CN101931506A - 一种基于概率数据辅助检测信号的方法及设备 - Google Patents

Abstract

本发明提出了一种基于概率数据辅助检测信号的方法，包括以下步骤：将待检测数据符号进行检测顺序排序，得到检测顺序；根据所述检测顺序依次更新各发送数据符号的后验概率，并将估计出的后验概率值存储于dN_T×M的矩阵中，表示接收到r的条件下第n_j个发送数据符号取第m个星座点a_m的概率，j＝1，2，…，d×N_T；根据所述dN_T×M的矩阵中的后验概率值对待检测数据符号进行判决处理，输出判决结果。本发明还提出了一种概率数据辅助检测信号的设备。本发明提出的技术方案，实现了对多个相邻发送数据符号矢量的联合检测，相对传统PDAMIMO检测算法，具有更好的差错性能。

Description

一种基于概率数据辅助检测信号的方法及设备

技术领域

本发明涉及无线通信领域，具体而言，本发明涉及一种基于概率数据辅助检测信号的方法及设备。

背景技术

移动和宽带成为现代通信技术的发展方向，如何消除同信道干扰、多址干扰与多径衰落的影响成为人们在提高无线移动通信系统性能时考虑的主要因素。近年来MIMO(Multiple Input Multiple Output，多入多出)多天线系统成为移动通信领域中的一个研究热点。

MIMO多天线系统指的是利用多根发射天线和多根接收天线进行无线传输的技术。它的实质是将空间通信链路划分为多个独立并行的子信道，进而为无线通信系统提供空间复用增益或者空间分集增益。空间复用增益可以提高系统的信道容量，空间分集增益可以提高信道的可靠性，降低误码率。MIMO无线通信系统引入了多个发射天线和多个接收天线，巧妙地利用了多个收发天线之间的空间信道的随机性，将曾经被视为干扰的多径信道转变为有利于提高传输性能的资源，从而在稀缺的频谱资源之外增加了额外的空间自由度，可以大幅度提高系统的频谱利用率或降低系统的传输差错率，适合高速无线通信或高可靠性无线通信。

MIMO无线通信系统通常可分为以VBLAST系统为代表的空分复用方案和以Alamouti空时码方案为代表的空间分集方案两大类。对于空分复用方案，亟需解决的一个关键问题是如何以较低的复杂度实现对接收信号的高性能检测解调。该问题与CDMA中的多用户检测类似，均是基于多输入多输出(MIMO)的矢量信道模型；该问题等价于最小二乘网格的搜索问题，是个NP-hard问题，其最优算法--最大似然(ML)算法为指数级复杂度，在很多实际应用中难以实现，这使得对相应的次优高效检测算法的研究成为一种必然要求。针对该问题先后出现了ZF、MMSE、OSIC、SD、SDR、PDA等各种算法，其中SD、SDR、PDA算法均是能以多项式复杂度达到接近最大似然算法性能的算法。

以概率数据等软信息为特征的信号处理技术一般来说在性能上明显优于传统的不包含软信息的信号处理技术，近年来已在各种高级无线通信系统中得到应用，例如卷积码的SOVA算法，Turbo码、LDPC码的各种高性能译码算法、软入软出的Turbo联合检测译码算法等等。然而，现有的译码算法中，通常对于因信道编码使发送数据符号之间具有的相关性利用不够充分，同时译码时系统接收模块的处理时延也较大。

因此有必要提出相应的技术方案，利用信道编码时发送数据符号之间具有的相关性，以降低系统的误差传播，同时在对于接收端采用较复杂的Turbo联合检测译码接收方案时，也能有效降低系统接收模块的处理时延。

发明内容

本发明的目的旨在至少解决上述技术缺陷之一，特别是减轻MIMO系统中误差传播以及接收模块的处理时延的问题。

为了达到上述目的，本发明一方面提出了一种基于概率数据辅助检测信号的方法，包括以下步骤：

将待检测数据符号s＝[(x⁽¹⁾)^T，(x⁽²⁾)^T，…，(x^(d))^T]^T的各元素进行检测顺序排序，得到的检测顺序为

其中，x⁽ⁱ⁾满足y⁽ⁱ⁾＝H⁽ⁱ⁾x⁽ⁱ⁾+n⁽ⁱ⁾，1≤i≤d，y⁽ⁱ⁾为长度为N_R的接收信号矢量，x⁽ⁱ⁾为长度为N_T的发送数据符号矢量，x⁽ⁱ⁾的元素取自调制星座A＝{a₁，a₂，…a_M}，H⁽ⁱ⁾为N_R×N_T的信道矩阵，n⁽ⁱ⁾是长度为N_R、均值为0、协方差矩阵为

的复高斯噪声矢量，I是N_R×N_R的单位矩阵，N_R为接收天线数目，N_T为发送天线数目，d为联合检测数据符号矢量的数目，M为调制星座中星座点的数目；

根据所述检测顺序依次更新后验概率

并将估计出的后验概率

值存储于dN_T×M的矩阵中，

表示接收到r的条件下第n_j个发送数据符号

取第m个星座点a_m的概率，j＝1，2，…，d×N_T，其中r＝[(y⁽¹⁾)^T，…，(y^(d))^T]^T，(·)^T表示矩阵转置；

根据所述dN_T×M的矩阵中的后验概率

的值对待检测数据符号进行判决处理，输出判决结果。

本发明另一方面还提出了一种基于概率数据辅助检测信号的设备，包括排序模块、后验概率计算模块以及判决模块，

所述排序模块利用如权利要求4所述的最优检测顺序排序算法，将待检测数据符号，即s＝[(x⁽¹⁾)^T，(x⁽²⁾)^T，…，(x^(d))^T]^T的各元素进行检测顺序排序，所得到的检测顺序为

