CN102307080B - Mimo系统的串行分块信号检测方法及装置 - Google Patents

Abstract

本发明公开了一种MIMO系统的串行分块信号检测方法及装置，所述方法包括以下步骤：S1、处理接收到的信号以构成搜索树；S2、将所述搜索树分成若干块；S3、逐个串行地对搜索树的各块进行块内最优结果搜索；S4、比较各块搜索到的块内最优结果，得到整个搜索树的最优结果作为检测结果输出。所述装置包括：信号接收单元，用于接收信号；信号检测单元，用于处理所述信号接收单元接收到的信号以构成搜索树；将所述搜索树分成若干块；依次对每块搜索树进行块内最优结果搜索；比较各块搜索到的块内最优结果，得到整个搜索树的最优结果；信号输出单元，用于将所述信号检测单元得到的最优结果输出。本发明在不降低检测性能的前提下，提高了接收数据的检测效率。

Description

MIMO系统的串行分块信号检测方法及装置

技术领域

本发明涉及信号检测技术领域，尤其涉及一种MIMO系统的串行分块信号检测方法及装置。

背景技术

多输入多输出(MIMO)技术可以在不增加频带的前提下，成倍地提高传输速率，现今频率资源日益紧张，所以，MIMO技术被认为是下一代宽带无线通信技术中最为重要的物理层技术之一。

在MIMO系统中，为了提高信源信息传输的可靠性，在发送端，待传输信号首先经过能够提供纠错能力的信道编码，再进行空时/空频/空时频编码，而后由多幅发送天线同时或者按照一定的时间顺序发送出去。在接收端，由多幅接收天线同时或者按照一定的时间顺序接收来自于发送端的信号，并依次进行空时/空频/空时频解码和信道译码，从而将译码结果作为待发送信号的原始信息。

接收端所进行的信道译码实质上是对接收信号的检测，即从接收信号中检测出最优信号，作为译码结果。然而，MIMO技术的信号检测技术却面临着巨大的难题，虽然最大似然(ML)算法从最小错误概率的意义上看是最优的，但是其计算复杂度大，是天线数目及调制阶数的指数形式，例如：采用16QAM(16阶正交幅度调制)方式调制、共有5幅天线时，计算复杂度为16⁵＝1048576。实时系统难以接受这样大的计算复杂度。

作为ML算法的一种近似简化，球形译码(Sphere Decoding，SD)系列算法因为其接近于或等于ML的性能以及相比于ML算法大大降低的计算复杂度日益受到广泛关注。因此，球形译码方式成为当前MIMO信号检测的首选方案。

在球形译码方式中共有深度优先算法(Depth First SD，DFSD)、距离优先算法(Metric First SD，MFSD)和宽度优先算法(Breadth FirstSD，BFSD)三种子算法，其中，从访问节点数的意义上说，距离优先算法是最简单的。但是，距离优先算法在计算中需要建立一个队列用以存放可能的节点，为了保证算法的性能，这个队列可能会很大，于是在软硬件的配置上要求很多的资源，这是距离优先算法的一大缺点，这个缺点严重限制了距离优先算法的应用。降低所需队列的长度，是应用该算法最大的前提。

目前，提出了一些对距离优先算法的简化方案，Seong Ro Lee等人的研究(Seong Ro Lee and Taehun An，“A Metric-First Scheme forMIMO Signal Decoding with Branch Length Threshold”)提出在每个节点上加上剩余层的一个由噪声卡方分布所决定的值，作为每个节点的预计总距离值，裁剪掉那些大于一个设定值的节点以简化计算复杂度。该算法虽然简化了计算，但是算法性能有所下降，其结果不再是最优的。

Rachid.Mansour and Daneshrad.Babak等人的研究(Rachid.Mansour and Daneshrad.Babak，“Iterative MIMO sphere decodingthroughput guarantees under realistic channel conditions”)提出固定队列的长度，大于长度的节点就丢弃的算法。同样，该算法简化了计算，但是算法性能有所下降，其结果不再是最优的。

