大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)技术作为第五代(5th-Generation,5G)移动通信网络的研究重点,是指收发两端设置成百上千根天线数目,提高系统的信道容量和频谱效率等。通过可靠的检测算法恢复发送信号能够保证通信质量,但算法复杂度随着天线数目的增长而增加,导致难以应用于工程中,则设计一种低复杂度、高性能的检测算法具有重大意义。鉴于此,本文主要从以下两方面进行创新与改进:1.针对传统的共轭梯度(Conjugate Gradient,CG)搜索算法产生差错传播造成性能下降的问题,提出一种并行CG软输出检测算法。该算法利用CG算法中残差向量的正交性,将步骤整合化简后并行求解搜索步长和共轭向量,避免差错传播,从而提高算法的检测性能和收敛速度。同时,为了避免直接通过欧氏距离进行硬判决而造成误差,引入信道编译码中比特的后验概率,将译码器译码出的信息作为软输出判决。仿真结果表明:在两种判决方式下,该算法的检测性能均优于其它近似线性检测算法,且在迭代3次和误码率为52 10-?时,软判决相对于硬判决能获得约6d B左右的性能增益,即软输出判决能进一步提升算法的检测性能。2.针对似然上升搜索(Likelihood Ascend Search,LAS)算法只接受更优解而容易陷入局部最优的问题,本文提出了一种基于模拟退火思想改进的全局最优LAS检测算法。首先将模拟退火算法和传统LAS算法相结合,以模拟退火算法中的Metropolis准则为基准来接受邻域中比当前解更差的解,跳出局部最优解,以此提升算法的检测性能;继而将数值分析中的加权对称连续超松弛(Weighted Symmetric Successive Over Relaxation,WSSOR)迭代引入LAS算法中来求解初始解,避免高维的矩阵求逆,从而降低算法复杂度;另外设置多邻域候选集并行搜索,加快算法的搜索速度;最后设置双阈值为迭代终止条件,避免无效地循环迭代,以此控制算法的运算量。仿真结果表明:改进后的全局最佳LAS算法的性能优于传统LAS检测算法及其衍生算法;同时随着信噪比的增大,其性能逐渐接近ML检测的性能下界。