CN100361414C - 一种分组垂直分层空时检测方法及装置 - Google Patents

Abstract

本发明公开了一种分组垂直分层空时检测方法包括：将接收信号矢量中待检测的符号分为Z组，Z＞1，令i＝1；A.检测接收信号矢量，计算出第i组内所有符号的估计值，消除该组所有符号的干扰，得到修正的接收信号矢量，再将修正的接收信号矢量作为需检测的接收信号矢量，并令i＝i+1，执行步骤A，在执行Z-1次步骤A后，转入B；B.检测接收信号矢量，计算出第Z组内所有符号的估计值。本发明还公开了一种分组垂直分层空时检测装置。本发明将接收信号矢量中待检测的符号分成Z组，组与组间进行串行检测与串行干扰对消，在组内进行并行检测与并行干扰对消，降低系统时延，减少计算量，提高系统容量和速率，并且采用软判决方法得到符号的估计，提高符号估计的性能。

Description

一种分组垂直分层空时检测方法及装置

技术领域

本发明涉及无线通信领域多输入多输出(MIMO，Multiple Input MultipleOutput)技术，特别是指一种MIMO系统的分组垂直分层空时检测方法及装置。

背景技术

MIMO技术是无线通信领域的重大技术突破，它能够在不增加带宽的情况下成倍地提高通信系统的容量和频谱利用率。MIMO技术在发送端和接收端采用多天线(天线阵列)同时发送和接收信号。由于各发射天线同时发送的信号占用同一个频带，因而通信带宽并没有增加。每个发送天线和每个接收天线之间存在一个空间信道。如果每个空间信道的信道冲击响应独立，则MIMO系统通过多个发送天线和多个接收天线可以在发送端和接收端之间创造多个并行的独立的空间信道。通过这些并行的空间信道独立地传输信息，MIMO系统的传输数据率必然成倍增加。1998年G.J.Foschini和M.J.Gans充分论证了上述结论，并定量指出：假设MIMO系统有M根发送天线和N根接收天线，在窄带慢衰落信道下，就可以建立N×M阶信道矩阵。该矩阵的元素为独立同分布的复高斯随机变量。MIMO系统可以获得的信道容量将是单输入单输出(SISO，Single Input Single Output)系统的min(m，n)倍，其中min(m，n)表示取m和n中的最小值，且总发射功率保持不变。

1996年G.J.Foshini曾经提出了MIMO系统的D-BLAST贝尔实验室对角分层空时结构(Diagonal BLAST，BLAST：Bell Laboratories LayeredSpace-time Architecture)方法，该方法可以实现MIMO系统的解调，并且可以获得接近理论容量90％的容量。但是，D-BLAST方法复杂度较大，不易实时实现。

1999年，G.D.Golden、G.J.Foshini、R.A.Valenzuela和P.W.Wolniansky提出一种简化的BLAST方法——贝尔实验室垂直分层空时结构(V-BLAST，Vertical BLAST)。该方法已经在实验室实时实现。实验结果表明：发送端和接收端分别采用8根天线和12根天线的MIMO系统在室内环境下，当平均SNR在24dB～34dB的范围内变化时，可以获得20-40bps/Hz的频谱效率。尽管该频谱效率是在室内环境下获得，但这个量级的频谱效率是空前的。

在V-BLAST方法中，假设M为发射天线数目，相应地接收机采用N根天线进行接收，被发送的符号矢量为：a＝[a₁，a₂，…，a_M]^T，接收信号矢量为：

r₁＝Ha+v    (1)

这里，H为N×M维信道矩阵，v表示N维噪声矢量，其分量是独立同分布的高斯白噪声，σ²为接收信号矢量中每个噪声分量的功率，σ_s ²是发送符号的功率，r₁为N维接收信号矢量。

s≡[k₁，k₂，…，k_M]^T是整数1，2，......，M的一个排列，该排列表示符号矢量a中符号分量被检测的顺序。V-BLAST检测算法由r₁按照s≡[k₁，k₂，…，k_M]^T给定的顺序计算决策统计量y_k1，y_k2，…，y_kM。由决策统计量y_k1，y_k2，…，y_kM可以形成数据符号的估计_k1，_k2，…，_kM。

可以按照某种最优准则计算得到s≡[k₁，k₂，…，k_M]^T，这里将按照某种最优准则计算得到的最优排列记为S_OPT≡[k₁，k₂，…，k_M]^T。下面阐述在给定的s≡[k₁，k₂，…，k_M]^T下V-BLAST算法的检测过程。

V-BLAST算法采用线性迫零和符号对消方法，串行地计算决策统计量。

步骤如下：

步骤1：采用N维迫零权矢量w_k1，通过计算r₁分量的线性合并，得到决策统计量y_k1：

$y_{k_1}=w_{k_1}^T{r}_1---\left(2\right)$

步骤2：由y_k1量化得到_k1：

${\hat{a}}_{k_1}=Q\left(y_{k_1}\right)---\left(3\right)$

其中，Q(·)是量化函数，该函数与发送端调制方法相对应。a＝[a₁，a₂，…，a_M]^T中每个符号是信息比特经过调制得到的。

步骤3：假设 ${\hat{a}}_{k_1}=a_{k_1},$ 从接收信号矢量r₁中消除a_k1，得到修正的接收信号矢量r₂：

$r_2=r_1-{\hat{a}}_{k_1}{\left(H\right)}_{k_1}---\left(4\right)$

这里(H)_k1表示矩阵H的第k₁列。

按照上述步骤1～3对修正的接收信号矢量r₂进行同样的计算，即：由w_k2得到y_k2，再由y_k2得到a_k2的估计a_k2和r₃。按照顺序k₃，k₄，…，k_M计算下去，可以求出其他被发送符号的估计_k3，_k4…，_kM。

迫零权矢量w_k1，w_k2，…，w_kM的计算是算法的关键。迫零权矢量的具体计算方法与所采用的计算准则有关。通常采用ZF准则和MMSE准则进行迫零权矢量的计算。在采用ZF准则下，矢量w_k1，w_k2，…，w_kM满足如下关系：

$w_{k_i}^T{\left(H\right)}_{k_j}=\left\{\begin{array}{c}0,j>i\\ 1,j=i\end{array}\right.---\left(5\right)$

因此，在采用ZF准则下，V-BLAST算法可以通过如下递归过程实现：

初始化：

G₁＝H⁺    (6a)

i＝1      (6b)

进行如下计算：

$k_i=\arg \underset{j\∉\{k_1,k_2,\·\·\·,k_{i-1}\}}{\min {\left|\right|{\left(G_i\right)}_j\left|\right|}^2}---\left(6c\right)$

