CN102598609A - Mimo中的检测后改进方法 - Google Patents

Abstract

MIMO检测的两级方法以计算上易处理的方式改进接收器性能。白化联合检测器处理MIMO符号流。白化联合检测器包括可操作用来抑制作为有色噪声接收到的MIMO流的第一子集的前置滤波器。白化联合检测器还包括主要联合检测器，可操作用来处理MIMO流的第二子集并且输出通过最小化白化联合检测度量获得的初步解。然后辅助检测器在主要联合检测器初步解附近操作。辅助检测器通过与全检测度量的比较改进初步解。

Description

MIMO中的检测后改进方法

技术领域

本发明一般涉及无线通信，并且更具体地说，涉及改进的MIMO联合检测接收器。

背景技术

多输入多输出(MIMO)是其中在发射器处利用多个发射天线并且在接收器处也利用多个接收天线的通信技术。MIMO技术提供增加的数据吞吐量和范围，而不需要额外的带宽或发射功率。它通过更高的频谱效率和链路分集实现此方面。

在一种类型的MIMO技术中，同时发射N个符号流。在每个接收器天线处接收每个符号。联合检测器接收器是恢复已发射符号的已知技术。对于N个都来自于尺寸为q的同一星座图Q的符号，联合检测接收器有q^N种可能性要评估。对于q＝64和4个发射和接收天线，这得出64⁴或者16777216种可能性。在高数据率时，全联合检测接收器在计算上剧增并且是无法实现的。

发明内容

根据在本文公开并要求权利的一个或者多个实施例，MIMO检测的两级方法以计算上易处理的方式改进接收器性能。白化联合检测器处理MIMO符号流。白化联合检测器包括前置滤波器，前置滤波器可操作用来抑制作为有色噪声的接收到的MIMO流的第一子集。白化联合检测器还包括主要联合检测器，主要联合检测器可操作用来处理MIMO流的第二子集并且输出通过最小化白化联合检测度量获得的初步解。然后辅助检测器在主要联合检测器初步解附近操作。辅助检测器通过与全联合检测度量的比较改进初步解。

附图说明

图1是包括前置滤波器和使用白化联合检测度量的联合检测器的白化联合检测器的功能方框图。

图2是包括并行的前置滤波器和联合检测器分支的白化联合检测器的功能方框图，每个前置滤波器和联合检测器分支处理MIMO流的不同子集。

图3是4-ASK符号星座图和相关联格雷码的表示图。

图4是8-ASK符号星座图和相关联格雷码的表示图。

具体实施方式

在非扩散信道上的N×N MIMO的情形下，接收的信号可以被模型化为：

r＝Hs+n    (1)

其中r是接收的信号，s是发射的信号，n是噪声，以及H概括了传输信道。在此，r、s和n是N×1矢量，并且H是N×N矩阵。H的分量是无关的并且是瑞利衰落的。在缺省情况下，n是协方差为R_n＝σ²I的白色高斯噪声。所有N个信号都来自于尺寸为q的同一星座图Q，并且所有N个符号都以同一功率被发射。s的有效星座图尺寸为q^N。

s的全联合检测接收器在所有q^N个候选

上搜索最小化平方距离

$m_{\mathrm{JD}}\left(\hat{s}\right)={(r-H\hat{s})}^H(r-H\hat{s})---\left(2\right)$

的候选。

此解表示为

全联合检测接收器在计算上是复杂的，并且对于大星座图和高数据率可能是无法实现的。

图1示出接收器10的白化联合检测部分。在白化联合检测器10中，通过将联合检测接收器14修改成仅仅联合地检测包含N个信号当中的N_A个信号的集合A并将其余的、包含其它N_B＝N-N_A个信号的集合B当作干扰，来简化所述任务。集合B中的信号被模型化为有色噪声，并且被白化前置滤波器12抑制。

在不失一般性的情况下，假设A占用s顶部，并且B占用其底部。其它情况与此类似。从而，

$s=\left[\begin{array}{c}{s}_A\\ s_B\end{array}\right]---\left(3\right)$

H＝[H_A，H_B]，以及             (4)

r＝H_As_A+H_Bs_B+n＝H_As_A+u        (5)

