CN101247207A - 球状解码方法与系统 - Google Patents

Abstract

一种球状解码方法。处理接收数据以取得多个前置参数，并且决定用于广度优先搜寻的阶层数目(M_bf)与用于深度优先搜寻的阶层数目(M_df)。根据该等参数执行搜寻程序，其中最高M_bf阶层是利用广度优先策略进行搜寻，最低M_df阶层是利用深度优先策略进行搜寻。

Description

球状解码方法与系统

技术领域

本发明是有关于一种无线通讯技术，特别是球状解码方法与系统。

背景技术

近年来，无线通讯需求快速增长，在频谱有限的情形下，探讨高频谱效益的通讯技术便因应而生。(Multiple Input Multiple Output，简称为MIMO)是近年来最热门的技术，其借着在传送端架设多个天线，在同频段中同时传送多份数据来提高传输效率。显然地，这些传送信号将会在接收端互相干扰，但若同样在接收端架设多个天线进行接收，便可进行信号分离与检测。MIMO技术至今已被广泛使用在新兴技术规格中，例如，电气和电子工程师学会(Institute of Electrical and Electronic Engineers，简称为IEEE)802.11n以及802.16e。图1是显示典型的MIMO传收信号模型。

假设传送端有N_t根传送天线，接收端有N_r根接收天线，则其基频等效信号模型为：

$\tilde{y}=\tilde{H}\tilde{s}+\tilde{n},$

其中，

$\tilde{y}=\left[\begin{array}{c}{y}_1\\ y_2\\ .\\ .\\ .\\ y_{N_r}\end{array}\right],$ $\tilde{s}=\left[\begin{array}{c}{s}_1\\ s_2\\ .\\ .\\ .\\ s_{N_t}\end{array}\right],$ $\tilde{n}=\left[\begin{array}{c}{n}_1\\ n_2\\ .\\ .\\ .\\ n_{N_r}\end{array}\right],$

代表接收端的噪声，

代表信道的转换函数，h_ij表示第j个传送天线到第i个接收天线的信道响应。在基频信号模型中，都是复数向量，其可以转换成实数信号模型，该实数信号模型表示为：

y＝Hs+n，

亦即，

MIMO接收机的任务便是根据接收信号y检测出传送信号s。

一般而言，最大可靠度检测(MLD)被视为最佳的信号检测方法，但其复杂度与传送端天线个数(N_t)以及信号调制阶数(M_c)呈指数增加。例如，传送端有4个天线，即信号s含有4个码元，每个码元采用64-QAM调制，则接收端必须针对64⁴种可能逐一检测才能找出最大可靠度(Maximum Likelihood，简称为ML)的解，上述方法相当的复杂度且并不易在商业产品中实现。因此，许多复杂度较低的次佳(Sub-optimal)算法(例如纵式贝尔实验室多层次空-时技术(Vertical Bell Laboratories Layered Space-Time，简称为V-BLAST)、强制归零(Zero Forcing，简称为ZF)、最小均方误差(Minimum Mean SquareError，简称为MMSE)...等等)被发展出来。然而，一种称为球状解码(SphereDecoding，简称为SD)的方法使得MLD的复杂度可以大幅降低。以实数信号模型为例，SD能够低复杂度的关键在于，传统ML搜寻方法必须同时考虑信号s的2N_t个码元构成的成本函数，而SD则允许检测器逐一计算部分码元的部分成本函数，因此可以及早排除一些已经明显超出成本限制的信号组合。以下以数学方法说明MLD基本上可以转换成另一个等效形式：

${\hat{s}}_{\mathrm{ML}}=\arg \underset{s\∈\mathrm{\Λ}}{\min }{\left|\right|y-\mathrm{Hs}\left|\right|}^2$

$=\arg \underset{s\∈\mathrm{\Λ}}{\min }\{{(s-{\tilde{s}}_{\mathrm{ZF}})}^H{H}^{H}H(s-{\tilde{s}}_{\mathrm{ZF}})+y^H(I-H{\left(H^{H}H\right)}^{-1}{H}^H)y\}$

