CN102007737A - 具有概率噪声约束的半径自适应球形解码 - Google Patents

Abstract

本发明提供了对通过通信信道接收的码字进行解码的方法和装置。半径自适应球形解码方法可减少球形约束的搜索中的运算次数。在球形约束上添加概率噪声约束，特别是在早期添加会提供较严格的必要条件。因此，在球形搜索的早期去除了许多不太可能被选择的分支。通过调整剪枝概率来控制计算复杂性和性能之间的折衷。

Description

具有概率噪声约束的半径自适应球形解码

背景技术

无线通信系统得以广泛部署，以提供多种通信内容，如，语音、媒体、数据等等。这些系统可以是通过共享可用系统资源(例如，带宽和发射功率)能够支持多个用户通信的多址系统。这类多址系统的实例包括码分多址(CDMA)系统、时分多址(TDMA)系统、频分多址(FDMA)系统、3GPP LTE系统以及正交频分多址(OFDMA)系统。

通常，无线多址通信系统可同时支持多个无线终端的通信。每个终端经由前向链路和反向链路上的传输与一个或多个基站进行通信。前向链路(或下行链路)是指从基站到终端的通信链路，反向链路(或上行链路)是指从终端到基站的通信链路。这一通信链路可以通过一个或多个单输入单输出(SISO)、多输入单输出(MISO)或多输入多输出(MIMO)系统来建立。

MIMO系统使用多个(N_T个)发射天线和多个(N_R个)接收天线进行数据传输。将由N_T个发射天线和N_R个接收天线形成的MIMO信道分成N个独立的信道，也可以称为空间信道，其中N_S≤min{N_T，N_R}。N_S个独立信道中的每一个对应一个维度。这些信道用于以提供较高的总吞吐量和较高的可靠性的方式发送数据。

发射机对N个数据符号进行编码并以串行或并行的方式经由一个或多个发射天线发送N个数据符号，以这种方式发送的数据符号在接收机经由一个或多个接收天线获得。接收机在获得符号后，执行检测并对经检测的符号进行解码，以便恢复发送的数据。为了以较高的正确性解码符号，接收机需要根据在接收机可用的全部信息来评估已发送的数据比特的所有可能序列的多种假设。这种穷举搜索涉及较高的计算强度，并且在很多应用中是无法实现的。因此，需要研究一种降低计算强度/复杂性而不会明显降低准确性的技术。

发明内容

下面给出对一个或多个方面的简要概述，以提供对这些方面的基本理解。该概述不是对全部预期方面的泛泛概括，也不旨在标识全部方面的关键或重要元件或者描述任意或全部方面的范围。其目的仅在于作为后文所提供更详细描述的序言，以简化形式提供一个或多个方面的一些概念。

根据本文描述的系统和方法，在使用球形解码方法对接收的数据进行解码时，除了应用球形约束，还应用概率噪声约束，从而达到优化的解码过程，该过程平衡了解码速度和解码数据的正确性。具体地说，根据本发明的一方面，公开了一种解码方法，其中最初接收到传输中的一个或多个码字。接收的码字由栅格场(lattice field)中的栅格点表示。除了对接收的传输中的至少一个码字确定搜索球形的半径之外，还为至少一个码字生成剪枝概率(pruning probability)。列举出在概率大于确定的剪枝概率的一层或多层中包括的球形内的栅格点。确定出最接近接收的码字的栅格点，并将与最接近的栅格点相关联的数据作为接收的码字进行输出。根据一个方面，利用等效高斯噪声对系统矩阵的靠后层的贡献(contribution)进行建模来确定剪枝概率。可以预先计算对应于多个系统矩阵(每个具有不同的层数)的多个剪枝概率，并将其存储在查找表中。

这一方法还有助于判断剪枝概率的值是否适合给定的一组系统属性。根据这一方面，限定用于完成解码操作的时间阈值，并根据完成解码操作所用的时间来调整剪枝概率。从而，如果完成解码所用的时间大于时间阈值，则增大剪枝概率，而如果完成解码所用的时间小于时间阈值，则减小剪枝概率。

另一方面涉及在通信系统中对数据进行解码的装置。该装置包括接收模块，用于接收数据传输中的一个或多个码字。系统中还包括处理模块，用于对接收的传输中的至少一个码字进行解码。该处理模块通过列举具有预先确定的半径的球形内的栅格点来对接收的码字进行解码。这些栅格点可包括在概率大于特定剪枝概率值的一层或多层中。处理模块还包括概率选择模块，根据用于进行解码的通信系统属性来确定特定的剪枝概率值。处理模块也可以从多个预先计算的剪枝概率值中选择剪枝概率，这些预先计算的剪枝概率值是针对与该装置相关联的存储器模块中存储的不同系统属性的。处理模块还包括剪枝模块，其根据由概率选择模块确定的特定剪枝概率值对与解码相关联的二叉树的分支进行修剪。输出模块将与接收的码字最接近的栅格点相关联的数据作为接收的数据进行输出。

根据另一方面，描述了一种处理器可读介质，其包括用于对接收的数据进行解码的指令。这些指令有助于使处理器接收数据传输中的一个或多个码字，并针对至少一个码字生成剪枝概率。这些指令还有助于列举具有确定的半径的球形内部的全部栅格点，所述球形中的栅格点包括在概率大于确定的剪枝概率的一层或多层中。确定与接收的码字最接近的栅格点，并且将与最接近的栅格点相关联的数据作为接收的数据加以输出。

在另一方面，描述了一种在通信系统中对发送的数据进行解码的装置。该装置包括接收单元和处理单元。接收单元接收数据传输中的一个或多个码字。处理单元通过列举具有确定的半径的球形内的全部栅格点，对接收的传输中的一个或多个码字进行解码，所述具有确定的半径的球形内的栅格点包括在概率大于特定剪枝概率值的一层或多层中。该系统还包括输出单元，其提供与接收的码字最接近的栅格点相关联的数据作为接收的数据。

为了实现前述和有关的目的，一个或多个方面包括下面将要充分描述和在权利要求中特别指出的各个特征。下面的描述和附图以举例方式详细说明一个或多个方面的各个方面。但是，这些方面仅仅说明可采用各个方面之基本原理的一些不同方法，此外，所描述的方面旨在包括所有这些方面及其等同物。

