CN101933275A - 用于确定信号向量的方法及检测电路 - Google Patents

Abstract

本发明提供一种用于确定含有来自所收信号向量的复数个成分的信号向量的方法，其中包含：产生该信号向量的估计项；确定代表通信频道特征的频道矩阵，可经此通信频道收到该信号向量；根据该频道矩阵执行复数个确定迭代，其中，对于各次迭代，根据该先前迭代的第二组可能子向量确定该信号向量的第一组可能子向量，并且，按照预选定测度而根据该等子向量到该所估计信号向量的距离，从该第一组可能子向量中选定数个子向量，构成该第一组的严格子集合而作为此迭代的第二组可能子向量；根据该最后迭代的可能子向量确定该信号向量。

Description

用于确定信号向量的方法及检测电路

技术领域

本发明大体上涉及一种用于确定信号向量的方法以及检测电路。

背景技术

在使用多个传送天线及多个接收天线的无线电通信系统中，所传符号的检测作业对于通信系统效能而言扮演重要角色。检测最佳及近似最佳检测方法由于过于复杂而难以实施，而同时次最佳方法又可能无法产生令人满意的结果。在近来提出的低复杂度算法中，众人对QRD-M算法具有高度兴趣，这是因为通过该算法可达到近似最大可能性效能，而同时仅有例如球型解码等其它方法的几分之一的计算成本。目前已提出了该QRD-M算法的各式变化项目以进一步降低复杂度。

发明内容

在具体实施例里，提供了一种用于确定含有来自所收信号向量的复数个成分的信号向量的方法，其中该方法包含：产生该信号向量的估计项；确定代表通信频道特征频道矩阵，经过该通信频道可收到该信号向量；根据该频道矩阵执行复数个确定迭代，其中，对于各次迭代，根据该先前迭代的第二可能子向量集合确定该信号向量的第一可能子向量集合，并且，按照预选定测度而根据该等子向量到该所估计信号向量的距离，从该第一可能子向量集合中选定数个子向量，构成该第一集合的严格子集合作为此迭代的第二可能子向量集合；根据该最后迭代的可能子向量确定该信号向量。

根据其它具体实施例，本发明还提供一种根据前述方法的检测电路及计算机程序产品。

附图说明

下文中参考附图来说明本发明的实施例。

图1显示具体实施例的流程图。

图2显示本发明具体实施例的检测电路。

图3显示本发明具体实施例的通信系统。

图4显示流程图。

图5显示具体实施例的节点图。

图6显示具体实施例的流程图。

具体实施方式

图1中说明具体实施例中用于确定含有来自所收信号向量的复数个成分的信号向量的方法。

图1显示具体实施例的流程图100。

在101中，产生该信号向量的估计项。

在102中，确定代表通信频道特征的频道矩阵，可经此通信频道接收该信号向量。

在103中，根据该频道矩阵执行复数个确定迭代，其中，对于各次迭代，根据该先前迭代的第二可能子向量集合以确定该信号向量的第一可能子向量集合，并且按照预选定测度而根据该等子向量到该所估计信号向量的距离，从该第一可能子向量集合中选定数个子向量，构成该第一集合的严格子集合而作为此迭代的第二可能子向量集合

在104中，根据该最后迭代的可能子向量确定该信号向量。

换言之，在具体实施例的各次迭代中，根据例如ZF强制解或MMSE解等对该所传信号向量的估计项的距离，从该次迭代中所确定的所有可能子向量中选定可能子向量的子集，该向量通常为根据该预定测度而被认为接近于该所传信号向量的向量。可能子向量是根据已利用该等所传信号向量而传送的符号形成的子向量，该符号例如是根据用于产生所传子向量的调制法则的可能调制符号。在逐次迭代中，例如增加该可能子向量的维度，使得在最后迭代中该可能子向量具有所传信号向量的一个或多个候选项，即考虑到该所收信号向量时的向量可能等于实际所传的信号向量。

该所传信号向量及该所收信号向量分别为所传和所收信号值的向量。一个信号值可对应于一个天线，即已利用不同天线传送或接收该所传信号向量或该所收信号向量的不同成分例如通过不同天线传送或接收。信号值还可以是利用天线所传送或接收的符号的实部或虚部，使得例如该所传信号向量或该所收信号向量的一成分对应于利用天线所传送或接收的符号的实部，而该所传信号向量或该所收信号向量的另一成分则对应于该符号的虚部。信号值可为例如来自调制符号集合的符号或符号的一部分(例如符号的实部或虚部)。