是数组(1，2，…，dN_T)的一个排列。其中，x⁽ⁱ⁾满足y⁽ⁱ⁾＝H⁽ⁱ⁾x⁽ⁱ⁾+n⁽ⁱ⁾，1≤i ≤d，y⁽ⁱ⁾为长度为N_R的接收信号矢量，x⁽ⁱ⁾为长度为N_T的发送数据符号矢量，x⁽ⁱ⁾的元素取自调制星座A＝{a₁，a₂，…a_M}，H⁽ⁱ⁾为N_R×N_T的信道矩阵，n⁽ⁱ⁾是长度为N_R、均值为0、协方差矩阵为

的复高斯噪声矢量，I是N_R×N_R的单位矩阵，N_R为接收天线数目，N_T为发送天线数目，d为联合检测数据符号矢量的数目，M为调制星座中星座点的数目；

所述后验概率计算模块用于根据所述检测顺序依次更新后验概率

并将估计出的后验概率

值存储于dN_T×M的矩阵中，

表示接收到r的条件下第n_j个发送数据符号

取第m个星座点a_m的概率，j＝1，2，…，d×N_T，其中r＝[(y⁽¹⁾)^T，…，(y^(d))^T]^T，(·)^T表示矩阵转置；

所述判决模块用于根据所述dN_T×M的矩阵中的后验概率

的值对待检测数据符号进行判决处理，输出判决结果。

本发明提出的技术方案，减轻了解决了MIMO系统中误差传播以及接收模块的处理时延的问题。本发明提出的技术方案，通过改进的仅付出的较低的额外复杂度的概率数据辅助MIMO检测算法，实现了对多个相邻发送数据符号矢量的联合检测，得到了相对传统PDA MIMO检测算法更好的差错性能。此外，在包含信道编码模块从而使发送数据符号之间具有相关性，而在接收端采用通用的信号检测模块与信道译码模块串行级联接收方案的MIMO无线通信系统，本发明提出的技术方案可以降低系统的误差传播。进一步，对于因引入例如卷积码和Turbo码等信道编码而使发送数据符号之间具有相关性，接收端采用较复杂的Turbo迭代联合检测译码接收方案的MIMO无线通信系统，本发明提出的技术方案还可以降低系统接收模块的处理时延。

本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1为基于概率数据辅助检测信号的方法流程图；

图2为后验概率更新表；

图3为基于概率数据辅助检测信号的设备结构示意图；

图4为在Turbo迭代联合检测译码系统中的应用示意图；

图5为在常用检测译码模块串行级联方案中的应用示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。

为了便于理解本发明，首先对本发明的原理进行介绍。

通常的MIMO系统接收信号模型为：

y＝Hx+n，(1)

其中y是长度为N_R的接收信号矢量，x是长度为N_T的发送数据符号矢量，x元素取自调制星座A＝{a₁，a₂，…a_M}，H是大小为N_R×N_T的信道矩阵，n是长度为N_R，均值为0，协方差矩阵为σ²I的复高斯噪声矢量，其中σ²为噪声功率，I是N_R×N_R的单位矩阵，N_R表示接收天线数目，N_T表示发射天线数目。在本发明中，(·)^T，(·)^*，(·)^H分别表示矩阵的转置，矩阵的共轭，矩阵的共轭转置。

在本发明中，需要确定联合检测的矢量数目d，d根据发送数据符号之间的相关性选择，还可以结合仿真结果进行选择。通常信道编码的特性会影响d的选取。假定一个突发帧中包含的发送数据符号矢量个数为L，确定需要联合检测的相邻发送数据符号矢量的数目d时，通常使得d满足d∈{1，2，…，L}∩Nd＝L，N为正整数，即L能被d整除。

接收端的接收信号模型为：根据给定的d，接收端依次缓存相邻的d个接收数据符号列矢量y⁽¹⁾＝H⁽¹⁾x⁽¹⁾+n⁽¹⁾，y⁽²⁾＝H⁽²⁾x⁽²⁾+n⁽²⁾，…，y^(d)＝H^(d)x^(d)+n^(d)，并将这d个列矢量重排成一个列矢量r缓存，即r＝[(y⁽¹⁾)^T，…，(y^(d))^T]^T；同时，接收端依次缓存y⁽¹⁾，y⁽²⁾，…，y^(d)分别对应的信道矩阵H⁽¹⁾，H⁽²⁾，…，H^(d)，将这d个矩阵重排成一个块对角矩阵G缓存，即

则新的

接收信号模型为：

r＝Gs+u，(2)

其中s＝[(x⁽¹⁾)^T，…，(x^(d))^T]^T，u＝[(n⁽¹⁾)^T，…，(n^(d))^T]^T，u的协方差矩阵为

将(2)式改写成解相关模型：

$\tilde{r}=s+\tilde{u}=s_{n_j}{e}_{n_j}+\underset{n_k\≠n_j}{\mathrm{\Σ}}{s}_{n_k}{e}_{n_k}+\tilde{u}=s_{n_J}{e}_{n_j}+U_{n_j},---\left(3\right)$

其中

是均值为0，协方差矩阵为

的复高斯噪声，是第n_k个元素为1，其它位置元素为0的单位矢量，

是第n_j个发送数据符号对应的噪声和干扰混合项；算法的目标是在接收到r的条件下估计第n_j个发送数据符号

取第m个星座点a_m的后验概率

将噪声干扰混合项

近似看作服从高斯分布的随机矢量，计算其各阶统计特性如下：

均值：

$\mathrm{mean}\left(U_{n_j}\right)=\underset{n_k\≠n_j}{\mathrm{\Σ}}{\stackrel{\‾}{s}}_{n_k}{e}_{n_k}---\left(4\right)$

