一种用于大规模 MIMO 信号检测的改进算法

合集下载

大规模MIMO系统改进MMSE信号检测算法

大规模MIMO系统改进MMSE信号检测算法作者：李航伟唐加山来源：《软件导刊》2019年第03期摘要：上行链路的大规模多入多出（MIMO）系统信号检测中，最小均方误差（MMSE）算法由于涉及矩阵求逆运算使得算法复杂度过高。

为改善这一缺点，在传统MMSE算法的基础上，通过设计一种新的迭代方式代替矩阵求逆，使原算法的复杂度降低了一个数量级。

理论分析及仿真表明，改进算法显著改善了传统MMSE算法的复杂度，仅需少量迭代次数就能快速向理想MMSE矩阵求逆检测算法收敛。

关键词：大规模MIMO;信号检测;MMSE;迭代DOI：10. 11907/rjdk. 182084中图分类号：TP312 文献标识码：A 文章编号：1672-7800（2019）003-0070-030 引言随着移动数据业务量爆发式增加，传统的多输入多输出技术（multiple-input multiple-output，MIMO）因其仅能提供4×4或者8×8天线规模的系统而显得力不从心，大规模MIMO 技術应运而生。

大规模MIMO系统指在基站端配置多达几十甚至数百根天线阵列同时服务于多个单天线用户终端，大大提高了系统的频谱和能量效率[1-3]。

但是，随着天线数量的增加，大规模MIMO系统也面临一些问题，如何实现高效可靠的上行链路信号检测就是其中之一[4-5]。

随着基站端天线数量的大幅度增加，信道之间逐渐趋于正交，基于这个特性，线性检测算法如最小均方误差（minimum mean square error，MMSE）等在大规模MIMO系统中也具有很好的性能[6-7]。

但是，这些线性检测算法涉及复杂的矩阵求逆运算从而导致复杂度过高[8]。

为降低矩阵求逆带来的计算复杂度，采用Neumann级数展开算法用于信号检测，但当迭代次数大于2时，其计算复杂度又回到[O（k3）]，且当基站端天线和用户天线数量之比接近1时，会带来明显的BER性能损失[9]。

一种改进的MIMO检测算法

一种改进的MIMO检测算法
肖莉;胡艳军;葛晓光
【期刊名称】《无线通信》
【年(卷),期】2011(001)002
【摘要】本文针对现有的ML(Maximum Likelihood)检测算法复杂度高,而传统检测算法性能不是很优的问题,提出了一种新的检测算法。

新的检测算法结合ZF-OSIC和ML检测算法,根据ZF-OSIC(Force Zero- Ordered Successive Interference Cancellation)把发射信号的可能值限制在一定的范围内进行搜索,而不是对所有可能值的遍历。

仿真结果表明,选择合适的搜索范围可以使BER性能在最接近ML性能的同时复杂度也得到了降低。

【总页数】5页(P34-38)
【作者】肖莉;胡艳军;葛晓光
【作者单位】[1]不详;;[1]不详;;[1]不详
【正文语种】中文
【中图分类】TN91
【相关文献】
1.一种改进的对偶格基辅助MIMO信号检测算法 [J], 张茜;周围
2.一种用于大规模MIMO的改进信号检测算法 [J], 杨奕
3.MIMO-OFDM系统中一种改进的QRM-MLD检测算法∗ [J], 刘伟;杜江
4.一种改进的MIMO-OFDM信号迭代反馈检测算法 [J], 夏景明;王鹏
5.一种用于电力线通信系统的改进MIMO检测算法 [J], 申敏;李想;林欢
因版权原因，仅展示原文概要，查看原文内容请购买。

