CN101572561A

CN101572561A - 多输入多输出系统的信号检测方法和装置

Info

Publication number: CN101572561A
Application number: CNA2008100887240A
Authority: CN
Inventors: 朴金虎; 黄顾业; 李斌; 罗毅
Original assignee: Huawei Technologies Co Ltd
Current assignee: Huawei Technologies Co Ltd
Priority date: 2008-04-30
Filing date: 2008-04-30
Publication date: 2009-11-04
Anticipated expiration: 2028-04-30
Also published as: US8437418B2; EP2216916A4; EP2216916B1; CN101572561B; US20100239043A1; EP2216916A1; WO2009132597A1

Abstract

本发明公开了一种多输入多输出系统的信号检测方法和装置，属于多输入多输出传输技术领域。所述方法包括：对MIMO系统的信道矩阵进行三角分解，将MIMO系统分解为多个子MIMO系统；检测第一个子系统的接收信号向量，得到该子系统的候选检测向量列表；以干扰消除方式依次检测其它子系统，得到其它子系统的候选检测向量列表；将所有列表组合后判决或计算得到MIMO系统的发射信号向量。所述装置包括：分解模块、检测模块、列表生成模块、干扰消除处理模块和组合及处理模块。本发明极大地降低了LR算法的复杂度，并减小了LR算法结合SIC检测时的错误传播的概率。

Description

多输入多输出系统的信号检测方法和装置

技术领域

本发明涉及MIMO(Multi-Input Multi-Output，多输入多输出)传输技术领域，特别涉及一种多输入多输出系统的信号检测方法和装置。

背景技术

无线通信系统中，信道容量随着天线数的增加而增大。为了获得比单天线系统更大的系统容量，MIMO传输系统通过分别在发送端和接收端放置多根天线，提高了无线链路的频谱效率及链路可靠性。采用多天线的系统，其信道称为MIMO信道。

通常，MIMO接收机的复杂度随着天线和调制符号阶数的增加而增加。如果采用ML(Maximum-Likelihood，最大似然)检测算法，计算复杂度将随发射天线数的增加呈指数增长。近年来，大量的学者设计了各种方法来降低接收机的复杂度，如SIC(Successive InterferenceCancellation，连续干扰消除)、反馈判决、MAP(Maximum A Posterior，最大后验概率)、SD(Sphere Detection，球型检测)算法等。通常ML检测算法可以简化为SD算法实现。SD算法在ML检测算法的基础上降低了接收机的复杂度，但由于SD算法需要搜索一个最接近发射向量的解，复杂度仍然较高。近年来，有学者提出了LR(Lattice Reduction，格约化)算法进一步降低ML算法的复杂度。LR算法通过变换原有的信道矩阵得到一个等效信道矩阵，该等效信道矩阵接近对角阵，可以采用线性检测或SIC检测到格约化域信号，再将格约化域检测信号映射为发射信号，从而获得较好的检测性能，同时极大地降低了接收机的复杂度，研究表明，LR算法能够获得全分集增益。

在对现有技术进行分析后，发明人发现：现有技术中LR算法的复杂度随其基向量的数量增大而快速增加，因此在较大的MIMO系统中，基于LR算法的检查复杂度仍然较大，实现较困难。

发明内容

本发明实施例提供了一种多输入多输出系统的信号检测方法和装置。所述技术方案如下：

一方面，本发明实施例提供了一种多输入多输出系统的信号检测方法，所述方法包括：

对多输入多输出MIMO系统的信道矩阵进行三角分解，根据分解的结果将所述MIMO系统分解为多个子MIMO系统；

对所述多个子MIMO系统中的第一个子MIMO系统的接收信号向量进行检测，并根据检测结果生成所述第一个子MIMO系统的候选检测向量列表；

从第二个子MIMO系统开始，采用干扰消除方式，依次检测其它子MIMO系统，得到所述其它子MIMO系统的候选检测向量列表；

将得到的所有子MIMO系统的候选检测向量列表的对应成员进行组合，得到所述MIMO系统的候选检测向量列表；对所述MIMO系统的候选检测向量列表进行判决或计算，得到所述MIMO系统的发射信号向量。

