CN101009533A - 用于mimo系统中的检测方法 - Google Patents

Abstract

本发明公开了一种用于MIMO系统中的检测方法，针对幸存的路径对某些比特所解调的值全为1或全为0(－1)的情况，根据信道解码前的符号估计值，计算出在幸存路径中，不存在的1或0(－1)的比特的欧氏距离的上界，并根据幸存路径的欧氏距离得到下界。然后根据此上界和下界，通过函数的变换，得到不存在比特(1或0)的欧氏距离的近似值，从而得到了比特的似然值。

Description

用于MIMO系统中的检测方法

技术领域

本发明涉及多入多出(MIMO)通信技术，具体涉及MIMO通信系统中的信号检测方法。

背景技术

MIMO技术是无线移动通信领域智能天线技术的重大突破。MIMO的含义是数据的发送和接收都采用了多根天线。研究表明，利用MIMO技术可以提高信道的容量，同时也可以提高信道的可靠性，降低误码率。MIMO系统的最大容量或容量上限随最小天线数的增加而线性增加。而在同样条件下，在接收端或发射端采用多天线或天线阵列的普通智能天线系统，其容量仅随天线数的对数增加而增加。因而，MIMO技术对于提高无线通信系统的容量具有极大的潜力，是新一代移动通信系统采用的关键技术。

1、MIMO系统接收信号的模型

                   r＝Hs+n    (1)

令s＝[s₁，…，s_NT]^T表示传送符号的NT×1维向量。其中s_i为通过第i根天线发送的符号。相应的，r＝[r₁，…，r_NR]^T表示通过NR×1根接收天线接收的信号向量。此外，在式(1)中，n＝[n₁，…，n_NR]^T表示在NR根接收天线上的均值为零、方差为σ²的高斯白噪声，矩阵H为NR×NT信道矩阵。在接收侧，MIMO接收机中的检测器的从接收向量r中恢复各个发送符号s。传统的检测方法例如有最大似然检测(MLD)、QRM-MLD等等。

2、最大似然检测(MLD)

最大似然检测是指遍历发送符号s的所有可能性，找到使|r-Hs|²最小的s。但是，这种检测方法的复杂性随着天线的增加呈指数增长。

3、QRM-MLD的方法

3.1QR分解

通过QR分解方法将信道矩阵H分解成：

                   H＝QR    (2)

在式(2)中，  NT×NR矩阵Q各列相互正交，且各列的范数为1，即：

                        Q^HQ＝I_NT×NT    (3)

在式(2)中，R为上三角矩阵。用Q^H去左乘式(1)的两边的项，得到：

             y＝Q^Hr＝Rs+η    (4)

在式(4)中，η＝Q^Hn，其统计特性与噪声n一样。

3.2 QRM

将式(4)展开，得到：

具体地，检测过程从s_NT开始，一直到s₁。在式(5)中，s_NT为第1级，s₁为第NT级。当到达第1级时，得到NT根发送天线的符号估计值。在QRM方法中，每一级设置幸存路径数，并计算每一级的欧氏距离。图1是说明QRM-MLD方法的图。图2给出了QRM方法中每一级的示意图，在图2中，假设使用QPSK调制方法，则每个符号的值存在4种可能性。图2中显示了前三级生存路径的示意图，各级的幸存路径分别为2、3、4，则在前三级最后剩下的4个幸存路径的符号估计分别为[a，c，f]、[a，c，g]、[a，d，h]、[b，e，i]。

3.3欧氏距离的确定

当得到了一种信号的估计的候选值时，即 $\tilde{s}=[{\tilde{s}}_1{\tilde{s}}_2\·\·\·{\tilde{s}}_{\mathrm{NT}}{]}^T,$ 对估计向量 而言，如下计算其欧氏距离：

$e={|y-R\tilde{s}|}^2---\left(6\right)$

3.4MLD方法中比特软值的确定

          Λ_p，b＝e_{min，p，b，-1}-e_{min，p，b，1}    (7)

