CN101355377A - 一种多输入多输出v-balst系统信号检测方法 - Google Patents

Abstract

本发明涉及一种多输入多输出V－BALST系统信号检测方法，包括：基于正交训练序列来估计信道H；在约束条件

下，在H_i ^HU_nU_n ^HH_i中估计出最小的H_i从而获得系数μ并根据

计算最优信道估计

；其中，H_i为信道子空间，

为估计信道子空间，ε为预先设定值，U_nU_n ^H是噪声子空间：根据所述最优信道估计

对接收信号进行检测。这种方法考虑到信道估计误差对检测性能影响，利用子空间理论得到了最优信道估计

，能降低系统对信道估计误差ΔH的敏感性，提高检测性能。

Description

一种多输入多输出V-BALST系统信号检测方法

技术领域

本发明涉及移动通信，具体涉及一种多输入多输出V-BALST系统信号检测方法。

背景技术

目前，多输入多输出Multiple-Input Multiple-Output(简称MIMO)技术是无线移动通信领域的重大突破，它利用空间中的多个传输信道成倍的增加系统容量和频谱利用率。1996年Foschini提出了一种多输入多输出处理算法：对角-贝尔实验室分层空时Diagonal Bell Laboratories Layered Space Time(简称D-BLAST)算法。D-BLAST通过对角分层结构有效地利用了发射分集，但是其译码复杂度很高，难以实用。为了降低复杂度，1998年Wolniansky等人提出另一种分层空时码的系统模型-垂直贝尔实验室分层空时码Vertical-Bell Laboratories Layered Space-Time System(简称V-BLAST)。在V-BLAST中矢量编码的过程是简单的解复用操作，因此复杂度大大降低。

在V-BALST系统中，接收信号是所有发射信号和噪声的叠加。最优的检测方法是最大似然方法Maximum Likelihood(简称ML)，但是由于其复杂度过高而难以实现。因此，V-BLAST传统的检测方法利用干扰抑制和干扰相消技术，即在检测某个发射天线的符号时通过使用线性滤波和判决反馈来抑制其他发射天线的干扰。线性滤波器的设计可以使用最小均方差Minimum Mean-Square Error(简称MMSE)或迫零Zero-Forcing(简称ZF)准则。

V-BLAST系统的结构框图如图1所示。发射的数据序列S＝[S₁ S₂…S_n]^T解复用为n层，n为发射天线的个数，第i层的数据为S_i，经过独立地调制后，n个发射天线同时发射。为描述方便这里做如下定义：(·)^T表示矩阵(或矢量)的转置，(·)^H表示矩阵(或矢量)的共轭转置，

表示矩阵的伪逆，^*表示复数的共轭；[A]_k，m表示矩阵A的第(k，m)个元素；diag(d)表示一个对角线元素为d的对角矩阵；I_N表示N×N的单位矩阵；||·||_F ²表示矩阵的Frobenius范数。

接收数据为：

r＝HS+N(1)

其中r＝[r₁ r₂…r_m]^T，r_j表示第j个接收天线上接收的信号。这里假定有m个接收天线。H信道矩阵，由下式给出：

$H=\left[\begin{array}{cccccc}{h}_{11}& h_{12}& .& .& .& h_{1n}\\ h_{21}& h_{22}& .& .& .& h_{2n}\\ .& .& & .& & .\\ .& .& & .& & .\\ .& .& & .& & .\\ h_{m1}& h_{m2}& .& .& .& h_{\mathrm{mn}}\end{array}\right]=\left[\begin{array}{cccc}{H}_1& H_2& ...& H_n\end{array}\right]---\left(2\right)$

h_ji表示第j个接收天线与第i个发射天线的信道响应。H_i表示H的第i列。S_i表示第i个发射天线发射的符号。N表示加性高斯白噪声(AdditiveWhite Gaussian Noise，AWGN)。

$r=H_i{S}_i+\underset{k\≠i}{\overset{n}{\mathrm{\Σ}}}{H}_k{S}_k+N---\left(3\right)$

从(3)式可以看出，接收信号是所有发射天线发射符号和噪声的叠加，因此最优的检测方法是最大似然方法，然而ML的计算复杂度随着调制阶数和发射天线的增长成指数增长，因此，难以在实际中应用。人们寻求可以在性能和复杂度之间进行折衷的次优方法。

其中的一种方法是利用线性滤波器来抑制干扰，分离所有的发射天线然后分别进行译码。这种方法虽然计算简单，但是损失了分集增益。常用的线性滤波器有ZF和MMSE。对于V-BLAST系统，ZF滤波器为