其中H_A是N×N_A矩阵，H_B是N×N_B矩阵，s_A是N_A×1矢量，s_B是N_B×1矢量，并且u是N×1矢量。

我们将u模型化为有色噪声。我们假设发射的符号具有零均值。对于大多数公知的星座图，情况是如此。那么，s_B具有零均值，因此H_Bs_B也具有零均值。此外，H_Bs_B的协方差为

$R_B=H_B{H}_B^H{E}_B---\left(6\right)$

其中，E_B是s_B中的平均符号能量。因此，u具有零均值和协方差

R_u＝R_B+R_n                             (7)

采用有色噪声模型的情况下，用于A的白化联合检测器在所有

个候选

上搜索最小化如下度量的候选：

${(r-H_A{\hat{s}}_A)}^H{R}_u^{-1}(r-H_A{\hat{s}}_A)=---\left(8\right)$

$r^H{R}_u^{-1}r-2\mathrm{Re}\left\{{\hat{s}}_A{H}_A^H{R}_u^{-1}r\right\}+{\hat{s}}_A^H{H}_A^H{R}_u^{-1}{H}_A{\hat{s}}_A$

我们可以利用公式(8)确定前置滤波器12，其输出是联合检测器14的输入。我们定义N×N_A矩阵

$W=R_u^{-1}{H}_A---\left(9\right)$

作为前置滤波器12。其输出是N_A×1矢量

z_A＝W^Hr                       (10)

公式(8)的第一项不依赖于

可以舍弃。其余两个项确定为

$m_{\mathrm{WJD}}\left({\hat{s}}_A\right)=-2\mathrm{Re}\left\{{\hat{s}}_A{z}_A\right\}+{\hat{s}}_A^H{H}_A^H{R}_u^{-1}{H}_A{\hat{s}}_A---\left(11\right)$

其被用作白化联合检测器的度量。

前置滤波器12在抑制作为干扰的B中的其它信号的同时收集A中的期望信号的能量。

多个白化联合检测器10可以被并行部署，以便处理N个流。例如，对于N＝4个流，两个白化联合检测器可各处理两个流。作为备选，图2表示4个白化联合检测器，各处理单个流(A，B，C和D)。对于N个符号的全解表示为

多个并行的白化联合检测器10相比全联合检测器需要较少的复杂度，然而，白化联合检测器10的性能较差。为了恢复一些性能损失，采用辅助检测器16。辅助检测器16在主要检测器14的解附近搜索更好的解。辅助检测器16使用更好的度量。具体而言，在此，每个主要检测器14使用公式(11)中的白化联合检测器度量。辅助检测器16使用公式(2)中的全联合检测器度量。辅助检测器16的局部搜索集包括最近邻居，正如本文解释的那样。

此外，辅助检测器16中的局部搜索很适合于生成调制解调器比特软值。我们示出可如何通过为每个符号的每个比特确定软值生成中所使用的指定同伴符号使之变得简单。

假设主要检测器10已经产生其解

如图2中所示，全联合检测器度量计算为：

$m_{\mathrm{JD}}\left({\tilde{s}}_{\mathrm{WJD}}\right)={(r-H{\tilde{s}}_{\mathrm{WJD}})}^H(r-H{\tilde{s}}_{\mathrm{WJD}})---\left(12\right)$

不在使用白化联合检测度量的主要检测器14中计算该全联合检测度量。

辅助检测器16尝试好于(beat)公式(12)中的度量。也就是，如果发现其联合检测度量小于

的候选矢量

那么

在联合检测意义上是个更好的解，并且应该替换主要检测器10输出的

最近的邻居是离给定符号最小欧氏距离处的符号。首先注意到，从联合检测器的角度，原理上最近邻居应该是在“接收域”中的。也就是，应该考虑信道H的效果，并且应该使用

的最近邻居。然而，发现最近邻居是很复杂的操作。此外，因为H随着时间而变化，所以必须经常重复此操作。因此，需要更加可管理的最近邻居过程。

在一个实施例中，在“发射域”中发现最近邻居。也就是，忽略信道的效果，并且考虑

的邻居。此外，可以考虑

的N个单独符号

的最近邻居。这大大简化了对最近邻居的搜索。符号值s的最近邻居集表示为T(s)。

注意到通过忽略信道H的效果，有价值的信息丢失。发射域中的最近邻居不一定是接收域中的最近邻居。然而，它是得到平均意义上好结果的简化近似法。

图3表示从调制解调器比特到四级幅移键控(4-ASK)调制方案中的符号的映射。图3中表示的映射是格雷映射。两个内部符号各具有两个最近邻居，并且两个外部符号各具有一个最近邻居。