$w_{k_i}={\left(G_i\right)}_{k_i}^T---\left(6d\right)$

$y_{k_i}=w_{k_i}^T{r}_i---\left(6e\right)$

${\hat{a}}_{k_i}=Q\left(y_{k_i}\right)---\left(6f\right)$

$r_{i+1}=r_i-{\hat{a}}_{k_i}{\left(H\right)}_{k_i}---\left(6g\right)$

$G_{i+1}=H_{{\stackrel{\‾}{k}}_i}^{+}---\left(6h\right)$

i＝i+1    (6i)

递归计算公式(6c)～(6i)，直到i＝M+1时才停止计算。这时已经通过V-BLAST方法得到了所有被发送符号的估计：_k1，_k2，…，_kM

上述公式中，+表示Moore-Penrose伪逆；令矩阵H中的第k₁，k₂，…，k_i列为0列矢量，其他列矢量保持不变，就得到矩阵

。(G_i)_ki表示矩阵G_i的第k_i行。

上述V-BLAST方法的递归实现中，公式(6a)和(6h)是ZF准则下迫零矢量的计算公式。如果采用MMSE准则，公式(6a)和(6h)需要进行相应的更改。无论采用何种准则计算迫零矢量，V-BLAST方法的递归实现过程都如上所述，只是不同准则下公式(6a)和(6h)的表达式要进行相应的变换，与所采用的准则保持一致。

从上述V-BLAST方法的递归实现中可以看到：V-BLAST方法采用串行干扰对消的思想。即：检测一个符号就进行一次干扰对消；通过干扰对消对接收信号矢量进行一次修正，使修正的接收信号矢量不再包含已经检测的符号的信息；其余符号的检测基于修正的接收信号矢量，从而消除了已经检测出来的符号对其他符号检测的影响，提高其余符号的检测性能。

在上述V-BLAST方法的递归实现中，公式(6c)是按照SNR最大准则计算S_OPT≡[k₁，k₂，…，k_M]^T的公式。采用该公式表明：V-BLAST算法先计算SNR最大的符号的估计后，从接收信号矢量中消除该符号对其他符号检测的影响，再从修正的接收信号矢量中进行SNR次最大的符号的检测，然后再消除该符号对其余符号检测的影响。如此类推，SNR最小的符号最后进行检测。这种检测顺序使SNR最小的符号检测受益最大，从而使整个串行干扰对消方法的性能最优。

V-BLAST方法的复杂度较D-BLAST方法降低了，但是V-BLAST方法也存在不足之处：

(1)V-BLAST方法采用量化函数得到符号的估计，这是对符号的硬判决，参见公式(3)和公式(6f)。当符号硬判决结果不正确时，不仅不能消除干扰，反而会使干扰功率增加。因此，V-BLAST方法的符号估计方式需要改进。

(2)V-BLAST方法采用串行干扰对消，处理时延较大。通常MIMO通信中都需要接收端反馈ACK/NACK信息，由ACK/NACK信息确定是否进行符号重传。因此，接收机端的处理时延越小，ACK/NACK反馈的时延就越小，相应地系统的容量和吞吐量就越大。所以，V-BLAST的串行对消方式需要改进。

发明内容

有鉴于此，本发明的目的在于提供一种分组垂直分层空时检测方法，使其不仅能提高符号估计的性能，而且能减小MIMO系统的处理时延，进而提高系统的容量和速率。

本发明的另一个目的在于提供一种MIMO系统的分组垂直分层空时检测装置，使其能提高符号估计的性能，减小MIMO系统的处理时延，从而提高系统容量和速率。

本发明提供的一种分组垂直分层空时检测方法包括：

a.将接收信号矢量中待检测的符号分为Z组，Z为大于1的整数，令i＝1；

A.检测接收信号矢量，计算出第i组内所有符号的估计值，消除该组中所有符号的干扰，得到部分修正的接收信号矢量，再将部分经过修正的接收信号矢量作为需要检测的接收信号矢量，令i＝i+1，再次执行步骤A，并且直到执行Z-1次步骤A后，执行步骤B；

B.检测接收信号矢量，计算出第Z组内所有符号的估计值，将每组所有符号的估计值的组合作为接收信号矢量的检测结果。

所述将接收信号矢量中待检测的符号分为Z组是利用信道矩阵H按照一定的原则进行分组、重排实现。

所述分组、重排的步骤包括：

A01、将接收信号矢量对应的M个符号a₁，a₂，…，a_M分成Z组，第i(i＝1，2，…，Z)组符号数为L_i，第i组L_i个符号为b_i1，b_i2，…，b_iLi，其中， $b_{\mathrm{ij}}=a_{M_{i,j}}$ j＝1，2，…，L_i；M_i，j(M_i，j∈[1，2，…，M])表示第i组第j个符号在原来符号集合中的序号。

A02、将符号a₁，a₂，…，a_M重排为：b₁₁，b₁₂，…，b_1L1，b₂₁，…，b_2L2，…，b_Z1，…，b_ZLZ；则对应的发送符号矢量转换为： $b={[b_{11},b_{12},L,b_{{1L}_1},b_{21},L,b_{{2L}_2},L,b_{Z1},L,b_{{\mathrm{ZL}}_Z}]}^T;$

A03、信道矩阵H＝[H₁，H₂，…，H_M]，利用与序列a₁，a₂，…，a_M同样的方法对序列H₁，H₂，…，H_M进行重排，得到序列Q₁，Q₂，…，Q_M，记Q＝[Q₁，Q₂，…，Q_M]，则r₁＝Qb+v；其中r₁表示N维接收信号矢量、v表示N维噪声矢量。

所述第i组的符号的估计值的计算步骤包括：

A11、利用接收信号矢量和矩阵Q的估计计算出迫零权矢量，w_i，j，j＝1，2，…，L_i；其中，矩阵Q为信道矩阵H分组、重排后的矩阵，L_i为第i(i＝1，2，…，Z)组符号数；

A12、分别利用每个迫零权矢量计算出L_i个决策统计量， $y_{i,j}=w_{i,j}^T{r}_i,j=\mathrm{1,2},\·\·\·,L_i;$ r_i是待检测的接收信号矢量。

A13、利用每个决策统计量计算出每个符号的估计值，_i，j＝D(y_i，j)，j＝1，2，…，L_i；其中，D(·)为软判决函数。

所述迫零权矢量是通过以每组的信道矩阵的估计为参数计算得到的。

所述迫零权矢量采用ZF准则，或MMSE准则计算得到。

在ZF准则下，并且在第一次执行步骤A时，由信道矩阵

按照公式 $G_1={\left(\hat{Q}\left(1\right)\right)}^{+}$ 和公式 $w_{1,j}={\left(G_1\right)}_j^T,j=\mathrm{1,2},\·\·\·,L_1$ 计算得到迫零权矢量；其中，

