CN101964667B - 用于长期演进方案的高效多天线检测方法 - Google Patents

用于长期演进方案的高效多天线检测方法 Download PDF

Info

Publication number
CN101964667B
CN101964667B CN 201010516375 CN201010516375A CN101964667B CN 101964667 B CN101964667 B CN 101964667B CN 201010516375 CN201010516375 CN 201010516375 CN 201010516375 A CN201010516375 A CN 201010516375A CN 101964667 B CN101964667 B CN 101964667B
Authority
CN
China
Prior art keywords
symbol
data
candidate symbol
vector
tested
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN 201010516375
Other languages
English (en)
Other versions
CN101964667A (zh
Inventor
赵春明
沈弘
张华�
黄鹤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southeast University
Original Assignee
Southeast University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Southeast University filed Critical Southeast University
Priority to CN 201010516375 priority Critical patent/CN101964667B/zh
Publication of CN101964667A publication Critical patent/CN101964667A/zh
Application granted granted Critical
Publication of CN101964667B publication Critical patent/CN101964667B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Radio Transmission System (AREA)

Abstract

一种用于长期演进方案的高效多天线检测方法，能适应LTETDD系统的多种应用场景，有较强的鲁棒性，对于高阶调制能以较低的复杂度获得近似最优的性能，且不需要对信道矩阵进行QR分解。该方法根据接收数据的信噪比大小安排数据检测顺序，保证第一个待检测数据有较高的信噪比，采用MMSE准则挑选出第一个待检测数据符号的候选符号值，使用简单的硬判决方法得到第二个待检测数据符号的候选符号值，再对最优候选符号向量进行比特翻转，增加用于计算比特软量的候选符号值，最终采用欧氏距离度量代替原来的平方欧氏距离度量，获得精确的比特软量提供给后级Turbo译码器进行译码。

