CN101536389B - Mimo-ofdm通信系统和mimo-ofdm通信方法 - Google Patents

Abstract

本发明提供MIMO-OFDM通信系统和MIMO-OFDM通信方法。MIMO-OFDM通信方法通过MIMO-OFDM通信来收发数据，该MIMO-OFDM通信方法在发送侧执行以下步骤：根据规定的预编码方式对发送数据实施预编码处理；以及对预编码处理后的数据进行OFDM调制并从多个发送天线进行发送，该MIMO-OFDM通信方法在接收侧执行以下步骤：对利用多个接收天线接收到的接收信号实施基于ZF解码算法或MMSE解码算法的MIMO解码处理，并输出发送数据流；计算与预编码方式对应的权重系数；以及通过对路径度量乘以权重系数，对通过解码处理得到的发送数据实施加权解码处理。

Description

MIMO-OFDM通信系统和MIMO-OFDM通信方法

技术领域

本发明涉及MIMO-OFDM通信系统和MIMO-OFDM通信方法，特别涉及在通过MIMO-OFDM通信来收发数据的第二代无线LAN等的数字无线通信系统和空间复用OFDM系统中，能够改善系统的性能并减少复杂度的MIMO-OFDM通信系统和MIMO-OFDM通信方法。

背景技术

在当前的无线通信系统中，通过从多个发送天线并行发送不同的数据流而与发送天线数量成比例地增大传送容量的空间复用传送技术受到瞩目。不同的发送天线配置成相互不相关，从各天线发送的数据流分别通过独立的衰落传输路径，由接收天线接收。

这里，利用配置成相互不相关的多个接收天线构成多输入多输出(Multiple-Input Multiple-Output：MIMO)系统，由此，能够生成自由度高的信道相关矩阵，能够提高对空间复用的数据流进行分离时的SNR。

图21是MIMO系统的结构说明图。TR是发送站，RV是接收站。在各个发送部TX₁～TX_M中经由数据调制、过采样、D/A转换、正交调制、升频转换、频带限制滤波等处理，从各发送天线ATT₁～ATT_M发送与发送天线ATT₁～ATT_M的数量M相同数量的数据流S₁～S_M。从各天线ATT₁～ATT_M发送的信号通过独立的衰落信道h_mn(m＝1～M，n＝1～N)，在空间中复用后，由N根接收天线ATR₁～ATR_N接收。由各接收天线接收的信号在接收部RX₁～RX_N中经由滤波、降频转换、正交检波、A/D转换处理，生成y₁～y_N的接收数据流。各接收数据流为对M个发送数据流进行复用后的形式，所以，在数据处理装置DPU中对全部接收数据流进行信号处理，由此，分离/再现发送数据流。

在从接收信号中分离发送数据流S₁～S_M的信号处理的算法中，存在使用信道相关矩阵的逆矩阵的ZF(Zero-Forcing，迫零)算法和MMSE(Minimum Mean Square Error，最小均方差)算法这样的线性算法、和以BLAST(Bell Laboratories Layered Space-Time)算法为代表的非线性算法。并且，还公知有MLD(Maximum Likelihood Decoding)算法等不使用相关矩阵的逆矩阵运算的方法。

现在，利用M维的复矩阵S表示发送数据流、利用N维的复矩阵Y表示接收数据流时，存在下式的关系。

[数式1]

Y＝HS+V    (1)

这里，H是N×M的复信道矩阵(h₁₁～h_NM)，V是N维的AWGN。

在ZF算法中，通过下式来估计发送数据流。

[数式2]

$\hat{S}={\left(H^{*}H\right)}^{-1}{H}^{*}Y---\left(2\right)$

这里，*表示矩阵的复共轭转置，H*H被称为信道相关矩阵。

在MMSE算法中，通过下式来估计发送数据流。

[数式3]

$\hat{S}={(H^{*}H+\mathrm{\αI})}^{-1}{H}^{*}Y---\left(3\right)$

α＝σ_v/σ_s＝M/ρ

E[SS^*]＝σ_xI

这里，ρ相当于每个接收天线的SNR。在MMSE中，需要高精度地估计SNR，但是，由于能够降低ZF中噪声强调的影响，所以，一般，特性比ZF优良。

在MLD算法中，通过下式来估计发送数据流。

[数式4]

$\hat{S}=\arg \underset{k}{\min }{\left|\right|Y-{\mathrm{HS}}_k\left|\right|}^2{S}_k\∈\{S_1\·\·\·S_K\},K=Q^M---\left(4\right)$

这里，Q是调制数据的信号点配置的数量，在QPSK中，Q＝4，在16QAM中，Q＝16，在64QAM中，Q＝64。这样，在MLD中，多值调制的运算量庞大，并且，运算量相对于发送天线数量以指数函数的方式增大。

关于MIMO-OFDM收发，利用OFDM(Orthogonal Frequency DivisionMultiplexing，正交频分复用)发送部、OFDM接收部构成图21中的发送站TR的发送部、接收站RV的接收部。

图22是现有的MIMO-OFDM系统的结构图。在发送侧，FEC(Forward Error Correction，前向纠错编码)编码器1通过卷积编码对输入数据流实施错误检测纠正用的编码处理，删余部2根据编码率对已编码的数据列实施删余处理，空间交织部(Spatial Interleaver)3将删余后的数据比特列分成多个、图中为Ns个数据流。接着，频率交织部(Frequency Interleaver)4₁～4_Ns进行更换所输入的串行数据(子载波信号分量)的位置的频率交织。星座映射部(Constellation Mapper)5₁～5_Ns根据由自适应控制部(未图示)指示的数据调制方式(BPSK、QPSK、16QAM、64QAM等)，对子载波数量的信号分量进行星座映射。接着，预编码器6对Ns组的各并行数据乘以规定的预编码矩阵，将Ns个数据流转换为Nt个数据流。另外，为了得到发送分集效果并减轻信道间干扰，而进行预编码处理。

IFFT(Inverse Fast Fourier Transform)部7₁～7_Nt分别将串行输入的数据转换为子载波数量的并行数据，然后，对该并行数据实施IFFT(傅立叶逆变换)处理并进行合成，作为离散时间信号(OFDM信号)输出。保护间隔插入部8₁～8_Nt对从IFFT部输入的OFDM信号插入保护间隔，发送部(TX)9₁～9_Nt对插入了保护间隔的OFDM信号进行DA转换，接着，将OFDM信号的频率从基带转换为无线频带，进行高频放大，从天线10₁～10_Nt发送。

从发送天线10₁～10_Nt发送的信号经由衰落信道(传输路径)，由接收装置的接收天线11₁～11_Nr接收，接收电路(Rx)12₁～12_Nr将由天线接收的RF信号转换为基带信号，以数字方式对该基带信号进行AD转换并输出。码元切出部13₁～13_Nr删除保护间隔GI，并且，按照FFT定时切出OFDM码元，将其输入到FFT部14₁～14_Nr。FFT部14₁～14_Nr针对每个所切出的OFDM码元进行FFT处理，将其转换为频域的子载波样本。

信道估计部15针对每个子载波进行信道估计，将信道状态信息CSI(信道H(k))输入到发送侧和MIMO处理部16。另外，发送侧的预编码器6根据所通知的信道来决定预编码矩阵，未图示的自适应控制部通过自适应控制来决定数据调制方式，将其输入到各星座映射部5₁～5_Ns。

MIMO处理部16使用估计出的信道，针对每个子载波，根据规定的信号算法从接收信号中分离输出Ns个发送数据流。

然后，星座解映射部(Constellation Demapper)17₁～17_Ns、频率解交织部(Frequency Deinterleaver)18₁～18_Ns、空间解交织部(SpatialDeinterleaver)19、解删余部20、解码部21按照与发送侧的处理相反的顺序，进行Demapping处理、频率解交织处理、空间解交织处理、解码处理，对发送数据进行解调、解码并输出。

发送侧的预编码器6对Ns个数据流乘以基于空间复用预编码方式、固有模式转送预编码方式、Limited feedback preceding方式(限定反馈预编码方式)中的任一方式的预编码矩阵F(k)，进行预编码。

如果不知信道H(k)，则预编码器6使用identity matrix作为预编码矩阵F(k)，将其与发送数据流相乘来执行预编码(空间复用预编码方式)。并且，如果发送侧和接收侧的信道状态信息(CSI)已知，则预编码器6对信道矩阵H(k)进行奇异值分解(SVD)，将分解后的矩阵作为预编码矩阵F(k)，将该矩阵F(k)与发送数据流相乘来执行预编码(固有模式转送预编码方式)。并且，如果从接收侧反馈来适应于信道的预编码矩阵F(k)，则预编码器6将该预编码矩阵F(k)与发送数据流相乘来执行预编码(限定反馈预编码方式)。

在固有模式转送预编码方式和限定反馈预编码方式中，发送侧需要利用信道状态信息(CSI)或部分CSI。进而，在固有模式转送预编码方式的情况下，要求发送侧进行自适应调制控制和功率控制。

图23是现有的MIMO-OFDM通信装置的另一结构图，与图21的MIMO-OFDM通信装置的不同点在于，代替预编码器6而设置STBC部6’这点，以及STBC部6’为了得到发送分集(Diversity)，而分别对Ns个数据流进行空时编码(STBC：Space Time Block Coding)，并映射到Nt根天线中这点。即，STBC部6’的STBC编码器6₁’～6_Ns’对分别从星座映射部5₁～5_Ns输入的数据实施STBC编码处理并输出。图24是STBC编码处理的说明图，STBC编码器6_i’将周期T连续的2个码元数据[x₀、x₁]转换为2序列的码元数据列。第1数据列为[x₀、-x₁ ^*]，第2数据列为[x₁、x₀ ^*]。*意味着复共轭。分别对该2序列的数据进行OFDM处理，并输入到2个发送天线。在图24中，仅示出1个序列的OFDM发送结构，但是，其他序列也具有同样的结构。

在图22的现有的MIMO-OFDM系统(空间复用预编码方式、固有模式转送预编码方式、限定反馈预编码方式)中，为了实现高性能化，使用MLD算法。并且，在图23的现有的混合STBC空间复用OFDM系统或混合SFBC空间复用OFDM系统中，为了实现高性能化，也使用MLD算法。SFBC是Space Frequency Block Coding的简称。

但是，MLD算法的运算量非常大，存在实现MLD算法的复杂度庞大的问题。因此，为了降低复杂度，使用ZF算法或MMSE算法，为了改善性能，利用重复解码算法(VBLAST算法)等。但是，如果为了降低复杂度而使用ZF算法或MMSE算法，则产生错误率性能劣化的问题。并且，当为了改善性能而使用VBLAST算法时，产生复杂度和处理延迟增加的问题。并且，在现有的MIMO-OFDM通信中，根据接收状态，需要采用自适应调制控制和功率控制，但是，这些控制进一步增大系统的复杂度，并且，在成本和功耗等方面不是优选的。由此，期望能够降低系统复杂度、并改善性能的MIMO-OFDM通信方法。

作为现有技术，具有在MIMO-OFDM系统中准确地进行信道参数估计的技术(参照专利文献1)。并且，作为另一现有技术，具有在MIMO-OFDM系统中组合ZF和MLD来简化运算处理的解码器(参照专利文献2)。进而，作为另一现有技术，具有在MIMO-OFDM系统中简化使用了V-BLAST时的运算处理的技术(参照专利文献3)。但是，这些现有技术无法通过ZF算法或MMSE算法来降低MIMO解码的复杂度，并且，无法实现性能的提高。

由此，本发明的目的在于，即使在接收侧的MIMO解码处理中使用ZF算法或MMSE算法，也能够改善错误率性能。

本发明的另一目的在于，利用简单的信号处理，来改善MIMO-OFDM通信(空间复用、固有模式转送、限定反馈预编码方式)中的错误率性能。

本发明的另一目的在于，即使不在发送侧进行自适应调制控制和功率控制，也能够改善错误率性能。

本发明的另一目的在于，利用简单的信号处理，来改善混合STBC空间复用OFDM系统或混合SFBC空间复用OFDM系统中的错误率性能。

本发明的另一目的在于，提高再次发送性能。

专利文献1：日本特开2002-44051

专利文献2：日本特表2006-509396

专利文献3：日本特开2003-244103

发明内容

MIMO-OFDM通信方法

本发明的第1MIMO-OFDM通信方法在发送侧执行以下步骤：根据规定的预编码方式对发送数据实施预编码处理；以及对预编码处理后的数据进行OFDM调制并从多个发送天线进行发送，该MIMO-OFDM通信方法在接收侧执行以下步骤：对利用多个接收天线接收到的接收信号实施基于ZF解码算法或MMSE解码算法的MIMO解码处理，并输出发送数据流；计算与所述预编码方式对应的权重系数；以及通过对路径度量乘以所述权重系数，对通过所述解码处理得到的发送数据实施加权解码处理。