总之，目前提出的方案的共同缺点是一旦队列长度有所降低，性能就不能保证最优。

发明内容

(一)要解决的技术问题

本发明要解决的技术问题是：提供一种MIMO系统的串行分块信号检测方法及装置，以在不降低检测性能的前提下，提高了接收数据的检测效率。

(二)技术方案

为解决上述问题，本发明提供了一种MIMO系统的串行分块信号检测方法，包括以下步骤：

S1、处理接收到的信号以构成搜索树；

S2、将所述搜索树分成若干块；

S3、逐个串行地对搜索树的各块进行块内最优结果搜索

S4、比较各块搜索到的块内最优结果，得到整个搜索树的最优结果作为检测结果输出。

优选地，所述步骤S1还包括：将所述搜索树各层按照增益从大到小的顺序进行排序。

优选地，所述步骤S2中搜索树的分块方法为：根据需要分块的数目，选定所述搜索树中节点数目与所述分块数目对应的一层，将该层的每个节点以及该节点向下衍生的所有节点划分成一块。

优选地，所述步骤S2中所述搜索树分成P＝2^(m/2)·K块，其中m是调制阶数，K是正整数。

优选地，所述步骤S3中的块内最优结果搜索采用距离优先球形译码搜索。

优选地，所述信号检测方法还包括：在搜索前将各块按照每个块的块根节点的距离从小到大的顺序作为搜索的先后顺序进行排序。

优选地，所述信号检测方法还包括在搜索前设置裁剪半径，进行块内搜索时，比较被搜索节点的距离与所述裁剪半径的大小，裁剪掉距离大于所述裁剪半径的节点。

优选地，所述步骤S3还包括：在每个块搜索完后，如果该块有搜索结果，则将所述裁剪半径更新为该块的搜索结果的距离。

优选地，在每个块内进行距离优先球形译码搜索的步骤包括：

S31、建立一个队列用以存储已被搜索的节点；

S32、将块根节点放入所述队列中，并展开块根节点距离最小的子节点，将队列中的块根节点更新为这个新的子节点，将该新的子节点设为焦点节点；

S33、将焦点节点距离最小的子节点展开，同时将该子节点替换掉队列中的焦点节点；比较该子节点的距离与裁剪半径，如果大于裁剪半径，则裁剪掉该节点；

S34、查询焦点节点是否存在兄弟节点：

如果焦点节点存在兄弟节点，则将该兄弟节点距离最小的子节点展开，加入队列；并比较该新加入的节点的距离与裁剪半径，如果大于裁剪半径，裁剪掉该节点，去步骤S35；

如果焦点节点不存在兄弟节点，则判断焦点节点的父节点是否为块根节点：如果焦点节点的父节点不是块根节点，则将原来的焦点节点的父节点设为焦点节点，回到步骤S34；如果焦点节点的父节点是块根节点，去步骤S35；

S35、判断队列长度是否为0：

如果队列长度为0，则本块无解，本块搜索结束；

如果队列长度不为0，则从队列中寻找一个距离最小的节点作为焦点节点；如果焦点节点不是位于第一层，则回到步骤S33；如果焦点节点位于第一层，则本块的解为当前的焦点节点，将裁剪半径更新为本块解的距离，本块搜索结束。

此外，本发明还提供了一种MIMO系统的串行分块信号检测装置，包括：

信号接收单元，用于接收信号；

信号检测单元，用于处理所述信号接收单元接收到的信号以构成搜索树；将所述搜索树分成若干块；依次对每块搜索树进行块内最优结果搜索；比较各块搜索到的块内最优结果，得到整个搜索树的最优结果；

信号输出单元，用于将所述信号检测单元得到的最优结果输出。

(三)有益效果

本发明通过对搜索树分块后顺序对每个块进行搜索，使得在仍然保持最优检测性能的条件下，可以减小存储已搜索节点所需队列的长度，提高了接收数据的检测效率，从而也提高了传输的效率，同时硬件的实现更加简单，硬件实现的电路面积更小、实际功耗更低。本发明的方法可应用于多用户信号检测及其它信号检测。

附图说明

图1为根据本发明实施例信号检测方法的流程图；

图2为根据本发明实施例信号检测方法优选实施例的块搜索流程示意图；

图3为根据本发明实施例MIMO系统的发送接收结构示意图；

图4为根据本发明实施例对接受到的信号处理后构成的搜索树的示意图；

图5为根据本发明实施例搜索树分块搜索的示意图；

图6是本发明的实施例的仿真实验所得的执行时间柱状图。

具体实施方式

下面结合附图及实施例对本发明进行详细说明如下。

图1所示为本发明实施例MIMO系统的串行分块信号检测方法的流程图，如图1所示，所述方法包括以下步骤：

S1、处理接收到的信号以构成搜索树；

所述步骤S1还包括：将所述搜索树各层按照增益从大到小的顺序进行排序。即搜索树从上层到下层按照节点的增益从大到小的顺序排列。通过对搜索树的节点按照增益大小进行排序，可以对搜索起到加速作用，进一步提高信号检测的速度。

