发明内容
本发明针对上述现有技术的不足,提出了一种应用于MIMO的自适应信号的检测器及检测方法,使其结合SD检测和次优检测(ZF、MMSE、IC检测等),首先对MIMO信号中的部分信号使用SD检测,随后对其余信号使用次优检测,进行SD检测的信号数目根据接收信号的SNR和MIMO信道相关程度自适应调整,从而在不同信道状况下都能以较低的复杂度达到完全SD检测的性能,对无线信道具有良好的适应性。
本发明通过以下技术方案来实现:
本发明所涉及的应用于MIMO的自适应信号检测器,包括:检测模式调校模块、相关度量产生模块、检测模式控制模块、检测信号处理模块,其中:
检测模式调校模块通过仿真实验或实际测量,输出信道矩阵H′给相关度量产生模块,并接收相关度量产生模块反馈回来的信道矩阵的信道相关度量C′,获得信道相关度量到SNR下限阈值的函数关系式SNR_SUB和信道相关度量到SNR上限阈值的函数关系式SNR_OPT,并输出给检测模式控制模块;
相关度量产生模块根据外部的信道估计器提供的信道矩阵估计H,计算MIMO信道相关程度度量C,并将C传输给检测模式控制模块;另外,根据检测模式调校模块输出的信道矩阵H′,计算相关性度量C′,并将C′传回给检测模式调校模块;
检测模式控制模块以MIMO信道相关程度度量C和外部的信道估计器提供的接收信号信噪比SNR为输入量,利用检测模式调校模块提供的函数关系式SNR_SUB和SNR_OPT确定使用SD检测的信号数目Nopt,Nopt作为控制信号传输给检测信号处理模块;
检测信号处理模块根据外部信号解调器提供的接收信号向量y、信道估计器提供的信道矩阵估计H,使用SD检测Nopt个数目的信号,使用次优检测的方法对其余信号进行检测,并将检测得到的结果输出。
所述检测模式调校模块,包括:信道矩阵产生子模块、系统性能产生子模块、信噪比阈值产生子模块、函数拟合子模块,其中:
信道矩阵产生子模块在仿真实验模式下使用与目标系统对应的信道模型,调整信道模型参数,产生信道矩阵H′,输出给相关度量计算模块和系统性能仿真模块;在实际测量模式下,将外部测量得到的实际信道的信道矩阵H′直接输出给相关度量计算模块;
系统性能产生子模块在仿真实验模式下根据信道矩阵产生子模块输出的信道矩阵H′以及目标系统的参数(发射接收天线数目、调制方式、纠错编码等)对目标系统进行仿真实验,取得系统的性能曲线,即BER与SNR的关系曲线,输出给信噪比阈值产生模块;在实际测量模式下,将外部测量得到的系统性能曲线直接输出给信噪比阈值模块;
信噪比阈值产生子模块根据系统性能产生模块输出的系统性能曲线,设定用于函数拟合的SNR下限阈值
和用于函数拟合的SNR上限阈值
,其中
为高BER下的SNR阈值,
为低BER下的SNR阈值,输出给函数拟合子模块;
函数拟合子模块根据多组相关度量产生模块输出的C′及对应由信噪比阈值产生模块输出的
以C′为自变量、
为应变量选取拟合函数进行函数拟合,确定SNR_SUB的函数表达式;以C′为自变量、
为应变量选取拟合函数进行函数拟合,确定SNR_OPT的函数表达式,函数拟合的结果SNR_SUB和SNR_OPT输出给检测模式控制模块。
本发明所涉及应用于MIMO的自适应信号检测方法,包括如下步骤:
步骤一,检测模式调校模块通过仿真实验或实际测量的方法得到信道相关度量到SNR下限阈值的函数关系式SNR_SUB和信道相关度量到SNR上限阈值的函数关系式SNR_OPT;
步骤二,信道估计器提供信道矩阵估计H,相关度量产生模块根据信道矩阵估计H计算MIMO信道矩阵估计H的相关程度度量C;
步骤三,信道估计器提供接收信号信噪比SNR,检测模式控制模块根据信噪比SNR以及MIMO信道相关程度度量C、函数关系式SNR_SUB和SNR_OPT,确定使用SD检测的信号数目Nopt;
步骤四,检测信号处理模块根据信号解调器提供的接收信号向量y、信道估计器提供的信道矩阵估计H,对N
opt个数目的信号采用SD检测,对其余的信号采用次优检测,输出检测结果