附图说明

图1示出了根据各个方面的无线多址通信系统。

图2示出了在MIMO系统中的发射机系统和接收机系统的实施例的方框图。

图3示出了有助于以较好的正确性且降低的计算复杂性对接收符号进行解码的方法的流程图。

图4为示出了选择ε的影响的一个方面的流程图。

图5A示出了根据一个方面对接收的字节(syllable)进行解码的方法。

图5B示出了根据一个方面实现搜索方法的二叉搜索树。

图6示出了涉及对给定层中的栅格点进行排序同时调查候选字符表的另一方面。

图7A示出了根据一个方面在二叉树中进行球形解码。

图7B示出了根据一方面在二叉树中进行半径自适应球形解码。

图8示出了Q_K和β_K值的CDF(累积分布函数)。

图9是在具有加性高斯噪声的情况下在频率选择性信道上的16-QAM(正交幅度调制)传输的仿真结果。

图10是另一个仿真结果，其中，针对所访问的节点数来划分接收信号，以便对相应信号中的符号进行解码。

图11示出有助于在通信系统中实现半径自适应球形解码的系统。

具体实施方式

现在参照附图描述多个实施例，其中用相同的附图标记指示本文中的相同元件。在下面的描述中，为便于解释，给出了大量具体细节，以便提供对一个或多个实施例的全面理解。然而，很明显，也可以不用这些具体细节来实现所述实施例。在其它例子中，以方框图形式示出公知结构和设备，以便于描述一个或多个实施例。

本申请中提到的“示例性”一词是指举一个例子、实例或举例说明。本申请中描述为“示例性”的任何方面或设计不应被理解为比其它方面或设计更优选或更具优势。确切而言，使用示例性一词是想要以具体的方式来表示构思。

此外，本申请中使用的术语“或者”意味着包括性的“或者”而不是排它性的“或者”。也就是说，除非另外指定，或者从上下文能清楚得知，否则“X使用A或者B”的意思是任何自然的包括性置换。也就是说，如果X使用A，X使用B，或者X使用A和B二者，则“X使用A或者B”满足上述任何一个例子。另外，除非另外指定或从上下文能清楚得知是单一形式，否则本申请和附加的权利要求书中使用的冠词“一”和“一个”通常表示“一个或多个”。

在本申请中所用的术语“部件”、“模块”、“系统”等意指与计算机相关的实体，其可以是硬件、固件、软硬件结合、软件或者执行中的软件。例如，部件可以是、但并不仅限于：处理器上运行的进程、处理器、对象、可执行程序、执行的线程、程序和/或计算机。举例而言，计算设备上运行的应用程序和计算设备都可以是部件。一个或多个部件可以位于执行中的一个进程和/或线程中，并且，一个部件可以位于一台计算机上和/或分布于两台或多台计算机之间。另外，可以从存储了多种数据结构的多种计算机可读介质执行这些部件。这些部件可以通过本地和/或远程进程(例如，根据具有一个或多个数据分组的信号)进行通信(如，来自一个部件的数据通过信号与本地系统中、分布式系统中的另一个部件进行交互和/或横跨诸如互联网等的网络与其它系统进行交互)。

可使用人工智能(AI)来识别特定的内容或行为，或在没有人为干涉的情况下生成系统的特定状态或用户的行为的概率分布。人工智能依赖于对关于系统或用户的一组可用数据(信息)应用高级的数学算法-例如，决策树、神经网络、回归分析、聚类分析、遗传算法以及强化学习。

此外，本文结合移动设备来描述各个实施例。移动设备也可以称为系统、用户单元、用户站、移动站、移动装置、远程站、远程终端、接入终端、用户终端、终端、无线通信设备、用户代理、用户装置或用户设备(UE)。移动设备可以是蜂窝电话、无绳电话、会话启动协议(SIP)电话、无线本地环路(WLL)站、个人数字助理(PDA)、具有无线通信功能的手持设备、计算设备或连接到无线调制解调器的其它处理设备。此外，本文描述的各个实施例与基站相关联。基站用于与移动设备进行通信，也称为：接入点、节点B或一些其它术语。

此外，本发明的各个方面或特征可以实现成方法、装置或使用标准制程和/或工程技术的制品。本申请中使用的术语“制品”涵盖可从任何计算机可读设备、载体或介质访问的计算机程序。例如，计算机可读介质可以包括，但不限于：磁存储设备(例如，硬盘、软盘、磁带等)、光盘(例如，光盘(CD)、数字通用光盘(DVD)等)、智能卡和闪存设备(例如，EPROM、卡、棒、钥匙式驱动器等)。此外，本文描述的各种存储介质可以表示一个或多个设备和/或其它用于存储信息的机器可读介质。术语“机器可读介质”包括但不限于：无线信道以及能够存储、包含和/或携带指令和/或数据的各种其它介质。

现在参考附图，图1描绘了根据各个方面的无线多址通信系统100。在一个例子中，无线多址通信系统100包括多个接入点(AP)110和多个接入终端(AT)120。基站可以称作接入点、节点B和/或一些其它网络实体并包含上述各项的部分或全部功能。每个接入点110为特定的地理区域102(例如，102a、102b和102c)提供通信覆盖。根据上下文，术语“小区”指的是接入点和/或其覆盖区域。为了提高系统容量，接入终端的覆盖区域分成多个较小区域，例如三个较小的区域104a、104b和104c。每个较小区域由各自的基站收发子系统(BTS)提供服务。根据上下文，术语“扇区”指的是AP和/或其覆盖区域。对于扇区化小区而言，该小区的所有扇区的AP在该小区的基站内通常是共处一区的。本申请描述的信令传输技术可以用于具有扇区化小区的系统，也可以用于具有非扇区化小区的系统。为了便于说明，在下文的描述中，术语“基站”一般用于表示为扇区提供服务的站以及为小区提供服务的站。

终端120通常分散在整个系统中，且每个终端可以是固定的或是移动的。终端也称作移动站、用户设备和/或一些其它设备并包括上述各项的部分或全部功能。终端可以是无线设备、蜂窝电话、个人数字助理(PDA)、无线调制解调器卡等。一个终端在任一给定的时刻在下行链路和上行链路上与零个、一个或多个基站进行通信。

对于集中式结构而言，系统控制器130耦合至AP 110，并且协调和控制这些基站。系统控制器130可以是单个网络实体或者是多个网络实体的集合。对于分布式结构而言，多个AP在必要时彼此相通信。

图2是MIMO系统200中的发射机系统210和接收机系统250的实施例的方框图。在发射机系统210处，将数个数据流的业务数据从数据源212提供到发射(TX)数据处理器214。在一个实施例中，N_S个数据流在N_T个发射天线上进行发射。TX数据处理器214根据为该数据流选择的特定编码方案对每个数据流的业务数据进行格式化、编码和交织，以提供编码数据。