为从矩阵Q得到的用于计算第1组符号估计值的矩阵。

在ZF准则下，在第i(1＜i≤Z)次执行步骤A时，由信道矩阵 按照公式 $G_i={\left(\hat{Q}\left(i\right)\right)}^{+}$ 和公式 $w_{i,j}={\left(G_i\right)}_{J+j}^T,j=\mathrm{1,2},\·\·\·,L_i,$ $J=\underset{k=1}{\overset{i-1}{\mathrm{\Σ}}}{L}_k$ 计算得到迫零权矢量；其中，

为从矩阵Q得到的用于计算第i组符号估计值的矩阵。

在不重新进行信道估计的情况下，信道矩阵 的前 $J=\underset{k=1}{\overset{i-1}{\mathrm{\Σ}}}{L}_k$ 列为0列矢量，而第(J+1)列至第M列为

的第(J+1)列至第M列；

在重新进行信道估计的情况下，信道矩阵

的前 $J=\underset{k=1}{\overset{i-1}{\mathrm{\Σ}}}{L}_k$ 列为0列矢量，而第(J+1)列至第M列通过信道估计得到，其中，第j∈[J+1，M]列通过对Q矩阵的第j∈[J+1，M]列重新进行信道估计而得到。

在MMSE准则下，在第一次执行步骤A时，由信道矩阵

按照公式 $G_1={\mathrm{\σ}}_s^2{F}^H{[{\mathrm{\σ}}_s^2{\mathrm{FF}}^H+{\mathrm{\σ}}^2{I}_M]}^{-1},$ $F=\left(\hat{Q}\left(1\right)\right)$ 和公式 $w_{1,j}={\left(G_1\right)}_j^T,j=\mathrm{1,2},\·\·\·,L_1$ 计算得到迫零权矢量，其中，w_i，j为迫零权矢量，σ_s ²是发送符号的功率，σ²为接收信号矢量中噪声分量的功率，

为从矩阵Q得到的用于计算第1组符号估计值的矩阵，M为接收信号矢量中待检测符号的个数。

在MMSE准则下，在第i(1＜i≤Z)组符号检测时，由信道矩阵 按照公式 $G_1={\mathrm{\σ}}_s^2{F}^H{[{\mathrm{\σ}}_s^2{\mathrm{FF}}^H+{\mathrm{\σ}}^2{I}_M]}^{-1},$ $F=\left(\hat{Q}\left(i\right)\right)$ 和公式 $w_{i,j}={\left(G_i\right)}_{J+j}^T,j=\mathrm{1,2},\·\·\·,L_i,$ $J=\underset{k=1}{\overset{i-1}{\mathrm{\Σ}}}{L}_k$ 计算得到迫零权矢量，其中，σ_s ²是发送符号的功率，σ²为接收信号矢量中噪声分量的功率， 为从矩阵Q得到的用于计算第i组符号估计值的矩阵，M为接收信号矢量中待检测符号的个数。

在不重新进行信道估计的情况下，信道矩阵 的前 $J=\underset{k=1}{\overset{i-1}{\mathrm{\Σ}}}{L}_k$ 列为0列矢量，而第(J+1)列至第M列为

的第(J+1)列至第M列；

在重新进行信道估计的情况下，信道矩阵

的前 $J=\underset{k=1}{\overset{i-1}{\mathrm{\Σ}}}{L}_k$ 列为0列矢量，而第(J+1)列至第M列通过信道估计得到，其中，第j∈[J+1，M]列通过对Q矩阵的第j∈[J+1，M]列重新进行信道估计而得到。

步骤A13中每个符号的估计值通过软判决函数确定。

当采用软判决函数确定符号的估计值时，所述符号的估计采用校正因子修正信道估计不理想状态下对符号估计的影响。

所述通过软判决函数确定符号的估计值是通过公式

${\hat{b}}_{\mathrm{ij}}=D\left(y_{\mathrm{ij}}\right)={\mathrm{\β}}_{\mathrm{ij}}\frac{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{A}_{k}f\left(y_{\mathrm{ij}}\right|A_k)}{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}f\left(y_{\mathrm{ij}}\right|A_k)},j=\mathrm{1,2},\·\·\·,M$ 计算出，

其中，β_ij称为校正因子，用以校正信道估计不理想造成的符号估计的偏差和干扰对消的偏差；f(y_ij|A_k)表示发送符号为A_k时接收到y_ij的概率密度函数，M为接收信号矢量中待检测符号的个数。

若发送的符号是复数，则

$f\left(y_{\mathrm{ij}}\right|A_k)=\frac{1}{2\mathrm{\π}{\mathrm{\σ}}_{\mathrm{ij}}^2}{e}^{\frac{{({\mathrm{YR}}_{\mathrm{ij}}-{\mathrm{AR}}_k)}^2+{({\mathrm{YI}}_{\mathrm{ij}}-{\mathrm{AI}}_k)}^2}{{2\mathrm{\σ}}_{\mathrm{ij}}^2}}$

其中，AR_k、AI_k分别为A_k的实部和虚部；YR_ij、YI_ij分别为y_ij的实部和虚部；VR_ij、VI_ij分别为v_ij的实部和虚部，分别服从N(0，σ_ij ²)分布，且β_ij是复数。

若发送符号是实数，则

$f\left(y_{\mathrm{ij}}\right|A_k)=\frac{1}{\sqrt{2\mathrm{\π}}{\mathrm{\σ}}_{\mathrm{ij}}}{e}^{-\frac{{({\mathrm{YR}}_{\mathrm{ij}}-A_k)}^2}{{2\mathrm{\σ}}_{\mathrm{ij}}^2}}$

其中，YR_ij为y_ij的实部；VR_ij为v_ij的实部，服从N(0，σ_ij ²)分布，且β_ij是实数。

β_ij的取值可以是符号的SNR的函数，也可以直接取1。

本发明提供的一种分组垂直分层空时检测装置包括：

符号分组与重排单元、一个以上个组内符号检测与干扰对消单元和组内符号检测单元；其中，

符号分组与重排单元，用于接收信号矢量、将接收信号矢量对应的符号分组、重排为若干组，并将接收信号矢量输出至第一个组内符号检测与干扰对消单元；

每个组内符号检测与干扰对消单元，检测接收信号矢量中对应的组内符号，得到符号的估计值，并将所有检测出的符号进行干扰对消，得到修正的接收信号矢量作为下一个组内符号检测与干扰对消单元/组内符号检测单元的待检测的接收信号矢量。

组内符号检测单元，用于接收最后一个组内符号检测与干扰对消单元发送的修正的接收信号矢量，估计出对应组内符号的估计值。

所述每个组内符号检测与干扰对消单元包括：

权矢量计算单元，用于根据信道矩阵的估计计算出一个以上个迫零权矢量，并将其输出至每个决策统计量计算单元；

一个以上个决策统计量计算单元，用于接收信号矢量，并根据接收到的每个迫零权矢量确定决策统计量，并将其输出至发送符号估计单元；

一个以上个发送符号估计单元，根据接收到的决策统计量估计发送符号，并将发送符号的估计值输出至干扰对消单元；

干扰对消单元，接收信号矢量以及发送符号的估计，并根据发送符号的估计对接收信号矢量进行干扰对消，得到一个修正的接收信号矢量并将其输出至下一个组内符号检测与干扰对消单元/组内符号检测单元。