$=\arg \underset{s\∈\mathrm{\Λ}}{\min }\left\{{(s-{\tilde{s}}_{\mathrm{ZF}})}^H{H}^{H}H(s-{\tilde{s}}_{\mathrm{ZF}})\right\}$

$=\arg \underset{s\∈\mathrm{\Λ}}{\min }{\left|\right|H(s-{\tilde{s}}_{\mathrm{ZF}})\left|\right|}^2\≤r^2,$

其中符号“Λ”表示所有码元向量s的集合，而

是转换后的成本函数。若将所有{Hs}的集合称为晶格(lattice)，则s可视为其对应晶格点(Lattice Point)的坐标(Coordinates)。MLD便是搜寻所有可能的晶格点坐标s，找出一个和

距离(Norm)最小的晶格点。因此，可将

当作一个球心，当定义一个适当的半径(Radius)r后，便可建立一个多维空间的抽象球面。MLD便是搜寻球面里距离球心

最近的晶格点的坐标，如图2所示。

若再进一步化简MLD的等效式，其可表示为：

${\hat{s}}_{\mathrm{ML}}=\arg \underset{s\∈\mathrm{\Λ}}{\min }{\left|\right|y-\mathrm{Hs}\left|\right|}^2$

$=\arg \underset{s\∈\mathrm{\Λ}}{\min }\left\{{(s-{\tilde{s}}_{\mathrm{ZF}})}^H{H}^{H}H(s-{\tilde{s}}_{\mathrm{ZF}})\right\}$

$=\arg \underset{s\∈\mathrm{\Λ}}{\min }\left\{{(s-{\tilde{s}}_{\mathrm{ZF}})}^H{R}^{H}R(s-{\tilde{s}}_{\mathrm{ZF}})\right\}$

$=\arg \underset{s\∈\mathrm{\Λ}}{\min }{\left|\right|R(s-{\tilde{s}}_{\mathrm{ZF}})\left|\right|}^2$

R为上三角矩阵(Upper Triangular Matrix)，可由QR分解(QRDecomposition)或查尔斯基因子分解(Cholesky Factorization)来取得。由于设定一个上限值r²来限制搜寻范围，则

${\left|\right|R(s-{\tilde{s}}_{\mathrm{ZF}})\left|\right|}^2=\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{r}_{m,m}^2{|(s_m-{\tilde{s}}_{\mathrm{zf},m})+\underset{j=m+1}{\overset{M}{\mathrm{\Σ}}}\frac{r_{m,j}}{r_{m,m}}(s_j-{\tilde{s}}_{\mathrm{zf},j})|}^2\≤r^2.$

由上列方程式可看出，整体欧式距离(Euclidean Distance，简称为ED)基本上是由M(＝2N_t)个欧式距离增量(Euclidean Distance Increment，简称为EDI)|e_i|²所构成，其中，

${\left|e_m\right|}^2=r_{m,m}^2{|(s_m-{\tilde{s}}_{\mathrm{zf},m})+\underset{j=m+1}{\overset{M}{\mathrm{\Σ}}}\frac{r_{m,j}}{r_{m,m}}(s_j-{\tilde{s}}_{\mathrm{zf},j})|}^2.$

而累积到第m层的部分欧氏距离(Partial Euclidean Distance，简称为PED)可以定义成

$d_m=\underset{i=m}{\overset{M}{\mathrm{\Σ}}}{r}_{i,i}^2{|(s_i-{\tilde{s}}_{\mathrm{zf},i})+\underset{j=i+1}{\overset{M}{\mathrm{\Σ}}}\frac{r_{i,j}}{r_{i,i}}(s_j-{\tilde{s}}_{\mathrm{zf},j})|}^2$

$=d_{m+1}+{\left|e_m\right|}^2.$

由于d_m只与[s_m，s_m+1，…s_M]有关，因此很容易可以将SD的搜寻过程转化成递归的(Recursive)树状搜寻(Tree Search)结构，如图3所示。此外，根据Schnorr-Euchner(SE)列举法，定义