利用OFDM技术，将每个数据流的编码数据与导频数据进行复用。导频数据通常是采用公知技术进行处理的公知数据模型，并且在接收机系统处用于估计信道响应。然后根据为该数据流选择的特定调制方案(例如BPSK(二进制相移键控)、QSPK(正交相移键控)、M-PSK(多阶相移键控)或M-QAM(多电平正交振幅调制))，将经复用的导频和每个数据流的编码数据进行调制(即，符号映射)，以便提供调制符号。通过处理器230执行的或提供的指令来确定每个数据流的数据率、编码和调制方式。

接着，将各个数据流的调制符号提供给TX处理器220，该处理器对调制符号进行进一步处理(例如，进行OFDM)。随后，TX处理器220向N_T个发射机(TMTR)222a至222t提供N_T个调制符号流。每个发射机222接收各自的符号流并对其进行处理，以提供一个或多个模拟信号，并进一步对这些模拟信号进行调节(例如，放大、滤波和上变频)，以提供适用于在MIMO信道上传输的调制信号。随后，来自N_T个发射机222a至222t的N_T个调制信号分别从N_T个天线224a至224t发射出去。

在接收机系统250处，所发射的调制信号由N_R个天线252a至252r接收到，并将从每个天线252接收到的信号提供给各自的接收机(RCVR)254。每个接收机254对各自接收到的信号进行调节(例如滤波、放大和下变频)、对调节后的信号进行数字化处理以提供抽样，并进一步对这些抽样进行处理，以提供相应的“接收到的”符号流。

随后，RX数据处理器260从N_R个接收机254接收N_R个接收符号流，并根据特定的接收机处理技术对这些符号流进行处理，以便提供N_S个“经检测的”符号流。RX数据处理器260进行的处理在下文中进一步详细说明。每个经检测的符号流包括针对相应的数据流发送的调制符号的估计的符号。随后，RX数据处理器260对每个经检测的符号流进行解调、解交织和解码，以便恢复数据流的业务数据。RX数据处理器218的处理互补于在发射机系统210处TX处理器220和TX数据处理器214执行的处理。

RX处理器260(例如)根据与业务数据复用的导频信息导出对N_T个发射天线和N_R个接收天线之间的信道响应的估计。RX处理器260根据存储在存储器(例如，存储器272)中的导频模式来识别导频符号，所述导频模式用于识别分配给每个导频符号的频率子载波和符号周期。此外，将用户专用和扇区专用扰码序列存储在存储器中，从而RX处理器260将这些扰码序列与接收符号进行复用，以便进行适当地解码。

为了在切换期间对导频和数据符号进行解码，RX处理器260和处理器270分别从每个扇区提取导频符号，所述每个扇区使用分配用于切换的多个导频模式中的一个。针对每个扇区，对根据分配用于切换的多个导频模式之一所发送的导频符号以及相关联的数据符号进行解码，随后将来自全部扇区的符号相组合。按照先前的描述通过使用最大比值合并(MRC)或者其它已知的技术执行该组合。随后，RX数据处理器260处理数据符号估计并向数据宿264提供经解码的数据，并向控制器/处理器270提供信令。

由RX处理器260生成的信道响应估计可用于在接收机处执行空间、空间/时间处理，调整功率电平，改变调制速率或方案或其它行为。RX处理器260还对经检测的符号流以及可能的其它信道特性的信号和干扰及噪声比(SNR)进行估计，并将这些量提供给处理器270。RX数据处理器260或处理器270还导出系统的“运行”SNR的估计值。随后，处理器270提供信道状态信息(CSI)，信道状态信息包括多种关于通信链路和/或接收的数据流的信息。例如，CSI可以仅包括运行SNR。随后，来自数据源216的CSI和数据由TX数据处理器218进行处理，由调制器280进行调制，由发射机254a到254r进行调节，并发送回发射机系统210。

此外，可使用SNR估计值来确定发送导频符号的移动站在小区集群或一个小区中的位置。随后，使用这一信息确定分配给该移动站的导频模式。在一些实施例中，存储器232和272包括对应于可以在无线通信系统中使用的不同导频模式的标识符。存储器根据这些导频模式是否用于切换或者移动站的位置指示其是否靠近小区或扇区的边界，来识别导频模式。取决于不同的导频模式彼此之间如何加以区分，导频模式还可以具有相同的导频符号位置，但是具有用户专用和/或扇区专用的扰码序列。随后，将这些标识符从发射机发送到接收机，并由接收机用于根据识别的导频模式对导频符号进行调制。

在发射机系统210，来自接收机系统250的调制信号由天线224接收，由接收机222调节，由解调器240解调，并由RX数据处理器242进行处理，以便恢复由接收机系统报告的CSI，并向数据宿244提供经解码的数据。随后，将报告的CSI提供给处理器230，并用于(1)确定数据率以及用于数据流的编码和解调方案，以及(2)对TX数据处理器214和TX处理器220进行各种控制。

处理器230和270分别管理发射机系统和接收机系统的运行。存储器232和272分别存储由处理器230和270使用的程序代码和数据。存储器232和272根据集群(cluster)位置、用户专用扰码序列、扇区专用扰码序列(如果使用的话)以及小区专用扰码序列(如果使用的话)来存储导频模式。

随后处理器230和270在导频符号的传输中选择使用哪些导频模式、用户专用扰码序列、扇区专用扰码序列以及小区专用扰码序列。

在接收机，可使用各种处理技术来处理N_R个接收信号，以便检测N_S个发送的符号流。尽管图2描述了一种MIMO系统，但是相同的系统可用于多输入单输出系统，在多输入单输出系统中多个发射天线(例如，在基站上的那些发射天线)向单个天线设备(例如，移动站)发送一个或多个符号流。另外，可以按照参照图2描述的相同方式使用单输出单输入天线系统。

在通信系统中，发送的符号向量和接收的符号向量之间的关系如下式所示：

y＝Hs+v        (1)

其中，s是m维向量，其各项是复数的L级集合的元素，y∈Cⁿ是接收信号，v∈Cⁿ是噪声向量，H∈C^nxm是信道矩阵。假设信道矩阵已知的情况下，最大似然(ML)解码问题用公式表示如下：

$\underset{s\∈D_L^m}{\min }{\left|\right|y-\mathrm{Hs}\left|\right|}^2---\left(2\right)$