本发明的第2MIMO-OFDM通信方法在发送侧执行以下步骤：对发送数据实施空时编码(STBC)处理或空频编码(SFBC)处理，并映射到多个发送天线；以及分别对通过所述编码处理而映射的发送数据实施OFDM调制并从发送天线进行发送，该MIMO-OFDM通信方法在接收侧执行以下步骤：估计将从发送装置的各发送天线到各接收天线的信道响应作为元素的信道响应矩阵，并对该信道响应矩阵实施规定转换；使用通过该转换得到的信道矩阵，对接收信号实施基于ZF解码算法或MMSE解码算法的MIMO解码处理，并输出发送数据流；使用所述信道矩阵来计算数据流的信噪比作为权重系数；以及通过对路径度量乘以所述权重系数，对通过所述解码处理得到的发送数据实施加权解码处理。

·MIMO-OFDM接收装置

本发明的MIMO-OFDM接收装置具有：多个接收天线，其接收从多个天线发送的信号；MIMO处理部，其对所述接收信号实施基于ZF解码算法或MMSE解码算法的解码处理，并输出发送数据流；权重系数计算部，其计算与发送侧的预编码方式对应的权重系数；以及解码部，其通过对路径度量乘以所述权重系数，对通过所述解码处理得到的发送数据实施加权解码处理。

在所述MIMO-OFDM接收装置中，该接收装置还具有：信道估计部，其通过由多个接收天线接收到的接收信号来估计信道；以及预编码矩阵决定部，在所述发送侧的预编码方式是限定反馈预编码方式时，该预编码矩阵决定部根据该信道来决定在发送侧的预编码处理中使用的预编码矩阵，所述MIMO处理部使用所述预编码矩阵和所述信道，对所述接收信号实施基于ZF解码算法或MMSE解码算法的解码处理，并输出发送数据流，所述权重系数计算部使用所述预编码矩阵和所述信道，计算数据流的信噪比，将该信噪比作为所述权重系数。

·MIMO-OFDM通信系统

在本发明的MIMO-OFDM通信系统中，发送装置具有：一个FEC编码器，其对发送数据流实施编码处理；删余部，其对已编码的发送数据流实施基于编码率的删余处理；频率交织部，其对实施了删余处理后的发送数据流实施频率交织；星座映射部，其对频率交织后的发送数据流实施星座映射处理；空间交织部，其设置在所述删余部或所述频率交织部或所述星座映射部的后级，用于将发送数据流分为多个发送数据流；预编码器，其对各发送数据流实施预编码处理；OFDM调制部，其对各发送数据流实施OFDM调制；以及多个发送天线，其发送OFDM调制后的各发送数据流，接收装置具有：多个接收天线，其接收从多个天线发送的信号；MIMO处理部，其对所述接收信号实施基于ZF解码算法或MMSE解码算法的解码处理，并分离输出多个发送数据流；权重系数计算部，其计算与发送侧的预编码方式对应的权重系数；处理部，其按照与发送侧相反的顺序，对所述多个数据流实施解映射、频率解交织、空间解交织、解删余处理；以及解码部，其通过对路径度量乘以所述权重系数，对所输入的数据流实施加权解码处理。

·MIMO-OFDM通信装置

本发明的MIMO-OFDM通信装置具有：编码部，其对发送数据实施空时编码(STBC)处理或空频编码(SFBC)处理，并映射到多个发送天线中；OFDM发送部，其分别对通过所述编码处理而映射的发送数据实施OFDM调制并从发送天线进行发送；信道取得部，其估计将从发送装置的发送天线到接收天线的信道响应作为元素的信道响应矩阵，并对该信道响应矩阵实施规定转换；MIMO处理部，其使用由该信道取得部取得的信道矩阵，对由所述多个接收天线接收到的接收信号实施基于ZF解码算法或MMSE解码算法的MIMO解码处理，并输出发送数据流；权重系数计算部，其使用所述信道矩阵来计算数据流的信噪比作为权重系数；以及解码部，其通过对路径度量乘以所述权重系数，对通过所述解码处理得到的发送数据实施加权解码处理。

附图说明

图1是第1实施例的MIMO-OFDM收发系统的结构图。

图2是s＝1、N_s＝3的空间交织的说明图。

图3是接收机中的预编码方式的切换控制结构图。

图4是针对SNR示出错误率的仿真结果例。

图5是第2实施例的MIMO-OFDM收发系统的结构图。

图6是第3实施例的MIMO-OFDM收发系统的结构图。

图7是第4实施例的MIMO-OFDM收发系统的结构图。

图8是第5实施例的MIMO-OFDM收发系统的结构图。

图9是空间交织处理的说明图。

图10是第6实施例的MIMO-OFDM收发系统的结构图。

图11是第7实施例的MIMO-OFDM收发系统的结构图。

图12是混合STBC空间复用OFDM系统中的MIMO-OFDM通信装置的结构图(第8实施例)。

图13是将2个数据流映射到4个天线中的STBC编码处理说明图。

图14是将2个数据流映射到3个天线中的STBC编码处理说明图。

图15是STBC-IFFT处理说明图。

图16是混合SFBC空间复用OFDM系统中的MIMO-OFDM通信装置的结构图(第9实施例)。

图17是将2个数据流映射到4个天线中的SFBC编码处理说明图。

图18是将2个数据流映射到3个天线中的SFBC编码处理说明图。

图19是SFBC-IFFT处理说明图。

图20是具有再次发送功能的MIMO-OFDM通信装置的结构图(第10实施例)。

图21是MIMO系统的结构说明图。

图22是现有的MIMO-OFDM系统的结构图。

图23是现有的另一MIMO-OFDM通信装置的结构图。

图24是STBC编码处理的说明图。

具体实施方式

(A)本发明的概要

提出了优选适用于MIMO-OFDM通信系统的接收处理的新颖的加权维特比(Viterbi)解码技术。MIMO-OFDM通信系统的接收装置计算MIMO解码信道的SINR(Signal to Interference Noise Ratio)，将计算出的SINR视为信号的可信度，使用该SINR作为Viterbi解码的路径度量(pathmetric)的权重系数。根据该方法，即使不进行自适应调制控制和功率控制，也能够通过简单的信号处理、即基于低复杂度的ZF解码算法或MMSE解码算法的简单的信号处理，来降低接收数据的错误率。

(B)第1实施例

(B-1)整体的动作

图1是第1实施例的MIMO-OFDM通信系统的结构图。另外，设发送侧具有N_t个发送天线，接收侧具有N_r个接收天线，并且，设发送数据流数量为N_s，N_s≤min[N_r，N_t]。

在发送侧，FEC编码器51通过卷积编码对输入数据流实施错误检测纠正用的编码处理，删余部52根据编码率对已编码的数据列实施删余处理，空间交织部(Spatial Interleaver)53将删余后的数据比特列分成多个、图中为Ns个数据流。具体而言，空间交织部53按照周期将s比特的连续块发送到各数据流。这里，s在以下三个中选择其一即可。

1)s＝1

2)s＝max(N_BPSC/2，1)

3)s＝N_BPSC

其中，N_BPSC是每个子载波的Coded比特的数量。例如在3)的情况下，如果数据调制为BPSK调制，则s＝1，如果是QPSK调制，则s＝2，如果是16QAM调制，则s＝4。图2是s＝1、N_s＝3的空间交织的说明图。

频率交织部(Frequency Interleaver)54₁～54_Ns进行将所输入的串行数据转换为并行数据来生成子载波数量的信号分量、并更换各子载波信号分量的位置的频率交织。星座映射部(Constellation Mapper)55₁～55_Ns根据规定的数据调制方式、例如QPSK调制，对子载波数量的各信号分量进行星座映射。

接着，预编码器56对Ns个的各数据流乘以规定的预编码矩阵，将Ns个数据流转换为Nt个数据流。即，预编码器56使用预编码矩阵F(k)，利用下式，将Ns个发送数据流映射到Nt个发送天线中。

[数式5]

x(k)＝F(k)s(k)    (5)

其中，k是子载波编号，s(k)是Ns×1的发送数据矢量，x(k)是Nt×1的发送天线数据矢量。

IFFT部57₁～57_Nt分别对并行输入的子载波样本实施IFFT(傅立叶逆变换)处理并进行合成，作为离散时间信号(OFDM信号)输出。保护间隔插入部58₁～58_Nt对从IFFT部输入的OFDM信号插入保护间隔，发送部(TX)59₁～59_Nt对插入了保护间隔的OFDM信号进行DA转换，接着，将OFDM信号的频率从基带转换为无线频带，进行高频放大，从天线60₁～60_Nt发送。

从发送天线60₁～60_Nt发送的信号经由衰落信道(传输路径)，由接收装置的接收天线61₁～61_Nr接收，接收电路(Rx)62₁～62_Nr将由天线接收的RF信号转换为基带信号，以数字方式对该基带信号进行AD转换并输出。码元切出部63₁～63_Nr删除保护间隔GI，并且，按照FFT定时切出OFDM码元，将其输入到FFT部64₁～64_Nr。FFT部64₁～64_Nr针对每个所切出的OFDM码元进行FFT处理，将其转换为频域的子载波样本。

信道估计电路65通过公知的方法，针对每个子载波进行信道估计，码字决定部81从码本中求出与最佳的预编码矩阵F(k)对应的码字，并向发送侧的预编码器56通知其索引编号。由此，预编码器56使用与接收侧相同的码本来求出预编码矩阵F(k)，进行(5)式的运算。并且，信道估计部65将估计出的各子载波的信道矩阵H(k)输入到MIMO处理部66和SINR计算部72。

从FFT部64₁～64_Nr输出的频域的信号y(k)能够利用下式表现。

[数式6]

y(k)＝H(k)F(k)s(k)+n(k)    (6)

其中，H(k)表示第k个子载波的信道矩阵，n(k)表示Nr×1的噪声矢量，y(k)表示Nr×1的接收信号矢量，各接收天线的信号与发送信号重叠。通过在接收机中进行测定，y(k)、H(k)和F(k)成为已知的量。为了得到发送信号

MIMO处理部66使用MLD算法，但是复杂度庞大。因此，采用复杂度小的下式所示的线性解码器。

[数式7]

$\hat{s}\left(k\right)=G\left(k\right)y\left(k\right)---\left(7\right)$

其中，G(k)是Ns×Nr的矩阵。在使用ZF(Zero Forcing)线性解码器的情况下，G(k)能够利用下式表现。

[数式8]

$G\left(k\right)={\left(H\left(k\right)F\left(k\right)\right)}^{+}---\left(8\right)$

(.)⁺表示矩阵pseudo-inverse。

另一方面，在使用MMSE(Minimum Mean Square Error)线性解码器的情况下，G(k)能够利用下式表现。

[数式9]

$G\left(k\right)={[F^{\′}\left(k\right)H^{\′}\left(k\right)H\left(k\right)F\left(k\right)+\left(N_s\frac{N_0}{{\mathrm{\ϵ}}_s}\right)I_{N_s}]}^{-1}{F}^{\′}\left(k\right)H^{\′}\left(k\right)---\left(9\right)$

(.)^-1表示矩阵反转，()′表示复共轭转置。并且，N₀是天线接收噪声功率，εs是第k个子载波的总发送功率，I_Ns是Ns×Ns的单位矩阵。

如后所述，SINR计算部72使用信道矩阵H(k)和预编码矩阵F(k)来计算SINR_i(k)，并将其输入到解码部71。

星座解映射部(Constellation Demapper)67₁～67_Ns、频率解交织部(Frequency Deinterleaver)68₁～68_Ns、空间解交织部(SpatialDeinterleaver)69、解删余部70、解码部71针对通过(7)式分离的

的各数据流，按照与发送侧的处理相反的顺序，进行Demapping处理、频率解交织处理、空间解交织处理、解码处理(加权的错误纠正解码处理)。另外，解码部71将所输入的SINR视为信号的可信度，将该SINR与Viterbi解码的path metric进行加权相乘，执行加权的错误纠正解码处理。

(B-2)预编码方式

在决定预编码矩阵F(k)的方式中，存在(1)限定反馈预编码方式、(2)固有模式转送预编码方式和(3)空间复用预编码方式。如果信道H(k)未知，则预编码器56采用空间复用预编码方式，使用单位矩阵(identity matrix)作为预编码矩阵F(k)，进行(5)式的运算，进行空间复用转送。并且，如果发送侧和接收侧的信道H(k)已知，则预编码器56采用固有模式转送预编码方式，对信道矩阵H(k)进行奇异值分解(SVD)，将分解后的右奇异矩阵作为预编码矩阵F(k)，进行(5)式的运算。并且，如果根据信道H(k)决定了用于确定预编码矩阵F(k)的索引并从接收侧进行了反馈，则采用限定反馈预编码方式，预编码器56求出与该索引对应的预编码矩阵F(k)，进行(5)式的运算。下面，详细叙述各系统。

