CN101557269B - 一种基于超大规模集成电路的球形译码检测方法 - Google Patents

Abstract

本发明提供一种基于超大规模集成电路的球形译码检测方法，包括步骤：A、对信道矩阵进行QR分解；B、将Q矩阵的共轭转置与接收信号相乘得到均衡信号ρ；C、设置第i层的搜索节点数K_i；D、根据R矩阵和ρ确定的球形译码表达式，对第1层的节点进行查表排序，保留欧式距离最小的K₁个节点；E、执行第i层搜索时，分别对第i-1层保留的K_i-1个节点根据球形译码表达式进行节点内的查表排序，并计算所述K_i-1个节点的子节点的权值，然后，根据查表排序结果对所述K_i-1个节点的子节点采用VLSI进行分治排序，保留权值最小的K_i个节点；F、搜索到最后一层时，输出译码结果。本发明能够有效降低球形译码的运算复杂度。

Description

一种基于超大规模集成电路的球形译码检测方法

技术领域

本发明属于无线通信领域，特别涉及一种用于多输入多输出(MIMO)系统的基于超大规模集成电路(VLSI)的球形译码检测方法，本发明也可以应用于正交频分复用(OFDM)和MIMO系统中对MIMO信号的检测。

背景技术

在目前无线通信标准及其演进过程中，多输入输出天线技术已经被广泛采用。无论是3GPP长期演进技术中(long term evolution，LTE)，还是802.16系列技术演进版本中，都把正交频分复用和MIMO技术作为关键技术广泛使用。与传统的单输入输出(SISO)系统相比，MIMO系统的接收是在时间与频域上均相互重叠情况进行MIMO信号检测，因此，MIMO信号检测复杂度大大高于传统SISO信号检测。

MIMO最大似然(Maximum Likelihood，ML)检测可以使系统获得最佳的误码率性能，但遍历式搜索因其具有非确定性多项式(Non-deterministicpolynomial，NP)运算复杂度在实际系统中往往难以实时实现或不能实现，低复杂度的MIMO-ML和接近ML的信号检测算法一直是MIMO系统所要解决的问题。

于是，Viterbo等在Pohst等的研究基础上，对具有栅格状星座图的源信号提出了一种被称为球形译码(sphere decoding)的检测算法。球形译码实质上是把MIMO-ML检测问题构建为在一棵源信号星座点树上搜索一条最佳路径的问题，并在搜索过程中不断地强化约束条件。球形译码的工作原理是：先在接收信号空间中预设一个以接收信号点为圆心的球，再把该球映射为发射信号空间中的一个椭球，并在椭球内搜索可能的发射信号点，一旦找到一个发射信号点，即以该信号点的映射点与接收信号的距离为半径收缩预设的球，从而使后续的搜索得以在更小的范围内进行。

然而，传统的球形译码存在一个不利的因素，那就是不同的信道条件，信号质量以及初始半径，其算法计算复杂度是不同的。特别是对于奇异矩阵，有可能导致整个算法不收敛，导致系统的瘫痪。因此，如何有效控制球形译码算法复杂度，系统的稳定性和鲁棒性以及速率固定性，对于一个实时无线通信系统来说尤其重要。

基于上述的原因，于是出现了利用宽度优先算法代替深度优先算法的K-Best算法，其核心思想就是在每层搜索最优路径时，只保留权值最小的K个节点，然后从这保留的K个节点息继续向下搜索，直到最底层。这种算法比较适合于通过VLSI硬件来实现。

不过，对于K-Best算法，也存在如何从K×M_c(M_c是调制点数)个节点中选取最优的K个节点以及如何保证性能与最大似然ML性能基本一致的情况下，尽可能减少算法的复杂度的问题。