另一方面，本发明实施例还提供了一种多输入多输出系统的信号检测装置，所述装置包括：

分解模块，用于对多输入多输出MIMO系统的信道矩阵进行三角分解，根据分解的结果将所述MIMO系统分解为多个子MIMO系统；

检测模块，用于对所述多个子MIMO系统中的第一个子MIMO系统的接收信号向量进行检测；

列表生成模块，用于根据所述检测模块的检测结果生成所述第一个子MIMO系统的候选检测向量列表；

干扰消除处理模块，用于从第二个子MIMO系统开始，采用干扰消除方式，依次检测其它子MIMO系统，得到所述其它子MIMO系统的候选检测向量列表；

组合及处理模块，用于将得到的所有子MIMO系统的候选检测向量列表的对应成员进行组合，得到所述MIMO系统的候选检测向量列表；对所述MIMO系统的候选检测向量列表进行判决或计算，得到所述MIMO系统的发射信号向量。

本发明实施例通过将MIMO系统划分为多个小的子MIMO系统，并结合SIC方法进行检测，由于子MIMO系统的基向量数量少，因此进行LLL既约化时复杂度低，从而极大地降低了LR算法的复杂度。通过使用候选检测向量列表，减小了LR算法进行SIC检测时的错误传播的概率，在系统性能逼近ML算法的基础上极大地降低了MIMO系统检测的复杂度。

附图说明

图1是本发明实施例提供的MIMO系统模型示意图；

图2是本发明实施例提供的一种MIMO系统的信号检测方法流程示意图；

图3是本发明实施例提供的另一种MIMO系统的信号检测方法流程示意图；

图4是本发明实施例提供的再一种MIMO系统的信号检测方法流程示意图；

图5是本发明实施例提供的MIMO系统的信号检测装置的结构示意图；

图6是本发明实施例提供的4QAM调制时4×4MIMO系统分别采用MMSE算法、ML算法与LR+List算法进行检测的性能仿真结果示意图；

图7是本发明实施例提供的16QAM调制时4×4MIMO系统分别采用MMSE算法、ML算法与LR+List算法进行检测的性能仿真结果示意图。

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，下面将结合附图对本发明实施方式作进一步地详细描述。

参见图1，为本发明实施例提供的MIMO系统模型，该MIMO系统模型基于MMSE(Mimimum Mean Square Error，最小均方误差)的LR算法来实现近似ML接收机。其中，n_T为发射天线数，n_R为接收天线数，s为n_T×1维复值发射向量，x为n_R×1维复值接收向量，则接收向量和发射向量的关系如下：

x＝Hs+n (1)

其中，H为n_R×n_T维信道矩阵，n代表n_R个接收天线上方差为σ_n ²的高斯噪声向量。同时均值

E {{ss}^{H}} = I_{n_{T}},

E {{nn}^{H}} = σ_{n}^{2} I_{n_{R}},

I为单位阵。

下面以采用实数LLL(Lenstra-Lenstra-Lovasz)算法为基础的LR算法为例对LR算法进行介绍。LR算法涉及较多的矩阵运算，由于复数矩阵在进行QR分解等矩阵运算时存在较大困难，因此可以将复数矩阵变换为实数矩阵，以便于正交化、对角化等矩阵运算，则复数矩阵方程(1)可以变换为如下实数矩阵方程：

x_R＝H_Rs_R+n_R (2)

其中，

由于

x_{R} = H_{R} {TT}^{- 1} s_{R} + n_{R} = \tilde{H} z + n_{R},

其中T为幺模矩阵且其元素皆为整数(det(T)＝±1)，称为约化幺模矩阵。

称为格基约化信道矩阵，如果组成

\tilde{H} = H_{R} T

的基向量长度最小或接近正交基，则MIMO接收的问题可以从求解s变为通过线性接收算法求解z，降低了接收端的复杂度。通常，可以采用LLL(Lenstra-Lenstra-Lovasz-Reduced，LLL既约化)算法进行既约化计算得到格基约化信道矩阵

求解z的算法较多，如迫零算法(Zero-forcing)、MMSE算法、基于SIC的迫零算法和基于SIC的MMSE算法等。其中，MMSE算法如下：

{\tilde{z}}_{LR - MMSE} = {({\tilde{H}}^{T} \tilde{H} + σ_{n}^{2} {TT}^{- 1})}^{- 1} {\tilde{H}}^{T} x - - - (3)

因此可以得到接收向量的估计值：

{\tilde{s}}_{R} = T {\tilde{z}}_{LR - MMSE} - - - (4)