所述组内符号检测单元包括：

权矢量计算单元，用于根据信道矩阵的估计计算出一个以上个迫零权矢量，并将其输出至每个决策统计量计算单元；

一个以上个决策统计量计算单元，用于接收修正的接收信号矢量，并根据接收到的每个迫零权矢量确定决策统计量，并将其输出至发送符号估计单元；

一个以上个发送符号估计单元，根据接收到的决策统计量估计发送符号，得到一个以上发送符号的估计值。

本发明将所有接收信号矢量中待检测的符号分成Z组。在组与组之间进行串行检测与串行干扰对消，在组内进行并行检测与并行干扰对消。本发明采用软判决方法提高符号估计的性能。本发明可以有效地降低MIMO系统的处理时延，并减少计算量，提高符号估计的性能，使系统的容量和速率得到提高。

附图说明

图1为实现本发明装置的结构示意图；

图2为每个组内符号检测与干扰对消单元的结构示意图；

图3为组内符号检测单元的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面结合附图对本发明作进一步的详细描述。

本发明的核心思想：接收信号矢量，将所有接收信号矢量中待检测的符号分成Z组。在组与组之间进行串行检测与串行干扰对消，在组内进行并行检测与并行干扰对消。并采用软判决方法提高符号估计的性能。具体的说，在第一组内，并行进行所有符号的检测，得到所有符号的估计，并从接收信号矢量中消除第一组内所有符号的干扰，得到修正的接收信号矢量，该接收信号矢量作为第一组给第二组的输入信号用于第二组符号的检测，使第二组符号的检测不受第一组符号的干扰；将第一组输出的接收信号矢量作为第二组内每个符号检测时采用的接收信号矢量，并行进行所有符号的检测，得到第二组内每个符号的估计，并从第一组输出的接收信号矢量中消除第二组内所有符号的干扰，得到进一步修正的接收信号矢量，该接收信号矢量作为第二组给第三组的输入信号矢量用于第三组符号的检测。依此类推，进行其他后续各组符号的检测。在进行第Z组符号的检测时，把第(Z-1)组输入的接收信号矢量作为第Z组内每个符号检测时采用的接收信号矢量，并行进行所有符号的检测，得到第Z组内每个符号的估计。至此，已经得到Z组中每组符号的估计，完成了所有符号的检测。

实现本发明的装置如图1所示，图中组的总数为Z。从图1可以看到：本发明的装置包括符号分组与重排单元11、(Z-1)个组内符号检测与干扰对消单元12和组内符号检测单元13。其中，符号分组与重排单元11将M个符号按照一定准则分成Z组，并按照分组顺序与组内符号顺序将M个符号进行重新排列，相应地组成信道矩阵的列矢量也进行重排形成新的信道矩阵；(Z-1)个组内符号检测与干扰对消单元分别完成第一组至第(Z-1)组符号的检测与干扰对消，分别得到每组内所有符号的估计和修正的接收信号矢量；组内符号检测单元13完成第Z组符号的检测，得到组内所有符号的估计。

图2为第i个组内符号检测与干扰对消单元12的结构示意图。参见图2，每个组内符号检测与干扰对消单元12包括权矢量计算单元21、决策统计量计算单元22、发送符号估计单元23、干扰对消单元24。

图3为组内符号检测单元13的结构示意图。组内符号检测单元包括权矢量计算单元21、决策统计量计算单元22、发送符号估计单元23。

下面结合图1、图2和图3说明实现本发明方法的具体过程。

本发明实现分组垂直分层空时检测方法的步骤如下：

第一步：符号分组与重排。

步骤101：符号分组与重排单元11由接收信号矢量和信道矩阵H的估计

按照某个准则将M个符号a₁，a₂，…，a_M分成Z组，第i(i＝1，2，…，Z)组符号数为L_i，第i组L_i个符号为b_i1，b_i2，…，b_iLi。其中， $b_{\mathrm{ij}}=a_{M_{\mathrm{ij}}},$ 表示第i组第j个符号在原来符号集合中序号为M_i，j(M_i，j∈[1，2，…，M])，j＝1，2，…，L_i，j的取值随组号i的变化而变化。

步骤102：将符号a₁，a₂，…，a_M进行重排，重排结果为：b₁₁，b₁₂，…，b_1L1，b₂₁，…，b_2L2，…，b_Z1，…，b_ZLZ。因此，对应的发送符号矢量转换为：

$b={[b_{11},b_{12},\·\·\·,b_{{1L}_1},b_{21},\·\·\·,b_{{2L}_2},\·\·\·,b_{Z1},\·\·\·,b_{{\mathrm{ZL}}_Z}]}^T$

公式(1)中的信道矩阵H可以写成列矢量的形式：H＝[H₁，H₂，…，H_M]。

接下来，对序列H₁，H₂，…，H_M进行与序列a₁，a₂，…，a_M同样的重排，得到的序列为Q₁，Q₂，…，Q_M，记Q＝[Q₁，Q₂，…，Q_M]。

这样，经过H和a的元素重排，公式(1)可以更新如下：

r₁＝Qb+v    (1a)

步骤103：符号分组与重排单元11将更新后的信道矩阵Q的估计

发送给(Z-1)个组内符号检测与干扰对消单元12和组内符号检测单元13。

可以通过

的重排得到。

第二步：第一组符号的检测

第一个组内符号检测与干扰对消单元12中的权矢量计算单元21根据Q矩阵的估计

计算出一个以上的迫零权矢量，并将每个迫零权矢量依次输入决策统计量计算单元；每个决策统计量计算单元22根据接收信号矢量和迫零权矢量计算出决策统计量，并将计算出的决策统计量发送至与其相连的发送符号估计单元23。发送符号估计单元23分别根据收到的决策统计量，估计出接收信号矢量中对应的第一组内符号的估计值，然后将得到的符号估计值输出至干扰对消单元24进行组内干扰对消，得到修正的接收信号矢量，经过修正的接收信号矢量作为第二组检测的输入信号，输出至第二个组内符号检测与干扰对消单元。

第三步：第二组至第(Z-1)组符号的检测

在第i(1＜i≤Z-1)个组内符号检测与干扰对消单元12中的权矢量计算单元21根据Q矩阵的估计

计算出一个以上的迫零权矢量，并将每个迫零权矢量依次输入决策统计量计算单元；每个决策统计量计算单元22根据第(i-1)组输出的经过修正的接收信号矢量r_i和迫零权矢量计算出决策统计量，并将计算出的决策统计量发送至与其相连的发送符号估计单元23。发送符号估计单元23根据收到的决策统计量，估计出本组内对应符号的估计值，然后将得到的符号估计值输出至干扰对消单元24进行组内干扰对消，得到修正的接收信号矢量，经过修正的接收信号矢量作为第(i+1)组检测的输入信号，输出至第(i+1)个组内符号检测与干扰对消单元。当(i+1)＝Z时，就输出至组内符号检测单元。