发明内容

本发明所要解决的技术问题是提供一种基于超大规模集成电路的球形译码检测方法，以降低球形译码的运算复杂度。

为解决上述技术问题，本发明提供技术方案如下：

一种基于超大规模集成电路的球形译码检测方法，包括如下步骤：

A、对信道矩阵H进行QR分解，得到Q矩阵和R矩阵；

B、将Q矩阵的共轭转置与接收信号相乘，得到接收信号的均衡信号ρ；

C、设置第i层的搜索节点数K_i，i＝1，2，...，N_T，N_T为发射天线数；

D、根据所述R矩阵和ρ确定的球形译码表达式，对第1层的节点进行查表排序，保留欧式距离最小的K₁个节点，并计算保留的K₁个节点的权值；

E、执行第i层搜索时，分别对第i-1层保留的K_i-1个节点根据所述球形译码表达式进行节点内的查表排序，并计算所述K_i-1个节点的子节点的权值，然后，根据查表排序结果对所述K_i-1个节点的子节点采用超大规模集成电路VLSI进行分治排序，保留权值最小的K_i个节点；

F、搜索完最后一层后，输出译码结果。

上述的球形译码检测方法，步骤E中，采用VLSI进行分治排序包括：

采用VLSI，将第i-1层的第1个节点的子节点的权值与第2个节点的子节点的权值进行比较，选出权值最小的K_i个子节点，然后，将所述选出的权值最小的K_i个子节点的权值与第3个节点的子节点的权值进行比较，再选出权值最小的K_i个子节点，依此类推，直到选出最终的权值最小的K_i个子节点。

上述的球形译码检测方法，步骤E中，通过K_i×K_i比较器进行所述比较，其中，由多个2×2比较器通过嵌套的方式实现所述K_i×K_i比较器。

上述的球形译码检测方法，其中，由多个2×2比较器通过嵌套的方式实现所述K_i×K_i比较器包括：

利用两个2×2比较器实现4×4比较器，然后利用两个4×4比较器实现8×8比较器，依此类推，直到实现K_i×K_i比较器。

上述的球形译码检测方法，步骤A中，所述QR分解为排序的QR分解，使得R矩阵的对角线上第i个元素的模值不大于第i+1个元素的模值。

上述的球形译码检测方法，步骤C中，根据调制方式、目标误比特率和信道状态信息设置所述第i层的搜索节点数K_i。

上述的球形译码检测方法，步骤C中，所设置的第i层的搜索节点数K_i不小于第i+1层的搜索节点数K_i+1。

上述的球形译码检测方法，步骤E中，对于所述K_i-1个节点中的每个节点，计算不同数目的子节点的权值。

本发明对传统的K-best算法进行了改进，包括自适应设置每层搜索的节点数，以及采用查表方式进行节点内排序，在所述节点内排序的基础上，采用VLSI硬件并基于分治算法进行层内排序，从而降低了球形译码的运算复杂度。进一步，本发明还对相同的层内排序采用相同的VLSI硬件进行分治排序和重复使用，从而大大提高了系统的资源利用率。

附图说明

图1为基本的MIMO系统模型图；

图2为本发明实施例的基于超大规模集成电路的球形译码检测方法流程图；

图3为本发明实施例中采用VLSI硬件实现层内分治排序的示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图及具体实施例对本发明进行详细描述。

对于基本的MIMO系统模型如图1所示，假设发射天线数为N_t，接收天线数为N_R，其信道为平衰落信道，则该系统可用如下公式所示：

y＝H·s+n    (1)

其中y为N_R×1的接收信号向量，s为N_t×1的发射信号向量，n为N_R×1的噪声向量，其均值为0，方差为N₀/2，H为N_R×N_t维的信道模型向量(信道矩阵)。

采用最大似然估计算法，表达式如下：

$\underset{s\∈\mathrm{\Ω}}{\min }{\left|\right|n\left|\right|}^2=\underset{s\∈\mathrm{\Ω}}{\min }{\left|\right|y-\mathrm{Hs}\left|\right|}^2---\left(2\right)$

其中，Ω为有效的调制信号点。为了减少最大似然算法复杂度，传统的K-Best算法核心思想是基于宽度优先的思想，即在每层选择一定数量节点，然后再进行路径扩展和节点搜索的过程。