协方差：

${\mathrm{\Ω}}_{n_j}\stackrel{\mathrm{\Δ}}{=}\underset{n_k\≠n_j}{\mathrm{\Σ}}{\mathrm{\ω}}_{n_k}{e}_{n_k}{e}_{n_k}^T+\mathrm{Cov}\left(\tilde{u}\right)---\left(5\right)$

伪协方差：

${\mathrm{\Ξ}}_{n_j}\stackrel{\mathrm{\Δ}}{=}\underset{n_k\≠n_j}{\mathrm{\Σ}}{\mathrm{\ξ}}_{n_k}{e}_{n_k}{e}_{n_k}^T---\left(6\right)$

其中

${\stackrel{\‾}{s}}_{n_k}=\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{a}_m{P}_m\left(s_{n_k}\right|r)---\left(7\right)$

${\mathrm{\ω}}_{n_k}=\underset{m=1}{\overset{M}{\mathrm{\Σ}}}(a_m-{\stackrel{\‾}{s}}_{n_k}){(a_m-{\stackrel{\‾}{s}}_{n_k})}^{*}{P}_m\left(s_{n_k}\right|r)---\left(8\right)$

${\mathrm{\ξ}}_{n_k}=\underset{m=1}{\overset{M}{\mathrm{\Σ}}}(a_m-{\stackrel{\‾}{s}}_{n_k}){(a_m-{\stackrel{\‾}{s}}_{n_k})}^T{P}_m\left(s_{n_k}\right|r)---\left(9\right)$

令

$w_m^{\left(n_j\right)}=\tilde{r}-a_m^{\left(n_j\right)}{e}_{n_j}-\underset{n_k\≠n_j}{\mathrm{\Σ}}{\stackrel{\‾}{s}}_{n_k}{e}_{n_k}---\left(10\right)$

其中

和

分别表示一个复变量的实部和虚部，则后验概率

$P_m\left(s_{n_j}\right|r)=P_m\left(s_{n_j}\right|\tilde{r})=\frac{p_m\left(r\right|s_{n_j})P(s_{n_j}=a_m)}{\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{p}_m\left(r\right|s_{n_j})P(s_{n_j}=a_m)}\≈\frac{{\mathrm{\φ}}_m\left(s_{n_j}\right)}{\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{\mathrm{\φ}}_m\left(s_{n_j}\right)}---\left(13\right)$

此后验概率将通过以上方式不断迭代计算，直到其收敛或达到最大迭代次数。

为了实现本发明之目的，本发明提出了一种基于概率数据辅助检测信号的方法，包括以下步骤：

将待检测数据符号，即s＝[(x⁽¹⁾)^T，(x⁽²⁾)^T，…，(x^(d))^T]^T的各元素进行检测顺序排序，所得到的检测顺序为

是数组(1，2，…，dN_T)的一个排列。其中，x⁽ⁱ⁾满足y⁽ⁱ⁾＝H⁽ⁱ⁾x⁽ⁱ⁾+n⁽ⁱ⁾，1≤i≤d，y⁽ⁱ⁾为长度为N_R的接收信号矢量，x⁽ⁱ⁾为长度为N_T的发送数据符号矢量，x⁽ⁱ⁾的元素取自调制星座A＝{a₁，a₂，…a_M}，H⁽ⁱ⁾为N_R×N_T的信道矩阵，n⁽ⁱ⁾是长度为N_R、均值为0、协方差矩阵为

的复高斯噪声矢量，I是N_R×N_R的单位矩阵，N_R为接收天线数目，N_T为发送天线数目，d为联合检测数据符号矢量的数目，M为调制星座中星座点的数目；

根据所述检测顺序依次更新后验概率

并将估计出的后验概率

值存储于dN_T×M的矩阵中，

表示接收到r的条件下第n_j个发送数据符号

取第m个星座点a_m的概率，j＝1，2，…，d×N_T，其中r＝[(y⁽¹⁾)^T，…，(y^(d))^T]^T，(·)^T表示矩阵转置；

根据所述dN_T×M的矩阵中的后验概率

的值对待检测数据符号进行判决处理，输出判决结果。

如图1所示，为本发明提出的基于概率数据辅助检测信号的方法流程图，包括以下步骤：

S101：将待检测数据符号进行检测顺序排序。

在步骤S101中，为了优化检测性能，通常要将待检测数据符号进行检测顺序排序。例如，将待检测数据符号序列s＝[(x⁽¹⁾)^T，(x⁽²⁾)^T，…，(x^(d))^T]^T的各元素按照如下的方法进行排序：

初始化令j＝1，

根据合成信道矩阵G，计算G的Moore Penrose伪逆Q₁＝G⁺＝(G^HG)^-1G^H；

根据

得到第一个要被检测的数据符号的序号；

递归计算：

$Q_{j+1}=G_{{\stackrel{\‾}{n}}_j}^{+};$

$n_{j+1}=\underset{t\∉\{n_1,n_2,...,n_j\}}{\arg \min }{\left|\right|{\left(Q_{j+1}\right)}_t\left|\right|}^2;$

j＝j+1；

如果j＞dN_T，跳出递归计算；

其中

表示矩阵Q_j的第t行，

表示先将矩阵G的n₁，n₂，…，n_j行置为零，再对得到的新矩阵求Moore Penrose伪逆；

得到最优的检测顺序为：

所得到的最优检测顺序为

是数组(1，2，…，dN_T)的一个排列。后续的检测操作、后验概率表更新均基于该检测顺序进行。

S102：根据给定的最优检测顺序依次迭代更新待检测数据符号的后验概率。

在步骤S102中，根据步骤101中得到的最优检测顺序依次更新后验概率并将估计出的后验概率的值存储于dN_T×M的矩阵中，表示接收到r的条件下第n_j个发送数据符号

