CN102231641A - 多输入多输出mimo逐级并行检测方法 - Google Patents

Abstract

本发明公开了一种多输入多输出逐级并行检测方法，主要解决现有技术复杂度和性能难以折中的问题。其实现步骤为：(1)根据信道传输矩阵得到子流检测顺序，排序后的发射信号及信道传输矩阵；(2)初始化各迭代变量；(3)在第k次迭代中，先利用组干扰抑制得到前两个子流的接收信号，再利用双子流并行检测方法得到前两个子流的估计值，最终得到剩余子流的接收信号；(4)更新各迭代变量，返回步骤(3)，直至剩余两个或一个子流未被检出；(5)根据发射天线数N的奇偶性采用不同方法对剩余的两个或一个子流进行检测，本发明将双子流并行检测方法与组干扰抑制方法相结合，在提高性能的同时降低了复杂度，可用于长期演进系统中的多输入多输出接收机。

Description

多输入多输出MIMO逐级并行检测方法

技术领域

本发明属于无线通信技术领域，特别是涉及一种多输入多输出MIMO逐级并行检测方法，可用于长期演进LTE系统中的多输入多输出MIMO接收机。

背景技术

无线衰落环境下，采用多个发射天线和接收天线可以提高无线通信系统的信道容量，这种多个收发天线的系统被称为多输入多输出MIMO系统。多输入多输出MIMO系统可以突破无线频率资源限制，有效提高系统的频谱效率，被认为是新一代高速无线通信系统的主要物理层技术之一。接收端所采用的信号检测方法对多输入多输出MIMO系统的整体性能至关重要，成为近年来的研究热点。目前，已经提出了许多种多输入多输出MIMO信号检测方法，包括最大似然ML检测、线性检测、排序连续干扰消除OSIC、球解码SD、K个最优点K-best、最大似然判决反馈均衡ML-DFE和并行检测PD等方法。2002年E.G.Larsson等在“IEEE Trans.on SignalProcessing”《国际电气电子工程师协会信号处理汇刊》(2002年4月第50卷)发表的”On Maximum-Likelihood Detection and Decoding for Space-Time Coding Systems”《空时编码系统中的最大似然检测和译码》中提出一种最大似然ML检测方法，该方法可获得最佳的差错概率性能，但复杂度随发射天线数呈指数增长；2004年L.Yang等在“In Proc.ISSSTA”《国际电气电子工程师协会扩频技术与应用会刊》(2004年8月-9月)发表的“Combined maximum likelihood and ordered successive interferencecancellation grouped detection algorithm for multistream MIMO”《多流MIMO中最大似然判决反馈均衡的分段检测方法》中提出一种最大似然判决反馈均衡ML-DFE的分段检测方法，该方法对检测结构进行了改进，将最大似然ML与排序连续干扰消除OSIC方法相结合，在复杂度与性能间寻求折中，但其排序连续干扰消除OSIC部分仍会引入误差传播，且矩阵伪逆运算与最大似然ML部分的复杂度高。

发明内容

本发明的目的在于针对上述现有技术的不足，提出一种多输入多输出MIMO逐级并行检测方法，以降低复杂度，抑制误差传播和提高检测性能。

实现本发明的技术方案是利用组干扰抑制GIS将待检测数据分为数组子流对，组内采用单子流遍历的并行检测，组间通过干扰消除逐级检测，其实现步骤包括如下：

(1)对信道传输矩阵H＝[h₁，…，h_N]的列向量h_j，j＝1，…，N的范数平方大小进行排序，即得到发射信号s＝[s₁，…，s_N]^T的子流检测顺序<l₁，…，l_N>，进而得到排序后的发射信号及信道传输矩阵其中h_j＝[h_1j，…，h_Mj]^T，j＝1，…，N为信道传输矩阵H的第j个列向量，h_ij，i＝1，…，M，j＝1，…，N为发射天线j到接收天线i的信道衰落系数，N为发射天线数，M为接收天线数，s_j，j＝1，…，N为发射信号s的第j个子流；