步骤一中,所述通过仿真实验或实际测量的方法得到信道相关度量到SNR下限阈值的函数关系式SNR_SUB和信道相关度量到SNR上限阈值的函数关系式SNR_OPT,包括如下具体步骤:
第一步,对于仿真实验,使用与目标系统对应的信道模型,调整信道模型参数,产生信道模型的信道矩阵H′;对于实际测量,在目标系统的实际信道环境进行实际测量,测量得到实际信道的信道矩阵H′;
第二步,对于仿真实验,使用信道模型的信道矩阵H′计算信道矩阵H′的相关性度量C′;对于实际测量,使用测量得到实际信道的信道矩阵H′,计算实际测量得到信道矩阵H′的相关矩阵C′和相关性度量C′,具体为:令
其中:
表示H′矩阵i行j列的元素,C′用以下公式计算:
第三步,对于仿真实验,根据目标系统的参数(发射接收天线数目、调制方式、纠错编码等)对目标系统和信道模型进行仿真实验,取得系统的误码率(BER)性能曲线,即BER与SNR的关系曲线;对于实际测量,通过对实际目标系统BER性能的测量得到BER与SNR的关系曲线;
第四步,根据BER曲线设定用于函数拟合的SNR下限阈值
和用于函数拟合的SNR上限阈值
,其中
为高BER下的SNR阈值,
为低BER下的SNR阈值;
第五步,重复第二步到第四步的步骤,直到取得多组不同信道矩阵H′的相关性度量C′及对应的
数据组
的数量不小于后续函数拟合所需的数据量;
第六步,根据取得的多组不同信道下的C′及对应的
以C′为自变量、
为应变量选取拟合函数进行函数拟合,确定SNR_SUB的函数表达式;以C′为自变量、
为应变量选取拟合函数进行函数拟合,确定SNR_OPT的函数表达式。
步骤二中,所述根据信道矩阵估计H计算MIMO信道矩阵估计H的相关矩阵C和相关程度度量C,具体为:令
其中,hi,j表示H矩阵i行j列的元素,信道矩阵估计H的相关程度度量C用以下式子计算:
其中,ci,j表示C矩阵i行j列的元素。
步骤三中,所述根据MIMO信道相关程度度量C以及接收信号信噪比SNR确定SD检测的信号数目Nopt,具体为:
首先,根据步骤一获得的函数关系式SNR_SUB和SNR_OPT计算用于检测控制的SNR上限阈值Ssub和用于检测控制的SNR下限阈值Sopt:
Ssub=SNR_SUB(C)
Sopt=SNR_OPT(C)
然后,根据SNR上限阈值Ssub和下限阈值Sopt获得使用SD检测的信号数目Nopt,具体如下:
其中:Nt为需要检测的信号总数,round(·)表示取整运算。
步骤四中,所述对Nopt个数目的信号采用SD检测,对其余的信号采用次优检测,包括如下具体步骤:
第一步,根据Nopt将发射信号向量x分成两部分 其中xopt是Nopt×1维的向量,表示由SD检测的发射信号;xsub是(Nt-Nopt)×1维的向量,表示由次优检测的发射信号,对应地,将信道矩阵估计H按列分成两部分H=[HsubHopt],其中Hopt是Nr×Nopt维的矩阵,与xopt对应,Hsub是Nr×(Nt-Nopt)维的矩阵,与xsub对应;
第二步,根据接收信号向量y和信道矩阵估计H,使用SD检测得到x
opt的一个可行估计
第三步,以 为等效接收信号,Hsub为等效信道矩阵,使用次优检测方法得到当前可行估计xsub的估计值,次优检测包括ZF检测、MMSE检测、或IC检测;
第四步,根据上述步骤获得x的一个可行估计值: 其检测可靠度的度量
第五步,重复以上第二步到第四步的步骤,直到搜索全部可行估计;
第六步,从所有可行估计
中选取度量M最小的,作为最终的检测结果输出。
本发明与其他MIMO技术相比具有以下优点:
1.检测过程结合性能最优的SD检测和次优检测(ZF、MMSE、或IC检测),在检测性能接近ML检测的前提下显著降低检测的计算复杂度;
2.根据接收信号信噪比自适应调整使用SD检测的信号比例,大大降低检测方法在低SNR水平下的计算复杂度;
3.根据信道状况自适应调整不同SNR水平下SD检测的信号比例,在不同信道状况下都能有效降低计算复杂度。
具体实施方式