这里，第二组至第(Z-1)组符号的检测与第一组符号的检测的区别是：第一组接收信号矢量是未经过修正的，第二组至第(Z-1)组中的接收信号矢量是上一组经过修正的接收信号矢量。

第四步：第Z组符号的检测

在第Z组组内符号检测单元13中的权矢量计算单元21根据Q矩阵的估计

计算出一个以上的迫零权矢量，并将每个迫零权矢量依次输入决策统计量计算单元；每个决策统计量计算单元22根据第(Z-1)组输出的经过修正的接收信号矢量r_Z和迫零权矢量计算出决策统计量，并将计算出的决策统计量发送至与其相连的发送符号估计单元23。发送符号估计单元23根据收到的决策统计量，估计出本组内对应符号的估计值，并将该估计值作为第Z组符号估计结果输出。

在上述第一步～第四步中，组内符号检测与干扰对消单元完成功能包括：

第i(i∈[1，2，…，Z-1])个组内符号检测与干扰对消单元12在输入信号矢量为r_i、组内符号总数为L_i时，完成组内L_i个符号b_i1，b_i2，…，b_iLi的检测并得到修正的接收信号矢量r_i+1。

下面再参见图2详细说明第i个组内符号检测与干扰对消单元的功能。其具体的计算步骤如下：

权矢量计算单元21由修正的接收信号矢量r_i和Q矩阵的估计

按照公式计算出各迫零权矢量w_i，j，j＝1，2，…，L_i。

L_i个决策统计量计算单元22并行地计算出L_i个决策统计量。其中，第j个决策统计量计算单元22由第j个迫零权矢量计算第j个决策统计量：

$y_{\mathrm{ij}}=w_{\mathrm{ij}}^T{r}_i,j=\mathrm{1,2},\·\·\·,L_i---\left(7a\right)$

L_i个发送符号估计单元23并行地计算出L_i个符号的估计。第j个发送符号估计单元23由第j个决策统计量得到第j个发送符号的估计：

_i，j＝D(y_i，j)，j＝1，2，…，L_i    (7b)

在公式(7b)中，以软判决函数D(·)替代了公式(3)和公式(6f)中的量化函数Q(·)。

公式(7a)可以表示如下：

y_i，j＝b_ij+v_ij，j＝1，2，…，L_i    (7a-1)

其中，b_ij∈{A₁，A₂，…，A_K}，{A₁，A₂，…，A_K}是所有可能的发送符号构成的集合；v_ij是高斯白噪声。

则(7b)具体按照下式计算：

${\hat{b}}_{\mathrm{ij}}=D\left(y_{\mathrm{ij}}\right)={\mathrm{\β}}_{\mathrm{ij}}\frac{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{A}_{k}f\left(y_{\mathrm{ij}}\right|A_k)}{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}f\left(y_{\mathrm{ij}}\right|A_k)},j=\mathrm{1,2},\·\·\·,M---(7b-1)$

其中，β_ij称为校正因子，用以校正信道估计不理想造成的符号估计的偏差和干扰对消的偏差；f(y_ij|A_k)表示发送符号为A_k时接收到y_ij的概率密度函数。β_ij和f(y_ij|A_k)的计算方法如下：

(1)若发送的符号是复数，则

$f\left(y_{\mathrm{ij}}\right|A_k)=\frac{1}{2\mathrm{\π}{\mathrm{\σ}}_{\mathrm{ij}}^2}{e}^{\frac{{({\mathrm{YR}}_{\mathrm{ij}}-{\mathrm{AR}}_k)}^2+{({\mathrm{YI}}_{\mathrm{ij}}-{\mathrm{AI}}_k)}^2}{{2\mathrm{\σ}}_{\mathrm{ij}}^2}}---(7b-2)$

其中，AR_k、AI_k分别为A_k的实部和虚部；YR_ij、YI_ij分别为y_ij的实部和虚部；VR_ij、VI_ij分别为v_ij的实部和虚部，分别服从N(0，σ_ij ²)分布，且β_ij是复数。

(2)若发送符号是实数，则

$f\left(y_{\mathrm{ij}}\right|A_k)=\frac{1}{\sqrt{2\mathrm{\π}}{\mathrm{\σ}}_{\mathrm{ij}}}{e}^{-\frac{{({\mathrm{YR}}_{\mathrm{ij}}-A_k)}^2}{{2\mathrm{\σ}}_{\mathrm{ij}}^2}}---(7b-3)$

其中，YR_ij为y_ij的实部；VR_ij为v_ij的实部，服从N(0，σ_ij ²)分布。且β_ij是实数。

(3)β_ij的取值与符号的SNR密切相关，是符号的SNR的函数。

为了简化计算，也可以直接令β_ij＝1，即：不考虑信道估计的偏差对符号估计和干扰对消造成的影响。

通常，在接收端符号的信噪比(SNR，Signal to Noise Ratio)要达到一定的数值，才能使解映射和译码后的比特误块率(BLER，Block Error Rate)性能满足业务质量的要求。对于给定的BLER数值，可以通过仿真确定：为使译码以后BLER性能达到要求，符号所需要达到的最低SNR数值S_MIN。并取T₁＝S_MIN-δ₁，T₂＝S_MIN-δ₂。其中，δ₁＞0，δ₂＞δ₁。

如果第i组符号j的SNR大于阈值T₁＝S_MIM-δ₁，就认为该符号的信道估计比较准确，可以近似认为β_ij＝1。

如果第i组符号j的SNR小于或等于阈值T₂＝S_MIN-δ₂，就认为该符号的SNR太低，使信道估计非常差，可以近似认为β_ij＝0。

如果第i组符号j的SNR大于阈值T₂＝S_MIN-δ₂且小于等于阈值T₁＝S_MIN-δ₁，可以通过COSSAP(Communication System Simulation Analysis Package，一种仿真软件包)仿真或MATLAB(矩阵实验室，Matrix Laboratory，一种仿真软件包)仿真优化确定：当SNR在(T₂，T₁)内变化时β_ij的具体取值。

δ₁、δ₂取值直接影响β_ij对符号估计偏差的校正的精度和SNR优化区间(T₂，T₁)的大小。可以根据对校正精度和优化计算量的需要确定δ₁和δ₂的数值。

综上所述，β_ij＝β取值如下：

$\mathrm{\&beta;}=\left\{\begin{array}{c}0,\mathrm{SNR}\&le;T_2\\ {\mathrm{\&alpha;}}_i,{\mathrm{SNR}}_{i-1}<\mathrm{SNR}\&le;{\mathrm{SNR}}_i,{\mathrm{SNR}}_i=T_2+\frac{i(T_1-T_2)}{I}\\ 1,\mathrm{SNR}>T_1\end{array},,i=\mathrm{1,2},\&CenterDot;\&CenterDot;\&CenterDot;,I\right.---(7b-4)$