MMSE滤波器为 $W^H=H^H{({\mathrm{HH}}^H+{\mathrm{\σ}}_0^2{I}_m)}^{-1}.$ 其中σ₀ ²为噪声功率。

另外一种方法为非线性方法，串行干扰相消(Serial InterferenceCancellation，SIC)，检测出一个发射天线的信号，从接收信号中减去该发射天线的影响。方法如下：

(a)初始化：

i＝1

G¹＝H⁺

$k_1=\arg \underset{j}{\min }{\left|\right|{\left(G^1\right)}_j\left|\right|}^2$

(b)迭代：

$W_{k_i}^T={\left(G^i\right)}_{k_i}$

$y_{k_i}=W_{k_i}^T{r}_i$

${\hat{a}}_{k_i}=Q\left(y_{k_i}\right)$

$r_{i+1}=r_i-{\hat{a}}_{k_i}{H}_{k_i}$

$k_{i+1}=\arg \underset{j}{\min }{\left|\right|{\left(G^{i+1}\right)}_j\left|\right|}^2$

i＝i+1

其中，

表示

去掉第k_i列后由剩余的列重新构成的矩阵； $W_i^T=G_i$ 为G的第i行。Q(·)表示判决操作。

然而以上方法都要求接收端完全准确已知信道信息。通常都是基于训练序列来估计信道，然后利用估计的信道进行检测。在检测的过程中，都假定信道估计没有误差。然而在实际的系统中，必然会存在信道估计误差，就会使这些方法的性能恶化。文献[A Space-Time Coding Modem forHigh-Data-Rate Wireless Communications，”IEEE J.Select.Areas Commun.，vol.16，no.8，pp 1459-1478，Oct.1998.]表明当采用的训练序列正交时，信道误差可以看成一个均值为零的复高斯随机变量，可以据此来设计相应的信号检测方法。

发明内容

本发明需要解决的技术问题是提供一种多输入多输出V-BALST系统信号检测方法，能尽可能减少信道估计误差，提高检测性能。

本发明的上述技术问题这样解决，提供一种多输入多输出V-BALST系统信号检测方法，包括以下步骤：

1.1)基于正交训练序列来估计信道H；

1.2)在约束条件||H_i-H_i||²≤ε下，在H_i ^HU_nU_n ^HH_i中估计出最小的H_i从而获得系数μ并根据 ${\hat{H}}_i=\mathrm{\μ}{(U_n{U}_n^H+\mathrm{\μI})}^{-1}{\stackrel{\‾}{H}}_i$ 计算最优信道估计

其中，H_i为信道子空间，H_i为估计信道子空间，ε为预先设定值，U_nU_n ^H是噪声子空间：

1.3)根据所述最优信道估计

对接收信号进行检测。

按照本发明提供的检测方法，所述步骤1.1)中估计基于各发射天线发送的正交训练序列、对应各接收天线的接收信号r以及公式r＝HS+N，其中N为噪声，S为作为发送信号的正交训练序列。

按照本发明提供的检测方法，所述步骤1.1)中估计还包括步骤：由采样数据估计相关矩阵 $\hat{R}=\frac{1}{L}\underset{n=1}{\overset{L}{\mathrm{\Σ}}}{\mathrm{rr}}^H,$ 再特征分解相关矩阵构造噪声子空间U_nU_n ^H；其中，L是采样数据个数。

按照本发明提供的检测方法，所述ε的取值范围是[0.001，0.05]，比如：ε取0.001。

按照本发明提供的检测方法，所述步骤1.2)中获得系数μ包括数值搜索过程。

按照本发明提供的检测方法，所述步骤1.3)中检测是利用滤波器系数W与最优信道估计对应的线性滤波器分离所有的发射天线然后分别进行译码。

按照本发明提供的检测方法，所述线性滤波器是ZF滤波器，其滤波器系数

按照本发明提供的检测方法，所述线性滤波器是MMSE滤波器，其滤波器系数 $W^H={\stackrel{\‾}{H}}^H{(\stackrel{\‾}{H}{\stackrel{\‾}{H}}^H+{\mathrm{\σ}}_0^2{I}_m)}^{-1};$ 其中，σ₀ ²为噪声功率。

按照本发明提供的检测方法，所述线性滤波器是系数寻优滤波器，其滤波器系数 $w_i=\mathrm{\μ}{R}^{-1}\left[\mathrm{\μ}{(U_n{U}_n^H+\mathrm{\μI})}^{-1}{\stackrel{\‾}{H}}_i\right].$

