CN101136721A - 基于次最优排序的混合判决反馈分层检测方法 - Google Patents

Abstract

基于次最优排序的混合判决反馈分层检测方法涉及一种通过使用多个发送/接收天线来传输高速数据的宽带移动通信系统，该检测方法在窄带多天线无编码传输系统或多天线发送多天线接收的正交频分复用无编码系统接收机中，在接收端先把信道矩阵按照信号干扰噪比由高至低的顺序进行排序，以保证信号干扰噪比高的信号先得以检测以缓解错误传播的影响；接着，为了降低检测的复杂度，对排序后的信道矩阵进行QR分解，即把信道矩阵分解成一个正交矩阵Q与一个上三角矩R的积；然后用Q^H与接收符号相乘得到等效接收符号后开始检测；检测时将等效接收符号分为上下两层进行分层检测，下层采用基于最小均方误差准则的串行干扰抵消检测方法，上层采用普通的判决反馈检测方法。

Description

基于次最优排序的混合判决反馈分层检测方法

技术领域

本发明涉及一种通过使用多个发送/接收天线来传输高速数据的宽带移动通信系统，且涉及缓解宽带系统中符号间干扰问题的正交频分复用(OFDM)技术，尤其涉及一种用于多天线无线通信系统的信号检测方法。所涉及的无线通信系统具有一个或以上的接收天线和一个或以上的发送天线。

背景技术

信息理论的研究表明：在存在丰富散射的无线信道条件下，通信系统收发端均采用多天线，并假设每对天线间的信道都是相互独立的瑞利衰落信道，则多输入多输出(MIMO)系统可以获得比单发单收系统更高的容量，比如贝尔实验室的垂直分层空时(V-BLAST)系统。它的发射端将不同的发送符号流通过多天线同时发送出去，接收端通过适当的检测方法根据山发送符号流及噪声叠加而成的接收符号恢复出发送符号。

在宽带系统中，符号时间间隔小于多径信道的多径时延扩展，因此接收信号在时间上会存在符号间干扰。多载波系统比如正频分复用系统等等，在一定程度上能够解决这一问题。

MIMO系统由于存在多个发送天线，在每个接收天线上会存在多天线的信号之间的干扰。如何去除接收信号中的干扰和噪声对发送信号做出正确的判决，是检测器的主要任务。

寻求一个好的检测算法的关键是如何获得算法复杂度和性能的折中。最大似然检测在误比特率最小的意义下性能是最优的，但是由于其算法复杂度随发射天线数及调制星座点个数的增加呈指数增长，实际系统中通常采用次最优的检测方法。基于最小均方误差(MMSE)准则的线性检测(MMSE-parallel)，只需在一次矩阵求逆运算后对各层符号并行判决，复杂度约为

，n_T为发送天线个数，但是性能较最优检测差。为了提高性能，贝尔实验室提出了一种有效的V-BLAST检测算法。它基于串行干扰抵消技术，在检测每层信号时，将已检测的符号作为干扰，并将其通过信道矩阵对接收符号的影响去除，然后用某一加权矢量对此时重新获得的接收符号向量进行线性加权，得到本层符号的估计。这种BLAST检测算法的致命缺陷在于存在错误传播现象，因此，检测顺序至关重要。可以按照检测后符号的信号干扰噪比(SINR)来排序。加权矢量的获得可以根据迫零(ZF)准则(ZF-BLAST)，也可以根据MMSE准则(MMSE-BLAST)。由于在检测每层符号的过程中加权矢量的获得都需要进行矩阵求逆运算，复杂度约为仍然很高。因此，一种基于对次最优排序的信道矩阵进行QR分解的迫零检测方法(ZF-SQRD)得以提出，它在检测过程中避免了矩阵求逆运算降低了复杂度，但它仍然属于串行干扰抵消检测，受错误传播现象的影响，性能较MMSE-parallel好，但比MMSE-BLAST差。可见，串行干扰抵消检测要提高整体性能，必须提高最先检测层的检测正确性。从而，一种将最大似然(ML)与判决反馈(DFE)结合起来的分层检测方法(ML-DFE)得以提出，下层信号采用最大似然检测，提高检测正确性：上层信号采用传统的判决反馈的检测方法。其性能较ZF-SQRD有了明显的改善，但此方法在高阶调制的情况下，由于ML的复杂度随调制星座点个数的增加呈指数增长，实际系统无法采用。

