專利名稱：一種接近最大似然檢測(cè)性能的低復(fù)雜度mimo檢測(cè)器的制作方法
技術(shù)領(lǐng)域：
本發(fā)明屬于無(wú)線通信技術(shù)領(lǐng)域，涉及一種應(yīng)用于多入多出(簡(jiǎn)寫為MIMO)系統(tǒng)的檢測(cè)器。
背景技術(shù)：
最新的研究顯示在無(wú)線衰落環(huán)境下采用多個(gè)發(fā)射天線和接收天線可以成倍提高無(wú)線通信系統(tǒng)的信道容量。這種采用多個(gè)收發(fā)天線的系統(tǒng)通常被稱為MIMO系統(tǒng)。由于MIMO系統(tǒng)能夠突破無(wú)線頻率資源限制，有效提高系統(tǒng)頻譜效率，因此被認(rèn)為是未來(lái)高速無(wú)線通信系統(tǒng)的主要物理層技術(shù)之一。為了充分利用MIMO系統(tǒng)的信道容量，國(guó)內(nèi)外研究人員已經(jīng)做了大量的工作，提出了許多非常好的方案，例如基于空間多路復(fù)用技術(shù)的貝爾實(shí)驗(yàn)室分層空時(shí)結(jié)構(gòu)(BLAST)、基于空間分集技術(shù)的空時(shí)格碼和空時(shí)分組碼等。其中，BLAST技術(shù)是一種非常有效的高速傳輸技術(shù)，能夠近似達(dá)到MIMO系統(tǒng)的信道容量，被業(yè)界廣泛認(rèn)為是未來(lái)高速無(wú)線通信系統(tǒng)的主要物理層技術(shù)之一。
采用BLAST技術(shù)的MIMO系統(tǒng)的發(fā)射機(jī)結(jié)構(gòu)簡(jiǎn)單、易于實(shí)現(xiàn)，但其接收機(jī)(特別是檢測(cè)器部分)通常具有較高的復(fù)雜度。常用的BLAST檢測(cè)算法有迫零檢測(cè)算法、最小均方誤差檢測(cè)算法、干擾消除算法、最大似然檢測(cè)算法等。在常用的檢測(cè)算法中提高性能與降低復(fù)雜度二者之間存在矛盾，即算法復(fù)雜度越低性能越差，而性能越好算法復(fù)雜度也越高，特別是當(dāng)發(fā)射天線較多、傳輸速率較高時(shí)，性能好的檢測(cè)算法復(fù)雜度非常高。例如迫零檢測(cè)算法和最小均方誤差檢測(cè)算法是兩種常見的線性檢測(cè)算法，它們的復(fù)雜度較低，但性能較差；最大似然檢測(cè)算法是最優(yōu)的檢測(cè)算法，但是其復(fù)雜度隨發(fā)射天線數(shù)目、每天線平均傳輸速率的增長(zhǎng)呈指數(shù)增長(zhǎng)，天線數(shù)目較多、傳輸速率較高時(shí)其復(fù)雜度極高，難以實(shí)現(xiàn)；連續(xù)干擾消除算法是一種次優(yōu)算法，它需要進(jìn)行多次復(fù)雜的矩陣偽逆運(yùn)算，并且在高信噪比情況下它的性能與最大似然檢測(cè)性能相比仍有較大差距。
如何在保證性能不顯著下降的前提下(與最大似然檢測(cè)相比)，降低檢測(cè)器的運(yùn)算復(fù)雜度是當(dāng)前無(wú)線通信領(lǐng)域內(nèi)的一個(gè)重要課題。

發(fā)明內(nèi)容
為了解決傳統(tǒng)MIMO檢測(cè)器中提高性能與降低復(fù)雜度之間的矛盾，本發(fā)明提供一種新的MIMO檢測(cè)器，該檢測(cè)器具有很低的運(yùn)算復(fù)雜度和接近最大似然檢測(cè)的差錯(cuò)概率性能。
采用BLAST技術(shù)的MIMO系統(tǒng)的基帶信號(hào)輸入輸出關(guān)系可以表示為y＝Hx+ε (1)上式中，x=x1x2...xNTT]]>表示發(fā)射信號(hào)向量，NT表示發(fā)射天線數(shù)目，[·]T表示矩陣或向量的轉(zhuǎn)置，xn表示從第n根發(fā)射天線發(fā)射的復(fù)信號(hào)；ϵ=ϵ1ϵ2...ϵNRT]]>表示噪聲向量，NR表示接收天線數(shù)目，εm表示第m根接收天線接收到的復(fù)高斯白噪聲；y=y1y2...yNRT]]>表示接收信號(hào)向量，ym表示第m根接收天線接收到的復(fù)信號(hào)；H是NR×NT維的復(fù)矩陣，表示MIMO系統(tǒng)的等效基帶信道矩陣，其第m行第n列的元素(記為hmn)表示從第n根發(fā)射天線到第m根接收天線的等效基帶信道衰落因子，在進(jìn)行MIMO檢測(cè)處理之前，首先要通過信道估計(jì)器獲得信道矩陣的估計(jì)值。注為了方便描述，文中把信道矩陣的估計(jì)值仍記為H。