在式(7)中，e_{min，p，b，v}表示第p个发送符号中第b个比特的值表示为v的所有的可能中，根据式(6)计算出的欧氏距离中的最小欧氏距离。

3.5QRM-MLD方法中比特软值的计算

由于在MLD方法中需要遍历所有的可能性，所以计算复杂度非常高。而QRM-MLD方法由于在每一级都设置幸存路径数，降低了复杂度。在最后的一级中，只留了M种可能性，没有遍历所有的可能性。在文献1(Hiroyuki Kawai etc.，“Likelihood function for QRM-MLDsuitable for soft-decision turbo decoding and its performance for OFCDMMIMO multiplexing in multipath fading channel”，IEICE Trans.Commun.，vol.E88-B，No.1，Jan.，2005，pp：47-56)中，为了降低比特软值误差的方差，在QRM-MLD方法中如下计算比特软值：

${\mathrm{\Λ}}_{p,b}=\sqrt{e_{\min ,p,b,-1}}-\sqrt{e_{\min ,p,b,1}}---\left(8\right)$

3.6文献1中对不存在比特值的计算

图3a示出了在最后一级的幸存路径数M＝4的情况下某个符号的幸存星座点的示意图。对这四个符号来说，第3个比特的值都是-1，因此值1为不存在比特值。图3b给出了文献1中的计算方法。

首先，计算出了这四个幸存路径的欧氏距离分别为e₁、e₂、e₃、e₄。各个符号的第1、2、4个比特的值既有1又有-1。

对第1个比特来说，比特值1对应的最小欧氏距离为e₁，比特值-1对应的最小欧氏距离为e₄；对第2个比特来说，比特值1对应的最小欧氏距离为e₁，比特值-1对应的最小距离欧氏为e₂；对第4个比特来说，比特值1对应的最小欧氏距离为e₃，比特值-1对应的最小欧氏距离为e₁。

然后，对第1个比特来说，比特值1和-1所对应的最小欧氏距离中最大的是e₄；对第2个比特来说，比特值1和-1所对应的最小欧氏距离中最大的是e₂；对第4个比特来说，比特值1和-1所对应的最小欧氏距离中最大的是e₃。对上述的距离e₄、e₂和e₃进行平均得到平均值(e₄+e₂+e₃)/3。

最后，将平均值乘以加权系数1.5得到第3个比特在比特值为1情况下的度量值(e₄+e₂+e₃)×1.5/3。

3.7 QRM-MLD方法中LLR计算的缺点

在QRM-MLD的LLR计算中，由于在幸存路径中会出现某些比特全为0(-1)或全1，这导致无法根据幸存路径的欧氏距离直接得到这些数据比特的似然值。在文献1中，通过幸存路径中的欧氏距离，基于经验值得到某个比特取不存在的比特值的情况下的似然值。这样，当各级的幸存的路径较少时，就造成了准确性降低。并且，如果采用的检测方法不是QRM-MLD，就无法使用上述的计算方法。比如，对于球译码、网格减少(lattice reduction)的方法，它们也可以得到无编码情况下的近似的最大似然解，但只得到了最后的解。这相当于最后一级只有一个幸存路径。在这种情况下，用文献1中的方法来计算就不合适了。而且，根据文献1中的方法，所有不存在比特值的欧氏距离都是一样的，这显然与实际的情况不一致。虽然在幸存路径中存在某些比特的比特值全部相同的情况下，可以基于经验根据幸存路径中的欧氏距离进行各个符号加权来得到相应的欧氏距离，但在文献1中得到的比特软值对于不存在比特值，并没有体现出差别。也就是说，所有不存在的比特值，其度量值都是一样的。

发明内容

鉴于上述问题，完成了本发明。在本发明中，针对编码的MIMO系统，当MIMO检测时幸存路径对某些比特所解调的值全为1或全为0(-1)的情况(极端情况下最后一级的幸存路径为1)，根据信道解码前的符号估计值，计算出在幸存路径中，不存在的比特值1或0(-1)的比特的欧氏距离的上界，并根据幸存路径的欧氏距离得到下界。然后根据此上界和下界，通过函数的变换，得到不存在比特值(1或0)的欧氏距离的近似值，进而得到该比特的似然值。