尽管ML解码对于达到最小误差概率来讲是最理想的，但是这种方法很少受到关注，其原因在于接收的码字的长度所造成的指数复杂性。然而，由于称为球形解码(SD)算法的较低复杂性的修正，最近ML解码方法得到了更多的关注。

现在参照图3，描述了一种有助于以良好的正确性和降低的计算复杂性对接收符号进行解码的方法300。如302所示，该方法开始于接收机对由发射机生成的码字进行接收。通常，对要发送的数据进行加扰、交织，并将其发送到用户设备。在接收机对其进行解扰、解交织、解扩，并将其提供到合成器，以便生成发送的符号。如上文所述，可以使用各种方法以便对发送的数据进行解码。这些方法涉及在正确性和计算强度之间的折衷。因此，在304，应用球形解码方法，以便在接收机处对发送的符号进行解码。

SD算法的法则是搜索半径为

的球形内最接近于接收向量的栅格点，其中，每个向量(码字)Hs由栅格场中的一个栅格点表示。由于球形解码可以输出球形中的任何栅格点，所以可以通过列举球形内的全部栅格点来找到最靠近接收向量的栅格点或者ML解。尽管SD算法极大地降低了计算复杂性，但是，与MMSE(最小均方误差)或类似的技术相比，SD算法仍然需要很大的计算量。

SD算法中的栅格代码是在n维欧式空间Rⁿ中构造的。因此，将复数系统矩阵重新表示为二维实矩阵：

y＝Hs+v→y′＝H′s′+v′                        (3)

其中s′v′是L级整数向量集合，并且

$H^{\′}=\left[\begin{array}{cc}\mathrm{Re}\left\{H\right\}& -\mathrm{Im}\left\{H\right\}\\ \mathrm{Im}\left\{H\right\}& \mathrm{Re}\left\{H\right\}\end{array}\right],$ $s^{\′}=\left[\begin{array}{c}\mathrm{Re}\left\{s\right\}\\ \mathrm{Im}\left\{s\right\}\end{array}\right],$ 以及 $v^{\′}=\left[\begin{array}{c}\mathrm{Re}\left\{v\right\}\\ \mathrm{Im}\left\{v\right\}\end{array}\right]---\left(4\right)$

为了符号的简化，即使在实矩阵变换之后，仍然使用y＝Hs+v。SD算法简述如下：将c₀作为中心为y的n维球形S(y，c₀)的平方半径。SD算法的目的是通过将H经QR分解变换为三角矩阵来找到球形内的全部栅格点s的列表，其中Q和Q’分别是nxm和nx(n-m)酉矩阵，而R是具有正对角元素的mxm上三角矩阵，O是(n-m)xm零矩阵。因此，等式(4)变换为；

$H=\left[\begin{array}{cc}Q& Q^{\′}\end{array}\right]\left[\begin{array}{c}R\\ O\end{array}\right]---\left(5\right)$

对栅格点属于球形或中的要求表示如下

c₀≥‖y-Hs‖²        (6)

$={\left|\right|{\left[Q{Q}^{\′}\right]}^{T}y-\left[\begin{array}{c}R\\ O\end{array}\right]s\left|\right|}^2---\left(7\right)$

d₀≥‖y′-Rs‖²      (8)

其中，y’＝Q^Ty和d₀＝c₀-‖Q’^T y‖²， d₀表示修正的球形半径。考虑到R矩阵中的上三角形式，将y′-Rs的矩阵结构表示为：

根据SD算法，可以递归地求出等式(8)的解。由于s是离散集合的一个元素，所以可以列举候选解，并可以选择满足等式(8)中的球形条件的候选解。所以，将等式(8)重新表示为：

$d_0\≥{(y_m^{\′}-r_{m,m}{s}_m)}^2+{(y_{m-1}^{\′}-r_{m-1,m}{s}_m-r_{m-1,m-1}{s}_{m-1})}^2+\·\·\·---\left(10\right)$

在Viterbi算法使用中，右侧的每一项对应于分支度量B_n，n＝1，...，m。由于SD算法从等式(9)中的矩阵底层开始，并且向上进行，所以，递归关系变为：

P_m＝B_m                        (11)

P_n＝P_n+1+B_n，n＝m-1，...，1    (12)

对于第一层(或底层)，Hs在平方半径为c₀的球形内部的必要条件为：

$d_0\≥{(y_m^{\′}-r_{m,m}{s}_m)}^2---\left(13\right)$

(路径度量)P_m＝B_m(分支度量)

通常，第n层的必要条件表示如下：

$d_0\≥\underset{j=n}{\overset{m}{\mathrm{\Σ}}}{\left({y^{\′}}_j-\underset{k=j}{\overset{m}{\mathrm{\Σ}}}{r}_{j,k}{s}_k\right)}^2=P_n=P_{n+1}+B_n---\left(14\right)$

将等式(14)重新表示为：

通常，每层的搜索顺序是基于称为Pohst列举的字典顺序，其以s_n，min、s_n，min+1、......、s_n，max的顺序来检查候选解。通过Schnorr-Euchner列举进一步降低复杂性，其根据它们的路径度量值来检查各个候选解。如上文中所示，可将路径度量表示为P_n＝P_n+1+B_n，并且P_n+1是当前节点中的每个候选解公用的，该顺序有效地根据分支度量B_n(s_n)，B_n(s_n)由下式给出：

$B_n\left(s_n\right)={({y^{\′}}_n-\underset{k=n+1}{\overset{m}{\mathrm{\Σ}}}{r}_{n,k}{s}_k-r_{n,n}{s}_n)}^2---\left(16\right)$

其中s_n∈{s_n，min....s_n，max}具有候选解N_s＝s_n，max-s_n，min+1.。根据Shnorr-Euchner(SE)策略排序的候选解表示为