(a)限定反馈预编码方式

说明限定反馈预编码方式的原理。事先根据数据流数量N_s、发送天线数量N_t和反馈比特数量(L)生成码本，使收发机具有该码本。

接收机的码字决定部81使用信道H(k)，从码本中选择最佳的码字，利用Limited feedback channel(限定反馈信道)，向发送机反馈码字的索引。发送机使用所反馈的索引，从码本中选择预编码矩阵F(k)，对发送数据流乘以该矩阵F(k)，进行预编码处理。码本是预先确定的酉矩阵(unitary matrix)的集合，码字定义码本中的一个酉矩阵。如果酉矩阵为U，则满足下式U′U＝I。另外，在以下论文中记述了限定反馈预编码方式。

IEEE TRANSACTION ON INFORMATION THEPRY，VOL.51，NO.8，AUGUST”David J.Love and Robert W.Heath.Jr，Limited Feedback UnitaryPrecoding for Spatial Multiplexing Systems”2005Page 2967-2976

下面是限定反馈预编码方式的详细动作步骤。

(1)首先，接收机的码字决定部81选择码字。按照如下方式选择该码字。即，在信道估计部65中进行信道估计并求出信道H(k)。接着，码字决定部81使用所求出的信道H(k)，利用下述1)～3)的基准，选择最佳的码字。

(1-1)MMSE(Minimum mean square error)选择基准

设H(k)和F(k)已知，则接收机的MSE(Mean square error)能够利用下式来表现。

[数式10]

$\mathrm{MSE}\left(F\left(k\right)\right)=\frac{{\mathrm{\ϵ}}_s}{N_s}{(I_{N_s}+\frac{{\mathrm{\ϵ}}_s}{N_s{N}_0}{F}^{\′}\left(k\right)H^{\′}\left(k\right)H\left(k\right)F\left(k\right))}^{-1}---\left(10\right)$

根据下式从码本中选择码字，以使MSE的Trace(tr)或Determinant(det)最小化。

[数式11]

$F\left(k\right)=\arg \underset{F_j\∈F}{\min }\mathrm{tr}\left[\mathrm{MSE}\left(F_j\right)\right]---\left(11a\right)$

$F\left(k\right)=\arg \underset{F_j\∈F}{\min }\det \left[\mathrm{MSE}\left(F_j\right)\right]---\left(11b\right)$

另外，Trace(tr)是矩阵的对角元素的加法运算。

代替上式，能够使用简化后的下式来求出码字。

[数式12]

$F\left(k\right)=\arg \underset{F_j\∈F}{\min }\left(\mathrm{tr}{\left[F^{\′}\left(k\right)H^{\′}\left(k\right)H\left(k\right)F\left(k\right)\right]}^{-1}\right)---\left(12a\right)$

$F\left(k\right)=\arg \underset{F_j\∈F}{\min }\left(\det {\left[F^{\′}\left(k\right)H^{\′}\left(k\right)F\left(k\right)\right]}^{-1}\right)---\left(12b\right)$

$=\arg \underset{F_j\∈F}{\max }\left(\det \right[F^{\′}\left(k\right)H^{\′}\left(k\right)H\left(k\right)F\left(k\right)\left]\right)$

(1-2)容量(Capacity)选择基准

码字决定部81能够根据下式从码本中选择码字，以使容量(Capacity)、换言之每规定时间的通信信息量最大化。

[数式13]

$F\left(k\right)=\arg \underset{F_j\∈F}{\max }\left({\log }_2\det \right[I_{N_s}+\frac{{\mathrm{\ϵ}}_s}{N_s{N}_0}{F}^{\′}\left(k\right)H^{\′}\left(k\right)H\left(k\right)F\left(k\right)\left]\right)---\left(13\right)$

或者，也可以使用简化后的下式。

[数式14]

$F\left(k\right)=\arg \underset{F_j\∈F}{\max }\left(\det \right[F^{\′}\left(k\right)H^{\′}\left(k\right)H\left(k\right)F\left(k\right)\left]\right)---\left(14\right)$

应该注意的是，在原理上，从(12b)、(14)式来看，最大容量选择基准和最小Det(MSE)基准等同。

(1-3)奇异值(Singular value)选择基准

码字决定部81根据下式从码本中选择码字，以使最小奇异值(Minimum singular value)最大化。

[数式15]

$F\left(k\right)=\underset{F_j\∈F}{\arg \max }{\mathrm{\λ}}_{\min }\left\{H\left(k\right)F_j\left(k\right)\right\}---\left(15\right)$

(15)式意味着，针对码本中的码字的各候选Fj(k)求出矩阵H(k)Fj(k)，对该矩阵[H(k)Fj(k)]进行奇异值分解来求出最小的奇异值λ_min，赋予全部最小奇异值中最大的最小奇异值的候选Fj(k)。

以上，说明了通过奇异值分解来决定码字的情况，但是，通过固有值分解(Eigen Value Decomposition)，也能够同样地决定码字。

(2)如果求出码字，则码字决定部81向发送机的预编码器56反馈该码字的索引。即，接收机利用limited feedback信道向发送机转送所选择的最佳码字的索引(L比特)。

(3)如果发送机的预编码器56接收到索引，则参照内置的码本，选择与接收到的索引对应的矩阵。然后，预编码器56使用该选择的矩阵作为MIMO预编码矩阵。

(4)接收机的MIMO处理部66与上述码字选择处理并行地，使用ZF(Zero Forcing)线性解码器或MMSE(Minimum mean square error)线性解码器，分离发送信号

(5)并且，SINR计算部72计算SINR，该SINR用作维特比(Viterbi)解码处理中的路径度量(path metric)的权重。

(5-1)使用ZF解码器时的SINR的计算

在分离发送信号时使用ZF解码器(ZF解码算法)的情况下，SINR计算部72利用下式计算各子载波的SINR，并将其输入到解码部71。

[数式16]

${\mathrm{SINR}}_i^{\left(\mathrm{ZF}\right)}\left(k\right)=\frac{{\mathrm{\ϵ}}_s}{N_s{N}_0{\left[{\left(F^{\′}\left(k\right)H^{\′}\left(k\right)H\left(k\right)F\left(k\right)\right)}^{-1}\right]}_{i,i}}---\left(16\right)$

$\∝\frac{1}{{\left[{\left(F^{\′}\left(k\right)H^{\′}\left(k\right)H\left(k\right)F\left(k\right)\right)}^{-1}\right]}_{i,i}}$

其中，i是数据流的索引。并且，[·]_i，i是矩阵的i行i列的元素。

解码部71如下式所示将计算出的SINR加权到维特比(Viterbi)的路径度量(path metric)中。

[数式17]

Viterbi Path metric：

$p_{i,n}={\mathrm{SINR}}_i^{\left(\mathrm{ZF}\right)}\left(k\right){|{{\hat{b}}_{i,n}}^{\left(\mathrm{ZF}\right)}\left(k\right)-{b_{i,n}}^{\left(\mathrm{ZF}\right)}\left(k\right)|}^2---\left(17\right)$

其中，i是数据流的索引，n是解映射后的比特的索引。例如，在16QAM调制的情况下，在b1～b4的4比特中解映射，所以，如果n＝1则意味着b1，如果n＝2则意味着b2。并且，

${\hat{b}}_{i,n}^{\left(\mathrm{ZF}\right)}\left(k\right)$

是软Decision的值，

b_i，n ^(ZF)(k)是参考值。

如上所述，通过利用SINR对维特比的路径度量进行加权，能够降低基于ZF解码算法的噪声增强，能够改善性能。

(5-2)使用MMSE解码器时的SINR的计算

以上是使用ZF解码算法的情况，但是，在分离发送信号时使用MMSE解码器(MMSE解码算法)的情况下，SINR计算部72利用下式计算各子载波的SINR，并将其输入到解码部71。

[数式18]

${\mathrm{SINR}}_i^{\left(\mathrm{MMSE}\right)}\left(k\right)=\frac{{\mathrm{\ϵ}}_s}{N_s{N}_0{\left[{(F^{\′}\left(k\right)H^{\′}\left(k\right)H\left(k\right)F\left(k\right)+(N_s{N}_0/{\mathrm{\ϵ}}_s)I_{N_s})}^{-1}\right]}_{i,i}}-1---\left(18\right)$

解码部71如下式所示将计算出的SINR加权到维特比(Viterbi)的路径度量(path metric)中。

[数式19]

Viterbi Path metric：

$p_{i,n}={\mathrm{SINR}}_i^{\left(\mathrm{MMSE}\right)}\left(k\right){|{{\hat{b}}_{i,n}}^{\left(\mathrm{MMSE}\right)}\left(k\right)-{b_{i,n}}^{\left(\mathrm{MMSE}\right)}\left(k\right)|}^2---\left(19\right)$

如上所述，通过利用SINR对维特比的路径度量进行加权，能够降低基于MMSE解码算法的噪声增强，能够改善性能。

另外，可以在MMSE解码后的信号中使用利用(16)式计算出的SINR_i ^(ZF)(k)作为权重。相反，可以在ZF解码后的信号中使用利用(18)式计算出的SINR_i ^(MMSE)(k)作为权重。

并且，为了降低复杂度，也可以在SINR为某个阈值以下的情况下使SINR＝0，在SINR为某个阈值以上的情况下使SINR＝1。

(5-3)在维特比路径度量中加权的效果

将(6)式代入(7)式中时，成为下式。

[数式20]

$\hat{s}\left(k\right)=G\left(k\right)y\left(k\right)=G\left(k\right)(H\left(k\right)F\left(k\right)s\left(k\right)+n\left(k\right))---\left(20\right)$

$=G\left(k\right)H\left(k\right)F\left(k\right)s\left(k\right)+G\left(k\right)n\left(k\right)$

在线性解码器ZF和MMSE中，上式的第2项G(k)n(k)为噪声增强。在G(k)n(k)大的情况下，解码后的信号的噪声大幅增强，线性解码器的性能劣化。特别地，在频率选择性MIMO信道的情况下，该问题严重。在本发明中，通过将SINR加权到维特比路径度量中，能够降低这些噪声增强。即，在本发明中，计算各数据流、各子载波的SINR，采用该SINR作为解调后的信号的可信度，如式(17)、(19)那样，进行加权维特比解码。由此，在SINR小的情况下(噪声增强大)，减小维特比的路径度量的贡献，相反，在SINR大的情况下(噪声增强小)，增大维特比的路径度量的贡献，结果，能够实现性能的改善。

(b)固有模式转送预编码方式

在发送机和接收机的信道状态信息CSI(信道H(k))已知的情况下，可以采用固有模式转送预编码方式。在固有模式转送预编码方式中，对信道矩阵H(k)进行奇异值分解(Singular Value Decomposition：SVD)，使用由该分解得到的矩阵作为预编码矩阵，构建高性能的系统。

即，相对于子载波k，信道矩阵H(k)为Nr×Nt的矩阵。H(k)的奇异值分解能够利用下式来表现。

[数式21]

H(k)＝U(k)D(k)V′(k)    (21a)

$D\left(k\right)=\mathrm{diag}(\sqrt{{\mathrm{\λ}}_1\left(k\right)},\sqrt{{\mathrm{\λ}}_2\left(k\right)},...,\sqrt{{\mathrm{\λ}}_m\left(k\right)},0,...,0)---\left(21b\right)$

(21a)式中的U(k)被称为左奇异矩阵，V(k)被称为右奇异矩阵。D(k)是对角矩阵，具有(21b)式所示的对角元素。λ₁(k)、...、λ_m(k)与固有模式的增益成比例，被赋予从大到小的顺序，第1固有模式λ₁(k)具有最大的增益，第m固有模式λ_m(k)具有最小的增益。即，λ₁(k)＞λ₂(k)＞...＞λ_m(k)。m是信道H(k)的rank。最佳的预编码矩阵是右奇异矩阵V(k)的左侧的Ns列。

并且，根据上述分析，在理想情况下，即发送机和接收机的信道状态信息CSI(信道H(k))已知、且完全一致的情况下，如下式所示，将固有值λ_i(k)作为维特比解码中的路径度量(path metric)的权重。即，解码部71将上述固有值λ_i(k)作为路径度量的权重，与该路径度量相乘进行解码，由此，能够降低基于ZF解码算法和MMSE解码算法的噪声增强，能够改善性能。

[数式22]

$p_{i,n}={\mathrm{\λ}}_i\left(k\right){|{\hat{b}}_{i,n}\left(k\right)-b_{i,n}\left(k\right)|}^2---\left(22\right)$

另外，实现固有模式转送预编码方式时，存在信道量化误差和时变信道等的问题，很多时候难以实现。该情况下，通过限定反馈预编码方式求出SINR并将其作为路径度量的权重是现实的。

(c)空间复用预编码方式

空间复用预编码方式是在发送侧未知H(k)的情况下使用单位矩阵(identity matrix)作为预编码矩阵F(k)的方式。即，在空间复用预编码方式的情况下，预编码矩阵F(k)为identity matrix。因此，SINR计算部72能够通过下式简单地计算SNIR。