如下：

${\tilde{s}}_{m|m+1}=\left\{\begin{array}{cc}{\tilde{s}}_{\mathrm{zf},m}-\frac{1}{r_{m,m}}\left(\underset{j=m+1}{\overset{M}{\mathrm{\Σ}}}{r}_{m,j}(s_j-{\tilde{s}}_{\mathrm{zf},j})\right),& m=\mathrm{1,2},\·\·\·,(M-1)\\ {\tilde{s}}_{\mathrm{zf},M},& m=M\end{array}\right..$

当搜寻至第m层时，SE会优先对硬式决策后的点 ${\hat{s}}_{m|m+1}=\mathrm{slice}\left({\tilde{s}}_{m|m+1}\right)$ 搜寻，之后会以

为中心呈Z型(Zigzag)来列举节点，如图9所示。如此可确保每一层所列举的节点顺序，其EDI是由小到大排列的，因此SE可加快平均搜寻速度。

如上所述，传统的MLD太复杂以致于难以获得理想解。因此，本发明提供了一种球状解码(SD)方法与系统，其是应用于MIMO系统以降低MLD的复杂度与解码延迟。

发明内容

本发明实施例揭露了一种球状解码方法。处理接收数据以取得多个前置参数，并且决定用于广度优先搜寻的阶层数目(M_bf)与用于深度优先搜寻的阶层数目(M_df)。根据该等参数执行搜寻程序，其中最高M_bf阶层是利用广度优先策略进行搜寻，最低M_df阶层是利用深度优先策略进行搜寻。

本发明实施例还揭露了一种球状解码系统，包括配置单元、前置处理单元与搜寻单元。

该配置单元决定用于广度优先搜寻的阶层数目(M_bf)与用于深度优先搜寻的阶层数目(M_df)。该前置处理单元处理接收数据以取得多个前置参数。该搜寻单元根据该等参数执行搜寻程序，其中最高M_bf阶层是利用广度优先策略进行搜寻，最低M_df阶层是利用深度优先策略进行搜寻。

本发明实施例还揭露了一种通讯装置，包括处理单元，其用以处理接收数据以取得多个前置参数，决定用于广度优先搜寻的阶层数目(M_bf)与用于深度优先搜寻的阶层数目(M_df)。根据该等参数执行搜寻程序，其中最高M_bf阶层是利用广度优先策略进行搜寻，最低M_df阶层是利用深度优先策略进行搜寻。

附图说明

图1是显示典型MIMO数据模型的示意图。

图2是显示球状解码的示意图。

图3是显示深度优先搜寻(DFS)的示意图。

图4是显示广度优先搜寻(BFS)的示意图。

图5是显示本发明实施例的结合深度优先搜寻与广度优先搜寻的球状解码的示意图。

图6是显示本发明实施例的球状解码系统的架构示意图。

图7是显示应用于图6的球状解码系统的参数示意图。

图8A与8B是显示本发明实施例的球状解码方法的步骤流程图。

图9是显示球状解码的节点列举顺序示意图。

图10是显示本发明实施例的结合深度优先搜寻与K-best算法的球状解码在没有RTC情形下的BER效能图。

图11～13是显示解码延迟分布的曲线图。

图14是显示在有RTC的情形下BER效能有大幅改善的示意图。

图15是显示本发明实施例的混合球状解码方法的详细步骤流程图，其包括前处理阶段与搜寻阶段。

[主要元件标号说明]

610～配置单元

630～前处理单元

650～搜寻单元

具体实施方式

为了让本发明的目的、特征、及优点能更明显易懂，下文特举较佳实施例，并配合所附图式图5至图15，做详细的说明。本发明说明书提供不同的实施例来说明本发明不同实施方式的技术特征。其中，实施例中的各元件的配置为说明之用，并非用以限制本发明。且实施例中图式标号的部分重复，为了简化说明，并非意指不同实施例之间的关联性。

本发明实施例揭露了一种球状解码方法与系统。

为了降低搜寻MLD的复杂度，球状解码方法被引入MIMO技术中。SD乃是先限定一个合理的球面半径r，并且只搜寻球面半径里的晶格点。然而SD的搜寻速度往往随着环境、调制阶数(搜寻树的广度)以及传送端天线数目(搜寻树的深度)而有相当大的差异。不规律的搜寻行为会导致不定速的检测输出。然而，在实际设计中，一种可行的作法是根据系统的输出延迟限制(RunTime Constraint，简称为RTC)来作适当的搜寻截断(Truncation)处理，以确保球状解码器(Sphere Decoder)有固定的解码速率。