正交幅度调制(QAM)的普遍映射是按照ASK分量定义的。也就是，对于16-QAM，4比特映射被定义为4-ASK分量上的两个2-比特格雷映射。在这种方案中，4个内部符号各具有4个最近邻居。这4个角落符号各具有两个最近邻居。其余8个外部符号各具有3个最近邻居。

类似地，对于64-QAM，6-比特映射被定义为8-ASK分量上的两个3-比特格雷映射。这36个内部符号各具有4个最近邻居。这4个角落符号各具有两个最近邻居。其余24个外部符号各具有3个最近邻居。

在一个实施例中，辅助检测器16实现循环通过所有N个符号的基本搜索，每次一个符号，并且考虑每个符号的最近邻居中的每一个最近邻居。如果最佳符号矢量已经改变，那么它再次循环通过所述N个符号。如果最佳符号矢量在全循环后不改变，指示不可获得进一步的改进，那么停止搜索。该搜索也可以对执行的循环数量有总的限制。

更具体地说，初始条件是

主要联合检测器14的输出，以及

使用该输出的全联合检测度量(与主要联合检测器14所使用的白化联合检测度量相反)。在不太失一般性的情况下，我们从第一个符号

开始，并且我们测试中的所有符号。也就是，为候选

计算全联合检测度量，其等于

不过符号

替换成从

的最近邻居。如果

$m_{\mathrm{JD}}\left(\hat{s}\right)<\stackrel{\&OverBar;}{m}---\left(13\right)$

那么 $\stackrel{\&OverBar;}{s}=\hat{s}$ 并且 $\stackrel{\&OverBar;}{m}=m_{\mathrm{JD}}\left(\hat{s}\right).$

此搜索然后在

上继续，以此类推。在搜索通过

后，该循环完成。如果

已经从该循环开始时的值发生改变了，指示此解有一些改进，那么执行另一循环。如果

没有改变，则最后的循环的输出是可获得的最佳解，并且此过程终止。辅助检测器16也可以检查所执行的循环数量的预定极限。

该搜索以解

终止。如果

那么通过构造

并且辅助检测器16已经发现联合检测器度量意义上更好的解。如果

那么辅助检测器16没有在主要检测器14的解上进行改进。

在一个实施例中，辅助检测器16实现一次改变多于一个符号的高级搜索。集合定义为

$U\left(\stackrel{\&OverBar;}{s}\left(i\right)\right)=T\left(\stackrel{\&OverBar;}{s}\left(i\right)\right)U\left\{\stackrel{\&OverBar;}{s}\left(i\right)\right\}---\left(14\right)$

同时改变的符号的数量L＞1是设计参数。初始条件与基本搜索实施例中相同： $\stackrel{\&OverBar;}{s}={\tilde{s}}_{\mathrm{WJD}}$ 并且 $\stackrel{\&OverBar;}{m}=m_{\mathrm{JD}}\left({\tilde{s}}_{\mathrm{WJD}}\right).$

在不太失一般性的情况下，使用

同时搜索前L个符号。也就是，通过从

开始，并且用来自

的符号替换前L个符号，来形成候选

注意在

中包括意味着考虑其中少于L个符号实际上发生改变的情况。如同基本搜索实施例一样，

并且在 $m_{\mathrm{JD}}\left(\hat{s}\right)<\stackrel{\&OverBar;}{m}$ 的情况下， $\stackrel{\&OverBar;}{m}=m_{\mathrm{JD}}\left(\hat{s}\right).$

该搜索在下L个符号上继续，以此类推，直至所有符号被取尽。如果N不是L的倍数，则最后的搜索可能在少于L个符号上。增加L使得搜索更彻底，也更复杂。值L＝N意味着同时搜索所有符号。

