CN100589469C - 空时比特交织调制系统的迭代译码方法及siso解调器 - Google Patents

Abstract

本发明公开了一种空时比特交织调制系统的迭代译码算法，首先确定当前检测的发送信号及其符号估计值；根据当前检测的发送信号的符号估计值，确定该发送信号的多于一个最可能的估计值；在检测完所有发送信号后，利用获得的所有发送信号的估计值，计算每个信息比特的外信息。本发明同时还公开了一种空时比特交织调制系统的接收系统，该系统的软输入软输出SISO解调器包括：符号估计值模块、星座点估计模块以及外信息计算模块。本发明的迭代译码算法与现有的ML迭代译码算法相比，复杂度可降低接近一半，而性能的损失在允许的范围内。利用本发明的迭代译码算法及接收系统可以在降低算法复杂度的同时，获得较好的性能。

Description

空时比特交织调制系统的迭代译码方法及SISO解调器

技术领域

本发明涉及空时编码技术，特别涉及一种空时比特交织调制系统的迭代译码算法及接收系统。

背景技术

基于多天线阵的多输入多输出(MIMO：Multiple-Input Multiple-Output)技术能够在空间上提供相互独立的多个并行子信道，有效地提高信息速率或通信质量，开拓了一个崭新的研究领域和设计理念。空时编码是一种适合多天线系统的、可逼近多天线信道容量的新型信道编码方案。

将传统二进制信道编码技术与空时编码技术级连，并通过内外码设计，可获得逼近多天线信道容量的性能。根据所采用的空时编码方法的不同，现有级连方案可分为三类，即级连网格(Trellis)空时码、级连分组空时码和级连分层空时码。其中，级连分层空时码也称为空时比特交织调制(ST-BICM)系统。级连Trellis空时码和级连分组空时码存在的一个共同的问题是系统频谱利用率的提高相对比较困难。

与其它两种级连方案相比，级连分层空时码利用传统信道编码技术提供分集增益和编码增益，同时利用分层空时(BLAST)方式提供复用增益，可以在保证性能的前提下获取更高的频谱利用率，是较为有前途的解决方案之一。

ST-BICM系统常用的软输入软输出(SISO，Soft-Input Soft-Output)迭代译码算法中，SISO解调器根据M个接收信号和比特先验信息L_A，demo ^b，计算每个编码比特的外信息L_E，demo ^b，即对数似然比，再将对应所有编码比特的外信息经解交织处理后，作为先验信息L_A，out ^b送入外码译码器；外码译码器利用接收到的先验信息计算序列u中每个比特的外信息L_E，out ^b，经交织后作为先验信息L_A，demo ^b送入SISO解调器，从而完成一次迭代过程。第一次迭代时，比特先验信息L_A，demo ^b初始化为0。

采用N根发射天线，M根接收天线的ST-BICM系统的发射系统结构示意图，如图1(a)所示。信源产生的信息序列a首先送入外码编码器得到编码序列u，序列u经交织器进行交织处理后输入到调制器，调制器对接收到的序列进行调制，然后发送到级连分层空时码模块，经空间映射后得到N个并行的子数据流，分别对应N根天线发送出去。

设第i根发射天线在t时刻的发送信号为c_t ⁱ，第i根发射天线与第j根接收天线之间的信道衰落系数为α_i，j，则第j根接收天线上对应的接收信号r_t ^j可表示为：

$r_t^j=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{a}_{i,j}{c}_t^j+{\mathrm{\η}}_t^j---\left(1\right)$

其中，η_t ^j为第j根接收天线上的信道加性噪声，其服从均值为零、方差为N₀的复高斯分布。为论述简单，本申请中假设信道是平坦衰落，且不考虑天线之间的相关性，即对于不同的i和j，α_i，j是统计独立的。

ST-BICM系统采用级连分层空时码。ST-BICM系统所采用的信道编码技术以及SISO迭代译码算法是影响其系统性能和复杂度的两个关键因素。参见图1(b)，图1(b)为ST-BICM系统的接收系统结构示意图。如图1(b)所示，ST-BICM系统的SISO迭代译码器主要是由外码译码器和SISO解调器两部分构成，同时在外码译码器和SISO解调器之间通过交织器和解交织器互相交换外信息来实现译码迭代。目前常用的SISO解调算法的基本原理是：利用所有可能的符号序列计算每个比特的对数似然比以及外信息，计算的复杂度随发射天线数和调制阶数的增加而指数增加。

下面介绍常用的最大似然(ML)SISO迭代译码算法，并对ML SISO迭代译码算法的计算复杂度进行分析。假设信号星座中共2^b个点，星座符号集为

第i根天线在某时刻发送的信号为c_i，则对应接收天线j收到的信号为：

r_l＝α_1，jc₁+α_2，jc₂+…+α_N，jc_N+η_j         (2)

当发射天线数为N时，接收天线j在每时刻收到的信号r_j中包含有bN比特的信息，将构成c₁，c₂，…，c_N的所有bN比特信息表示为：

b＝(b₁，…，b_b，b_b+1，…，b_bN)                        (3)

其中b_b(i-1)+1，…，b_bi表示第i根发射天线发送的星座点c_i，i＝1，2，...，N.

