1.一种大规模MIMO系统的低复杂度信号检测方法，其特征在于：包括以下步骤：S1：大规模MIMO系统的信道模型转换为等效的实值模型，并构造滤波矩阵W，接收估计矩阵 和匹配滤波器输出矩阵 步骤S1具体包括以下步骤：S11：当采用NT根发射天线，MR根接收天线，且信道为准静态平坦衰落信道，系统的信道模型如下：

yMR×1＝HMR×NTxNT×1+nMR×1其中y表示接收信号，H表示静态平坦衰落信道矩阵，矩阵元素满足CN(0,1)，x表示发送2

信号向量，n表示接收端复加性高斯白噪声向量，遵循独立分布CN(0,σ)；

S12：对该模型进行转换，实值模型为：MMSE算法的接收信号估计表示为：H 2

其中，W＝HH+δI2NT代表MMSE滤波矩阵， 代表匹配滤波器输出矩阵；

S2：根据步骤S1构建的模型采用GS算法对接收信号进行迭代求解；步骤S2具体包括以下步骤：

S21：当MR＞＞NT时，信道矩阵H列满秩，则方程Hp＝0有唯一解，即p是K×1零向量，因此，对于任意K×1非零向量x，有：H 2

上式表明，矩阵HH是Hermitian正定的，又因为噪声方差δ是正数，所以MMSE滤波矩阵W是Hermitian正定的，保证了GS迭代算法的收敛性；

S22：分解MMSE滤波矩阵W：W＝D+L+U

其中D代表矩阵W的对角元素组成的矩阵，L代表矩阵W的严格下三角元素组成的矩阵，U代表矩阵W的严格上三角元素组成的矩阵；

S23：将GS算法应用在求解M维线性方程：Ax＝b中，其中A是M×M Hermitian正定矩阵代表滤波矩阵W，x是M×1解向量，b是M×1测量向量代表匹配滤波输出矩阵 即GS算法通过迭代方法求解线性方程最优解；根据GS算法公式得到：(0) (i

GS迭代算法的初始解向量为x 为零向量矩阵，经过第i+1次迭代估计出接收向量值x+1)

；

S3：对GS算法检测结果进行优化，利用斐波那契查找算法对星座图进行区域分块，选择恰当的迭代初始值，完成信号检测；步骤S3具体包括以下步骤：S31：初始化区域星座图参数：基于信号的调制阶数Q，将星座图分割为 块互不重叠的区域，每一块小区域是宽度为 的正方形；

S32：粗略判定初始值属于映射的星座图哪一个区域；

由S1中的线性MMSE算法接收信号估计值得到：表示发送向量第i个元素，表示接收向量第i个元素，Wi,j表示W的第i行j列；

根据对角占优和正定对称特性，判断出滤波矩阵W对角元素占优且都为正数：依据接收向量 实虚部的正负性判别接收向量估计值 实虚部的正负性，从而得到所在区域；大于0时，所在区域为[2n,2(n+1)]，n＝0,1,2,… 另一种情况则是 所在区域为[‑2(n+1),‑2n]，n＝0,1,2,…S33：构造斐波那契数组F(k)，斐波那契被递归方法定义：F(1)＝1，F(2)＝1，F(k)＝F(k‑1)+F(k‑2)(k＞＝2)；

S34：构造查找数组array，由步骤S32的判定结果初始化区域星座图范围为数组array[0,2,4,…,2n]或是array[0,‑2,‑4,…,‑2n]，n为要查找的数组长度；

计算数组长度n位于斐波那契数列的位置：n＞F(k)‑1；求出满足条件的最小k值；

最后，将数组长度n扩展为F(k)，如果需要补充元素，则补充重复最后一个元素，直到满足长度F(k)；

S35：进行斐波那契分割，即查找数组被分割为前半部分F(k‑1)个元素，后半部分F(k‑

2)个元素，进行递归查找，直到满足停止条件；

初始化查找参数：数组位序low＝0，high＝n‑1；

接收向量 和边界值m＝array[mid]做运算，更新边界位序mid＝low+F(k‑1)‑1；

求出 的正负性，判断是更新数组位序low还是high；

if 则左位序更新low＝mid+1，k＝k‑2，说明待查找边界值在[mid+1,high]范围内；

else右位序更新high＝mid‑1，k＝k‑1，此时待查找边界值在[low，mid‑1]范围内；

最后，当数值array[high]‑array[low]＜＝Z时，迭代结束；确定更新的初始值所在的位序；

S36：求出新的迭代初始值

由步骤S35得到的位序high，如果high＞n，则说明查找到的是扩展数值，初始值应为array[n‑1]，否则，说明查到的位置即为初始值所在位置，初始值为array[high]。