按照本发明提供的检测方法，所述步骤1.3)中检测是利用非线性方法中的串行干扰相消，包括步骤：检测出一个发射天线的信号，再从接收信号中减去该发射天线的影响。

按照本发明提供的检测方法，所述多输入多输出V-BALST系统包括m个输入天线和n个输出天线；其中，m和n是大于1的自然数且m≥n。

按照本发明提供的检测方法，所述多输入多输出V-BALST系统的空中信号采用垂直贝尔实验室分层空时码V-BALST。

本发明提供的一种多输入多输出V-BALST系统信号检测方法，基于传统V-BLAST信号检测方法在信道存在误差的情况下性能会恶化，从阵列信号处理的角度，考虑到信道估计误差的影响，利用子空间理论得到了最优信道估计

进而生成V-BLAST系统中的一种新检测方法，该方法大大降低了系统对信道估计误差的敏感性。

附图说明

下面结合附图和具体实施例进一步对本发明进行详细说明。

图1是本发明实施例中用到的V-BLAST系统结构框图；

图2是根据本发明实施例的用于多输入多输出系统的信号检测方法的流程示意图；

图3是图2所示方法的无信道误差时仿真效果示意图。

图4是图2所示方法的信道估计存在误差时仿真效果示意图。

具体实施方式

如图1所示，V-BLAST系统包括多个发射单元Tx和若干接收单元Rx；其中：发射的数据序列S＝[S₁ S₂…S_n]^T解复用为n层，n为发射天线的个数，第i层的数据为S_i，经过独立地调制后，n个发射天线同时发射。接收数据r为：r＝HS+N；其中r＝[r₁ r₂…r_m]^T，r_j表示第j个接收天线上接收的信号，这里假定有m个接收天线，且m≥n，H为信道矩阵。

如图2所示，根据本发明实施例的用于多输入多输出系统的信号检测方法具体包括以下步骤：

201)由采样数据估计相关矩阵，即 $\hat{R}=\frac{1}{L}\underset{n=1}{\overset{L}{\mathrm{\Σ}}}{\mathrm{rr}}^H;$

202)对

做特征分解，构造噪声子空间U_nU_n ^H；

用H表示估计得到的信道响应，H表示实际的信道响应，则有：

H＝H+ΔH  (4)

其中，ΔH表示真实的信道和估计的信道之差，它满足下面的关系式：

$C=\{\mathrm{\ΔH}:{\left|\right|\mathrm{\ΔH}\left|\right|}_F^2\≤\mathrm{\ϵ}\}---\left(5\right)$

由经典的阵列信号处理的知识可知，由于真实的信道和估计的信道之间的差异，使得约束项不能得到满足，这就会出现信号相消现象，使得信号S_i输出的功率变小，误码率增加，同时也加大了后续串行干扰相消中的误差传播效应。为此，需要找到一种稳健的方法来克服信道误差对检测方法的影响。

利用特征值分解，接收数据的协方差矩阵可以写为：

$R=\left[\begin{array}{cc}{U}_s& U_n\end{array}\right]\left[\begin{array}{cc}{\mathrm{\Σ}}_s+{\mathrm{\σ}}_n^{2}I& 0\\ 0& {\mathrm{\σ}}_n^{2}I\end{array}\right]\left[\begin{array}{c}{U}_s^H\\ U_n^H\end{array}\right]---\left(6\right)$

其中，U_s＝[u₁，…，u_n]为信号子空间，U_n＝[u_n+1，…，u_m]为噪声子空间， ${\mathrm{\Σ}}_s=\mathrm{diag}\{{\mathrm{\λ}}_1^2,...,{\mathrm{\λ}}_n^2\}$ 为n个大的特征值。根据子空间理论可知，span{u_n+1，u_n+2，….u_m}⊥span{H₁，H₂，…，H_n}。这就说明H_i张成的子空间与噪声子空间相互垂直，但是一旦存在误差

张成的子空间将不再与噪声子空间垂直。

203)通过数值搜索的方法找出μ值；

为了得到信道响应的最优估计 ${\hat{H}}_i=\mathrm{\μ}{(U_n{U}_n^H+\mathrm{\μI})}^{-1}{\stackrel{\‾}{H}}_i,$ 我们通过数值搜索的方法来寻找该式中的μ值，寻找的原则如(7)式所示：

$\underset{H_i}{\min }{H}_i^H{U}_n{U_n}^H{H}_i$ s.t.||H_i-H_i||²≤ε     (7)