本發(fā)明的MIMO檢測(cè)器的原理為將信道矩陣H按列分解成為子信道矩陣H1和H2；從基帶接收信號(hào)y中分別刪除所有可能來(lái)自子信道H1的干擾，生成矩陣X1和Y2；以H2為信道、Y2為接收信號(hào)進(jìn)行檢測(cè)，產(chǎn)生判決輸出矩陣Z2；對(duì)Z2進(jìn)行分紐驗(yàn)證，產(chǎn)生索引u和向量x2；將X1的第u列(記為x1)與X2合并形成最終的輸出向量。另外，利用信號(hào)星座的結(jié)構(gòu)還可進(jìn)一步降低該檢測(cè)器的運(yùn)算復(fù)雜度。
本發(fā)明的MIMO檢測(cè)器的基本處理步驟為1、信道矩陣分解。此步處理有以下兩種方法一計(jì)算H的每一列的Frobenius范數(shù)(簡(jiǎn)稱為范數(shù))，根據(jù)列范數(shù)大小將H按列分解成為NR×N維的矩陣H1和NR×(NT-N)維的矩陣H2。其中，H1由H中具有較小范數(shù)的N個(gè)列組成，H2由H中具有較大范數(shù)的NT-N個(gè)列組成。
方法二計(jì)算H的Moore-Penrose偽逆(記為H)，計(jì)算H的每一行的范數(shù)，以H中具有較大范數(shù)的N個(gè)行的行號(hào)為索引取出H中對(duì)應(yīng)的N個(gè)列組成NR×N維的矩陣H1，H中剩下的列組成NR×(NT-N)維的矩陣H2。
其中，方法一的復(fù)雜度較低，方法二的性能更優(yōu)。N是一可調(diào)參數(shù)，可取1，2，…，NT-1。
2、處理器1從基帶接收信號(hào)y中分別刪除所有可能來(lái)自子信道H1的干擾，生成輸出矩陣Y2和X1。其具體步驟為產(chǎn)生矩陣Y＝11×Ky。這里，K＝MN，1n×m表示元素全為1的n×m維的矩陣，M表示所采用的信號(hào)星座中的信號(hào)數(shù)量，表示兩個(gè)矩陣的Kronecker乘積。生成輸出矩陣X1=11×M0⊗s⊗11×MN-111×M1⊗s⊗11×MN-2···11×MN-1⊗s⊗11×M0.]]>這里，s＝[s0s1… sM-1]表示信號(hào)星座中所有信號(hào)接任意順序排列而成的行向量。
生成另一輸出矩陣Y2＝Y(jié)-H1X1。
3、處理器2以H2為信道、Y2為接收信號(hào)進(jìn)行MIMO檢測(cè)處理，產(chǎn)生判決輸出矩陣Z2。這里，處理器2通常采用低復(fù)雜度的線性檢測(cè)算法，如迫零檢測(cè)算法、最小均方誤差檢測(cè)算法等。
4、將Y2、Z2和H2送入處理器3進(jìn)行分組驗(yàn)證，輸出索引u和向量x2。其具體步驟為將矩陣H2按列分解成NR×(NT-N-L)維和NR×L維的兩個(gè)矩陣，一共有P=CNT-NL]]>種分解方法。令i＝1，2，…，P表示不同分解方法的索引，第i種分解產(chǎn)生的兩個(gè)矩陣記為H2i1和H2i2。這里，L是一可調(diào)參數(shù)，可取1，2，…，NT-1，且L≤NT-N。
對(duì)應(yīng)于每一組H2i1和H2i2，將Z2按行分解為(NT-N-L)×K維的矩陣Z2i1和L×K維的矩陣Z2i2，其中Z2i1和Z2i2的行在Z2中的排列次序?qū)?yīng)于H2i1和H2i2的列在H2中的排列次序。
每一組H2i1、H2i2、Z2i1和Z2i2都要經(jīng)過如下處理計(jì)算矩陣Y2i2＝Y(jié)2-H2i1Z2i1；以Y2i2為接收信號(hào)矩陣、H2i2為信道進(jìn)行MIMO檢測(cè)處理(通常采用低復(fù)雜度的線性檢測(cè)算法)，在信號(hào)星座中選擇與判決統(tǒng)計(jì)量具有最小歐氏距離的信號(hào)，產(chǎn)生判決輸出矩陣Qi；將Qi和Z2i1合并產(chǎn)生矩陣X2i；計(jì)算矩陣Ui＝Y(jié)2i2-H2i2Qi的每一列的范數(shù)。
比較矩陣U1，U2，…，UP的每一列的范數(shù)，選擇具有最小列范數(shù)的矩陣的索引(記為q)以及具有最小范數(shù)的列在該矩陣中的列號(hào)(記為u)，輸出u和矩陣X2q的第u列(記為x2)。