。Shnorr-Euchner策略通过对分支度量进行最小化来开始搜索，并从而很可能早于Pohst列举找到正确的路径。其次，如果对于

条件失败，则该条件对于

(其中m＞k)也失败。从而，不需要搜索该层中剩余的候选解。最后，如果球形半径非常大，则从SE列举中得出的最初栅格点不变，从而该算法不需要进行最初半径选择。

在上述根据SD算法的方法中，从不搜索欧氏距离大于给定球形半径的树状结构的分支，与穷举搜索(ML方法)相比，这样做会明显降低SD算法的复杂性。然而，由于针对底层的必要条件是非常不严格的，所以保留了球形约束外的大多数分支，直到搜索进行到上层为止。因此，球形搜索不包括上层的贡献，因此，基于球形约束的树状修剪在底层(或者二叉树的早期层)中不是很有效。为了修剪更多的不太可能位于球形内部的分支，采用概率策略，以判断是否进一步追踪二叉树的分支，或者将其从树状结构中移除。因此，如306所示，除了球形约束之外，还施加概率噪声约束。在SD方法中在球形约束之外加入概率噪声约束能够解决还没有访问的层。通过加入概率噪声约束就加强了必要条件，或者上述算法评定了更严格的必要条件。所以，上层贡献由等效噪声来建模。在通信系统中，高斯噪声是很常见的。在下文的描述中假设高斯噪声，但是该方法不局限于高斯噪声模型。从等式(8)和(12)中，第一层的修正的必要条件变为：

$d_0\≥P_m\left(s_m\right)+v_{m-1}^2+v_{m-2}^2+.........+v_1^2---\left(17\right)$

其中V_j是第j层的噪声，

称为概率噪声约束。在球形约束中加入概率噪声约束平衡了应用于不同层的必要条件的严格性。概括这一等式，第n层的必要条件变为：

$d_0\≥\underset{j=1}{\overset{m}{\mathrm{\Σ}}}{B}_j=P_n+\underset{j=1}{\overset{n-1}{\mathrm{\Σ}}}{v}_j^2---\left(18\right)$

由于v₁、v₂、...、v_j是独立正态分布的多个值，所以

变为具有n-1个自由度(q_n-1～χ²)的卡方(chi-square)随机变量。使用q_n-1，(18)表示为：

d₀≥P_n(s_n，...，s_m)+q_n-1         (19)

q_n-1小于d₀-P_n(s_m，...s_n)的概率为：

Pr(d₀-P_n(s_m，...s_n)＞q_n-1)＝F(d₀-P_n(s_m，...s_n)，n-1)     (20)

其中，

是q_k的累积分布函数，其中Γ和γ分别是Gamma函数和不完全Gamma函数。为了使用相当低的概率ε进行剪枝或估计具有较低概率的正确解部分的值，即去除满足Pr(d₀-P_n(s_m，...s_n)＞q_n-1)＜ε的分支，给出下式：

d₀-P_n(s_m，...s_n)＜β_n-1                (21)

其中

F(β_n-1；n-1)＝ε                      (22)

因此，在接下来的搜索中排除了满足(21)的s_m，...，s_n。从而，重新排列等式(21)中的各项，则紧密必要条件变为：

d₀-β_n-1＞P_n(s_m，...s_n)                (23)

其中，n＝1，...，m。β_n由诸如Matlab

之类的统计软件包预先计算，并存储在查找表中。半径自适应SD方法可解释为原始SD算法的自然扩展，其中，分支度量B_n(s_n)的必要条件是：

在前面讨论的半径自适应SD算法中，β_n＝0意味着ε＝0，从而，由于概率约束的原因没有发生剪枝操作。因此，将ε称为剪枝概率的阈值。根据另一方面，本文描述的方法可通过考虑从解码器(例如，Turbo解码器)接收的每个符号的先前信息进行扩展。将其应用到半径中，如下面的等式25所示：

d₀-β_n-1-Pr ior(s_n)＞P_n(s_m，...s_n)      (25)

因此，球形约束、概率噪声约束和先前约束全部都可以用作在计算复杂性方面能够更有效地优化SD方法的各种搜索约束。

如上文以及等式(22)所示，ε是β_n的函数，其中β_n是由统计软件包预先计算的。从而，对ε值的最佳选择会影响在SD算法中对球形约束添加概率噪声约束的效果。这方面将在图4中进一步详细描述，图4示出了选择ε的影响的一个方面。根据这一方面，如402所示，最初选择ε值，以便对SD算法施加概率噪声约束。对ε的选择通常要在性能和计算复杂性之间进行折衷。这两方面的平衡能够通过监控完成搜索所用的时间来达到。这一点通过预先设置能够完成搜索的阈值时间间隔来实现，如404所示。如406所示，如果与在404设置的阈值相比，识别最初的候选解所用的时间很少，则意味着为ε选择了非最优值，例如较大的值。这一点在408中示出，其中针对符号解码选择的候选解的概率值非常高。因此，如410中所示，能够推断出树状结构的太多分支需要被修剪，因此，该搜索会在极短的时间段内完成。虽然这样能够降低计算复杂性，但是，这样做也导致了性能损失或解码的结果的正确率降低，如412所示。为了改善性能，如414所示，使用较低的ε值重复该搜索，从而允许对更多数量的分支进行搜索，并因此获得更高的正确性。在另一方面，如果完成该操作所用的时间远大于预先设置的阈值，如416所示，则能够推断出为ε选择了另一个非最优值，例如过低的值，如418所示。这意味着用于候选解选择的阈值概率太低，其导致将二叉树的多个分支视为候选解，或者要搜索二叉树的多个分支，如420所示。因此，由于考虑了很多候选解，所以性能将会非常好，然而，这样的深入搜索会导致高强度的计算，如422所示。在这种情况下，由于增加的复杂性，所以要用较长的时间间隔来完成搜索。因此，通过增加ε值来重复该搜索，如424所示。最后，如果选择了ε的最优值，如426所示，则使得以足够的正确性对接收数据进行解码，同时保持适当的计算复杂性，如428所示。

尽管已经描述了关于单个搜索操作的过程，但是，可以理解，对剪枝概率的调整既可应用于单个SD操作中，也可横跨应用于多个单独的、独立的SD操作。例如，如果先前的SD操作的复杂性很高，则需要较长的时间来识别候选解，在这种情况下，可如上文所述对后续的SD操作增加剪枝概率。另一方面，如果先前的SD操作的复杂性非常低，则识别候选解所用的时间会较少，在这种情况下，如上文所述对后续的SD操作降低剪枝概率。可以通过各种AI技术来确定时间阈值。例如，通过以下来获悉最优的时间间隔以及剪枝概率值：观测不同的SD操作，并确定可接受的时间间隔，从而达到时间和正确性之间的平衡。

图5A示出了根据一个方面，对接收的字节进行解码的方法。解码操作的输入为：d₀＝c₀-‖Q’^Ty‖²，其中d₀表示球形的修正半径，β是由统计软件包预先计算出的值，y’＝Q^Ty和R是从上文描述的QR分解中得出的。该操作的输出将是s，其为字符候选解或接收数据的估计，i和k分别是表示选择的层和该层中的栅格点的计数。图5A中的流程图描述了在图5B中所示的二叉树550中实施的搜索过程。在图5B中，分支度量在分支旁边表示，路径度量在节点旁边表示。为了说明的简化，在标识节点的时候使用路径度量。根据上下文能够容易地辨别具有相同路径度量的不同节点。