本发明实施例中的列表可以指数据的存储单元，既可以用软件方式实现，如以链表或堆栈的形式将数据存储在内存中；还可以用硬件方式实现，如将数据存储在存储器或寄存器中。

参见图2，本发明实施例提供了一种MIMO系统的信号检测方法，具体包括：

201：对MIMO系统的信道矩阵进行三角分解。

202：根据分解的结果将MIMO系统分解为多个子MIMO系统。

当上述三角分解的结果为上三角矩阵时，多个子MIMO系统中的第一个子MIMO系统为底层的子MIMO系统；当上述三角分解的结果为下三角矩阵时，多个子MIMO系统中的第一个子MIMO系统为顶层的子MIMO系统。

203：对多个子MIMO系统中的第一个子MIMO系统的接收信号向量进行检测，并根据检测的结果生成第一个子MIMO系统的候选检测向量列表；从第二个子MIMO系统开始，采用干扰消除方式，依次检测其它子MIMO系统，得到其它子MIMO系统的候选检测向量列表。

其中，其它子MIMO系统的检测可以具体如下：从第二个子MIMO系统开始，采用SIC方式，依次检测其它子MIMO系统，在当前检测的子MIMO系统的接收信号向量中，分别用已检测的所有子MIMO系统的候选检测向量列表中的每一个候选检测向量消除对当前检测的子MIMO系统的干扰；并对消除干扰的结果分别进行检测，得到当前检测的子MIMO系统的候选检测向量列表；直到得到最后一个子MIMO系统的候选检测向量列表。

204：将得到的所有子MIMO系统的候选检测向量列表的对应成员分别进行组合，得到上述MIMO系统的候选检测向量列表。

其中，对应成员是指当前检测的子MIMO系统的候选检测向量列表中的任一个成员，与对该成员检测时进行干扰消除所采用的前一个子MIMO系统的候选检测向量列表中的相应成员，称为对应成员。如一个6×6的MIMO系统进行QR分解后可划分成3个2×2的MIMO子系统，参见表1，第一个子MIMO系统为底层子MIMO系统，其候选检测向量列表为Q1，包含3个成员[Q11，Q12，Q13]；第二个子MIMO系统为中间的子MIMO系统，其候选检测向量列表为Q2，包含7个成员[Q21，Q22，Q23，Q24，Q25，Q26，Q27]，其中，Q21与Q22为采用候选检测向量列表Q1中的成员Q11进行干扰消除检测得到的结果，Q23、Q24与Q25为采用候选检测向量列表Q1中的成员Q12进行干扰消除检测得到的结果等等，则Q11与Q21对应成员，Q11与Q22也为对应成员，Q12分别与Q23、Q24、Q25为对应成员，Q13分别与Q26、Q27为对应成员；第三个子MIMO系统为顶层子MIMO系统，其候选检测向量列表为Q3，从Q31至Q44共包含14个成员，其中，Q31与Q32为采用候选检测向量列表Q2中的成员Q21进行干扰消除检测得到的结果，Q39与Q40为采用候选检测向量列表Q2中的成员Q25进行干扰消除检测得到的结果，则Q21分别与Q31和Q32为对应成员，Q25分别与Q39和Q40为对应成员等等。相应地，可以将Q11、Q21与Q32组合生成分解前的MIMO系统的候选检测向量列表，也可以将Q13、Q26与Q42组合生成分解前的MIMO系统的候选检测向量列表等等。

表1

205：对该MIMO系统的候选检测向量列表进行判决，得到该MIMO系统的发射信号向量。

图2所示的实施例中，对MIMO系统进行判决的步骤还可以替换为计算的步骤，参见图3，301至304与201至204相同，305具体为：计算MIMO系统的候选检测向量列表的对数似然比，得到该MIMO系统的发射信号向量。这种情况下，得到的发射信号向量通常用来输出给译码器。

本实施例通过将较大的MIMO系统划分为多个小的子MIMO系统，并结合SIC方法进行检测，由于子MIMO系统的基向量数量少，因此进行LLL既约化时复杂度低，从而极大地降低了LR算法的复杂度。通过使用候选检测向量列表，减小了LR算法进行SIC检测时的错误传播的概率，在系统性能逼近ML算法的基础上极大地降低了MIMO系统检测的复杂度。

下面以如下MIMO系统为例具体说明，该MIMO系统的接收信号向量为：

r＝Hs+n (5)