取第m个星座点a_m的概率，j＝1，2，…，d×N_T，其中r＝[(y⁽¹⁾)^T，…，(y^(d))^T]^T，(·)^T表示矩阵转置，后验概率更新表如图2所示。

图2所示的后验概率更新表通过以下方式更新：

生成一个dN_T×M的矩阵，并初始化其中每一个元素为 $P_m\left(s_{n_j}\right|r)=1/M,\∀m\∈\{1,...,M\},\∀n_j\∈\{1,...,d\×N_T\};$

服从所述检测顺序的第n_j个发送数据符号取值于各个星座点的后验概率存储于dN_T×M的矩阵的第n_j行，记为P(n_j)，基于当前的

值，根据公式

计算后验概率值，k＝1，2，…，dN_T；

更新后验概率值：用计算得到的替换P(n_j)中相应的第m个元素。

进一步而言，在具体计算过程中，可以通过以下方式计算P_m(s_j|r)：

$P_m\left(s_{n_j}\right|r)=P_m\left(s_{n_j}\right|\tilde{r})=\frac{p_m\left(r\right|s_{n_j})P(s_{n_j}=a_m)}{\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{p}_m\left(r\right|s_{n_j})P(s_{n_j}=a_m)}\≈\frac{{\mathrm{\φ}}_m\left(s_{n_j}\right)}{\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{\mathrm{\φ}}_m\left(s_{n_j}\right)},$

为计算以上概率，需计算：

需计算：

其中

表

示令第n_j个符号取值为a_m，

是第n_j个元素为1、其它位置元素为0的单位矢量，

和分别表示一个复变量的实部和虚部；

需计算：

$\tilde{r}{=\left(G^{H}G\right)}^{-1}{G}^{H}r,$

${\stackrel{\‾}{s}}_{n_k}=\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{a}_m{P}_m\left(s_{n_k}\right|r),$

${\mathrm{\Ξ}}_{n_j}=\underset{n_k\≠n_j}{\mathrm{\Σ}}{\mathrm{\ξ}}_{n_k}{e}_{n_k}{e}_{n_k}^T,$

其中r＝[(y⁽¹⁾)^T，…，(y^(d))^T]^T，表示将同一个突发帧中d个相邻原始接收信号矢量y^(·)依次串联后得到的新的接收信号矢量，(·)^T表示矩阵转置，y^(·)是对应于某个发送数据符号矢量的原始接收信号矢量，

表示对应于d个发送数据符号矢量的合成信道矩阵，该矩阵的每一列是对应于一个发送数据符号的信道响应，由于r＝Gs+u，u＝[(n⁽¹⁾)^T，…，(n^(d))^T]^T，则

表示第n_j个发送数据符号对应的噪声和干扰的混合项，表示其协方差，

表示其伪协方差，

表示第d个发送数据符号矢量所对应的噪声功率；

需计算：

其中的

即后验概率矩阵中第n_j行第m列元素的当前值。

在本发明中，如果对于任意的j，P(n_j)都已收敛，或者迭代次数z已达到所允许的最大值，可以认为后验概率已经完成迭代。例如，本次迭代更新后的验概率值与更新前的后验概率值

满足条件的时候，其中ε为预定门限值，可以判断对于任意的j，P(n_j)都已收敛；或者，根据所述检测顺序依次更新后验概率

达到预定迭代次数上限的时候停止迭代计算。

S103：根据后验概率判决待检测数据符号。

在步骤S103中，根据所述dN_T×M的矩阵中的后验概率

值对待检测数据符号进行判决处理，输出判决信息。根据步骤S102中得到的运算结果，如图2所示，根据所述dN_T×M的矩阵中的后验概率

值对待检测数据符号进行判决处理包括：

的判决值

为其中，

并将判决值

存储于长为dN_T的矢量的第n_j个位置。

进一步而言，判决后输出的最终判决结果包括：

相应于发送数据符号矢量x⁽ⁱ⁾的已检测数据符号

为 ${\hat{x}}^{\left(i\right)}=\left\{{\hat{s}}_{n_j}\right|n_j=(i-1)\×N_T+1,(i-1)\×N_T+2,...,i\×N_T\},j=\mathrm{1,2},...,d{N}_T,i=\mathrm{1,2},...,d.$

为了进一步阐述本发明，将本发明应用于具体的检测信号实践中的流程如下：

1)确定各个发送数据符号的最佳检测顺序，将此顺序记作

2)生成一个dN_T×M的矩阵，用以存储检测过程中估计出的各数据符号对应的后验概率

将此概率数据矩阵的各元素初始化为1/M，即初始化

此概率数据矩阵结构如图2所示，其元素的更新规律是先横向更新，后纵向更新(即更新完一行再更新另一行)，计算

设置迭代次数计数器z＝1，更新的具体过程参见以下各步骤；

3)初始化：j＝1；

4)基于当前

(第n_j个发送数据符号对应于各个星座点的后验概率，是概率数据矩阵的第n_j行)，根据式(4)～(13)计算各个

然后用所得到的

替换P(n_j)中相应的第m个元素；

5)如果j＜d×N_T，令j＝j+1，返回步骤4)；否则，执行步骤6)；

6)如果对于任意的j，P(n_j)都已收敛，或者迭代次数z已达到所允许的最大值，执行步骤7)；否则，令z＝z+1，返回步骤3)；

7)对j＝1，2，…，d×N_T，根据得到

的判决值

这样，将得到数据符号矢量

的判决值；

8)根据

i＝1，2，…，d，得到各个发送数据符号矢量的判决值

本发明提出的上述方法，减轻了MIMO系统中误差传播以及接收模块的处理时延的问题。本发明提出的上述方法，通过改进的仅付出较低额外复杂度的概率数据辅助MIMO检测算法，实现了对多个相邻发送数据符号矢量的联合检测，得到了相对传统PDA MIMO检测算法更好的差错性能。此外，在包含信道编码模块从而使发送数据符号之间具有相关性，而在接收端采用通用的信号检测模块与信道译码模块串行级联接收方案的MIMO无线通信系统，本发明提出的技术方案可以降低系统的误差传播。进一步，对于因引入例如卷积码和Turbo码等信道编码而使发送数据符号之间具有相关性，接收端采用较复杂的Turbo迭代联合检测译码接收方案的MIMO无线通信系统，本发明提出的技术方案还可以降低系统接收模块的处理时延。