[数式23]

${\mathrm{SNR}}_i^{\mathrm{ZF}}\left(k\right)=\frac{{\mathrm{\ϵ}}_s}{N_s{N}_0{\left[{\left(H^{\′}\left(k\right)H\left(k\right)\right)}^{-1}\right]}_{i,i}}---\left(23a\right)$

$\∝\frac{1}{{\left[{\left(H^{\′}\left(k\right)H\left(k\right)\right)}^{-1}\right]}_{i,i}}$

${\mathrm{SNR}}_i^{\left(\mathrm{MMSE}\right)}\left(k\right)=\frac{{\mathrm{\ϵ}}_s}{N_t{N}_0{\left[{(H^{\′}\left(k\right)H\left(k\right)+(N_t{N}_0/{\mathrm{\ϵ}}_s)I_{N_t})}^{-1}\right]}_{i,i}}-1---\left(23b\right)$

其中，(23a)式是采用ZF解码算法的情况，(23b)式是采用MMSE解码算法的情况。

解码部71将上述计算出的SINR作为路径度量的权重，与该路径度量相乘进行解码，即根据(17)式或(19)式进行解码，由此，能够降低基于ZF解码算法和MMSE解码算法的噪声增强，能够改善性能。

(e)系统的切换控制

·第1切换控制

根据信道的条件和通信装置的能力，能够将预编码方式切换为限定反馈预编码方式、固有模式转送预编码方式、空间复用预编码方式，来进行OFDM-MIMO通信。

具体而言，使用(24)式，针对每个子载波计算信道的条件数量，求出其平均值作为信道平均条件数量，在该信道平均条件数量良好的情况下，即信道平均条件数量为某个阈值以下的情况下，使用空间复用预编码方式，在信道平均条件数量恶劣的情况下，即信道的平均条件数量为阈值以上的情况下，根据通信装置的能力，使用固有模式转送预编码方式或限定反馈预编码方式。

信道的条件数量能够利用下式来计算。

[数式24]

$\mathrm{\ψ}\left(k\right)=\frac{{\mathrm{\λ}}_{\max }\left\{H\left(k\right)\right\}}{{\mathrm{\λ}}_{\min }\left\{H\left(k\right)\right\}}---\left(24\right)$

在上式中，分子是对信道矩阵H(k)进行奇异值分解而得到的对角矩阵的对角元素的最大值(最大奇异值)，分母是对角元素的最小值(最小奇异值)。可以说信道条件数量越小，各传输路径的信道(传输特性)越均匀，接收状态越良好。另外，为了确保可靠性的通信，还可以根据情况，减少数据流数量。

以上说明了通过奇异值分解来计算信道条件数量的情况，但是，通过固有值分解(Eigen Value Decomposition)，也能够同样地计算信道条件数量。

并且，以上是切换限定反馈预编码方式、固有模式转送预编码方式、空间复用预编码方式的情况，但是，也可以根据信道平均条件数量来切换空间复用预编码方式和限定反馈预编码方式，而不使用固有模式转送预编码方式。

并且，预编码器也可以如下进行切换控制：在信道H(k)未知的初始时使用空间复用预编码方式，根据信道H(k)求出预编码矩阵后，使用限定反馈预编码方式。

图3是接收机中的预编码方式的切换控制结构图，200a是接收部，200b是发送部。在接收部200a中，除了信道估计部65、码字决定部81、码本82以外，还设有信道条件数量运算部83和预编码方式决定部84。信道条件数量运算部83根据(24)式运算信道平均条件数量，预编码方式决定部根据信道平均条件数量，决定使用空间复用预编码方式还是使用限定反馈预编码方式，经由发送部200b向发送机的预编码器56发送预编码指示数据PC。预编码器56根据所指示的预编码方式，决定预编码矩阵，进行(5)式的运算。

·第2切换控制

MIMO处理部66能够使用ZF解码算法或MMSE解码算法作为解码算法，但是，也可以根据调制方式(Modulation)，选择性地使用ZF解码算法和MMSE解码算法。例如，在BPSK、QPSK的情况下使用MMSE解码算法，在16QAM、64QAM的情况下使用ZF解码算法。其原因如下。

即，MMSE解码算法耐噪声，ZF解码算法的耐噪声性能没有MMSE解码算法那么强。BPSK、QPSK是噪声强时采用的调制方式，因此，在BPSK、QPSK调制方式时使用MMSE解码算法。并且，16QAM、64QAM是接收质量良好时采用的调制方式，因此，在16QAM、64QAM调制方式时使用ZF解码算法。

(B-3)仿真结果

图4是针对信噪比SNR示出错误率的仿真结果例，纵轴示出分组错误率PER，横轴示出信噪比(SNR)。(A)是ZF解码器的仿真结果，(B)是MMSE解码器的仿真结果，是调制方式/编码率为16QAM-1/2的情况。并且，在空间复用预编码方式的情况下，发送天线数量为2，接收天线数量为2。在固有模式转送预编码方式和限定反馈预编码方式(LFP)的情况下，发送数据流数量、发送天线数量、接收天线数量分别为2、4、2。

SP1、SP2是空间复用预编码方式的特性，SP1是没有加权的情况，SP2是加权后的情况。LFP1、LPF2是限定反馈预编码方式的特性，LFP1是没有加权的情况，LFP2是加权后的情况。MP1、MP2是固有模式转送预编码方式的特性，MP1是没有加权的情况，MP2是加权后的情况。

根据图8(A)、(b)能够确认到，在根据ZF解码算法、MMSE解码算法进行MIMO处理的情况下，在任何情况下，进行权重系数加权时，在全部预编码方式中都能够改善性能。

并且，3个预编码方式中，固有模式转送预编码方式的性能最佳，其次为限定反馈预编码方式，排在第三的是空间复用预编码方式。

(B-4)对MISO、SIMO、SISO系统的应用

以上说明了MIMO(Multiple Input Multiple Output)的情况，但是，本发明也能够应用于MISO(Multiple Input Single Output)和SIMO(SingleInput Multiple Output)。

在MISO或SIMO的情况下，能够通过下式来计算SINR。

[数式25]

$\mathrm{SINR}\left(k\right)\∝\underset{i}{\mathrm{\Σ}}{\left|h_i\left(k\right)\right|}^2---\left(25\right)$

因此，解码部71利用下式表现Viterbi解码中的path metric，来进行解码处理。

[数式26]

$p_n=\underset{i}{\mathrm{\Σ}}{\left|h_i\left(k\right)\right|}^2{|{\hat{b}}_n-b_n|}^2---\left(26\right)$

另外，在上式中，i是发送天线(MISO的情况)或接收天线(SIMO的情况)的索引。

并且，本发明还能够应用于SISO(Single Input Single Output)。在SISO的情况下，能够通过下式来计算SINR。

[数式27]

SINR(k)∝|h(k)|²    (27)

因此，解码部71利用下式表现Viterbi解码中的path metric，来进行解码处理。

[数式28]

$p_n={\left|h\left(k\right)\right|}^2{|{\hat{b}}_n-b_n|}^2---\left(28\right)$

(C)第2实施例

图5是第2实施例的MIMO-OFDM收发系统的结构图，对与图1的第1实施例相同的部分标注相同标号。与第1实施例的不同点在于，在进行空间交织之前进行频率交织。

发送侧分别具有一个FEC编码器51、删余部52、频率交织部54。空间交织部53为了利用空间分集，将频率交织后的数据比特分为Ns个数据流，输入到星座映射部55₁～55_Ns。星座映射部55₁～55_Ns进行星座映射，预编码器56根据规定的方式进行预编码。以后的步骤与第1实施例相同。

在接收侧，MIMO处理部66根据MMSE解码算法或ZF解码算法对数据流进行分离，然后，按照与发送侧的处理相反的顺序，进行星座解映射处理、空间解交织处理、频率解交织处理、解删余处理、解码处理(加权的错误纠正解码处理)。

在第2实施例中，能够减小频率交织部54的电路规模，而且，能够利用空间分集。

(D)第3实施例

图6是第3实施例的MIMO-OFDM收发系统的结构图，对与图1的第1实施例相同的部分标注相同标号。与第1实施例的不同点在于，在进行空间交织之前进行频率交织、星座映射。

发送侧分别具有一个FEC编码器51、删余部52、频率交织部54、星座映射部55。空间交织部53为了利用空间分集，将星座映射后的数据列分为Ns个数据流，输入到预编码器56，预编码器56根据规定的方式进行预编码。以后的步骤与第1实施例相同。

在接收侧，MIMO处理部66根据MMSE解码算法或ZF解码算法对数据流进行分离，然后，按照与发送侧的处理相反的顺序，进行空间解交织处理、星座解映射处理、频率解交织处理、解删余处理、解码处理(加权的错误纠正解码处理)。

在第3实施例中，能够减小频率交织部54、星座映射部55的电路规模，而且，能够利用空间分集。

(E)第4实施例

图7是第4实施例的MIMO-OFDM收发系统的结构图，对与图1的第1实施例相同的部分标注相同标号。与第1实施例的不同点在于，输入Ns个发送数据流，与各发送数据流对应地设有FEC编码器51₁～51_Ns、删余部52₁～52_Ns、频率交织部54₁～54_Ns、星座映射部55₁～55_Ns，而不存在空间交织部。

预编码器56根据规定的方式对星座映射后的信号进行预编码。以后的步骤与第1实施例相同。

在接收侧，MIMO处理部66根据MMSE解码算法或ZF解码算法对数据流进行分离，然后，针对分离后的每个数据流，按照与发送侧的处理相反的顺序，进行星座解映射处理、频率解交织处理、解删余处理、解码处理(加权的错误纠正解码处理)。

根据第4实施例，能够对各数据流进行并行处理，所以，能够降低电路的动作频率。但是，由于无法利用空间分集，因此，特别是在固有模式转送预编码方式的情况下，性能稍微劣化。

(F)第5实施例

图8是第5实施例的MIMO-OFDM收发系统的结构图，对与图7的第4实施例相同的部分标注相同标号。与第4实施例的不同点在于，在删余部52₁～52_Ns和频率交织部54₁～54_Ns之间设置空间交织部53。

空间交织部53为了利用空间分集，对各数据流进行删余后重新排列各数据流。然后，针对重新排列后的每个数据流实施频率交织、星座映射，输入到预编码器56。预编码器56根据规定的方式对星座映射后的信号实施预编码处理。以后的步骤与第1实施例相同。

在接收侧，MIMO处理部66根据MMSE解码算法或ZF解码算法对数据流进行分离，然后，针对分离后的每个数据流，按照与发送侧的处理相反的顺序，进行星座解映射处理、频率解交织处理、空间解交织处理、解删余处理、解码处理(加权的错误纠正解码处理)。

图9是空间交织处理的说明图，是输入数据流、输出数据流分别为3的例子。空间交织部53首先将第1输入数据流的最初3个数据逐一分配给3个输出数据流，接着将第2数据流的最初3个数据分配给3个输出数据流，接着将第3数据流的最初3个数据分配给3个输出数据流，然后，进行同样的重新排列，进行空间交织处理。

根据第5实施例，与第4实施例相比稍微增大了电路规模，但是，由于能够对各数据流进行并行处理，所以能够降低电路动作频率，并且，能够利用空间分集。

(G)第6实施例

图10是第6实施例的MIMO-OFDM收发系统的结构图，对与图7的第4实施例相同的部分标注相同标号。与第4实施例的不同点在于，在频率交织部54₁～54_Ns和星座映射部55₁～55_Ns之间设置空间交织部53。

空间交织部53为了利用空间分集，对各数据流实施频率交织处理后重新排列各数据流。然后，针对重新排列后的各数据流的每个数据流实施星座映射，输入到预编码器56。预编码器56根据规定的方式对星座映射后的信号实施预编码处理。以后的步骤与第1实施例相同。

在接收侧，MIMO处理部66根据MMSE解码算法或ZF解码算法对数据流进行分离，然后，针对分离后的每个数据流，按照与发送侧的处理相反的顺序，进行星座解映射处理、空间解交织处理、频率解交织处理、解删余处理、解码处理(加权的错误纠正解码处理)。

根据第6实施例，与第4实施例相比稍微增大了电路规模，但是，由于能够对各数据流进行并行处理，所以能够降低电路动作频率，并且，能够利用空间分集。

(H)第7实施例

图11是第7实施例的MIMO-OFDM收发系统的结构图，对与图7的第4实施例相同的部分标注相同标号。与第4实施例的不同点在于，在星座映射部55₁～55_Ns和预编码器56之间设置空间交织部53。

空间交织部53为了利用空间分集，对各数据流实施星座映射处理后重新排列各数据流，输入到预编码器56。预编码器56根据规定的方式对星座映射后的信号实施预编码处理。以后的步骤与第1实施例相同。