上式中，α_i的取值通过在较小的SNR区间[SNR_i-1，SNR_i]的COSSAP仿真或MATLAB仿真优化得到。其中，I是对SNR优化区间(T₂，T₁)量化得到的小区间的个数，根据需要确定。

干扰对消单元24由组内所有符号的估计，得到修正的接收信号矢量，修正的接收信号矢量用于第(i+1)组符号的检测。修正的接收信号矢量为：

$r_{i+1}=r_i-\underset{j=1}{\overset{L_i}{\mathrm{\&Sigma;}}}{\hat{b}}_{i,j}{\left(\hat{Q}\left(i\right)\right)}_{J+j},j=\mathrm{1,2},\&CenterDot;\&CenterDot;\&CenterDot;,L_i,$ $J=\underset{k=1}{\overset{i-1}{\mathrm{\&Sigma;}}}{L}_k---\left(7c\right)$

其中，

是在第i个组内符号检测时信道矩阵Q的估计。

当i＝1时，即在第一个组内符号检测时，

作为Q矩阵的估计，可以由信道估计得到

然后由 通过重排得到

当i∈[2，…，Z]时，即在第i组符号检测时，在不重新进行信道估计的情况下，

的前 $J=\underset{k=1}{\overset{i-1}{\mathrm{\&Sigma;}}}{L}_k$ 列为0列矢量，而第(J+1)列至第M列为

的第(J+1)列至第M列。

当i∈[2，…，Z]时，即在第i组符号检测时，在重新进行信道估计的情况下，

的前 $J=\underset{k=1}{\overset{i-1}{\mathrm{\&Sigma;}}}{L}_k$ 列为0列矢量，而第(J+1)列至第M列通过信道估计得到。其中，第j∈[J+1，M]列通过对Q矩阵的第j∈[J+1，M]列重新进行信道估计而得到。

组内符号检测单元完成第Z组符号的检测。该单元输入信号矢量为r_Z，组内包含L_Z个符号：b_Z1，b_Z2，…，b_ZLZ。

参见图3，权矢量计算单元21由修正的接收信号矢量r_Z和Q矩阵的估计

按照公式计算出各迫零权矢量w_Z，j，j＝1，2，…，L_Z。

L_Z个决策统计量计算单元22并行地计算出L_Z个决策统计量。

令i＝Z，第j个决策统计量计算单元22由第j个迫零权矢量按照公式(7a)计算第j个决策统计量。

L_Z个发送符号估计单元23并行地计算出L_Z个符号的估计。令i＝Z，第j个发送符号估计单元23由第j个决策统计量按照公式(7b)、(7b-1)、(7b-2)、(7b-3)和(7b-4)得到第j个发送符号的估计。

在上述分组垂直分层空时检测方法的实现过程中，迫零权矢量的计算是关键技术，权矢量的计算以信道矩阵为参数，可以采用不同的优化准则计算得到，比如，ZF准则和MMSE准则等。而采用不同准则，迫零权矢量的计算公式不同。下面给出ZF准则和MMSE准则下分组垂直分层空时检测方法中迫零权矢量计算的公式。

在ZF准则下，在第一个组内符号检测与干扰对消单元中，可以由信道矩阵

按照公式(8a)和公式(8b)计算得到迫零权矢量：

$G_1={\left(\hat{Q}\left(1\right)\right)}^{+}---\left(8a\right)$

$w_{1.j}={\left(G_1\right)}_j^T,j=\mathrm{1,2},\&CenterDot;\&CenterDot;\&CenterDot;,L_1---\left(8b\right)$

在ZF准则下，在第i(1＜i≤Z)组符号检测时，可以由信道矩阵

按照公式(8c)和公式(8d)计算得到迫零权矢量：

$G_i={\left(\hat{Q}\left(i\right)\right)}^{+}---\left(8c\right)$

$w_{i,j}={\left(G_i\right)}_{J+j}^T,j=\mathrm{1,2},\&CenterDot;\&CenterDot;\&CenterDot;,L_i,$ $J=\underset{k=1}{\overset{i-1}{\mathrm{\&Sigma;}}}{L}_k---\left(8d\right)$

在不重新进行信道估计的情况下，信道矩阵

的前 $J=\underset{k=1}{\overset{i-1}{\mathrm{\&Sigma;}}}{L}_k$ 列为0列矢量，而第(J+1)列至第M列为 的第(J+1)列至第M列。

在重新进行信道估计的情况下，信道矩阵

的前 $J=\underset{k=1}{\overset{i-1}{\mathrm{\&Sigma;}}}{L}_k$ 列为0列矢量，而第(J+1)列至第M列通过信道估计得到。其中，第j∈[J+1，M]列通过对Q矩阵的第j∈[J+1，M]列重新进行信道估计而得到。

在MMSE准则下，在第一个组内符号检测与干扰对消单元中，可以由信道矩阵

按照公式(9a)和公式(9b)计算得到迫零权矢量：

$G_1={\mathrm{\&sigma;}}_s^2{F}^H{[{\mathrm{\&sigma;}}_s^2{\mathrm{FF}}^H+{\mathrm{\&sigma;}}^2{I}_M]}^{-1},$

$F=\left(\hat{Q}\left(1\right)\right)---\left(9a\right)$

$w_{1,j}={\left(G_1\right)}_j^T,j=\mathrm{1,2},\&CenterDot;\&CenterDot;\&CenterDot;,L_1---\left(9b\right)$

在MMSE准则下，在第i(1＜i≤Z)组符号检测时，可以由信道矩阵

按照公式(9c)和公式(9d)计算得到迫零权矢量：

$G_1={\mathrm{\&sigma;}}_s^2{F}^H{[{\mathrm{\&sigma;}}_s^2{\mathrm{FF}}^H+{\mathrm{\&sigma;}}^2{I}_M]}^{-1},$ $F\left(\hat{Q}\left(i\right)\right)---\left(9c\right)$

$w_{i,j}={\left(G_i\right)}_{J+j}^T,j=\mathrm{1,2},\&CenterDot;\&CenterDot;\&CenterDot;,L_i,$ $J=\underset{k=1}{\overset{i-1}{\mathrm{\&Sigma;}}}{L}_k---\left(9d\right)$

在不重新进行信道估计的情况下，信道矩阵

的前 $J=\underset{k=1}{\overset{i-1}{\mathrm{\&Sigma;}}}{L}_k$ 列为0列矢量，而第(J+1)列至第M列为