综合以上各种检测方法的优缺点，本发明提出了一种基于对次最优排序的信道矩阵进行QR分解的联合MMSE-BLAST与DFE的分层检测算法(MMSE-SQRD-DFE)是一种具有较高性能较低复杂度的检测算法。

发明内容

技术问题：本发明的目的是提供一种具有高性能低复杂度的基于次最优排序的混合判决反馈分层检测方法，该方法基于对次最优排序的信道矩阵的QR分解，具有较低复杂度：对发送符号进行分层检测，下层采用MMSE-BLAST，上层采用DFE，具有较高的检测性能；在检测下层符号时采用了一种复杂度较低的排序度量。

技术方案：一个好的检测算法的关键是如何获得算法复杂度和性能的折中。在无编码MlMO-OFDM系统中，接收端在OFDM解调后，可将检测过程转化为对每个频点的接收符号的检测，信道矩阵也转化为每个频点对应的等效信道矩阵。接着采用基于次最优排序的混合DFE分层检测算法对每个频点的接收符号进行检测。

本发明的基于次最优排序的混合判决反馈分层检测方法在窄带多天线无编码传输系统或多天线发送多天线接收的正交频分复用(MIMO-OFDM)无编码系统接收机中，在接收端先把信道矩阵按照信号干扰噪比山高至低的顺序进行排序，以保证信号干扰噪比高的信号先得以检测以缓解错误传播的影响；接着，为了降低检测的复杂度，对排序后的信道矩阵进行QR分解，即把信道矩阵分解成一个币交矩阵Q与一个上三角矩R的积；然后用QH与接收符号相乘得到等效接收符号后开始检测；检测时将等效接收符号分为上下两层进行分层检测，下层采用基于最小均方误差准则的串行干扰抵消检测方法(MMSE－BLAST)，上层采用普通的判决反馈检测方法。

具体的检测步骤如下；

步骤1：用修正的Gram－SchmJdt正交化算法对信道矩阵进行排序和QR分解；修正的Gram-Schmidt正交化算法如下：

设信道矩阵

H=QR

(1)R=0，Q=H，Seq=(1，…，n_T)

(2)for i＝1，…，n_T

(3) $k_I=\arg \underset{J=i,\·\·\·,n_T}{\min }\left({\left|\right|q_j\left|\right|}^2\right)$

(4)分别将R，Q，Seq的第i列与第k_i列进行交换，这就是排序的过程，

(5)

(6)

(7)for j＝i+1，…，n_T，

(8) $r_{i,j}=q_z^H{q}_j$

(9) $q_J=q_J-r_{i,j}{q}_i$

(10)end

(11)end

步骤2：用Q^H与接收符号相乘，得到等效接收符号；

步骤3：将等效接收符号分为上下两层进行分层检测，先采用基于最小均方误差准则的串行干扰抵消检测方法对下层符号进行检测；

步骤4：干扰抵消，即把下层检测判决所得符号当成干扰，把其通过信道矩阵对上层接收符号的影响从接收符号中减去；

步骤5：对上层符号采用判决反馈的方法进行检测，即先对当前检测层检测出的符号作出判决，然后将该符号反馈给上一层，供检测上一层符号时使用；

步骤6：对检测所得的上、下层符号的估计值按照步骤1的排序方式进行解排序。

检测步骤3中所述的基于最小均方误差准则的串行干扰抵消检测方法(MMSE-BLAST)是贝尔实验室提出的一种有效的适用于V-BLAST系统的检测算法。该算法基于串行干扰抵消技术，在检测时首先需要对待检测符号按照检测后符号的信号干扰噪比(SINR)出大至小来排序来决定先进行检测的天线层。有多种衡量SINR的排序度量。本发明提出了如下排序度量：

设信道矩阵为H，是n_T×n_R的矩阵，噪声方差为

，则排序度量为

${\mathrm{\ρ}}_k=e_k^H{(H^{H}H+{\mathrm{\σ}}_n^2{I}_{n_T})}^{-1}{H}^{H}H{e}_{k}k=\mathrm{1,2},\·\·\·n_T$

