CN101924601A - 一种实现mimo信号检测的方法和装置 - Google Patents

Abstract

本发明涉及一种实现MIMO信号检测的方法和装置；所述方法包括：对接收信号进行线性检测，得到发送信号的初始估计值；根据所述发送信号的初始估计值确定每层数据的生存集合；利用所述生存集合构造所有层数据的候选集；在所述构造的候选集中搜索接收信号与重构的接收信号间距离最小的信号向量，完成最大似然信号检测。应用本发明的方法和装置，在保证解调性能接近最大似然检测算法的情况下，大大降低了其检测的复杂度，能够显著的提高接收机的检测性能；同时也提高了在实际系统中的可实现性。

Description

一种实现MIMO信号检测的方法和装置

技术领域

本发明涉及无线通信技术领域，尤其涉及一种实现MIMO(Multiple-InputMultiple-Output，多输入多输出)信号检测的方法和装置。

背景技术

在LTE(Long Term Evolution，长期演进)及下一代无线通信系统中，多采用MIMO技术来提高频谱效率。其中，所述MIMO系统是利用多根发送天线和多根接收天线进行无线信号的传输，其与传统的单天线收发系统相比，MIMO系统能够在不增加带宽和天线发射功率的情况下，显著提高无线频谱利用率。

目前，在MIMO系统中主要有两类信号检测方法：线性检测和ML(Maximum Likelihood，最大似然)检测或简化的ML检测；而ML检测算法的检测性能远好于线性检测。其中，ML检测的原理是找到一个信号向量，使得接收信号和重构的接收信号之间距离最小；而传统的ML检测算法需要遍历所有可能的发送信号的组合，才能搜索出所述距离最小的信号组合。由于传统的ML检测算法与调制阶数和天线数成指数关系，其复杂度太大，在高阶调制或者发送天线数较大时，ML检测时的遍历搜索过程将带来非常大的计算复杂度，并耗费大量的时间，因而在实际系统中往往难以实现。

为了解决这个问题，人们提出了一些简化的ML算法，如球形译码检测算法等，其主要思想在于构造较小的候选集，且能有效覆盖可能性较大的信号组合，而不必对所有可能的发送信号的组合进行遍历搜索。但是该方法的缺点在于：构造候选集的距离参数难以确定，若该距离参数过大，则其与ML检测的复杂度就会相同，若该距离参数过小，则可能需要反复搜索；而且该检测方法的复杂度变动较大，在实际系统中，可能带来较大的计算复杂度风险，因而在构造候选集方面其并没有从根本上解决传统ML检测算法的复杂度问题。

发明内容

有鉴于此，本发明提供一种实现MIMO信号检测的方法和装置，能够降低ML检测的复杂度，保证ML算法的检测性能，并能够在实际系统中实时实现。

为解决上述问题，本发明提供的技术方案如下：

一种实现MIMO信号检测的方法，包括：对接收信号进行线性检测，得到发送信号的初始估计值；根据所述发送信号的初始估计值确定每层数据的生存集合；利用所述生存集合构造所有层数据的候选集；在所述构造的候选集中搜索接收信号与重构的接收信号间距离最小的信号向量，完成最大似然信号检测。

一种实现MIMO信号检测的装置，包括：检测单元、处理单元、构造单元和搜索单元；其中，所述检测单元用于通过对接收信号进行线性检测得到发送信号的初始估计值；所述处理单元用于根据所述检测单元得到的发送信号的初始估计值确定每层数据的生存集合；所述构造单元用于利用所述处理单元确定的生存集合构造所有层数据的候选集；所述搜索单元用于在所述构造单元构造的候选集中搜索接收信号与重构的接收信号间距离最小的信号向量。

可以看出，应用本发明的方法和装置，通过采用线性检测结合干扰消除来构造候选集，在所构造的候选集中搜索接收信号与重构的接收信号间距离最小的信号向量，以完成信号检测，从而在保证解调性能接近最大似然检测算法的情况下，大大降低了其检测的复杂度，能够显著的提高接收机的检测性能；且可以根据需求，灵活地配置候选集的大小；同时也提高了在实际系统中的可实现性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为MIMO系统的发送接收天线示意图；

图2是本发明实施例1的方法流程示意图；

图3是本发明实施例的方法应用于MIMO系统的仿真示意图；

图4是本发明实施例4的装置结构示意图。

具体实施方式

本发明的基本思想在于采用线性检测算法结合干扰消除来构造候选集，在确定候选集之后，采用与传统的ML检测相同的流程进行信号检测，即在所述确定的候选集中搜索满足约束条件