的第(J+1)列至第M列。

在重新进行信道估计的情况下，信道矩阵

的前 $J=\underset{k=1}{\overset{i-1}{\mathrm{\&Sigma;}}}{L}_k$ 列为0列矢量，而第(J+1)列至第M列通过信道估计得到。其中，第j∈[J+1，M]列通过对Q矩阵的第j∈[J+1，M]列重新进行信道估计而得到。

本发明可以预先设置接收信号矢量中被检测符号的组数。在多用户检测中，需要将用户分组，具体的分组方式很多。如：可以根据符号的SNR进行分组。可以根据SNR的均值和方差设置若干个门限，将所有符号分成Z组等。第一组符号的SNR比其他各组符号的SNR都高。第二组符号的SNR比后面各组符号的SNR都高。依此类推，最后一组符号的SNR比前面各组符号的SNR都小。

本发明采用了H和a的重排。在经过分组处理得到发送符号矢量b的估计，可以对矢量b的估计进行反重排，可以得到矢量a＝[a₁，a₂，…，a_M]^T的估计，该矢量的估计可以用于后续的译码等处理，并可以减少计算量。当然，由于H和a是否进行重排并不影响各组符号的检测结果，因此也可以不将H和a进行重排。

总之，以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。

Claims (21)

1、一种分组垂直分层空时检测方法，其特征在于，该方法包括以下步骤：

a.将接收信号矢量中待检测的符号分为Z组，Z为大于1的整数，令i＝1；

A.检测接收信号矢量，计算出第i组内所有符号的估计值，从接收信号矢量中消除该组中所有符号的干扰，得到部分修正的接收信号矢量，再将部分经过修正的接收信号矢量作为需要检测的接收信号矢量，并令i＝i+1，再次执行步骤A，并且直到执行Z-1次步骤A后，执行步骤B；

B.检测接收信号矢量，计算出第Z组内所有符号的估计值，将每组所有符号的估计值的组合作为接收信号矢量的检测结果。

2、根据权利要求1所述的方法，其特征在于，所述将接收信号矢量中待检测的符号分为Z组是利用信道矩阵H按照一定的原则进行分组、重排实现。

3、根据权利要求2所述的方法，其特征在于，所述分组、重排的步骤包括：

A01、将接收信号矢量对应的M个符号a₁，a₂，…，a_M分成Z组，第i组符号数为L_i，第i组L_i个符号为b_i1，b_i2…，b_iLi，其中， $b_{\mathrm{ij}}=a_{M_{i,j}}$ j＝1，2，…，L_i；M_i，j∈[1，2，…，M]

表示第i组第j个符号在原来符号集合中的序号；i＝1，2，…，Z；

A02、将符号a₁，a₂，…，a_M重排为：b₁₁，b₁₂，…，b_1L1，b₂₁，…，b_2L2，…，b_Z1，…，b_ZLz；则对应的发送符号矢量转换为： $b={[b_{11},b_{12},\&CenterDot;\&CenterDot;\&CenterDot;,b_{1L_1},b_{21},\&CenterDot;\&CenterDot;\&CenterDot;,b_{2L_2},\&CenterDot;\&CenterDot;\&CenterDot;,b_{Z1},\&CenterDot;\&CenterDot;\&CenterDot;,b_{{\mathrm{ZL}}_Z}]}^T;$

A03、信道矩阵H＝[H₁，H₂，…，H_M]，利用与序列a₁，a₂，…，a_M同样的方法对序列H₁，H₂，…，H_M进行重排，得到序列Q₁，Q₂，…，Q_M，记Q＝[Q₁，Q₂，…，Q_M]，则r₁＝Qb+v；其中r₁表示N维接收信号矢量、v表示N维噪声矢量。

4、根据权利要求2所述的方法，其特征在于，所述第i组的符号的估计值的计算步骤包括：

A11、利用接收信号矢量和矩阵Q的估计计算出迫零权矢量w_i，j＝1，2，…，L_i；其中，矩阵Q为信道矩阵H分组、重排后的矩阵，L_i为第i组符号数；i＝1，2，…，Z；

A12、分别利用每个迫零权矢量计算出L_i个决策统计量， $y_{i,j}=w_{i,j}^T{r}_i,$ j＝1，2，…，L_i，r_i是待检测的接收信号矢量；

A13、利用每个决策统计量计算出每个符号的估计值， ${\hat{b}}_{i,j}=D\left(y_{i,j}\right),$ j＝1，2，…，L_i；其中，D(·)为软判决函数。

5、根据权利要求4所述的方法，其特征在于，所述迫零权矢量是通过以每组的信道矩阵的估计为参数计算得到的。

6、根据权利要求4所述的方法，其特征在于，所述迫零权矢量采用ZF准则，或MMSE准则计算得到。

7、根据权利要求4所述的方法，其特征在于，在ZF准则下，并且在第一次执行步骤A时，由信道矩阵

按照公式 $G_1={\left(\hat{Q}\left(1\right)\right)}^{+}$ 和公式 $w_{1,j}={\left(G_1\right)}_j^T,$ j＝1，2，…，L₁计算得到迫零权矢量；其中 为从矩阵Q得到的用于计算第1组符号估计值的矩阵。

8、根据权利要求4所述的方法，其特征在于，在ZF准则下，在第i次执行步骤A和执行步骤B时，其中i为1＜i≤Z-1，由信道矩阵

按照公式 $G_i={\left(\hat{Q}\left(i\right)\right)}^{+}$ 和公式 $w_{i,j}={\left(G_i\right)}_{J+j}^T,$ j＝1，2，…，L_i， $J=\underset{k=1}{\overset{i-1}{\mathrm{\&Sigma;}}}{L}_k$ 计算得到迫零权矢量；其中，

为从矩阵Q得到的用于计算第i组符号估计值的矩阵。

9、根据权利要求8所述的方法，其特征在于，在不重新进行信道估计的情况下，信道矩阵

的前 $J=\underset{k=1}{\overset{i-1}{\mathrm{\&Sigma;}}}{L}_k$ 列为0列矢量，而第J+1列至第M列为

的第J+1列至第M列；

在重新进行信道估计的情况下，信道矩阵

的前 $J=\underset{k=1}{\overset{i-1}{\mathrm{\&Sigma;}}}{L}_k$ 列为0列矢量，而第J+1列至第M列通过信道估计得到，其中，第j∈[J+1，M]列通过对Q矩阵的第j∈[J+1，M]列重新进行信道估计而得到。

10、根据权利要求4所述的方法，其特征在于，在MMSE准则下，在第一次执行步骤A时，由信道矩阵 按照公式 $G_1={\mathrm{\&sigma;}}_s^2{F}^H{[{\mathrm{\&sigma;}}_s^{2}F{F}^H+{\mathrm{\&sigma;}}^2{I}_M]}^{-1},$ $F=\left(\hat{Q}\left(1\right)\right)$ 和公式 $w_{1,j}={\left(G_1\right)}_j^T,$ j＝1，2，…，L₁计算得到迫零权矢量，其中，w_i，j为迫零权矢量，σ_s ²是发送符号的功率，σ²为接收信号矢量中噪声分量的功率，