按SINR从大到小排序，也即将ρ_k从大到小排序即可。

排序结束得到天线层的检测顺序后开始检测。在检测每层信号时，将已检测的符号作为干扰，并将其通过信道矩阵对接收符号的影响去除，然后用基于最小均方误差的加权矢量对此时重新获得的接收符号向量进行线性加权，得到本层符号的估计。

有益效果：本发明提出的基于次最优排序的混合DFE分层检测算法具有如下优点：

1、与MMSE线性检测算法相比，该算法的以更低的复杂度获得了更好的性能。

2、与基于对次最优排序的信道矩阵进行QR分解的迫零检测算法相比，该算法以略微增加算法复杂度为代价获得了更好的性能。

3、与MMSE-BLAST和ML检测算法相比，该算法大大降低了运算复杂度。

4、在检测下层符号的过程中，与MMSE-BALST检测时所用的其他排序度量相比，本发明提出的排序度量复杂度较低且性能与采用其他排序度量时相似。

本发明提出的检测方法，适用于

1、窄带多天线无编码传输系统，即信道对于信号为频率平坦衰落。

2、无编码MIMO-OFDM传输系统。

附图说明

图1为无编码MIMO-OFDM系统框图。

图2为基于次最优排序的混合DFE分层检测算法流程图。

具体实施方式

在接收端进行OFDM解调后，将检测过程转化为对每个频点的接收符号进行检测，信道矩阵也转化为每个频点对应的等效信道矩阵。基于次最优排序的混合DFE分层检测算法的基本思想是，把每个频点对应的等效信道矩阵按照信号干扰噪比(SINR)由高至低的顺序进行排序，以保证SINR高的信号先得以检测以缓解错误传播的影响；接着，为了降低检测的复杂度，对排序后的信道矩阵进行QR分解(即把信道矩阵分解成一个正交矩阵Q与一个上三角矩R的积)；然后用Q^H与每个频点的接收符号相乘得到等效接收符号后开始检测。检测时将等效接收符号分为上下两层进行分层检测，下层采用基于最小均方误差准则的串行干扰抵消检测方法(MMSE-BLAST)，上层采用普通的判决反馈检测方法。

具体的检测步骤如下：

步骤1：用修正的Gram-Schmidt正交化算法对信道矩阵进行排序和QR分解；修正的Gram-Schmidt正交化算法如下：

设信道矩阵

H＝QR

(1)R＝0，Q＝H，Seq＝(1，…，n_T)

(2)for i＝1，…，n_T

(3) $k_I=\arg \underset{J=I,\·\·\·,n_T}{\min }\left({\left|\right|q_J\left|\right|}^2\right)$

(4)分别将R，Q，Seq的第i列与第k_i，列进行交换

(5)

(6)

(7)for j＝i+1，…，n_T

(8) $r_{i,j}=q_i^H{q}_j$

(10)end

(11)end

步骤2：用Q^H与接收符号相乘，得到等效接收符号；

步骤3：将发送符号分为上下两层进行分层检测，先采用基于最小均方误差准则的串行干扰抵消检测方法对下层符号进行检测；

步骤4：干扰抵消，即把下层检测判决所得符号当成干扰，把其通过信道矩阵对上层接收符号的影响从接收符号中减去：

步骤5：对上层符号采用判决反馈的方法进行检测，即先对当前检测层检测出的符号作出判决，然后将该符号反馈给上一层，供检测上一层符号时使用，

步骤6：对检测所得的上、下层符号的估计值按照步骤1的排序方式进行解排序。

假设系统有n_T根发送天线、n_R根接收天线(n_T≤n_R)。信源比特流经过调制分发到n_T根发送天线，各个天线上的发送符号序列经过IFFT(反快速傅立叶变换)并插入循环前缀(CP)，以OFDMF(正交频分复用)符号进行发送。在接收端，去除CP后，接收信号可以表示为

$r=H(I_{n_i}\⊗F^H)s+n---\left(1\right)$

其中 $s=[{s_{1,}{s}_{2,}\·\·\·,s_{n_T}]}^T$ 为发送符号向量，s_n表示第n根发送天线上发送的K×1的数据块；对应的接收符号向量为 $r=[{r_{1,}{r}_{2,}\·\·\·,r_{n_R}]}^T$ ，r_m表示第m根接收天线上接收的K×1的数据块；n为零均值循环对称复高斯噪声向量，每个元素的实部和虚部的方差均为