在接收侧，MIMO处理部66根据MMSE解码算法或ZF解码算法对数据流进行分离，然后，针对分离后的每个数据流，按照与发送侧的处理相反的顺序，进行空间解交织处理、星座解映射处理、频率解交织处理、解删余处理、解码处理(加权的错误纠正解码处理)。

根据第7实施例，与第4实施例相比稍微增大了电路规模，但是，由于能够对各数据流进行并行处理，所以能够降低电路动作频率，并且，能够利用空间分集。

(I)第8实施例

图12是混合STBC空间复用OFDM系统中的MIMO-OFDM通信装置的结构图，发送侧具有N_t个发送天线，接收侧具有N_r个接收天线。另外，如果设发送数据流数量为N_s，N_s≤min[N_r，N_t]。

在发送侧，FEC编码器151通过卷积编码对输入数据流实施错误检测纠正用的编码处理，删余部152根据编码率对已编码的数据列实施删余处理，空间交织部(Spatial Interleaver)153将删余后的数据比特列分成多个、图12中为Ns个数据流。具体而言，空间交织部153按照周期将s比特的连续块发送到各数据流(参照图2)。

频率交织部(Frequency Interleaver)154₁～154_Ns进行更换所输入的串行数据(子载波信号分量)的位置的频率交织。星座映射部(ConstellationMapper)155₁～155_Ns根据规定的数据调制方式、例如QPSK调制，对子载波数量的各信号分量进行星座映射。

接着，STBC部156的STBC编码器156₁～156_Ns对所输入的串行数据实施STBC编码处理，将Ns个数据序列转换为Nt个数据序列，映射到Nt根发送天线中。图13是将2个数据流映射到4个天线中的例子，同样，图14是将2个数据流映射到3个天线中的例子。在图13的例子中，从星座映射部155₁输入的周期T连续的2个码元数据[s₁₁、s₁₂]，在STBC编码器156₁中被转换为2序列的码元数据列[s₁₁、-s₁₂ ^*]、[s₁₂、s₁₁ ^*]，并映射到发送天线160₁、160₂中。并且，从星座映射部155₂输入的周期T连续的2个码元数据[s₂₁、s₂₂]，在STBC编码器156₂中被转换为2序列的码元数据列[s₂₁、-s₂₂ ^*]、[s₂₂、s₂₁ ^*]，并映射到发送天线160₃、160₄中。在图14的例子中，从星座映射部155₁输入的周期T连续的2个码元数据[s₁₁、s₁₂]，在STBC编码器156₁中被转换为2序列的码元数据列[s₁₁、-s₁₂ ^*]、[s₁₂、s₁₁ ^*]，并映射到发送天线160₁、160₂中，但是，从星座映射部155₂输入的周期T连续的2个码元数据[s₂₁、s₂₂]不进行STBC编码处理，而直接映射到发送天线160₃中。

IFFT(Inverse Fast Fourier Transform)部157₁～157_Nt将从STBC部156串行输入的数据转换为子载波数量的并行数据，然后，对该并行数据实施IFFT(傅立叶逆变换)处理并进行合成，作为离散时间信号(OFDM信号)输出。图15是IFFT处理说明图。如图15(A)所示，STBC编码器156₁对从星座映射部155₁输入的连续的2个OFDM码元进行上述STBC编码处理，分别产生2序列。如图15(B)所示，IFFT部157₁的串并转换部157_SP将从STBC编码器156₁输入的串行的STBC编码数据转换为时刻t0的k个并行数据、时刻t1的k个并行数据，IFFT处理部157_IFFT依次对各并行数据实施IFFT(傅立叶逆变换)处理并进行合成，作为离散时间信号(OFDM信号)输出。IFFT部157₂也进行与IFFT部157₁同样的处理。并且，STBC编码器156₂、IFFT部157₃～157₄与STBC编码器156₁、IFFT部157₁～157₂同样进行动作。

返回图12，保护间隔插入部158₁～158_Nt对从IFFT部输入的OFDM信号插入保护间隔，发送部(TX)159₁～159_Nt对插入了保护间隔的OFDM信号进行DA转换，接着，将OFDM信号的频率从基带转换为无线频带，进行高频放大，从天线160₁～160_Nt发送。

从发送天线160₁～160_Nt发送的信号经由衰落信道(传输路径)，由接收装置的接收天线161₁～161_Nr接收，接收电路(Rx)162₁～162_Nr将由天线接收的RF信号转换为基带信号，以数字方式对该基带信号进行AD转换并输出。码元切出部163₁～163_Nr删除保护间隔GI，并且，按照FFT定时切出OFDM码元，将其输入到FFT部164₁～164_Nr。FFT部164₁～164_Nr针对每个所切出的OFDM码元进行FFT处理，将其转换为频域的子载波样本。

在进行图13(A)的STBC编码处理的情况下，利用子载波f₁发送的信号s₁₁、s₁₂、s₂₁、s₂₂的接收信号y₁₁、y₁₂、y₂₁、y₂₂能够利用下式表现。

[数式29]

$\left[\begin{array}{cc}{y}_{11}& y_{12}\\ y_{21}& y_{22}\end{array}\right]=\left[\begin{array}{c}{h}_{11}{h}_{12}{h}_{13}{h}_{14}\\ h_{21}{h}_{22}{h}_{23}{h}_{24}\end{array}\right]\left[\begin{array}{cc}{s}_{11}& -s_{12}^{*}\\ s_{12}& s_{11}^{*}\\ s_{21}& -s_{22}^{*}\\ s_{22}& s_{21}^{*}\end{array}\right]+\left[\begin{array}{cc}{w}_{11}& w_{12}\\ w_{21}& w_{22}\end{array}\right]---\left(29\right)$

在(29)式中，h_i，j是如图13(B)所示从第j个发送天线至第i个接收天线的、频率f₁中的信道响应。s_i，j表示第i个数据流中的第j个码元。y_i，j表示第i个接收天线中的第j个接收码元。w_i，j表示第i个接收天线中的第j个接收码元AWGN噪声。

同样，利用子载波f₂发送的信号s₁₃、s₁₄、s₂₃、s₂₄的接收信号y₁₃、y₁₄、y₂₃、y₂₄能够利用下式表现。h_i，j’是从第j个发送天线至第i个接收天线的、频率f₂中的信道响应。

[数式30]

$\left[\begin{array}{cc}{y}_{13}& y_{14}\\ y_{23}& y_{24}\end{array}\right]=\left[\begin{array}{c}{h}_{11}^{\′}{h}_{12}^{\′}{h}_{13}^{\′}{h}_{14}^{\′}\\ h_{21}^{\′}{h}_{22}^{\′}{h}_{23}^{\′}{h}_{24}^{\′}\end{array}\right]+\left[\begin{array}{cc}{s}_{13}& -s_{14}^{*}\\ s_{14}& s_{13}^{*}\\ s_{23}& {-s}_{24}^{*}\\ s_{24}& s_{23}^{*}\end{array}\right]+\left[\begin{array}{cc}{w}_{13}& w_{14}\\ w_{23}& w_{24}\end{array}\right]---\left(30\right)$

如上所述，各子载波分量的接收信号能够利用与(29)式等同的式子表现。

根据(29)式，通过简单的转换，下式成立。该转换是用于使(29)式左边的2行2列的矩阵成为4行1列的矩阵的转换。另外，在以下的(31)～(40)式中，为子载波的不附加索引k的一般表现，但是，是针对每个子载波都成立的式子。

[数式31]

y_e＝H_es_e+w_e    (31)

其中，

[数式32]

s_e＝[s₁₁ s₁₂ s₂₁ s₂₂]^T    (32)

[数式33]

$H_e=\left[\begin{array}{cccc}{h}_{11}& h_{12}& h_{13}& h_{14}\\ h_{12}^{*}& {-h}_{11}^{*}& h_{14}^{*}& {-h}_{13}^{*}\\ h_{21}& h_{22}& h_{23}& h_{24}\\ h_{22}^{*}& {-h}_{21}^{*}& h_{24}^{*}& {-h}_{23}^{*}\end{array}\right]---\left(33\right)$

[数式34]

$y_e={\left[\begin{array}{cccc}{y}_{11}& y_{12}^{*}& y_{21}& y_{22}^{*}\end{array}\right]}^T---\left(34\right)$

[数式35]

$w_e={\left[\begin{array}{cccc}{w}_{11}& w_{12}^{*}& w_{21}& w_{22}^{*}\end{array}\right]}^T---\left(35\right)$

(.)^T表示矩阵转置。

并且，He的信道相关协议子集具有以下的特性。

[数式33a]

${H_e}^{\′}{H}_e=\left[\begin{array}{cc}A& B\\ C& D\end{array}\right]=\left[\begin{array}{cc}{\mathrm{\α}}_1{I}_2& B\\ B^{\′}& {\mathrm{\α}}_2{I}_2\end{array}\right]---\left(33a\right)$

其中，

[数式33b]

$B=\left[\begin{array}{cc}{\mathrm{\β}}_1& {\mathrm{\β}}_2\\ {-\mathrm{\β}}_2^{*}& {\mathrm{\β}}_1^{*}\end{array}\right]---\left(33b\right)$

[数式33c]

${\mathrm{\α}}_1=\underset{i=1}{\overset{N_r}{\mathrm{\Σ}}}({\left|h_{i1}\right|}^2+{\left|h_{i2}\right|}^2),{\mathrm{\α}}_2=\underset{i=1}{\overset{N_r}{\mathrm{\Σ}}}({\left|h_{i3}\right|}^2+{\left|h_{i4}\right|}^2)---\left(33c\right)$

${\mathrm{\β}}_1=\underset{i=1}{\overset{N_r}{\mathrm{\Σ}}}(h_{i1}^{*}{h}_{i3}+h_{i2}{h}_{i4}^{*}),{\mathrm{\β}}_2=\underset{i=1}{\overset{N_r}{\mathrm{\Σ}}}(h_{i1}^{*}{h}_{i4}-h_{i2}{h}_{i3}^{*})$

同样，根据图14，通过简单的转换，得到下式。

[数式36]

$s_e={\left[\begin{array}{cccc}{s}_{11}& s_{12}& s_{21}& s_{22}^{*}\end{array}\right]}^T---\left(36\right)$

[数式37]

$H_e=\left[\begin{array}{cccc}{h}_{11}& h_{12}& h_{13}& 0\\ h_{12}^{*}& {-h}_{11}^{*}& 0& h_{13}^{*}\\ h_{21}& h_{22}& h_{23}& 0\\ h_{22}^{*}& {-h}_{21}^{*}& 0& h_{23}^{*}\end{array}\right]---\left(37\right)$

y_e和w_e分别与(34)式、(35)式相同。以上是Ns＝2、Nt＝4和Ns＝2、Nt＝3的情况，但是，可知也能够应用于2个以上的发送数据流、3个以上的发送天线。

在接收机中，y_e和H_e已知，所以，为了求出发送信号，MIMO处理部166能够使用Maximum likelihood(ML)。但是，但是复杂度庞大，所以，采用复杂度小的线性解码器。在线性解码器中，下式成立。

[数式38]

${\hat{s}}_e=G_e{y}_e---\left(38\right)$

这里，Ge是2Ns×2Nr的矩阵。在使用ZF(Zero Forcing)线性解码器的情况下，Ge能够利用下式给出。

[数式39]

$G_e={H_e}^{+}={\left({H_e}^{\′}{H}_e\right)}^{-1}{H_e}^{\′}---\left(39\right)$

其中，(.)⁺表示矩阵pseudo-inverse。(.)′表示复共轭转置。

式39中的逆矩阵能够利用下式表现。

[数式39a]

${\left({H_e}^{\′}{H}_e\right)}^{-1}=\frac{1}{{\mathrm{\α}}_1{\mathrm{\α}}_2-({\left|{\mathrm{\β}}_1\right|}^2+{\left|{\mathrm{\β}}_2\right|}^2)}\left[\begin{array}{cc}{\mathrm{\α}}_2{I}_2& -B\\ -B^{\′}& {\mathrm{\α}}_1{I}_2\end{array}\right]---\left(39a\right)$

如式39a所示，实际不需要计算逆矩阵，也能够降低复杂度。

另一方面，在使用MMSE(Minimum Mean Square Error)线性解码器的情况下，Ge能够利用下式给出。

[数式40]

$G_e={({H_e}^{\′}{H}_e+\left({2N}_s\frac{N_0}{{\mathrm{\ϵ}}_s}\right)I_{{2N}_s})}^{-1}{H_e}^{\′}---\left(40\right)$

其中，(.)^-1表示矩阵反转，()′表示复共轭转置。并且，N₀是天线接收噪声功率，εs是第k个子载波的总发送功率，I_2Ns是2Ns×2Ns的单位矩阵。

与式39a同样，式40中的逆矩阵能够利用下式表现。

[数式40a]

${(H_e^{\′}{H}_e+({2N}_s{N}_0/{\mathrm{\ϵ}}_s)I_{{2N}_s})}^{-1}---\left(40a\right)$