为从矩阵Q得到的用于计算第1组符号估计值的矩阵，M为接收信号矢量中待检测符号的个数。

11、根据权利要求4所述的方法，其特征在于，在MMSE准则下，在第i次执行步骤A和执行步骤B时，其中i为1＜i≤Z-1，由信道矩阵

按照公式 $G_1={\mathrm{\&sigma;}}_s^2{F}^H{[{\mathrm{\&sigma;}}_s^{2}F{F}^H+{\mathrm{\&sigma;}}^2{I}_M]}^{-1},$ $F=\left(\hat{Q}\left(i\right)\right)$ 和公式 $w_{i,j}={\left(G_i\right)}_{J+j}^T,$ j＝1，2，…，L_i， $J=\underset{k=1}{\overset{i-1}{\mathrm{\&Sigma;}}}{L}_k$ 计算得到迫零权矢量，其中，σ_s ²是发送符号的功率，σ²为接收信号矢量中噪声分量的功率，

为从矩阵Q得到的用于计算第i组符号估计值的矩阵，M为接收信号矢量中待检测符号的个数。

12、根据权利要求11所述的方法，其特征在于，在不重新进行信道估计的情况下，信道矩阵

的前 $J=\underset{k=1}{\overset{i-1}{\mathrm{\&Sigma;}}}{L}_k$ 列为0列矢量，而第J+1列至第M列为

的第J+1列至第M列；在重新进行信道估计的情况下，信道矩阵

的前 $J=\underset{k=1}{\overset{i-1}{\mathrm{\&Sigma;}}}{L}_k$ 列为0列矢量，而第J+1列至第M列通过信道估计得到，其中，第j∈[J+1，M]列通过对Q矩阵的第j∈[J+1，M]列重新进行信道估计而得到。

13、根据权利要求4所述的方法，其特征在于，步骤A13中每个符号的估计值通过软判决函数确定。

14、根据权利要求13所述的方法，其特征在于，当采用软判决函数确定符号的估计值时，所述符号的估计采用校正因子修正信道估计不理想状态下对符号估计的影响。

15、根据权利要求13所述的方法，其特征在于，所述通过软判决函数确定符号的估计值是通过公式

${\hat{b}}_{\mathrm{ij}}=D\left(y_{\mathrm{ij}}\right)={\mathrm{\&beta;}}_{\mathrm{ij}}\frac{\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}{A}_{k}f\left(y_{\mathrm{ij}}\right|A_k)}{\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}f\left(y_{\mathrm{ij}}\right|A_k)},j=\mathrm{1,2},\&CenterDot;\&CenterDot;\&CenterDot;,M$ 计算出，

其中，β_ij称为校正因子，用以校正信道估计不理想造成的符号估计的偏差和干扰对消的偏差；f(y_ij|A_k)表示发送符号为A_k时接收到y_ij的概率密度函数，M为接收信号矢量中待检测符号的个数。

16、根据权利要求15所述的方法，其特征在于，若发送的符号是复数，则

$f\left(y_{\mathrm{ij}}\right|A_k)=\frac{1}{2\mathrm{\&pi;}{\mathrm{\&sigma;}}_{\mathrm{ij}}^2}{e}^{\frac{{({\mathrm{YR}}_{\mathrm{ij}}-{\mathrm{AR}}_k)}^2+{({\mathrm{YI}}_{\mathrm{ij}}-{\mathrm{AI}}_k)}^2}{2{\mathrm{\&sigma;}}_{\mathrm{ij}}^2}}$ 其中，AR_k、AI_k分别为A_k的实部和虚部；YR_ij、YI_ij分别为y_ij的实部和虚部；VR_ij、VI_ij分别为v_ij的实部和虚部，分别服从N(0，σ^{ij 2})分布，且β_ij是复数。

17、根据权利要求15所述的方法，其特征在于，若发送符号是实数，则

$f\left(y_{\mathrm{ij}}\right|A_k)=\frac{1}{\sqrt{2\mathrm{\&pi;}}{\mathrm{\&sigma;}}_{\mathrm{ij}}}{e}^{-\frac{{({\mathrm{YR}}_{\mathrm{ij}}-A_k)}^2}{2{\mathrm{\&sigma;}}_{\mathrm{ij}}^2}}$

其中，YR_ij为y_ij的实部；VR_ij为v_ij的实部，服从N(0，σ_ij ²)分布，且β_ij是实数。

18、根据权利要求15所述的方法，其特征在于，β_ij的取值是符号的SNR的函数，或β_ij＝1。

19、一种分组垂直分层空时检测装置，其特征在于，该装置包括：符号分组与重排单元、一个以上个组内符号检测与干扰对消单元和组内符号检测单元；其中，

符号分组与重排单元，用于接收信号矢量、将接收信号矢量对应的符号分组、重排为若干组，并将接收信号矢量输出至第一个组内符号检测与干扰对消单元；

每个组内符号检测与干扰对消单元，检测接收信号矢量中对应的组内符号，得到符号的估计值，并将所有检测出的符号进行干扰对消，得到修正的接收信号矢量作为下一个组内符号检测与干扰对消单元/组内符号检测单元的待检测的接收信号矢量；

组内符号检测单元，用于接收最后一个组内符号检测与干扰对消单元发送的修正的接收信号矢量，估计出对应组内符号的估计值。

20、根据权利要求19所述的装置，其特征在于，所述每个组内符号检测与干扰对消单元包括：

权矢量计算单元，用于根据信道矩阵的估计计算出一个以上个迫零权矢量，并将其输出至每个决策统计量计算单元；

一个以上个决策统计量计算单元，用于接收信号矢量，并根据接收到的每个迫零权矢量确定决策统计量，并将其输出至发送符号估计单元；

一个以上个发送符号估计单元，根据接收到的决策统计量估计发送符号，并将发送符号的估计值输出至干扰对消单元；

干扰对消单元，接收信号矢量以及发送符号的估计，并根据发送符号的估计对接收信号矢量进行干扰对消，得到一个修正的接收信号矢量并将其输出至下一个组内符号检测与干扰对消单元/组内符号检测单元。

21、根据权利要求20所述的装置，其特征在于，所述组内符号检测单元包括：

权矢量计算单元，用于根据信道矩阵的估计计算出一个以上个迫零权矢量，并将其输出至每个决策统计量计算单元；

一个以上个决策统计量计算单元，用于接收修正的接收信号矢量，并根据接收到的每个迫零权矢量确定决策统计量，并将其输出至发送符号估计单元；

一个以上个发送符号估计单元，根据接收到的决策统计量估计发送符号，得到一个以上发送符号的估计值。

Images