；F为K×K的酉FFT矩阵：

${\left[F\right]}_{k,n}=K^{\frac{1}{2}}\exp (-j2\mathrm{\π}(k-1)(n-1)/K)$

由于CP的作用，H为分块循环矩阵：

其中，H_m，n民为循环矩阵。假设发送天线n到接收天线m之间的信道n向应为：

h_m，n＝[h_m，n(0)，h_m，n(1)，…，h_m，n(L)^T

H_m，n的第一列为h_m，n后面补(K-L-1)个0，依此循环(L为信道的阶数)。由于H_m，n为循环阵，能被傅立叶变换阵F对角化，即：

H_m，n＝F^H∧_m，nF

其中，∧_m，n是对角阵，它的第(k，k)个元素是信道响应h_m，n的K点FFT的第k个系数。

这样，信道矩阵H可以被傅立叶变换阵F分块对角化。

$H=(I_{n_R}\⊗F^H)\mathrm{\Λ}(I_{n_T}\⊗F)$

其中，

是子矩阵为对角阵的分块阵。在接收端，再对接收符号序列进行FFT变化，得到

令 ${\tilde{H}}_k\stackrel{\mathrm{\Δ}}{=}\left[\begin{array}{cccccc}{\[{\mathrm{\Λ}}_{\mathrm{1,1}}\]}_{k,k}& {\[{\mathrm{\Λ}}_{\mathrm{1,2}}\]}_{k,k}& \·& \·& \·& {\[{\mathrm{\Λ}}_{1,n_7}\]}_{k,k}\\ {\[{\mathrm{\Λ}}_{\mathrm{2,1}}\]}_{k,k}& {\[{\mathrm{\Λ}}_{\mathrm{2,2}}\]}_{k,k}& \·& \·& \·& {\[{\mathrm{\Λ}}_{2,n_7}\]}_{k,k}\\ \·& \·& & \·& & \·\\ \·& \·& & \·& & \·\\ \·& \·& & \·& & \·\\ {\[{\mathrm{\Λ}}_{n_R,1}\]}_{k,k}& {\[{\mathrm{\Λ}}_{n_R,2}\]}_{k,k}& \·& \·& \·& {\[{\mathrm{\Λ}}_{n_R,n_T}\]}_{k,k}\end{array}\right]$

为第k个频点上的等效信道系数矩阵，

${\tilde{r}}_k={[{\tilde{r}}_{1k,}{\tilde{r}}_{2k.}\·\·\·,{\tilde{r}}_{n_{R}k}]}^T$

为第k个频点上的接收符号，接下来根据

和

对发送符号进行检测。令

$x=s_k={[s_{1h,}{s}_{2k.}\·\·\·,s_{n_{T}k}]}^T$

为第k个频点上的发送符号，第k个频点上的噪声为

$v=n_k=[{n_{1k.}{n}_{2k.,}\·\·\·,n_{n_{R}k}]}^T$

基于次最优排序的混合DFE分层检测方法过程如下：

首先，用修正的Gram-Schmidt正交化算法对进行排序然后再QR分解，得

${\tilde{H}}_k=\mathrm{QR}=Q\left[\begin{array}{cc}{R}_a& H_a\\ & R_b\end{array}\right]---\left(3\right)$

其中，R_b为p×p的矩阵，R_a为(n_T-p)×(n_T-p)的矩阵，

为(n_T-p)×p的矩阵。接着，将Q^H与接收符号

相乘得

$\tilde{y}=Q^H{\tilde{r}}_k=Q^H({\tilde{H}}_{k}x+v)=Q^H{\tilde{H}}_{k}x+\tilde{v}=\mathrm{Rx}+\tilde{v}---\left(4\right)$

由于Q为酉阵，因此

的统计特性与v相同，即将上式改写为

$\left[\begin{array}{c}{\tilde{y}}_a\\ {\tilde{y}}_b\end{array}\right]=\left[\begin{array}{cc}{R}_a& H_a\\ & R_b\end{array}\right]\left[\begin{array}{c}{x}_a\\ x_b\end{array}\right]+\left[\begin{array}{c}{\tilde{v}}_a\\ {\tilde{v}}_b\end{array}\right]---\left(5\right)$