本发明另一方面还提出了一种基于概率数据辅助检测信号的设备100，如图3所示，为基于概率数据辅助检测信号设备100的结构示意图，包括排序模块110、后验概率计算模块120以及判决模块130。

其中，排序模块110用于将待检测数据符号序列s＝[(x⁽¹⁾)^T，(x⁽²⁾)^T，…，(x^(d))^T]^T的各元素按照最优检测顺序排序方法进行排序：

初始化令j＝1，

根据合成信道矩阵G，计算G的Moore Penrose伪逆Q₁＝G⁺＝(G^HG)^-1G^H；

根据

得到第一个要被检测的数据符号的序号；

递归计算：

$Q_{j+1}=G_{{\stackrel{\‾}{n}}_j}^{+};$

$n_{j+1}=\underset{t\∉\{n_1,n_2,...,n_j\}}{\arg \min }{\left|\right|{\left(Q_{j+1}\right)}_t\left|\right|}^2;$

j＝j+1；

如果j＞dN_T，跳出递归计算；

其中

表示矩阵Q_j的第t行，

表示先将矩阵G的n₁，n₂，…，n_j行置为零，再对得到的新矩阵求Moore Penrose伪逆；

得到最优的检测顺序为：

所得到的最优检测顺序为

是数组(1，2，…，dN_T)的一个排列。后续的检测操作、后验概率表更新均基于该检测顺序进行。

其中，x⁽ⁱ⁾满足y⁽ⁱ⁾＝H⁽ⁱ⁾x⁽ⁱ⁾+n⁽ⁱ⁾，1≤i ≤d，y⁽ⁱ⁾为长度为N_R的接收信号矢量，x⁽ⁱ⁾为长度为N_T的发送数据符号矢量，x⁽ⁱ⁾的元素取自调制星座A＝{a₁，a₂，…a_M}，H⁽ⁱ⁾为N_R×N_T的信道矩阵，n⁽ⁱ⁾是长度为N_R、均值为0、协方差矩阵为

的复高斯噪声矢量，I是N_R×N_R的单位矩阵，N_R为接收天线数目，N_T为发送天线数目，d为联合检测数据符号矢量的数目，M为调制星座中星座点的数目；

后验概率计算模块120用于根据所述检测顺序依次更新后验概率

并将估计出的后验概率

值存储于dN_T×M的矩阵中，

表示接收到r的条件下第n_j个发送数据符号

取第m个星座点a_m的概率，j＝1，2，…，d×N_T，其中r＝[(y⁽¹⁾)^T，…，(y^(d))^T]^T，(·)^T表示矩阵转置；

作为上述设备的实施例，后验概率计算模块120根据给定的检测顺序依次更新后验概率

包括以下步骤：

后验概率计算模块120生成一个dN_T×M的矩阵，并初始化其中每一个元素为

后验概率计算模块120将服从所述检测顺序的第n_j个发送数据符号取值于各个星座点的后验概率存储于dN_T×M的矩阵的第n_j行，记为P(n_j)，基于当前的值，根据公式

计算后验概率值，k＝1，2，…，dN_T；

后验概率计算模块120更新后验概率值：用计算得到的

替换P(n_j)中相应的第m个元素。

作为上述设备的实施例，

通过以下公式计算：

$P_m\left(s_{n_j}\right|r)=P_m\left(s_{n_j}\right|\tilde{r})=\frac{p_m\left(r\right|s_{n_j})P(s_{n_j}=a_m)}{\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{p}_m\left(r\right|s_{n_j})P(s_{n_j}=a_m)}\≈\frac{{\mathrm{\φ}}_m\left(s_{n_j}\right)}{\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{\mathrm{\φ}}_m\left(s_{n_j}\right)},$

为计算以上概率，需计算

需计算

其中

表示令第n_j个符号取值为a_m，

是第n_j个元素为1、其它位置元素为0的单位矢量，

和

分别表示一个复变量的实部和虚部；

需计算

$\tilde{r}{=\left(G^{H}G\right)}^{-1}{G}^{H}r,$

${\stackrel{\‾}{s}}_{n_k}=\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{a}_m{P}_m\left(s_{n_k}\right|r),$

${\mathrm{\Ξ}}_{n_j}=\underset{n_k\≠n_j}{\mathrm{\Σ}}{\mathrm{\ξ}}_{n_k}{e}_{n_k}{e}_{n_k}^T,$

其中r＝[(y⁽¹⁾)^T，…，(y^(d))^T]^T，表示将同一个突发帧中d个相邻原始接收信号矢量y^(·)依次串联后得到的新的接收信号矢量，(·)^T表示矩阵转置，y^(·)是对应于某个发送数据符号矢量的原始接收信号矢量，

表示对应于d个发送数据符号矢量的合成信道矩阵，该矩阵的每一列是对应于一个发送数据符号的信道响应，由于r＝Gs+u，u＝[(n⁽¹⁾)^T，…，(n^(d))^T]^T，则