$=\frac{1}{({\mathrm{\α}}_1+\frac{{2N}_s{N}_0}{{\mathrm{\ϵ}}_s})({\mathrm{\α}}_2+\frac{{2N}_s{N}_0}{{\mathrm{\ϵ}}_s})-({\left|{\mathrm{\β}}_1\right|}^2+{\left|{\mathrm{\β}}_2\right|}^2)}\left[\begin{array}{cc}({\mathrm{\α}}_2+\frac{{2N}_s{N}_0}{{\mathrm{\ϵ}}_s})I_1& -B\\ -B^{\′}& ({\mathrm{\α}}_1+\frac{{2N}_s{N}_0}{{\mathrm{\ϵ}}_s})I_2\end{array}\right]$

如式40a所示，实际不需要计算逆矩阵，也能够降低复杂度。

如后所述，SINR计算部172使用信道矩阵He来计算SINR_j(k)，并将其输入到解码部171。星座解映射部(Constellation Demapper)167₁～167_Ns、频率解交织部(Frequency Deinterleaver)168₁～168_Ns、空间解交织部(Spatial Deinterleaver)169、解删余部170、解码部171针对通过(38)、(39)式或通过(38)、(40)式由MIMO处理部166分离的

的各数据流，按照与发送侧的处理相反的顺序，进行Demapping处理、频率解交织处理、空间解交织处理、解码处理(加权的错误纠正解码处理)。

解码部171将从SINR计算部172输入的SINR视为信号的可信度，将该SINR与Viterbi解码的path metric进行加权相乘，执行加权的错误纠正解码处理。

(1)使用ZF解码器时的SINR的计算和维特比解码

在分离发送信号时使用ZF解码器(ZF解码算法)的情况下，SINR计算部172利用下式计算各子载波k的SINR，并将其输入到解码部171。

[数式41]

${\mathrm{SINR}}_j^{\left(\mathrm{ZF}\right)}\left(k\right)=\frac{{\mathrm{\ϵ}}_s}{{2N}_s{N}_0{\left[{\left(H_e^{\′}\left(k\right)H_e\left(k\right)\right)}^{-1}\right]}_{j,j}}\∝\frac{1}{{{\left(H_e^{\′}\left(k\right)H_e\left(k\right)\right)}^{-1}]}_{j,j}}---\left(41\right)$

[数式42]

${\mathrm{SINR}}_1^{\left(\mathrm{ZF}\right)}={\mathrm{SINR}}_2^{\left(\mathrm{ZF}\right)}=\frac{{\mathrm{\ϵ}}_s}{{2N}_s{N}_0}({\mathrm{\α}}_1-\frac{{\left|{\mathrm{\β}}_1\right|}^2+{\left|{\mathrm{\β}}_2\right|}^2}{{\mathrm{\α}}_2})$

$\∝({\mathrm{\α}}_1-\frac{{\left|{\mathrm{\β}}_1\right|}^2+{\left|{\mathrm{\β}}_2\right|}^2}{{\mathrm{\α}}_2})---\left(42\right)$

${\mathrm{SINR}}_3^{\left(\mathrm{ZF}\right)}={\mathrm{SINR}}_4^{\left(\mathrm{ZF}\right)}=\frac{{\mathrm{\ϵ}}_s}{{2N}_s{N}_0}({\mathrm{\α}}_2-\frac{{\left|{\mathrm{\β}}_1\right|}^2+{\left|{\mathrm{\β}}_2\right|}^2}{{\mathrm{\α}}_1})$

$\∝({\mathrm{\α}}_2-\frac{{\left|{\mathrm{\β}}_1\right|}^2+{\left|{\mathrm{\β}}_2\right|}^2}{{\mathrm{\α}}_1})$

另外，j是转换后的信道的各层的索引。这里，层的索引意味着，(33)式或(37)式的正方形矩阵中的列的索引。即，上述正方形矩阵的列定义为层。并且，[·]_j，j是矩阵的j行j列的元素。解码部171如下式所示将计算出的SINR加权(相乘)到维特比(Viterbi)的路径度量(path metric)中。

[数式43]

Viterbi Path metric：

$p_{i,n}={\mathrm{SINR}}_{2i-1}^{\left(\mathrm{ZF}\right)}\left(k\right){|{{\hat{b}}_{i,n}}^{\left(\mathrm{ZF}\right)}\left(k\right)-{b_{i,n}}^{\left(\mathrm{ZF}\right)}\left(k\right)|}^2---\left(43\right)$

其中，n是解映射后的比特的索引。例如，在16QAM调制的情况下，在b1～b4的4比特中解映射，所以，如果n＝1则意味着b1，如果n＝2则意味着b2。i是数据流的索引。并且，

${\hat{b}}_{i,n}^{\left(\mathrm{ZF}\right)}\left(k\right)$

是软Decision的值，

b_i，n ^(ZF)(k)

是参考值。如上所述，通过利用SINR对维特比的路径度量进行加权，能够降低基于ZF解码算法的噪声增强，能够改善性能。

(2)使用MMSE解码器时的SINR的计算和维特比解码

在分离发送信号时使用MMSE解码器(MMSE解码算法)的情况下，SINR计算部172利用下式计算各子载波k的SINR，并将其输入到解码部171。

[数式44]

${\mathrm{SINR}}_j^{\left(\mathrm{MMSE}\right)}\left(k\right)=\frac{{\mathrm{\ϵ}}_s}{{2N}_s{N}_0{\left[{(H_e^{\′}\left(k\right)H_e\left(k\right)+({2N}_s{N}_0/{\mathrm{\ϵ}}_s)I_{{2N}_s})}^{-1}\right]}_{j,j}}-1---\left(44\right)$

[数式45]

${\mathrm{SINR}}_1^{\left(\mathrm{MMSE}\right)}={\mathrm{SINR}}_2^{\left(\mathrm{MMSE}\right)}=\frac{{\mathrm{\ϵ}}_s}{{2N}_s{N}_0}({\mathrm{\α}}_1-\frac{{\left|{\mathrm{\β}}_1\right|}^2+{\left|{\mathrm{\β}}_2\right|}^2}{{\mathrm{\α}}_2+{2N}_s{N}_0/{\mathrm{\ϵ}}_s})---\left(45\right)$

${\mathrm{SINR}}_3^{\left(\mathrm{MMSE}\right)}={\mathrm{SINR}}_4^{\left(\mathrm{MMSE}\right)}=\frac{{\mathrm{\ϵ}}_s}{{2N}_s{N}_0}({\mathrm{\α}}_2-\frac{{\left|{\mathrm{\β}}_1\right|}^2+{\left|{\mathrm{\β}}_2\right|}^2}{{\mathrm{\α}}_1+{2N}_s{N}_0/{\mathrm{\ϵ}}_s})$

解码部171如下式所示将计算出的SINR加权(相乘)到维特比(Viterbi)的路径度量(path metric)中。

[数式46]

Viterbi Path metric：

$p_{i,n}={\mathrm{SINR}}_{2i-1}^{\left(\mathrm{MMSE}\right)}\left(k\right){|{{\hat{b}}_{i,n}}^{\left(\mathrm{MMSE}\right)}\left(k\right)-{b_{i,n}}^{\left(\mathrm{MMSE}\right)}\left(k\right)|}^2---\left(46\right)$

如上所述，通过利用SINR对维特比的路径度量进行加权，能够降低基于MMSE解码算法的噪声增强，能够改善性能。

另外，可以在MMSE解码后的信号中使用利用(41)式计算出的SINR_j ^(ZF)(k)作为权重。相反，可以在ZF解码后的信号中使用利用(44)式计算出的SINR_j ^(MMSE)(k)作为权重。

并且，为了降低复杂度，也可以在SINR为某个阈值以下的情况下使SINR＝0，在SINR为某个阈值以上的情况下使SINR＝1。

使用线性解码器ZF和线性解码器MMSE时，噪声增强，但是，在本发明中，通过将SINR加权到维特比路径度量中，能够降低这些噪声增强。即，在本发明中，计算转换后的信道的各层、各子载波的SINR，采用该SINR作为解调后的信号的可信度，如式(43)、(46)那样，进行加权维特比解码。由此，在SINR小的情况下(噪声增强大)，减小维特比的路径度量的贡献，相反，在SINR大的情况下(噪声增强小)，增大维特比的路径度量的贡献，结果，能够实现性能的改善。

(J)第9实施例

图16是混合SFBC空间复用OFDM系统中的MIMO-OFDM通信装置的结构图，对与图12的第8实施例相同的部分标注相同标号。不同点在于，代替STBC部156而设置SFBC(Space Frequency BlockCoding)部181。

SFBC部181的SFBC编码器181₁～181_Ns对所输入的串行数据实施SFBC编码处理，将Ns个数据序列转换为Nt个数据序列，映射到Nt根发送天线中。图17是将2个数据流映射到4个天线中的例子，同样，图18是将2个数据流映射到3个天线中的例子。在图17的例子中，从星座映射部155₁输入的连续的2个子载波数据[s₁₁、s₁₂]，在SFBC编码器181₁中被转换为子载波[f₁、f₂]的码元数据列[s₁₁、s₁₂]、[-s₁₂ ^*、s₁₁ ^*]，并映射到发送天线160₁、160₂中。并且，从星座映射部155₂输入的连续的2个子载波数据[s₂₁、s₂₂]，在SFBC编码器181₂中被转换为子载波[f₁、f₂]的码元数据列[s₂₁、s₂₂]、[-s₂₂ ^*、s₂₁ ^*]，并映射到发送天线160₃、160₄中。在图18的例子中，从星座映射部155₁输入的连续的2个子载波数据[s₁₁、s₁₂]，在SFBC编码器181₁中被转换为子载波[f₁、f₂]的码元数据列[s₁₁、s₁₂]、[-s₁₂ ^*、s₁₁ ^*]，并映射到发送天线160₁、160₂中，但是，从星座映射部155₂输入的连续的2个子载波数据[s₂₁、s₂₂]不进行SFBC编码处理，而直接映射到发送天线160₃中。

IFFT部157₁～157_Nt将从SFBC部181串行输入的数据转换为子载波数量的并行数据，然后，对该并行数据实施IFFT(傅立叶逆变换)处理并进行合成，作为离散时间信号(OFDM信号)输出。图19是IFFT处理说明图。如图19(A)所示，SFBC编码器181₁对从星座映射部155₁输入的连续的2个OFDM码元分别进行上述SFBC编码处理，分别产生2序列的时刻t0的子载波f_i、f_i+1分量。如图19(B)所示，IFFT部157₁的串并转换部157_SP将从SFBC编码器181₁输入的串行的SFBC编码数据转换为时刻t0的k个并行数据，IFFT处理部157_IFFT对该并行数据实施IFFT(傅立叶逆变换)处理并进行合成，作为离散时间信号(OFDM信号)输出。IFFT部157₂也进行与IFFT部157₁同样的处理。并且，SFBC编码器181₂、IFFT部157₃～157₄与SFBC编码器181₁、IFFT部157₁～157₂同样进行动作。其他部分的动作与第1实施例相同。

(K)第10实施例

图20是具有再次发送功能的MIMO-OFDM通信装置的结构图，对与图12的第8实施例相同的部分标注相同标号。不同点在于，设有错误检测部191、发送天线决定部192、发送ACK/NACK/发送天线信息的发送部193、发送天线切换控制部194、发送天线切换部195。

当在接收数据中包含错误时，接收装置向发送装置请求数据的再次发送，发送装置针对再次发送请求进行数据的再次发送。该情况下，当使用与上次发送时相同的天线进行再次发送时，再次产生错误的可能性高。即，在MIMO系统中进行再次发送控制的情况下，当从同一天线发送再次发送数据时，继续使用传送路径状态差的天线，所以，基于再次发送的错误率的改善很小，难以获得再次发送控制的效果。特别地，在衰落或多脉冲环境的变化比再次发送间隔(Round Trip Time)延迟的情况下，该问题严重。因此，在第10实施例中，发送装置变更再次发送各数据的天线的组合来进行数据的再次发送，以减少基于再次发送的错误率。另外，接收装置在再次接收到的数据中存在错误的情况下，与之前接收到的数据进行合成来进行解码。

在图20中，错误检测部191检查在解码结果中是否存在错误，在存在错误的情况下，发送天线决定部192根据后述的天线重新排列选择基准来决定各再次发送数据和发送天线的最佳组合，发送部193向发送装置发送错误的有无(ACK/NACK)和有错误时发送天线的组合信息。发送天线控制部194根据从接收装置送来的发送天线的组合信息，控制发送天线切换部195，将从STBC部156输出的STBC数据序列分配给规定的天线。

在图13的4个发送天线的情况下，天线排列模式的全部组合存在以下6个。

[(1、2)(3、4)]、[(1、2)(4、3)]、[(1、3)(2、4)]、[(1、3)(4、2)]、[(1、4)(2、3)]、[(1、4)(3、2)]

