖3　BQP算法第2步實數(shù)乘法次數(shù)占ML算法的百分比

從圖3中可看出,在低信噪比時,算法第2步的實數(shù)乘法次數(shù)占ML算法的比例較低。隨著信噪比的增加,該比例會隨之增加,主要是由于滿足最優(yōu)判決準(zhǔn)則的二進(jìn)制信息碼的概率隨信噪比的增加而降低(判決概率見定理)。當(dāng)信噪比達(dá)到一定程度時,算法第2步的運(yùn)算量維持在恒定值。從圖3中可看出,在信噪比為10 dB時,16-16-4、16-16-8兩種情況下算法第2步實數(shù)乘法次數(shù)占ML算法的比例分別為62%和51%。假設(shè)信道增益矩陣H在整個傳輸過程中保持不變,則無需計算R。因此BQP算法的運(yùn)算量等于計算r的實數(shù)乘法次數(shù)加上算法第2步的實數(shù)乘法次數(shù)。在上述兩種情況下,BQP算法的實數(shù)乘法次數(shù)分別占ML算法的64%和51%。表2給出了信噪比為10dB時兩種情況下BQP算法和ML算法運(yùn)算量的比較。

表2　BQP和ML算法復(fù)雜度的比較

表3給出了BQP算法與OMP算法、CSR算法、ML算法復(fù)雜度的比較。其中BQP算法的復(fù)雜度中的p為表2中給出的百分比。當(dāng)p<1時,BQP算法的復(fù)雜度低于ML算法,高于CSR算法、OMP算法。當(dāng)p>1時,BQP算法的復(fù)雜度高于ML算法。

表3　BQP與OMP、CSR、ML算法復(fù)雜度的比較

綜上所述,BQP算法的復(fù)雜度取決于最優(yōu)判決和部分ML檢測。當(dāng)最優(yōu)判決完全失敗時,BQP算法做了無用功,后續(xù)的ML檢測規(guī)模沒有變小,總的運(yùn)算量高于ML算法(多了計算r所需的實數(shù)乘法次數(shù))。因此,BQP算法的有效性很大程度上依賴于最優(yōu)判決的結(jié)果。如果判決結(jié)果越好,后續(xù)的ML檢測規(guī)模就越小,算法總的復(fù)雜度就越小。

下面分析這一檢測概率。

因為ri>Si和ri<-Si是互斥事件,所以滿足最優(yōu)判決準(zhǔn)則的概率可表示為

(14)

由式(4)得

(15)

(16)

式中，ui=[Ri1,Ri2,…,RiNT]T∈RNT,下面給出GSSK系統(tǒng)最優(yōu)判決準(zhǔn)則的檢測概率。

定理 1對于GSSK系統(tǒng)的檢測問題,滿足判決準(zhǔn)則的二進(jìn)制變量的概率為

(17)

式中,Nc表示發(fā)送信號矢量集合M的大小。

證畢

式(17)給出了接收端對發(fā)送矢量每一元素的檢測概率。當(dāng)系統(tǒng)的噪聲方差越大,即信噪比越小時,通過最優(yōu)判決準(zhǔn)則判決檢測的概率就越大,BQP算法第2步需要進(jìn)行部分ML檢測需要的實數(shù)乘法次數(shù)就越低,此時BQP算法的復(fù)雜度低于ML算法。隨著系統(tǒng)信噪比的增加,通過最優(yōu)判決準(zhǔn)則判決檢測的概率降低,BQP算法第2步進(jìn)行部分ML檢測需要的實數(shù)乘法次數(shù)就越多,此時BQP算法的復(fù)雜度會增加。當(dāng)最優(yōu)判決完全失敗時,BQP算法復(fù)雜度高于ML算法。

5結(jié)論

目前,大天線技術(shù)和綠色通信技術(shù)受到業(yè)界的廣泛興趣,而GSSK技術(shù)作為這兩個技術(shù)融合的優(yōu)選方案,本文的算法不僅有較好的實際應(yīng)用意義,而且也代表了另一種思路,對相關(guān)的信號檢測算法也有參考意義。

參考文獻(xiàn)：

[1] Mesleh R Y, Haas H, Sinanovic S, et al. Spatial modulation[J].IEEETrans.onVehicularTechnology,2008,57(4):2228-2241.

[2] Di Renzo M,Haas H,Ghrayeb A,et al.Spatial modulation for generalized MIMO:challenges,opportunities,and implementation[J].ProceedingsoftheIEEE,2014,102(1):56-103.

[3] Rajashekar R, Hari K V S, Hanzo L. Reduced-complexity ML detection and capacity-optimized training for spatial modulation systems[J].IEEETrans.onCommunications, 2014, 62(1): 112-125.

[4] Liu W L, Wang N, Jin M L, et al. Denoising detection for the generalized spatial modulation system using sparse property[J].IEEECommunicationsLetters, 2014, 18(1): 22-25.

[5] Xiao Y, Yang Z F, Dan L L, et al. Low-complexity signal detection for generalized spatial modulation[J].IEEECommunicationsLetters, 2014, 18(3): 403-406.

[6] Jeganathan J, Ghrayeb A, Szczecinski L, et al. Space shift keying modulation for MIMO channels[J].IEEETrans.onWirelessCommunications, 2009, 8(7): 3692-3703.

[7] Zhou E, Hao L. Optimal power allocation for space shift keying modulation in a distributed antenna system[J].IEEECommunicationsLetters, 2013, 17(9)：1734-1737.

[8] Chang R Y, Lin S J, Chung W H. New space shift keying modulation with hamming code-aided constellation design[J].IEEEWirelessCommunicationsLetters, 2012, 1(1): 2-5.