序列b中的第l比特信息b_l的对数似然比可通过下式计算

$\mathrm{\Λ}\left(b_l\right)=\log \frac{\mathrm{Pr}[b_l=1|r_l,\·\·\·,r_M\left|\right]}{\mathrm{Pr}[b_l=0|r_l,\·\·\·,r_M\left|\right]}=\log \frac{\mathrm{Pr}[b_l=1,r_1,\·\·\·,r_M]}{\mathrm{Pr}[b_l=0,r_l,\·\·\·,r_M]}$

$=\log \frac{\underset{b:b_1=1}{\mathrm{\Σ}}\mathrm{Pr}[r_1,\·\·\·,r_M,b]}{\underset{b:b_1=0}{\mathrm{\Σ}}\mathrm{Pr}[r_1,\·\·\·,r_M,b]}=\log \frac{\underset{c:c=f\left(b\right),b_1=1}{\mathrm{\Σ}}\mathrm{Pr}[r_1,\·\·\·r_M,c]}{\underset{c:c=f\left(b\right),b_1=0}{\mathrm{\Σ}}\mathrm{Pr}[r_1,\·\·\·r_M,c]}---\left(4\right)$

其中c＝(c₁，c₂，…，c_N)，f(b)为从b到c的映射，上式可进一步写为：

$\mathrm{\Λ}\left(b_1\right)=\log \frac{\underset{c:c=f\left(b\right),b_1=1}{\mathrm{\Σ}}\mathrm{Pr}[r_1,\·\·\·,r_M|c_1,\·\·\·,c_N\left]\mathrm{Pr}\right[c_1,\·\·\·,c_N]}{\underset{c:c=f\left(b\right),b_1=0}{\mathrm{\Σ}}\mathrm{Pr}[r_1,\·\·\·{,r}_M|c_1,\·\·\·,c_N\left]\mathrm{Pr}\right[c_1,\·\·\·,c_N]}---\left(5\right)$

假设各发送信号独立，可得

$\mathrm{\Λ}\left(b_1\right)=\log \frac{\underset{c:c=f\left(b\right),b_1=1}{\mathrm{\Σ}}\mathrm{Pr}[r_1,\·\·\·,r_M|c_1,\·\·\·,c_N\left]\underset{l=1}{\overset{N}{\mathrm{\Π}}}\mathrm{Pr}\right[c_1]}{\underset{c:c=f\left(b\right),b_1=0}{\mathrm{\Σ}}\mathrm{Pr}[r_1,\·\·\·,r_M|c_1,\·\·\·,c_N\left]\underset{l=1}{\overset{N}{\mathrm{\Π}}}\mathrm{Pr}\right[c_1]}---\left(6\right)$

由于使用了比特交织器，可认为构成发送信号的各个比特统计独立，即

$\mathrm{Pr}\left[c\right]=\underset{k=1}{\overset{b}{\mathrm{\Π}}}\mathrm{Pr}\left[b_k\right]---\left(7\right)$

由式(6)(7)以及比特外信息的概念，第l个比特的译码外信息可表示为：

$\mathrm{\Λ}\left(b_1\right)=\log \frac{\underset{c:c=f\left(b\right),b_1=1}{\mathrm{\Σ}}\mathrm{Pr}[r_1,\·\·\·,r_M|c_1,\·\·\·,c_N\left]\underset{k=1,k\≠1}{\overset{\mathrm{bN}}{\mathrm{\Π}}}\mathrm{Pr}\right[b_k]}{\underset{c:c=f\left(b\right),b_1=0}{\mathrm{\Σ}}\mathrm{Pr}[r_1,\·\·\·,r_M|c_1,\·\·\·,c_N\left]\underset{k=1,k\≠1}{\overset{\mathrm{bN}}{\mathrm{\Π}}}\mathrm{Pr}\right[b_k]}$

$=\log \frac{\underset{c:c=f\left(b\right),b_1=1}{\mathrm{\Σ}}\underset{j=1}{\overset{M}{\mathrm{\Π}}}\mathrm{Pr}\left[r_j\right|c_1,\·\·\·,c_N\left]\underset{k=1,k\≠1}{\overset{\mathrm{bN}}{\mathrm{\Π}}}\mathrm{Pr}\right[b_k]}{\underset{c:c=f\left(b\right),b_1=0}{\mathrm{\Σ}}\underset{j=1}{\overset{M}{\mathrm{\Π}}}\mathrm{Pr}\left[r_j\right|c_1,\·\·\·,c_N\left]\underset{k=1,k\≠1}{\overset{\mathrm{bN}}{\mathrm{\Π}}}\mathrm{Pr}\right[b_k]}---\left(8\right)$

由

$\mathrm{Pr}(r_1,\·\·\·,r_M|c_1,\·\·\·,c_N)=\frac{1}{\sqrt{\mathrm{\π}{N}_0}}\exp (-\frac{\underset{j=1}{\overset{M}{\mathrm{\Σ}}}|r_j-\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{a}_{\mathrm{ij}}{c}_1}{N_0})---\left(9\right)$