输出延迟限制(RTC)可以是限制单一码元搜寻时间或是一个区块的平均搜寻时间。但无论哪一种，截断处理都会对位错误率(Bit Error Rate，简称为BER)的效能产生不良影响。本发明引入可编程(Programmable)的搜寻参数，使其能够随着不同环境与不同应用来调整搜寻策略，在有输出延迟限制下具有较佳的解码效能。

在目前球状解码器的搜寻算法中，最为普遍的是深度优先搜寻(Depth-First Search，DFS)与广度优先(Breadth-First Search，BFS)搜寻。深度优先搜寻算法可搭配Schnorr-Euchner列举(Enumeration)来达到相当有效率的搜寻，其原理乃是在每一层只往下搜寻让EDI最小的子节点，当搜寻至最底层后，将目前所得的ED当作初始r²。每当搜寻至最底层或搜寻至某层的PED已经大于r²时，便停止往下搜寻，转而往上搜寻让上一层EDI次小的母节点，如图3所示。DFS的一个特点是当每找到一个距离球心更近的晶格点，球面半径就可以缩成该晶格点与球心的距离。

广度优先搜寻算法中最有名的是K-best算法，其搜寻策略为在每一层最多只保留K条PED最小的搜寻路径，并算出其与下一层所有子节点(ChildrenNode)的PED，然后选出K个PED最小搜寻路径的终端节点，当作搜寻下一层的母节点(Parent Node)，如图4所示。

DFS的好处在于每当搜寻到较佳解时，球面半径就会更新成更小值，这间接使得接下来的搜寻范围更小，因此平均搜寻速度可以较快。然而DFS搜寻路径会随着信道环境而有很大的差异，因此解码输出速度变异甚大。BFS的好处则是最大的输出延迟可以根据搜寻深度以及定义的广度(K值)算出，因此解码输出速度相对稳定。譬如一搜寻树有4层，每层有8个节点，当采用5-best算法时，则拜访节点数最多不超过(5×8)×(4-1)+5＝125个。

本发明实施例提出一种混合深度优先与广度优先的搜寻策略，借着在上层使用广度优先搜寻，下层切换成深度优先搜寻，可以得到几个明显的好处。首先，相较于DFS而言，由于使用深度优先的层数减少，解码延迟的变异可以明显改善。此外，相较于K-best算法而言，借着加入部分DFS的方法，可以提升K-best的平均搜寻速度。

图6是显示本发明实施例的混合球状解码系统的架构示意图。

本发明实施例的混合球状解码系统包括配置单元610、处理单元630与搜寻单元650。当系统开始搜寻时，配置单元610会根据调制阶数、传收天线数目、输出延迟限制或信号噪声比(Signal to Noise Ratio，简称为SNR)等评估适用的深度优先搜寻比例(DF_ratio)，以决定设置在DFS与BFS部分的阶层数，并且设定BFS部分的各阶层的搜寻路径的限制数(K_m)以及DFS部分的各阶层要列举的节点数(C_m)。其它相关参数如图7所示，在此不再予以赘述。K_m可能等于或小于第m个BF层中的所有可能搜寻路径数目。C_m可能等于或小于第m个DF层中的候选节点数目。例如，在本实施例中，每一层的候选节点数目为8个(对于64-阵列正交振幅调制(64-ary QuadratureAmplitude Modulation，简称为64-QAM)来说)、4个(对于16-QAM来说)或2个(对于正交相移键控(Quadrature Phase-Shift Keying，简称为QPSK)来说)。举例来说，若系统规格的输出延迟限制较宽松，则DF_ratio、K_m或C_m可相对增加，而若限制较紧，则DF_ratio、K_m或C_m可相对减少。搜寻单元650取得搜寻参数并据以搜寻节点。

图8A与8B是显示本发明实施例的球状解码方法的步骤流程图，其可应用于无线装置，且搜寻流程可参考图15。

首先，将通道矩阵(Channel Matrix)

