CN101026428A - 用于多输入多输出系统的最大似然估值方法及装置 - Google Patents

Abstract

本发明公开了一种用于多输入多输出(MIMO)系统的最大似然估值方法，该方法包括以下步骤：A.对每个接收信号进行预估值，产生J个最大似然估值，其中J的取值范围为1≤J≤S，S为接收信号的所有可能取值；B.根据每个接收信号的J个最大似然估值，产生所有可能的接收信号序列；C.计算每个可能的接收信号序列所对应的欧式距离，并从中找出最小的欧式距离；D.输出与该最小的欧式距离所对应的接收信号序列。本发明还公开了一种用于MIMO系统的最大似然估值装置。应用本发明以后，能够极大地缩小接收信号序列的搜索空间，显著地减少计算量，适用性获得极大提高，并且本发明的信号检测性能接近于最佳的最大似然估值方法。

Description

用于多输入多输出系统的最大似然估值方法及装置

技术领域

本发明属于无线通信技术领域，更具体地，涉及一种用于多输入多输出(MIMO)系统的最大似然估值技术。

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分别采用多天线同时发送和接收信号。由于各发送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建多个并行的独立空间信道。通过这些并行的空间信道独立地传输信息，MIMO系统的传输数据率成倍增加。由于比单一发送天线和单一接收天线系统具有成倍系统容量的优点，因此MIMO系统在无线通信系统中得到了广泛的重视和应用。

在MIMO系统中，在接收机方，每个天线上所接收到的信号将是许多个发送天线信号的叠加和相互干扰。从这些相互干扰的信号中恢复出原始的接收信号是十分重要的。目前常用的信号检测方法有最小均方误差(MMSE)方法和最大似然估值(ML)方法。MMSE方法容易实现但信号检测性能较差。ML方法的性能非常好，远远优于MMSE方法，但是它的复杂度极高，并不容易实现。

假定MIMO系统中有M个发送天线，N个接收天线，在第k个符号里，M个天线上的发送序列为d_k＝(d_k(1)，d_k(2)，...，d_k(M))，在这里()′表示矢量转置。假定N个接收天线上的接收信号为r_k＝(r_k(1)，r_k(2)，...，r_k(N))′，那么有

r_k＝H_kd_k+n_k

这里，H_k是一个复数的M×N信道矩阵；n_k＝(n_k(1)，n_k(2)，...，n_k(N))′是N个接收天线上的噪声矢量，每个矢量元素的方差是σ_n ²。

下面对现有的MMSE信号检测方法和ML信号检测方法分别进行说明：

在现有的MMSE信号检测方法中，

${\hat{d}}_k={(H_k^H{H}_k+{\mathrm{\σ}}_n^2{I}_n)}^{-1}{H}_k^H{r}_k$

其中I_n为单位矩阵；()^H表示矩阵的转置共轭，()^-1表示矩阵的求逆。

由此可见，MMSE信号检测方法实现起来比较容易，但是由于该方法在信号检测中并没有消除信号之间的干扰，因此其检测性能不佳。

与MMSE方法相比，ML信号检测方法能够显著地提高信号检测性能。

图1为现有技术中的ML信号检测方法流程图。如图1所示，包括以下步骤：

步骤101：产生所有可能的接收信号序列，总共为S^M个，其中假定调制信号的星座大小为S；

步骤102：计算每个接收信号序列所对应的欧式距离，欧式距离总共有S^M个；

步骤103：在所有的S^M个欧式距离中，找到其中最小的欧式距离；

步骤104：输出最小欧式距离所对应的接收信号序列。

由此可见，调制信号的星座大小为S，星座点的集合为Ω＝{Ω₁，Ω₂，...，Ω_S}，那么每个发送天线上的信号都属于该集合，即d_k(m)∈Ω，1≤m≤M。所以发送天线所发送的信号序列d_k属于集合Ω^M，即d_k∈Ω^M。该集合的大小为G＝S^M。在ML方法中，利用最大似然准则，搜索Ω^M中的所有信号，找到其中的最好的一个信号序列，也就是最小的欧式距离，数学表示为：

${\hat{d}}_k=({\hat{d}}_k\left(1\right),{\hat{d}}_k\left(2\right),...,{\hat{d}}_k\left(M\right))=\underset{\underset{d_k\left(M\right)\∈\mathrm{\Ω}}{d_k\left(I\right)\∈\mathrm{\Ω},...,}}{\min }{\left|\right|r_k-H_k{d}_k\left|\right|}^2$