(2)初始化：迭代次数k＝1，第k次迭代的信道传输矩阵H^(k)＝H_ord，发射信号s^(k)＝s_ord以及接收信号r^(k)＝r，其中r为接收信号，其中

为H^(k)前两列构成的矩阵，

为H^(k)剩余列构成的矩阵，

为发射信号s^(k)的前两个子流，

为发射信号s^(k)的剩余N-2k个子流；

(3)在第k次迭代中，利用组干扰抑制GIS将剩余N-2k个子流的影响从接收信号r^(k)中消除，得到前两个子流的接收信号

(4)对前两个子流的接收信号进行并行检测，得到前两个子流的估计值

(5)将前两个子流的估计值的影响从接收信号r^(k)中消除，得到剩余N-2k个子流的接收信号 $r_B^{\left(k\right)}=r^{\left(k\right)}-H_A^{\left(k\right)}{\hat{s}}_A^{\left(k\right)};$

(6)更新k＝k+1，接收信号

信道传输矩阵

及发射信号

返回步骤(3)，直至剩余两个或一个子流未被检出；

(7)根据发射天线数N的奇偶性对剩余的两个或一个子流进行检测：如果发射天线数N为偶数，则重复步骤(3)-(5)，完成剩余两个子流的检测；如果发射天线数N为奇数，则通过迫零方法完成剩余一个子流的检测。

本发明由于将双子流并行检测方法与组干扰抑制方法相结合，避免了矩阵伪逆运算与最大似然ML部分，且有效抑制了误差传播，在降低复杂度的同时提高了检测性能。

附图说明

图1是本发明的总流程图；

图2是本发明的并行检测子流程图；

图3是本发明使用的多输入多输出MIMO系统模型图；

图4是在4发4收的条件下，本发明与传统检测方法的仿真性能曲线；

图5是在6发6收的条件下，本发明与传统检测方法的仿真性能曲线。

具体实施方式

下面参照附图对本发明作进一步描述。

本发明使用的多输入多输出MIMO系统模型如图3所示，发送数据经串并变换调制后得到发射端的发射信号为s＝[s₁，…，s_N]^T，该发射信号经历信道衰落后到达接收端，再叠加上噪声信号n＝[n₁，…，n_M]^T，得到对应的接收信号为r＝[r₁，…，r_M]^T，然后使用本发明的MIMO信号检测得到接收数据。其中r_i，i＝1，…，M为接收天线i的接收信号，s_j，j＝1，…，N为发射天线j的发射信号，也就是发射信号s的第j个子流；n_i，i＝1，…，M为接收天线i的噪声信号，N为发射天线数，M为接收天线数。

根据该系统模型，得到接收信号r与信道传输矩阵H、发射信号s及噪声信号n的关系为r＝Hs+n，其中 $H=\left[\begin{array}{ccc}{h}_{11}& L& h_{1N}\\ M& O& M\\ h_{M1}& L& h_{\mathrm{MN}}\end{array}\right],$ h_ij，i＝1，…，M，j＝1，…N为发射天线j到接收天线i的信道衰落系数。

参照图1，本发明的实现步骤如下：

步骤1，对信道传输矩阵H＝[h₁，…，h_N]的列向量h_j，j＝1，…，N的范数平方大小进行排序，即

得到发射信号s＝[s₁，…，s_N]^T的子流检测顺序<l₁，…，l_N>，进而得到排序后的发射信号及信道传输矩阵其中h_j＝[h_1j，…，h_Mj]^T，j＝1，…，N为信道传输矩阵H的第j个列向量，h_ij，i＝1，…，M，j＝1，…，N为发射天线j到接收天线i的信道衰落系数，N为发射天线数，M为接收天线数，s_j，j＝1，…，N为发射信号s的第j个子流。