因此，作为组合信息，各子载波的反馈比特数量需要3比特。在图14的3个发送天线的情况下，天线排列模式的全部组合存在以下3个。

[1、2、3]、[1、3、2]、[3、1、2]。

因此，作为组合信息，各子载波的反馈比特数量需要2比特。

下面，说明用于决定发送天线的最佳组合的天线重新排列选择基准。

(1)容量(Capacity)选择基准

接收装置以容量(Capacity)为最大的方式，从各发送数据和发送该发送数据的天线的全部组合中选择最佳组合。即，选择满足下式的天线组合。

[数式47]

$\mathrm{\Γ}=\arg \underset{H_s\∈H}{\max }\left({\log }_2\det \right[I+\frac{{\mathrm{\ϵ}}_s}{{2N}_s{N}_0}{H}_s^{\′}{H}_s\left]\right)---\left(47\right)$

$\∝\arg \underset{H_s\∈H}{\max }\det \left(H_s^{\′}{H}_s\right)$

H_s是与发送数据和发送该发送数据的天线的组合对应的信道矩阵，H是与全部组合对应的转换后的信道矩阵的集合，det是矩阵的determinant。容量例如是吞吐量(每单位时间的数据转送量)。

(2)奇异值(Singular value)选择基准

接收装置以最小奇异值(Minimum singular value)最大化(等同于最小SINR最大化)的方式，从各发送数据和发送该发送数据的天线的全部组合中选择最佳组合。即，选择满足下式的天线排列模式。

[数式48]

$\mathrm{\Γ}=\underset{H_s\∈H}{\arg \max }{\mathrm{\λ}}_{\min }\left\{H_s\right\}---\left(48\right)$

λ_min{Hs}是对信道矩阵Hs进行奇异值分解而得到的对角矩阵的对角元素的最小值(最小奇异值)。

(3)条件数量(Condition Number)选择基准

接收装置以信道的条件数量最小化的方式，从各发送数据和发送该发送数据的天线的全部组合中选择最佳组合。即，选择满足下式的天线排列模式。

[数式49]

$\mathrm{\Γ}=\underset{H_s\∈H}{\arg \min }\frac{{\mathrm{\λ}}_{\max }\left\{H_s\right\}}{{\mathrm{\λ}}_{\min }\left\{H_s\right\}}---\left(49\right)$

在上式中，分子是对信道矩阵Hs进行奇异值分解而得到的对角矩阵的对角元素的最大值(最大奇异值)，分母是对角元素的最小值(最小奇异值)。可以说信道条件数量越小，各传输路径的信道(传输特性)越均匀，接收状态越良好。另外，为了确保可靠性的通信，还可以根据情况，减少数据流数量。

(4)MMSE(Minimum mean square error)选择基准

接收装置的MSE(Mean square error)能够利用下式来表现。

[数式50]

$\mathrm{MSE}\left(H_s\right)=\frac{{\mathrm{\ϵ}}_s}{{2N}_s}{(I+\frac{{\mathrm{\ϵ}}_s}{{2N}_s{N}_0}{H}_s^{\′}{H}_s)}^{-1}---\left(50\right)$

以使MSE的Trace(tr)或Determinant(det)最小化的方式，根据下式，从各发送数据和发送该发送数据的天线的全部组合中选择最佳组合。

[数式51]

$\mathrm{\Γ}=\arg \underset{H_s\∈H}{\min }\mathrm{tr}\left(\mathrm{MSE}\left(H_s\right)\right)\∝\arg \underset{H_s\∈H}{\min }\mathrm{tr}\left({\left(H_s^{\′}{H}_s\right)}^{-1}\right)---\left(51\right)$

[数式52]

$\mathrm{\Γ}=\arg \underset{H_s\∈H}{\min }\det \left(\mathrm{MSE}\left(H_s\right)\right)\∝\arg \underset{H_s\∈H}{\min }\det \left({\left(H_s^{\′}{H}_s\right)}^{-1}\right)=\arg \underset{H_s\∈H}{\max }\det \left(H_s^{\′}{H}_s\right)---\left(52\right)$

应该注意的是，在原理上，最大容量选择基准和最小Det(MSE)基准等同。

(L)发明的效果

根据本发明，对利用多个接收天线接收到的接收信号实施基于ZF解码算法或MMSE解码算法的MIMO解码处理，并输出发送数据流，计算与发送侧的预编码方式对应的权重系数，对路径度量乘以该权重系数，对通过所述解码处理得到的发送数据实施加权解码处理时，能够抑制复杂度，并改善错误率性能。

根据本发明，在发送侧的预编码方式是限定反馈预编码方式或空间复用预编码方式时，将数据流的信噪比SINR作为所述权重系数，所以，能够增大SINR大时的解码时的路径度量的权重系数，因此，能够增大解码中的贡献度，结果，能够减少错误率，能够提高解码性能。并且，如果发送侧和接收侧的信道已知，则能够采用固有模式转送预编码方式作为所述发送侧的预编码方式，能够提高解码性能。因此，根据本发明，能够改善MIMO-OFDM通信(空间复用、固有模式转送、限定反馈预编码方式)中的错误率性能。

根据本发明，计算信道的平均条件数量，如果该平均条件数量在阈值以下，则采用空间复用预编码方式作为预编码方式，如果平均条件数量大于阈值，则采用限定反馈预编码方式或固有模式转送预编码方式作为预编码方式，所以，能够简单地切换预编码方式。

根据本发明，将信噪比SINR作为路径度量的权重系数来进行解码，所以，能够提高性能，结果，不需要进行自适应调制控制和功率控制。

并且，根据本发明，在删余部或频率交织部或星座映射部的后级，设置将发送数据流分为多个发送数据流的空间交织部，所以，能够得到发送分集效果。

在本发明中，在发送侧，对发送数据进行STBC编码或SFBC编码，在接收侧，对信道响应矩阵进行转换来求出信道矩阵，将该信道矩阵的SINR加权到Viterbi的路径Metric中，所以，能够利用简单的信号处理来改善错误率性能。

并且，在本发明中，在检测出接收错误的情况下，再次发送发送数据，在该再次发送时重新排列发送天线来进行再次发送，因此能够通过再次发送来提高能够正确接收数据的概率。

进而，根据本发明，通过调制方式来选择ZF解码或MMSE解码，所以，能够采用与调制方式对应的适当的解码方式，因此，错误率性能提高。

并且，根据本发明，通过接收侧的简单的信号处理，能够降低无线系统的复杂度、成本、功耗等，并且，能够改善性能。

Claims (32)

1.一种MIMO-OFDM通信方法，该MIMO-OFDM通信方法通过MIMO-OFDM通信来收发数据，其特征在于，

该MIMO-OFDM通信方法在发送侧执行以下步骤：

根据规定的预编码方式对发送数据实施预编码处理；以及

对预编码处理后的数据进行OFDM调制并从多个发送天线进行发送，

该MIMO-OFDM通信方法在接收侧执行以下步骤：

对利用多个接收天线接收到的接收信号实施基于ZF解码算法或MMSE解码算法的MIMO解码处理，并输出发送数据流；

计算与所述预编码方式对应的权重系数；以及

通过对路径度量乘以所述权重系数，对通过所述解码处理得到的发送数据实施加权解码处理，

所述发送侧的预编码步骤执行以下步骤：

在已知发送侧和接收侧的信道时，采用固有模式转送预编码方式作为所述发送侧的预编码方式；

对将信道矩阵化得到的信道矩阵进行奇异值分解；

将通过奇异值分解得到的右奇异矩阵的左侧的Ns列（Ns为发送数据流数量）作为预编码矩阵；以及

对发送数据流乘以该预编码矩阵来进行预编码，

接收侧的所述权重系数计算步骤执行以下步骤：

将通过所述奇异值分解得到的对角矩阵的对角元素作为权重系数，或者，使用所述预编码矩阵和当前时刻的接收侧信道来计算数据流的信噪比作为所述权重系数。

2.一种MIMO-OFDM通信方法，该MIMO-OFDM通信方法通过MIMO-OFDM通信来收发数据，其特征在于，

该MIMO-OFDM通信方法在发送侧执行以下步骤：

根据规定的预编码方式对发送数据实施预编码处理；以及

对预编码处理后的数据进行OFDM调制并从多个发送天线进行发送，

该MIMO-OFDM通信方法在接收侧执行以下步骤：

对利用多个接收天线接收到的接收信号实施基于ZF解码算法或MMSE解码算法的MIMO解码处理，并输出发送数据流；

计算与所述预编码方式对应的权重系数；以及

通过对路径度量乘以所述权重系数，对通过所述解码处理得到的发送数据实施加权解码处理，

所述发送侧的预编码步骤执行以下步骤：

在发送侧未知信道时，采用空间复用转送预编码方式；

使预编码矩阵成为单位矩阵（identity matrix）；以及

对发送数据流乘以该预编码矩阵来进行预编码，

接收侧的所述权重系数计算步骤执行以下步骤：

通过由多个接收天线接收到的接收信号来估计信道；

使用所述信道来计算数据流的信噪比，并计算所述权重系数。

3.根据权利要求1或2所述的MIMO-OFDM通信方法，其特征在于，

在采用MMSE解码算法作为解码算法的情况下，在所述权重系数计算步骤中，计算MMSE SINR作为权重系数，在所述加权解码处理步骤中，将该权重系数作为维特比解码的路径度量的权重系数来进行加权维特比解码。

4.根据权利要求1或2所述的MIMO-OFDM通信方法，其特征在于，

在采用ZF解码算法作为解码算法的情况下，在所述权重系数计算步骤中，计算ZF SINR作为权重系数，在所述加权解码处理步骤中，将该权重系数作为维特比解码的路径度量的权重系数来进行加权维特比解码。

5.根据权利要求3或4所述的MIMO-OFDM通信方法，其特征在于，

在所述信噪比SINR在某个阈值以下的情况下，使权重系数为0，在信噪比SINR在某个阈值以上的情况下，使权重系数为1。

6.一种MIMO-OFDM通信方法，该MIMO-OFDM通信方法通过MIMO-OFDM通信来收发数据，其特征在于，

该MIMO-OFDM通信方法在发送侧执行以下步骤：

根据规定的预编码方式对发送数据实施预编码处理；以及

对预编码处理后的数据进行OFDM调制并从多个发送天线进行发送，

该MIMO-OFDM通信方法在接收侧执行以下步骤：

对利用多个接收天线接收到的接收信号实施基于ZF解码算法或MMSE解码算法的MIMO解码处理，并输出发送数据流；

计算与所述预编码方式对应的权重系数；以及

通过对路径度量乘以所述权重系数，对通过所述解码处理得到的发送数据实施加权解码处理，

该通信方法在所述接收侧执行以下步骤：

使用对将信道排列为矩阵得到的信道矩阵进行奇异值分解而得到的奇异值的最大值、最小值，来计算信道的平均条件数量；以及

在该平均条件数量在阈值以下时，采用空间复用预编码方式作为预编码方式，在平均条件数量大于阈值时，采用限定反馈预编码方式或固有模式转送预编码方式作为预编码方式。

7.一种MIMO-OFDM接收装置，该MIMO-OFDM接收装置接收通过MIMO-OFDM通信发送的信号，其特征在于，

该MIMO-OFDM接收装置具有：

多个接收天线，其接收从多个天线发送的信号；

MIMO处理部，其对所述接收信号实施基于ZF解码算法或MMSE解码算法的解码处理，并输出发送数据流；

权重系数计算部，其计算与发送侧的预编码方式对应的权重系数；以及

解码部，其通过对路径度量乘以所述权重系数，对通过所述解码处理得到的发送数据实施加权解码处理，

该MIMO-OFDM接收装置具有：

信道估计部，其通过由多个接收天线接收到的接收信号来估计信道；以及

预编码矩阵决定部，在所述发送侧的预编码方式是限定反馈预编码方式时，该预编码矩阵决定部根据该信道来决定在发送侧的预编码处理中使用的预编码矩阵，

所述MIMO处理部使用所述预编码矩阵和所述信道，对所述接收信号实施基于ZF解码算法或MMSE解码算法的解码处理，并输出发送数据流，

所述权重系数计算部使用所述预编码矩阵和所述信道，计算数据流的信噪比，将该信噪比作为所述权重系数。

8.一种MIMO-OFDM接收装置，该MIMO-OFDM接收装置接收通过MIMO-OFDM通信发送的信号，其特征在于，

该MIMO-OFDM接收装置具有：

多个接收天线，其接收从多个天线发送的信号；

MIMO处理部，其对所述接收信号实施基于ZF解码算法或MMSE解码算法的解码处理，并输出发送数据流；

权重系数计算部，其计算与发送侧的预编码方式对应的权重系数；以及

解码部，其通过对路径度量乘以所述权重系数，对通过所述解码处理得到的发送数据实施加权解码处理，

该MIMO-OFDM接收装置具有：

计算部，其使用对将信道排列为矩阵得到的信道矩阵进行奇异值分解而得到的奇异值的最大值、最小值，来计算信道的平均条件数量；以及

预编码方式决定部，在该平均条件数量在阈值以下时，该预编码方式决定部采用空间复用预编码方式作为预编码方式，在平均条件数量大于阈值时，该预编码方式决定部采用限定反馈预编码方式或固有模式转送预编码方式作为预编码方式。