其中，H为N×K信道矩阵，s为K×1发射信道向量，n为N×1噪声向量，且E{nn^H}＝N₀I，s中的元素满足s_k∈S，S代表发射信号符号集合，S集合的大小为M。

本发明实施例中，对子MIMO系统进行检测可以采用多种算法，包括但不限于：LR算法。参见图4，本发明实施例还提供了一种MIMO系统的信号检测方法，对于式(5)所示的系统模型，以采用LR算法检测且对MIMO系统的候选检测向量列表进行判决为例进行说明，该方法具体包括：

401：在MIMO系统的接收端对该系统的信道矩阵H进行QR(正交三角化)分解，即将H分解为H＝QR，Q是酉阵，R是上三角阵。

根据分解的结果和上述方程(5)得到中间向量x：

x＝Q^Hr＝Rs+Q^Hn (6)

通过QR分解使信道矩阵H三角化，在本实施例中，采用QR分解可以使最底层的子MIMO系统接收信噪比最大。其中，QR分解的方法有多种，包括但不限于：SQRD(Sorted QRDecomposition，排序正交三角化)分解等方法，采用SQRD方法还可以简化LR算法检测时LLL既约化的复杂度，提高检测性能。

402：根据QR分解的结果，将上述MIMO系统分解为如下两个子MIMO系统：

[\begin{matrix} x_{1} \\ x_{2} \end{matrix}] = [\begin{matrix} R_{1} & R_{2} \\ 0 & R_{3} \end{matrix}] [\begin{matrix} s_{1} \\ s_{2} \end{matrix}] + [\begin{matrix} n_{1} \\ n_{2} \end{matrix}] - - - (7)

其中x_i为x的第i个N_i×1的子向量，n_i为n的第i个N_i×1子向量，s_i为s的第i个K_i×1的子向量，i∈1，2，且K₁+K₂＝K，N₁+N₂＝N。

由方程(7)可知，QR分解后上述MIMO系统的检测可以分解为先对第一个(底层)子MIMO系统x₂＝R₃s₂+n₂根据x₂求解s₂，然后对第二个(顶层)子MIMO系统x₁＝R₁s₁+R₂s₂+n₁在x₂中消除s₂对该子MIMO系统的干扰检测出s₁。

403：采用LR算法对底层子MIMO系统的中间向量x₂进行检测，结果如下：

{\tilde{c}}_{2} = LRDet (x_{2}) - - - (8)

其中，

为LR算法在LR域检测得到的结果，LRDet代表LR检测。

404：根据检测结果，在LR域中生成一个候选检测向量列表，其中包括在LR域内Q

(1 \leq Q \leq M^{K_{2}})

个最靠近

的向量，表示为

C_{2} = List ({\tilde{c}}_{2}) .

其中，生成LR域的候选检测向量列表(List)的方法有多种，包括但不限于如下方法：

选择多个与LR算法的检测结果

所处格点的距离小于预设值的LR域向量，组成底层子MIMO系统的LR域候选检测向量列表。其中，可以根据系统目标检测性能，预先设置底层子MIMO系统的LR域候选检测向量列表所容纳的向量数，即该列表的长度；与检测结果所处格点的距离可以具体为Mahalanobis距离，上述预设值可以具体为一个可容纳LR域候选检测向量列表所容纳的向量数的Voronoi空间的最小半径。

405：将上述LR域的候选检测向量列表C₂映射到MIMO系统的发射信号域，得到底层子MIMO系统的候选检测向量列表：

S_{2} = {{\tilde{s}}_{2}^{(1)}, {\tilde{s}}_{2}^{(2)}, \cdot \cdot \cdot, {\tilde{s}}_{2}^{(Q)}} .

406：采用SIC方式检测顶层子MIMO系统，在顶层子MIMO系统的接收信号向量x₁中，用已检测的底层子MIMO系统的候选检测向量列表S₂中的每一个候选检测向量消除对顶层子MIMO系统的干扰，并采用LR算法对消除干扰的结果分别进行检测，结果如下：

{\tilde{c}}_{1}^{q} = LRDet (x_{1} - R_{2} {\tilde{s}}_{2}^{(q)}) - - - (9)

其中，q＝1，...，Q。

407：将得到的从LR域映射到发射信号域，得到

因此得到顶层子MIMO系统的候选检测向量列表

S_{1} = {{\tilde{s}}_{1}^{(1)}, {\tilde{s}}_{1}^{(2)}, \cdot \cdot \cdot, {\tilde{s}}_{1}^{(Q)}} .