这里，‖x‖＝|x₁|²+|x₂|²+…+|x_N|²，x＝(x₁，x₂，...，x_N)′。

现有技术中ML信号检测方法的缺点在于复杂度极高，并不容易实现。比如，对于N×M＝4×4的天线系统，当采用16正交幅度调制(QAM)的调制方式时，搜索空间大小为：G＝S^M＝16⁴＝65,536，这也意味着必须重复计算‖r_k-H_kd_k‖²值G＝65,536遍，然后再在其中找最小的一个，此时计算量显然已经很大。

再比如，当采用64QAM的调制方式时，搜索空间大小为：G＝S^M＝64⁴＝16,777,216，这就意味着必须重复计算‖r_k-H_kd_k‖²值G＝16,777,216遍，然后再在其中找最小的一个，显然，此时计算量就已经非常庞大，在实际中几乎无法实现。

由此可见，现有的ML估值方法计算量庞大，这就给其适用性造成了极大的缺陷。

发明内容

有鉴于此，本发明的主要目的是提供一种用于MIMO系统的最大似然估值方法及装置，以克服现有技术中复杂度高，性能差的技术问题。

本发明的另一目的是提出一种用于MIMO系统的接收机，以减少其最大似然估值的复杂度。

为达到上述目的，本发明的技术方案是这样实现的：

一种用于MIMO系统的最大似然估值方法，该方法包括以下步骤：

A、对每个接收信号进行预估值，产生J个最大似然估值，其中J的取值范围为1≤J≤S，S为接收信号的所有可能取值；

B、根据每个接收信号的J个最大似然估值，产生所有可能的接收信号序列；

C、计算每个可能的接收信号序列所对应的欧式距离，并从中找出最小的欧式距离；

D、输出与该最小的欧式距离所对应的接收信号序列。

步骤A所述对每个接收信号进行预估值为：对每个接收信号进行破零ZF均衡预估值或者最小均方误差MMSE均衡预估值。

所述J的取值范围为 $1\≤J\≤\frac{2}{3}S.$

所述J的取值范围为 $1\≤J\≤\frac{1}{2}S.$

步骤B包括：根据每个接收信号的J个最大似然估值，产生所有可能的J^M个接收信号序列，其中M为该多输入多输出系统中发送天线的个数。

一种用于MIMO系统的最大似然估值装置，该装置包括：

接收信号预估值单元，用于对每个接收信号进行预估值，产生J个最大似然估值，其中J的取值范围为1≤J≤S，S为接收信号的所有可能取值；

接收信号序列产生单元，用于根据每个接收信号的J个最大似然估值，产生所有可能的接收信号序列；

欧式距离计算单元，用于计算每个可能的接收信号序列所对应的欧式距离，并从中找出最小的欧式距离；

接收信号序列输出单元，用于输出与该最小的欧式距离所对应的接收信号序列。

所述接收信号预估值单元为ZF均衡预估值单元或者MMSE均衡预估值单元。

所述J的取值范围为 $1\≤J\≤\frac{2}{3}S.$

所述J的取值范围为 $1\≤J\≤\frac{1}{2}S.$

一种用于MIMO系统的接收机，该接收机包括如上任一所述的最大似然估值装置。

从上述技术方案中可以看出，与现有的ML信号检测方法相比，在本发明中，首先对每个接收信号进行预估值，产生J个最大似然估值，其中J的取值范围为1≤J≤S，S为接收信号的所有可能取值，而并不是现有技术中简单地产生所有的S^M个可能接收信号序列，所以本发明显著减少了接收符号的可能性，将接收信号序列的搜索空间从原来的S^M成指数地减少到J^M，极大地缩小了接收信号序列的搜索空间，因此本发明的信号检测方法显著地减少了计算量，使得在实际中执行成为可能，从而适用性得到了提高，并且检测性能接近于最佳的ML信号检测方法。

同时，在本发明中，能够对每个接收信号进行各种方式的预估值，而且可供选择的预估值方式也很多，比如进行ZF均衡预估值或者MMSE均衡预估值等，因此本发明实现起来也非常便利。

附图说明

图1为现有技术中的ML方法的流程示意图。

图2为根据本发明的用于MIMO系统的ML方法的示范性流程示意图。

图3为根据本发明实施例与现有的MMSE方法和ML方法的对比仿真图。

图4为根据本发明的用于MIMO系统的ML装置的示范性结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点表达得更加清楚明白，下面结合附图及具体实施例对本发明再作进一步详细的说明。

本发明的主要思想是：首先对每个接收信号进行预估值，产生J个最大似然估值，其中J的取值范围为1≤J≤S，S为接收信号的所有可能取值，而并不是简单地产生所有的S^M个可能接收信号序列，从而显著减少接收符号的可能性，将接收信号序列的搜索空间从原来的S^M成指数地减少到J^M，缩小了接收信号序列的搜索空间，不对信号检测性能造成影响，而显著达到减少计算量。