该过程在502开始，进行变量初始化。从而，将i初始化为m，d_i初始化为d₀-β_m-1(将d₀设置为任意大的数值)，并且在检验一层之前将该层的路径度量P_i初始化为零。因此，P_i＝P_m+1＝0。该方法进入504，其中在所选择的第一(i＝m)层对中心在y’、半径为d_i-P_i+1的搜索球形中的所有点进行识别。因此，针对第一层识别具有分支度量1和4的栅格点1和-1(假设左边的分支关于栅格点1，右边的分支关于栅格点-1)。如506所示，根据识别的点的分支度量对这些识别的点进行排序，如下文中进一步的详细描述。因此，根据各自的分支度量值，最初的点是1，第二个点是-1。根据排序，如508所示，选择一个点，因此，选择最初的点1。在510，判断是否已经选择并检验了全部的点，以便在508不再选择点。如果在510，确定没有选择最后的点，则计算在508选择的点的路径度量，如516所示。因此，选择1，方法进入516，其中路径度量为1，确定当前选择的点为1。如果在510的判断是“正确”，那么因为当前层中的所有点都得到了检验，所以通过将i增加为i+1，过程转移到二叉树中的上一层，如512所示。在518，判断当前检验的层是否为二叉树的最底层。这个条件将对当前选择的点1评估错误值，因此方法进入520，其中层索引i减小为i-1，并且，球形的新半径变为：

d_i＝d₀-β_i-1.

过程返回504，其中在第二层(i＝m-1)识别出半径改变的球形中的所有点，并对其进行排序，如506所示。因此，根据分支度量2和4来识别点1和-1，并且对其排序为1为最初点，-1为下一个点。在508，选择下一个点，因此，选择1进行检验。在510，确定没有检验最后的点，因此，过程进入516，其中，计算选择的点1的路径度量。在518，确定当前层不是第一层或不是最底层，因此再次将i减小为i-1，并且，如520所示，估计新的半径值d_i＝d₀-β_i-1。过程再次返回504，其中对球形中的全部点进行识别、排序，并选择具有分支度量1的点-1进行检验。在510，确定-1不是这一层中的最后一个点，因此计算-1的路径度量，如516所示。在518，确定i确实等于1，因此，该过程的分支进入522，其中估计当前选择的点的路径度量，以便确定其是否满足作为候选字符的条件。如果满足，则方法进入524，其中，将d₀更新为-1的路径度量，并且将通向这一点的全部栅格点(1、1和-1)保存为候选字符。如果路径度量不小于d₀，则放弃选择的点-1，如526所示，并且过程返回512，以便通过将i增加为i+1，选择上一层中的下一个点。

应该注意，不会检验点1，其原因在于点1的路径度量大于点-1的路径度量。从而，该方法现在进入512，其中对层索引加1，从i变为i+1。从而，该搜索过程进入第二层i＝2。随后，在514，校验i的值，以便判断是否达到最后一层，或者是否i＝m+1，其中m是要检验的层数。如果“是”，则该过程终止于结束方框。因为层索引的当前值是2≠4，所以方法进入对第i层或第2层中的下一个点的选择，如508所示。因此，选择具有分支度量4的点-1，并检验通往节点8和6的下面的点，以便如上文中所述，校验它们是否满足条件以便被选作候选字符。因此，在探测节点5之下的可能性后，过程沿二叉树向上，回到第一层，并且，如508所示选择下一个点-1(节点4)。随后，在524，对节点4以下的分支进行搜索，并且更新最佳候选字符，并将其存储，如本文中所详细描述的。将针对球形搜索方法中d_i选择的值从最初值d₀改变为d₀-β_i-1，其贡献在于减小二叉树中需要搜索的分支个数，从而加快搜索速度，或者简化搜索过程。尽管为了简短起见，本文中的过程针对具有三层的二叉树进行描述，但是，可以理解，这是为了说明的目的，而不是限制性的。该过程可以应用到任何树(二叉树或非二叉树)，而并不必考虑该树的层数。

图6示出了关于对给定层中的栅格点进行排序并研究等式(9)的候选字符的另一方面。在该图中，k表示要在第i层中排序的栅格点。各个点根据它们各自的分支度量值进行排序。该过程开始于602，其中，k初始为零。在604，计算s_m的整数部分的最大值和最小值，其中s_m的整数部分的范围表示为：

s_n，max≥s_n≥s_n，min             (26)

通过表示等式(17)中的

s_n，max和s_n，min为：

$s_{n,\max }=\frac{1}{r_{n,n}}[y_n^{\′}-{\mathrm{\ξ}}_n+\sqrt{d_0-P_{n+1}}]---\left(27\right)$

$s_{n,\min }=\frac{1}{r_{n,n}}[y_n^{\′}-{\mathrm{\ξ}}_n+\sqrt{d_0-P_{n+1}}]---\left(28\right)$

在606，将k增加1，变为k+1。选择s_m的整数部分的最大值和最小值之间的点，并根据其分支度量值对其进行排序，如608所示。根据一方面，可使用等式(16)计算分支度量。根据另一方面，利用各点的各自分支度量值的升序对它们进行排序，从而在这个顺序中的第一栅格点是分支度量最小的一个点。或者，根据其它的方面，可以使用其它因数，诸如选择作为候选解的点的概率，对一层中的多个点进行排序。在610，判断在特定的层中是否还存在要进行排序的栅格点。例如，如果k＞Ns，则确定在该层中的所有栅格点都进行了排序。如果“是”，则确定在该层中还有栅格点要进行排序，过程返回606，并增加k，从而，过程进入下一个栅格点，否则，过程在结束方框终止。本文描述的排序算法是说明性的，并不是限制性的。应当理解的是，可以使用其它排序算法对一层中的多个点进行排序，同时实现上文中描述的半径自适应球形解码方法。