Description

用于长期演进方案的高效多天线检测方法
技术领域
本发明属于多输入多输出系统的检测技术，尤其涉及一种适于LTE TDD系统使用的多天线检测技术。
背景技术
3GPP长期演进(LTE)项目是近年来3GPP启动的最大的新技术研发项目。在空中接口方面，LTE用频分多址（OFDM/FDMA）替代了3GPP长期使用的码分多址（CDMA）作为多址技术，并大量采用了多输入多输出（MIMO）技术和自适应技术提高数据速率和系统性能，在20MHz频谱带宽能够提供下行100Mbps、上行50Mbps的峰值速率。
MIMO技术能够使无线链路的容量随着发射天线数和接收天线数线性增长，达到这种容量增长的有效办法是数据流的空分复用。空分复用，是指系统借助空间维度在一个时频单元内并行地传输多路数据流。尽管多路数据流之间将产生混叠，但是接收端仍然可以利用空间均衡消除数据流之间的混叠。典型的空分复用系统是Bell实验室提出的BLAST系统。对于独立同分布的频率平坦衰落的MIMO信道，只要并行数据流数不超过发射天线数和接收天线数，就可以获得可观的传输能力。如果MIMO信道存在空间相关或者出现深衰落，则可能导致某些数据流通过的子信道的等效增益较低，从而大大增加了误码的可能性。
由于LTE中使用了OFDM技术对抗多径的影响，它将一个宽带的频率选择性信道转化为多个平坦衰落的并行窄带信道，从而为MIMO技术提供了一个频率平坦衰落的信道环境。对于频率平坦衰落的MIMO信道，可以建立如下的数学模型：
Figure 2010105163755100002DEST_PATH_IMAGE001
其中
Figure 2010105163755100002DEST_PATH_IMAGE002
表示MIMO信道矩阵
Figure 2010105163755100002DEST_PATH_IMAGE003
表示接收信号向量
表示发送信号向量
Figure DEST_PATH_IMAGE005
表示接收端高斯白噪声向量
空分复用接收机要做的是，当存在加性白高斯噪声以及存在多流干扰的情况下，准确恢复出发送信号向量
Figure 2010105163755100002DEST_PATH_IMAGE006
。传统的检测算法包括：最大似然检测算法，线性检测算法（迫零算法和MMSE算法），串行干扰抵消算法以及简化的最大似然检测算法（如QRM算法，球形译码算法等）。
最大似然检测算法是对发送符号的所有可能的组合进行遍历搜索，以寻求概率意义上最优的检测结果，是性能最优的检测算法，但是该算法的复杂度会随着发送数据流数量和信号调制阶数的增加而呈现指数级增加，因而在实现上存在比较大的难度。
线性检测算法分为迫零算法和MMSE算法两类。迫零算法直接对信道矩阵求逆，因而可能会放大噪声强度，导致性能的损失。由线性均方估计理论得到的最小均方误差MMSE检测综合考虑干扰和噪声的因素，其性能在低信噪比时大大优于迫零检测，但是对于空间相关性较大以及码率较高的情况，性能会变差。这两类算法的复杂度都很低，易于实现。
       串行干扰抵消算法在检测每层数据时，将已检测数据造成的空间干扰去除，再对去除干扰后的信号向量做线性加权，得到当前数据的估计值。直观的看，该检测算法性能较线性检测有比较显著的提高，但是由于已检测数据存在误判，由误判造成的误差传播可能会使性能急剧下降，因而合理排列检测顺序极为重要。该类算法复杂度略高于线性检测算法。
       简化的最大似然检测算法与标准的最大似然检测算法区别在于，不再遍历搜索所有可能的发送符号组合，如QRM算法首先通过对信道矩阵做QR分解消除前项数据对后项数据的干扰，然后按照从后到前的顺序依次遍历搜索每一层数据，并在每次搜索完成后仅保留M条幸存路径，当M较小时，算法复杂度远低于标准最大似然检测算法。由于该算法在搜索时会丢弃很多路径，使得在最后构造后级软判决译码器所需的软量时会遇到某些比特位无法求解软量的问题，一种称为PSCA-M（Parallel Smart Candidate Adding-M）的算法解决了这个问题，方法是在寻找每一层的候选符号时，通过对最优候选符号的比特进行翻转构造出新的候选符号，这样每
一层的比特软量都可以计算出，但这种方法的缺点在于当M较小时生成的比特软量不精确，而LTE中使用的Turbo码解码器对软量的精度要求很高，因而该方法会使系统整体性能会变差。若要提高性能，就必须增加M的大小，但这又会增加算法复杂度。另外该算法和QRM算法都需要对信道矩阵进行QR分解，不利于实现。
发明内容
技术问题：本发明的目的是提供一种适用于长期演进方案的高效多天线检测方法，在MMSE算法和PSCA-M算法的基础上进一步改进，保证算法有较强的鲁棒性，且能以较小的复杂度获得近似最优性能。
技术方案：结合MMSE算法和简化最大似然检测算法的基本思想，提出了一种能适应LTE TDD系统的多种应用场景，有较强鲁棒性，对于高阶调制能以较低的复杂度获得近似最优性能，且不需要对信道矩阵进行QR分解的高效检测算法。本发明根据接收数据的信噪比大小安排数据检测顺序，保证第一个待检测数据有较高的信噪比，采用MMSE准则挑选出第一个待检测数据符号的候选符号值，使用简单的硬判决方法得到第二个待检测数据符号的候选符号值，再对最优候选符号向量进行比特翻转，增加用于计算比特软量的候选符号值，最终采用欧氏距离度量代替原来的平方欧氏距离度量，获得精确的比特软量提供给后级Turbo译码器进行译码。
该方法的步骤如下：
步骤1：计算接收数据的信噪比，数据检测顺序按照信噪比从高到低排列。
步骤2：根据MMSE准则，得到第一个待检测数据符号的M个候选符号值，其中M指根据MMSE准则选出的第一个待检测数据符号的候选符号值数量，根据这些候选符号值求出相应的第二个待检测数据符号的M个候选符号值
Figure 2010105163755100002DEST_PATH_IMAGE008
，与前面M个候选符号值
Figure 556103DEST_PATH_IMAGE007
构成M个候选符号向量
Figure DEST_PATH_IMAGE009
；
步骤3：计算M个候选符号向量
Figure 410926DEST_PATH_IMAGE009
的距离度量
Figure 2010105163755100002DEST_PATH_IMAGE010
，找出最小度量值以及对应的候选符号向量
Figure DEST_PATH_IMAGE011
；
步骤4：分别对候选符号向量
Figure 66030DEST_PATH_IMAGE011
第一个符号的每个比特进行翻转，其余比特保持不变，得到第一个待检测数据符号的N个候选符号值
Figure 2010105163755100002DEST_PATH_IMAGE012
，其中N是指表示一个调制符号需要的比特数，根据这些候选符号值求出相应的第二个待检测数据符号的N个候选符号值，与前面N个候选符号值
Figure 398922DEST_PATH_IMAGE012
构成N个候选符号向量
Figure 2010105163755100002DEST_PATH_IMAGE014
；
步骤5：计算N个候选符号向量
Figure 150978DEST_PATH_IMAGE014
的距离度量
Figure DEST_PATH_IMAGE015
，利用距离度量
Figure 973440DEST_PATH_IMAGE010
和
Figure 175227DEST_PATH_IMAGE015