本发明实施例的基于超大规模集成电路的球形译码检测方法，对传统的K-Best算法进行了改进。首先，对H进行QR分解可以得到酉矩阵Q与上三角矩阵R，根据式(2)得到如下表达式：

由于R是一个上三角矩阵，因此可以利用迭代的方法，得到如下的表达式(4)：

其中， $\mathrm{\ρ}=Q^{H}y={({\mathrm{\ρ}}_1,{\mathrm{\ρ}}_2,{\mathrm{\ρ}}_3,...,{\mathrm{\ρ}}_{N_R})}^T,$ r_i，j表示矩阵R第i行与第j列的元素，(·)^H表示对(·)求共轭转置，为解调向量，为

向量的第j个元素。

在本发明中，为描述方便，将以上公式中的e_i称为节点的欧式距离，E_i称为节点的权值。

参照图2，本发明实施例的基于超大规模集成电路的球形译码检测方法，主要包括如下步骤：

步骤201：对信道矩阵H进行QR分解，得到Q矩阵和R矩阵；

优选地，所述QR分解为排序的QR分解，并得到Q矩阵、R矩阵和P矩阵(排序交换矩阵)。通过排序的QR分解，使得R矩阵的对角线上第i个元素的模值不大于第i+1个元素的模值，即，所述R矩阵的对角线元素从左上角到右下角按照模值从小到大的顺序排列。排序的QR分解，相当于对搜索树进行层间排序。通过所述层间排序，使得高层节点的欧式距离相对较大，结合后续步骤中自适应设置每层搜索的节点数，可以降低正确的星座点不被搜索到的概率，从而提高搜索速度，降低球形译码的运算复杂度。

步骤202：将Q矩阵的共轭转置与接收信号y相乘，得到接收信号的均衡信号ρ，即，ρ＝Q^Hy；

在本发明中，是将ρ作为等效的接收信号，将R矩阵作为等效的信道矩阵，并根据R矩阵和ρ构建搜索树来进行球形译码。

步骤203：设置第i层的搜索节点数K_i，i＝1，2，...，N_T，N_T为发射天线数；

在传统的K-Best算法中，每层搜索的节点数是固定的；本发明对其进行了改进，根据不同的系统参数和信道参数进行灵活的设置每层的K值。

具体地，可以根据调制方式、目标误比特率和信道状态信息(CSI)设置所述第i层的搜索节点数K_i(这使得每层所搜索的节点数是自适应的)。较佳地，还可以设置第i层的搜索节点数K_i不小于第i+1层的搜索节点数K_i+1，即，高层搜索的节点数相对较多。高层搜索的节点数相对较多，可以降低正确的星座点不被搜索到的概率。

步骤204：根据所述R矩阵和ρ确定的球形译码表达式，对第1层的节点进行查表排序，保留欧式距离最小的K₁个节点，并计算保留的K₁个节点的权值；

对于第1层的节点，其欧式距离即为权值。

步骤205：令i＝2；

步骤206：执行第i层的搜索，即分别对第i-1层保留的K_i-1个节点根据所述球形译码表达式进行节点内的查表排序，并计算所述K_i-1个节点的子节点的权值；

优选地，对于所述K_i-1个节点中的每个节点，可以根据实际情况，计算不同数目的子节点的权值(即，可以只计算该节点的部分子节点的权值)。在以下的步骤中，只对计算了权值的子节点进行比较和排序。

步骤207：根据查表排序结果对所述K_i-1个节点的子节点采用超大规模集成电路(VLSI)进行分治排序，保留权值最小的K_i个节点；

采用VLSI进行分治排序包括：采用VLSI，将第i-1层的第1个节点的子节点的权值与第2个节点的子节点的权值进行比较，选出权值最小的K_i个子节点，然后，将所述选出的权值最小的K_i个子节点的权值与第3个节点的子节点的权值进行比较，再选出权值最小的K_i个子节点，依此类推，直到选出最终的权值最小的K_i个子节点。