下面结合附图对本发明的实施例作详细说明:本实施例在以本发明技术方案为前提下进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
对于一个MIMO无线通信系统,其等效基带信号的输入输出关系可以表示为:
y=Hx+w(7)
上式中,x是Nt×1维的发射信号向量,其第m个元素表示空间上第m维的发射信号;y是Nr×1维的接收信号向量,其第m个元素表示空间上第m维的接收信号;w是Nr×1维的噪声向量,其第m个元素表示空间上第m维的噪声信号;H是Nr×Nt维的信道矩阵,表示MIMO系统的等效基带信道矩阵,其第m行第n列的元素hmn表示从第n个发射信号到第m个接收信号的等效基带信道衰减因子。在进行MIMO检测前,首先要通过信道估计器获得信道矩阵的估计,为了方便描述,文中将信道矩阵的估计仍记为H。
本发明的检测方法和检测器适用于平坦衰落信道下的MIMO系统,或是能够等效为MIMO平坦衰落信道的系统。例如,本发明可以直接用在多输入多输出正交频分复用(MIMO-OFDM)系统的任意一个子载波信号的检测上。
图1以发射天线数NTX=4、接收天线数NRX=4的系统为例,给出了基于V-BLAST方案的MIMO系统框图。在发射端,数据比特首先被映射成为信号星座中的信号,然后经过串并变换后形成NTX路并行的基带信号,经过调制后从多个不同的天线上同时发射出去。在接收端,来自不同发射天线的信号经信道衰落后又与噪声叠加,被多个天线同时接收,经过解调后生成NRX路并行基带信号,MIMO检测器利用信道估计器产生的信道状态信息和信噪比估计值从基带信号中恢复出原始数据。该系统的基带信号输入输出关系可以表示为前文公式(7)。本实施例涉及图1所示MIMO系统的检测器部分。
如图2所示,本实施例提供了一种应用于MIMO的自适应信号检测器,包括:检测模式调校模块、相关度量产生模块、检测模式控制模块、检测信号处理模块,其中:
检测模式调校模块通过仿真实验或实际测量,输出信道矩阵H′给相关度量产生模块,并接收相关度量产生模块反馈回来的信道矩阵的信道相关度量C′,获得信道相关度量到SNR下限阈值的函数关系式SNR_SUB和信道相关度量到SNR上限阈值的函数关系式SNR_OPT,并输出给检测模式控制模块;
相关度量产生模块根据外部的信道估计器提供的信道矩阵估计H,计算MIMO信道相关程度度量C,并将C传输给检测模式控制模块;另外,根据检测模式调校模块输出的信道矩阵H′,计算相关性度量C′,并将C′传回给检测模式调校模块;
检测模式控制模块以MIMO信道相关程度度量C和外部的信道估计器提供的接收信号信噪比SNR为输入量,利用检测模式调校模块提供的函数关系式SNR_SUB和SNR_OPT确定使用SD检测的信号数目Nopt,Nopt作为控制信号传输给检测信号处理模块;
检测信号处理模块根据外部信号解调器提供的接收信号向量y、信道估计器提供的信道矩阵估计H,使用SD检测Nopt个数目的信号,使用次优检测的方法对其余信号进行检测,并将检测得到的结果输出。
所述检测模式调校模块,包括:信道矩阵产生子模块、系统性能产生子模块、信噪比阈值产生子模块、函数拟合子模块,其中:
信道矩阵产生子模块在仿真实验模式下使用与目标系统对应的信道模型,调整信道模型参数,产生信道矩阵H′,输出给相关度量计算模块和系统性能仿真模块;在实际测量模式下,将外部测量得到的实际信道的信道矩阵H′直接输出给相关度量计算模块;
系统性能产生子模块在仿真实验模式下根据信道矩阵产生子模块输出的信道矩阵H′以及目标系统的参数(发射接收天线数目、调制方式、纠错编码等)对目标系统进行仿真实验,取得系统的性能曲线,即BER与SNR的关系曲线,输出给信噪比阈值产生模块;在实际测量模式下,将外部测量得到的系统性能曲线直接输出给信噪比阈值模块;
信噪比阈值产生子模块根据系统性能产生模块输出的系统性能曲线,设定用于函数拟合的SNR下限阈值
和用于函数拟合的SNR上限阈值
,其中
为高BER下的SNR阈值,
为低BER下的SNR阈值,输出给函数拟合子模块;