以及候选符号向量和
Figure 980689DEST_PATH_IMAGE014
求出第一个待检测数据符号的所有比特软量。
步骤6：分别对候选符号向量
Figure 974053DEST_PATH_IMAGE011
第二个符号的每个比特进行翻转（其余比特保持不变），得到第二个待检测数据符号的N个候选符号值
Figure DEST_PATH_IMAGE016
，与候选符号向量的第一个符号构成N个候选符号向量。
步骤7：计算N个候选符号向量
Figure 340760DEST_PATH_IMAGE017
的距离度量
Figure DEST_PATH_IMAGE018
，利用距离度量
Figure 801828DEST_PATH_IMAGE010
、
Figure 231673DEST_PATH_IMAGE015
和以及候选符号向量
Figure 686105DEST_PATH_IMAGE009
、
Figure 329576DEST_PATH_IMAGE014
和
Figure 602425DEST_PATH_IMAGE017
求出第二个待检测数据符号的所有比特软量。
其中，步骤1中要求根据接收数据信噪比排列检测顺序，有多种方法衡量接收数据信噪比，我们选用的是信道矩阵列向量的模平方，具体过程如下：
设信道矩阵
Figure DEST_PATH_IMAGE019
，检测顺序为
Figure DEST_PATH_IMAGE020
1）计算和
Figure DEST_PATH_IMAGE022
2）如果
Figure DEST_PATH_IMAGE023
，则检测顺序
Figure DEST_PATH_IMAGE024
；否则检测顺序
Figure DEST_PATH_IMAGE025
步骤2中根据MMSE准则得到第一个待检测数据符号的M个候选符号值，该准则是在MMSE均衡的基础上得到的一种度量准则，具体过程如下：
设信道矩阵为
Figure DEST_PATH_IMAGE026
，发送信号向量为
Figure 73290DEST_PATH_IMAGE006
，噪声功率为
Figure DEST_PATH_IMAGE027
，调制符号集合为
Figure DEST_PATH_IMAGE028
，接收信号向量为
Figure DEST_PATH_IMAGE029
，检测顺序为
Figure 89788DEST_PATH_IMAGE020
1）求出MMSE均衡矩阵
Figure DEST_PATH_IMAGE030
，
Figure DEST_PATH_IMAGE031
表示单位矩阵，H表示矩阵的共轭转置；
2）将均衡矩阵乘以接收信号向量
Figure 463131DEST_PATH_IMAGE029
，得到发送信号向量
Figure 234778DEST_PATH_IMAGE006
的估计值
Figure DEST_PATH_IMAGE032
3）第一个待检测数据符号
Figure DEST_PATH_IMAGE033
的估计值
Figure DEST_PATH_IMAGE034
，其中
Figure DEST_PATH_IMAGE035
是矩阵
Figure DEST_PATH_IMAGE036
的第
Figure DEST_PATH_IMAGE037
个对角元，表示等效增益，表示等效噪声，且可以看为高斯随机变量，对所有的
Figure DEST_PATH_IMAGE039
，求出度量值，MMSE准则是指对所有的度量值进行排序并选出M个最小值，对应的数据符号构成了M个候选符号值
Figure 933219DEST_PATH_IMAGE007
。
步骤2中根据第一个待检测数据符号的M个候选符号值
Figure 753408DEST_PATH_IMAGE007
求出相应的第二个待检测数据符号的M个候选符号值，与候选符号值
Figure 48440DEST_PATH_IMAGE007
构成M个候选符号向量
Figure 424058DEST_PATH_IMAGE009
，具体过程如下：
设检测顺序为
Figure 844675DEST_PATH_IMAGE020
，信道矩阵
Figure 254928DEST_PATH_IMAGE019
，调制符号集合为
Figure 368377DEST_PATH_IMAGE028
，接收信号向
量为
Figure 231291DEST_PATH_IMAGE029
，
Figure DEST_PATH_IMAGE041
表示信道矩阵的第
Figure 455599DEST_PATH_IMAGE037
个列向量，
Figure DEST_PATH_IMAGE042
表示信道矩阵的第个列向量
1）从接收信号向量中去除M个候选符号值的干扰，并对第二个待检测数据符号进行硬判得到M个候选符号值
Figure 676813DEST_PATH_IMAGE008
，即求出使
Figure DEST_PATH_IMAGE044
最小的候选符号值
Figure DEST_PATH_IMAGE045
，其中
Figure DEST_PATH_IMAGE046
；
2）候选符号向量
Figure DEST_PATH_IMAGE047
。
步骤4中分别对候选符号向量
Figure 967635DEST_PATH_IMAGE011
第一个符号的每个比特进行翻转（其余比特保持不变），得到第一个待检测数据符号的N个候选符号值
Figure 933317DEST_PATH_IMAGE012
，这些候选符号值可以保证每个比特的软量都可以计算，具体过程如下：
设候选符号向量
Figure DEST_PATH_IMAGE048
，调制符号总数为
Figure DEST_PATH_IMAGE049
，
Figure DEST_PATH_IMAGE050
的二进制表示为
Figure DEST_PATH_IMAGE051
，
1）翻转
Figure 990266DEST_PATH_IMAGE050
的第一个比特
Figure DEST_PATH_IMAGE052
，其余比特不变，对应的符号值即
Figure DEST_PATH_IMAGE053
2）依次翻转的第二个、第三个直至第N个比特，每次只翻转一位，其余比特保持不变，可以得到
Figure DEST_PATH_IMAGE054
。
步骤5中计算N个候选符号向量
Figure 955128DEST_PATH_IMAGE014
的距离度量
Figure 521239DEST_PATH_IMAGE015
，利用距离度量
Figure 760590DEST_PATH_IMAGE010
和以及候选符号向量
Figure 443037DEST_PATH_IMAGE009
和
Figure 812838DEST_PATH_IMAGE014
求出第一个待检测数据符号的所有比特软量，具体过程如下：
设检测顺序为
Figure 703434DEST_PATH_IMAGE020
，信道矩阵
Figure 438172DEST_PATH_IMAGE019
，发送信号向量为
Figure 47008DEST_PATH_IMAGE006
，接收信号向量为
Figure 158183DEST_PATH_IMAGE029
，候选符号值的二进制表示为
Figure DEST_PATH_IMAGE056
，候选符号值的二进制表示为
Figure DEST_PATH_IMAGE058