在本发明的一个方面，提出了一种用于MIMO系统中的检测方法，包括步骤：按照预定检测方法对接收信号进行检测，以得到至少一个幸存路径及相应的度量值；根据所述幸存路径及所述度量值计算各个比特的软值；以及将各个比特的所述软信息送到信道译码器，进行解码；

根据本发明的一个实施例，在所述检测方法中，所述根据所述幸存路径及所述度量值计算各个比特的软值的步骤包括：确定不存在的比特值的所在的比特的位置和所在的符号的位置；根据该符号在解码之前的符号估计值，计算与该比特相对应的欧氏距离的上界；根据幸存路径的欧氏距离，确定该比特的欧氏距离的下界；通过映射函数在所述上界和所述下界之间估计欧氏距离的近似值；从欧氏距离的近似值，计算该比特的软值。

根据本发明的一个实施例，在所述检测方法中，在确定该比特的欧氏距离的下界之后，根据该下界调整所述上界。

根据本发明的一个实施例，在所述检测方法中，计算与该比特相对应的欧氏距离的上界的步骤包括：将所述符号中取不存在的比特值的那个比特反转，以获得新的符号向量；根据新的符号向量计算欧氏距离的上界。

根据本发明的一个实施例，在所述检测方法中，计算与该比特相对应的欧氏距离的上界的步骤包括：根据估计出的数据符号向量，对接收信号消除除了不存在比特值的那个比特对应的符号的干扰；根据干扰消除之后的信号对该符号进行解调；确定具有取不存在比特值的那个比特的符号最近的符号；用所述距离最近的符号替换所述符号向量中具有取不存在比特值的那个比特的符号，以获得新的符号向量；根据新的符号向量计算欧氏距离的上界。

根据本发明的一个实施例，在所述检测方法中，计算与该比特相对应的欧氏距离的上界的步骤包括：将具有取不存在比特值的那个比特反转，以获得反转后的各个符号；针对反转后的各个符号，计算分别与各个符号相对应的欧氏距离；将所述分别与各个符号相对应的欧氏距离中最小的那个欧氏距离作为欧氏距离的上界。

根据本发明的一个实施例，在所述检测方法中，将与所述幸存路径相对应的欧氏距离中最大的那个欧氏距离作为欧氏距离的下界。

根据本发明的一个实施例，在所述检测方法中，所述预定检测方法包括MLD方法、QRM-MLD方法、球译码方法和网格减少方法之一。

利用本发明的上述方法，可以采用不同的检测器，如球译码等等，并且检测方法也不局限于QRM-MLD。研究结果表明，当最后一级的幸存路径较大时，计算不存在比特值的欧氏距离的计算量要小于文献1中的。相比于文献1的方法，对不存在的比特值所计算的欧氏距离要精确，能够体现出各个比特值的可靠性差别。

附图说明

图1示出了文献1中QRM-MLD检测装置的框图；

图2是用来说明QRM检测方法的示意图；

图3a是文献1中利用幸存节点求解软值的示意图；

图3b是文献1中的LLR计算方法的示意图；

图4a为根据本发明的方法的总体示意图；

图4b是说明本发明中对不存在的比特进行欧氏距离计算的示意图；

图5是根据本发明的一个实施例确定欧氏距离的上界的过程的流程图；

图6是根据本发明的另一实施例确定欧氏距离的上界的过程的流程图；

图7是根据本发明的又一实施例确定欧氏距离的上界的过程的流程图；

图8示出了16QAM调制与比特之间的映射关系；

图9示出了在星座点中寻找位置的示意图；

图10示出了根据本发明实施例的方法与文献1的方法的误码率的比较；

图11示出了根据本发明实施例的方法与文献1的方法的误帧率的比较。

具体实施方式

下面参照附图详细描述本发明的实施例，其中假设MIMO系统采用4×4天线，16QAM调制，检测方法是QRM-MLD。图4a是根据本发明的方法的总体图。

如图4a所示，在步骤S301，按照QRM-MLD方法进行检测，得到M个幸存路径及相应的度量值。在步骤S302，根据这M个幸存路径及度量值计算各个比特的软信息。在步骤S303，将各个比特的软信息送到信道译码器，进行解码并输出。