函数拟合子模块根据多组相关度量产生模块输出的C′及对应由信噪比阈值产生模块输出的
以C′为自变量、
为应变量选取拟合函数进行函数拟合,确定SNR_SUB的函数表达式;以C′为自变量、
为应变量选取拟合函数进行函数拟合,确定SNR_OPT的函数表达式,函数拟合的结果SNR_SUB和SNR_OPT输出给检测模式控制模块。
如图4所示,本实施例方法提供了一种应用于MIMO的自适应信号检测方法,包括以下步骤:
步骤一,通过仿真实验或实际测量的方法得到信道相关度量到SNR下限阈值的函数关系式SNR_SUB和信道相关度量到SNR上限阈值的函数关系式SNR_OPT,如图3所示,包括如下具体步骤:
第一步,对于仿真实验,使用与目标系统对应的信道模型,调整信道模型参数,产生信道模型的信道矩阵H′;对于实际测量,在目标系统的实际信道环境进行实际测量,测量得到实际信道的信道矩阵H′。本实施例使用仿真实验,选取的信道模型为
其中Hw的每个元素都是零均值且独立同分布的高斯随机变量,Rr和Rt分别是接收和发射天线的相关矩阵,其表达式为
其中参数ρr,ρt∈[0,1]代表了天线的相关程度,本实施例选取ρr=ρt=0时。
第二步,对于仿真实验,使用信道模型的信道矩阵H′计算信道模型所产生信道的相关性度量C′;对于实际测量,使用测量得到实际信道的信道矩阵H′,计算实际测量得到信道的相关性度量C′。使用前文公式(1)到(3)的方法计算信道相关性度量C′,使用仿真实验,计算得到C′=0.0011。
第三步,如图5所示,对于仿真实验,根据目标系统的参数(发射接收天线数目、调制方式、纠错编码等)对目标系统和信道模型进行仿真实验,取得系统的误码率(BER)性能曲线,即BER与SNR的关系曲线;对于实际测量,通过对实际目标系统BER性能的测量得到BER与SNR的关系曲线;本例使用仿真实验,选取NTX=4,NRX=4,调制方式为4-QAM,不采用纠错编码。
第四步,根据BER曲线设定用于函数拟合的SNR下限阈值
和用于函数拟合的SNR上限阈值
,其中
为高BER下的SNR阈值,
为低BER下的SNR阈值。本例选取BER=10
-1对应的SNR为
BER=10
-5对应的SNR为
则
、
第五步,重复第二步到第四步的步骤,直到取得多组不同C′及对应的
,数据组
的数量不小于后续函数拟合所需的数据量。本例依次调整信道参数ρ
t和ρ
t,仿真实验结果如图5所示,对应得到的信道相关性度量C及对应的SNR阈值S
sub、S
opt,如表1所示。
表1SNR阈值Ssub、Sopt
ρt | 0.0 | 0.5 | 0.5 | 0.9 | 0.9 |
ρr | 0.0 | 0.0 | 0.5 | 0.0 | 0.9 |
C | 0.0011 | 0.0304 | 0.733 | 0.1447 | 0.5817 |
|Ssub | 5 | 6 | 7 | 10 | 13 |
|Sopt | 19 | 20 | 21 | 27 | 33 |
第六步,如图6所示,根据取得的多组不同信道下的C′及对应的
以C′为自变量、
为应变量选取拟合函数进行函数拟合,确定SNR_SUB的函数表达式;以C′为自变量、
为应变量选取拟合函数进行函数拟合,确定SNR_OPT的函数表达式。本例使用的拟合函数为如下形式
其中asub,bsub,csub,aopt,bopt,copt为待定参数。利用表1中的C及对应的Ssub、Sopt,使用最小二乘法进行曲线拟合,得到SNR_SUB、SNR_OPT的参数如表2所示,SNR_SUB、SNR_OPT函数曲线图6所示。
表2函数SNR_SUB、SNR_OPT的参数
| asub | bsub | csub |
SNR_SUB | 11.54 | 0.4693 | 4.259 |
| aopt | bopt | copt |
SNR_OPT | 21.00 | 0.5778 | 17.99 |
则最终确定的SNR_SUB和SNR_OPT的函数表达式为
Ssub=SNR_SUB(C)=11.54C0.4693+4.259