，第一个待检测数据符号为
Figure DEST_PATH_IMAGE059
，第二个待检测数据符号为
Figure DEST_PATH_IMAGE060
1）距离度量
Figure DEST_PATH_IMAGE061
；
2）第一个待检测数据符号
Figure 981914DEST_PATH_IMAGE033
的所有比特软量为：
Figure DEST_PATH_IMAGE062
其中
Figure DEST_PATH_IMAGE063
表示
Figure 887553DEST_PATH_IMAGE059
的第
Figure DEST_PATH_IMAGE064
个比特，
Figure DEST_PATH_IMAGE065
表示第一个待检测数据符号的第
Figure 873699DEST_PATH_IMAGE064
个比特等于1的所有候选符号向量集合，
Figure DEST_PATH_IMAGE066
表示第
一个待检测数据符号的第
Figure 522987DEST_PATH_IMAGE064
个比特等于0的所有候选符号向量集合，
如果
Figure DEST_PATH_IMAGE067
，则
Figure DEST_PATH_IMAGE068
,
Figure DEST_PATH_IMAGE069
；如果
Figure DEST_PATH_IMAGE070
，则
Figure DEST_PATH_IMAGE071
,
Figure DEST_PATH_IMAGE072
；计算比特软量时，对原平方欧氏距离度量进行开根号运算可以提高软量的精度。
有益效果：本发明的有益效果主要体现在以下几个方面：
1)      当采用高阶调制时，复杂度远远低于最大似然检测算法，而性能逼近于最大似然检测算法。
2)      与MMSE算法相比，以略高的复杂度换取更优的性能，并且鲁棒性更强，对于空间相关性较大以及码率较高的情况，仍能获得逼近于最大似然检测算法的性能。
3)      与简化最大似然检测算法（如PSCA-M算法）相比，能以相当的复杂度获得更为精确的比特软量，进而获得更好的性能。
4)      直接利用信道矩阵进行检测，无需作QR分解等矩阵运算。
附图说明
图1是本发明提出的高效MIMO检测算法在QPSK调制情况下的示意图。
图2是本发明提出的高效MIMO检测算法的工作流程图。
图3是针对LTE TDD系统开环空分复用模式，发送和接收天线数均为2，共2层数据流，采用码率0.9的Turbo码以及16QAM调制，不同算法的性能比较图。
图4是针对LTE TDD系统开环空分复用模式，发送天线数为4，接收天线数为2，共2层数据流，采用码率0.8的Turbo码以及64QAM调制，不同算法的性能比较图。
所有的符号注解：
LTE：长期演进方案
TDD：时分双工
MIMO：多输入多输出
MMSE：最小均方误差估计
QRM：基于QR分解的一种简化最大似然算法
PSCA-M：解决QRM算法软量计算问题的一种简化最大似然算法
QPSK：正交相移键控
QAM：正交幅度调制
Figure 201224DEST_PATH_IMAGE026
：MIMO信道矩阵；
Figure DEST_PATH_IMAGE073
：MIMO信道矩阵的第一列；
Figure DEST_PATH_IMAGE074
：MIMO信道矩阵的第二列；
Figure 277764DEST_PATH_IMAGE006
：发送信号向量；
Figure DEST_PATH_IMAGE075
：发送信号向量的第一个分量；
Figure DEST_PATH_IMAGE076
：发送信号向量的第二个分量；
Figure 798875DEST_PATH_IMAGE028
：调制符号集合；
Figure DEST_PATH_IMAGE077
：表示一个调制符号需要的比特数；
Figure 986274DEST_PATH_IMAGE029
：接收信号向量；
Figure DEST_PATH_IMAGE078
：接收信号向量的第一个分量；
：接收信号向量的第二个分量；
Figure 906301DEST_PATH_IMAGE020
：数据层检测顺序；
：根据MMSE准则选出的第一个待检测数据符号的候选符号值的数量；
Figure DEST_PATH_IMAGE081
：第一个待检测数据符号的候选符号值；
Figure 91426DEST_PATH_IMAGE008
：根据
Figure 162150DEST_PATH_IMAGE081
进行硬判决得到的第二个待检测数据符号的候选符号值；
Figure DEST_PATH_IMAGE082
：由
Figure 153240DEST_PATH_IMAGE081
和构成的候选符号向量；
Figure DEST_PATH_IMAGE083
：候选符号向量
Figure 349046DEST_PATH_IMAGE009
的距离度量；
Figure DEST_PATH_IMAGE084
：距离度量最小的最优候选符号向量；
Figure DEST_PATH_IMAGE085
：最优候选符号向量的第一个分量；
Figure DEST_PATH_IMAGE086
：最优候选符号向量的第二个分量；
Figure DEST_PATH_IMAGE087
：通过对比特翻转得到的第一个待检测数据符号的候选符号值；
Figure DEST_PATH_IMAGE088
：根据
Figure 189930DEST_PATH_IMAGE012
进行硬判决得到的第二个待检测数据符号的候选符号值；
Figure DEST_PATH_IMAGE089
：由
Figure 821900DEST_PATH_IMAGE012
和
Figure 473461DEST_PATH_IMAGE013
构成的候选符号向量；
Figure DEST_PATH_IMAGE090
：候选符号向量
Figure DEST_PATH_IMAGE091
的距离度量；
Figure DEST_PATH_IMAGE092
：通过对
Figure DEST_PATH_IMAGE093
比特翻转得到的第二个待检测数据符号的候选符号值；
Figure DEST_PATH_IMAGE094
：由和构成的候选符号向量；
Figure DEST_PATH_IMAGE096
：候选符号向量的距离度量；
：第一个待检测数据符号
Figure 23632DEST_PATH_IMAGE033
第
Figure 111673DEST_PATH_IMAGE064
个比特的软量；
Figure DEST_PATH_IMAGE098
：第二个待检测数据符号
Figure DEST_PATH_IMAGE099
第
Figure DEST_PATH_IMAGE100
个比特的软量。
具体实施方式
以下结合附图对本发明作出进一步的说明：
    图1是本专利提出的高效MIMO检测算法在QPSK调制情况下的示意图。假设已经排列好检测顺序，采用MMSE准则从第一层的4个符号中选出2个候选符号值：“00”
和“01”，然后利用硬判决得到第二层的2个候选符号值：“11”和“10”，通过比较距离度量，得到最优候选符号向量（“01”，“10”），分别对最优候选符号向量第一个符号的每个比特进行翻转（其余比特保持不变），得到2个符号：“00”和“11”，其中“00”已经存在，因而只需添加“11”，再利用硬判决得到第二层的1个候选符号值：“10”，计算出新添路径的距离度量，求出第一层数据的所有比特软量。分别对最优候选符号向量第二个符号的每个比特进行翻转（其余比特保持不变），得到2个符号：“00”和“11”，计算出新添路径的距离度量，最后求出第二层数据的所有比特软量。