408：将得到的两个子MIMO系统的候选检测向量列表S₁与S₂的对应成员进行组合，即

{\tilde{s}}^{(q)} = [\begin{matrix} {\tilde{s}}_{1}^{(q)} \\ {\tilde{s}}_{2}^{(q)} \end{matrix}],

得到上述MIMO系统的候选检测向量列表

S = {{\tilde{s}}^{(1)}, {\tilde{s}}^{(2)}, \cdot \cdot \cdot, {\tilde{s}}^{(Q)}} .

409：采用ML准则对得到的上述MIMO系统的候选检测向量列表S进行判决，得到该MIMO系统的发射信号向量

\tilde{s} = \underset{q = 1,2, . . ., Q}{\arg \min} {| | x - R {\tilde{s}}^{(q)} | |}^{2} - - - (10)

本实施例中，403中采用LR算法(对底层子MIMO系统的中间向量)进行检测的步骤与406中采用LR算法(对消除干扰的结果)进行检测的步骤有多种方法，包括但不限于以下方法：

采用约化算法对MIMO系统的信道矩阵进行既约化运算，得到约化幺模矩阵和格基约化信道矩阵；根据该约化幺模矩阵和格基约化信道矩阵，对待检测的向量在格约化域进行检测。其中，约化算法可以具体为Lenstra-Lenstra-Lovasz-Reduced算法，该Lenstra-Lenstra-Lovasz-Reduced算法可以具体为实数Lenstra-Lenstra-Lovasz-Reduced算法或复数Lenstra-Lenstra-Lovasz-Reduced算法；在格约化域进行检测时采用的算法包括但不限于：迫零算法、MMSE算法、基于SIC的迫零算法或基于SIC的MMSE算法。

假设对式(5)所示的MIMO系统进行QR分解后得到的任一子MIMO系统为：

X＝RS+v (11)

其中，R为信道矩阵，

S &Element; S^{K_{i}}

为发射信号向量，K_i为子MIMO系统发射向量的维数，v为零均值高斯噪声E[vv^H]＝N₀I，N₀为噪声功率，I为单位阵，H为共轭转置。

下面以式(11)所示的MIMO系统为例，具体说明LR算法的过程：

1)采用约化算法对信道矩阵R进行既约化运算，得到约化幺模矩阵U和格基约化信道矩阵R＝RU；

2)对接收信号向量X进行线性变换，使接收信号向量变换为复整数，假设采用M-QAM调制方式，且调制阶数为m，则对接收信号向量X进行缩放和平移：

d＝αX+βR1＝R(αS+β1)+αv＝Rb+αv (12)

其中，α和β分别为缩放系数和平移系数，1＝[11…1]^T，且α＝1/2A，β＝(3A/2)(1+j)，

A = \sqrt{\frac{{3 E}_{s}}{2 (M - 1)}},

E_s＝E[|s|²]为符号能量，M＝2^2m，

b = αS + β 1 &Element; C^{K_{i}} .

令c＝U^-1b，则式(12)所示的MIMO系统模型变为：

d＝RUU^-1b+αv＝Rc+αv (13)

3)在LR域对c进行检测，例如采用MMSE算法，则得到估计值

即

\tilde{c} = {({\overset{&OverBar;}{R}}^{H} \overset{&OverBar;}{R} + α^{2} N_{0})}^{- 1} {\overset{&OverBar;}{R}}^{H} d .

本实施例404中，生成LR域的候选检测向量列表的过程可以具体如下，以式(13)所示的MIMO系统为例进行说明：

根据最大似然准则，c的解应为argmin||d-Rb||，由于||d-Rb||＝||d-Rc||，且

d &cong; \overset{&OverBar;}{A} \tilde{c},

因此，

| | d - \overset{&OverBar;}{R} c | | &cong; | | \overset{&OverBar;}{R} \tilde{c} - \overset{&OverBar;}{R} c | | = {| | \tilde{c} - c | |}_{{\overset{&OverBar;}{R}}^{H} \overset{&OverBar;}{R}} - - - (14)