上文所述的用于确定含有来自所收信号向量的复数个成分的信号向量的方法也适用于检测电路及计算机程序产品。该信号向量的估计项例如根据归零强制解或最小均方误差解产生。

该预选定测度例如为欧几里得距离。该预选定测度还可以是其它的距离测量值，并且还可包含成分加权。

在具体实施例里，该确定迭代根据该频道矩阵的QR分解所执行。

该第一可能子向量集合例如根据先前迭代的第二集合的至多预定数量的元素确定。换言之，仅有在一次迭代中确定的预定数量子向量会被用于例如下一迭代。例如可按此方式以减少搜寻空间(即可能子向量候选项的数量)。

在具体实施例里，该第二集合由该第一集合所构成，使得当该第一集合的第一子向量选为处于该第二集合中，同时在该第一集合中有第二子向量根据该预选定测度更接近该估计信号向量时，则该第二子向量也会被选为在该第二集合中。换言之，在具体实施例里会选定该等最靠近该估计项的子向量，并例如用作下一次迭代的基础。

在具体实施例里，迭代的可能子向量比先前迭代的子向量高一维度。

例如，迭代的第一集合的可能子向量由该先前迭代的第二集合的可能子向量确定，使得该第一集合的各个子向量包含该先前迭代的第二集合的可能子向量之一作为子向量。例如，该第一集合的各个子向量都含有该先前迭代的第二集合的可能子向量之一作为子向量及额外成分。换言之，例如该候选项子向量随着逐次迭代而增加一个成分。

该额外成分例如至少部分标定该所传信号向量的可能成分。例如，该额外成分根据调制法则至少部分标定星图符号。

至少部分标定成分或星图符号可例如表示标定该成分或星图符号的实部或虚部。

在具体实施例里，该频道矩阵含有噪声信息。该频道矩阵例如根据标定传输特征(即在多个天线之间的传输特征)的频道矩阵产生，并且例如通过在该接收器天线处标定噪声(即频道噪声或接收器噪声)的噪声矩阵而延展。

例如，该信号向量利用复数个传送天线传送，并且所收信号向量利用复数个接收天线接收。对于各个传送天线及接收天线组合的每一对，该频道矩阵包含例如关于该传送天线与该接收天线之间传输特征的信息。

本发明具体实施例可应用于无线电通信系统，诸如细胞式行动通信系统或无线区域通信系统等，例如根据3GPP(“第三代伙伴计划”)、FOMA(“自由移动多媒体接入”)、CDMA(CDMA：“码分多址”)、WLAN(“无线局域网络”)等通信系统。

如图2所示，图1所示的方法例如由检测电路执行，以确定含有来自所收信号向量的复数个成分的信号向量。

图2显示本发明具体实施例的检测电路200。

该检测电路200含有经配置以产生该信号向量的估计项的产生电路201。

此外，该检测电路200含有第一确定电路202，该第一确定电路202经配置以确定代表通信频道特征的频道矩阵，可经此通信频道收到该信号向量。

该检测电路200的处理电路203经配置以根据该频道矩阵执行复数个确定迭代，其中对于各次迭代，根据先前迭代的第二可能子向量集合确定该信号向量的第一可能子向量集合，并且按照预选定测度而根据该等子向量到该所估计信号向量的距离，从该第一可能子向量集合中选定数个子向量，构成该第一集合的严格子集合作为此迭代的第二可能子向量集合。

该检测电路200进一步包括经配置以根据该最后迭代的可能子向量来确定该信号向量的第二确定电路。

该检测电路200例如是接收器的一部分。

在具体实施例里，“电路”认为是任何种类的逻辑实施实体，其可为硬件、软件、固件或其任何组合。因此，在具体实施例里，“电路”可为硬件接线逻辑电路或是例如可编程处理器等可编程逻辑电路，例如可为微处理器(例如“复杂指令集计算机(CISC)”处理器或“精简指令集计算机(RISC)”处理器)。“电路”还可以是由处理器实施或执行的软件，例如是任何种类的计算机程序，或例如是利用诸如Java等虚拟机程序代码的计算机程序。在下文中进一步详述的任何其它种类各功能的实施也可根据替代具体实施例而认为是“电路”。

图3显示本发明具体实施例的通信系统300。

该通信系统300包含传送器301及接收器302。该传送器301包括复数个传送天线303，各个传送天线303耦接于各自的发送单元304。

各个发送单元304提供有信号向量

的成分，其中N_T为传送天线303的数量。各个发送单元304利用各天线303传送该信号向量x的各成分，从而一起发送该信号向量x。该所传信号向量通过复数个接收天线305并经由通信频道308以所收信号向量