可见可以将发送符号x分为上下两层x_d、x_b进行分层检测。对下层信号x_b有：

${\tilde{y}}_b=R_b{x}_b+{\tilde{v}}_b---\left(6\right)$

采用基于MMSE准则的BLAST检测方法，获得x_b的估计值

判决后得

，并将其当成干扰，把其通过H_a对上层接收符号

的影响从中减去，从而有

$z_a=\widetilde{y_a}-H_a\widetilde{x_b}=R_a{x}_a+\widetilde{v_a}---\left(7\right)$

然后，由下至上采用判决反馈的方法进行检测得到x_a的判决值

。最后，对 $\stackrel{-}{x}=\left[\begin{array}{c}\stackrel{-}{x_a}\\ \stackrel{-}{x_b}\end{array}\right]$ 按照QR分解时

的排序方式进行解排序就可以得到第k个频点发送符号的判决值。

在采用MMSE-BLAST的方法对下层信号进行检测时，为了抑制错误传播的影响，需要对待检测符号按照检测后符号的信号干扰噪比(SINR)由大至小来排序。有多种衡量SINR的排序度量。本发明提出了如下排序度量。如果对MMSE检测所得发送符号估计值中残余的干扰和噪声作高斯假设，可以把每层信号的检测问题转变为单输入单输出(SISO)加性高斯信道的检测问题，即第k层符号的估计值可以表示为

${\hat{x}}_{b_k}={\mathrm{\ρ}}_k{x}_{b_k}+{\tilde{v}}_{b_k}---\left(8\right)$

从而同样可以根据检测后所得信号干扰噪比(SINR)进行排序。

$\mathrm{SINR}=\frac{E\left\{{\left|{\hat{x}}_{b_k}\right|}^2\right\}}{{\mathrm{\σ}}_{{\tilde{v}}_{b_k}}^2}=\frac{{\mathrm{\ρ}}_k}{1-{\mathrm{\ρ}}_k}---\left(9\right)$

其中：

${\mathrm{\ρ}}_k=e_k^{H}W{R}_b{e}_k$

$W=({R_b}^H{R}_b+{\mathrm{\σ}}_v^2{I}_p{)}^{-1}{R}_b^H---\left(10\right)$

W在检测时本就需要计算，因此只要求出WR_b的对角元素即可，没有为了求排序度量而增加太多的额外运算量。按SINR从大到小排序，也即将ρ_k从大到小排序即可。因此选取ρ_k作为排序度量。与MMSE-BALST检测时所用的其他排序度量相比，本发明提出的排序度量复杂度较低且性能与采用其他排序度量时相似。

整个算法流程如下：

1.用修正的Gram-Schmidt正交化算法对

进行QR分解，即

${\tilde{H}}_k=\mathrm{QR}=Q\left[\begin{array}{cc}{R}_a& H_a\\ & R_b\end{array}\right]$

$\left(1\right)R=0,Q={\tilde{H}}_k,\mathrm{Seq}=(1,\·\·\·,n_T)$

(2)for i＝1，…，n_T

$\left(3\right)k_l=\arg \underset{J=l,\·\·\·,n_7}{\min }\left({|\left|q_j\right||}^2\right)$

(4)分别将R，Q，Seq的第i列与第k_i列进行交换

(5)r_i,T＝‖q_i‖

(6)q_i＝q_T/r_i，l

(7)for j＝i+1，…，n_T

$\left(8\right)r_{i,J}=q_i^H{q}_J$

(9)q_j＝q_j-r_i,jq_i

(10)end

(11)end

(12)R_b为R的n_T-p+1，…，n_T行及n_T-p+1，…，n_T列；R_a为R的1，…，n_T-p行及1，…，n_T-p列；H_a为R的1，…，n_T-p行及n_T-p+1，…，n_T列。

2.用Q^H对接收符号

进行处理，即

$\tilde{y}=Q^H{\tilde{r}}_k=\left[\begin{array}{c}{\tilde{y}}_a\\ {\tilde{y}}_b\end{array}\right]$

3.由 ${\tilde{y}}_b=H_b{x}_b+{\tilde{v}}_b$ 检测出下层符号

(1)for i＝1，…，p

(2)