大规模MIMO系统的改进RTS信号检测算法

大规模MIMO系统的改进RTS信号检测算法王茜竹;李楠【摘要】大规模多输入多输出(MIMO)技术通过基站端天线数量的增加有效提高频谱效率,降低传输功率,使其成为5G移动通信系统的一项关键技术.可是随着天线数量的增加,上行链路信号检测算法的复杂度大幅增加,原有检测算法无法实现.基于机器学习和人工智能的主动禁忌搜索算法(RT S)凭借着复杂度低的优势脱颖而出,成为业内的研究热点.针对RTS算法初始值计算复杂度过高这一问题,提出基于BC-GS(Block Constellations-Gauss Seidel)迭代算法求解初始值的RT S信号检测算法,使其在达到原有算法误码率性能的前提下,从而进一步降低算法复杂度.%Massive MIMO technology can effectively improve the spectrum efficiency and reduce the transmission power by increasing the number of antennas at the base station, making it a key technology in 5G mobile communication system. However, with the increase of the number of antennas, the complexity of the uplink signal detection increases significantly, the original detection algorithm cannot be achieved in reality. The Reactive Tabu Search(RTS)algorithm based on machine learning and artificial intelligence has become a hotspot in the industry with the advantage of low complexity. In this paper, RTS signal detection algorithm based on BC-GS(Block Constellations-Gauss Seidel)iterative method is pro-posed to reduce the computational complexity of initial solution to achieve the original BER performance.【期刊名称】《计算机工程与应用》【年(卷),期】2018(054)012【总页数】6页(P74-79)【关键词】大规模MIMO;5G;主动禁忌搜索算法;迭代算法;信号检测【作者】王茜竹;李楠【作者单位】"新一代信息网络与终端"重庆市协同创新中心,重庆 400065;重庆邮电大学电子信息与网络工程研究院,重庆 400065;"新一代信息网络与终端"重庆市协同创新中心,重庆 400065;重庆邮电大学电子信息与网络工程研究院,重庆400065【正文语种】中文【中图分类】TN929.51 引言随着无人机、VR智能体感设备、无人驾驶汽车等新型多样化的智能终端设备迅速普及开发，对无线数据业务需求也提出了新的挑战。

大规模MIMO系统的改进MCMC检测算法

度。仿真结果表明，该算法能改善系统的误码率（ＢＥＲ）性能，解决传统ＭＣＭＣ算法在高信噪比条件下的 “陷入 ”问题，
同时降低运算复杂度。
关键词：大规模ＭＩＭＯ；ＭＣＭＣ检测；超松弛迭代；Ｇｉｂｂｓ采样
近年来，统计学中的一些方法，如基于蒙特卡罗仿真的ＭＣＭＣ检测算法（５－８１被引入到ＭＩＭＯ系统中，它利用已知符号的后验条件概率来迭代地求出下一个符号的后验条件概率，最后得到发送矢量的后验概率。ＭＣＭＣ方法的性能主要取决于采样点数量和迭代次数，
０引言大规模ＭＩＭＯ（Ｌａｒｇｅ—ｓｃａｌｅＭＩＭＯ）又称ＭａｓｓｉｖｅＭＩＭＯ，
最早由美国贝尔实验室的ＭＡＲＺＥＴＦＡＴＬ提出 …，该技术在基站配置数十根甚至上百根天线，以获得更大的空间自由度。文献［１—４】研究表明，当天线数目趋于无穷大时，瑞利衰落和加性高斯白噪声等负面影响可以忽略不计，数据传输速率能得到极大提高。大规模天线阵列既带来了性能增益，也带来了前所未有的挑战，如传输方案设计、迅速增加的硬件复杂度和计算量等。大规模ＭＩＭＯ系统中低复杂度、有效的接收算法是该技术从理论到实现的关键。

一种用于大规模MIMO的改进信号检测算法

索能力，提高检测性能。仿真结果表明，算法在低复杂度的情况下提高了信号检测能力，提升了系统的可靠性。
关键词：多输出多输入系统；信号检测；主动禁忌搜索；误码率性能；等效信道；高阶调制
ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１００２ — ２２７９．２０１７．０３．０１０
第３期
２０１７年６月
微
处
理
机
Ｎｏ．３
ＭＩＣＲＯＰＲＯＣＥＳＳ０ＲＳ
Ｊｕｎ．，２０１７
一
种用于大规模ＭＩＭＯ的改进信号检测算法
杨奕
（重庆金美通信有限责任公司，重庆４０００３０）
摘要：针对大规模Ｍ１ＭＯ系统信号检测在高阶调制模式性能较差的问题，论文提出了一种基于等效信道维度自适应变化的改进分层ＲＴＳ算法。该算法在分层ＲＴＳ算法基础上，根据等效信道矩阵维度变化自适应的改变最大搜索步数。在等效信道矩阵维度较小时，用较小的最大搜索步数避免迂回搜索；在等效信道矩阵维度较大时，用较大的最大搜索步数让搜索的范围更广，增强搜
中图分类号：ＴＮ９１１．７２
文献标识码：Ａ
文章编号：１００２ — ２２７９一（２０１７）０３ — ００４２ — ０４