表示第n_j个发送数据符号对应的噪声和干扰的混合项，

表示其协方差，表示其伪协方差，

表示第d个发送数据符号矢量所对应的噪声功率；

需计算

其中的即后验概率矩阵中第n_j行第m列元素的当前值。

作为上述设备的实施例，后验概率计算模块120还包括指示模块121，当出现以下任意一种条件时，指示模块121用于指示后验概率计算模块120结束后验概率更新：

后验概率计算模块120根据给定的检测顺序依次更新后验概率

达到预定迭代次数的时候；

本次迭代更新后的验概率值

与更新前的后验概率值

满足条件

的时候，其中ε为预定门限值。判决模块130用于根据dN_T×M的矩阵中的后验概率

值对待检测数据符号进行判决处理，输出判决信息。

作为上述设备的实施例，判决模块130根据dN_T×M的矩阵中的后验概率

值对待检测数据符号进行判决处理包括：

的判决值

为

其中，

并将判决值

存储于长为dN_T的矢量的第n_j个位置。

作为上述设备的实施例，判决模块130输出判决结果包括：相应于发送数据符号矢量x⁽ⁱ⁾的已检测数据符号

为 ${\hat{x}}^{\left(i\right)}=\left\{{\hat{s}}_{n_j}\right|n_j=(i-1)\×N_T+1,(i-1)\×N_T+2,...,i\×N_T\},j=\mathrm{1,2},...,d{N}_T,i=\mathrm{1,2},...,d.$

如图4所示，为在Turbo联合检测译码系统中应用示意图。首先，二进制信源信息经过可实现软入软出译码算法的信道编码，例如卷积码、Turbo码等，得到相互之间具有相关性的比特序列，该相关性由信道编码方案的具体参数决定。然后通过数字调制器映射到调制星座中的具体符号，并通过多个天线发送出去。在接收端，采用本发明所提出的基于概率数据辅助检测信号的设备，可以得到比传统PDA MIMO检测算法质量更好的软输出判决信息，即后验概率值

该判决信息经过符号级软信息到比特级软信息的映射后，得到后验比特似然信息

并送入后续的信道译码模块进行Turbo迭代处理。由于采用本发明所提出的基于概率数据辅助检测信号的设备输出的似然信息可信度更高，相当于为后续的信道译码模块提供了更好的迭代初始值，从而进一步改善了MIMO检测模块与信道译码模块之间的大迭代所交换的似然信息的质量。显而易见，在给定差错性能指标的条件下，本发明将有助于减少接收端的总的迭代次数，减小运算量，从而减小接收端的处理时延。图中L表示似然比，下标app为aposteriori probability的缩写，上标MIMO表示该似然信息是由MIMO检测模块输出的，后面的其他似然信息的上下标也有类似作用，ECC表示error correction code，这里指信道译码模块，pri是priori的缩写，表示该似然信息对相应的箭头所指的模块而言是先验信息。

如图5所示，为在常用检测译码串行级联方案中的应用示意图。该示意图与图4唯一的不同是没有采用MIMO接收模块与信道译码模块的大迭代处理结构，而是采用了二者的串行级联处理结构。在这种情况下，由于无法利用大迭代的优势使差错概率收敛到一个所需要的值，前一级MIMO检测模块产生的差错将会传播到后一级信道译码模块。显然，在这种差错传播的情况下，前一级模块的输出软信息的质量对系统最终的差错性能影响很大。通过采用本发明所提出的基于概率数据辅助检测信号的设备，可以得到比传统PDA MIMO检测算法质量更好的软输出判决信息，有助于抑制差错传播，从而优化系统最终的差错性能。

由此可见，本发明提出的上述设备，有助于减轻MIMO系统中误差传播以及接收模块的处理时延的问题。本发明提出的上述设备，通过改进的仅付出较低额外复杂度的概率数据辅助MIMO检测算法，实现了对多个相邻发送数据符号矢量的联合检测，得到了相对传统PDA MIMO检测算法更好的差错性能。此外，在包含信道编码模块从而使发送数据符号之间具有相关性，而在接收端采用通用的信号检测模块与信道译码模块串行级联接收方案的MIMO无线通信系统，本发明提出的技术方案可以降低系统的误差传播。进一步，对于因引入例如卷积码和Turbo码等信道编码而使发送数据符号之间具有相关性，接收端采用较复杂的Turbo迭代联合检测译码接收方案的MIMO无线通信系统，本发明提出的技术方案还可以降低系统接收模块的处理时延。

本领域普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (14)

1.一种基于概率数据辅助检测信号的方法，其特征在于，包括以下步骤：

将待检测数据符号s＝[(x⁽¹⁾)^T，(x⁽²⁾)^T，…，(x^(d))^T]^T的各元素进行检测顺序排序，得到的检测顺序为

其中，x⁽ⁱ⁾满足y⁽ⁱ⁾＝H⁽ⁱ⁾x⁽ⁱ⁾+n⁽ⁱ⁾，1≤i≤d，y⁽ⁱ⁾为长度为NR的接收信号矢量，x⁽ⁱ⁾为长度为N_T的发送数据符号矢量，x⁽ⁱ⁾的元素取自调制星座A＝{a₁，a₂，…a_M}，H⁽ⁱ⁾为N_R×N_T的信道矩阵，n⁽ⁱ⁾是长度为N_R、均值为0、协方差矩阵为

的复高斯噪声矢量，I是N_R×N_R的单位矩阵，N_R为接收天线数目，N_T为发送天线数目，d为联合检测数据符号矢量的数目，M为调制星座中星座点的数目；

根据所述检测顺序依次更新后验概率

并将估计出的后验概率

值存储于dN_T×M的矩阵中，

表示接收到r的条件下第n_j个发送数据符号

取第m个星座点a_m的概率，j＝1，2，…，d×N_T，其中r＝[(y⁽¹⁾)^T，…，(y^(d))^T]^T，(·)^T表示矩阵转置；

根据所述dN_T×M的矩阵中的后验概率

的值对待检测数据符号进行判决处理，输出判决结果。

2.如权利要求1所述的基于概率数据辅助检测信号的方法，其特征在于，根据所述检测顺序依次更新后验概率包括以下步骤：生成一个dN_T×M的矩阵，并初始化其中每一个元素为 $P_m\left(s_{n_j}\right|r)=1/M,\∀m\∈\{1,...,M\},\∀n_j\∈\{1,...,d\×N_T\};$