式(8)可进一步写为：

$\mathrm{\Λ}\left(b_1\right)=\log \frac{\underset{c:c=f\left(b\right),b_1=1}{\mathrm{\Σ}}\underset{j=1}{\overset{M}{\mathrm{\Π}}}\exp \left(\frac{{|r_j-\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{a}_{1,j}{c}_1|}^2}{N_0}\right)\underset{k=1,k\≠1}{\overset{\mathrm{bN}}{\mathrm{\Π}}}\mathrm{Pr}\left[b_k\right]}{\underset{c:c=f\left(b\right),b_1=0}{\mathrm{\Σ}}\underset{j=1}{\overset{M}{\mathrm{\Π}}}\exp \left(\frac{{|r_j-\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{a}_{1,j}{c}_1|}^2}{N_0}\right)\underset{k=1,k\≠1}{\overset{\mathrm{bN}}{\mathrm{\Π}}}\mathrm{Pr}\left[b_k\right]}---\left(9\right)$

式(10)即为SISO解调器输出的关于第l个比特b_l的输出外信息，在迭代过程中作为外码译码器的输入先验信息。

由式(10)可知，SISO解调器在计算每个比特的外信息时，需要考虑所有2bN种可能的序列，即计算复杂度随发射天线数和调制阶数指数增加，在某些情况下，如发送天线数很大或调制阶数过高，会产生不可实现的高复杂度。

现有技术的垂直分层空时(VBLAST)迭代译码算法是一种复杂度低、实现容易的算法。

BLAST接收机是基于干扰抑制与干扰抵消的联合技术。由于信噪比(SNR)最大的信号的检测质量相对最好，同时对其它信号的检测带来的影响最大，所以VBAST算法的基本思想是：先计算SNR最大的符号的估计值，然后从接收信号中消除该符号对其余符号检测的影响，再从修正的接收信号中进行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，从而使整个干扰抵消方法的性能最优。

下面以迫零垂直分层空时(ZF-BLAST)算法为例，简要说明VBLAST算法检测处理的流程：

首先，将信号模型简化为：R＝HS+N，

初始化G矩阵：

G₁＝H⁺，i＝1                                        (a)

为了确定第i次检测的发送信号k_i，需要求得仍未被检测的所有发送信号的SNR，选择SNR最大的一个作为第i次检测的信号，其中：

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

选出第i次检测的信号k_i所对应的迫零矢量

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

其中，表示矩阵G_i的第k_i行

利用公式(d)计算第i次检测的发送信号k_i对应的符号估计值

$y_{k_i}=w_{k_i}^T{R}_i---\left(d\right)$

利用公式(e)对k_i对应的符号估计值

进行量化：

${\hat{S}}_{k_i}=Q\left(y_{k_i}\right)---\left(e\right)$

利用公式(f)从接收信号中将已检测的发送信号k_i抵消；利用公式(g)更新信道矩阵，将信道矩阵中已经检测的发送信号k_i对应的列置为零，其它列矢量保持不变：

$R^{i+1}=R^i-{\hat{S}}_{k_i}\·{\left(H\right)}_{k_i}---\left(f\right)$

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

然后，将检测次数置为i+1，返回公式(b)～(h)继续计算，直至i＝N_T+1时停止计算，得到所有发送信号的估计值：

VBLAST算法虽然实现简单，但是性能不够好。由于该类算法利用公式(e)对k_i对应的符号估计值

进行量化的判决过程是硬判，当SNR较高时，利用公式(f)进行的对消带来的效果是正向的；当SNR较低时，可能会出现错误判决，基于错误判决，利用公式(f)进行的对消就是负向的，所以错误判决对性能影响很大。

发明内容

本发明的主要目的在于提供一种空时比特交织调制系统的低复杂度迭代译码方法，在降低迭代译码算法复杂度的同时，获得较好的性能。

本发明的另一主要目的在于提供一种软输入软输出SISO解调器，在降低迭代译码算法复杂度的同时，获得较好的性能。

为了实现上述主要目的的第一方面，本发明提供了一种空时比特交织调制系统的迭代译码方法，该方法包括以下步骤：

A、确定当前检测的发送信号及其符号估计值；

B、利用步骤A确定的符号估计值，获取当前检测的发送信号的多于一个最可能的估计值；

其中，所述获取当前检测的发送信号的多于一个最可能的估计值包括：

将信号星座图划分成一个以上区域，并根据当前检测的发送信号的符号估计值，选择信号星座图中与当前检测的发送信号的符号估计值距离最近的多于一个星座点作为该发送信号的多于一个最可能估计值；

C、在检测完所有发送信号后，利用步骤B获取的所有发送信号的估计值，计算每个信息比特的外信息。

步骤A所述确定当前检测的发送信号及其符号估计值包括：

A1、利用预定的算法计算接收端所有未检测的发送信号的加权向量；所述预定的算法为迫零算法、或最小均方误差算法；

A2、根据步骤A1获得的加权向量，确定所有未被检测的发送信号的信噪比，选择信噪比最大的发送信号作为当前检测的发送信号；

A3、利用选择的当前检测的发送信号的加权向量对每根接收天线上的信号进行加权处理，得到当前检测的发送信号的符号估计值。

所述选择信号星座图中与当前检测的发送信号的符号估计值距离最近的多于一个星座点作为该发送信号的多于一个最可能估计值为：根据当前检测的发送信号的符号估计值的相位，选择信号星座图中与当前检测的发送信号的符号估计值距离最近的多于一个星座点作为该发送信号的多于一个最可能估计值。