5、取出矩陣X1的第u列x1與x2合并成為檢測(cè)輸出向量。其中，x1與x2的元素在向量中的排列次序分別對(duì)應(yīng)于H1和H2的各列在H中的排列次序。
利用信號(hào)星座的結(jié)構(gòu)還可進(jìn)一步降低本發(fā)明的檢測(cè)器的運(yùn)算復(fù)雜度，其簡(jiǎn)化處理方法如下1、在基本檢測(cè)處理中，當(dāng)信號(hào)星座中的信號(hào)與同一個(gè)復(fù)數(shù)的乘法次數(shù)大于M時(shí)，先將星座中的所有信號(hào)與這個(gè)復(fù)數(shù)相乘，存儲(chǔ)相應(yīng)的結(jié)果，當(dāng)計(jì)算信號(hào)星座中的任意信號(hào)與這個(gè)復(fù)數(shù)相乘時(shí)，調(diào)用已存儲(chǔ)的結(jié)果既可。此方法適用于任意信號(hào)星座。
2、如果系統(tǒng)采用BPSK、QPSK和QAM等方形信號(hào)星座，在基本檢測(cè)處理中，信號(hào)星座中的信號(hào)與任意復(fù)數(shù)的乘法運(yùn)算可簡(jiǎn)化為加法運(yùn)算。具體簡(jiǎn)化方法為令D表示信號(hào)星座圖中信號(hào)與坐標(biāo)軸之間的最小距離，調(diào)整基帶信號(hào)處理的單位電平，使得D＝1，則方形信號(hào)星座中的任意信號(hào)s可表示為a+jb的形式，這里a和b為整數(shù)，j為虛單位；由于s與任意復(fù)數(shù)(記為λ)的乘積可表示為λs＝aλ+jbλ，因此可通過λ的幾次加法運(yùn)算得到aλ和bλ，從而得到λs；當(dāng)信號(hào)星座中的信號(hào)與λ的乘法次數(shù)大于M時(shí)，利用上述加法運(yùn)算先計(jì)算并存儲(chǔ)信號(hào)星座中的所有信號(hào)與這個(gè)復(fù)數(shù)相乘的結(jié)果，當(dāng)計(jì)算信號(hào)星座中的任意信號(hào)與這個(gè)復(fù)數(shù)相乘時(shí)，只需要調(diào)用已存儲(chǔ)的結(jié)果既可。
本發(fā)明的有益效果在于所提出的檢測(cè)器的性能接近最大似然檢測(cè)器，而運(yùn)算復(fù)雜度與收發(fā)天線數(shù)目成二元三次多項(xiàng)式關(guān)系，僅與傳統(tǒng)的線性檢測(cè)器(如迫零檢測(cè)器和最小均方誤差檢測(cè)器)相當(dāng)。


圖1基于BLAST技術(shù)的MIMO系統(tǒng)原理圖。
圖2本發(fā)明提出的MIMO檢測(cè)器的基本處理流程圖。
圖3信道矩陣分解。
圖4處理器1的處理流程圖。
圖5采用線性檢測(cè)算法的處理器2的處理流程圖。
圖6處理器3的處理流程圖。
圖7方形信號(hào)星座結(jié)構(gòu)示意圖。
圖8本發(fā)明提出的檢測(cè)器與幾種常用檢測(cè)器的性能比較(QPSK)。
圖9本發(fā)明提出的檢測(cè)器與幾種常用檢測(cè)器的性能比較(16QAM)。
具體實(shí)施例方式
下面通過附圖和實(shí)施例對(duì)本發(fā)明進(jìn)行詳細(xì)闡述。
本發(fā)明的檢測(cè)器適用于平坦衰落信道下的MIMO系統(tǒng)，或是能夠建模為MIMO平坦衰落信道的系統(tǒng)。例如，本發(fā)明可直接用在多入多出正交頻分復(fù)用(MIMO-OFDM)系統(tǒng)的任意一個(gè)子載波上。
圖1示出了基于BLAST技術(shù)的MIMO系統(tǒng)框圖。在發(fā)射端，數(shù)據(jù)比特首先被映射成為信號(hào)星座中的信號(hào)，經(jīng)過串并變換后形成多個(gè)并行的基帶信號(hào)，然后經(jīng)過調(diào)制后分別從多個(gè)不同的天線同時(shí)發(fā)射出去；經(jīng)過無(wú)線信道衰落后，來(lái)自不同發(fā)射天線的信號(hào)與噪聲疊加后被多個(gè)天線同時(shí)接收，經(jīng)過解調(diào)后生成多個(gè)并行基帶信號(hào)，MIMO檢測(cè)器利用信道估計(jì)器產(chǎn)生的信道狀態(tài)信息從基帶信號(hào)中恢復(fù)出原始數(shù)據(jù)。實(shí)際系統(tǒng)中，數(shù)據(jù)比特在映射之前可以先經(jīng)過編碼和交織，相應(yīng)的在接收機(jī)輸出數(shù)據(jù)之前要經(jīng)過解交織和譯碼。該系統(tǒng)的基帶信號(hào)輸入輸出關(guān)系可以被表示為公式(1)(見發(fā)明內(nèi)容)。本發(fā)明涉及其中的MIMO檢測(cè)器部分。