    图2是本专利提出的高效MIMO检测算法的工作流程图。
设信道矩阵
Figure DEST_PATH_IMAGE101
，发送信号向量为，调制符号集合为
Figure 191756DEST_PATH_IMAGE028
，且
Figure DEST_PATH_IMAGE103
，接收信号向量为
Figure DEST_PATH_IMAGE104
，算法的完整步骤如下：
（1）根据接收数据的信噪比大小安排数据检测顺序
1）计算
Figure 194916DEST_PATH_IMAGE021
和
Figure 598216DEST_PATH_IMAGE022
2）如果
Figure 794842DEST_PATH_IMAGE023
，检测顺序为
Figure 549171DEST_PATH_IMAGE024
；否则检测顺序为
Figure 286183DEST_PATH_IMAGE025
（第一个待检测数据符号为
Figure 747251DEST_PATH_IMAGE033
，第二个待检测数据符号为）
（2）根据MMSE准则，得到第一个待检测数据符号的M个候选符号值
Figure 90825DEST_PATH_IMAGE007
1）求出MMSE均衡矩阵
Figure 631528DEST_PATH_IMAGE030
，
Figure 212682DEST_PATH_IMAGE031
表示单位矩阵，H表示矩阵的共轭转置；
2）将均衡矩阵乘以接收信号向量
Figure 547848DEST_PATH_IMAGE029
，得到发送信号向量
Figure 214453DEST_PATH_IMAGE006
的估计值
Figure 293267DEST_PATH_IMAGE032
3）第一个待检测数据符号
Figure 791245DEST_PATH_IMAGE033
的估计值
Figure 234996DEST_PATH_IMAGE034
，其中
Figure 451213DEST_PATH_IMAGE035
是矩阵的第
Figure 623886DEST_PATH_IMAGE037
个对角元，表示等效增益，
Figure 501187DEST_PATH_IMAGE038
表示等效噪声，且可以看为高斯随机变量，对所有的
Figure 939122DEST_PATH_IMAGE039
，求出度量值
Figure 359739DEST_PATH_IMAGE040
，MMSE准则是指对所有的度量值进行排序并选出M个最小值，对应的数据符号构成了M个候选符号值。
（3）根据第一个待检测数据符号的M个候选符号值
Figure 617862DEST_PATH_IMAGE007
求出相应的
第二个待检测数据符号的M个候选符号值
Figure 480776DEST_PATH_IMAGE008
，与候选符号值
Figure DEST_PATH_IMAGE090A
构成M个候选符号向量
Figure 642767DEST_PATH_IMAGE009
1）从接收信号向量中去除M个候选符号值
Figure DEST_PATH_IMAGE090AA
的干扰，并对第二个待检测数据符号进行硬判得到M个候选符号值
Figure 845209DEST_PATH_IMAGE008
，即求出使最小的候选符号值
Figure 67243DEST_PATH_IMAGE045
，其中
Figure 417453DEST_PATH_IMAGE046
，
Figure 179873DEST_PATH_IMAGE041
表示信道矩阵的第
Figure DEST_PATH_IMAGE108
个列向量，
Figure 302068DEST_PATH_IMAGE042
表示信道矩阵的第个列向量
2）候选符号向量
（4）计算M个候选符号向量
Figure DEST_PATH_IMAGE082A
的距离度量
Figure 470192DEST_PATH_IMAGE010
，找出最小度量值以及对应的候选符号向量
Figure DEST_PATH_IMAGE084A
1）距离度量
2）找出最小的
Figure DEST_PATH_IMAGE111
以及对应的候选符号向量
Figure 911669DEST_PATH_IMAGE011
。
（5）分别对候选符号向量第一个符号
Figure 449278DEST_PATH_IMAGE050
的每个比特进行翻转（其余比特保持不变），得到第一个待检测数据符号的N个候选符号值
Figure 836397DEST_PATH_IMAGE012
设
Figure 875373DEST_PATH_IMAGE050
的二进制表示为
Figure 31547DEST_PATH_IMAGE051
， 
1）翻转
Figure 828602DEST_PATH_IMAGE050
的第一个比特
Figure 375121DEST_PATH_IMAGE052
，其余比特不变，对应的符号值即
Figure 548614DEST_PATH_IMAGE053
2）依次翻转
Figure 496978DEST_PATH_IMAGE050
的第二个、第三个直至第N个比特，每次只翻转一位，其余比特保持不变，可以得到
Figure 464934DEST_PATH_IMAGE054
。
（6）根据第一个待检测数据符号的N个候选符号值
Figure 561066DEST_PATH_IMAGE012
求出相应的第二个待检测数据符号的N个候选符号值，与N个候选符号值构成N个候选符号向量
Figure 13224DEST_PATH_IMAGE014
1）从接收信号向量中去除N个候选符号值
Figure DEST_PATH_IMAGE113
的干扰，并对第二个待检测数据符号
Figure 89764DEST_PATH_IMAGE099
进行硬判得到N个候选符号值
Figure DEST_PATH_IMAGE114
，即求出使最小的候选符号值
Figure DEST_PATH_IMAGE116
，其中
Figure DEST_PATH_IMAGE117
，
Figure 548559DEST_PATH_IMAGE041
表示信道矩阵的第个列向量，
Figure 783548DEST_PATH_IMAGE042
表示信道矩阵的第个列向量
2）候选符号向量
（7）计算N个候选符号向量的距离度量
Figure 107452DEST_PATH_IMAGE015
，利用
距离度量和
Figure 884915DEST_PATH_IMAGE015
以及候选符号向量
Figure 303258DEST_PATH_IMAGE009
和
Figure DEST_PATH_IMAGE119
求出第一个待检测数据符号的所有比特软量，
设候选符号值
Figure DEST_PATH_IMAGE120
的二进制表示为
Figure 471066DEST_PATH_IMAGE056
，候选符号值
Figure 328163DEST_PATH_IMAGE057
的二进制表示为，
1）距离度量
Figure DEST_PATH_IMAGE122