步骤2，初始化：迭代次数k＝1，第k次迭代的信道传输矩阵H^(k)＝H_ord，发射信号s^(k)＝s_ord以及接收信号r^(k)＝r，其中r为接收信号，其中

为H^(k)前两列构成的矩阵，

为H^(k)剩余列构成的矩阵，

为发射信号s^(k)的前两个子流，为发射信号s^(k)的剩余N-2k个子流。

步骤3，在第k次迭代中，利用组干扰抑制GIS将剩余N-2k个子流的影响从接收信号r^(k)中消除，得到前两个子流的接收信号

(3.1)从

的零空间

中获得的两个标准正交向量构成矩阵V^(k)，则

(3.2)设接收信号为 $r^{\left(k\right)}=H^{\left(k\right)}{s}^{\left(k\right)}+n^{\left(k\right)}=V^{\left(k\right)}(H_A^{\left(k\right)}{s}_A^{\left(k\right)}+H_B^{\left(k\right)}{s}_B^{\left(k\right)}+n^{\left(k\right)}),$ 将接收信号r^(k)左乘矩阵V^(k)，得到前两个子流的接收信号为 $r_A^{\left(k\right)}=V^{\left(k\right)}{r}^{\left(k\right)}=V^{\left(k\right)}{H}_A^{\left(k\right)}{s}_A^{\left(k\right)}+V^{\left(k\right)}{n}^{\left(k\right)},$ 其中n^(k)为第k次迭代的噪声信号。

步骤4，对前两个子流的接收信号

进行并行检测，得到前两个子流的估计值

参照图2，本步骤的实现如下：

(4.1)设星座点序号n＝1，

的第i列为

i＝1，2，第一个子流的待选估计值

其中

为H^(k)前两列构成的矩阵，P_(n)为调制星座的第n个星座点；

(4.2)将第一个子流的待选估计值的影响从接收信号中消除，得到第二个子流的接收信号： $r_{2\left(n\right)}^{\left(k\right)}=r_A^{\left(k\right)}-{\hat{s}}_{1,\left(n\right)}^{\left(k\right)}{h}_1^{\left(k\right)}=r_A^{\left(k\right)}-P_{\left(n\right)}{h}_1^{\left(k\right)};$

(4.3)对第二个子流的接收信号

进行迫零检测，得到第二个子流的待选估计值 ${\hat{s}}_{2,\left(n\right)}^{\left(k\right)}=Q\left\{{\left[{\left(h_2^{\left(k\right)}\right)}^H{h}_2^{\left(k\right)}\right]}^{-1}{\left(h_2^{\left(k\right)}\right)}^H{r}_{2\left(n\right)}^{\left(k\right)}\right\},$ 其中(·)^H表示共轭转置运算，Q{·}表示硬判决运算；

(4.4)根据上述所得的的第2列

第二个子流的接收信号

及第二个子流的待选估计值计算欧式距离：

令n＝n+1，返回步骤(4.2)，直到n＞C，其中C为调制星座的星座点个数；

(4.5)求最小欧式距离

n＝1，…，C的星座点序号

得到前两个子流的估计值

其中

表示求最小值的星座点序号。

步骤5，将前两个子流的估计值

的影响从接收信号r^(k)中消除，得到剩余N-2k个子流的接收信号：

$r_B^{\left(k\right)}=r^{\left(k\right)}-H_A^{\left(k\right)}{\hat{s}}_A^{\left(k\right)}=H_A^{\left(k\right)}{s}_A^{\left(k\right)}+H_B^{\left(k\right)}{s}_B^{\left(k\right)}+n^{\left(k\right)}-H_A^{\left(k\right)}{\hat{s}}_A^{\left(k\right)}$

$=H_A^{\left(k\right)}[s_A^{\left(k\right)}-{\hat{s}}_A^{\left(k\right)}]+H_B^{\left(k\right)}{s}_B^{\left(k\right)}+n^{\left(k\right)},$

由于

是对前两个子流

的近似估计值，忽略估计误差

的影响，可以将剩余N-2k个子流的接收信号

近似为

从而可以看出中消除了前两个子流

的影响。

步骤6，更新k＝k+1，接收信号

信道传输矩阵

及发射信号

返回步骤(3)，直至剩余两个或一个子流未被检出。

步骤7，根据发射天线数N的奇偶性对未被检出的剩余两个或一个子流进行检测，如果发射天线数N为偶数，则重复步骤(3)-(5)，完成剩余两个子流的检测；如果发射天线数N为奇数，则通过迫零方法完成剩余一个子流的检测。