圖2示出了本發(fā)明提出的MIMO檢測(cè)器的基本處理流程圖。其步驟為首先將信道估計(jì)器產(chǎn)生的信道矩陣H按列分解成為子信道矩陣H1和H2；然后將接收到的基帶信號(hào)y和H1送入處理器1，生成輸出矩陣X1和矩陣Y2；處理器2對(duì)H2和Y2進(jìn)行處理產(chǎn)生輸出矩陣Z2；接著處理器3對(duì)Y2、H2和Z2進(jìn)行聯(lián)合檢測(cè)后輸出索引u和向量x2；取出X1的第u列x1與x2結(jié)合形成最終的檢測(cè)輸出向量，其中x1與x2的元素在向量中的排列次序分別對(duì)應(yīng)于H1和H2的各列在H中的排列次序。
圖3合并給出了兩種信道矩陣分解方法的流程圖。
其中，方法一的處理步驟為1.首先將H分解為NT個(gè)列向量。
2.計(jì)算每一個(gè)向量的范數(shù)。
3.比較范數(shù)大小，取出具有較小范數(shù)的N個(gè)向量的索引(記為i1，i2，...，iN)。這里，N是一可調(diào)參數(shù)，可取1，2，…，NT-1。
4.取出H中的第i1，i2，…，iN個(gè)列向量組成NR×N維的矩陣H1，剩下的NT-N個(gè)列組成NR×(NT-N)維的矩陣H2。
對(duì)于方法二，只需要將方法一的第1步改為首先計(jì)算H，再將H分解為NT個(gè)行向量；第3步改為比較范數(shù)大小，取出具有較大范數(shù)的N個(gè)向量的索引(記為i1，i2，…，iN)。
圖4示出了處理器1的流程圖。它包括以下三個(gè)步驟1.首先計(jì)算矩陣Y＝11×Ky。這里表示的Kronecker乘積，令A(yù)和B表示兩個(gè)矩陣， 則 2.然后計(jì)算矩陣，X1=11×M0⊗s⊗11×MN-111×M1⊗s⊗11×MN-2···11×MN-1⊗s⊗11×M0.]]>3.接著生成矩陣Y2＝Y(jié)-H1X1。這里，H1X1可采用簡(jiǎn)化處理方法計(jì)算。
處理器2執(zhí)行的操作是以H2為信道、Y2為接收信號(hào)進(jìn)行檢測(cè)，產(chǎn)生判決輸出Z2。它實(shí)際上是一個(gè)MIMO檢測(cè)器，通常采用低復(fù)雜度的線性檢測(cè)算法(如迫零檢測(cè)算法、最小均方誤差檢測(cè)算法等)。下面以采用線性檢測(cè)算法的處理器2說明其具體處理過程(如圖5所示)。
1.由H2產(chǎn)生線性加權(quán)矩陣W。這里，如果采用迫零檢測(cè)算法，則 如果采用最小均方誤差檢測(cè)算法，則W=H2H(H2H2H+σ2INR)-1,]]>σ2表示每根接收天線上的噪聲方差，In表示n×n維的單位矩陣，(·)H表示矩陣的復(fù)共軛轉(zhuǎn)置。
2.計(jì)算矩陣Z1＝WY2＝WY-WH1X1。由于Y＝11×Ky，計(jì)算WY時(shí)只需要先計(jì)算Wy再將其按列復(fù)制成(NT-N)×K維的矩陣既可；對(duì)于WH1X1，先計(jì)算WH1，再利用簡(jiǎn)化處理方法計(jì)算與信號(hào)矩陣X1的乘積。
3.將Z1的每一個(gè)元素判決成信號(hào)星座中的離散信號(hào)，并保持其對(duì)應(yīng)位置不變，從而產(chǎn)生判決輸出矩陣Z2。
圖6示出了處理器3的流程圖。其處理步驟如下1.將NR×(NT-N)維的矩陣H2按列分解成NR×(NT-N-L)維和NR×L維的兩個(gè)矩陣，這樣的分解共有P=CNT-NL]]>種分法，每一種分法形成了一個(gè)支路。令第i個(gè)支路NR×(NT-N-L)維的矩陣記為H2i1，NR×L維的記為H2i2，對(duì)應(yīng)于H2i1和H2i2，將Z2按行分解成(NT-N-L)×K維的矩陣Z2i1和L×K維的矩陣Z2i2，其中Z2i1和Z2i2的行在Z2中的排列次序?qū)?yīng)于H2i1和H2i2的列在H2中的排列次序。這里，L是一可調(diào)參數(shù)，可取1，2，…，NT-1，且L≤NT-N。
2.計(jì)算矩陣Y2i2＝Y(jié)2-H2i1Z2i1，其中H2i1Z2i1采用簡(jiǎn)化處理方法計(jì)算。
