CN101615980A - 一种多输入多输出系统中的最大似然检测方法及装置 - Google Patents

Abstract

本发明提供一种多输入多输出系统中的最大似然检测方法及装置。所述方法包括：A.对信道矩阵进行QR分解，得到第一Q矩阵和第一R矩阵；B.对信道矩阵的列交换次序后进行QR分解，得到第二Q矩阵和第二R矩阵；C.从第一R矩阵和第二R矩阵中选取对角线元素的绝对值按从小到大顺序排列的R矩阵作为排序R矩阵；D.根据接收信号、交换R矩阵以及排序R矩阵对应的Q矩阵计算解调信号；E.根据解调信号进行最大似然搜索。依照本发明，能够有效降低接收天线数为2时的MIMO检测的算法复杂度。

Description

一种多输入多输出系统中的最大似然检测方法及装置

技术领域

本发明属于无线通信技术领域，特别涉及一种多输入多输出(MIMO)系统中的最大似然检测方法及装置。

背景技术

MIMO最大似然(ML)检测可以使系统获得最佳的误码率性能，但遍历式搜索因其非确定性多项式(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，因此，低复杂度的MIMO-ML算法一直是研究的重点。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(SD)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，从而使以下的搜索得以在更小的范围内进行。但是，球形译码不可避免遇到性能、算法复杂度以及鲁棒性的问题，如何在工程上实现最优化MIMO检测算法，一直是业界通信专家和工程师们追求的至上目标。于是，为了克服传统球形译码在工程实现上遇到各种问题，先后出现了深度优先和宽度优先的球形译码算法。但实际上，上述两种算法也遇到如下的问题：

深度优先球形译码算法，会存在不同的信道条件，其球形译码搜索次数不同，导致计算量不同，有可能导致计算量达到、甚至超过最大似然检测的水平；尽管在实现过程中，通过设置最大搜索次数来规避这个问题，但是，必然导致系统性能的下降。

宽度优先球形译码算法，虽然解决了球形译码搜索次数不可控的问题，也便于VLSI等硬件的实现，但是该算法也存在性能下降的可能。例如，对于K-Best球形译码算法，如何在一个信道条件变化的环境中选择合适的每层K值，其实也是一个NP的问题。现在通常的做法是通过大量的数据仿真，来确实每层的K值。这种方法虽然解决了每层K值的选取是NP的问题，但是，带来了部分性能的损失，同时，对每层的节点欧式距离的排序也是一个很费计算量的过程，采用高效排序算法则成了减少算法复杂度的关键因素。但是，对于只有两根接收天线的终端的MIMO检测来说，算法本身有时有点得不偿失。

基于上述不同球形译码方法存在的问题，尤其对于接收天线只有2根的情况，无论采取上述的哪种球形译码算法，都需要做一些球形译码前的预处理和球形译码过程中地址、欧式距离等数据更新，其算法复杂度仍然较高。

发明内容

本发明所要解决的技术问题是提供一种多输入多输出系统中的最大似然检测方法及装置，以降低接收天线数为2时的MIMO检测的算法复杂度。

为解决上述技术问题，本发明提供技术方案如下：

一种多输入多输出系统中的最大似然检测方法，适用于发射天线、接收天线的配置为2×2时的信号检测，包括如下步骤：

A、对信道矩阵进行QR分解，得到第一Q矩阵和第一R矩阵；

B、对信道矩阵的列交换次序后进行QR分解，得到第二Q矩阵和第二R矩阵；

C、从第一R矩阵和第二R矩阵中选取对角线元素的绝对值按从小到大顺序排列的R矩阵作为排序R矩阵；

D、根据接收信号、排序R矩阵以及排序R矩阵对应的Q矩阵计算解调信号；

E、根据解调信号进行最大似然搜索。

上述的最大似然检测方法，其中，步骤E包括：

在第一层中选取K个星座点，其中，K为调制阶数；

对于第一层选取的每个星座点，在第二层选取与相应的解调信号的欧式距离最小的星座点，生成一条搜索路径，并计算该搜索路径对应的欧式距离；

根据生成的K条搜索路径以及对应的欧式距离进行软判决或者硬判决，并输出判决结果。

一种多输入多输出系统中的最大似然检测装置，适用于发射天线、接收天线的配置为2×2时的信号检测，包括：

第一QR分解单元，用于对信道矩阵进行QR分解，得到第一Q矩阵和第一R矩阵；

第二QR分解单元，用于对信道矩阵的列交换次序后进行QR分解，得到第二Q矩阵和第二R矩阵；

选择单元，用于从第一R矩阵和第二R矩阵中选取对角线元素的绝对值按从小到大顺序排列的R矩阵作为排序R矩阵；

解调信号计算单元，用于根据接收信号、排序R矩阵以及排序R矩阵对应的Q矩阵计算解调信号；

最大似然搜索单元，用于根据解调信号进行最大似然搜索。

上述的最大似然检测装置，其中，所述最大似然搜索单元进一步用于：

在第一层中选取K个星座点，其中，K为调制阶数；

对于第一层选取的每个星座点，在第二层选取与相应的解调信号的欧式距离最小的星座点，生成一条搜索路径，并计算该搜索路径对应的欧式距离；

根据生成的K条搜索路径以及对应的欧式距离进行软判决或者硬判决，并输出判决结果。

本发明通过对信道矩阵进行交换QR分解，从而间接得到了信道矩阵的排序QR分解，然后，根据所述排序QR分解来计算解调信号，并根据所述解调信号进行最大似然搜索，如此，能够有效降低接收天线数为2时的MIMO检测的算法复杂度。