可以进一步通过交叠L个符号的连续组来一般化搜索过程。例如，假设L是偶数，在考虑前L个符号后，要考虑的下L个符号由前L个符号中的后一半和下L/2个符号组成，以此类推。交叠的好处是把更多可能的候选包括在搜索中。存在复杂性方面的对应增加。

随后的解码器可以利用调制解调器比特软值来增加总体性能。然而，当添加软值的生成到主要联合检测器14时，软值的生成可以表示额外的复杂性。在一个实施例中，由辅助检测器16生成并输出软值。

在不太失一般性的情况下，考虑具有2^J个符号的星座图。令b₁…b_J表示映射到符号s的J个比特。为了表示这些软值，定义比特最近邻居(BNN)是方便的。对于比特b_j，

是星座图中b_j翻转了的最靠近的符号。如果两个符号满足BNN要求，那么选择一个符号使得BNN是唯一的。注意，没有强加条件在其余J-1个比特(其可能改变或者可能不变)上。也注意，从星座图以及比特映射，可以离线地计算BNN。

再参考具有图3的格雷映射的4-ASK，对于s＝-3(其中b₁b₂＝00)， $s_1^{\&prime;}=+1$ 并且 $s_2^{\&prime;}=-1.$ 对于s＝-1(其中b₁b₂＝01)， $s_1^{\&prime;}=+1$ 并且 $s_2^{\&prime;}=-3,$ 等等。

作为另一个示例，图4表示具有格雷映射的8-ASK。在这种情况下，对于s＝-7(其中b₁b₂b₃＝000)，

并且

对于s＝-1(其中b₁b₂b₃＝001)， $s_1^{\&prime;}=+1,$ $s_2^{\&prime;}=-3$ 并且 $s_3^{\&prime;}=-7,$ 等等。

对于全联合检测度量

辅助检测器16输出的解是

对于

中的符号中的比特j，构造符号矢量

其中符号

由合适的BNN替代，并且其它符号不变。计算全联合检测度量给定符号i中的比特j的软值如下

$\mathrm{\&lambda;}=|m_{\mathrm{JD}}\left({\stackrel{\&OverBar;}{s}}^{\&prime;}\right)-\stackrel{\&OverBar;}{m}|---\left(15\right)$

总的来说，软值生成与前面描述的基本搜索类似，其中以BNN替代最近邻居集。

此外，正如在上述ASK例子中的情况，

可能已经在最近邻居集中，因此在辅助检测器16中已经计算

在这种情况下，没必要为软值生成再次计算

在一个实施例中，定义最近邻居符号集以便不仅包括上面定义的最近邻居，而且包括次最近邻居，所述次最近邻居被定义为与给定符号相差次最小距离的符号。因此次最近邻居符号的定义可以根据期望或者根据需要扩展。

在大星座图中，不严格的最近邻居集与该星座图相比还是小。一般而言，放宽最近邻居集使辅助检测器16中的更广搜索能够实现，从而增大确定真正联合检测器解的机会。当然，这是以较高复杂性为代价的情况下进行的。

上述辅助检测器16的实施例使用全联合检测器度量并且尝试确定联合检测器解。在一个实施例中，相比主要检测器14，辅助检测器16在更大数量的MIMO流上执行其搜索，并且使用对应的白化联合检测度量。这有助于以较小性能增加为代价降低辅助检测器16的复杂性。例如，在具有8个MIMO流的一个实施例中，每个主要检测器14联合地处理2个流，并且辅助检测器16联合地处理4个流。

多级仲裁(MSA)是一种适合于MIMO和多载波情形的有吸引力的解调结构。在共同待审的、由G.E.Bottomley和Y.-P.E.Wang于2009年9月28日提交的题为“Nonlinear Equalization and MIMODemodulation Using Multistage Arbitration(MSA)”的美国专利申请12/568,036中描述MSA，此专利申请转让给本申请的受让人，通过引用将其公开全部结合到本文中。MSA中的一般思想是在多级中筛选大的候选集，其中每级拒绝一些候选，直至在最后一级后留下单一候选。在多个流的情形(例如MIMO或者多码传输)下，MSA增加连续级中联合地处理的流数量。也就是，在第一级中，每个流可能由单个检测器单独地处理。然后在第二级中，成对的流可能被联合检测器一起处理，以此类推。这使复杂性远离爆炸，同时在所有流上模仿了真正联合检测器的行为。