进行上述比较需要K_i×K_i比较器，在本发明的实施例中，是由多个2×2比较器通过嵌套的方式实现所述K_i×K_i比较器，具体实现方式为：利用两个2×2比较器实现4×4比较器，然后利用两个4×4比较器实现8×8比较器，依此类推，直到实现K_i×K_i比较器。

步骤208：令i＝i+1；

步骤209：判断i是否大于N_T，若是，进入步骤210，否则，返回步骤206；

步骤210：输出译码结果。

本步骤中，是将最终权值最小的最底层节点对应的路径的星座点映射值组成为球形译码结果。需要说明的是，在步骤201中进行的是排序的QR分解的情况下，还需根据所述P矩阵对所述星座点映射值进行排序，将排序得到的序列作为最终的译码结果。

对于一个节点的子节点进行排序，传统方法是先计算每个子节点的欧式距离，然后根据欧式距离的大小进行排序，如采用冒泡、插入等方法进行排序，算法复杂度高。在本发明中，不需要先计算每个子节点的欧式距离，而是直接根据由R矩阵和ρ确定的球形译码表达式(3)进行查表排序，从而达到减少算法复杂度和提升系统性能的目的。

所谓查表排序是指：根据球形译码表达式(3)进行迭代求解，得到解调向量确定

向量在当前层的分量，以及该分量在当前层的源信号星座图中的位置；根据当前层源信号星座图的每个星座点(节点)与所述分量的位置之间的距离(欧式距离)的相对大小对所述节点进行排序。由于星座图中星座点是有规律分布的，因此，在确定所述位置后，不需要计算欧式距离，就可直接根据该分布规律确定所有星座点与该位置之间的欧式距离的相对大小。

在采用查表方式进行节点内排序后，就可以在所述节点内排序的基础上，基于分治算法进行层内排序，一方面可以降低排序算法的复杂度，另一方面也便于VLSI硬件的实现。

图3为本发明实施例中采用VLSI硬件实现层内分治排序的示意图。参照图3，其通过嵌套的方式实现8×8比较器，即，利用两个2×2比较器实现4×4比较器的功能，然后利用两个4×4比较器实现8×8比较器的功能。这样，其基本硬件逻辑单位为2×2比较器，从而大大简化了VLSI硬件的设计。在进行层内的分治排序时，可以重复利用该8×8比较器。具体实现如下：

假设第一组8个节点经过查表排序后，权值的大小顺序(对于同一节点的子节点，权值大小顺序与欧式距离大小顺序相同)为：

a₁≤a₂≤a₃≤a₄≤a₅≤a₆≤a₇≤a₈

第二组8个节点经过查表排序后，权值的大小顺序为：

b₁≤b₂≤b₃≤b₄≤b₅≤b₆≤b₇≤b₈

首先，通过一个2×2比较器(其中包括3个比较器)可以实现从4个权值中选出较小的3个权值，例如，从a₁、a₂、b₁、b₂中选出3个较小的权值e₁、e₂、e₃；然后，由两个2×2比较器实现4×4比较器的功能，通过一个4×4比较器(其中包括2个2×2比较器和2个比较器)可以从8个权值中选出5个较小的权值，例如，从a₁、a₂、a₃、a₄、b₁、b₂、b₃、b₄中选出5个较小的权值d₁、d₂、d₃、d₄、d₅；最后，然后由两个4×4比较器实现8×8比较器的功能，通过一个8×8比较器(其中包括2个4×4比较器和4个比较器)可以从16个权值中选出8个较小的权值，例如，从a₁、a₂、a₃、a₄、a₅、a₆、a₇、a₈、b₁、b₂、b₃、b₄、b₅、b₆、b₇、b₈中选出8个较小的权值c₁、c₂、c₃、c₄、c₅、c₆、c₇、c₈。

