1.算法运行效果图预览
(完整程序运行后无水印)
2.算法运行软件版本
matlab2024b
3.部分核心程序
（完整版代码包含详细中文注释和操作步骤视频）
global MR%表示接收天线的数量
global MT%表示发射天线的数量
global mods%调制方式global iters2%LAMA 算法的迭代次数
global theta_tau_s%LAMA 算法中用于符号方差估计的阻尼常数
global theta_tau_z%LAMA 算法中用于信号方差估计的阻尼常数
global betaScale%ADMIN 算法中的缩放因子
global iters3%ADMIN 算法的迭代次数
global gamma%ADMIN 算法中拉格朗日乘子向量更新的步长
global iters4%OCD_MMSE 算法的迭代次数
global Engys%用于表示符号的平均能量
global Symbols%调制符号集合
.................................................................
% 归一化结果，将结果除以蒙特卡洛循环次数
Err_SER = Err_SER/MTKL;
Err_BER = Err_BER/MTKL;
Err_EVM = sqrt(Err_MSE./Err_VM).*100;
clr = {'bo-','rs--','mv-.','kp:','g*-','c>--','yx:'};
figure
for d = 1:length(Types)if d==1 semilogy(SNRs,Err_SER(d,:),clr{d},'LineWidth',1)hold onelsesemilogy(SNRs,Err_SER(d,:),clr{d},'LineWidth',1)end
end
hold off
grid on
xlabel('SNR[dB]')
ylabel('SER')
legend(Types)% -- plot uncoded BER
figure
for d = 1:length(Types)if d==1 semilogy(SNRs,Err_BER(d,:),clr{d},'LineWidth',1)hold onelsesemilogy(SNRs,Err_BER(d,:),clr{d},'LineWidth',1)end
end
hold off
grid on
xlabel('SNR[dB]')
ylabel('BER')
legend(Types)% -- plot EVM
figure
for d = 1:length(Types)if d==1plot(SNRs,Err_EVM(d,:),clr{d})hold onelseplot(SNRs,Err_EVM(d,:),clr{d})end
end
hold off
grid on
xlabel('SNR[dB]')
ylabel('EVM')
legend(Types)
4.算法理论概述
交替方向乘子法（Alternating Direction Method of Multipliers，ADMM）作为一种有效的优化算法，近年来在 MIMO 系统信号检测领域得到了广泛关注。基于 ADMM 的无穷范数检测算法通过将信号检测问题转化为一个带有约束的凸优化问题，并利用 ADMM 算法的迭代特性进行求解，能够在保证一定检测性能的同时，有效降低计算复杂度。并与ML、MMSE、ZF、OCD_MMSE以及 LAMA等算法进行全面对比，旨在深入分析各算法的性能特点，为 MIMO 通信系统的信号检测算法选择提供理论依据。
OCD_MMSE检测算法在一定程度上提高了检测性能，但计算复杂度相对MMSE算法有所增加，主要是由于OMP算法的迭代过程。
4.6 LAMA检测算法
LAMA检测算法是一种基于消息传递的低复杂度检测算法。它通过在因子图上进行消息传递，利用信号的先验信息和信道信息来估计发送信号。在LAMA算法中，将 MIMO系统的信号检测问题转化为一个概率图模型，通过迭代更新节点之间的消息来逐步逼近发送信号的后验概率分布。具体而言，LAMA算法包括以下几个关键步骤：
初始化：
对因子图中的各个节点进行初始化，包括发送信号节点、接收信号节点和信道节点。
消息传递：
1.从接收信号节点向信道节点传递消息，消息的计算基于接收信号和噪声方差。
2.信道节点根据接收到的消息和信道矩阵，向发送信号节点传递消息。
3.发送信号节点根据接收到的消息和信号的先验分布，更新自身的消息。
信号估计：
根据发送信号节点的最终消息，计算发送信号的估计值。
LAMA检测算法通过巧妙地利用消息传递机制，在降低计算复杂度的同时，能够获得较好的检测性能，尤其在大规模 MIMO 系统中具有明显的优势。