所述信号检测方法还包括在搜索前设置裁剪半径，用于进行块内搜索时，比较被搜索节点的距离与所述裁剪半径的大小，裁剪掉距离大于所述裁剪半径的节点被搜索块中节点的距离。如果块内所有的节点都被裁剪掉，则该块无解，如果有节点保留到最后，该块有解。裁剪半径的初始值根据需要设置，例如可以设为无穷大。

步骤S1的一个优选的实施例为：将信道矩阵按增益大小排序，然后将排序之后的信道矩阵三角化以构成搜索树，并设定初始裁剪半径为无穷大。

S2、将所述搜索树分成若干块；

所述步骤S2中搜索树的分块方法为：根据需要分块的数目，选定所述搜索树中节点数目与所述分块数目对应的一层，将该层的每个节点以及该节点向下衍生的所有节点划分成一块。

所述步骤S2中所述搜索树分成P＝2^(m/2)·K块，其中m是调制阶数，K是正整数。

从上面的步骤描述可以看出，分块的方法及分块后各块的大小是影响检测复杂度的决定性因素。分的块越多，每个块就越小，每个块所需要的队列长度就越短。

然后将各块按照每个块的块根节点的距离从小到大的顺序作为搜索的先后顺序进行排序。即最先搜索块根节点的距离最小的块，该块搜索完成以后再搜索块根节点的距离第二小的块......依次类推，最后搜索块根节点的距离最大的块。

S3、逐个串行地对搜索树的各块进行块内最优结果搜索；即在前一块的搜索结束后再开始后一块的搜索。

在每个块搜索完后，如果该块有搜索结果，则将所述裁剪半径更新为该块的搜索结果的距离。这样可以有效减少队列中数据的长度，缩短搜索时间。

所述步骤S3中的块内最优结果搜索采用距离优先球形译码搜索，其中“距离”为与搜索树中各节点对应的接受到的信号与经过信道的发送信号之间的欧氏距离。

图2为本发明实施例信号检测方法优选实施例的块搜索流程示意图，如图2所示，在每个块内进行距离优先球形译码搜索的步骤包括：

S31、建立一个队列用以存储已被搜索的节点；

S32、将块根节点放入所述队列中，并展开块根节点距离最小的子节点，将队列中的块根节点更新为这个新的子节点，将该新的子节点设为焦点节点；

S33、将焦点节点距离最小的子节点展开，同时将该子节点替换掉队列中的焦点节点；比较该子节点的距离与裁剪半径，如果大于裁剪半径，则裁剪掉该节点；

S34、查询焦点节点是否存在兄弟节点：

如果焦点节点存在兄弟节点，则将该兄弟节点距离最小的子节点展开，加入队列；并比较该新加入的节点的距离与裁剪半径，如果大于裁剪半径，裁剪掉该节点，去步骤S35；

如果焦点节点不存在兄弟节点，则判断焦点节点的父节点是否为块根节点：如果焦点节点的父节点不是块根节点，则将原来的焦点节点的父节点设为焦点节点，回到步骤S34；如果焦点节点的父节点是块根节点，去步骤S35；

S35、判断队列长度是否为0：

如果队列长度为0，则本块无解，本块搜索结束；

如果队列长度不为0，则从队列中寻找一个距离最小的节点作为焦点节点；如果焦点节点不是位于第一层，则回到步骤S33；如果焦点节点位于第一层，则本块的解(即本快的搜索结果)为当前的焦点节点，本块搜索结束，将裁剪半径更新为本块解的距离。