所述选择信号星座图中与当前检测的发送信号的符号估计值距离最近的多于一个星座点作为该发送信号的多于一个最可能估计值为：根据当前检测的发送信号的符号估计值的实部和/或虚部的大小，选择信号星座图中与当前检测的发送信号的符号估计值距离最近的多于一个星座点作为该发送信号的多于一个最可能估计值。

所述选择信号星座图中与当前检测的发送信号的符号估计值距离最近的多于一个星座点作为该发送信号的多于一个最可能估计值后，进一步包括：根据当前检测的发送信号所处的区域，将信号星座图划分为一个以上层，再根据需要增选的星座点个数，从各层中选择与该发送信号的符号估计值距离最近的星座点。

所述从各层中选择与该发送信号的符号估计值距离最近的星座点为：从各层中选择相同数量的与当前检测的发送信号的符号估计值距离最近的星座点；或者从与距离已选择的星座点越近的层中选择越多的星座点。

为了实现上述发明目的的另一方面，本发明提供了一种软输入软输出SISO解调器，包括：

外码译码器、软输入软输出SISO解调器、解交织器和交织器，其特征在于，所述SISO解调器包括：符号估计值模块、星座点估计模块以及外信息计算模块，

符号估计值模块，用于确定当前检测的发送信号及其符号估计值，并将确定的符号估计值发送给星座点估计模块；

星座点估计模块，用于根据接收到的符号估计值，获取并存储当前检测的发送信号的多于一个最可能的估计值，包括：将信号星座图划分成一个以上区域，并根据当前检测的发送信号的符号估计值，选择信号星座图中与当前检测的发送信号的符号估计值距离最近的多于一个星座点作为该发送信号的多于一个最可能估计值；并将存储的所有发送信号的估计值发送给外信息计算模块；

外信息计算模块，利用接收到的所有发送信号的估计值计算每个信息比特的外信息。

所述符号估计值模块包括：加权向量模块和加权处理模块，

加权向量模块，用于利用预定的算法确定接收端所有未检测的发送信号的加权向量，并根据所有未检测的发送信号的加权向量确定所有未被检测的发送信号的信噪比，选择信噪比最大的发送信号作为当前检测的发送信号，并将选择的结果发送给加权处理模块；所述预定的算法为迫零算法、或最小均方误差算法；

加权处理模块，利用选择的当前检测的发送信号的加权向量对每根接收天线上的信号进行加权处理，得到当前检测的发送信号的符号估计值，将其发送给星座点估计模块。

所述星座点估计模块包括：星座点确定模块，

星座点确定模块，用于将信号星座图划分成一个以上区域，并根据接收到的当前检测的发送信号的符号估计值选择最有可能的多于一个的星座点。

所述星座点估计模块进一步包括：分层模块，用于根据当前检测的发送信号所处的区域，将信号星座图划分为一个以上层，再根据需要增选的星座点个数，从各层中选择与当前检测的发送信号的符号估计值距离最近的星座点。

本发明提供的空时比特交织调制系统的迭代译码算法及接收系统，结合ML-SISO及VBLAST接收机，通过改变备选信号向量集合的大小来降低迭代译码算法的复杂度。比如，当采用QPSK调制4根发射天线时，若采用传统迭代译码算法，需要计算所有4⁴＝256种四维信号向量；若采用本发明提供的译码算法，当每根天线仅选取三个可能信号点时，只需计算3⁴＝81种四维信号向量，复杂度仅为传统算法的1/3左右。事实上，随着发送天线数和调制阶数的增加，本发明所提算法在复杂度上面的优势会更加明显。

参见图2，图2为两发两收ST-BICM系统在不同译码算法下的性能比较示意图。这里，两发两收ST-BICM系统仿真参数为：

信道编码采用1/2码率的64状态卷积码；信道假设为独立衰落，且接收端可准确估计信道衰落系数；交织器长度为1024，调制方式为QPSK调制；译码算法为本发明中提出的基于ZF的迭代译码算法，基于MMSE的迭代译码算法和现有的基于ML的迭代译码算法，迭代次数分别为1次和2次。

图2中曲线21、22、23分别为本发明中提出的基于ZF的迭代译码算法，基于MMSE的迭代译码算法和现有的基于ML的迭代译码算法迭代1次时的性能曲线；曲线24、25、26分别为本发明中提出的基于ZF的迭代译码算法，基于MMSE的迭代译码算法和现有的基于ML的迭代译码算法迭代2次时的性能曲线。

对于本发明提出的基于ZF和MMSE的迭代译码算法，本仿真中每层选择3个信号点来构成备选信号向量，共计9个二维信号向量，而基于ML迭代译码算法要考虑所有16个二维信号向量，因此本发明提出的迭代译码算法的复杂度与ML迭代译码算法相比，有大幅度的降低。而分析图2可知，本发明提出的迭代译码算法的性能和分集增益与ML迭代译码算法相比差别很小，在允许范围内。