其中，

{| | x | |}_{A} = \sqrt{x^{H} Ax}

称为Mahalanobis距离，即与

所处格点的距离，则LR域的候选检测向量列表为：

C_{candidate} = {c_{c} {| | | \tilde{c} - c | |}_{{\overset{&OverBar;}{R}}^{H} \overset{&OverBar;}{R}} < r_{\overset{&OverBar;}{R}} (Q)} - - - (15)

其中，r_R(Q)＞0，表示LR域内以

为中心，包括Q个元素的Voronoi空间的半径，计算该半径的方法有很多，如

r_{\overset{&OverBar;}{R}}^{2} (Q) = \frac{{(QV (\overset{&OverBar;}{R}) K!)}^{\frac{1}{K}}}{π},

V(R)为Voronoi空间的体积，2K为Voronoi空间的维数，均为现有技术，在此不再赘述。

本实施例通过将较大的MIMO系统划分为多个小的子MIMO系统，并结合SIC方法进行检测，由于子MIMO系统的基向量数量少，因此进行LLL既约化时复杂度低，从而极大地降低了LR算法的复杂度，而且系统性能与ML算法接近，小于1dB。通过使用候选检测向量列表，减小了LR算法进行SIC检测时的错误传播的概率，在系统性能逼近ML算法的基础上极大地降低了MIMO系统检测的复杂度。采用LR算法结合SIC方式进行检测，进一步提高了系统的检测性能，与现有技术相比，提高了检测的精度。采用Mahalanobis距离方式生成候选向量列表，与现有的欧氏距离方式相比，容易实现，进一步降低了LR算法的复杂度。

参见图5，本发明实施例还提供了一种多输入多输出系统的信号检测装置，具体包括：

分解模块501，用于对多输入多输出MIMO系统的信道矩阵进行三角分解，根据分解的结果将MIMO系统分解为多个子MIMO系统；

检测模块502，用于对多个子MIMO系统中的第一个子MIMO系统的接收信号向量进行检测；

列表生成模块503，用于根据检测模块502的检测结果生成第一个子MIMO系统的候选检测向量列表；

干扰消除处理模块504，用于从第二个子MIMO系统开始，采用干扰消除方式，依次检测其它子MIMO系统，得到其它子MIMO系统的候选检测向量列表；

组合及处理模块505，用于将得到的所有子MIMO系统的候选检测向量列表的对应成员进行组合，得到MIMO系统的候选检测向量列表；对MIMO系统的候选检测向量列表进行判决或计算，得到MIMO系统的发射信号向量。

其中，分解模块501具体包括：

第一分解单元，用于对MIMO系统的信道矩阵进行三角分解得到上三角矩阵，并将MIMO系统检测分解为多个子MIMO系统的检测，且第一个子MIMO系统为底层的子MIMO系统；

或者分解模块具体包括：

第二分解单元，用于对MIMO系统的信道矩阵进行三角分解得到下三角矩阵，并将MIMO系统检测分解为多个子MIMO系统的检测，且第一个子MIMO系统为顶层的子MIMO系统。

图5所示的装置中，检测模块502具体包括：

既约化单元，用于采用约化算法对信道矩阵进行既约化运算，得到约化幺模矩阵和格基约化信道矩阵；

格约化检测单元，用于根据既约化单元得到的约化幺模矩阵和格基约化信道矩阵，对多个子MIMO系统中的第一个子MIMO系统的接收信号向量在格约化域进行检测，得到第一个子MIMO系统的格约化域检测信号。

图5所示的装置中，列表生成模块503具体包括：

列表生成单元，用于根据检测模块的检测结果，选择多个与检测结果所处格点的距离小于预设值的向量，组成第一个子MIMO系统的候选检测向量列表。

图5所示的装置中，干扰消除处理模块504具体包括：

干扰消除处理单元，用于从第二个子MIMO系统开始，采用连续干扰消除方式，依次检测其它子MIMO系统，在当前子MIMO系统的接收信号向量中，分别用已检测的所有子MIMO系统的候选检测向量列表中的每一个候选检测向量消除对当前子MIMO系统的干扰；并对消除干扰的结果分别进行检测，得到当前子MIMO系统的候选检测向量列表；直到得到最后一个子MIMO系统的候选检测向量列表。