图7A是根据一方面在二叉树中进行球形解码的说明700。如图中所示，二叉树具有树状结构，其中每个顶点最多具有两个子节点。根据SD算法，从不搜索树状结构中欧式距离大于给定球形半径的分支。如上所述，识别在给定半径的球形中最接近接收向量的栅格点，其中用栅格场中的一个栅格点表示一个向量(码字)。由于球形解码输出球形内部的任一栅格点，所以通过列举该球形中的所有栅格点可以找到最接近接收向量的栅格点或ML解。然而，由于该必要条件在等式(9)中对于矩阵的底层非常不严格，所以保留了球形约束外的大多数分支，直到搜索进入这一等式的上层为止。当将修正的球形半径设置为10时，本图中所示的是针对二级集合的搜索树。在本例中，即使路径度量标记为8的分支的子节点很可能在球形半径之外，仍然对第二层的全部分支进行搜索。当使用约束长度m(信道矩阵的秩)很长的代码(信道矩阵)，或者L(Λ中的级数)增加时，情况会恶化。

图7B示出了根据一个方面在二叉树中进行的半径自适应球形解码。如图7A中所示，710是使用上文所述的半径自适应SD算法的二级树。因此，在最初的底层使用了较为严格的必要条件，从而在较早的层中修剪了较多分支，这样降低了计算的强度。例如，与图7A中所示的树相比，使底层适应较严格的必要条件通过从搜索中去除路径度量等于或大于8的分支，促进了更简单的搜索。

图8显示了Q_K和β_K值的CDF。由于在较早的层中自由度较大，所以是β_K。另一方面，最终层中的β_K较小，其原因在于自由度较小。因此，对SD算法施加噪声约束对较早层的影响大于对最终层的影响。在最终层中，球形约束在搜索过程中占支配地位。从而，在SD方法中加入概率噪声约束通过早期修剪较多的分支简化了搜索。

图9是针对具有加性高斯噪声的频率选择性信道的16-QAM(正交幅度调制)传输的仿真结果。在X-轴上划分SNR(信噪比)，而在Y轴上划分给定传输的相应BER(比特差错率)。图中示出了MMSE(最小均方误差)均衡器、ZF(迫零)均衡器以及SD和半径自适应SD方法的BER性能。将信道矩阵H的维度设置为11，并且半径自适应SD算法的剪枝概率为ε＝0.03。如图中所示，尽管半径自适应SD方法在球形搜索的早期修剪了较多的分支，但是SD和半径自适应SD方法的误差特性仍然十分相似，如曲线3和4沿着十分相似的路径。因此，可以断定，半径自适应SD方法降低了计算复杂性，而且不会明显破坏正确性。此外，如图中所示，与MMSE方法相比，半径自适应SD算法提供了可观的性能益处。

图10是另一个仿真结果，其中，相对于所访问的节点数量来划分接收信号的SNR，以便对相应信号中的符号进行解码。这里，将计算复杂性表示为针对SD方法访问的节点数相比针对半径自适应SD方法访问的节点数。如图中所示，较低SNR减少的复杂性明显高于较高SNR体制中减少的复杂性(高于70％)，在较高SNR体制中为大约30％。从而，如上文所述，通过增加剪枝概率，可达到计算复杂性的显著降低。

现在参照图11，图11中示出了在通信系统中有助于实现半径自适应球形解码的系统1100。这里示出的模块可以是一个或多个处理器，并耦合到存储器模块1110。该系统包括用于接收数据传输的接收模块1102。根据各个方面，该数据可以是控制数据或用户数据。接收模块1102将接收的数据流传送到处理模块1104(处理模块1104也包括在系统1110中)，用于根据半径自适应SD方法处理接收的数据。如上文所述，通过对二叉树中欧式距离小于或等于给定球形半径的分支施加概率噪声约束，来分析接收的数据。概率噪声约束对早期搜索施加了较严格的必要条件，以便根据预定的剪枝概率来修剪较多的分支。因此，在处理模块中包括选择模块1106，以便确定剪枝概率。如本文中所述，通过考虑几个β值能够确定剪枝概率。可通过使用上文中所述的考虑通信系统的多个属性的各种AI技术来确定这些值，所述的属性诸如系统矩阵中的层数，该系统矩阵在很多系统中具有阶数10。这些预先计算的值可存储在查找表1112中，该查找表在存储器模块1110中，如图所示。如果针对给定的一组系统属性在查找表1112中已经存在预先计算的剪枝概率值，则这个值可以通过选择模块116容易地恢复出以便用于解码。该处理模块还包括剪枝模块1108，以便根据由模块1106确定的剪枝概率来修剪二叉树的分支。根据输出模块1114提供的经解码的输出的正确性，以及用于提供该输出所用的时间，可以调整剪枝概率(根据不同方面增加或减少)，从而提供计算复杂性与时间之间的最优平衡。尽管图中示出的模块1104、1106和1108是独立的模块，但是可以看出，本文中描述的功能可由比上文中描述的更多或更少的模块来实施。

对于软件实现，文中描述的技术可以使用执行本文描述的功能的多个模块(例如，程序、函数等等)来实现。软件代码存储在存储器单元中，并由处理器执行。存储器单元可以在处理器内部或处理器外部实现，在处理外部实现的情况下，其可通信地经由本领域已知的各种手段耦合到处理器。

上文的描述包括一个或多个方面的举例。当然，为了描述这些方面而描述部件或方法的所有可能的结合是不可能的，但是本领域普通技术人员应该认识到，这些实施例可以做进一步的结合和变换。因此，本申请中描述的方面旨在涵盖落入权利要求书的精神和保护范围内的所有改变、修改和变形。此外，就说明书或权利要求书中使用的“包含”一词而言，该词的涵盖方式类似于“包括”一词，就如同“包括”一词在权利要求中用作衔接词所解释的那样。

Claims (41)