的信号向量

实现ML检测。

具体的，如图1所示的N_T×N_R MIMO系统，在系统发送端有N_T根天线，接收端有N_R根天线；则接收信号与发送信号满足如下线性关系：

r＝Hx+n

其中，r表示接收信号，其维数为N_R×1，N_R表示接收天线数目，

分别对应每根接收天线上接收到的信号；H表示等效的信道响应，其维数为N_R×L维矩阵，N_T表示发送天线数目，L表示发送数据的层数；x表示发送信号，其维数为L×1，

分别对应每根发送天线上的发送信号；n表示噪声或干扰，其维数为N_R×1。

采用线性检测算法结合干扰消除来构造候选集后，再找到信号向量

使得接收信号r和重构的接收信号

之间的距离最小，即在所述确定的候选集中搜索满足约束条件的信号向量

实现ML检测。利用本发明实施例的方法，由于采用线性检测算法结合干扰消除来构造候选集，使得ML检测的复杂度仅与所述层数呈线性关系，从而能够降低ML检测的复杂度，保证ML算法的检测性能，并能够在实际系统中实时实现。。

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述；显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例1提供了一种实现MIMO信号检测的方法，如图2所示，该方法包括：

在步骤201中，对接收信号进行线性检测，得到发送信号的初始估计值；

具体的，接收端在接收到信号r之后，首先通过线性均衡，获得发送信号的初始估计值

具体方法如下：

其中

r表示接收信号，w表示均衡矩阵；

w_i为矩阵w的第i行，i＝1，2...L；

其中，本实施例中的线性检测可以采用但不局限于迫零(ZF)算法或者最小均方误差准则(MMSE)算法来实现，相应的线性均衡矩阵分别为：

w_ZF＝(H^HH)^-1H^H

w_MMSE＝(H^HH+σ²I_L)^-1H^H，其中σ²为噪声功率。

在步骤202中，根据所述发送信号的初始估计值确定每层数据的生存集合；具体的，首先计算每层的初始估计信号与各星座点的距离，按照所述距离对所述星座点进行排序后，再提取出每层中M个距离最小的星座点作为每层数据的生存集合；其中，所述每层的初始估计信号极为确定了初始估计值的发送信号，以下类同；当然，所述确定生存集合的方式并不局限于此，还可以有多种方式，在此不再赘述；下面举例说明，实施例2：

(1)、在步骤201中得到了发送信号的初始估计值后，计算第i(i＝1，2...L)层初始估计信号

与各星座点的距离，具体计算可通过下述公式实现：

$J_i={\left|\right|{\tilde{x}}_i-s\left|\right|}_2^2,$ s∈Φ，

其中，J_i表示初始估计信号与各星座点的距离，

表示a的2范数，Φ为调制星座点的集合；

(2)、对第i(i＝1，2...L)层的所述距离J按照进行排序，并获取Φ中每个星座点排序后的序号；其中，优选的所述排序以升序排序为例，如下：

J_index_i＝sort(J_i)↑；

(3)、在步骤B对所述距离进行排序后，利用所述星座点的序号选出第i(i＝1，2...L)层M_best个距离最小的星座点作为可能的生存集合；即，

Λ_i＝{s|s∈Φ(J_index(1：M_best))}，其中，Λ_i为生存集合；

其中，所述距离最小的个数M_best并不局限于固定值，具体实施时可根据实际情况进行设定；例如，优选的情况下，M_best随着码率和调制方式自适应变化，即为了保证解调性能，码率越大，M_best应该越大；或者调制阶数越高，M_best也应该越大；具体不再赘述。

在步骤203中，利用所述生存集合构造所有层数据的候选集；具体的，可优选的采用以下步骤实现：利用所述生存集合重构接收信号并进行干扰消除，再对所述干扰消除后的信号进行二次线性检测，然后对二次线性检测后得到的新发送信号初始估计值进行判决，即可得到所有层数据的候选集；以下举例说明，实施例3：

(1)、确定生存集合后，对于所述生存集合Λ_i中第i(i＝1，2...L)层第j(j＝1，2...M_best)个的信号来说，首先进行重构，并将其从总的接收信号中减去，得到消除该层信号干扰的接收信号，即