3.以Y2i2為接收信號(hào)矩陣、H2i2為信道矩陣送入到一個(gè)低復(fù)雜度MIMO檢測(cè)器進(jìn)行處理。以線性檢測(cè)器為例，其步驟如下1)由H2i2產(chǎn)生線性加權(quán)矩陣Wi。
2)計(jì)算Vi＝WiY2i2＝WiY-WiH1X1-WiH2i1Z2i1。計(jì)算WiY時(shí)只需要計(jì)算Wiy再按列成復(fù)制L×K維的矩陣既可；對(duì)于WiH1X1和WiH2i1Z2i1，先計(jì)算WiH1和WiH2i1，再利用簡(jiǎn)化處理方法分別計(jì)算它們與信號(hào)矩陣X1和Z2i1的乘積。
3)將Vi的每一個(gè)元素判決成信號(hào)星座中的離散信號(hào)，并保持其對(duì)應(yīng)位置不變，從而產(chǎn)生輸出矩陣Qi。
4.將Z2i1與Qi進(jìn)行合并產(chǎn)生矩陣X2i。其中，Z2i1與Qi的元素分別對(duì)應(yīng)于Z2i1與Z2i2在Z2中的位置。
5.計(jì)算矩陣Ui＝Y(jié)2i2-H2i2Qi的每一列的范數(shù)。其中，H2i2Qi采用簡(jiǎn)化處理方法計(jì)算。
6.比較矩陣U1，U2，…，UP的每一列的范數(shù)，選擇具有最小列范數(shù)的矩陣的索引(記為q)以及具有最小范數(shù)的列在該矩陣中的索引(記為u)。
7.最后輸出u和矩陣X2q的第u列x2。
在上述處理步驟中，當(dāng)信號(hào)星座中的信號(hào)與同一個(gè)復(fù)數(shù)的乘法次數(shù)大于M時(shí)，先將星座中的所有信號(hào)與這個(gè)復(fù)數(shù)相乘，存儲(chǔ)相應(yīng)的結(jié)果，當(dāng)計(jì)算信號(hào)星座中的任意信號(hào)與這個(gè)復(fù)數(shù)相乘時(shí)，調(diào)用已存儲(chǔ)的結(jié)果既可。此方法適用于任意信號(hào)星座。具體實(shí)施方法如下1.對(duì)于H1X1、H2i1Z2i1和H2i2Qi，先計(jì)算并存儲(chǔ)信號(hào)星座中的所有信號(hào)與H的各個(gè)元素相乘的結(jié)果，計(jì)算H1X1、H2i1Z2i1和H2i2Qi時(shí)均從這個(gè)存儲(chǔ)空間中調(diào)用相應(yīng)的結(jié)果。
2.對(duì)于WH1X1、WiH1X1和WiH2i1Z2i1，先計(jì)算WH1、WiH1和WiH2i1，再計(jì)算并存儲(chǔ)信號(hào)星座中的所有信號(hào)與WH1、WiH1和WiH2i1的各個(gè)元素相乘的結(jié)果，計(jì)算WH1X1、WiH1X1和WiH2i1Z2i1時(shí)分別從相應(yīng)的存儲(chǔ)空間中調(diào)用相應(yīng)的結(jié)果。
如果系統(tǒng)采用BPSK、QPSK和QAM信號(hào)星座，可將信號(hào)星座中的信號(hào)與任意復(fù)數(shù)的乘法運(yùn)算簡(jiǎn)化成加法運(yùn)算。圖7以QPSK和16QAM信號(hào)星座為例說明了方形信號(hào)星座的基本結(jié)構(gòu)。其中，D表示信號(hào)星座圖中信號(hào)與坐標(biāo)軸之間的最小距離，則星座中的任意信號(hào)s可表示為s＝aD+jbD(a和b為整數(shù))。s與任意復(fù)數(shù)λ的乘積可表示為λs＝aλD+jbλD。通過增益控制，使得D＝1，則λD＝λ。因?yàn)閍和b為整數(shù)，aλD和bλD可分別由λ的幾次自相加得到，也就是說λs可由λ的幾次加法獲得。因此，如果系統(tǒng)采用BPSK、QPSK和QAM等方形信號(hào)星座，可將信號(hào)與復(fù)數(shù)的乘法運(yùn)算簡(jiǎn)化為加法運(yùn)算，從而大幅度降低運(yùn)算復(fù)雜度。當(dāng)信號(hào)星座中的信號(hào)與λ乘法次數(shù)的不大于M時(shí)，直接通過上述加法運(yùn)算計(jì)算乘法結(jié)果；當(dāng)信號(hào)與λ乘法次數(shù)的超過M個(gè)時(shí)，通過加法運(yùn)算計(jì)算并存儲(chǔ)信號(hào)星座中的所有信號(hào)與λ相乘的結(jié)果，計(jì)算信號(hào)星座中的任意信號(hào)與這個(gè)復(fù)數(shù)相乘時(shí)，只需要調(diào)用已存儲(chǔ)的結(jié)果既可。