转换为实数矩阵(RealMatrix)H(步骤S801)。将该实数矩阵H的行向量重新排序，并利用QR分解(或Cholesky分解)以产生上三角形矩阵(Upper-Triangular Matrix)R(步骤S802)。当接收天线的数目大于传送天线的数目，则仅采用上三角形矩阵R中非零的列向量(Non-Zero Row Vector)。若R是由QR decomposition算出，必须做适当的变号以确保其对角线元素都大于零。此外，计算出强迫归零(Zero-forcing)向量

，获得此向量的作法为 ${\tilde{s}}_{\mathrm{ZF}}={\left({\tilde{H}}^H\tilde{H}\right)}^{-1}{\tilde{H}}^H\widetilde{y.}$ 接着，对

作硬式决策后可得到一组初始解 ${\hat{s}}_{\mathrm{ZF}}=\mathrm{slice}\left({\tilde{s}}_{\mathrm{ZF}}\right),$ 并将

当作初始半径r(步骤S803)。因此在前置处理过程中将可得到初始的球半径r、上三角角矩阵R、通道矩阵行向量的排序索引向量p以及零强迫解

SD的解码过程可视为树状搜寻，维度为n的任一子晶格(Sub-lattice)皆有一串深度为n的节点组合与之对应。一开始可以根据SNR、RTC、N_t、N_r、M_c等系统参数选择出适合的DF层数(M_df)与BF层数(M_bf＝M-M_df)、BF各层的遗留路径数K_m以及每一DF层要被列举的节点数C_m(步骤S804)。需注意到，步骤S802、S803与S804可同时执行。

当最上层的索引定义为M(m＝M)，而最下层的索引定义为1(m＝1)，在SD的搜寻方法中，会先利用BFS搜寻上面的M_bf层。当搜寻第m层节点时，选择让该层PED增量较小的节点优先搜寻。因此，在第M、M-1、M-2、...、m+1层节点([s_m+1，s_m+2，…s_M])已知的情况下，则第m层PED增量最小的节点为 ${\hat{s}}_{m|m+1}=\mathrm{slice}\left({\tilde{s}}_{m|m+1}\right),$ 其中，

${\tilde{s}}_{m|m+1}=\left\{\begin{array}{cc}{\tilde{s}}_{\mathrm{zf},m}-\frac{1}{r_{m,m}}\left(\underset{j=m+1}{\overset{M}{\mathrm{\Σ}}}{r}_{m,j}(s_j-{\tilde{s}}_{\mathrm{zf},j})\right),& m=\mathrm{1,2},\·\·\·,(M-1)\\ {\tilde{s}}_{\mathrm{zf},M},& m=M\end{array}\right..$

接着，逐一拜访在同一层中PED增量渐大的其它节点，其搜寻行为恰好是以

为中心呈Z型方式列举节点(步骤S805)，如图9所示。

当第m层中与上一层(第m+1层)的某条遗留路径连接的所有节点都被拜访过后，便选择另一条遗留路径(共K_m+1条)并继续重复上述Z型搜寻步骤，直至K_m+1条遗留路径被搜寻完为止(步骤S806)。举例来说，若第m+1层的搜寻路径有10条(K_m+1＝10)，当使用64-QAM调制时，每一层的节点数有8个，则第m层最多需要搜寻80种组合。然而若K_m＝5，由于搜寻过程中只保留PED最小的5条路径，所以一旦发现某第m+1层的一遗留路径在增加第m层某节点后所算出的PED已经大于目前保留5条路径中最大的PED，则可以停止该遗留路径的搜寻(因为后续列举的节点，其PED一定大于先前的，故可不必考虑)，转而直接搜寻另一条搜寻路径(步骤S807)。当把所有遗留路径搜寻过后，可以找到第m层中5条PED最小的遗留路径(步骤S808)，接着便由PED小的遗留路径优先向下一层(第m-1层)节点搜寻(步骤S809)，其步骤与上述由第m+1层往第m层节点搜寻的行为是一样的。