2）第一个待检测数据符号
Figure DEST_PATH_IMAGE123
的所有比特软量为：
Figure DEST_PATH_IMAGE124
其中
Figure 832569DEST_PATH_IMAGE063
表示的第
Figure 467130DEST_PATH_IMAGE064
个比特，
表示第一个待检测数据符号的第
Figure 348815DEST_PATH_IMAGE064
个比特等于1的所有候选符号向量集合，
Figure 374540DEST_PATH_IMAGE066
表示第一个待检测数据符号的第
Figure 641573DEST_PATH_IMAGE064
个比特等于0的所有候选符号向量集合，
如果
Figure 574894DEST_PATH_IMAGE067
，则
Figure 181456DEST_PATH_IMAGE068
,
Figure 440399DEST_PATH_IMAGE069
;如果
Figure 866833DEST_PATH_IMAGE070
，则
Figure 869424DEST_PATH_IMAGE071
,
Figure 330492DEST_PATH_IMAGE072
；计算比特软量时，对原平方欧氏距离度量进行开根号运算可以提高软量的精度。
（8）分别对候选符号向量
Figure 494757DEST_PATH_IMAGE011
第二个符号
Figure 736383DEST_PATH_IMAGE093
的每个比特进行翻转（其余比特保持不变），得到第二个待检测数据符号的N个候选符号值
Figure 214768DEST_PATH_IMAGE016
，与候选符号向量
Figure 592660DEST_PATH_IMAGE011
的第一个符号构成N个候选符号向量
Figure 134019DEST_PATH_IMAGE017
设
Figure 597361DEST_PATH_IMAGE093
的二进制表示为
Figure DEST_PATH_IMAGE125
，
1）翻转
Figure 879438DEST_PATH_IMAGE093
的第一个比特
Figure DEST_PATH_IMAGE126
，其余比特不变，对应的符号值即
Figure DEST_PATH_IMAGE127
2）依次翻转
Figure 315098DEST_PATH_IMAGE093
的第二个、第三个直至第N个比特，每次只翻转一位，其余比特保持不变，可以得到
Figure DEST_PATH_IMAGE128
。
3）候选符号向量
Figure DEST_PATH_IMAGE129
。
（9）计算N个候选符号向量
Figure 758849DEST_PATH_IMAGE017
的距离度量
Figure 912750DEST_PATH_IMAGE018
，利用距离度量
Figure 795255DEST_PATH_IMAGE010
、
Figure 85422DEST_PATH_IMAGE015
和
Figure 762391DEST_PATH_IMAGE018
以及候选符号向量
Figure 138009DEST_PATH_IMAGE009
、和
Figure 31196DEST_PATH_IMAGE017
求出第二个待检测数据符号的所有比特软量
设候选符号值
Figure 82328DEST_PATH_IMAGE045
的二进制表示为
Figure DEST_PATH_IMAGE130
，候选符号值
Figure 942312DEST_PATH_IMAGE116
的二进制表示为，候选符号值
Figure DEST_PATH_IMAGE132
的二进制表示为
Figure DEST_PATH_IMAGE133
，
1）距离度量
Figure DEST_PATH_IMAGE134
2）第二个待检测数据符号
Figure 41986DEST_PATH_IMAGE099
的所有比特软量为：
Figure DEST_PATH_IMAGE135
其中
Figure DEST_PATH_IMAGE136
表示
Figure 306746DEST_PATH_IMAGE060
的第
Figure 528780DEST_PATH_IMAGE100
个比特，
Figure DEST_PATH_IMAGE137
表示第二个待检测数据符号的第
Figure 613410DEST_PATH_IMAGE100
个比特等于1的所有候选符号向量集合，
Figure DEST_PATH_IMAGE138
表示第二个待检测数据符号的第个比特等于0的所有候选符号向量集合，
如果
Figure DEST_PATH_IMAGE140
，则，
Figure 627252DEST_PATH_IMAGE069
；如果
Figure 82504DEST_PATH_IMAGE070
，则,
Figure 920010DEST_PATH_IMAGE072
；如果，则
Figure DEST_PATH_IMAGE143
,
Figure DEST_PATH_IMAGE144
。计算比特软量时，对原平方欧氏距离度量进行开根号运算可以提高软量的精度。
图3是针对LTE TDD系统开环空分复用模式，发送和接收天线数均为2，共2层数据流，采用码率0.9的Turbo码以及16QAM调制，不同算法的性能比较图。
从图中可以看到本专利提出的算法在性能上接近于最大似然检测算法，且远远优于MMSE算法和PSCA-M算法，在误帧率10e-1附近，性能提升约为3dB。
图4是针对LTE TDD系统开环空分复用模式，发送天线数为4，接收天线数为2，共2层数据流，采用码率0.8的Turbo码以及64QAM调制，不同算法的性能比较图。
从图中可以看到本专利提出的算法在性能上接近于最大似然检测算法，且远远优于MMSE算法和PSCA-M算法，在误帧率10e-1附近，性能提升约为2dB。
表1是针对LTE TDD系统开环空分复用模式，发送和接收天线数均为2，共2层数据流，采用码率0.9的Turbo码以及16QAM调制，不同算法的复杂度比较。从表中可以看出本专利提出的算法复杂度远远低于最大似然检测算法，实数乘法次数略高于MMSE算法和PSCA-M算法，实数除法次数则比后两种算法少。
表2是针对LTE TDD系统开环空分复用模式，发送天线数为4，接收天线数为2，共2层数据流，采用码率0.8的Turbo码以及64QAM调制，不同算法的复杂度比较。
从表中可以看出本专利提出的算法复杂度远远低于最大似然检测算法，虽然实数乘法次数略高于MMSE算法和PSCA-M算法，实数除法次数则比后两种算法少。
表1是针对LTE TDD系统开环空分复用模式，发送和接收天线数均为2，共2层数据流，采用码率0.9的Turbo码以及16QAM调制，不同算法的复杂度比较。
算法名称 实数乘法次数 实数除法次数
最大似然检测 1024 0
MMSE 161 3
PSCA-M（M=8） 136 2
本专利算法（M=8） 215 1
表1。
表2是针对LTE TDD系统开环空分复用模式，发送天线数为4，接收天线数为2，共2层数据流，采用码率0.8的Turbo码以及64QAM调制，不同算法的复杂度比较。
算法名称 实数乘法次数 实数除法次数
最大似然检测 16384 0
MMSE 353 3
PSCA-M（M=32） 292 2
本专利算法（M=32） 423 1
表2。 