另外，本发明的基于MMSE检测准则的译码算法性能优于基于ZF检测准则的译码算法，这主要是由于ZF准则本身只考虑了信道衰落系数矩阵的影响，没有考虑信道加性噪声，存在较大的错误传播。

总之，本发明的空时比特交织调制系统的迭代译码算法采用MMSE检测或ZF检测，与现有的ML迭代检测算法相比，其算法复杂度可降低接近一半，而性能的损失较小，在允许的范围内。而本发明的空时比特交织调制系统的迭代译码算法与现有技术的VBLAST译码算法比较，译码性能有很大的提高。因此，利用本发明的空时比特交织调制系统的迭代译码算法及接收系统可以在降低算法复杂度的同时，获得较好的性能。

附图说明

图1(a)为ST-BICM系统的发射系统结构示意图；

图1(b)为ST-BICM系统的接收系统结构示意图；

图2为两发两收ST-BICM系统在不同译码算法下的性能比较示意图；

图3为本发明空时比特交织调制系统的迭代译码算法的流程示意图；

图4为本发明空时比特交织调制系统的迭代译码算法的一个较佳实施例的流程示意图；

图5为QPSK信号星座图；

图6为本发明16QAM信号星座图的九个子方型区域示意图；

图7为本发明16QAM信号星座图的四个带状区域示意图；

图8为本发明以子方型区域1为例给出的分层示意图；

图9为本发明以子方型区域2为例给出的分层示意图；

图10为本发明以子方型区域5为例给出的分层示意图；

图11为本发明以带状区域1为例给出的分层示意图；

图12为本发明空时比特交织调制系统的接收系统的结构示意图。

具体实施方式

为使本发明的目的、技术方案和有益效果更加清楚明白，下面结合实施例和附图，对本发明进一步详细说明。

本发明提供的空时比特交织调制系统的迭代译码算法及接收系统，首先确定当前检测的发送信号及其符号估计值；根据当前检测的发送信号的符号估计值，确定该发送信号的多于一个最可能的估计值；在检测完所有发送信号后，利用获得的所有发送信号的估计值，计算每个信息比特的外信息。

参见图3，图3为本发明空时比特交织调制系统的迭代译码算法的流程示意图。如图3所示，该流程包括以下步骤：

步骤301，确定当前检测的发送信号及其符号估计值。

这里，确定当前检测的发送信号及其符号估计值包括：

a1、利用预定的算法计算接收端所有未检测的发送信号的加权向量。

a2、根据步骤a1获得的加权向量，确定所有未被检测的发送信号的信噪比，选择信噪比最大的发送信号作为当前检测的发送信号。

a3、利用选择的当前检测的发送信号的加权向量对每根接收天线上的信号进行加权处理，得到当前检测的发送信号的符号估计值。

步骤302，利用步骤301确定的符号估计值，获取当前检测的发送信号的多于一个最可能的估计值。

步骤303，在检测完所有发送信号后，利用步骤302获取的所有发送信号的估计值，计算每个信息比特的外信息。

参见图4，图4为本发明空时比特交织调制系统的迭代译码算法的一个较佳实施例的流程示意图。如图4所示，该流程包括以下步骤：

步骤401，利用预定的算法确定接收端所有未被检测的发送信号的加权向量。这里，预定的算法可以为迫零检测算法或最小均方误差算法。

设接收端关于所有N个发送信号形成的加权向量构成矩阵W为：

W＝(w₁，w₂，...，w_N)^T                        (11)

按照迫零检测算法，矩阵W_ZF＝H⁺，这里，H为信道矩阵，H⁺为矩阵H的广义逆矩阵。

按照最小均方误差算法，矩阵W的选择应该使误差的均方值E{‖c-Wr‖²}最小，对应的基于MMSE准则的接收天线加权向量矩阵为：

W_MMSE＝H^H(HH^H+σ²I)⁺              (12)

其中，σ²是接收信号中包含的噪声，H^H是矩阵H的共轭转置，(HH^H+σ²I)+是矩阵(HH^H+σ²I)的广义逆矩阵。将W_MMSE的行向量w_i作为接收天线对于发送信号c_i所形成的加权向量。

步骤402，根据加权向量W_ZF或W_MMSE确定所有未被检测的各发送信号的信噪比(SNB)，选择其中SNB最大的信号作为当前次的检测信号。

具体的方法是：计算加权向量w_i(i＝1，2，...，N)矩阵的长度，长度最短的说明对应发送信号受噪声干扰最小，信噪比最大，则应作为当前次检测的发送信号。

步骤403，利用步骤402选择的当前次检测信号的加权向量对每根接收天线上的发送信号进行加权处理，得到当前次检测信号的估计值。

具体处理方法为：将公式(1)写为矩阵形式：

r＝Hc+η                                (13)

假设r＝(r₁，r₂，...，r_M)^T是M维接收信号向量，c＝(c₁，c₂，...，c_N)^T是N维发送信号向量，η＝(η₁，η₂，...，η_M)^T是M维加性噪声向量，H为M×N的信道矩阵。在本发明中，假设接收端可准确估计信道信息。