S4、比较各块搜索到的块内最优结果，得到整个搜索树的最优结果作为检测结果输出。在本实施例中，搜索结束后裁剪半径即为本实施例的检测结果的距离。

下面对本发明进行更详细的说明。应该理解，本发明并不局限于所示出的具体实施方式。

1、接收信号的数学表示

对于MIMO系统，在具有丰富散射路径的条件下，假定发送天线数为Nt，接收天线数为Nr，满足Nt≥Nr，系统模型如图3所示。为了表述方便，取Nt＝Nr＝N/2。x＝(x₁ x₂…x_N/2)^T是复数的发送矢量，y＝(y₁ y₂…y_N/2)^T是复数的接收矢量，n＝(n₁ n₂…n_N/2)^T是复数的噪声矢量，满足实部虚部方差为σ，H是N/2×N/2阶的复信道矩阵，其中每一个元素都是独立同分布的复高斯随机变量，满足E(|h_i，j|²)＝1。则接收信号可以表示为：

y＝Hx+n (1)

即MIMO中一个发送符号(矢量x)含有多个发送信号(标量)。

如果采用最大似然检测(ML)算法进行信号检测，最大似然解就是选取一组满足：

${\hat{x}}_{\mathrm{ML}}=\underset{\ℵ}{\arg \min }{\left|\right|y-\mathrm{Hx}\left|\right|}^2---\left(2\right)$

其中，为所有可能的发送信号的集合。当信号的调制阶数为m的时候，求出需要穷尽2m×N/2种可能排列。当天线数目较大、调制阶数较高的时候，ML算法的复杂度非常高，以至于无法应用，所以实际上一般采用次优的算法。例如，本发明所基于的球形译码(SphereDecoding，SD)的距离优先算法(MFSD算法)。

2、矩阵的三角化和树状搜索

前述的接收信号中的复数接收矢量y、信道矩阵H、发送矢量x到实数的转化如下：

实数域的接收矢量r＝(real(y)^T，imag(y)^T)^T；

实数域的发送矢量s＝(real(x)^T，imag(x)^T)^T；

实数域的噪声矢量v＝(real(n)^T，imag(n)^T)^T；

实数域的信道矩阵 $G=\left(\begin{array}{cc}\mathrm{real}\left(H\right)& -\mathrm{imag}\left(H\right)\\ \mathrm{imag}\left(H\right)& \mathrm{real}\left(H\right)\end{array}\right).$

则式(2)可以表示为，即接收信号可以表示为：

r＝Gs+v (3)

对矩阵G进行QR分解，G＝QR，其中Q为N×N阶的酉矩阵，R是N×N阶的上三角矩阵，表示为：

则式(3)可以进一步表示为：

ρ＝Rs+η (4)

其中：ρ＝Q^Hr，η＝Q^Hv。

或者，式(4)还可以表示为：

进一步将其展开，可以得到：

${\mathrm{\ρ}}_i=r_{i,i}{s}_i+\underset{j=i+1}{\overset{N}{\mathrm{\Σ}}}\left(r_{i,j}{s}_j\right)+{\mathrm{\η}}_i$ i＝1，2，...N (5)

每一个ρ_i的计算都可以看成是一层数据。从式(5)可以看到，第N层的接收数据ρ_N只由本层发送数据s_i决定，不受其它层的干扰；而第N-1层的接收数据ρ_N-1除了与第N-1层的发送数据s_N-1有关外，还受到第N层发送数据s_N的影响。一般来看，第i层的接收数据ρ_i不仅与第i层的发送数据s_i有关外，还受第i+1层到第N层发送数据(s_i+1…s_N)的影响，所以当已知第i+1层到第N层的发送数据的情况下，可以求得第i层的发送数据。

设发送矢量的估计值为：

$\hat{s}={\left(\begin{array}{cccc}{\hat{s}}_1& {\hat{s}}_2& ...& {\hat{s}}_N\end{array}\right)}^T---\left(6\right)$

其中为第i层发送矢量的估计值。则截止第i层，已检测部分的发送矢量的估计值与接收值之间的欧氏距离(可以理解为经过信道的发送信号与接收信号的距离)为：

$d_i=\underset{j=i}{\overset{N}{\mathrm{\Σ}}}{({\mathrm{\ρ}}_j-\underset{k=j}{\overset{N}{\mathrm{\Σ}}}{r}_{j,k}{\hat{s}}_k)}^2---\left(7\right)$

