对于大规模MIMO系统中使用低精度的ADC，国内外很多学者都作了大量的研究。文献[7]研究ADC的使用对 ZF（Zero-forcing）滤波器接收机性能的影响，文献[8]和[9]则分别讨论线性MMSE和非线性MMSE在使用ADC的MIMO系统中的应用。文献[10]研究了低精度ADC情况下ML检测器的性能，而文献[11]则关注于使用低精度ADC的MIMO系统的波束成形方法。采用1-bit ADC是低精度量化的极端情况，就硬件复杂度和能量消耗来说，1比特ADC很有优势，但是会对性能有严重影响。文献[12]研究了1-bit ADC超宽带MIMO系统，而文献[13]则关注在瑞利衰落MIMO信道下，应用1比特ADC系统的性能。文献[14]中分析了1比特量化系统中二进制空时分组编码并给出了最优解码的方法。文献[15]则推导了 MISO系统应用1-bit ADC的和速率计算公式，同时研究高信噪比情况下，1-bit MIMO系统和速率上界和下界。但是，这种假设是不现实的，因为使用了1-bit ADC，即使训练序列的长度是无限的，也无法获得完整的CSI。于是文献[4]考虑从1-bit ADC的输出来获取不完整的CSI，进而利用估计的CSI进行数据检测，同时文中比较了各种接收机算法：ZF，最大比合并和最小二乘（Least squares， ）法之间的性能差异，以及训练序列长度对信道估计准确度的影响。然而，传统的接收机算法的性能与我们想要的相去甚远，所以越来越多的学者考虑从低精度 ADC的输出来设计新的信号重建算法。33514
文献[5]和[6]则系统的介绍了AMP算法，[5]主要详细介绍了从标准的置信传输（Belief propagation，BP）到AMP算法的推导过程以及在几个方向上的扩展，同时讨论了与基于统计力学公式计算之间的关系。而文献[6]则通过状态演变（State evolution，SE）来分析AMP算法，同时给出了仿真结果。但是作者并没有将其应用到低精度量化的环境中去。文献[15]则比较大规模MIMO系统中几种接收算法，如MMSE，AMMSE，和GAMP算法，得出GAMP算法的计算复杂度更低，性能更好的结论。论文网
于是文献[16]则考虑到将AMP算法应用到1-bit量化中去，设计了基于近似消息传递解量化（Message passing de-quantization，MPDQ）算法的迭代接收机。通过SE来分析收敛性质，该算法的复杂度小于最小均方误差（MMSE），但却比MMSE表现出更好的性能，而且更适于硬件实现。 大规模MIMO系统国内外研究现状:http://www.youerw.com/yanjiu/lunwen_30653.html