附图说明

图1为本发明实施例的多输入多输出系统中的最大似然检测方法流程图；

图2为本发明实施例的多输入多输出系统中的最大似然检测装置结构图。

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。

本发明的关键在于：对2×2阶的信道矩阵H进行交换QR分解，从而间接得到了信道矩阵的排序QR分解，然后，根据所述排序QR分解来计算解调信号，并根据所述解调信号进行最大似然搜索。

在本发明中，所谓排序QR分解，是指进行QR分解后，R矩阵的对角线元素的绝对值按从小到大的顺序排列(左上角到右下角)；所谓交换QR分解，是指对信道矩阵进行一次QR分解，然后对信道矩阵的列交换次序后再进行一次QR分解。

对2×2阶的信道矩阵H进行交换QR分解的过程如下：

$H=\left(\begin{array}{cc}{h}_{11}& h_{12}\\ h_{21}& h_{22}\end{array}\right)---\left(1\right)$

对信道矩阵H进行QR分解：

$H=\mathrm{QR}=Q\left(\begin{array}{cc}{r}_{\mathrm{1,1}}& r_{\mathrm{1,2}}\\ 0& r_{\mathrm{2,2}}\end{array}\right)---\left(2\right)$

对信道矩阵H的列交换次序：

$H^{\′}=\left(\begin{array}{cc}{h}_{12}& h_{11}\\ h_{22}& h_{21}\end{array}\right)---\left(3\right)$

对信道矩阵H′进行QR分解：

$H^{\′}=Q^{\′}{R}^{\′}=Q^{\′}\left(\begin{array}{cc}{r}_{\mathrm{1,1}}^{\′}& r_{\mathrm{1,2}}^{\′}\\ 0& r_{\mathrm{2,2}}^{\′}\end{array}\right)---\left(4\right)$

参照图1，本发明实施例的多输入多输出系统中的最大似然检测方法，适用于发射天线、接收天线的配置为2×2时的信号检测，包括如下步骤：

步骤101：对信道矩阵进行QR分解，得到第一Q矩阵和第一R矩阵；

参见公式(1)、(2)。

步骤102：对信道矩阵的列交换次序后进行QR分解，得到第二Q矩阵和第二R矩阵；

参见公式(3)、(4)。

步骤103：从第一R矩阵和第二R矩阵中选取对角线元素的绝对值按从小到大顺序排列的R矩阵作为排序R矩阵；

显然，在公式(2)、(4)中必然有一个是排序QR分解，假设公式(2)的分解为排序QR分解，则 $R=\left(\begin{array}{cc}{r}_{\mathrm{1,1}}& r_{\mathrm{1,2}}\\ 0& r_{\mathrm{2,2}}\end{array}\right)$ 为排序R矩阵，其中，|r₁₁|≤|r₂₂|。

步骤104：根据接收信号、排序R矩阵以及排序R矩阵对应的Q矩阵计算解调信号；

系统模型为：

$\left(\begin{array}{c}{y}_1\\ y_2\end{array}\right)=\left(\begin{array}{cc}{h}_{11}& h_{12}\\ h_{21}& h_{22}\end{array}\right)\·\left(\begin{array}{c}{s}_1\\ s_2\end{array}\right)+\left(\begin{array}{c}{n}_1\\ n_2\end{array}\right)---\left(5\right)$

传统的迫零(ZF)算法对天线信号解调的算法为：

$d^2\left(s^{*}\right)={\left|\right|\left(\begin{array}{c}{y}_1\\ y_2\end{array}\right)-\left(\begin{array}{cc}{h}_{\mathrm{1,1}}& h_{\mathrm{1,2}}\\ h_{\mathrm{2,1}}& h_{\mathrm{2,2}}\end{array}\right)\·\left(\begin{array}{c}{s}_1^{*}\\ s_2^{*}\end{array}\right)\left|\right|}^2=0---\left(6\right)$

对信道矩阵H进行QR分解后，对天线信号解调的算法为：

其中，

在本发明中，是将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矩阵来计算解调信号。由于信道矩阵H的四个元素均为复数，而R矩阵的对角线元素为实数，因此，根据公式(7)对信号进行解调的运算量大大低于根据公式(6)对信号进行解调的运算量。根据公式(7)计算得到的解调信号为：