由上述方法可將檢測(cè)處理中的H1X1、WH1X1、H2i1Z2i1、WiH1X1、WiH2i1Z2i1和H2i2Qi進(jìn)一步簡(jiǎn)化，具體實(shí)施方法如下1.對(duì)于H1X1、H2i1Z2i1和H2i2Qi，先通過加法運(yùn)算計(jì)算并存儲(chǔ)信號(hào)星座中的所有信號(hào)與H的各個(gè)元素相乘的結(jié)果，計(jì)算H1X1、H2i1Z2i1和H2i2Qi時(shí)均從這個(gè)存儲(chǔ)空間中調(diào)用相應(yīng)的結(jié)果。
2.對(duì)于WH1X1、WiH1X1和WiH2i1Z2i1，先計(jì)算WH1、WiH1和WiH2i1，再通過加法運(yùn)算計(jì)算并存儲(chǔ)信號(hào)星座中的所有信號(hào)與WH1、WiH1和WiH2i1的各個(gè)元素相乘的結(jié)果，計(jì)算WH1X1、WiH1X1和WiH2i1Z2i1時(shí)分別從相應(yīng)的存儲(chǔ)空間中調(diào)用相應(yīng)的結(jié)果。
圖8和圖9中示出了采用本發(fā)明檢測(cè)器的MIMO系統(tǒng)的兩組性能仿真結(jié)果。該系統(tǒng)的收發(fā)天線數(shù)目均為4，信道是獨(dú)立同分布的MIMO平坦瑞利衰落信道，N＝L＝1，處理器2采用最小均方誤差檢測(cè)算法。注由于L＝1，則H2i2為NR×1維的列向量，其迫零檢測(cè)等效于最優(yōu)的最大似然檢測(cè)，因此在處理器3中采用迫零算法計(jì)算加權(quán)矩陣Wi。其中，圖8仿真的系統(tǒng)采用QPSK調(diào)制，頻譜效率為8bits/Hz；圖9仿真的系統(tǒng)采用16QAM調(diào)制，頻譜效率為16bit/s/Hz；檢測(cè)器1表示本發(fā)明檢測(cè)器采用方法一進(jìn)行信道矩陣分解的情況，本發(fā)明檢測(cè)器2表示本發(fā)明檢測(cè)器采用方法二進(jìn)行信道矩陣分解的情況。為了進(jìn)行性能比較，圖中也給出了相應(yīng)的迫零檢測(cè)器、最小均方誤差檢測(cè)器以及最大似然檢測(cè)器的性能曲線。顯然，本發(fā)明檢測(cè)器性能遠(yuǎn)遠(yuǎn)優(yōu)于迫零檢測(cè)器、最小均方誤差檢測(cè)器，接近最大似然檢測(cè)器的誤比特性能。以圖8而言，檢測(cè)器1在達(dá)到10-5誤比特率時(shí)所需的信噪比與最大似然檢測(cè)器的相差不到2dB，而檢測(cè)器2的整個(gè)性能曲線幾乎與最大似然檢測(cè)器重合。
下面以一個(gè)典型的實(shí)施例分析本發(fā)明的運(yùn)算復(fù)雜度。
設(shè)系統(tǒng)采用方形信號(hào)星座；由性能分析可知，當(dāng)N＝L＝1時(shí)檢測(cè)器的性能已接近最大似然檢測(cè)，因此以下分析中令N＝L＝1；處理器2采用線性檢測(cè)算法；處理器3采用迫零檢測(cè)算法。這里以一次復(fù)數(shù)乘法的運(yùn)算量為算法復(fù)雜度的單位，忽略加減法、比較、選擇等相對(duì)簡(jiǎn)單的處理，只計(jì)算乘除法的復(fù)雜度。令F(H)、F(W)和F(Wi)分別表示求H、W和Wi的復(fù)雜度。由于L＝1則F(Wi)＝NR。
如果信道矩陣分解采用方法一，則本發(fā)明的復(fù)雜度為F(W)+NRNT2+12MNR(NT-1)+52NRNT-3NR]]>如果信道矩陣分解采用方法二，則本發(fā)明的復(fù)雜度為
其中，F(xiàn)(H)與NR和NT成二元三次多項(xiàng)式關(guān)系；F(W)與NR和NT-1成二元三次多項(xiàng)式關(guān)系；另外，由于無(wú)線通信系統(tǒng)常用星座的信號(hào)數(shù)目(M)通常為2、4、8、16，最大一般不超過64，因此M不會(huì)對(duì)檢測(cè)器的復(fù)雜度產(chǎn)生太大的影響。由上述分析可知本發(fā)明提出的檢測(cè)器的復(fù)雜度與NR和NT成二元三次多項(xiàng)式關(guān)系。