大规模MIMO检测共轭梯度算法的优化及其VLSI实现关键技术

摘要大规模MIMO（Massive Multiple Input Multiple Output，大规模多输入多输出系统）是下一代无线通信中的关键技术。

但随着MIMO系统天线阵列规模的不断增大，大规模MIMO系统也面临着诸多的挑战，其中之一就是大规模MIMO系统中的检测问题。

在上行链路的信号检测中，大规模MIMO系统有着例如高复杂度、低并行性的挑战。

信号的线性检测算法，如ZF（Zero Forcing, 迫零算法）和MMSE （Minimum Mean Square Error, 最小均方误差检测法），它们拥有相对较低的复杂度。

但是，由于大规模MIMO系统规模的不断增大，算法中涉及到的例如大型矩阵求逆等运算，其复杂度仍然是不可接受的。

一种解决该问题的方法是在信号的线性检测算法中利用迭代逐渐逼近准确结果，避免大型矩阵求逆带来的高复杂度。

本课题基于ZF，对传统的CG （Conjugate Gradient，共轭梯度算法）方法进行优化并提出新的TCG（Three Term Recursion Conjugate Gradient，三项递归共轭梯度算法）方法，通过在原有CG中增加参数，改变了算法步骤之间的数据依赖关系，增加了算法的并行性。

同时本课题还提出了一种根据象限确定迭代初值的新方法。

该方法根据匹配滤波向量，确定需要估计的发送向量中元素所在的象限，从而减小迭代初值与最终值之间的欧氏距离，使算法能更快收敛。

针对TCG算法，一种基于流水线的VLSI被设计出用以实现128×8 64-QAM的大规模MIMO检测。

本课题设计的VLSI结构在FPGA 上进行了验证，而后利用TSMC 65nm CMOS技术在ASIC上进行了验证。

TCG算法与现有的线性检测算法相比，除了矩阵乘以向量中元素之间的并行性，还多出了算法步骤与步骤之间的并行性。

而新的迭代初值则使TCG算法有了更快的收敛速度，可以在更少的迭代次数时得到更小的SER（Symbol Error Rate，误符号率）结果。

MIMO通信系统中的检测算法

MIMO通信系统中的检测算法在MIMO（Multiple-Input Multiple-Output）通信系统中，检测算法是非常重要的，它可以帮助接收端准确地恢复发送端发送的数据。

MIMO系统通过在发送端和接收端同时使用多个天线，可以显著提高系统的容量和可靠性。

然而，由于多天线导致的信号间干扰，MIMO系统的检测变得更加复杂。

本文将介绍一些常见的MIMO检测算法。

2. 最小均方误差（Minimum Mean Square Error，MMSE）检测算法：MMSE算法是一种基于线性检测算法的改进算法。

它通过最小化接收信号与已知发射信号之间的均方误差来进行检测。

MMSE算法可以有效地减小干扰信号，并提高系统的误码率性能。

3. 梯度投影算法（Gradient Projection，GP）：GP算法是一种基于优化的检测算法。

它通过将MIMO通信系统中的检测问题转化为约束优化问题来进行检测。

GP算法通过不断迭代优化接收信号估计来最小化损失函数，并在每次迭代中进行梯度投影来满足约束条件。

该算法可以在复杂的MIMO系统中实现近似最优的检测性能。

4. 近似消息传递算法（Approximate Message Passing，AMP）：AMP算法是一种基于概率图模型的检测算法。

它通过树型图和因子图的推断方法来进行检测。

AMP算法在分布估计和误码率性能方面表现出色，尤其适用于大规模MIMO系统。

5. 近似最小误码率（Approximate Minimum Bit Error Rate，AMBER）算法：AMBER算法是一种适用于多用户MIMO系统的近似检测算法。