当搜寻到第M_df层时，后续搜寻层(m＝M_df、M_df-1、...、2、1)改用DFS来搜寻，并限定每层只有C_m个节点可供搜寻(步骤S810)。利用第M_df+1层留下的K_Mdf+1条遗留路径的终端节点当作DFS的最上层节点(在有初始半径限制的情况下，实际搜寻路径的数目可能会比K_Mdf+1小)(步骤S811)，并且先以第M_df+1层中PED最小的遗留路径优先进行DF搜寻(步骤S812)。在已知此[s_Mdf+1，s_Mdf+2，…s_M]之下，同样可以找出第M_df层中让PED增量最小的节点为 ${\hat{s}}_{M_{\mathrm{df}}|M_{\mathrm{df}}+1}=\mathrm{slice}\left({\tilde{s}}_{M_{\mathrm{df}}|M_{\mathrm{df}}+1}\right)$ (步骤S813)，接着承袭DF的特性，持续往下找出让每一层PED增量最小的节点，直到搜寻到m＝1时，可以得到更新的r²，并用以更新半径限制，然后回到m＝2。

在DFS的部分，在第M、M-1、M-2、...、m+1层节点([s_m+1，s_m+2，…s_M])已知的情况下，只列举在第m层的C_m个节点。举例来说，如图9所示，若C_m＝4，则只有最接近

的4个节点(分别标示为1、2、3、4)在执行SE列举的期间可被搜寻以作进一步的搜寻。其它节点(分别标示为5、6、7、8)则会被忽略掉。当C_m个节点完成搜寻或第m层的一搜寻路径的PED大于半径限制，则回到第m+1层并根据zigzag SE方法选择另一母节点(步骤S814)。

当搜寻路径退回到第M_df+1层时，本发明的SD方法会选择第M_df+1层尚未搜寻的遗留路径中具有最小PED的遗留路径继续进行DF的搜寻。反复这样的搜寻步骤，将M_df+1层所有K_Mdf+1条遗留路径依照PED大小由小到大全部搜寻完后，则结束本搜寻流程，即可以找出一条ED最小的路径当作ML估测解(步骤S815)。

图5是显示本发明实施例的混合DFS与K-best搜寻方法的混合球状解码示意图，图10显示其理论上的BER效能会介于单纯使用DF或单纯使用K-best的方法之间。图11～13是显示解码延迟分布的曲线图，借着调整DF_ratio参数，确实可以有效控制解码延迟。因此，在有RTC的情形下，BER效能有大幅改善，如图14所示。

本发明实施例的球状解码方法可应用于通讯装置(未显示)中。该通讯装置可包括处理单元(未显示)，用以执行该球状解码方法。此外，该通讯装置可为移动台(Mobile Station)、基地台(Base Station)、存取点(AccessPoint)、可携装置(Portable Device)或是桌上型计算机(Desktop)，而该处理单元可为数字信号处理(Digital Signal Processing，简称为DSP)单元或专用集成电路(Application Specific Integrated Circuit，简称为ASIC)。

本发明实施例的球状解码方法适合用在多输入多输出(MIMO)系统的码元检测(Symbol Detection)上，其可通过搜寻成本函数来实现，该成本函数如下所示：

${\hat{s}}_{\mathrm{ML}}=\arg \underset{s\∈\mathrm{\Λ}}{\min }{\left|\right|y-\mathrm{Hs}\left|\right|}^2$

$=\arg \underset{s\∈\mathrm{\Λ}}{\min }\left\{{(s-{\tilde{s}}_{\mathrm{ZF}})}^H{H}^{H}H(s-{\tilde{s}}_{\mathrm{ZF}})\right\}$

$=\arg \underset{s\∈\mathrm{\Λ}}{\min }\left\{{(s-{\tilde{s}}_{\mathrm{ZF}})}^H{R}^{H}R(s-{\tilde{s}}_{\mathrm{ZF}})\right\}$

$=\arg \underset{s\∈\mathrm{\Λ}}{\min }{\left|\right|R(s-{\tilde{s}}_{\mathrm{ZF}})\left|\right|}^2\≤r^2.$

该成本函数表示在多维空间中的晶格点与球体中心的距离差异，且该成本函数的上限值是表示限制球体的半径平方。该混合球状解码方法先利用BFS(K-best)搜寻上层节点，然后利用DFS搜寻下层节点。BFS的搜寻层数、BFS搜寻中每一层的K_m以及DFS搜寻中每一层的C_m皆可根据SNR、传送与接收天线的总数、调制阶数、BER需求与输出延迟限制(Runtime Constraint)来动态决定。