綜上所述，本發(fā)明的檢測(cè)器不僅具有接近最大似然檢測(cè)的性能，而且復(fù)雜度僅與迫零檢測(cè)器、最小均方誤差檢測(cè)器等線性檢測(cè)器相當(dāng)(與NR和NT成二元三次多項(xiàng)式關(guān)系)；另外，本發(fā)明的檢測(cè)器中的大多數(shù)處理是并行處理(如信道矩陣分解、處理器1～3等)，實(shí)際中可用并行計(jì)算方法提高處理速度。
權(quán)利要求
1.一種接近最大似然檢測(cè)性能的低復(fù)雜度多入多出(MIMO)檢測(cè)器，其特征在于該檢測(cè)器包括以下基本處理步驟將信道矩陣H按列分解成為子信道矩陣H1和H2。處理器1從基帶接收信號(hào)y中分別刪除所有可能來(lái)自子信道H1的干擾，生成輸出矩陣Y2和X1。處理器2以H2為MIMO信道、Y2為接收信號(hào)進(jìn)行MIMO檢測(cè)處理，產(chǎn)生判決輸出矩陣Z2。處理器3對(duì)Z2進(jìn)行分組驗(yàn)證，輸出索引u和向量x2。取出X1的第u列(記為x1)與x2合并成為檢測(cè)輸出向量。
2.根據(jù)權(quán)利要求1所述的檢測(cè)器，其特征在于，信道矩陣分解的方法包含以下處理步驟將H分解為NT個(gè)列向量。為進(jìn)一步增強(qiáng)性能，此步可改為將H+分解為NT個(gè)行向量。這里，H+為H的Moore-Penrose偽逆，NT表示發(fā)射天線數(shù)目。計(jì)算上述NT個(gè)向量的Frobenius范數(shù)(簡(jiǎn)稱為范數(shù))。比較上述范數(shù)的大小，得到一組索引i1，i2，...，iN。如果這些范數(shù)為H的列范數(shù)，i1，i2，...，iN表示具有較小范數(shù)的N個(gè)列向量的索引；如果這些范數(shù)為H+的行范數(shù)，i1，i2，...，iN表示具有較大范數(shù)的N個(gè)行向量的索引。取出H中的第i1，i2，...，iN個(gè)列向量組成NR×N維的矩陣H1，剩下的NT-N個(gè)列向量組成NR×(NT-N)維的矩陣H2。這里，NR表示接收天線數(shù)目。
3.根據(jù)權(quán)利要求2所述的信道矩陣分解方法，其特征在于，N是一可調(diào)參數(shù)，可取1，2，…，NT-1。
4.根據(jù)權(quán)利要求1所述的檢測(cè)器，其特征在于，處理器1包括以下處理步驟產(chǎn)生矩陣Y＝1l×Ky。這里，K＝MN，1n×m表示元素全為1的n×m維的矩陣，M表示所采用的信號(hào)星座中的信號(hào)數(shù)量，表示Kronecker乘積。生成輸出矩陣X1=11×M0⊗s⊗11×MN-111×M1⊗s⊗11×MN-2···11×MN-1⊗s⊗11×M0.]]>這里，s＝[s0s1…sM-1]表示信號(hào)星座中所有信號(hào)按一定順序排列而成的行向量。生成另一輸出矩陣Y2＝Y(jié)-H1X1。
5.根據(jù)權(quán)利要求1所述的檢測(cè)器，其特征在于，處理器2可采用任意MIMO檢測(cè)算法。本發(fā)明推薦采用復(fù)雜度較低的算法，如迫零檢測(cè)算法、最小均方誤差檢測(cè)算法等。
6.根據(jù)權(quán)利要求1所述的檢測(cè)器，其特征在于，判決輸出矩陣Z2的元素產(chǎn)生方法是在信號(hào)星座中選擇與相應(yīng)的判決統(tǒng)計(jì)量具有最小歐氏距離的信號(hào)。
7.根據(jù)權(quán)利要求1所述的檢測(cè)器，其特征在于，處理器3包括以下處理步驟將矩陣H2按列分解成NR×(NT-N-L)維和NR×L維的兩個(gè)矩陣，一共有P=CNT-NL]]>種分解方法。令i＝1，2，…，P表示不同分解方法的索引，第i種分解產(chǎn)生的兩個(gè)矩陣分別記為H2i1和H2i2。這里Cmn表示在m個(gè)不同元素中取n個(gè)元素的組合數(shù)量。對(duì)應(yīng)于每一組H2i1和H2i2，將Z2的按行分解為(NT-N-L)×K維的矩陣Z2i1和L×K維的矩陣Z2i2，其中Z2i1和Z2i2的行在Z2中的排列次序?qū)?yīng)于H2i1和H2i2的列在H2中的排列次序。每一組H2i1、H2i2、Z2i1和Z2i2都要經(jīng)過如下處理計(jì)算矩陣Y2i2＝Y(jié)2-H2i1Z2i1；以Y2i2為接收信號(hào)矩陣、H2i2為信道進(jìn)行MIMO檢測(cè)處理，產(chǎn)生判決輸出矩陣Qi，這里推薦采用復(fù)雜度較低的算法，如迫零檢測(cè)算法等；合并Qi和Z2i1產(chǎn)生矩陣X2i，其中Z2i1和Qi的元素分別對(duì)應(yīng)于Z2i1和Z2i2的元素在Z2中的位置；計(jì)算矩陣Ui＝Y(jié)2i2-H2i2Qi的每一列的范數(shù)。比較矩陣U1，U2，...，UP的每一列的范數(shù)，選擇具有最小列范數(shù)的矩陣的索引(記為q)以及具有最小范數(shù)的列在該矩陣中的列號(hào)(記為u)，輸出列號(hào)u和X2q的第u列(記為x2)。