(该上标T表示转置)的形式被该接收器302接收，各个接收天线305耦接于各自的接收单元306。N_R表示接收天线305的数量，其中例如N_T≤N_R。

由于N_R及N_T假定为两者都大于1，因此该通信系统300是MIMO(多重输入多重输出)系统，例如是MIMO-OFDM(正交频分多任务处理)系统，其中N_T＝N_R＝4或8。调制例如是根据PSK(“相位位移键码”)或例如16QAM或64QAM的QAM(“四分振幅调制”)进行的调制。该传送器301还可包括用于对即将发送的数据进行编码(例如涡轮编码)的电路，并且可含有位交错器。可利用灰色映射进行调制。该接收器302执行例如位解交错及涡轮解码处理等各逆反操作。

各个接收天线305接收该所收信号向量y的成分，并且该各成分由耦接于该天线的接收单元306输出，并且馈送至检测器307。

举例来说，该通信频道308假定为类静态平坦衰退频道。可通过维度N_R×N_T的复数频道矩阵H来模型化该等传送天线303及接收天线305之间通信频道308的传输特征。H的成分H_j，i描述从第i个传送天线303到第j个接收天线305的传输(例如路径增益)。在具体实施例里，假定该频道矩阵H例如通过在传送该信号向量x之前执行的频道估计而为该接收器302所知悉。

该所收信号向量y可为撰写如下：

$\underset{\‾}{\underset{\‾}{y}=\underset{\‾}{H}\·\underset{\‾}{x}+\underset{\‾}{w}}---\left(\text{1}\right)$

其中w＝[w1，w2，...，w_NR]^T为一向量，其中第j个成分表示在第j个接收天线处具有变异数σ²的加法性白色高斯噪声(AWGN)。

该信号向量x例如由在该传送器301处分路输出为N_T个子流的单一数据流产生。各个子流经编码成符号，且子流的一个符号对应于该信号向量x的一项成分。

该检测器307利用该所收信号向量y产生经估计信号向量，该经估计信号向量为该原始发送的信号向量x的估计项。

将QR分解施加于H可获得

$\underset{\‾}{H}=\underset{\‾}{Q}\underset{\‾}{\overset{^}{R}}---\left(2\right)$

其中Q为维度N_R×N_R的归一矩阵(unitary matrix)，并且

$\hat{R}=\left[\begin{array}{c}\underset{\‾}{R}\\ \underset{\‾}{Q}(N_R-N_T)\×N_T\end{array}\right]---\left(3\right)$

为上三角形矩阵，而R_i，j，j≥i，为其非零元素。

将等式(1)的表示式乘以Q ^H(自左方开始)，其中该上标H表示厄密(Hermitian)运算，则等式(1)可改写为

$\underset{\‾}{\underset{\‾}{\overset{~}{y}}=\underset{\‾}{\mathrm{Rx}}+\underset{\‾}{\overset{~}{w}}}---\left(4\right)$

其中

包含Q ^H y的第一N_T行，而

包含Q ^H w的第一N_T行。

由于Q为归一矩阵，因而在QR分解之后可通过下式给定该最大可能性解

$\underset{\‾}{\overset{~}{x}}\mathrm{MLD}=\arg \underset{\underset{\‾}{\overset{~}{x}}\∈{\mathrm{\Ω}}^{N_T}}{\min }{\left|\right|\underset{\‾}{\overset{~}{y}}-\underset{\‾}{\mathrm{Rx}}\left|\right|}^2---\left(5\right)$

其中Ω表示各个成分的调制符号集合，即对于所有i，x_i∈Ω。换言之，S＝Ω^NT为由此选择出x的星图集合。

等式(1)乘以Q ^H乘法引生出树状结构(其节点为该所传信号向量x的可能子向量)而深度为N_T。

从而，由于从该有限星图集合S中选定x，因此可利用诸如M算法或堆栈算法等树图搜寻技术检测该所传信号向量x。

该QRD-M算法基于古典M算法。该QRD-M算法的概念可认为，在应用该M算法以循序地检测该所传信号向量的成分之前先应用Q ^H的乘法(可将此视为预乘法)。

从该向量x的最后一个元素(即成分

)开始，该M算法根据下式对于

的所有可能值(来自例如具有C个元素的集合Ω)计算测度

${|{\underset{\‾}{\overset{~}{y}}}_{N_T}-{\underset{\‾}{r}}_{N_T},\underset{\‾}{x}_{N_T}^{N_T}|}^2---\left(6\right)$