本发明的优点通过下述复杂度分析和性能仿真来进一步说明：

1)复杂度分析

表1为本发明与传统检测方法的复杂度比较，用复数乘法数来衡量。其中接收天线数等于发射天线数M＝N，最大似然判决反馈均衡ML-DFE方法中参数k＝2，求矩阵伪逆采取奇异值分解方法，

和

分别表示上取整和下取整运算，l为求和运算∑(·)的变量。

表1本发明与传统检测方法的复杂度比较

根据表1，得到不同系统配置下本发明与传统检测方法的复数乘法数比较，如表2所示。

表2不同系统配置下本发明与传统检测方法的复数乘法数比较

系统配置	ML方法	OSIC方法	ML-DFE方法	本发明
					M＝N＝4QPSK	5120	1708	653	344
M＝N＝416QAM	1310720	1708	3053	632
					M＝N＝6QPSK	172032	7593	3828	1872

由表2知，当M＝N＝4，采用正交相位键控调制QPSK方式时，本发明需进行344次复数乘法运算，仅为最大似然ML方法的67.2％，，为排序连续干扰消除OSIC方法的20.1％，为最大似然判决反馈均衡ML-DFE方法的52.7％；当M＝N＝4，采用16星座点的正交幅度调制16QAM方式时，本发明需进行632次复数乘法运算，仅为最大似然ML方法的0.05％，为排序连续干扰消除OSIC方法的37.0％，为最大似然判决反馈均衡ML-DFE方法的20.7％；当M＝N＝6，采用正交相位键控调制QPSK方式时，本发明需进行1872次复数乘法运算，仅为最大似然ML方法的1.09％，为排序连续干扰消除OSIC方法的24.7％，为最大似然判决反馈均衡ML-DFE方法的48.9％。表2表明，随天线数与调制阶数的增加，本发明有更高的优越性。

2)性能仿真

仿真条件：采用准静态平坦衰落信道，正交相位键控调制QPSK方式，假设接收端确知信道传输矩阵，其中最大似然判决反馈均衡ML-DFE方法中参数k＝2，接收天线数等于发射天线数M＝N。

当M＝N＝4时，即在4发4收的条件下，对本发明与传统检测方法的误比特率进行仿真，得到对应的仿真性能曲线，如图4所示；当M＝N＝6时，在6发6收的条件下，对本发明与传统检测方法的误比特率进行仿真，得到对应的仿真性能曲线，如图5所示。

图4与图5中的横坐标表示信噪比，纵坐标表示误比特率。从图4中可以看出：在误比特率为10^-3处，本发明相对于排序连续干扰消除OSIC方法有6.9dB信噪比增益，相对于最大似然判决反馈均衡ML-DFE方法有0.8dB信噪比增益；从图5中可以看出：本发明相对于排序连续干扰消除OSIC方法有5.6dB信噪比增益，相对于最大似然判决反馈均衡ML-DFE方法有1.6dB信噪比增益。图4与图5表明在准静态平坦衰落信道下，本发明与传统的排序连续干扰消除OSIC、最大似然判决反馈均衡ML-DFE方法相比，能有效地提高系统性能。在配置更多天线时，本发明可获得更大的性能增益。

Claims (3)

1.一种多输入多输出MIMO逐级并行检测方法，包括如下步骤：

(1)对信道传输矩阵H＝[h₁，…，h_N]的列向量h_j，j＝1，…，N的范数平方大小进行排序，即

得到发射信号s＝[s₁，…，s_N]^T的子流检测顺序<l₁，…，l_N>，进而得到排序后的发射信号

及信道传输矩阵

其中h_j＝[h_1j，…，h_Mj]^T，j＝1，…，N为信道传输矩阵H的第j个列向量，h_ij，i＝1，…，M，j＝1，…，N为发射天线j到接收天线i的信道衰落系数，N为发射天线数，M为接收天线数，s_j，j＝1，…，N为发射信号s的第j个子流；