根据所述检测顺序的第n_j个发送数据符号取值于各个星座点的后验概率存储于dN_T×M的矩阵的第n_j行，记为P(n_j)，基于当前的值，根据公式

计算后验概率值，k＝1，2，…，dN_T；

更新后验概率值：用计算得到的

替换P(n_j)中相应的第m个元素。

3.如权利要求2所述的基于概率数据辅助检测信号的方法，其特征在于，所述P_m(s_j|r)通过以下公式计算：

$P_m\left(s_{n_j}\right|r)=P_m\left(s_{n_j}\right|\tilde{r})=\frac{p_m\left(r\right|s_{n_j})P(s_{n_j}=a_m)}{\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{p}_m\left(r\right|s_{n_j})P(s_{n_j}=a_m)}\≈\frac{{\mathrm{\φ}}_m\left(s_{n_j}\right)}{\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{\mathrm{\φ}}_m\left(s_{n_j}\right)},$

为计算以上概率，需计算

需计算

其中

表示令第n_j个符号取值为a_m，

是第n_j个元素为1、其它位置元素为0的单位矢量，

和

分别表示一个复变量的实部和虚部；需计算

$\tilde{r}{=\left(G^{H}G\right)}^{-1}{G}^{H}r,$

${\stackrel{\‾}{s}}_{n_k}=\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{a}_m{P}_m\left(s_{n_k}\right|r),$

${\mathrm{\Ξ}}_{n_j}=\underset{n_k\≠n_j}{\mathrm{\Σ}}{\mathrm{\ξ}}_{n_k}{e}_{n_k}{e}_{n_k}^T,$

其中r＝[(y⁽¹⁾)^T，…，(y^(d))^T]^T表示将同一个突发帧中d个相邻原始接收信号矢量y^(·)依次串联后得到的新的接收信号矢量，(·)^T表示矩阵转置，y^(·)是对应于某个发送数据符号矢量的原始接收信号矢量，

表示对应于d个发送数据符号矢量的合成信道矩阵，该矩阵的每一列是对应于一个发送数据符号的信道响应，由于r＝Gs+u，u＝[(n⁽¹⁾)^T，…，(n^(d))^T]^T，则

表示第n_j个发送数据符号对应的噪声和干扰的混合项，

表示其协方差，表示其伪协方差，

表示第d个发送数据符号矢量所对应的噪声功率；

需计算

其中的

是后验概率矩阵中第n_j行第m列元素的当前值。

4.如权利要求1所述的基于概率数据辅助检测信号的方法，其特征在于，所述的检测顺序包括：

初始化令j＝1，

根据合成信道矩阵G，计算G的Moore Penrose伪逆Q₁＝G⁺＝(G^HG)^-1G^H；

根据

得到第一个要被检测的数据符号的序号；

递归计算：

$Q_{j+1}=G_{{\stackrel{\‾}{n}}_j}^{+};$

$n_{j+1}=\underset{t\∉\{n_1,n_2,...,n_j\}}{\arg \min }{\left|\right|{\left(Q_{j+1}\right)}_t\left|\right|}^2;$

j＝j+1；

如果j＞dN_T，跳出递归计算；

其中

表示矩阵Q_j的第t行，

表示先将矩阵G的n₁，n₂，…，n_j行置为零，再对得到的新矩阵求Moore Penrose伪逆；

得到最优的检测顺序为：

5.如权利要求1所述的基于概率数据辅助检测信号的方法，其特征在于，根据所述检测顺序依次更新后验概率

时，当出现以下任意一种条件时结束更新：

根据所述检测顺序依次更新后验概率

达到预定最大迭代次数的时候；

本次迭代更新后的验概率值

与更新前的后验概率值

满足条件

的时候，其中ε为预定门限值。

6.如权利要求1所述的基于概率数据辅助检测信号的方法，其特征在于，根据所述dN_T×M的矩阵中的后验概率值对待检测数据符号进行判决处理包括：

的判决值

为

其中，

并将判决值

存储于长为dN_T的矢量的第n_j个位置。

7.如权利要求1所述的基于概率数据辅助检测信号的方法，其特征在于，输出的最终判决结果包括：

相应于发送数据符号矢量x⁽ⁱ⁾的已检测数据符号

为 ${\hat{x}}^{\left(i\right)}=\left\{{\hat{s}}_{n_j}\right|n_j=(i-1)\×N_T+1,(i-1)\×N_T+2,...,i\×N_T\},j=\mathrm{1,2},...,d{N}_T,i=\mathrm{1,2},...,d.$

8.一种基于概率数据辅助检测信号的设备，其特征在于，包括排序模块、后验概率计算模块以及判决模块。

所述排序模块利用如权利要求4所述的最优检测顺序排序算法，将待检测数据符号，即s＝[(x⁽¹⁾)^T，(x⁽²⁾)^T，…，(x^(d))^T]^T的各元素进行检测顺序排序，所得到的检测顺序为是数组(1，2，…，dN_T)的一个排列，其中，x⁽ⁱ⁾满足y⁽ⁱ⁾＝H⁽ⁱ⁾x⁽ⁱ⁾+n⁽ⁱ⁾，1≤i≤d，y⁽ⁱ⁾为长度为N_R的接收信号矢量，x⁽ⁱ⁾为长度为N_T的发送数据符号矢量，x⁽ⁱ⁾的元素取自调制星座A＝{a₁，a₂，…a_M}，H⁽ⁱ⁾为N_R×N_T的信道矩阵，n⁽ⁱ⁾是长度为N_R、均值为0、协方差矩阵为