其中

为R的(N_T，N_T)元素，即位于第N_T行及第N_T列的构素。应注意的是，该向量x的成分可以根据一些规则排序，使得任何成分皆可成为该最后成分。根据(6)式而对这些点

(即x的候选成分或大体为候选子向量)的测度进行排序，并且仅保留M个具最小测度的节点(即M个成分)。这些M个节点循序延展，使各节点分支至C个节点(即根据来自该集合Ω的

的C个可能值)从而得到MC个分支。仅保留M个分支(每个分支对应于x的一个候选子向量，即

对)，其余则忽略。将相同程序施加于下一阶的节点，并且继续此处理程序直到到达树图深度N_T为止，即该候选子向量具有维度N_T且是该所传信号向量x的候选估计值。

可根据等式(5)，利用QR分解降低最大可能性标准来计算出该等分支的测度。对于树图深度i，其中1≤i≤n_T，对于分支的测度为

$|{\underset{\‾}{\overset{~}{y}}}_{N_T-i+1}-\underset{\‾}{R_{N_T-i+1}\stackrel{\‾}{{\underset{\‾}{x}}_{\underset{\‾}{i}}}}|---\left(7\right)$

其中

表示

的第k个元素，R _k表示R的第k个行，而为该特定分支的适当节点的向量，即对应于此节点的候选子向量。

举例来说，该QRD-M算法可汇总如下：

1)执行该频道矩阵H的QR分解。

2)将该所收向量y预乘(pre-multiply)以Q ^H。

3)将所有分支延展至C个节点。

4)根据(7)式以计算分支测度。

5)按照其测度对该等分支测度进行排序，仅保留M个分支并将其它抛除。

6)移至下一阶并前往3(除非已经是最后一阶，即第N_T阶)。

图4中给定对于该QRD-M算法的流程的范例。

图4显示流程图400。

在401中，该算法开始。

在402中，执行该频道矩阵H的QR分解。

在403中，将该所收信号向量y预乘以Q ^H。

在404中，将迭代计数i设定为传送天线N_T的数量。

在405中，根据所有可能的星图点将所有分支延展。

在406中，对于该等新的(即经延展的)分支计算出分支测度。

在407中，该等新分支的列表按照其测度排序，并且保留具有最低测度的M个分支，其余则抛除。

在408中，将i递减1。

在409中，检查i是否等于零。若否，则该处理继续执行405。若是，则在410输出该结果，例如该最后迭代的经延展分支的列表，以供进一步处理，例如根据一些选定规则自该列表中选定所检测的信号向量。

在上述的QRD-M算法中，无论该分支测度的数值如何，所有分支都延展。此性质可适用于一些诸如列表类型解码等情况下，而其中需要可能候选项的列表以供进行软决策解码。

为使计算复杂度比上述QRD-M算法降低，在具体实施例里，可利用一些复杂度降低手段。例如，可重新构建该等等式而使得该星图为实数值(即该等经处理向量及子向量的成分为实数值)。对此，可将等式例如(1)重新改写为

$\underset{\‾}{\overset{~}{y}}=\underset{\‾}{\overset{~}{H}}\·\underset{\‾}{\overset{~}{x}}+\underset{\‾}{\overset{~}{w}}---\left(8\right)$

其中

以及

以向量或矩阵作为自变量，且其指仅具有该自变量的成分的实部的向量或矩阵(与该自变量具有相同的维度)。同样地，

(.)以向量或矩阵作为自变量，其指仅具有该自变量的成分的虚部的向量或矩阵。

在具体实施例里，不利用y、H、x及w，而是利用该等向量/矩阵

及

进行检测算法。因此，该经处理向量(或经处理矩阵)仅具有实部成分。

此外，在具体实施例里，不利用H或

而是利用该矩阵

$\underset{\‾}{\overset{~}{H}}=\left[\begin{array}{c}\underset{\‾}{\overset{~}{H}}\\ \mathrm{\σ}\underset{\‾}{I}\end{array}\right]---\left(10\right)$

例如对该矩阵执行QR分解。

在具体实施例里，不分支至所有星图点(即根据在Ω中的可能信号向量成分而分支至所有可能子向量)，而是在各个深度处，即在各个迭代处(对应于某一子向量维度)，仅延展预定数量K。在各深度处的K个分支例如根据其距离下述解的欧几里得距离所选定：