图5所示的装置中，组合及处理模块505具体包括：

组合单元，用于将得到的所有子MIMO系统的候选检测向量列表的对应成员进行组合，得到MIMO系统的候选检测向量列表；

判决单元，用于采用最大似然准则对组合单元得到的MIMO系统的候选检测向量列表进行判决，得到MIMO系统的发射信号向量。

或者，组合及处理模块505具体包括：

计算单元，用于计算MIMO系统的候选检测向量列表的对数似然比，得到MIMO系统的发射信号向量。

本实施例提供的多输入多输出系统的信号检测装置可以运用于多输入多输出系统的接收机中。

参见表2，将本发明实施例中LR+List算法的复杂度与ML算法和MMSE算法的复杂度进行对比，可以看出，LR+List算法的复杂度与MMSE算法的复杂度处于同一数量级，远远低于ML算法的复杂度，系统性能接近ML算法。

表2

检测算法	4-QAM	16-QAM	64QAM	Q＝8	Q＝12
检测算法	4-QAM	16-QAM	64QAM	Q＝8	Q＝12	MMSE算法	160	160	160	-	-
ML算法	4096	1048576	268435456	-	-	MMSE算法	160	160	160	-	-
ML算法	4096	1048576	268435456	-	-	本发明	-	-	-	262	326

图6和图7分别给出了4×4MIMO系统在4QAM调制和16QAM调制时，MMSE算法、ML算法以及本发明实施例提出的LR+List算法，在多种候选列表大小的条件下的性能仿真结果，可以看出，选取适当的Q，LR+List算法性能接近于ML算法性能，小于1dB。

本发明实施例可以利用软件实现，相应的软件程序可以存储在可读取的存储介质中，例如，计算机的硬盘、缓存或光盘中。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，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保护范围之内。

Claims

1.一种多输入多输出系统的信号检测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的多输入多输出系统的信号检测方法，其特征在于，所述从第二个子MIMO系统开始，采用干扰消除方式，依次检测其它子MIMO系统，得到所述其它子MIMO系统的候选检测向量列表，具体包括：

从第二个子MIMO系统开始，采用连续干扰消除方式，依次检测其它子MIMO系统，在当前检测的子MIMO系统的接收信号向量中，分别用已检测的所有子MIMO系统的候选检测向量列表中的每一个候选检测向量消除对所述当前检测的子MIMO系统的干扰；并对所述消除干扰的结果分别进行检测，得到所述当前检测的子MIMO系统的候选检测向量列表；直到得到最后一个子MIMO系统的候选检测向量列表。

3.根据权利要求2所述的多输入多输出系统的信号检测方法，其特征在于，

所述对所述多个子MIMO系统中的第一个子MIMO系统的接收信号向量进行检测，具体为：

采用格约化算法对所述多个子MIMO系统中的第一个子MIMO系统的接收信号向量进行检测；

所述对所述消除干扰的结果分别进行检测，具体为：

采用格约化算法对所述消除干扰的结果分别进行检测。

4.根据权利要求1所述的多输入多输出系统的信号检测方法，其特征在于，所述三角分解具体包括正交三角化分解。

5.根据权利要求4所述的多输入多输出系统的信号检测方法，其特征在于，所述正交三角化分解具体包括排序正交三角化分解。

6.根据权利要求1所述的多输入多输出系统的信号检测方法，其特征在于，

当所述分解的结果为上三角矩阵时，所述多个子MIMO系统中的第一个子MIMO系统为底层的子MIMO系统；

当所述分解的结果为下三角矩阵时，所述多个子MIMO系统中的第一个子MIMO系统为顶层的子MIMO系统。

7.根据权利要求1所述的多输入多输出系统的信号检测方法，其特征在于，所述对所述多个子MIMO系统中的第一个子MIMO系统的接收信号向量进行检测，具体包括：

采用约化算法对所述信道矩阵进行既约化运算，得到约化幺模矩阵和格基约化信道矩阵；

根据所述约化幺模矩阵和格基约化信道矩阵，对所述多个子MIMO系统中的第一个子MIMO系统的接收信号向量在格约化域进行检测，得到所述第一个子MIMO系统的格约化域检测信号。