(3) $\left(3\right)k_l=\arg =\underset{J}{\max }\left({\mathrm{\ρ}}_J\right)=\arg \underset{J}{\max }\left(e_J^H{W}_l{R}_{b_l}{e}_J\right)$

(4)

(5) $\left(5\right){\hat{x}}_{b_{k_i}=W_{k_i}^T{y}_{b_l}}$

(6)

(7)

(8)

(9)end

其中，(R_b2，W_i，y₂)表示第i个检测步骤时的R_b，w，y，初始条件为(R_b1＝R_b，W_i＝W，y₁＝y)；

表示将R_b1的第k_i列去除作为

；

表示硬判操作，也即在信号空间中找出与

距离最近的星座点作为

的判决值

4.干扰抵消，将的影响从接受符号

中去除，即

$z_a=\widetilde{y_a}-H_a{\tilde{x}}_b=R_a{x}_a+{\tilde{v}}_a$

5.由 $z_a={\tilde{y}}_a-H_a{\tilde{x}}_b=R_a{x}_a+{\tilde{v}}_a$ 检测出上层符号

则 $\stackrel{-}{x}=\left[\begin{array}{c}{\stackrel{-}{x}}_a\\ {\stackrel{-}{x}}_b\end{array}\right]$

(1)

(2)

(3)for k＝n_T-p-1，…，1

(4) ${{\hat{x}}_a}_k=\frac{{z_a}_k-\underset{j=k+1}{\overset{n_T-p}{\mathrm{\Σ}}}{r}_{k,j}{{\stackrel{-}{x}}_a}_j}{r_{k,k}}$

(5)

(6)end

6.对 $\stackrel{-}{x}=\left[\begin{array}{c}{\stackrel{-}{x}}_a\\ {\stackrel{-}{x}}_b\end{array}\right]$ 按照QR分解时

的排序方式进行解排序。

Claims (3)

1.一种基于次最优排序的混合判决反馈分层检测方法，其特征在于该检测方法在窄带多天线无编码传输系统或多天线发送多天线接收的正交频分复用无编码系统接收机中，在接收端先把信道矩阵按照信号干扰噪比由高至低的顺序进行排序，以保证信号干扰噪比高的信号先得以检测以缓解错误传播的影响；接着，为了降低检测的复杂度，对排序后的信道矩阵进行QR分解，即把信道矩阵分解成一个正交矩阵Q与一个上三角矩R的积；然后用Q^H与接收符号相乘得到等效接收符号后开始检测；检测时将等效接收符号分为上下两层进行分层检测，下层采用基于最小均方误差准则的串行干扰抵消检测方法，上层采用普通的判决反馈检测方法。

2.根据权利要求1所述的基于次最优排序的混合判决反馈分层检测方法，其特征在于具体的检测步骤如下：

步骤1：用修正的Gram-Schmidt正交化算法对信道矩阵进行排序和QR分解；

步骤2：用Q^H与接收符号相乘，得到等效接收符号；

步骤3：将等效接收符号分为上下两层进行分层检测，先采用基于最小均方误差准则的串行干扰抵消检测方法对下层符号进行检测；

步骤4：干扰抵消，即把下层检测判决所得符号当成干扰，把其通过信道矩阵对上层接收符号的影响从接收符号中减去；

步骤5：对上层符号采用判决反馈的方法进行检测，即先对当前检测层检测出的符号做出判决，然后将该符号反馈给上一层，供检测上一层符号时使用；

步骤6：对检测所得的上、下层符号的估计值按照步骤1的排序方式进行解排序。

3.根据权利要求1所述的基于次最优排序的混合判决反馈分层检测方法，其特征在于修正的Gram-Schmidt正交化算法如下：

设信道矩阵

H＝QR

1)R＝0，Q＝H，Seq＝(1，…，n_T)

2)for i＝1，…，n_T

3) $k_i=\arg \underset{j=i,\·\·\·,n_T}{\min }\left({\left|\right|q_j\left|\right|}^2\right)$

4)分别将R，Q，Seq的第i列与第k_i列进行交换，这就是排序的过程，

5)r_i，j＝‖q_i‖

6)q_j＝q_i/r_i，j

7)for j＝i+1，…，n_T

8) $r_{i,j}=q_i^H{q}_j$

9)q_j＝q_j-r_i，jq_i

10)end

11)end。

Images