的复高斯噪声矢量，I是N_R×N_R的单位矩阵，N_R为接收天线数目，N_T为发送天线数目，d为联合检测数据符号矢量的数目，M为调制星座中星座点的数目；

所述后验概率计算模块用于根据所述检测顺序依次更新后验概率

并将估计出的后验概率

值存储于dN_T×M的矩阵中，

表示接收到r的条件下第n_j个发送数据符号

取第m个星座点a_m的概率，j＝1，2，…，d×N_T，其中r＝[(y⁽¹⁾)^T，…，(y^(d))^T]^T，(·)^T表示矩阵转置；

所述判决模块用于根据所述dN_T×M的矩阵中的后验概率

的值对待检测数据符号进行判决处理，输出判决结果。

9.如权利要求8所述的基于概率数据辅助检测信号的设备，其特征在于，所述排序模块通过以下方式计算所述最优检测顺序：

初始化令j＝1，

根据合成信道矩阵G，计算G的Moore Penrose伪逆Q₁＝G⁺＝(G^HG)^-1G^H；根据

得到第一个要被检测的数据符号的序号；

递归计算：

$Q_{j+1}=G_{{\stackrel{\‾}{n}}_j}^{+};$

$n_{j+1}=\underset{t\∉\{n_1,n_2,...,n_j\}}{\arg \min }{\left|\right|{\left(Q_{j+1}\right)}_t\left|\right|}^2;$

j＝j+1；

如果j＞dN_T，跳出递归计算；

其中

表示矩阵Q_j的第t行，

表示先将矩阵G的n₁，n₂，…，n_j行置为零，再对得到的新矩阵求Moore Penrose伪逆；

得到最优的检测顺序为：

10.如权利要求8所述的基于概率数据辅助检测信号的设备，其特征在于，所述后验概率计算模块根据所述检测顺序依次更新后验概率

包括以下步骤：

所述后验概率计算模块生成一个dN_T×M的矩阵，并初始化其中每一个元素为

所述后验概率计算模块根据所述检测顺序的第n_i个发送数据符号取值于各个星座点的后验概率存储于dN_T×M的矩阵的第n_j行，记为P(n_j)，基于当前的

值，根据公式

计算后验概率值，k＝1，2，…，dN_T；

所述后验概率计算模块更新后验概率值：用计算得到的

替换P(n_j)中相应的第m个元素。

11.如权利要10所述的基于概率数据辅助检测信号的设备，其特征在于，所述P_m(s_j|r)通过以下公式计算：

$P_m\left(s_{n_j}\right|r)=P_m\left(s_{n_j}\right|\tilde{r})=\frac{p_m\left(r\right|s_{n_j})P(s_{n_j}=a_m)}{\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{p}_m\left(r\right|s_{n_j})P(s_{n_j}=a_m)}\≈\frac{{\mathrm{\φ}}_m\left(s_{n_j}\right)}{\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{\mathrm{\φ}}_m\left(s_{n_j}\right)},$

为计算以上概率，需计算

需计算

其中

表示令第n_j个符号取值为a_m，

是第n_j个元素为1、其它位置元素为0的单位矢量，

和

分别表示一个复变量的实部和虚部；

需计算

$\tilde{r}{=\left(G^{H}G\right)}^{-1}{G}^{H}r,$

${\stackrel{\‾}{s}}_{n_k}=\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{a}_m{P}_m\left(s_{n_k}\right|r),$

${\mathrm{\Ξ}}_{n_j}=\underset{n_k\≠n_j}{\mathrm{\Σ}}{\mathrm{\ξ}}_{n_k}{e}_{n_k}{e}_{n_k}^T,$

其中r＝[(y⁽¹⁾)^T，…，(y^(d))^T]^T，表示将同一个突发帧中d个相邻原始接收信号矢量y^(·)依次串联后得到的新的接收信号矢量，(·)^T表示矩阵转置，y^(·)是对应于某个发送数据符号矢量的原始接收信号矢量，表示对应于d个发送数据符号矢量的合成信道矩阵，该矩阵的每一列是对应于一个发送数据符号的信道响应，由于r＝Gs+u，u＝[(n⁽¹⁾)^T，…，(n^(d))^T]^T，则表示第n_j个发送数据符号对应的噪声和干扰的混合项，表示其协方差，

表示其伪协方差，表示第d个发送数据符号矢量所对应的噪声功率；

需计算

其中的

即后验概率矩阵中第n_j行第m列元素的当前值。

12.如权利要求10所述的基于概率数据辅助检测信号的设备，其特征在于，所述后验概率计算模块还包括指示模块，当出现以下任意一种条件时，所述指示模块用于指示所述后验概率计算模块结束后验概率更新：

所述后验概率计算模块根据所述检测顺序依次更新后验概率

达到预定最大迭代次数的时候；

本次迭代更新后的验概率值

与更新前的后验概率值

满足条件

的时候，其中ε为预定门限值。

13.如权利要求8所述的基于概率数据辅助检测信号的设备，其特征在于，所述判决模块根据所述dN_T×M的矩阵中的后验概率

值对待检测数据符号进行判决处理包括：

的判决值为

其中，

并将判决值

存储于长为dN_T的矢量的第n_j个位置。

14.如权利要求13所述的基于概率数据辅助检测信号的设备，其特征在于，所述判决模块输出的最终判决结果包括：

相应于发送数据符号矢量x⁽ⁱ⁾的已检测数据符号

为 ${\hat{x}}^{\left(i\right)}=\left\{{\hat{s}}_{n_j}\right|n_j=(i-1)\×N_T+1,(i-1)\×N_T+2,...,i\×N_T\},j=\mathrm{1,2},...,d{N}_T,i=\mathrm{1,2},...,d.$

Images