1.一种对在通信系统中交换的数据进行解码的方法，所述方法包括：

接收数据传输中的一个或多个码字；

确定至少一个码字的剪枝概率；

列举具有确定的半径的球形内的栅格点，其中，所述栅格点包括在概率大于所确定的剪枝概率的一层或多层中；

确定所接收的码字的最接近栅格点；

将与所述最接近栅格点相关联的数据作为所接收的码字进行输出。

2.根据权利要求1所述的方法，还包括：

由栅格场中的栅格点表示每个接收的码字。

3.根据权利要求2所述的方法，还包括：

确定所述栅格场的搜索球形的半径。

4.根据权利要求1所述的方法，所述栅格点与系统矩阵的多层相关联。

5.根据权利要求4所述的方法，其中，所述剪枝概率是通过利用等效噪声对来自所述系统矩阵的靠后层的贡献进行建模来确定的。

6.根据权利要求5所述的方法，其中，针对要加入搜索的所述系统矩阵的第n层施加的必要条件是：

$d_0\≥P_n+\underset{j=1}{\overset{n-1}{\mathrm{\Σ}}}{v}_j^2$

其中，d₀是搜索球形的修正半径，P_n是第n层的路径度量，

是层1到(n-1)的概率噪声约束建模噪声。

7.根据权利要求1所述的方法，其中，将与多个系统矩阵对应的多个剪枝概率进行预先计算并存储在查找表中，其中，每个系统矩阵具有不同的层数。

8.根据权利要求1所述的方法，还包括：

定义用于完成解码操作的时间阈值。

9.根据权利要求8所述的方法，还包括：

根据完成所述解码操作所用的时间来调整所述剪枝概率。

10.根据权利要求9所述的方法，其中，如果完成所述解码所用的时间大于所述时间阈值，则增大所述剪枝概率。

11.根据权利要求9所述的方法，其中，如果完成所述解码操作所用的时间小于所述时间阈值，则减小所述剪枝概率。

12.根据权利要求9所述的方法，还包括：

观测剪枝概率的不同值以及完成解码分别所用的时间，以便确定最优的剪枝概率值。

13.根据权利要求9所述的方法，其中，针对单个解码操作来调整所述剪枝概率，并使用新的剪枝概率重复所述操作。

14.根据权利要求9所述的方法，其中，根据早先的解码操作所用的时间来调整第二解码操作的剪枝概率。

15.根据权利要求1所述的方法，其中，在所述解码期间，所确定的半径中包含每个符号的先前信息。

16.一种在通信系统中用于对数据进行解码的装置，包括：

接收模块，用于接收数据传输中的一个或多个码字；

处理模块，用于通过列举具有确定的半径的球形内的栅格点来对所接收的传输中的至少一个码字进行解码，其中，所述栅格点包括在概率大于特定剪枝概率值的一层或多层中。

17.根据权利要求16所述的装置，其中，所述处理模块还包括：

概率选择模块，其根据用于进行所述解码的通信系统属性，对所述特定的剪枝概率值进行确定或选择这两种操作中的至少一种。

18.根据权利要求17所述的装置，还包括：

存储器模块，其存储针对不同的系统属性预先计算的剪枝概率值，以便由所述概率选择模块进行恢复。

19.根据权利要求16所述的装置，所述处理模块还包括：

剪枝模块，其根据由所述概率选择模块确定的所述特定的剪枝概率值，对与所述解码相关联的二叉树的分支进行修剪。

20.根据权利要求16所述的装置，还包括：

输出模块，其将与所接收的码字最接近的栅格点相关联的数据作为所接收的数据进行输出。

21.一种处理器可读介质，包括进行以下操作的指令：

接收数据传输中的一个或多个码字；

针对至少一个码字生成剪枝概率；

列举具有确定的半径的球形内的全部栅格点，其中，所述栅格点包括在概率大于所生成的剪枝概率的一层或多层中；

确定所接收的码字的最接近栅格点；以及

将与所述最接近栅格点相关联的数据作为所接收的码字进行输出。

22.根据权利要求21所述的介质，还包括进行以下操作的指令：

由栅格场中的栅格点表示每个接收的码字。

23.根据权利要求22所述的介质，还包括进行以下操作的指令：

确定所述栅格场的搜索球形的半径。

24.根据权利要求21所述的介质，其中，所述栅格点与系统矩阵的多层相关联。

25.根据权利要求24所述的介质，还包括进行以下操作的指令：

通过利用等效高斯噪声对来自所述系统矩阵的靠后层的贡献进行建模来确定所述剪枝概率。

26.根据权利要求25所述的介质，包括进行以下操作的指令：

对所述系统矩阵的第n层施加必要条件，以便判断所述第n层是否要加入到所述搜索中。

27.根据权利要求26所述的介质，其中，所述必要条件是：

$d_0\≥P_n+\underset{j=1}{\overset{n-1}{\mathrm{\Σ}}}{v}_j^2$

其中，d₀是搜索球形的修正半径，P_n是第n层的路径度量，

是层1到(n-1)的概率噪声约束建模噪声。

28.根据权利要求21所述的介质，包括进行以下操作的指令：

将与多个系统矩阵相对应的多个剪枝概率进行预先计算和存储，其中，每个系统矩阵具有不同的层数。

29.根据权利要求21所述的介质，还包括进行以下操作的指令：

确定用于完成解码操作的时间阈值。

30.根据权利要求29所述的介质，还包括进行以下操作的指令：

根据完成所述解码操作所用的时间来调整所述剪枝概率。

31.根据权利要求30所述的介质，还包括进行以下操作的指令：

如果完成所述解码所用的时间大于所述时间阈值，则增大所述剪枝概率。

32.根据权利要求30所述的介质，还包括进行以下操作的指令：

如果完成所述解码操作所用的时间小于所述时间阈值，则减小所述剪枝概率。

33.根据权利要求30所述的介质，还包括进行以下操作的指令：

通过记录剪枝概率的不同值以及完成解码分别所用的时间来确定最优的剪枝概率值。

34.根据权利要求30所述的介质，还包括进行以下操作的指令：

对单个解码操作中的剪枝概率设置新值，并使用新的剪枝概率重复所述操作。

35.根据权利要求29所述的介质，还包括进行以下操作的指令：

根据早先的解码操作所用的时间来确定第二解码操作的剪枝概率。

36.根据权利要求21所述的介质，还包括进行以下操作的指令：

在所述解码期间，使所确定的半径中包含每个符号的先前信息。

37.一种用于对通信系统中传送的数据进行解码的装置，包括：

接收单元，用于接收数据传输中的一个或多个码字；

处理单元，用于通过列举具有确定的半径的球形内的栅格点来对所接收的传输中的至少一个码字进行解码，其中，所述栅格点包括在概率大于特定剪枝概率值的一层或多层中。

38.根据权利要求37所述的装置，其中，所述处理单元还包括：

选择单元，用于根据用于进行所述解码的通信系统属性，对所述特定的剪枝概率值进行确定或选择这两种操作中的至少一种。

39.根据权利要求37所述的装置，还包括：

存储单元，用于存储针对不同的系统属性预先计算的剪枝概率值，以便由所述选择单元进行恢复。

40.根据权利要求37所述的装置，所述处理单元还包括：

剪枝单元，用于根据由所述选择单元确定的所述特定的剪枝概率值，对与所述解码相关联的二叉树的分支进行修剪。

41.根据权利要求37所述的装置，还包括：

输出单元，用于将与所接收的码字最接近的栅格点相关联的数据作为所接收的数据进行输出。

Images