这里，最后一级的幸存路径数为M，在所有的M种欧氏距离中，最小的欧氏距离对应的符号为 $\tilde{s}={[{\tilde{s}}_1{\tilde{s}}_2\·\·\·{\tilde{s}}_{\mathrm{NT}}]}^T,$ 作为信道解码前MIMO检测的符号估计值。假设对第2个符号(p＝2)而言，所有

的第2个比特的值都为1，因此缺少此比特取-1(0)时的欧氏距离。图4b示出了图4a中的步骤S302的具体处理过程。

如图4b所示，在步骤S401，确定p＝2，b＝2，b的值v＝1。在步骤S402，根据解码前的符号估计，确定比特的欧氏距离的上界。欧氏距离的上界的确定可以采用多种方法，如图5、图6、图7所示。图8给出了16QAM符号与比特的对应关系。

当MIMO检测时，幸存路径对某些比特所解调的值全为1或全为0(-1)的情况下，关键问题在于，如何按照式(7)或(8)中的方法来进行LLR的计算。也就是，假设对第p个发送符号的第b个比特而言，在最后的一级，所有的幸存路径对它的判决都是1，如何找到e_{min，p，b，-1}，反之亦然。

不论检测是什么方法，都会得到解码前的数据估计

如果使用QRM-MLD的方法，如果最后一级的幸存的路径数是M，则得到估计有M个，

在这M种可能性中，将

代入式(6)来计算得到M个欧氏距离，如果

为欧氏距离最小的估计值，则令

为解码前对发送符号的估计

以下，以

为基准，计算e_{min，p，b，-1}。

由于QRM-MLD算法较容易找到MIMO检测的最大似然解，在这种情况下，可以认为 就是最大似然解。假设第p个符号的第b个比特的判决全为1，则需要得到第p个符号的第b个比特的判决为0(-1)的最小欧氏距离。本发明要根据信道解码前的符号估计值

计算出在幸存路径中，不存在的值1或0(-1)的比特的欧氏距离的上界。这里，令不存在的比特值为v。

因此，以

为基准，令

到

到 不变的情况下，根据不同的准则(详见具体实施例)，得到

对

而言，第b个比特的比特值为v。

然后，根据 得到向量 ${\tilde{s}}^{M+1}={[{\tilde{s}}_1,\·\·\·{\tilde{s}}_{p-1},{\tilde{s}}_{p,b,v},{\tilde{s}}_{p+1,}\·\·\·,{\tilde{s}}_{\mathrm{NT}}]}^T,$ 将此向量代入式(6)，得到欧氏距离e₀，此e₀为欧氏距离的上界。这是由于e_{min，p，b，v}为所有的e_p，b，v中最小的一个，所以e₀≥e_{min，p，b，v}，即e_{min，p，b，v}要小于等于e₀。

图5是根据本发明的一个实施例确定欧氏距离的上界的过程的流程图。如图5所示，在步骤S501，根据

对应的值，比如为1100(S₁₂)，将第2个比特反转，其他的比特不变，该值变为1000(s₈)作为s_p，按照图8，得到所对应的符号。

在步骤S502，其他符号不变，令 $s={[{\tilde{s}}_1,\·\·\·,{\tilde{s}}_{p-1},{s_p,\tilde{s}}_{p+1,}\·\·\·,]}^T.$ 在步骤S503，根据s如下计算欧氏距离上界e₀：

           e＝|y-Rs|²    (9a)

或

           e＝|r-Hs|²    (9b)

图6是根据本发明的另一实施例确定欧氏距离的上界的过程的流程图。在步骤S601，根据估计出的数据符号向量，对接收信号消除除了第p个发送符号的干扰，见下面的式(10a)和(10b)这里令R_i为R的第i列，H_i为H的第i列，则干扰消除后的信号向量为：