图2为根据本发明的最大似然估值方法的示范性流程示意图。如图2所示，该方法包括以下步骤：

步骤201：对每个接收信号进行预估值，产生J个最大似然估值，其中J的取值范围为1≤J≤S，S为接收信号的所有可能取值。

在这里，可以采用各种方式对接收信号进行预估值，比如采用ZF均衡预估值方法或者MMSE均衡预估值方法。

具体地，当采用ZF均衡预估值方法时，利用破零原理得到： $y_k={\left(H_k^H{H}_k\right)}^{-1}{H}_k^H{r}_k,$ 这里y_k是一个列矢量，y_k＝(y_k(1)，y_k(2)，...，y_k(M))′；对于y_k的每一个元素y_k(l)，1≤l≤M，计算y_k(l)与所有Ω＝{Ω₁，Ω₂，...，Ω_s}星座点之间的欧氏距离：D_l，m＝|y_k(l)-Ω_m|²，1≤m≤S，这里Ω_m是第m个星座点。从中找到J个最小欧氏距离，它们的序号为： $\{m_{l,1},m_{l,2},...,m_{l,J}\}=\underset{1\≤m\≤S}{\min }{|y_k\left(l\right)-{\mathrm{\Ω}}_m|}^2,$ {m_l，1，m_l，2，...，m_l，J}为J个星座点的序号，它们对应的星座点集合为：

${\stackrel{-}{\mathrm{\Ω}}}_l=\{{\mathrm{\Ω}}_{l,1},{\mathrm{\Ω}}_{l,2},...,{\mathrm{\Ω}}_{l,J}\};$

当采用MMSE均衡预估值方法时，具体地，可以利用公式 ${\hat{d}}_k={(H_k^H{H}_k+{\mathrm{\σ}}_n^2{I}_n)}^{-1}{H}_k^H{r}_k$ 来实现对每个接收信号进行预估值，并产生J个最大似然估值，其中J的取值范围为1≤J≤S，S为接收信号的所有可能取值。

以上虽然详细描述了ZF均衡预估值和MMSE均衡预估值两种预估值方式，但是本领域技术人员可以意识到，本发明对预估值的方式并不局限于此，而是可以适用于各种形式的预估值方式。

步骤202：根据每个接收信号的J个最大似然估值，产生所有可能的接收信号序列。

在这里，构成一个由

(1≤m≤M)组成的新的信号子空间 ${\mathrm{\Ω}}_{\mathrm{new}}^J=\{{\stackrel{-}{\mathrm{\Ω}}}_1,{\stackrel{-}{\mathrm{\Ω}}}_2,...,{\stackrel{-}{\mathrm{\Ω}}}_M\},$

中的各元素 $d_k\left(1\right)\∈{\stackrel{-}{\mathrm{\Ω}}}_1,$ $d_k\left(2\right)\∈{\stackrel{-}{\mathrm{\Ω}}}_2,$ ...， $d_k\left(M\right)\∈{\stackrel{-}{\mathrm{\Ω}}}_M.$

由上式可以看出，搜索和计算空间已经缩小为G_new＝J^M，其中J≤S。当J远小于S时，新的搜索和计算空间J^M将远远小于原始的搜索和计算空间S^M。在这里，当需要接收性能高而对计算复杂度要求不严格时，可以选择较大的J值；当要求计算复杂度不高而对接收性能要求较低时，可以选择较小的J值。优选地，J的取值范围为 $1\≤J\≤\frac{2}{3}S;$ 更优选地，J的取值范围为 $1\≤J\≤\frac{1}{2}S.$

步骤203：计算每个可能的接收信号序列所对应的欧式距离，并从中找出最小的欧式距离。

在这里，搜索Ω_new ^J中的所有信号，找到其中的最好的一个信号序列，也就是说，找出每个可能的接收信号序列所对应的欧式距离中的最小欧式距离，其数学表示为：

${\hat{d}}_k=({\hat{d}}_k\left(1\right),{\hat{d}}_k\left(2\right),...,{\hat{d}}_k\left(M\right))=\underset{\underset{d_k\left(M\right)\∈{\stackrel{-}{\mathrm{\Ω}}}_M}{d_k\left(l\right)\∈{\stackrel{-}{\mathrm{\Ω}}}_{1,...,}}}{\min }{\left|\right|r_k-H_k{d}_k\left|\right|}^2$