[9] Di Renzo M, Haas H. Improving the performance of space shift keying (SSK) modulation via opportunistic power allocation[J].IEEECommunicationsLetters, 2010, 14(6): 500-502.

[10] Jeganathan J, Ghrayeb A, Szczecinski L. Generalized space shift keying modulation for MIMO channels[C]∥Proc.oftheIEEE19thInternationalSymposiumonPersonal,IndoorandMobileRadioCommunications,2008: 1-5.

[11] Ntontin K, Di Renzo M, Perez-Neira A, et al. Adaptive generalized space shift keying[J].EURASIPJournalonWirelessCommunicationsandNetworking, 2013(1): 1-15.

[12]Larsson E G. MIMO detection methods: how they work[J].IEEESignalProcessingMagazine, 2009, 26(3): 91-95.

[13]Yu C M, Hsieh S H, Liang H W, et al. Compressed sensing detector design for space shift keying in MIMO systems[J].IEEECommunicationsLetters, 2012, 16(10): 1556-1559.

[14]Chang R Y, Chung W H, Lin S J. Detection of space shift keying signaling in large MIMO systems[C]∥Proc.oftheWirelessCommunicationsandMobileComputingConference(IWCMC), 2012: 1185-1190.

[15]Beck A, Teboulle M. Global optimality conditions for quadratic optimization problems with binary constraints[J].SIAMJournalonOptimization, 2000, 11(1): 179-188.

[16]Liu W L, Pei Y Y, Jin M L. Partial optimal MIMO detection for BPSK communication system[J].JournalofSignalProcessing,2013,29(10):1315-1322.(劉文龍,裴瑩瑩, 金明錄. BPSK通信系統(tǒng)的部分最優(yōu)MIMO檢測算法[J].信號處理, 2013, 29(10):1315-1322.)

[17] Tropp J A, Gilbert A C. Signal recovery from random measurements via orthogonal matching pursuit[J].IEEETrans.onInformationTheory, 2007, 53(12): 4655-4666.

[18] Shang Y, Fromherz M P J, Crawford L. A new constraint test-case generator and the importance of hybrid optimizers[J].EuropeanJournalofOperationalResearch, 2006, 173(2): 419-443.

[19] Guo L M, Luo D Y. A TOA/AOA hybrid location method in nonline-of-sight environment[J].JournalofCircuitandSystems, 2010, 15(5): 26-30.(郭麗梅, 羅大庸. 非視距環(huán)境中TOA/AOA混合定位方法[J].電路與系統(tǒng)學(xué)報, 2010, 15(5): 26-30.)

張新賀(1980-),男,講師,博士研究生,主要研究方向為空間調(diào)制系統(tǒng)檢測、壓縮感知理論的應(yīng)用及稀疏信號的重構(gòu)。

E-mail:cdaszxh@sina.com

吳金隆(1989-),男,碩士研究生,主要研究方向為MIMO系統(tǒng)信號檢測、空間調(diào)制系統(tǒng)信號檢測。

E-mail: wujinlong@mail.dlut.edu.cn

門宏志(1988-),女,博士研究生,主要研究方向為空間調(diào)制系統(tǒng)檢測、壓縮感知理論的應(yīng)用及稀疏信號的重構(gòu)。

E-mail: menruiye@sina.com

金明錄(1958-),男,教授,博士研究生導(dǎo)師,博士,主要研究方向為信號與通信系統(tǒng)基礎(chǔ)理論和技術(shù)。

E-mail: mljin@dlut.edu.cn

網(wǎng)絡(luò)優(yōu)先出版地址：http://www.cnki.net/kcms/detail/11.2422.TN.20150202.1727.004.html

Detection algorithm for GSSK system based on global optimality

conditions for binary quadratic programming

ZHANG Xin-he1,2, WU Jin-long1, MEN Hong-zhi1, JIN Ming-lu1

(1.SchoolofInformationandCommunicationEngineering,DalianUniversityofTechnology,

Dalian116024,China; 2.SchoolofElectronicandInformationEngineering,

UniversityofScienceandTechnologyLiaoning,Anshan114051,China)

Abstract:Generalized space shift keying (GSSK), a preferred scheme in the combination of the large-antenna technology and the green communication technology, has received a wide range of interests. The main features of GSSK are that only a few antennas are activated at any time instant and antenna indices are exploited to convey information. The computational complexity of the maximum likelihood (ML) detector is extremely high due to the large transmit-antenna which has been the limitation in practical application. Thus, simplified suboptimal detection algorithms have been widely studied. A novel GSSK detection algorithm based on global optimality conditions for binary quadratic programming is proposed. The proposed algorithm uses the optimal decision criterion to judge the transmit information. Subsequently the algorithm can determine the combination of transmit antennas based on the previous transmit information. Thus, the transmit binary bit stream is estimated. The simulation results show that the performance of the proposed algorithm, which exhibits lower computational complexity, is better than orthogonal matching pursuit (OMP) and convex superset relaxation (CSR) suboptimal detection algorithms. The proposed method achieves a better tradeoff between the performance and complexity.

Keywords:generalized space shift keying (GSSK); binary quadratic programming; global optimality conditions; detection algorithm

作者簡介：

中圖分類號：TN 914

文獻(xiàn)標(biāo)志碼：A

DOI:10.3969/j.issn.1001-506X.2015.07.30

基金項目：國家自然科學(xué)基金(61301130)資助課題

收稿日期：2014-09-18；修回日期：2014-12-16；網(wǎng)絡(luò)優(yōu)先出版日期：2015-02-02。