步骤105：根据解调信号进行最大似然搜索。

由于对信道矩阵H进行的是交换QR分解，从而间接得到了信道矩阵的排序QR分解，而排序的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，这样，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。

步骤105具体包括：

步骤S1：在第一层中选取K个星座点，其中，K为调制阶数；

例如，调制方式为QPSK时，K＝4，调制方式为16QAM时，K＝16。

步骤S2：对于第一层选取的每个星座点，在第二层选取与相应的解调信号的欧式距离最小的星座点，生成一条搜索路径，并计算该搜索路径对应的欧式距离；

在本发明中，对第二层只选取一个星座点，这样能够显著降低计算量，而且，由于对信道矩阵进行的是排序的QR分解，对信号进行误判的概率也会比较低。其中，在第二层选取与相应的解调信号的欧式距离最小的星座点，是指，从星座图中选取与

最接近的星座点。

步骤S3：根据生成的K条搜索路径以及对应的欧式距离进行软判决或者硬判决，并输出判决结果。

参照图2，本发明实施例的多输入多输出系统中的最大似然检测装置，适用于发射天线、接收天线的配置为2×2时的信号检测，包括：第一QR分解单元、第二QR分解单元、选择单元、解调信号计算单元和最大似然搜索单元。其中：

第一QR分解单元，用于对信道矩阵进行QR分解，得到第一Q矩阵和第一R矩阵。

参见公式(1)、(2)。

第二QR分解单元，用于对信道矩阵的列交换次序后进行QR分解，得到第二Q矩阵和第二R矩阵。

参见公式(3)、(4)。

选择单元，用于从第一R矩阵和第二R矩阵中选取对角线元素的绝对值按从小到大顺序排列的R矩阵作为排序R矩阵。

解调信号计算单元，用于根据接收信号、排序R矩阵以及排序R矩阵对应的Q矩阵计算解调信号。

最大似然搜索单元，用于根据解调信号进行最大似然搜索。

其中，所述最大似然搜索单元进一步用于：

在第一层中选取K个星座点，其中，K为调制阶数；

对于第一层选取的每个星座点，在第二层选取与相应的解调信号的欧式距离最小的星座点，生成一条搜索路径，并计算该搜索路径对应的欧式距离；

根据生成的K条搜索路径以及对应的欧式距离进行软判决或者硬判决，并输出判决结果。

综上所述，本发明通过对信道矩阵进行交换QR分解，从而间接得到了信道矩阵的排序QR分解，然后，根据所述排序QR分解来计算解调信号，并根据所述解调信号进行最大似然搜索，如此，能够有效降低接收天线数为2时的MIMO检测的算法复杂度。

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 (4)

1.一种多输入多输出系统中的最大似然检测方法，适用于发射天线、接收天线的配置为2×2时的信号检测，其特征在于，包括如下步骤：

A、对信道矩阵进行QR分解，得到第一Q矩阵和第一R矩阵；

B、对信道矩阵的列交换次序后进行QR分解，得到第二Q矩阵和第二R矩阵；

C、从第一R矩阵和第二R矩阵中选取对角线元素的绝对值按从小到大顺序排列的R矩阵作为排序R矩阵；

D、根据接收信号、排序R矩阵以及排序R矩阵对应的Q矩阵计算解调信号；

E、根据解调信号进行最大似然搜索。

2.如权利要求1所述的最大似然检测方法，其特征在于，步骤E包括：

在第一层中选取K个星座点，其中，K为调制阶数；

对于第一层选取的每个星座点，在第二层选取与相应的解调信号的欧式距离最小的星座点，生成一条搜索路径，并计算该搜索路径对应的欧式距离；

根据生成的K条搜索路径以及对应的欧式距离进行软判决或者硬判决，并输出判决结果。

3.一种多输入多输出系统中的最大似然检测装置，适用于发射天线、接收天线的配置为2×2时的信号检测，其特征在于，包括：

第一QR分解单元，用于对信道矩阵进行QR分解，得到第一Q矩阵和第一R矩阵；

第二QR分解单元，用于对信道矩阵的列交换次序后进行QR分解，得到第二Q矩阵和第二R矩阵；

选择单元，用于从第一R矩阵和第二R矩阵中选取对角线元素的绝对值按从小到大顺序排列的R矩阵作为排序R矩阵；

解调信号计算单元，用于根据接收信号、排序R矩阵以及排序R矩阵对应的Q矩阵计算解调信号；

最大似然搜索单元，用于根据解调信号进行最大似然搜索。

4.如权利要求3所述的最大似然检测装置，其特征在于，所述最大似然搜索单元进一步用于：

在第一层中选取K个星座点，其中，K为调制阶数；

对于第一层选取的每个星座点，在第二层选取与相应的解调信号的欧式距离最小的星座点，生成一条搜索路径，并计算该搜索路径对应的欧式距离；

根据生成的K条搜索路径以及对应的欧式距离进行软判决或者硬判决，并输出判决结果。

Images