Claims (2)

1.一种用于长期演进方案的高效多天线检测方法，其特征在于根据接收数据的信噪比从高到低安排数据检测顺序，保证第一个待检测数据有最高的信噪比，采用MMSE准则挑选出第一个待检测数据符号的候选符号值，使用简单的硬判决方法得到第二个待检测数据符号的候选符号值，再对最优候选符号向量进行比特翻转，增加用于计算比特软量的候选符号值，最终采用欧氏距离度量代替原来的平方欧氏距离度量，获得精确的比特软量提供给后级Turbo译码器进行译码，该方法具体检测步骤如下：
步骤1：计算接收数据的信噪比，数据检测顺序按照信噪比从高到低排列；
步骤2：根据MMSE准则，得到第一个待检测数据符号的M个候选符号值{a1,i,i＝1,…,M}，其中M指根据MMSE准则选出的第一个待检测数据符号的候选符号值数量，根据这些候选符号值求出相应的第二个待检测数据符号的M个候选符号值{a2,j,j＝1,…,M}，与前面M个候选符号值{a1，i,i＝1,…,M}构成M个候选符号向量{ak,k＝1,…,M}；
步骤3：计算M个候选符号向量{ak,k＝1,…,M}的距离度量{αl,l＝1,…,M}，找出最小度量值以及对应的候选符号向量
步骤4：分别对候选符号向量第一个符号的每个比特进行翻转，其余比特保持不变，得到第一个待检测数据符号的N个候选符号值{b1，m，m＝1,…,N}，其中N是指表示一个调制符号需要的比特数，根据这些候选符号值求出相应的第二个待检测数据符号的N个候选符号值{b2,n,n＝1,…,N}，与前面N个候选符号值{b1，m，m＝1,…,N}构成N个候选符号向量{bp,p＝1,…,N}，即从接收信号向量中去除N个候选符号值{b1，m，m＝1,…,N}的干扰，并对第二个待检测数据符号进行硬判得到N个候选符号值{b2,n,n＝1,…,N}，即求出使最小的候选符号值b2，n，其中m＝n＝1,…,N，
Figure FDA00002370563100015
表示信道矩阵的第i1个列向量，
Figure FDA00002370563100016
表示信道矩阵的第i2个列向量，候选符号向量bp＝[b1,m,b2,n],m＝n＝p＝1,…，N；
具体过程如下：
设候选符号向量
Figure FDA00002370563100017
调制符号总数为2N，
Figure FDA00002370563100018
的二进制表示为
Figure FDA00002370563100021
1）翻转
Figure FDA00002370563100022
的第一个比特其余比特不变，对应的符号值即b1,1
2）依次翻转
Figure FDA00002370563100024
的第二个、第三个直至第N个比特，每次只翻转一位，其余比特保持不变，可以得到b1,2,b1,3，…,b1,N；
步骤5：计算N个候选符号向量{bp,p＝1,…,N}的距离度量{βq,q＝1,…,N}，利用距离度量{αl,l＝1,…,M}和{βq,q＝1,…,N}以及候选符号向量{ak,k＝1,…,M}和{bp,p＝1,…,N}求出第一个待检测数据符号的所有比特软量；
具体过程如下：
设检测顺序为{i1,i2}，信道矩阵H＝[h1,h2]，发送信号向量为s，接收信号向量为y，候选符号值a1，i的二进制表示为
Figure FDA00002370563100025
候选符号值b1,m的二进制表示为
Figure FDA00002370563100026
第一个待检测数据符号为
Figure FDA00002370563100027
第二个待检测数据符号为
Figure FDA00002370563100028
1）距离度量 β q = | | y - h i 1 b 1 , m - h i 2 b 2 , n | | 2 , m = n = q = 1 , · · · , N ;
2）第一个待检测数据符号
Figure FDA000023705631000210
的所有比特软量为：
LLR ( s i 1 ( w ) ) = min [ s i 1 , s i 2 ] ∈ χ 1 ( w ) { | | y - h i 1 s i 1 - h i 2 s i 2 | | } - min [ s i 1 , s i 2 ] ∈ χ 0 ( w ) { | | y - h i 1 s i 1 - h i 2 s i 2 | | }
其中
Figure FDA000023705631000212
w＝1,…,N表示
Figure FDA000023705631000213
的第w个比特，
χ 1 ( w ) = { [ a 1 , i , a 2 , j ] | a 1 , i ( w ) = 1 , i = j = 1 , · · · , M } ∪ { [ b 1 , m , b 2 , n ] | b 1 , m ( w ) = 1 , m = n = 1 , · · · , N } 表示第一个待检测数据符号的第w个比特等于1的所有候选符号向量集合， χ 0 ( w ) = { [ a 1 , i , a 2 , j ] | a 1 , i ( w ) = 0 , i = j = 1 , · · · , M } ∪ { [ b 1 , m , b 2 , n ] | b 1 , m ( w ) = 0 , m = n = 1 , · · · , N } 表示第一个待检测数据符号的第w个比特等于0的所有候选符号向量集合，如果 [ s i 1 , s i 2 ] = a k , 则 | | y - h i 1 s i 1 - h i 2 s i 2 | | = α l , k = l = 1 , · · · , M ; 如果 [ s i 1 , s i 2 ] = b p , 则 | | y - h i 1 s i 1 - h i 2 s i 2 | | = β q , p = q = 1 , · · · , N ; 计算比特软量时，对原平方欧氏距离度量进行开根号运算能够提高软量的精度；
步骤6：分别对候选符号向量
Figure FDA000023705631000220
第二个符号的每个比特进行翻转，其余比特保持不变，得到第二个待检测数据符号的N个候选符号值{c2,r,r＝1,…,N}，与候选符号向量
Figure FDA000023705631000221
的第一个符号构成N个候选符号向量{cs,s＝1,…,N}；
步骤7：计算N个候选符号向量{cs,s＝1,…,N}的距离度量{γt,t＝1,…,N}，利用距离度量{αl,l＝1,…,M}、{βq,q＝1,…,N}和{γt,t＝1,…,N}以及候选符号向量{ak,k＝1,…,M}、{bp,p＝1,…,N}和{cs,s＝1,…,N}求出第二个待检测数据符号的所有比特软量；
根据MMSE准则，得到第一个待检测数据符号的M个候选符号值{a1,i,i＝1,…,M}，其中M指根据MMSE准则选出的第一个待检测数据符号的候选符号值数量，根据这些候选符号值求出相应的第二个待检测数据符号的M个候选符号值{a2,j,j＝1,…,M}，与前面M个候选符号值{a1，i,i＝1,…,M}构成M个候选符号向量{ak,k＝1,…,M}的方法如下：
设信道矩阵为H，发送信号向量为s，噪声功率为N0，调制符号集合为Ω，接收信号向量为y，检测顺序为{i1，i2}
1）求出MMSE均衡矩阵G＝(HHH+N0I)-1HH，I表示单位矩阵，H表示矩阵的共轭转置；
2）将均衡矩阵乘以接收信号向量y，得到发送信号向量s的估计值
Figure FDA00002370563100031
3）对所有的第一个待检测数据符号
Figure FDA00002370563100032
求出度量值
Figure FDA00002370563100033
其中
Figure FDA00002370563100034
是第一个待检测数据符号的估计值，
Figure FDA00002370563100036
是矩阵GH的第i1个对角元，MMSE准则是指对所有的度量值进行排序并选出M个最小值，对应数据符号构成了M个候选符号值{a1，i，i＝1,…,M}；
4）从接收信号向量中去除M个候选符号值{a1，i,i＝1,…,M}的干扰，并对第二个待检测数据符号
Figure FDA00002370563100037
进行硬判得到M个候选符号值{a2,j,j＝1,…,M}，候选符号向量ak＝[a1，i，a2,j]，i＝j＝k＝1,…,M。
2.根据权利要求1所述的用于长期演进方案的高效多天线检测方法，其特征在于计算接收数据的信噪比，数据检测顺序按照信噪比从高到低排列的方法如下：
设信道矩阵H＝[h1,h2]，检测顺序为{i1,i2}
1）计算‖h1‖2和‖h2‖2；
2）如果‖h1‖2＞‖h2‖2，则检测顺序{i1,i2}＝{1,2}；否则检测顺序{i1,i2}＝{2,1}。
CN 201010516375 2010-10-22 2010-10-22 用于长期演进方案的高效多天线检测方法 Expired - Fee Related CN101964667B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN 201010516375 CN101964667B (zh) 2010-10-22 2010-10-22 用于长期演进方案的高效多天线检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN 201010516375 CN101964667B (zh) 2010-10-22 2010-10-22 用于长期演进方案的高效多天线检测方法