因为第N层的接收数据ρ_N只与第N根发送数据s_N有关，所以，信号检测可以先从第N层开始，顺序到第一层。如果考虑发送信号调制方式的所有取值，最开始检测的第N层有2^m/2种选择，把每个取值的选择看作一个节点，每个节点都是一种可能的解。这样第N层就有2^m/2个节点；其次检测的第N-1层在第N层的基础上，相当于将第N层的每个节点都展开计算2^m/2个节点，共有2^m/2×2^m/2个节点；之后每层都在前层的节点数的基础上乘以2^m/2，最后一层共有(2^m/2)^N＝2^N×m/2个节点。将这些节点按照它们被访问的次序连接起来，就组成2^N×m/2条路径，这些路径从同一个节点出发、每个节点在下一层分出2^m/2个节点，类似于一个倒立的树，如图4所示。SD系列算法的搜索过程就可用该图来描绘，每一个节点都是一种可能的解。

距离优先球形译码算法在搜索之前建立一个可能节点的队列，队列中存储可能的节点位置及节点距离值。最开始队列中只有一个节点，就是根节点，根节点的距离值为0。随着搜索的进行，队列中不断有新的节点加入，现有的节点可能会被更新，总的对列长度不断增加。在不对搜索树进行分块搜索时，虽然距离优先球形译码算法搜索的平均节点数是最少的，但最大可能搜索的节点数却很大，为了保证在最大可能的情况下不丢失节点，队列长度通常要设定得很大。

本发明提出将整个搜索树分成若干块，搜索就可以限制在一块之内，这样队列的长度就可以大大缩短。先完成块的解的距离值可以作为裁剪半径，用来裁剪后完成块中的节点，当节点距离大于裁剪半径时被裁剪掉。块的数目可以根据实际操作的情况来决定，一般为特定层节点的数目。例如在4×4天线、16QAM系统中，搜索树共有8层，第8层有4个节点，第7层有16个节点，块的数目可以等于4，或者16。

本发明实施例给出了如图4所示的一个四层搜索树的示意图，每层的节点有两种取值选择。图5示出了对图4所示的搜索树进行分块串行搜索的示意图，其中假定按照第三层节点的数目，将搜索树分成四块，每块最上面的那个节点作为块根节点，计算块根节点的在整个搜索树中的距离，将各块按照块根节点的距离从小到大的顺序排序，首先搜索块根节点距离最小的块。

块内搜索时，每个块只需建立一个块队列，块队列长度是整个搜索树不分块搜索时队列长度的1/4，其中4为分块的数目。显然，分块的数目越多，每一块搜索树的块队列长度就越短。

图6示出了根据本发明的一个实施例的仿真实验的结果。其中实验环境为4发送天线、4接收天线、16QAM调制方式，具体分块数为4。图表示本发明的实施例的平均访问节点示意图，图中，MFSD表示传统的距离优先球形译码算法，SMFSD表示本发明分块顺序搜索的距离优先球形译码算法。图中可以看到，本发明的实施例的复杂度比传统算法提高有限。具体增加复杂度的比例可见表一。

表一：本发明算法复杂度及所需存储量与原算法比较表

表中可以看到，在较低信噪比(0～2dB)和较高信噪比(12～24dB)情况下，本发明所提算法复杂度比原来算法复杂度大概提高20％左右；在中等复杂度的情况下，复杂度提高较多，但最多也只有37％。表一中还列出了算法所需存储量，统一只有25％。考虑到队列大小会影响到排序、寻找最值等等操作的时间，实际的复杂度增加要小于所列数值。

从而可以看出，本发明的实施例实现了与基于距离优先球形译码算法的检测方法复杂度略有增加，但是实际所需存储器容量大为降低。

本发明的另一个实施例为一种MIMO系统的串行分块信号检测装置，包括：

信号接收单元，用于接收信号；

信号检测单元，用于处理所述信号接收单元接收到的信号以构成搜索树；将所述搜索树分成若干块；依次对每块搜索树进行块内最优结果搜索；比较各块搜索到的块内最优结果，得到整个搜索树的最优结果；