步骤204：输出与该最小的欧式距离所对应的接收信号序列。

至此，详细描述了本发明的基本方法，下面描述本发明与现有的MMSE方法和ML方法的对比。

图3为根据本发明实施例与现有的MMSE方法和ML方法的对比仿真图。

在图3中，假定为具有2个发送天线和2个接收天线的MIMO系统，并且调制方式为64QAM。图3中描述了本发明的三个实施例，分别对应为J＝5、7、10的情形。由图3的仿真对比可以发现，本发明的性能远远优于MMSE方法，并接近于最佳的ML方法。

由图3可见，与现有的MMSE方法相比，本发明在误符号率为0.01的情况下，具有5.0dB-7.0dB左右的增益，因此本发明的性能非常优越。

由图3可见，与现有的ML方法相比，当J分别为＝5、7、10时，本发明的复杂度分别比ML的复杂度低80倍、50倍和30倍，因此本发明极大地降低了计算量和复杂度。同时，再与现有的ML方法相比。本发明的增益变化并不大，因此性能还非常接近现有的ML方法。

基于本发明，还可以提出一种用于MIMO系统的ML装置。图4为根据本发明的用于MIMO系统的ML装置的示范性结构示意图。如图4所示，该ML装置400包括：

接收信号预估值单元401，用于对每个接收信号进行预估值，产生J个最大似然估值，其中J的取值范围为1≤J≤S，S为接收信号的所有可能取值；

接收信号序列产生单元402，用于根据每个接收信号的J个最大似然估值，产生所有可能的接收信号序列；

欧式距离计算单元403，用于计算每个可能的接收信号序列所对应的欧式距离并从中找出最小的欧式距离；

接收信号序列输出单元404，用于输出与该最小的欧式距离所对应的接收信号序列。

其中，接收信号预估值单元401可以为执行ZF均衡预估值算法的ZF均衡预估值单元，或者是执行MMSE均衡预估值算法的MMSE均衡预估值单元。

同样地，当需要接收性能高而对计算复杂度要求不严格时，可以选择较大的J值；当要求计算复杂度不高而对接收性能要求较低时，可以选择较小的J值。优选地，J的取值范围为 $1\≤J\≤\frac{2}{3}S;$ 更优选地，J的取值范围为 $1\≤J\≤\frac{1}{2}S.$

本发明的ML装置可以应用到MIMO系统的接收机中。显然，这将使MIMO接收机的性能得到极大改善。

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、一种用于多输入多输出系统的最大似然估值方法，其特征在于，该方法包括以下步骤：

A、对每个接收信号进行预估值，产生J个最大似然估值，其中J的取值范围为1≤J≤S，S为接收信号的所有可能取值；

B、根据每个接收信号的J个最大似然估值，产生所有可能的接收信号序列；

C、计算每个可能的接收信号序列所对应的欧式距离，并从中找出最小的欧式距离；

D、输出与该最小的欧式距离所对应的接收信号序列。

2、根据权利要求1所述的方法，其特征在于，步骤A所述对每个接收信号进行预估值为：对每个接收信号进行破零ZF均衡预估值或者最小均方误差MMSE均衡预估值。

3、根据权利要求1或2所述的方法，其特征在于，所述J的取值范围为 $1\≤J\≤\frac{2}{3}S.$

4、根据权利要求3所述的方法，其特征在于，所述J的取值范围为 $1\≤J\≤\frac{1}{2}S.$

5、根据权利要求1或2所述的方法，其特征在于，步骤B包括：根据每个接收信号的J个最大似然估值，产生所有可能的J^M个接收信号序列，其中M为该多输入多输出系统中发送天线的个数。

6、一种用于多输入多输出系统的最大似然估值装置，其特征在于，该装置包括：

接收信号预估值单元，用于对每个接收信号进行预估值，产生J个最大似然估值，其中J的取值范围为1≤J≤S，S为接收信号的所有可能取值；

接收信号序列产生单元，用于根据每个接收信号的J个最大似然估值，产生所有可能的接收信号序列；

欧式距离计算单元，用于计算每个可能的接收信号序列所对应的欧式距离，并从中找出最小的欧式距离；

接收信号序列输出单元，用于输出与该最小的欧式距离所对应的接收信号序列。

7、根据权利要求6所述的最大似然估值装置，其特征在于，所述接收信号预估值单元为ZF均衡预估值单元或者MMSE均衡预估值单元。

8、根据权利要求6或7所述的最大似然估值装置，其特征在于，所述J的取值范围为 $1\≤J\≤\frac{2}{3}S.$

9、根据权利要求8所述的最大似然估值装置，其特征在于，所述J的取值范围为 $1\≤J\≤\frac{1}{2}S.$

10、一种用于多输入多输出系统的接收机，其特征在于，该接收机包括权利要求6-9中任一项所述的最大似然估值装置。

Images