1)对于该所传信号向量的归零强制(ZF)解；

2)对于该所传信号向量的“最小均方误差(MMSE)”解；

3)量化归零强制解或量化的MMSE解。

上述内容在图5中进行说明。

图5显示具体实施例的节点图500。

在此示例中，迭代中的可能节点501以二维方式进行说明。此外，图中显示出该所传信号向量的预估计项502，例如该ZF解或MMSE解(或是经量化的ZF解或MMSE解)。根据具体实施例，选定K个最接近于该预估计项502的最接近点503，即该等可能节点(可能候选子向量)。根据其选定该等候选向量的距离按照一些测度进行测量，该测度例如是欧几里得距离或者包含成分加权处理在内等变化方式。

可按照下式而根据等式(1)确定该归零强制解

并且该MMSE解可根据下式确定

${\underset{\‾}{\overset{~}{x}}}_{\mathrm{MMSE}}={\underset{\‾}{H}}^H{({\underset{\‾}{\mathrm{HH}}}^H+{\mathrm{\σ}}^2\underset{\‾}{I})}^{-1}\underset{\‾}{y}---\left(12\right)$

其中

为H的摩尔-彭罗斯虚拟反矩阵(Moore-Penrose inversematrix)，并且σ²为噪声变数。

可由下式确定量化解

${\underset{\‾}{\overset{^}{x}}}_Q=Q\left({\underset{\‾}{\overset{^}{x}}}_{\mathrm{ZF}/\mathrm{MMSE}}\right)---\left(13\right)$

其中

为MMSE或ZF解，并且Q(.)是量化函数。

根据该候选子向量至该所收信号向量的预定估计项(例如该ZF解或该MMSE解或是该等二者的量化版本)的距离，降低搜寻空间，该候选项列表可减少为比其它子向量更有可能引出该最大可能性解，并因此更有可能属于最终候选项列表(即该所传信号向量的候选向量列表)的候选子向量。即仅使该等较可能引出接近于该最大可能性解的候选向量的分支进行延展。

在具体实施例里，按如下列概述执行检测算法：

1)将该ZF解或该MMSE解(或其经量化版本)确定为该所传信号向量的估计项。

2)构建频道矩阵，即该频道矩阵H或该频道矩阵

以进行实数值处理。

3)根据所构建的频道矩阵确定经延展的频道矩阵

4)对

施加QRD分解。

5)将所收信号向量y预乘以Q ^H。

6)对所有到达最接近于该ZF/MMSE/量化解的K个节点的分支进行延展。

7)根据等式(6)计算分支测度。

8)根据该等分支的测度对分支进行排序，并且仅保留M个分支而同时抛除其它。

9)移至下一阶(下一子向量维度)并从6继续进行处理(除非已达到最后一阶)。

图6中显示具体实施例的检测算法的流程。

图6显示具体实施例的流程图600。

在601中，开始该算法。

在602中，该ZF解或该MMSE解或是其量化项确定为该所传信号向量的预估计项。

在603中，通过区分该频道矩阵H成分的实部及虚部来确定用于实数值处理的频道矩阵

在604中，根据该频道矩阵

及σI确定经延展的频道矩阵

在605中，执行该经延展频道矩阵

的QR分解。

在606中，将该所收信号向量y预乘以Q ^H。

在607中，将迭代计数i设定为N_T。

在608中，将所有分支根据到ZF/MMSE/量化解的距离而延展至预定数量的K个星图点。

在609中，对新的分支计算分支测度。

在610中，将(对应于该所传信号向量的候选子向量的)新分支列表进行排序，保留M个分支并同时抛除其它。

在611中，将迭代计数减少1。

在612中，检查i是否为零。若i尚未为零，则该处理从608继续(即下一迭代)。若i已经为零，则在613输出例如该最后迭代的经延展分支的列表等结果，以供进一步处理，例如根据一些选定规则从该列表选定该所检测信号向量。

虽然该QRD-M算法的计算复杂度是固定的，但例如图6所示的算法提供了更多弹性。可对该算法的计算复杂度进行调整，并可设定为远低于该QRD-M复杂度的复杂度，但其代价为性能降低。

在具体实施例里，提供一种将复数个混合所收信号区分为个别成分的信号区分方法，该方法包含通过将所收信号乘以估计矩阵的个别元素来推导该近似解；计算表示信号星图上多个不同信号点之间欧几里得距离的量以及该近似解，不同信号关联于该信号星图上的不同信号点；并且将该所收信号向量乘以归一矩阵的个别元素。