信号输出单元，用于将所述信号检测单元得到的最优结果输出。

本实施例中所述信号检测单元具体的用于：

从信道矩阵搜索空间的第N层开始进行搜索，首先将信道矩阵实数化及三角化，相应的接收矢量实数化，设定裁剪半径为无穷大；

按照确定所需划分块的数目，将搜索树分块，并按照块根节点的距离从小到大排序；

从现有的块中，找到块根节点距离最小的那个块，进行块内搜索：块内搜索包括块内初始搜索和块内循环搜索。块内初始搜索时，块队列中最初只有一个节点，就是块根节点，其距离是块根节点在整个搜索树中的距离，展开块根节点距离最小的子节点，将队列中的块根节点更新为这个新的子节点；块内循环搜索时，从队列中寻找一个距离最小的节点，作为焦点节点，将焦点节点的距离最小的子节点展开，同时替换掉队列中的焦点节点；展开焦点节点距离最小的兄弟节点，加入到队列中；如果焦点节点所有的兄弟节点都曾被加入到队列中，则向上回溯一层，寻找焦点节点父节点的距离最小的兄弟节点，如果还没有节点，继续回溯，直到次顶层。展开节点时，比较节点的距离与裁剪半径，当距离大于裁剪半径时，裁剪掉该节点。如果本块内所有节点没有被搜索完或者裁剪掉，继续块内循环搜索，否则结束循环；如果本块搜索有解，解的距离作为新的裁剪半径去裁剪那些还没有完成搜索的块中的节点；

如果还有块没有搜索完，继续搜索块，否则找到所有块的解的最小值作为检测结果输出，结束搜索。

本发明的实施例以距离优先球形译码算法为基础，提出一种分块顺序搜索的距离优先球形译码算法，保证在有限增加系统访问节点数前提下，大幅度降低系统计算的所需要的存储器容量。

以上实施方式仅用于说明本发明，而并非对本发明的限制，有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本发明的范畴，本发明的专利保护范围应由权利要求限定。

Claims (4)

1.一种MIMO系统的串行分块信号检测方法，其特征在于，包括以下步骤：

S1、处理接收到的信号以构成搜索树；

S2、将所述搜索树分成若干块；

S3、逐个串行地对搜索树的各块进行块内最优结果搜索；

S4、比较各块搜索到的块内最优结果，得到整个搜索树的最优结果作为检测结果输出；

其中，所述步骤S2中搜索树的分块方法为：根据需要分块的数目，选定所述搜索树中节点数目与所述分块数目对应的一层，将该层的每个节点以及该节点向下衍生的所有节点划分成一块；

所述步骤S2中所述搜索树分成P＝2^(m/2)·K块，其中m是调制阶数，K是正整数；

所述步骤S3中的块内最优结果搜索采用距离优先球形译码搜索；

在每个块内进行距离优先球形译码搜索的步骤包括：

S31、建立一个队列用以存储已被搜索的节点；

S32、将块根节点放入所述队列中，并展开块根节点距离最小的子节点，将队列中的块根节点更新为这个新的子节点，将该新的子节点设为焦点节点；

S33、将焦点节点距离最小的子节点展开，同时将该子节点替换掉队列中的焦点节点；比较该子节点的距离与裁剪半径，如果大于裁剪半径，则裁剪掉该节点；

S34、查询焦点节点是否存在兄弟节点：

如果焦点节点存在兄弟节点，则将该兄弟节点距离最小的子节点展开，加入队列；并比较该新加入的节点的距离与裁剪半径，如果大于裁剪半径，裁剪掉该节点，去步骤S35；

如果焦点节点不存在兄弟节点，则判断焦点节点的父节点是否为块根节点：如果焦点节点的父节点不是块根节点，则将原来的焦点节点的父节点设为焦点节点，回到步骤S34；如果焦点节点的父节点是块根节点，去步骤S35；

S35、判断队列长度是否为0：

如果队列长度为0，则本块无解，本块搜索结束；

如果队列长度不为0，则从队列中寻找一个距离最小的节点作为焦点节点；如果焦点节点不是位于第一层，则回到步骤S33；如果焦点节点位于第一层，则本块的解为当前的焦点节点，将裁剪半径更新为本块解的距离，本块搜索结束；

所述步骤S3还包括：在每个块搜索完后，如果该块有搜索结果，则将所述裁剪半径更新为该块的搜索结果的距离。

2.如权利要求1所述的信号检测方法，其特征在于，所述步骤S1还包括：将所述搜索树各层按照增益从大到小的顺序进行排序。

3.如权利要求1所述的信号检测方法，其特征在于，所述信号检测方法还包括：在搜索前将各块按照每个块的块根节点的距离从小到大的顺序作为搜索的先后顺序进行排序。

4.如权利要求1所述的信号检测方法，其特征在于，所述信号检测方法还包括在搜索前设置裁剪半径，进行块内搜索时，比较被搜索节点的距离与所述裁剪半径的大小，裁剪掉距离大于所述裁剪半径的节点。