将当前次检测信号的加权向量

同乘以式(13)两端，得到当前次检测的发送信号的符号估计值为：

$y_{k_i}=w_{k_i}^{T}r=c_{k_i}+v_{k_i}---\left(14\right)$

步骤404，根据当前次检测的发送信号的符号估计值，确定该发送信号的Ni个最可能的估计值。

这里，N_i为大于1的整数。

具体处理方法为：利用公式(14)，选择信号星座图中与当前次检测信号的估计值

距离最近的N_i个点作为发送信号

的N_i个估计值 $\{{\hat{c}}_{k_{i,}1}{,\hat{c}}_{k_i,2},\·\·\·,{\hat{c}}_{k_{i,}{N}_i}\}.$

步骤405，更新接收信号向量和信道矩阵，从接收信号向量和信道矩阵中消掉已检测的发送信号。

具体处理方法为：利用公式(f)和(g)，在接收信号中将已检测信号抵消，并将信道矩阵中已检测信号对应的列置为零。

步骤406，判断当前的检测次数是否小于发送信号的数目N，如果小于，则将检测次数加一后，返回步骤401；否则，执行步骤407。

上述步骤405也可以放在步骤406后执行，即先判断当前的检测次数是否小于发送信号的数目，当判断当前的检测次数小于发送信号的数目时，先更新接收信号向量和信道矩阵，然后再返回步骤401。

步骤407，将获得的所有发送信号的估计值构成符号序列集合，记为

假设第i次检测的信号对应的估计值为N_i个，则当共有N个发送信号时，符号序列集合

由N₁×N₂×…×N_N个N维符号序列构成。其中，N₁、N₂、...N_N都是大于1的整数。

步骤408，利用步骤407构成的符号序列集合

以及公式(10)计算每个信息比特的外信息。

本发明针对不同调制方式的星座图的特点提供了几种符号序列的确定原则，即上述步骤404所述根据当前次检测的发送信号的符号估计值，选择信x号星座图中与估计值距离最近的多于一个星座点作为该发送信号的最可能估计值的确定原则。

下面分别给出MPSK信号星座图和MQAM信号星座图的符号序列确定原则。

MPSK信号星座图均匀地分布在单位圆上，因此可根据消除了乘性衰落因子和已检测发送信号影响的第i个修正信号y_i的相位，来确定与修正信号y_i距离最近的几个点。这里，第i个修正信号y_i就是第i次检测的发送信号的符号估计值，用∠y_i表示修正信号y_i的相位。

以QSPK信号星座图为例说明MPSK信号星座图的符号序列确定原则。参见图5，图5为QPSK信号星座图。

对于QPSK信号，若选择N_i＝2，则：

当 $-\frac{\mathrm{\π}}{4}\≤\∠y_i\≤\frac{\mathrm{\π}}{4}$ 时，选择信号点0和3作为两个最可能的备选信号点；

当 $\frac{\mathrm{\π}}{4}\≤\∠y_i\≤\frac{3\mathrm{\π}}{4}$ 时，选择信号点0和1作为两个最可能的备选信号点；

当 $\frac{3\mathrm{\π}}{4}\≤\∠y_i\≤\frac{5\mathrm{\π}}{4}$ 时，选择信号点1和2作为两个最可能的备选信号点；

当 $\frac{5\mathrm{\π}}{4}\≤\∠y_i\≤\frac{7\mathrm{\π}}{4}$ 时，选择信号点2和3作为两个最可能的备选信号点。对于QPSK信号，若选择N_i＝3，则：

当 $0\≤\∠y_i\≤\frac{\mathrm{\π}}{2}$ 时，选择信号点0、1和3作为三个最可能的备选信号点；

当 $\frac{\mathrm{\π}}{2}\≤\∠y_i\≤\mathrm{\π}$ 时，选择信号点0、1和2作为三个最可能的备选信号点；

当 $\mathrm{\π\π}\≤\∠y_i\≤\frac{3\mathrm{\π}}{2}$ 时，选择信号点1、2和3作为三个最可能的备选信号点；

当 $-\frac{3\mathrm{\π}}{2}\≤\∠y_i\≤2\mathrm{\π}$ 时，选择信号点0、2和3作为三个最可能的备选信号点。

MQAM信号星座图基本是方型的，可根据修正信号的实部和虚部的大小来选择最可能的几个信号点。

以16QAM为例说明MQAM信号星座图的符号序列确定原则。该符号序列确定过程的具体步骤包括：

1)将16个信号点划分成9个子方型区域或四个带状区域。参见图6和图7，图6为本发明16QAM信号星座图的九个子方型区域示意图；图7为本发明16QAM信号星座图的四个带状区域示意图。

2)根据修正信号的大小，选择最有可能的四个信号点。分两种情况：

第一种情况：当|Re(y)|≤3d且|Im(y)|≤3d时，d为图6和图7中小正方形的边长的一半。根据修正信号所处的子方型区域的位置选择最有可能的四个信号点。例如：若-d≤Re(y)≤d且-d≤Im(y)≤d，则选择区域5内的四个信号点；若-d≤Re(y)≤d且d≤Im(y)≤3d，则选择区域6内的四个信号点。