该方法可进一步包含根据该计算结果来选定该解的候选项；计算该等候选项的适用性；排阶该等候选项；以及根据该排阶以选定候选项。举例来说，上述方法可以重复地执行。

该方法可进一步包含推导该频道矩阵的正交部份，并且根据该等部份形成新的频道矩阵。

该方法可进一步包含由该频道矩阵和该频道噪声的特征形成新的频道矩阵。

Claims (16)

1.一种用于确定含有来自所收信号向量的复数个成分的信号向量的方法，其包含：

产生该信号向量的估计项；

确定代表通信频道特征的频道矩阵，可经过该通信频道接收该信号向量；

根据该频道矩阵执行复数个确定迭代，其中，对于各次迭代

根据先前迭代的第二可能子向量集合确定该信号向量的第一可能子向量集合，并

按照预选定测度而根据该第一可能子向量到该所估计信号向量的距离，从该第一可能子向量集合选定数个子向量，构成该第一集合的严格子集合作为此迭代的该第二可能子向量集合；

根据对于最后迭代的可能子向量确定该信号向量。

2.根据权利要求1所述的方法，其中根据归零强制解或最小均方误差解产生该信号向量的该估计项。

3.根据权利要求1所述的方法，其中该预选定测度为欧几里得距离。

4.根据权利要求1所述的方法，其中根据该频道矩阵的QR分解执行该确定迭代。

5.根据权利要求1所述的方法，其中根据该先前迭代的该第二集合的至多预定数量元素确定该第一可能子向量集合。

6.根据权利要求1所述的方法，其中该第二集合由该第一集合构成，使得当该第一集合中的第一子向量已经选定为在该第二集合里，并且根据该预选定测度在该第一集合中有第二子向量更靠近于该估计信号向量时，则该第二子向量也被选定为在该第二集合里。

7.根据权利要求1所述的方法，其中该迭代的该可能子向量比该先前迭代的子向量高出一维度。

8.根据权利要求1所述的方法，其中对于该迭代的该第一集合的该可能子向量由该先前迭代的该第二集合的子向量确定，使得该第一集合的各个子向量包含该先前迭代的该第二集合的该子向量之一作为子向量。

9.根据权利要求8所述的方法，其中该第一集合的该各个子向量包含该先前迭代的该第二集合的该子向量之一作为子向量以及额外成分。

10.根据权利要求9所述的方法，其中该额外成分至少部分标定该所传信号向量的可能成分。

11.根据权利要求10所述的方法，其中该额外成分根据调制法则至少部分标定星图符号。

12.根据权利要求1所述的方法，其中该频道矩阵包含噪声信息。

13.根据权利要求1所述的方法，其中该信号向量利用复数个传送天线传送，并且该所收信号向量利用复数个接收天线接收。

14.根据权利要求13所述的方法，其中对于传送天线和接收天线的各个组合对，该频道矩阵包括关于该传送天线及该接收天线之间传输特征的信息。

15.一种用于确定含有来自所收信号向量放入复数个成分的信号向量放入检测电路，其中包含：

产生电路，其经配置以产生该信号向量的估计项；

第一确定电路，其经配置以确定代表通信频道特征的频道矩阵，可经过该通信频道收到该信号向量；

处理电路，其经配置以根据该频道矩阵执行复数个确定迭代，其中对于各次迭代

根据先前迭代的第二可能子向量集合确定该信号向量的第一可能子向量集合，并且

按照预选定测度而根据该等第一可能子向量到该所估计信号向量的距离，从该第一可能子向量集合中选定数个子向量，构成该第一集合的严格子集合作为此迭代的该第二可能子向量集合；

第二确定电路，其经配置以根据最后迭代的可能子向量确定该信号向量。

16.一种计算机程序产品，当由计算机执行时，可令该计算机执行用于确定含有来自所收信号向量的复数个成分的信号向量的方法，其中包含：

产生该信号向量的估计项；

确定代表通信频道特征的频道矩阵，可经过该通信频道收到该信号向量；

根据该频道矩阵执行复数个确定迭代，其中，对于各次迭代

根据对于该先前迭代的第二可能子向量集合确定该信号向量的第一可能子向量集合，并且

按照预选定测度而根据该等第一可能子向量到该所估计信号向量的距离，从该第一可能子向量集合中选定数个子向量，构成该第一集合的严格子集合作为此迭代的该第二可能子向量集合；

根据对于最后迭代的可能子向量确定该信号向量。

Images