(2)初始化：迭代次数k＝1，第k次迭代的信道传输矩阵H^(k)＝H_ord，发射信号s^(k)＝s_ord以及接收信号r^(k)＝r，其中r为接收信号，其中

为H^(k)前两列构成的矩阵，

为H^(k)剩余列构成的矩阵，

为发射信号s^(k)的前两个子流，

为发射信号s^(k)的剩余N-2k个子流；

(3)在第k次迭代中，利用组干扰抑制GIS将剩余N-2k个子流的影响从接收信号r^(k)中消除，得到前两个子流的接收信号

(4)对前两个子流的接收信号

进行并行检测，得到前两个子流的估计值

(5)将前两个子流的估计值

的影响从接收信号r^(k)中消除，得到剩余N-2k个子流的接收信号 $r_B^{\left(k\right)}=r^{\left(k\right)}-H_A^{\left(k\right)}{\hat{s}}_A^{\left(k\right)};$

(6)更新k＝k+1，接收信号

信道传输矩阵

及发射信号

返回步骤(3)，直至剩余两个或一个子流未被检出；

(7)根据发射天线数N的奇偶性对剩余的两个或一个子流进行检测：如果发射天线数N为偶数，则重复步骤(3)-(5)，完成剩余两个子流的检测；如果发射天线数N为奇数，则通过迫零方法完成剩余一个子流的检测。

2.根据权利要求1所述的多输入多输出MIMO逐级并行检测方法，其中步骤(3)所述的利用组干扰抑制GIS将剩余N-2k个子流的影响从接收信号r^(k)中消除，按如下步骤进行：

(3.1)从

的零空间

中获得的两个标准正交向量构成矩阵V^(k)，则

(3.2)设接收信号为 $r^{\left(k\right)}=H^{\left(k\right)}{s}^{\left(k\right)}+n^{\left(k\right)}=V^{\left(k\right)}(H_A^{\left(k\right)}{s}_A^{\left(k\right)}+H_B^{\left(k\right)}{s}_B^{\left(k\right)}+n^{\left(k\right)}),$ 将接收信号r^(k)左乘矩阵V^(k)，得到前两个子流的接收信号为 $r_A^{\left(k\right)}=V^{\left(k\right)}{r}^{\left(k\right)}=V^{\left(k\right)}{H}_A^{\left(k\right)}{s}_A^{\left(k\right)}+V^{\left(k\right)}{n}^{\left(k\right)},$ 其中n^(k)为第k次迭代的噪声信号。

3.根据权利要求1所述的多输入多输出MIMO逐级并行检测方法，其中步骤(4)所述的对前两个子流的接收信号

进行并行检测，按照如下步骤进行：

(4.1)设星座点序号n＝1，

的第i列为

i＝1，2，第一个子流的待选估计值

其中为H^(k)前两列构成的矩阵，P_(n)为调制星座的第n个星座点；

(4.2)将第一个子流的待选估计值

的影响从接收信号

中消除，得到第二个子流的接收信号： $r_{2\left(n\right)}^{\left(k\right)}=r_A^{\left(k\right)}-{\hat{s}}_{1,\left(n\right)}^{\left(k\right)}{h}_1^{\left(k\right)}=r_A^{\left(k\right)}-P_{\left(n\right)}{h}_1^{\left(k\right)};$

(4.3)对第二个子流的接收信号

进行迫零检测，得到第二个子流的待选估计值 ${\hat{s}}_{2,\left(n\right)}^{\left(k\right)}=Q\left\{{\left[{\left(h_2^{\left(k\right)}\right)}^H{h}_2^{\left(k\right)}\right]}^{-1}{\left(h_2^{\left(k\right)}\right)}^H{r}_{2\left(n\right)}^{\left(k\right)}\right\},$ 其中(·)^H表示共轭转置运算，Q{·}表示硬判决运算；

(4.4)根据上述所得的的第2列第二个子流的接收信号

及第二个子流的待选估计值

计算欧式距离：令n＝n+1，返回步骤(4.2)，直到n＞C，其中C为调制星座的星座点个数；

(4.5)求最小欧式距离

n＝1，…，C的星座点序号

得到前两个子流的估计值

其中

表示求最小值的星座点序号。

Images