8.根据权利要求1所述的多输入多输出系统的信号检测方法，其特征在于，所述对所述消除干扰的结果分别进行检测，具体包括：

根据所述约化幺模矩阵和格基约化信道矩阵，对所述消除干扰的结果分别在格约化域进行检测。

9.根据权利要求1所述的多输入多输出系统的信号检测方法，其特征在于，所述根据检测结果生成所述第一个子MIMO系统的候选检测向量列表，具体包括：

根据检测结果，选择多个与所述检测结果所处格点的距离小于预设值的向量，组成所述第一个子MIMO系统的候选检测向量列表。

10.根据权利要求9所述的多输入多输出系统的接受方法，其特征在于，所述第一个子MIMO系统的候选检测向量列表所容纳的向量数为预先根据系统目标检测性能设置的。

11.根据权利要求9所述的多输入多输出系统的信号检测方法，其特征在于，所述与所述检测结果所处格点的距离具体为Mahalanobis距离。

12.根据权利要求9所述的多输入多输出系统的信号检测方法，其特征在于，所述预设值具体为一个可容纳候选检测向量列表所容纳的向量数的Voronoi空间的最小半径。

13.根据权利要求1所述的多输入多输出系统的信号检测方法，其特征在于，采用最大似然准则对所述MIMO系统的候选检测向量列表进行判决。

14.根据权利要求1所述的多输入多输出系统的信号检测方法，其特征在于，对所述MIMO系统的候选检测向量列表进行计算，得到所述MIMO系统的发射信号向量，具体为：

计算所述MIMO系统的候选检测向量列表的对数似然比，得到所述MIMO系统的发射信号向量。

15.一种多输入多输出系统的信号检测装置，其特征在于，所述装置包括：

16.根据权利要求15所述的多输入多输出系统的信号检测装置，其特征在于，所述分解模块具体包括：

第一分解单元，用于对所述MIMO系统的信道矩阵进行三角分解得到上三角矩阵，并将所述MIMO系统检测分解为多个子MIMO系统的检测，且第一个子MIMO系统为底层的子MIMO系统；

或者所述分解模块具体包括：

第二分解单元，用于对所述MIMO系统的信道矩阵进行三角分解得到下三角矩阵，并将所述MIMO系统检测分解为多个子MIMO系统的检测，且第一个子MIMO系统为顶层的子MIMO系统。

17.根据权利要求15所述的多输入多输出系统的信号检测装置，其特征在于，所述检测模块具体包括：

既约化单元，用于采用约化算法对所述信道矩阵进行既约化运算，得到约化幺模矩阵和格基约化信道矩阵；

格约化检测单元，用于根据所述既约化单元得到的约化幺模矩阵和格基约化信道矩阵，对所述多个子MIMO系统中的第一个子MIMO系统的接收信号向量在格约化域进行检测，得到所述第一个子MIMO系统的格约化域检测信号。

18.根据权利要求15所述的多输入多输出系统的信号检测装置，其特征在于，所述列表生成模块具体包括：

列表生成单元，用于根据所述检测模块的检测结果，选择多个与所述检测结果所处格点的距离小于预设值的向量，组成所述第一个子MIMO系统的候选检测向量列表。

19.根据权利要求15所述的多输入多输出系统的信号检测装置，其特征在于，所述干扰消除处理模块具体包括：

干扰消除处理单元，用于从第二个子MIMO系统开始，采用连续干扰消除方式，依次检测其它子MIMO系统，在当前检测的子MIMO系统的接收信号向量中，分别用已检测的所有子MIMO系统的候选检测向量列表中的每一个候选检测向量消除对所述当前检测的子MIMO系统的干扰；并对所述消除干扰的结果分别进行检测，得到所述当前检测的子MIMO系统的候选检测向量列表；直到得到最后一个子MIMO系统的候选检测向量列表。

20.根据权利要求15所述的多输入多输出系统的信号检测装置，其特征在于，所述组合及处理模块具体包括：

组合单元，用于将得到的所有子MIMO系统的候选检测向量列表的对应成员进行组合，得到所述MIMO系统的候选检测向量列表；

判决单元，用于采用最大似然准则对所述组合单元得到的所述MIMO系统的候选检测向量列表进行判决，得到所述MIMO系统的发射信号向量。

21.根据权利要求15所述的多输入多输出系统的信号检测装置，其特征在于，所述组合及处理模块具体包括：

计算单元，用于计算所述MIMO系统的候选检测向量列表的对数似然比，得到所述MIMO系统的发射信号向量。

22.根据权利要求15至21中任一权利要求所述的多输入多输出系统的信号检测装置，其特征在于，所述装置运用于多输入多输出系统的接收机中。