在一个实施例中，整个MSA接收器被当作主要检测器，并且本文描述的辅助检测器16在MSA解上进行改进。由于MSA没有穷尽地搜索所有可能的符号组合，所以改进是可能的。辅助检测器16对于MSA的软值生成也是有利的。

不明确的连续局部化(SLI)是多级检测器，被提议为MSA的低复杂度备选。在共同待审的、由A.Khayrallah于2009年8月27日提交的题为“Method for Demodulation Using S erial Localization withIndecision(SLI)，″的美国专利申请12/549,132中公开SLI接收器，此专利申请转让给本申请的受让人，通过引用将其公开全部结合到本文中。在共同待审的、由A.Khayrallah于2009年8月27日提交的题为“Methodfor Joint Demodulation and Interference Suppression Using SerialLocalization with Indecision(SLI)，″的美国专利申请12/549,157中公开了使用具有SLI接收器的联合检测，此专利申请也转让给本申请的受让人，也通过引用将其公开全部结合到本文中。SLI的不明确特征来源于用交叠的子集表示调制星座图的关键因素。不明确性在多级结构中有利，这是因为它阻碍了在早期阶段不能撤销的坏决定。

正如在上面引用的专利申请中解释的，SLI块通过其质心表示星座图符号的子集，并把质心集当作它自己的星座图。通过检测某个质心，SLI块有效地局部化搜索，因为下一级会关注与此质心相关联的子集。

在一个实施例中，如同MSA一样，整个SLI接收器被当作主要检测器，并且本文描述的辅助检测器16在SLI解上进行改进。因为SLI没有穷尽地搜索所有可能符号组合，所以改进是可能的。辅助检测器16对于SLI的软值生成也有利。

根据本文描述的任一实施例的辅助检测器16是在主要检测器之后的合适的第二级，主要检测器不进行穷尽搜索、不使用全联合检测度量、或者两者都不。辅助检测器16也为软值生成提供便利机制。

当然，可以在不偏离本发明的本质特征的情况下，以不同于本文具体阐述的方式实施本发明。所述实施例在所有方面都要视为说明性的，而不是限制性的，并且落入随附权利要求书的所有含义和等效范围内的变化都旨在包含于其中。

Claims (19)

1.在其中发射两个或更多个通信符号流的多输入多输出(MIMO)无线通信网络中可操作的接收器，所述接收器包括：

白化联合检测器，所述白化联合检测器包括：

前置滤波器，可操作用来抑制作为有色噪声的接收到的MIMO流的第一子集；以及

主要联合检测器，可操作用来处理所述MIMO流的第二子集并且输出通过最小化白化联合检测度量获得的初步解；以及

辅助检测器，在所述主要联合检测器初步解附近操作，并且可操作用来通过与全联合检测度量的比较改进所述初步解。

2.如权利要求1所述的接收器，还包括与所述第一白化联合检测器并行操作的第二白化联合检测器，所述第二白化联合检测器可操作用来抑制作为有色噪声的MIMO流的所述第二子集以及处理所述MIMO流的所述第一子集。

3.如权利要求2所述的接收器，还包括与所述第一白化联合检测器和所述第二白化联合检测器并行操作的第三白化联合检测器，其中每个白化联合检测器处理MIMO流的不同子集以及抑制作为有色噪声的MIMO流的所有其它子集。