${\hat{H}}_i=\mathrm{\μ}{(U_n{U}_n^H+\mathrm{\μI})}^{-1}{\stackrel{\‾}{H}}_i$

${\hat{H}}_i=\mathrm{\μ}{(U_n{U}_n^H+\mathrm{\μI})}^{-1}{\stackrel{\‾}{H}}_i$

$\underset{H_i}{\min }{H}_i^H{U}_n{U_n}^H{H}_i$

(7)式即在约束条件||H_i-H_i||²≤ε下(其中ε为设定的某值。例如，可取ε＝0.001)，在H_i ^HU_nU_n ^HH_i中估计出最小的H_i。其中，H_i是已知的，但存在误差。由优化方程(7)可以看出，我们是在寻找最接近第i层实际的信道响应，从此优化方程可以得到实际的信道响应的最优估计

然后再用该信道响应波束形成，求出第i层的滤波器系数。

这个最小的H_i所对应的μ就是我们本步骤要寻找的μ值，其具体过程如下：

方程(7)由拉格朗日乘子表示即为：

$L(H_i,\mathrm{\μ})=H_i^H{U}_n{U_n}^H{H}_i+\mathrm{\μ}(H_i^H{H}_i-H_i^H{\stackrel{\‾}{H}}_i-{\stackrel{\‾}{H}}_i^H{H}_i+{\stackrel{\‾}{H}}_i^H{\stackrel{\‾}{H}}_i)---\left(8\right)$

在(8)式两边对H_i求偏导可以得到

$\frac{\∂L(H_i,\mathrm{\μ})}{\∂H_i}=2U_n{U}_n^H{H}_i+2\mathrm{\μ}(H_i-{\stackrel{\‾}{H}}_i)=0---\left(9\right)$

对方程(9)进行整理得到H_i的表达式，即为第i层信号的信道响应的最优估计，我们用

表示，则表示为(10)式：

${\hat{H}}_i=\mathrm{\μ}{(U_n{U}_n^H+\mathrm{\μI})}^{-1}{\stackrel{\‾}{H}}_i=\mathrm{\μB}{\stackrel{\‾}{H}}_i---\left(10\right)$

其中， $B={(U_n{U}_n^H+\mathrm{\μI})}^{-1}.$

两边对μ求偏导：

$\frac{\∂L({\hat{H}}_i,\mathrm{\μ})}{\∂\mathrm{\μ}}={\hat{H}}_i^H{\hat{H}}_i-{\hat{H}}_i^H{\stackrel{\‾}{H}}_i-{\stackrel{\‾}{H}}_i^H{\hat{H}}_i+{\stackrel{\‾}{H}}_i^H{\stackrel{\‾}{H}}_i=0---\left(11\right)$

将(10)中的

代入式(11)，即：

$\mathrm{\μ}{\left[B{\stackrel{\‾}{H}}_i\right]}^H*\mathrm{\μB}{\stackrel{\‾}{H}}_i-\mathrm{\μ}{\left[B{\stackrel{\‾}{H}}_i\right]}^H{\stackrel{\‾}{H}}_i-{\stackrel{\‾}{H}}_i^H\mathrm{\μB}{\stackrel{\‾}{H}}_i+{\stackrel{\‾}{H}}_i^H{\stackrel{\‾}{H}}_i=0$ (12)

${\mathrm{\μ}}^2{\stackrel{\‾}{H}}_i^H{B}^{H}B{\stackrel{\‾}{H}}_i-\mathrm{\μ}({\stackrel{\‾}{H}}_i^H{B}^H{\stackrel{\‾}{H}}_i+{\stackrel{\‾}{H}}_i^{H}B{\stackrel{\‾}{H}}_i)+{\stackrel{\‾}{H}}_i^H{\stackrel{\‾}{H}}_i=0$

(12)式是一个关于μ的高次方程，采用数值搜索的方法，便可找出满足上述方程的解，得到μ值。

204)得到信道响应的最优估计 ${\hat{H}}_i=\mathrm{\μ}{(U_n{U}_n^H+\mathrm{\μI})}^{-1}{\stackrel{\‾}{H}}_i;$

根据步骤203)所求得的μ值，代入 ${\hat{H}}_i=\mathrm{\μ}{(U_n{U}_n^H+\mathrm{\μI})}^{-1}{\stackrel{\‾}{H}}_i,$ 就得到了实际信道响应的最优估计