其中，H(：，i)表示H的第i列，表示Λ_i的第j个元素；

(2)、对步骤(1)中干扰消除后的信号重新进行二次线性检测，得到的新发送信号初始估计值

具体的二次线性检测方式与步骤201中的线性检测基本相同，只是信道响应矩阵应用如下方式：

$\stackrel{\‾}{H}=H(:,k),$ k＝1，2...L，k≠i，

$\widetilde{\stackrel{~}{x}}=\stackrel{\‾}{w}\stackrel{\‾}{r},$ 其中 $\widetilde{\stackrel{~}{x}}={[{\widetilde{\stackrel{~}{x}}}_1,{\widetilde{\stackrel{~}{x}}}_2...{\widetilde{\stackrel{~}{x}}}_{i-1},{\widetilde{\stackrel{~}{x}}}_{i+1}...{\widetilde{\stackrel{~}{x}}}_L]}^{T,}$

$\stackrel{\‾}{w}={\left({\stackrel{\‾}{H}}^H\stackrel{\‾}{H}\right)}^{-1}{\stackrel{\‾}{H}}^H\left(\mathrm{ZF}\right)$ 或者 $\stackrel{\‾}{w}={({\stackrel{\‾}{H}}^H\stackrel{\‾}{H}+{\mathrm{\σ}}^2{I}_{L-1})}^{-1}{\stackrel{\‾}{H}}^H\left(\mathrm{MMSE}\right);$

(3)、对

进行判决，得到除本层以外所有其他层的可能发送信号

l＝1，2...L，l≠i，从而即可得到所有层数据的候选集，即大小为L×M_best的候选集：Ψ＝{Λ₁，Λ₂…Λ_L}。

在步骤204中，在所述构造的候选集中搜索接收信号与重构的接收信号间距离最小的信号向量，完成最大似然信号检测；

具体的，在所述构造的候选集合Ψ中，搜索满足如下约束条件的信号向量

即其中，满足该约束条件的信号向量即表明接收信号与重构的接收信号间距离最小。

上述实施例中，由于所构造的候选集的大小为M_best×L，L为空间信道的层数，且满足L≤N_T，所以所述检测复杂度与发送层数和生存集合的大小M_best成线性关系，因而该复杂度远小于传统的最大似然检测算法。

图3所示为本发明技术方案应用在N_R＝2、N_T＝2的MIMO系统下的仿真结果，图中的横坐标表示Es/N0(信噪比)，纵坐标表示BLER(误块率)。仿真条件如下：系统带宽为5MHz，时频资源共6PRB，编码码率为3/4、信号调制方式为16QAM、信道模型为3GPP所定义的ETU信道，涉及的检测算法包括MMSE线性检测、ML检测和本申请实施例的改进ML检测。由图中可以看出，MMSE检测算法其检测性能最差，而在高码率时，如果M_best取值较小(比如M_best＝8)，本方案在高信噪比下会出现误差平层(error floor)，而通过增大M_best的取值(比如取M_best＝12)就可以很好地克服上述问题，即可将检测性能逼近标准的ML检测算法，而复杂度方面，其计算量仅相当于标准ML算法的1/11左右，因而大大降低了检测的复杂度，其可实现性也得到了显著的提高。

除此之外，需要注意的是，随着天线数目的提高，本申请实施例的检测方法的优势更加明显，例如在4x4MIMO系统中，假定采用16QAM调制方式，而本申请实施例中每层M_best＝16，则其候选集大小只有传统ML算法的1/4096，其检测复杂度的降低显而易见了。

可以看出，采用本发明实施例的方法，在保证解调性能接近最大似然检测算法的情况下，大大降低了其检测的复杂度，能够显著的提高接收机的检测性能；且可以根据需求，灵活地配置候选集的大小；同时也提高了在实际系统中的可实现性。

基于上述思想，本发明实施例4又提出了一种实现MIMO信号检测的装置，如图4所示，该装置包括：检测单元401、处理单元402、构造单元403和搜索单元404；其中，

所述检测单元401用于通过对接收信号进行线性检测得到发送信号的初始估计值；所述处理单元402用于根据所述检测单元401得到的发送信号的初始估计值确定每层数据的生存集合；所述构造单元403用于利用所述处理单元402确定的生存集合构造所有层数据的候选集；所述搜索单元404用于在所述构造单元403构造的候选集中搜索接收信号与重构的接收信号间距离最小的信号向量。

其中，所述检测单元采用如下方式得到发送信号的初始估计值：

其中，

表示发送信号的初始估计值，w_i为均衡矩阵w的第i行，r表示接收信号，i＝1，2...L，L表示发送信号的层数。

此外，所述处理单元402包括：计算模块、排序模块和提取模块；其中，所述计算模块用于计算每层的初始估计信号与各星座点的距离；所述排序模块用于按照所述计算模块计算的距离对星座点进行排序；所述提取模块用于从所述排序模块的排序中提取出每层中M个距离最小的星座点作为每层数据的生存集合。