Sopt=SNR_OPT(C)=21.00C0.5778+17.99
步骤二,根据信道矩阵估计H,使用前文(4)到(6)式计算MIMO信道相关程度度量C;
步骤三,根据MIMO信道相关程度度量C以及接收信号信噪比SNR确定SD检测的信号数目Nopt,设信道相关信度量为C=0.14,信道估计器提供的接收信号SNR为15dB,则确定Nopt的具体步骤为:
第一步,根据C用前文方法确定的函数关系式SNR_SUB和SNR_OPT得到SNR的两个阈值Ssub和Sopt:
Ssub=SNR_SUB(0.5)=8.845
Sopt=SNR_OPT(0.5)=24.73
第二步,确定使用SD检测的信号数目Nopt。本例使用基于实数模型的SD检测方法,即将复信号的实部和虚部拆分成两个信号进行检测,则需检测的信号总数目为Nt=2NTX=8。使用SD检测的信号数目Nopt由以下关系确定:
将Nt=8,Ssub=8.845,Sopt=24.73,SNR=15dB代入上试,得Nopt=3。
步骤四,如图7所示,根据接收信号y、信道矩阵估计H和SD检测的信号数目N
opt,结合SD方法和次优检测方法进行信号检测,输出检测结果
。具体步骤为:
第一步,根据Nopt将发射信号向量x分成两部分 其中xopt是Nopt×1维的向量,表示由SD检测的发射信号;xsub是(Nt-Nopt)×1维的向量,表示由次优检测的发射信号。对应地,将信道矩阵估计H按列分成两部分H=[HsubHopt]。其中Hopt是Nr×Nopt维的矩阵,与xopt对应;其中Hsub是Nr×(Nt-Nopt)维的矩阵,与xsub对应;
第二步,根据接收信号y和信道矩阵估计H,使用SD检测得到x
opt的一个可行估计
第三步,以
为等效接收信号,H
sub为等效信道矩阵,使用次优检测方法(ZF、MMSE、或IC检测)得到当前可行估计
下,x
sub的估计值
第四步,x的一个可行估计值为 其检测可靠度的度量
第五步,重复以上第二步到第四步的步骤,直到搜索完全部可行估计;
第六步,从所有可行估计中选取度量M最小的,作为最终的检测结果输出。
图8到图11给出了本实施例所提出的信号检测方法,在不同信道下的两组仿真结果。仿真中取NTX=4,NRX=4,调制方式为4-QAM,不采用纠错编码。
图8给出了本实施例方法在一个不相关信道(C≈0)下的误码性能曲线,图中横坐标为接收信号信噪比(SNR),纵坐标为检测的误比特率(BER)。为了进行性能比较,图中也给出了MMSE IC检测和MMSE V-BLAST排序SD检测的性能曲线。对应地,图9给出了本实施例方法在相同信道下的计算复杂度曲线,图中横坐标为SNR,纵坐标为每次检测所需的浮点运算次数(flops)。为了进行性能比较,图中也给出了MMSE IC检测和MMSE V-BLAST排序SD检测的性能曲线。由图8和图9的结果可以看到,本发明提出的检测方法在不相关信道下的BER性能与最优的SD检测几乎相同,好于其他次优的检测方法。同时,本实施例方法在计算复杂度上低于最优的SD算法。
图10给出了本实施例方法,在一个不相关信道(C≈0.15)下的误码性能曲线,图中横坐标为接收信号信噪比(SNR),纵坐标为检测的误比特率(BER)。为了进行性能比较,图中也给出了MMSE IC检测和MMSE V-BLAST排序SD检测的性能曲线。对应地,图11给出了本实施例方法在相同信道下的计算复杂度曲线,图中横坐标为SNR,纵坐标为每次检测所需的浮点运算次数(flops)。为了进行性能比较,图中也给出了MMSE IC检测和MMSEV-BLAST排序SD检测的性能曲线。由图10和图11的结果可以看到,本实施例方法在相关信道下的BER性能与最优的SD检测几乎相同,好于其他次优的检测方法。同时,本实施例方法在计算复杂度上低于最优的SD算法。
综合图8到图11的结果可以看到,本实施例方法在不同信道环境下都能达到接近最优SD检测的误码性能,降低了检测的计算复杂度。在不同信道环境下都具有良好的性能。