$z=r-\underset{i=1,i\≠p}{\overset{N_T}{\mathrm{\Σ}}}{H}_i{\tilde{s}}_i---\left(10a\right)$

或

$z=y-\underset{i=1,i\≠p}{\overset{N_T}{\mathrm{\Σ}}}{R}_i{\tilde{s}}_i---\left(10b\right)$

在步骤S602，根据干扰消除后的信号对第p个符号进行解调。并计算第b个比特取为不存在比特值时距离最近的符号s_p。

具体地，根据式(10)，在向量z中只包含了第p个符号的信息。将其映射到星座点的过程为：

$\mathrm{val}=H_P^{H}z/\left(H_P^H{H}_P\right)---\left(11a\right)$

或

$\mathrm{val}=R_P^{H}z/\left(R_P^H{R}_P\right)---\left(11b\right)$

得到的val如图9所示。假设此时第p个符号的M个幸存值 的第1个比特的值全为1，则需要计算在该比特为0(-1)时的欧氏距离。在所有的第1个比特的值全为0(-1)的星座点中，S₀与val的距离最近，则令s_p＝S₀。

在步骤S603，其他符号不变，令 $S={[{\tilde{s}}_1,\·\·\·,{\tilde{s}}_{p-1},s_p,{\tilde{s}}_{p+1},\·\·\·,]}^T.$ 在步骤S604，根据当前的向量s按照式(9)计算欧氏距离的上界e₀。

图7是根据本发明的又一实施例确定欧氏距离的上界的过程的流程图。在步骤S701，将第b个比特定为不存在比特(1或-1)，即该比特的值全部为0或1，其他的比特按依次遍历，得到符号s_p。

假设此时第p个符号的M个幸存值

的第3个比特全为1。则固定第3个比特为0(-1)，则根据图8，有8种可能，如下表所示：

比特	符号
		00 00	S0
00 01	S1
		01 00	S2
01 01	S5
		10 00	S8

10 01	S9
		11 00	S12
11 01	S13

在步骤S702，依次根据每次得到的s_p，得到向量 $s={[{\tilde{s}}_1,\·\·\·,{\tilde{s}}_{p-1},s_p,{\tilde{s}}_{p+1},\·\·\·,]}^T.$ 在步骤S703，针对各个向量s根据式(9)，计算欧氏距离。在步骤S704，从计算的8种欧氏距离中选择最小的欧氏距离作为上界e₀。

以上确定了欧氏距离的上界，下面要确定欧氏距离的下界。

令在M个幸存路径中，最大的欧氏距离为e_M，则在一般情况下，这M个幸存路径代表了欧氏距离最小的M种。而在这M种发送符号向量的估计中，对第p个符号的第b个比特，判决值不是v。所以

                e_M≤e_{min，p，b，v}    (12)

再根据e₀≥e_{min，p，b，v}，有：

                e_M≤e_{min，p，b，v}≤e₀   (13)

其中e_M为欧氏距离的下界。

在确定了欧氏距离的上界之后，在步骤S403中，根据幸存路径的欧氏距离，确定比特欧氏距离的下界。假设M个幸存路径其对应的欧氏距离从小到大分别为e₁，e₂，…，e_M。则其下界为e_M。再根据e_M，设定最后算出的上界e₀′，可以设定e₀′＝e₀或e₀′＝a×e_M (a＞1)。

然后，在步骤S404，根据欧氏距离的上界和下界，估计此欧氏距离的近似值。这里，其近似值e＝f(e_M，e₀)，函数f(a，b)为任意的映射函数，满足b≥f(a，b)≥a。比如线性映射f(e_M，e₀)

                    e＝c×e_M+d×e₀    (14a)

在式(14a)中，c、d都大于0小于1，且c+d＝1。在实际中，如果e₀与e_M越接近，就意味着e₀越接近所求的点e_{min，p，b，-v}，而且有可能就是所要求的点。如果e₀与e_M相差很大，则意味着e₀与所要求得的距离很可能相差也较大。所以，映射函数f(a，b)应体现这种变化。根据本发明的另一实施例，另一种映射函数f(e_M，e₀)可以取：