需要注意的是，该装置还包括：随码率或调制阶数的增加而增大M值设置的设置模块。

除此之外，所述构造单元403包括：干扰消除模块、二次检测模块和判决模块；其中，所述干扰消除模块利用所述生存集合重构接收信号并进行干扰消除；所述二次检测模块用于对所述干扰消除模块处理后的信号进行二次线性检测，得到的新发送信号初始估计值；所述判决模块用于通过对所述二次检测模块的输出进行判决得到所有层数据的候选集。

本领域技术人员可以理解，可以使用许多不同的工艺和技术中的任意一种来表示信息、消息和信号。例如，上述说明中提到过的消息、信息都可以表示为电压、电流、电磁波、磁场或磁性粒子、光场或以上任意组合。

专业人员还可以进一步应能意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

以上所述仅为本发明的较佳实施例而已，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 (12)

1.一种实现MIMO信号检测的方法，其特征在于，包括：

对接收信号进行线性检测，得到发送信号的初始估计值；

根据所述发送信号的初始估计值确定每层数据的生存集合；

利用所述生存集合构造所有层数据的候选集；

在所述构造的候选集中搜索接收信号与重构的接收信号间距离最小的信号向量，完成最大似然信号检测。

2.根据权利要求1所述的方法，其特征在于：

所述发送信号的初始估计值通过以下方式得到：

其中，

表示发送信号的初始估计值，w_i为均衡矩阵w的第i行，r表示接收信号，i＝1，2...L，L表示发送信号的层数。

3.根据权利要求1或2所述的方法，其特征在于：

所述线性检测的算法为迫零算法或者最小均方误差准则算法。

4.根据权利要求1所述的方法，其特征在于，通过以下步骤确定每层数据的生存集合：

计算每层的初始估计信号与各星座点的距离；

按照所述距离对所述星座点进行排序；

提取出每层中M个距离最小的星座点作为每层数据的生存集合。

5.根据权利要求4所述的方法，其特征在于：

采用升序方式对所述星座点进行排序。

6.根据权利要求4所述的方法，其特征在于：

所述M值随码率或调制阶数的增加而增大。

7.根据权利要求1所述的方法，其特征在于，通过以下步骤构造所有层数据的候选集：

利用所述生存集合重构接收信号并进行干扰消除；

对所述干扰消除后的信号进行二次线性检测，得到的新发送信号初始估计值；

通过对新发送信号初始估计值进行判决得到所有层数据的候选集。

8.一种实现MIMO信号检测的装置，其特征在于，包括：检测单元、处理单元、构造单元和搜索单元；其中，

所述检测单元用于通过对接收信号进行线性检测得到发送信号的初始估计值；

所述处理单元用于根据所述检测单元得到的发送信号的初始估计值确定每层数据的生存集合；

所述构造单元用于利用所述处理单元确定的生存集合构造所有层数据的候选集；

所述搜索单元用于在所述构造单元构造的候选集中搜索接收信号与重构的接收信号间距离最小的信号向量。

9.根据权利要求8所述的装置，其特征在于：

所述检测单元采用如下方式得到发送信号的初始估计值：

其中，

表示发送信号的初始估计值，w_i为均衡矩阵w的第i行，r表示接收信号，i＝1，2...L，L表示发送信号的层数。

10.根据权利要求8所述的装置，其特征在于，所述处理单元包括：计算模块、排序模块和提取模块；其中，

所述计算模块用于计算每层的初始估计信号与各星座点的距离；

所述排序模块用于按照所述计算模块计算的距离对星座点进行排序；

所述提取模块用于从所述排序模块的排序中提取出每层中M个距离最小的星座点作为每层数据的生存集合。

11.根据权利要求10所述的装置，其特征在于，该装置还包括：随码率或调制阶数的增加而增大M值设置的设置模块。

12.根据权利要求8所述的装置，其特征在于，所述构造单元包括：干扰消除模块、二次检测模块和判决模块；其中，

所述干扰消除模块利用所述生存集合重构接收信号并进行干扰消除；

所述二次检测模块用于对所述干扰消除模块处理后的信号进行二次线性检测，得到的新发送信号初始估计值；

所述判决模块用于通过对所述二次检测模块的输出进行判决得到所有层数据的候选集。

Images