它通过近似计算最小误码率而不是最小误码率信噪比来进行检测。

AMBER算法可以有效地减小计算复杂度，并且在高信噪比下性能接近于最优检测算法。

总结起来，MIMO通信系统中的检测算法有线性检测算法、MMSE算法、GP算法、AMP算法和AMBER算法等。

这些算法在不同的场景和要求下具有不同的优势和性能。

一种用于大规模MIMO的改进信号检测算法

一种用于大规模MIMO的改进信号检测算法杨奕【摘要】针对大规模MIMO系统信号检测在高阶调制模式性能较差的问题,论文提出了一种基于等效信道维度自适应变化的改进分层RTS算法.该算法在分层RTS 算法基础上,根据等效信道矩阵维度变化自适应的改变最大搜索步数.在等效信道矩阵维度较小时,用较小的最大搜索步数避免迂回搜索;在等效信道矩阵维度较大时,用较大的最大搜索步数让搜索的范围更广,增强搜索能力,提高检测性能.仿真结果表明,算法在低复杂度的情况下提高了信号检测能力,提升了系统的可靠性.%This paper presents an improved layered reactive taboo search(RTS) algorithm with ada-ptability based on the equivalent channel degrees,to tackle the poor performance of conventional detection methods in massive MIMO with high order modulation schemes. Building upon the layered RTS, this algorithm changes the maximum search steps adaptively according to the degree of equivalent channel matrix. With lower degrees of equivalent channel matrix, smaller maximum search steps are chosen to avoid redundant search; while larger maximum search steps are selected in the case of higher degrees of equivalent channel matrix to improve the detection performance. Simulation results show that the proposed algorithm can improve the detection performance and system reliability.【期刊名称】《微处理机》【年(卷),期】2017(038)003【总页数】5页(P42-45,51)【关键词】多输出多输入系统;信号检测;主动禁忌搜索;误码率性能;等效信道;高阶调制【作者】杨奕【作者单位】重庆金美通信有限责任公司,重庆400030【正文语种】中文【中图分类】TN911.72大规模MIMO[1]在基站侧使用天线阵列对多个移动终端提供数据传输服务，能够极大的提高系统容量、频谱效率和能量效率[2]，因此成为5G的核心技术之一[3]。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