Publications (2)

Publication Number Publication Date
CN101964667A CN101964667A (zh) 2011-02-02
CN101964667B true CN101964667B (zh) 2013-05-01

Family

ID=43517427

Family Applications (1)

Application Number Title Priority Date Filing Date
CN 201010516375 Expired - Fee Related CN101964667B (zh) 2010-10-22 2010-10-22 用于长期演进方案的高效多天线检测方法

Country Status (1)

Country Link
CN (1) CN101964667B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102905377B (zh) * 2011-07-28 2015-05-27 北京信威通信技术股份有限公司 一种无线通信系统中上行sdma无线资源管理的方法
CN102685045B (zh) * 2012-05-02 2016-01-06 合肥东芯通信股份有限公司 一种lte系统中空分复用模式下的均衡装置和方法
CN104660379B (zh) * 2015-02-04 2018-02-13 电子科技大学 一种基于可靠性判决的空间调制检测方法
CN106850096B (zh) * 2015-11-30 2020-05-12 展讯通信（上海）有限公司 空间相关性估算的方法及装置
CN105827290A (zh) * 2016-03-31 2016-08-03 南京信息工程大学 Mimo系统中基于候选机制的串行干扰消除检测算法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101247158A (zh) * 2008-03-20 2008-08-20 上海交通大学 非理想信道的多天线系统发射模式和调制方式选择方法
CN101345592A (zh) * 2008-08-21 2009-01-14 上海交通大学 应用于mimo的自适应信号的检测器及检测方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101247158A (zh) * 2008-03-20 2008-08-20 上海交通大学 非理想信道的多天线系统发射模式和调制方式选择方法
CN101345592A (zh) * 2008-08-21 2009-01-14 上海交通大学 应用于mimo的自适应信号的检测器及检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
多天线系统中逼近最大似然的快速检测算法;杨宜进 等;《电 子 与 信 息 学 报》;20070630;第1276－1279页 *
杨宜进 等.多天线系统中逼近最大似然的快速检测算法.《电 子 与 信 息 学 报》.2007,

Also Published As

Publication number Publication date
CN101964667A (zh) 2011-02-02

Similar Documents

Publication Publication Date Title
US8279954B2 (en) Adaptive forward-backward soft output M-algorithm receiver structures
CN100589597C (zh) 用于确定信号矢量的方法和系统
CN101499840B (zh) 多入多出系统的迭代检测方法
US20090285323A1 (en) Adaptive soft output m-algorithm receiver structures
WO2009149113A2 (en) Soft output m-algorithm receiver structures with generalized survivor selection criteria for mimo systems
CN103685090A (zh) 多输入多输出信道表现的预测方法
EP2149241A1 (en) Adaptive soft output m-algorithm receiver structures
US20110044407A1 (en) Adaptive qrd-m algorithm based signal detecting method by using constellation set grouping in spatial multiplexing multiple-input multiple-output system
CN101964667B (zh) 用于长期演进方案的高效多天线检测方法
CN100571098C (zh) 通信系统中低复杂度的极大似然检测方法及装置
US10374772B2 (en) Method for slicing K-best detection in multiple-input multiple-output wireless communications system
CN109981151A (zh) 大规模mimo系统中改进的高斯树近似消息传递检测算法
CN103414534A (zh) 一种结合门限判决的广义空间调制系统接收机检测方法
CN109286587B (zh) 一种多有源广义空间调制检测方法
CN101227254A (zh) 一种在多入多出系统中v-blast的检测方法
US20070268813A1 (en) Method of decoding a spatially multiplexed signal and its corresponding receiver
US9160578B2 (en) Turbo equalisation
US9066247B2 (en) Communication devices and methods for signal detection
CN102355295B (zh) 一种多天线正交频分复用系统的高效接收方法
Ju et al. VLSI implementation of an 855 Mbps high performance soft-output K-Best MIMO detector
CN102055566B (zh) 基于信道分析的动态mimo检测算法与检测器结构
CN102281091B (zh) 一种用于多天线通信系统的接收方法
Bhagawat et al. Dynamically reconfigurable soft output MIMO detector
CN103188003A (zh) 基于迭代检测的低复杂度并行干扰消除方法及系统
CN101582743B (zh) 一种用于迭代接收机的mimo检测方法及系统

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20130501

CF01 Termination of patent right due to non-payment of annual fee