本发明提出的基于VLSI设计中的球形译码检测方法，其性能在与最大似然(ML)性能基本一致的情况下，其对节点内排序和层内排序的算法进行大量的优化和简化。对传统的K-Best算法与本发明的算法的复杂度进行比较如下(假设当前层的K＝8，调制方式为64QAM，传统算法采用冒泡法排序)：

计算复杂度	传统K-Best算法	本发明的算法
			节点内排序	63+62+...+57+56＝504	0
层内排序	511+510+...+504＝4060	20×7＝140

从上表可以看出，本发明的方法可以大大降低计算复杂度。

本发明对于相同的层内排序采用相同的VLSI硬件来完成，从而大大提高了系统的资源利用率。本发明还利用逻辑功能嵌套来实现比较复杂的比较器，其中的基本逻辑单元是2×2的逻辑比较器单元，进一步提升了VLSI硬件的使用效率。

最后应当说明的是，以上实施例仅用以说明本发明的技术方案而非限制，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神范围，其均应涵盖在本发明的权利要求范围当中。

Claims (7)

1.一种基于超大规模集成电路的球形译码检测方法，其特征在于，包括如下步骤：

A、对信道矩阵H进行QR分解，得到Q矩阵和R矩阵；

B、将Q矩阵的共轭转置与接收信号相乘，得到接收信号的均衡信号ρ；

C、设置第i层的搜索节点数K_i，i＝1，2，...，N_T，N_T为发射天线数；

D、根据所述R矩阵和ρ确定的球形译码表达式，对第1层的节点进行查表排序，保留欧式距离最小的K₁个节点，并计算保留的K₁个节点的权值，令i＝2；

E、执行第i层搜索时，分别对第i-1层保留的K_i-1个节点根据所述球形译码表达式进行节点内的查表排序，并计算所述K_i-1个节点的子节点的权值，然后，根据查表排序结果对所述K_i-1个节点的子节点采用超大规模集成电路VLSI进行分治排序，保留权值最小的K_i个子节点；

F、令i＝i+1，判断i是否大于N_T，若是，输出译码结果，否则，返回步骤E；

其中，所述查表排序是指：根据球形译码表达式进行迭代求解，得到解调向量；确定所述解调向量在当前层的分量，以及该分量在当前层的源信号星座图中的位置；根据当前层源信号星座图的每个星座点与所述分量的位置之间的欧式距离的相对大小对节点进行排序；

步骤E中，采用VLSI进行分治排序包括：

采用VLSI，将第i-1层的第1个节点的子节点的权值与第2个节点的子节点的权值进行比较，选出权值最小的K_i个子节点，然后，将所述选出的权值最小的K_i个子节点的权值与第3个节点的子节点的权值进行比较，再选出权值最小的K_i个子节点，依此类推，直到选出最终的权值最小的K_i个子节点。

2.如权利要求1所述的球形译码检测方法，其特征在于：

步骤E中，通过K_i×K_i比较器进行所述比较，其中，由多个2×2比较器通过嵌套的方式实现所述K_i×K_i比较器。

3.如权利要求2所述的球形译码检测方法，其特征在于，由多个2×2比较器通过嵌套的方式实现所述K_i×K_i比较器包括：

利用两个2×2比较器实现4×4比较器，然后利用两个4×4比较器实现8×8比较器，依此类推，直到实现K_i×K_i比较器。

4.如权利要求1所述的球形译码检测方法，其特征在于：

步骤A中，所述QR分解为排序的QR分解，使得R矩阵的对角线上第i个元素的模值不大于第i+1个元素的模值。

5.如权利要求1所述的球形译码检测方法，其特征在于：

步骤C中，根据调制方式、目标误比特率和信道状态信息设置所述第i层的搜索节点数K_i。

6.如权利要求1所述的球形译码检测方法，其特征在于：

步骤C中，所设置的第i层的搜索节点数K_i不小于第i+1层的搜索节点数K_i+1。

7.如权利要求1所述的球形译码检测方法，其特征在于：

步骤E中，对于所述K_i-1个节点中的每个节点，计算不同数目的子节点的权值。

Images