第２７卷第２期重庆邮电大学学报（自然科学版）Ｖｏｌ．２７Ｎｏ．２２０１５年２月ＪｏｕｒｎａｌｏｆＣｈｏｎｇｑｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＰｏｓｔｓａｎｄＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ）Ｆｅｂ．２０１５
·１８０ ·
重庆邮电大学学报（自然科学版）第２７卷
基于机器学习和人工智能的检测算法能够取得接近最优检测性能，而且复杂度比传统的检测算法低。５６］中，提出了一种基于局部近邻搜索的检在文献［测算法，也称之为似然上升搜索（ｌｉｋｅｌｉｈｏｏｄａｓｃｅｎｔｓｅａｒｃｈ，ＬＡＳ）检测算法，证明了该算法在３２×３２和６４×６４的多天线ＭＩＭＯ系统中，能达到近似最大似然检测（ｍａｘｉｍｕｍｌｉｋｅｌｉｈｏｏｄ，ＭＬ）的性能。主动禁忌
摘要：近几年来，大规模多输入多输出（ｍｕｌｔｉｉｎｐｕｔｍｕｌｔｉｏｕｔｐｕｔ，ＭＩＭＯ）的信号检测问题已经引起了人们的关注，ｒｅａｃｔｉｖｅｔａｂｕｓｅａｒｃｈ，ＲＴＳ）算法和置信度传播（ｂｅｌｉｅｆｐｒｏｐａｇａｔｉｏｎ，ＢＰ）算法的基础上，提出了在研究了主动禁忌搜索（一种新的ＲＴＳＢＰ联合检测算法，给出了２种不同的信道模型下的仿真对比图。结果表明，在不同的调制阶数情况ＲＴＳＢＰ算法性能优于单一的ＲＴＳ和ＢＰ算法，且在一定程度上降低了大规模ＭＩＭＯ检测的高维效应对信号层下，数的要求。关键词：主动禁忌搜索（ＲＴＳ）；置信度传播（ＢＰ）；大规模ＭＩＭＯ；信号检测中图分类号：ＴＮ９１１．２３文献标识码：Ａ文章编号：１６７３８２５Ｘ（２０１５）０２０１７９０５
ｄｏｉ：１０．３９７９／ｊ．ｉｓｓｎ．１６７３８２５Ｘ．２０１５．０２．００７
一种用于大规模ＭＩＭＯ信号检测的改进算法
杨大江，钟子发，宋常建，葛梅宝
（电子工程学院安徽省电子制约技术重点实验室，合肥２３００３７）
ＩｍｐｒｏｖｅｄｓｉｇｎａｌｄｅｔｅｃｔｉｏｎａｌｇｏｒｉｔｈｍｆｏｒｍａｓｓｉｖｅＭＩＭＯ
ＹＡＮＧＤａｊｉａｎｇ，ＺＨＯＮＧＺｉｆａ，ＳＯＮＧＣｈａｎｇｊｉａｎ，ＧＥＭｅｉｂａｏ
ቤተ መጻሕፍቲ ባይዱ
Ａｂｓｔｒａｃｔ：Ｉｎｒｅｃｅｎｔｙｅａｒｓ，ｐｅｏｐｌｅｈａｖｅｐａｉｄｍｏｒｅａｎｄｍｏｒｅａｔｔｅｎｔｉｏｎｔｏｔｈｅｓｉｇｎａｌｄｅｔｅｃｔｉｏｎｐｒｏｂｌｅｍｏｆｌａｒｇｅＭＩＭＯ．Ｉｎｔｈｉｓｐａｐｅｒ，ｏｎｔｈｅｂａｓｉｓｏｆｓｔｕｄｙｉｎｇｔｈｅｆｏｌｌｏｗｉｎｇｔｗｏａｌｇｏｒｉｔｈｍｓｔｈｅｒｅａｃｔｉｖｅｔａｂｕｓｅａｒｃｈ（ＲＴＳ）ａｎｄｔｈｅｂｅｌｉｅｆｐｒｏｐａｇａｔｉｏｎ（ＢＰ），ａｎｅｗＲＴＳＢＰｊｏｉｎｔｄｅｔｅｃｔｉｏｎａｌｇｏｒｉｔｈｍｉｓｐｒｏｐｏｓｅｄ，ａｎｄｔｈｅｃｏｍｐａｒｉｓｏｎｓｉｍｕｌａｔｉｏｎｃｈａｒｔｓｏｆｔｗｏｄｉｆｆｅｒｅｎｔｃｈａｎｎｅｌｍｏｄｅｌｓａｒｅｐｒｏｖｉｄｅｄ．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｕｎｄｅｒｔｈｅｄｉｆｆｅｒｅｎｔｍｏｄｕｌａｔｉｏｎｏｒｄｅｒｓ，ｔｈｅｐｅｒｆｏｒｍａｎｃｅｏｆＲＴＳＢＰａｌｇｏｒｉｔｈｍｉｓ，ｔｈｅＲＴＳＢＰａｌｇｏｒｉｔｈｍｈａｓｌｏｗｅｒｅｄｔｈｅｓｔａｎｄａｒｄｓｗｈｉｃｈｉｎｄｅｅｄｓｕｐｅｒｉｏｒｔｏｔｈｅｍｅｒｅＲＴＳｏｒＢＰａｌｇｏｒｉｔｈｍ．ＴｏｓｏｍｅｅｘｔｅｎｔｈｉｇｈｄｉｍｅｎｓｉｏｎａｌｅｆｆｅｃｔｏｆｍａｓｓｉｖｅＭＩＭＯｄｅｔｅｃｔｉｏｎｈａｓｒｅｑｕｉｒｅｄｆｏｒｓｉｇｎａｌｌａｙｅｒｓ．Ｋｅｙｗｏｒｄｓ：ｒｅａｃｔｉｖｅｔａｂｕｓｅａｒｃｈ（ＲＴＳ）；ｂｅｌｉｅｆｐｒｏｐａｇａｔｉｏｎ（ＢＰ）；ｍａｓｓｉｖｅＭＩＭＯ；ｓｉｇｎａｌｄｅｔｅｃｔｉｏｎ