9.一种MIMO-OFDM通信系统，该MIMO-OFDM通信系统接收通过MIMO-OFDM通信发送的信号，其特征在于，

MIMO-OFDM发送装置具有：

一个FEC编码器，其对发送数据流实施编码处理；

删余部，其对已编码的发送数据流实施基于编码率的删余处理；

频率交织部，其对实施了删余处理后的发送数据流实施频率交织；

星座映射部，其对频率交织后的发送数据流实施星座映射；

空间交织部，其设置在所述删余部或所述频率交织部或所述星座映射部的后级，用于将发送数据流分为多个发送数据流；

预编码器，其对各发送数据流实施预编码处理；

OFDM调制部，其对各发送数据流实施OFDM调制；以及

多个发送天线，其发送OFDM调制后的各发送数据流，

MIMO-OFDM接收装置具有：

多个接收天线，其接收从多个天线发送的信号；

MIMO处理部，其对所述接收信号实施基于ZF解码算法或MMSE解码算法的解码处理，并分离输出多个发送数据流；

权重系数计算部，其计算与发送侧的预编码方式对应的权重系数；

处理部，其按照与发送侧相反的顺序，对所述多个数据流实施解映射、频率解交织、空间解交织、解删余处理；以及

解码部，其通过对路径度量乘以所述权重系数，对所输入的数据流实施加权解码处理。

10.一种MIMO-OFDM通信系统，该MIMO-OFDM通信系统接收通过MIMO-OFDM通信发送的信号，其特征在于，

MIMO-OFDM发送装置具有：

多个FEC编码器，其分别对多个发送数据流实施编码处理；

删余部，其对已编码的各发送数据流实施基于编码率的删余处理；

频率交织部，其对实施了删余处理后的各发送数据流实施频率交织；

星座映射部，其对频率交织后的各发送数据流实施星座映射；

预编码器，其对各发送数据流实施预编码处理；

OFDM调制部，其对各发送数据流实施OFDM调制；以及

多个发送天线，其发送OFDM调制后的各发送数据流，

MIMO-OFDM接收装置具有：

多个接收天线，其接收从多个天线发送的信号；

MIMO处理部，其对所述接收信号实施基于ZF解码算法或MMSE解码算法的解码处理，并分离输出多个数据流；

权重系数计算部，其计算与发送侧的预编码方式对应的权重系数；

处理部，其按照与发送侧相反的顺序，分别对所述多个数据流实施解映射、频率解交织、解删余处理；以及

多个解码部，其通过对路径度量乘以所述权重系数，对所输入的多个数据流实施加权解码处理。

11.一种MIMO-OFDM通信系统，该MIMO-OFDM通信系统接收通过MIMO-OFDM通信发送的信号，其特征在于，

MIMO-OFDM发送装置具有：

多个FEC编码器，其分别对多个发送数据流实施编码处理；

删余部，其对已编码的各发送数据流实施基于编码率的删余处理；

频率交织部，其对实施了删余处理后的各发送数据流实施频率交织；

星座映射部，其对频率交织后的各发送数据流实施星座映射；

空间交织部，其设置在所述删余部或所述频率交织部或所述星座映射部的后级，用于重新排列多个发送数据流；

预编码器，其对各发送数据流实施预编码处理；

OFDM调制部，其对各发送数据流实施OFDM调制；以及

多个发送天线，其发送OFDM调制后的各发送数据流，

MIMO-OFDM接收装置具有：

多个接收天线，其接收从多个天线发送的信号；

MIMO处理部，其对所述接收信号实施基于ZF解码算法或MMSE解码算法的解码处理，并分离输出多个数据流；

权重系数计算部，其计算与发送侧的预编码方式对应的权重系数；

处理部，其按照与发送侧相反的顺序，分别对所述多个数据流实施解映射、频率解交织、空间解交织、解删余处理；以及

多个解码部，其通过对路径度量乘以所述权重系数，对所输入的多个数据流实施加权解码处理。

12.根据权利要求9～11所述的MIMO-OFDM通信系统，其特征在于，

所述MIMO-OFDM接收装置具有：

信道估计部，其通过由多个接收天线接收到的接收信号来估计信道；以及

预编码矩阵决定部，在所述发送侧的预编码方式是限定反馈预编码方式时，该预编码矩阵决定部根据该信道来决定在发送侧的预编码处理中使用的预编码矩阵，

所述MIMO处理部使用所述预编码矩阵和所述信道，对所述接收信号实施基于ZF解码算法或MMSE解码算法的解码处理，并输出发送数据流，

所述权重系数计算部使用所述预编码矩阵和所述信道，计算数据流的信噪比，将该信噪比作为所述权重系数。

13.一种MIMO-OFDM通信方法，该MIMO-OFDM通信方法用于通过MIMO-OFDM通信来收发数据的空间复用OFDM系统，其特征在于，

该MIMO-OFDM通信方法在发送侧执行以下步骤：

对发送数据实施空时编码（STBC）处理或空频编码（SFBC）处理，并映射到多个发送天线；以及

分别对通过所述编码处理而映射的发送数据实施OFDM调制并从发送天线进行发送，

该MIMO-OFDM通信方法在接收侧执行以下步骤：

估计将从发送装置的各发送天线到各接收天线的信道响应作为元素的信道响应矩阵，并对该信道响应矩阵实施规定转换；

使用通过该转换得到的信道矩阵，对接收信号实施基于ZF解码算法或MMSE解码算法的MIMO解码处理，并输出发送数据流；

使用所述信道矩阵来计算数据流的信噪比作为权重系数；以及

通过对路径度量乘以所述权重系数，对通过所述解码处理得到的发送数据实施加权解码处理。

14.根据权利要求13所述的MIMO-OFDM通信方法，其特征在于，

在采用MMSE解码算法作为解码算法的情况下，在所述权重系数计算步骤中，计算MMSE SINR作为权重系数，在所述加权解码处理步骤中，将该权重系数作为维特比解码的路径度量的权重系数来进行加权维特比解码。

15.根据权利要求13所述的MIMO-OFDM通信方法，其特征在于，

在采用ZF解码算法作为解码算法的情况下，在所述权重系数计算步骤中，计算ZF SINR作为权重系数，在所述加权解码处理步骤中，将该权重系数作为维特比解码的路径度量的权重系数来进行加权维特比解码。

16.根据权利要求14或15所述的MIMO-OFDM通信方法，其特征在于，

在所述信噪比SINR在某个阈值以下的情况下，使权重系数为0，在信噪比SINR在某个阈值以上的情况下，使权重系数为1。

17.根据权利要求13所述的MIMO-OFDM通信方法，其特征在于，

所述MIMO解码处理步骤执行以下步骤：

根据发送侧的数据调制方式的种类，来决定通过ZF解码算法进行解码处理、还是通过MMSE解码算法进行解码处理。

18.根据权利要求13所述的MIMO-OFDM通信方法，其特征在于，

该MIMO-OFDM通信方法还执行以下步骤：

检查通过解码处理得到的解码数据中是否存在错误；

当存在错误时，向发送侧请求再次发送；以及

再次发送时，变更所述发送数据流和发送该发送数据流的发送天线的组合来进行再次发送。

19.根据权利要求18所述的MIMO-OFDM通信方法，其特征在于，

该MIMO-OFDM通信方法还执行以下步骤：

当设所述信道矩阵为Hs时，以对该矩阵Hs进行奇异值分解而得到的最小奇异值为最大的方式来决定各发送数据流和发送该发送数据流的发送天线的组合，并向发送侧进行通知。

20.根据权利要求18所述的MIMO-OFDM通信方法，其特征在于，

该MIMO-OFDM通信方法还执行以下步骤：

以在接收侧MMSE为最小的方式来决定所述各发送数据流和发送该发送数据流的发送天线的组合，并向发送侧进行通知。

21.根据权利要求18所述的MIMO-OFDM通信方法，其特征在于，

该MIMO-OFDM通信方法还执行以下步骤：

以在接收侧容量为最大的方式来决定所述各发送数据流和发送该发送数据流的发送天线的组合，并向发送侧进行通知。

22.根据权利要求18所述的MIMO-OFDM通信方法，其特征在于，

该MIMO-OFDM通信方法还执行以下步骤：

使用对所述信道矩阵进行奇异值分解而得到的奇异值的最大值、最小值，来计算信道的平均条件数量，以该平均条件数量为最小的方式来决定所述各发送数据流和发送该发送数据流的发送天线的组合，并向发送侧进行通知。

23.一种MIMO-OFDM通信装置，该MIMO-OFDM通信装置用于通过MIMO-OFDM通信来收发数据的空间复用OFDM系统，其特征在于，

该MIMO-OFDM通信装置具有：

编码部，其对发送数据实施空时编码（STBC）处理或空频编码（SFBC）处理，并映射到多个发送天线；

OFDM发送部，其分别对通过所述编码处理而映射的发送数据实施OFDM调制并从发送天线进行发送；

信道取得部，其估计将从发送装置的发送天线到接收天线的信道响应作为元素的信道响应矩阵，并对该信道响应矩阵实施规定转换；

MIMO处理部，其使用由该信道取得部取得的信道矩阵，对由所述多个接收天线接收到的接收信号实施基于ZF解码算法或MMSE解码算法的MIMO解码处理，并输出发送数据流；

权重系数计算部，其使用所述信道矩阵来计算数据流的信噪比作为权重系数；以及

解码部，其通过对路径度量乘以所述权重系数，对通过所述解码处理得到的发送数据实施加权解码处理。

24.根据权利要求23所述的MIMO-OFDM通信装置，其特征在于，

在采用MMSE解码算法作为解码算法的情况下，所述权重系数计算部计算MMSE SINR作为权重系数，所述解码部将该权重系数作为维特比解码的路径度量的权重系数来进行加权维特比解码。

25.根据权利要求23所述的MIMO-OFDM通信装置，其特征在于，

在采用ZF解码算法作为解码算法的情况下，所述权重系数计算部计算ZF SINR作为权重系数，所述解码部将该权重系数作为维特比解码的路径度量的权重系数来进行加权维特比解码。

26.根据权利要求24或25所述的MIMO-OFDM通信装置，其特征在于，

在所述信噪比SINR在某个阈值以下的情况下，所述权重系数计算部使权重系数为0，在信噪比SINR在某个阈值以上的情况下，所述权重系数计算部使权重系数为1。

27.根据权利要求23所述的MIMO-OFDM通信装置，其特征在于，

所述MIMO处理部根据发送侧的数据调制方式的种类，来决定通过ZF解码算法进行解码处理、还是通过MMSE解码算法进行解码处理。

28.根据权利要求23所述的MIMO-OFDM通信装置，其特征在于，

该MIMO-OFDM通信装置还具有：

错误检测部，其检查通过解码处理得到的解码数据中是否存在错误；

再次发送请求部，当存在错误时，该再次发送请求部向发送侧请求再次发送；以及

天线变更控制部，其在再次发送时，变更所述发送数据流和发送该发送数据流的发送天线的组合。

29.根据权利要求28所述的MIMO-OFDM通信装置，其特征在于，

该MIMO-OFDM通信装置还具有发送天线决定部，当设所述信道矩阵为Hs时，该发送天线决定部以对该矩阵Hs进行奇异值分解而得到的最小奇异值为最大的方式来决定所述各发送数据流和发送该发送数据流的发送天线的组合，并向发送装置通知决定结果。

30.根据权利要求28所述的MIMO-OFDM通信装置，其特征在于，

该MIMO-OFDM通信装置还具有发送天线决定部，该发送天线决定部以在接收侧MMSE为最小的方式来决定所述各发送数据流和发送该发送数据流的发送天线的组合，并向发送装置通知决定结果。

31.根据权利要求28所述的MIMO-OFDM通信装置，其特征在于，

该MIMO-OFDM通信装置还具有发送天线决定部，该发送天线决定部以在接收侧容量为最大的方式来决定所述各发送数据流和发送该发送数据流的发送天线的组合，并向发送装置通知决定结果。

32.根据权利要求28所述的MIMO-OFDM通信装置，其特征在于，

该MIMO-OFDM通信装置还具有发送天线决定部，该发送天线决定部使用对所述信道矩阵进行奇异值分解而得到的奇异值的最大值、最小值，来计算信道的平均条件数量，以该平均条件数量为最小的方式来决定所述各发送数据流和发送该发送数据流的发送天线的组合，并向发送装置通知决定结果。

Images