本发明还提供一种记录媒体(例如光盘片、磁盘片与抽取式硬盘等等)，其是记录计算机可读取的权限签核程序，以便执行上述的混合球状解码方法。在此，储存于记录媒体上的权限签核程序，基本上是由多个程序码片段所组成的(例如建立组织图程序码片段、签核窗体程序码片段、设定程序码片段、以及部署程序码片段)，并且这些程序码片段的功能是对应到上述方法的步骤与上述系统的功能方块图。

虽然本发明已以较佳实施例揭露如上，然其并非用以限定本发明，任何本领域技术人员，在不脱离本发明的精神和范围内，当可作各种的更动与润饰，因此本发明的保护范围当视所附的权利要求范围所界定者为准。

Claims (25)

1.一种球状解码方法，包括下列步骤：

处理接收数据以取得多个前置参数；

决定用于广度优先搜寻的阶层数目(M_bf)与用于深度优先搜寻的阶层数目(M_df)；以及

根据该等参数执行搜寻程序，其中最高M_bf阶层是利用广度优先策略进行搜寻，最低M_df阶层是利用深度优先策略进行搜寻。

2.根据权利要求1所述的混合球状解码方法，其中，处理该接收数据的步骤还包括下列步骤：

将通道矩阵的行向量重新排序并对其执行QR分解以产生上三角矩阵；以及

设定初始球体半径。

3.根据权利要求1所述的球状解码方法，其还包括根据系统参数、传送环境与效能需求，决定M_bf个阶层使用广度优先搜寻策略搜寻之、M_df个阶层使用深度优先搜寻策略搜寻之、自每一广度优先搜寻阶层选择K_m条遗留路径以及自每一深度优先搜寻阶层列举C_m个节点。

4.根据权利要求3所述的球状解码方法，其中，该搜寻程序还包括下列步骤：

利用该广度优先搜寻操作，根据该K_m值对该广度优先阶层执行第一搜寻程序；以及

利用该深度优先搜寻操作，根据该C_m值与K_Mdf+1条遗留路径对该深度优先阶层执行第二搜寻程序。

5.根据权利要求1所述的球状解码方法，其还包括下列步骤：

当对广度优先阶层执行该广度优先搜寻操作，优先搜寻让欧式距离增量(EDI)最小的节点，亦即：

利用SE列举法以Z型方式来列举相同阶层中的节点，并且计算该等节点的对应部分欧氏距离。

6.根据权利要求5所述的球状解码方法，其中，当第m层中与第m+1层的某一条遗留路径连接的所有子节点都被拜访过后，选择另一条未被搜寻过且具有最小部分欧氏距离的遗留路径继续重复上述Z型搜寻步骤，直至K_m+1条搜寻路径被搜寻完为止。