（ＥｌｅｃｔｒｏｎｉｃＥｎｇｉｎｅｅｒｉｎｇＩｎｓｔｉｔｕｔｅ，ＫｅｙＬａｂｏｒａｔｏｒｙｏｆＥｌｅｃｔｒｏｎｉｃＲｅｓｔｒｉｃｔｉｏｎｏｆＡｎｈｕｉＰｒｏｖｉｎｃｅ，Ｈｅｆｅｉ２３００３７，Ｐ．Ｒ．Ｃｈｉｎａ）
１系统模型
考虑一个Ｎ的ＭＩＭＯ系统模型，ｙｒ×Ｎｔｃ为接收信号向量ｙｘｃ＝Ｈｃｃ＋ｎｃ
ＮｒＮｒ
（１）
（１）式中：ｙ；ｘ是传输的符号向量，ｃ∈ 瓘ｃ∈ 瓘
ＮｒＨｃ ∈ ＮＮｎ是零均值ｒ× ｔ是信道增益矩阵；ｃ∈ 瓘
高斯白噪声向量；ｘＰＡＭｃ中的每一个元素均为Ｍ或ＱＡＭ调制后的符号。将复数模型（１）式转变为实数模型，并省略无关下标可以得到：ｙ＝Ｈｘ＋ｎ（２）
－１５Ｇｂｉｔ／ｓ的数据传输速率和５０ｂｉｔ／ｓ ·Ｈｚ的频谱４］利用率。ＷｉＦｉ标准演进［（ＩＥＥＥ８０２．１１ｎ到
ＩＥＥＥ８０２．１１ａｃ５ＧＨｚ带宽中能达到数千兆的传输６×１６的ＭＩＭＯ方案。速率）也正在考虑采用１目前的研究已经证明在大规模ＭＩＭＯ系统中，
７８］ｒｅａｃｔｉｖｅｔａｂｕｓｅａｒｃｈ，ＲＴＳ）算法［是另一种局搜索（
２大规模ＭＩＭＯ检测算法
２．１ＲＴＳ算法主动搜索（ｒｅａｃｔｉｖｅｓｅａｒｃｈ，ＲＳ）是一种反馈机制，也是一种启发式算法。Ｂａｔｔｉｔｉ和Ｔｅｃｃｈｉｏｌｌｉ将主动搜索算法机制引入到禁忌搜索算法中来，提出了ＲＴＳ算法。ＲＴＳ利用反馈机制自动调整禁忌表长度，自动平衡表中强化搜索策略和分散多样化搜索策略，在处理大规模复杂组合优化问题时呈现出很好的性能。参考文献［１０］，禁忌搜索涉及到编码方案、适值函数、移动与邻域、禁忌表、禁忌长度、选择策略、候选解、藐视准则等概念。算法流程可简要描述如下：设定当前矢量为解空间中的随机初始化矢Ｌ代价函数值，并将量，计算该矢量的邻域矢量的Ｍ其中最小代价函数值对应的矢量作为前矢量，算法迭代固定次数或满足终止条件后，将所有当前矢量历史取值中具有最小代价函数的矢量作为最终输出。下面给出该算法根据ＺＦ初始解向量搜索全局最优解的过程图如图１所示。
０引言
在传统的多输入多输出（ｍｕｌｔｉｉｎｐｕｔｍｕｌｔｉｏｕｔ，ＭＩＭＯ）系统中，发射、接收一般为２× ２，４× ４，ｐｕｔ８×８的天线阵，由更多数量的天线组成的ＭＩＭＯ系ＩＭＯ系统，近年来，由于其统，我们称之为大规模Ｍ
研究兴趣，而研究大规模ＭＩＭＯ接收算法（ＭＩＭＯ检测）是该系统能从理论走向实际应用的关键。文献
收稿日期：２０１４０３２３修订日期：２０１４０９１８通讯作者：杨大江ｄａｊｉａｎｇｙｙｙ＠ｓｉｎａ．ｃｏｍ基金项目：国家自然科学基金资助项目（１１３７５２６３）；国防预研基金项目（４１１０１０４０４０２）ＦｏｕｎｄａｔｉｏｎＩｔｅｍｓ：ＴｈｅＮａｔｉｏｎａｌＮａｔｕｒａｌＳｃｉｅｎｃｅＦｏｕｎｄａｔｉｏｎｏｆＣｈｉｎａ（１１３７５２６３）；ＴｈｅＡｄｖａｎｃｅｄＲｅｓｅａｒｃｈｏｆＮａｔｉｏｎａｌＤｅｆｅｎｓｅＦｏｕｎｄａｔｉｏｎ（４１１０１０４０４０２）