第二种情况：当|Re(y)|＞3d或|Im(y)|＞3d时，选择图7中合适的带状区域内的四个信号点。例如：若Re(y)＞3d，则选择带状区域1内的四个信号点；若Re(y)＜-3d，则选择带状区域3内的四个信号点；若Im(y)＞3d，则选择带状区域2内的四个信号点；若Im(y)＜-3d，则选择带状区域4内的四个信号点。

为改进迭代译码算法的性能，可进一步增选信号点，具体步骤如下：

3)根据修正信号所处的区域，将16QAM的信号星座图划分成若干个层次，然后确定所增选的信号点，下面分三种情况讨论：

第一种情况：当修正信号处于子方型区域1、3、7或9时，除选择对应的四个信号点外，将剩余的12个信号点划分成两层，图8以子方型区域1为例给出了分层示意图。然后根据要求的增选信号点个数计算修正信号与各个子层中信号点的距离，选择距离最近的作为增选的信号点。例如，若要求增选的信号点个数小于等于5，可只计算修正信号与第一层上信号点之间的距离即可。

第二种情况：当修正信号处于子方型区域2、4、6或8之中时，除选择对应的四个信号点外，同时将剩余的12个信号点划分成两层，图9以子方型区域2为例给出了分层示意图。然后根据要求的增选信号点个数计算修正信号与各个子层中信号点的距离，选择距离最近的作为增选的信号点。例如，若要求增选的信号点个数小于第一层上的信号点数，可只计算修正信号与第一层上信号点之间的距离，选出距离最近的信号点。

第三种情况：当修正信号处于子方型区域5之中时，将剩余的12个信号点划分成如图10所示的两层，然后计算修正信号与各个子层中信号点的距离，选择距离最近的作为增选的信号点。例如，若要求增选的信号点个数小于第一层上的信号点数，可只计算修正信号与第一层上信号点之间的距离，选出距离最近的信号点。

第四种情况：当|Re(y)|＞3d或|Im(y)|＞3d时，除选择对应的四个信号点外，同时将剩余的12个信号点划分成3层，图11以带状区域1为例给出了分层示意图，然后计算修正信号与各个子层中信号点的距离，选择距离最近的作为增选的信号点。例如，若要求增选的信号点个数小于第一层上的信号点数，可只计算修正信号与第一层上信号点之间的距离，选出距离最近的信号点。

这里，分层的目的是为了减小计算量，尽可能减少所求欧式距离的个数，所述的欧式距离即发射符号估计值与星座点之间的距离。首先将MQAM星座图分块，然后通过判断修正信号的实部虚部所处的位置，可以得到距离最近的4个星座点；如果所需要的星座点个数大于4，再将剩余的12个星座点分层。分层的原则是尽可能求最少的欧式距离。

本发明结合MMSE检测和ZF检测，提出了一种低复杂度的迭代译码算法，与现有ML迭代译码算法相比，复杂度可降低接近一半，而性能的损失在可接受的范围内。

为了进一步减少性能损失，本发明还提出了如下提高性能的方法：

由于最先检测出的几层信号点对性能的影响较大，因此在各层选择信号点时，采用逐层减少信号点选择个数的方法来提高性能。比如，对于三根发送天线和QPSK调制的情况，可考虑4、3、3的检测模式，即在第一层保留所有4个信号点，在第二和第三层减少选择的信号点数，共考虑36个二维信号向量。

参见图12，图12为本发明空时比特交织调制系统的接收系统的结构示意图，该系统包括：外码译码器、软输入软输出SISO解调器、解交织器和交织器。

其中，SISO解调器包括：符号估计值模块1201、星座点估计模块1202以及外信息计算模块1203，

符号估计值模块1201，用于确定当前检测的发送信号及其符号估计值，并将确定的符号估计值发送给星座点估计模块1202；

星座点估计模块1202，用于根据接收到的符号估计值，获取并存储当前检测发送信号的多于一个最可能的估计值，并将存储的所有发送信号的估计值发送给外信息计算模块1203；

外信息计算模块1203，利用接收到的所有发送信号的估计值计算每个信息比特的外信息。

所述符号估计值模块1201由加权向量模块和加权处理模块组成。

加权向量模块，用于利用预定的算法确定接收端所有未检测的发送信号的加权向量，并根据所有未检测的发送信号的加权向量确定所有未被检测的发送信号的信噪比，选择信噪比最大的发送信号作为当前检测的发送信号，并将选择的结果发送给加权处理模块。

加权处理模块利用选择的当前检测的发送信号的加权向量对每根接收天线上的信号进行加权处理，得到当前检测的发送信号的符号估计值，将其发送给星座点估计模块1202。

所述星座点估计模块1202包括星座点确定模块，该星座点确定模块用于将信号星座图划分成一个以上区域，并根据接收到的当前检测的发送信号的符号估计值选择最有可能的多于一个的星座点。

所述星座点估计模块1202还可以进一步包括分层模块，该分层模块用于根据当前检测的发送信号所处的区域，将信号星座图划分为一个以上层，再根据需要增选的星座点个数，从各层中选择与当前检测的发送信号的符号估计值距离最近的星座点。