7.根据权利要求6所述的球状解码方法，其还包括下列步骤：

当第m+1层的K_m+1条遗留路径已被搜寻完，则决定第m层具有最小部分欧氏距离的K_m条遗留路径；以及

优先搜寻第m-1层中连接第m层的最短遗留路径且具有最小EDI的节点

8.根据权利要求1所述的球状解码方法，其还包括下列步骤：

当搜寻到第M_df阶层时，利用该深度优先搜寻策略搜寻该层所有节点；

利用第M_df+1层留下的K_Mdf+1条遗留路径的终端节点当作下一阶层的母节点；以及

对具有最小部分欧氏距离的遗留路径优先执行该深度优先搜寻操作。

9.根据权利要求1所述的球状解码方法，其还包括下列步骤：

当在执行该深度优先搜寻操作期间，利用SE列举法列举在每一深度优先阶层与

最接近的C_m个节点；以及

当搜寻到最底阶层且取得最小欧氏距离时，利用该欧氏距离更新该球体半径。

10.根据权利要求1所述的球状解码方法，其中，当第M_df+1层的所有遗留路径都搜寻过后，则将具有最小欧氏距离的搜寻路径当作最大可靠度解。

11.根据权利要求3所述的球状解码方法，其中，该系统参数包括信号噪声比、传送天线数目、接收天线数目、调制阶数与输出延迟限制。

12.一种球状解码系统，包括：

配置单元，其用以决定用于广度优先搜寻的最高M_bf阶层数目与用于深度优先搜寻的最低M_df阶层数目；

前置处理单元，其用以处理接收数据以取得多个前置参数；以及

搜寻单元，其用以根据该等参数执行搜寻程序，其中利用广度优先搜寻策略搜寻该最高M_bf阶层以及利用深度优先搜寻策略搜寻该最低M_bf阶层。

13.根据权利要求12所述的球状解码系统，其中，该前置处理单元将信道矩阵的行向量重新排序并对其执行QR分解以产生上三角矩阵，并且设定初始球体半径。

14.根据权利要求12所述的球状解码系统，其中，该配置单元根据系统参数、传送环境与效能需求，决定用于广度优先搜寻的阶层数目(M_bf)、用于深度优先搜寻的阶层数目(M_df)、自每一广度优先阶层选择的遗留路径数(K_m)以及自每一深度优先阶层列举的节点个数(C_m)。

15.根据权利要求14所述的球状解码系统，其中，该搜寻单元利用该广度优先搜寻操作，根据该K_m值对该广度优先阶层执行第一搜寻程序，以及利用该深度优先搜寻操作，根据该C_m值与K_Mdf+1条遗留路径对该深度优先阶层执行第二搜寻程序。

16.根据权利要求12所述的球状解码系统，其中，当对广度优先阶层执行该广度优先搜寻操作，优先搜寻让欧式距离增量(EDI)最小的节点，亦即利用SE列举法以Z型方式来列举相同阶层中的节点，并且计算该等节点的对应部分欧氏距离。

17.根据权利要求16所述的球状解码系统，其中，当第m层中与第m+1层的某一条遗留路径连接的所有子节点都被拜访过后，选择另一条未被搜寻过且具有最小部分欧氏距离的遗留路径继续重复上述Z型搜寻步骤，直至K_m+1条搜寻路径被搜寻完为止。

18.根据权利要求17所述的球状解码系统，其中，若在第m-1层搜寻K_m条遗留路径且目前搜寻路径的欧式距离增量大于每一K_m条遗留路径，则结束对该目前搜寻路径的搜寻且搜寻另一条遗留路径。

19.根据权利要求18所述的球状解码系统，其中，当第m+1层的K_m+1条遗留路径已被搜寻完，则决定第m层具有最小部分欧氏距离的K_m条遗留路径，以及优先搜寻第m-1层中连接第m层的最短遗留路径且具有最小EDI的节点

20.根据权利要求12所述的球状解码系统，其中，当搜寻到第M_df阶层时，利用该深度优先搜寻策略搜寻该层所有节点，利用第M_df+1层留下的K_Mdf+1条遗留路径的终端节点当作下一阶层的母节点，以及对具有最小部分欧氏距离的遗留路径优先执行该深度优先搜寻操作。

21.根据权利要求12所述的球状解码系统，其中，当在执行该深度优先搜寻操作期间，利用SE列举法列举在每一深度优先阶层与

最接近的C_m个节点，以及当搜寻到最底阶层且取得最小欧氏距离时，利用该欧氏距离更新该球体半径。

22.根据权利要求14所述的球状解码系统，其中，该系统参数包括信号噪声比、传送天线数目、接收天线数目、调制阶数与输出延迟限制。

23.一种通讯装置，包括：

处理单元，其用以处理接收数据以取得多个前置参数，决定用于广度优先搜寻的阶层数目(M_bf)与用于深度优先搜寻的阶层数目(M_df)，并根据该等参数执行搜寻程序，其中最高M_bf阶层是利用广度优先策略进行搜寻，最低M_df阶层是利用深度优先策略进行搜寻。

24.根据权利要求23所述的通讯装置，其中，该通讯装置可为移动台、基地台、存取点、可携装置或是桌上型计算机。

25.根据权利要求23所述的通讯装置，其中，该处理单元可为数字信号处理单元或专用集成电路。

Images