$v=e_0+\sqrt{e_0-e_M}$ e＝min(e₀，v)    (14b)

在公式14(b)中，e＝min(e₀，v)主要是考虑e₀-e_M如果小于1，这样，算出来的v将超过上界e₀。所以，此时的距离应为e₀，如果出现e_M＞e₀，则直接取e₀为欧氏距离的估计。然后，令e＝min(e，e₀′)，这是让算出来的欧氏距离不要超过在S403中根据下界对上界做出的调整e₀′。

最后，根据式(8)计算比特的软值LLR。

图10和图11给出了仿真结果，比较了发明的方法和文献1中的误码率和误帧率，其中MIMO系统采用4×4天线、1/3 turbo码、交织器为块交织器、调制方法为16QAM调制、编码前一帧长576比特、信道为分块瑞利平衰落(在一帧中，信道是相同的)、仿真EbNO_dB＝[0 4 8 12 15 16 17]，相应的仿真中帧数为[10000 10000 10000 20000100000 200000 400000]。在每一级，幸存路径的个数都是[16 16 16 16]，在式(11)中的映射函数为(15b)，在S403中算出的e₀′＝1.5e_M。

以上所述，仅为本发明中的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉该技术的人在本发明所揭露的技术范围内，可轻易想到的变换或替换，都应涵盖在本发明的包含范围之内。因此，本发明的保护范围应该以权利要求书的保护范围为准。

Claims (8)

1.一种用于MIMO系统中的检测方法，包括步骤：

按照预定检测方法对接收信号进行检测，以得到至少一个幸存路径及相应的度量值；

根据所述幸存路径及所述度量值计算各个比特的软值；以及

将各个比特的所述软信息送到信道译码器，进行解码。

2.如权利要求1所述的检测方法，其特征在于，所述根据所述幸存路径及所述度量值计算各个比特的软值的步骤包括：

确定不存在的比特值的所在的比特的位置和所在的符号的位置；

根据该符号在解码之前的符号估计值，计算与该比特相对应的欧氏距离的上界；

根据幸存路径的欧氏距离，确定该比特的欧氏距离的下界；

通过映射函数在所述上界和所述下界之间估计欧氏距离的近似值；

从欧氏距离的近似值，计算该比特的软值。

3.如权利要求2所述的检测方法，其特征在于，在确定该比特的欧氏距离的下界之后，根据该下界调整所述上界。

4.如权利要求3所述的检测方法，其特征在于，计算与该比特相对应的欧氏距离的上界的步骤包括：

将所述符号中取不存在的比特值的那个比特反转，以获得新的符号向量；

根据新的符号向量计算欧氏距离的上界。

5.如权利要求3所述的检测方法，其特征在于，计算与该比特相对应的欧氏距离的上界的步骤包括：

根据估计出的数据符号向量，对接收信号消除除了不存在比特值的那个比特对应的符号的干扰；

根据干扰消除之后的信号对该符号进行解调；

确定具有取不存在比特值的那个比特的符号最近的符号；

用所述距离最近的符号替换所述符号向量中具有取不存在比特值的那个比特的符号，以获得新的符号向量；

根据新的符号向量计算欧氏距离的上界。

6.如权利要求3所述的检测方法，其特征在于，计算与该比特相对应的欧氏距离的上界的步骤包括：

将具有取不存在比特值的那个比特反转，以获得反转后的各个符号；

针对反转后的各个符号，计算分别与各个符号相对应的欧氏距离；

将所述分别与各个符号相对应的欧氏距离中最小的那个欧氏距离作为欧氏距离的上界。

7.如权利要求4～6之一所述的检测方法，其特征在于，将与所述幸存路径相对应的欧氏距离中最大的那个欧氏距离作为欧氏距离的下界。

8.如权利要求1所述的检测方法，其特征在于，所述预定检测方法包括MLD方法、QRM-MLD方法、球译码方法和网格减少方法之一。

Images