由以上实施例可见，本发明提供的空时比特交织调制系统的迭代译码算法及接收系统，结合ML-SISO及VBLAST接收机，通过改变备选信号向量集合的大小，实现了在降低迭代译码算法复杂度的同时，获得较好的性能。

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。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1、一种空时比特交织调制系统的迭代译码方法，其特征在于，该方法包括以下步骤：

A、确定当前检测的发送信号及其符号估计值；

B、利用步骤A确定的符号估计值，获取当前检测的发送信号的多于一个最可能的估计值；

其中，所述获取当前检测的发送信号的多于一个最可能的估计值包括：

将信号星座图划分成一个以上区域，并根据当前检测的发送信号的符号估计值，选择信号星座图中与当前检测的发送信号的符号估计值距离最近的多于一个星座点作为该发送信号的多于一个最可能估计值；

C、在检测完所有发送信号后，利用步骤B获取的所有发送信号的估计值，计算每个信息比特的外信息。

2、如权利要求1所述的方法，其特征在于，步骤A所述确定当前检测的发送信号及其符号估计值包括：

A1、利用预定的算法计算接收端所有未检测的发送信号的加权向量；所述预定的算法为迫零算法、或最小均方误差算法；

A2、根据步骤A1获得的加权向量，确定所有未被检测的发送信号的信噪比，选择信噪比最大的发送信号作为当前检测的发送信号；

A3、利用选择的当前检测的发送信号的加权向量对每根接收天线上的信号进行加权处理，得到当前检测的发送信号的符号估计值。

3、如权利要求1所述的方法，其特征在于，所述选择信号星座图中与当前检测的发送信号的符号估计值距离最近的多于一个星座点作为该发送信号的多于一个最可能估计值为：

根据当前检测的发送信号的符号估计值的相位，选择信号星座图中与当前检测的发送信号的符号估计值距离最近的多于一个星座点作为该发送信号的多于一个最可能估计值。

4、如权利要求1所述的方法，其特征在于，所述选择信号星座图中与当前检测的发送信号的符号估计值距离最近的多于一个星座点作为该发送信号的多于一个最可能估计值为：

根据当前检测的发送信号的符号估计值的实部和/或虚部的大小，选择信号星座图中与当前检测的发送信号的符号估计值距离最近的多于一个星座点作为该发送信号的多于一个最可能估计值。

5、如权利要求4所述的方法，其特征在于，所述选择信号星座图中与当前检测的发送信号的符号估计值距离最近的多于一个星座点作为该发送信号的多于一个最可能估计值后，进一步包括：

根据当前检测的发送信号所处的区域，将信号星座图划分为一个以上层，再根据需要增选的星座点个数，从各层中选择与该发送信号的符号估计值距离最近的星座点。

6、如权利要求5所述的方法，其特征在于，所述从各层中选择与该发送信号的符号估计值距离最近的星座点为：从各层中选择相同数量的与当前检测的发送信号的符号估计值距离最近的星座点；或者从与距离已选择的星座点越近的层中选择越多的星座点。

7、一种软输入软输出SISO解调器，其特征在于，所述SISO解调器包括：符号估计值模块、星座点估计模块以及外信息计算模块，

符号估计值模块，用于确定当前检测的发送信号及其符号估计值，并将确定的符号估计值发送给星座点估计模块；

星座点估计模块，用于根据接收到的符号估计值，获取并存储当前检测的发送信号的多于一个最可能的估计值，包括：将信号星座图划分成一个以上区域，并根据当前检测的发送信号的符号估计值，选择信号星座图中与当前检测的发送信号的符号估计值距离最近的多于一个星座点作为该发送信号的多于一个最可能估计值；并将存储的所有发送信号的估计值发送给外信息计算模块；

外信息计算模块，利用接收到的所有发送信号的估计值计算每个信息比特的外信息。

8、如权利要求7所述的SISO解调器，其特征在于，所述符号估计值模块包括：加权向量模块和加权处理模块，

加权向量模块，用于利用预定的算法确定接收端所有未检测的发送信号的加权向量，并根据所有未检测的发送信号的加权向量确定所有未被检测的发送信号的信噪比，选择信噪比最大的发送信号作为当前检测的发送信号，并将选择的结果发送给加权处理模块；所述预定的算法为迫零算法、或最小均方误差算法；

加权处理模块，利用选择的当前检测的发送信号的加权向量对每根接收天线上的信号进行加权处理，得到当前检测的发送信号的符号估计值，将其发送给星座点估计模块。

9、如权利要求7或8所述的SISO解调器，其特征在于，所述星座点估计模块包括：星座点确定模块，

星座点确定模块，用于将信号星座图划分成一个以上区域，并根据接收到的当前检测的发送信号的符号估计值选择最有可能的多于一个的星座点。

10、如权利要求9所述的SISO解调器，其特征在于，所述星座点估计模块进一步包括：分层模块，用于根据当前检测的发送信号所处的区域，将信号星座图划分为一个以上层，再根据需要增选的星座点个数，从各层中选择与当前检测的发送信号的符号估计值距离最近的星座点。

Images