205)根据Capon法估计第i层的滤波器系数，即 $w_i=\mathrm{\μ}{R}^{-1}{\hat{H}}_i;$

206)通过滤波器系数w对信号进行检测。

最后，结合图3和图4说明本发明方法的仿真效果，它们给出了在同一仿真条件下传统的检测算法与本发明算法的性能比较：

(一)仿真条件

每个发射天线和接收天线之间的信道为平坦衰落信道，每个数据块内信道保持不变，数据块之间信道随机变化。噪声为均值为0，方差为 ${\mathrm{\σ}}_0^2=1$ 的复高斯随机变量。信噪比SNR定义为 $\mathrm{SNR}={\mathrm{\ϵ}}^2/{\mathrm{\σ}}_0^2,$ 其中ε²表示信号的能量；发射天线数为n＝4。

(二)性能比较

①图3给出了无信道误差时发明方法(Proposed)与ZF和MMSE方法以及三者用于SIC(Proposed-SIC，ZF-SIC，MMSE-SIC)时的性能比较(接收端采用6根天线，QPSK调制，数据块的长度为1000)，从图3可以看出本发明方法与MMSE方法的性能几乎相同；本发明方法用于SIC时与MMSE-SIC的性能几乎相同。②图4给出了有信道误差时(m＝6时 ${\left|\right|\mathrm{\ΔH}\left|\right|}_F^2=0.1176$ )本发明方法(Proposed)、ZF和MMSE以及三者用于SIC的性能比较(QPSK调制，数据块的长度为1000)，从图4可以看出当信道估计存在误差，在BER为10^-1时，本发明方法与ZF和MMSE相比，大约都有3dB的增益；本发明方法用于SIC情况下，在BER为10^-2时，与ZF-SIC和MMSE-SIC相比，大约都有5dB的增益。

以上所述仅为本发明的实施例而已，但不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。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权利要求范围之内。

Claims (10)

1、一种多输入多输出V-BALST系统信号检测方法，其特征在于，包括以下步骤：

1.1)基于正交训练序列来估计信道H；

1.2)在约束条件‖H_i-H_i‖²≤ε下，在H_i ^HU_nU_n ^HH_i中估计出最小的H_i从而获得系数μ并根据 ${\hat{H}}_i=\mathrm{\μ}{(U_n{U}_n^H+\mathrm{\μI})}^{-1}{\stackrel{\‾}{H}}_i$ 计算最优信道估计

其中，H_i为信道子空间，H_i为估计信道子空间，ε为预先设定值，U_nU_n ^H是噪声子空间：

1.3)根据所述最优信道估计

对接收信号进行检测。

2、根据权利要求1所述检测方法，其特征在于，所述步骤1.1)中估计基于各发射天线发送的正交训练序列、对应各接收天线的接收信号r以及公式r＝HS+N，其中N为噪声，S为作为发送信号的正交训练序列。

3、根据权利要求1所述检测方法，其特征在于，所述步骤1.1)中估计还包括步骤：由采样数据估计相关矩阵 $\hat{R}=\frac{1}{L}\underset{n=1}{\overset{L}{\mathrm{\Σ}}}r{r}^H,$ 再特征分解相关矩阵

构造噪声子空间U_nU_n ^H；其中，L是采样数据个数。

4、根据权利要求1所述检测方法，其特征在于，所述ε的取值范围是[0.001，0.05]。

5、根据权利要求1所述检测方法，其特征在于，所述步骤1.3)中检测是利用滤波器系数W与最优信道估计对应的线性滤波器分离所有的发射天线然后分别进行译码。

6、根据权利要求5所述检测方法，其特征在于，所述线性滤波器是ZF滤波器，其滤波器系数

7、根据权利要求5所述检测方法，其特征在于，所述线性滤波器是MMSE滤波器，其滤波器系数 $W^H={\stackrel{\‾}{H}}^H{(\stackrel{\‾}{H}{\stackrel{\‾}{H}}^H+{\mathrm{\σ}}_0^2{I}_m)}^{-1};$ 其中，σ₀ ²为噪声功率。

8、根据权利要求5所述检测方法，其特征在于，所述线性滤波器是系数寻优滤波器，其滤波器系数 $w_i=\mathrm{\μ}{R}^{-1}\left[\mathrm{\μ}{(U_n{U}_n^H+\mathrm{\μI})}^{-1}{\stackrel{\‾}{H}}_i\right].$

9、根据权利要求1所述检测方法，其特征在于，所述步骤1.3)中检测是利用非线性方法中的串行干扰相消，包括步骤：检测出一个发射天线的信号，再从接收信号中减去该发射天线的影响。

10、根据权利要求1所述检测方法，其特征在于，所述多输入多输出V-BALST系统包括m个输入天线和n个输出天线；其中，m和n是大于1的自然数且m≥n。

Images