8.根據(jù)權(quán)利要求7所述的處理器3，其特征在于，L是一可調(diào)參數(shù)，可取1，2，…，NT-1，且L≤NT-N。
9.根據(jù)權(quán)利要求7所述的處理器3，其特征在于，判決輸出矩陣Qi的元素產(chǎn)生方法是在信號(hào)星座中選擇與相應(yīng)的判決統(tǒng)計(jì)量具有最小歐氏距離的信號(hào)。
10.根據(jù)權(quán)利要求1所述的檢測(cè)器，其特征在于，當(dāng)合并x1和x2時(shí)，x1與x2的元素在向量中的排列次序分別對(duì)應(yīng)于H1和H2的各列在H中的排列次序。
11.根據(jù)權(quán)利要求1適用于所述的檢測(cè)器，其特征在于當(dāng)信號(hào)星座中的信號(hào)與同一個(gè)復(fù)數(shù)的乘法次數(shù)大于M時(shí)，先將星座中的所有信號(hào)與這個(gè)復(fù)數(shù)相乘，存儲(chǔ)相應(yīng)的結(jié)果，當(dāng)計(jì)算信號(hào)星座中的任意信號(hào)與這個(gè)復(fù)數(shù)相乘時(shí)，調(diào)用已存儲(chǔ)的結(jié)果既可。
12.根據(jù)權(quán)利要求1所述的檢測(cè)器，其特征在于，如果系統(tǒng)采用BPSK、QPSK和QAM等方形信號(hào)星座，可將信號(hào)星座中的信號(hào)與任意復(fù)數(shù)(記為λ)的乘法運(yùn)算簡(jiǎn)化成加法運(yùn)算。具體簡(jiǎn)化方法如下令D表示信號(hào)星座圖中信號(hào)與坐標(biāo)軸之間的最小距離，調(diào)整基帶信號(hào)處理的單位電平，使得D＝1。方形信號(hào)星座中的任意信號(hào)s可表示為a+jb(a和b為整數(shù)，j為虛單位)，則s和任意復(fù)數(shù)(記為λ)相乘可寫為λs＝aλ+jbλ。通過λ的幾次加法運(yùn)算得到aλ和bλ，從而得到λs。當(dāng)信號(hào)星座中的信號(hào)與λ的乘法次數(shù)大于M時(shí)，利用上述加法運(yùn)算先計(jì)算并存儲(chǔ)信號(hào)星座中的所有信號(hào)與這個(gè)復(fù)數(shù)相乘的結(jié)果。當(dāng)計(jì)算信號(hào)星座中的任意信號(hào)與這個(gè)復(fù)數(shù)相乘時(shí)，只需要調(diào)用已存儲(chǔ)的結(jié)果既可。
13.根據(jù)權(quán)利要求1所述的檢測(cè)器，其特征在于，該檢測(cè)器適用于平坦衰落信道下的MIMO系統(tǒng)，或是能夠建模為MIMO平坦衰落信道的系統(tǒng)(例如多入多出正交頻分復(fù)用系統(tǒng))。
14.根據(jù)權(quán)利要求1所述的檢測(cè)器，其特征在于，該檢測(cè)器適用于采用BLAST技術(shù)或類似發(fā)射技術(shù)的MIMO系統(tǒng)。
15.根據(jù)權(quán)利要求1所述的檢測(cè)器，其特征在于，信道矩陣分解、處理器1、處理器2和處理器3均是并行處理系統(tǒng)，可用并行計(jì)算方法提高運(yùn)算速度。
全文摘要
本發(fā)明提供一種接近最大似然檢測(cè)性能的低復(fù)雜度MIMO檢測(cè)器，其基本處理步驟如下將信道矩陣H按列分解成為子信道矩陣H
文檔編號(hào)H04B7/04GK1633051SQ20051000225
公開日2005年6月29日 申請(qǐng)日期2005年1月20日 優(yōu)先權(quán)日2005年1月20日
發(fā)明者羅振東, 劉元安, 趙明 申請(qǐng)人:北京郵電大學(xué)