4.如权利要求1所述的接收器，其中在所述主要联合检测器初步解附近操作并且可操作用来通过与全联合检测度量的比较改进所述初步解的所述辅助检测器可操作用来：

计算所述主要联合检测器输出的所述初步解上的全联合检测度量；

采用所述初步解上的全联合检测度量作为假设的辅助解；

迭代地计算所述主要联合检测器初步解中发现的符号的多个最近邻居矢量的所述全联合检测度量；以及

在每一次迭代时，如果最近邻居矢量的所述全联合检测度量小于所述假设的辅助解，则用所述度量替代作为新假设的辅助解；

重复迭代，直至如下之一：相比最后假设的辅助解所述度量没有改进，或者达到迭代计数；以及

采用最后假设的辅助解作为所述辅助检测器的输出。

5.如权利要求4所述的接收器，其中迭代地计算所述主要联合检测器初步解中发现的符号的多个最近邻居矢量上的所述全联合检测度量包括：计算

$m_{\mathrm{JD}}\left(\hat{s}\right)={(r-H\hat{s})}^H(r-H\hat{s})$

其中r是接收的信号；

H是信道；以及

是所述主要联合检测器初步解中发现的符号的最近邻居矢量。

6.如权利要求5所述的接收器，其中，在每一次迭代时，

是其中每次相对于前一次迭代改变一个符号的最近邻居的矢量。

7.如权利要求5所述的接收器，其中，在每一次迭代时，

是其中每次相对于前一次迭代改变L＞1个符号的最近邻居的矢量。

8.如权利要求4所述的接收器，其中所述辅助检测器在发射域中的最近邻居符号上操作。

9.如权利要求1所述的接收器，其中所述辅助检测器还可操作用来输出软比特值。

10.如权利要求9所述的接收器，其中所述辅助检测器输出已确定符号的矢量和已确定符号的矢量的全联合检测度量，以及其中它通过以下来确定软值：

为已确定符号的矢量中每个符号的每个比特确定比特最近邻居符号；

对于每个符号的每个比特，用对应的比特最近邻居符号替代已确定符号，以及计算具有所述替代的比特最近邻居符号的已确定符号的矢量上的所述全联合检测度量；以及

采用在已确定符号的矢量上计算的所述全联合检测度量与具有所述替代的比特最近邻居符号的已确定符号的矢量上的所述全联合检测度量之差的绝对值作为每个符号的每个比特的软值。

11.一种在其中发射两个或更多个符号流的多输入多输出(MIMO)无线通信网络中检测通信符号的方法，所述方法包括：

抑制作为有色噪声的接收到的MIMO流的第一子集；以及

在第一主要检测器中联合地检测所述MIMO流的第二子集并输出通过最小化白化联合检测度量获得的初步解；以及

在辅助检测器中联合地检测所述MIMO流的所述第二子集，所述辅助检测器在所述主要联合检测器初步解附近操作并且通过与全联合检测度量的比较改进所述初步解。

12.如权利要求11所述的方法，还包括在第二主要检测器中联合地检测所述MIMO流的所述第一子集。

13.如权利要求11所述的方法，还包括，在所述辅助检测器中：

在所述主要联合检测器输出的初步解上计算所述全联合检测度量；

采用所述初步解上的所述全联合检测度量作为假设的辅助解；

迭代地计算所述主要联合检测器初步解中发现的符号的多个最近邻居矢量上的所述全联合检测度量；以及

在每一次迭代时，如果最近邻居矢量的所述全联合检测度量小于所述假设的辅助解，则用所述度量替代作为新假设的辅助解；以及

重复迭代，直至如下之一：相比所述最后假设的辅助解所述度量没有改进，或者达到迭代计数；以及

采用所述最后假设的辅助解作为所述辅助检测器的输出。

14.如权利要求13所述的方法，其中迭代地计算所述主要联合检测器初步解中发现的符号的多个最近邻居矢量上的所述全联合检测度量包括：计算

$m_{\mathrm{JD}}\left(\hat{s}\right)={(r-H\hat{s})}^H(r-H\hat{s})$

其中r是接收的信号；

H是信道；以及

是所述主要联合检测器初步解中发现的符号的最近邻居矢量。

15.如权利要求14所述的方法，还包括：在每一次迭代时，与前一次迭代相比，每次改变靠近一个符号的矢量

中的最近邻居。

16.如权利要求14所述的方法，还包括：在每一次迭代时，与前一次迭代相比，每次改变靠近L＞1个符号的矢量

中的所述最近邻居。

17.如权利要求13所述的方法，其中所述主要联合检测器初步解中发现的符号的最近邻居包括作为所述发射域中最近邻居的符号。

18.如权利要求11所述的方法，还包括：从所述辅助检测器输出软比特值。

19.如权利要求18所述的接收器，还包括：在所述辅助检测器中：

为所述已确定符号的矢量中的每个符号的每个比特确定比特最近邻居符号；

对于每个符号的每个比特，用所述对应比特最近邻居符号替代所述已确定符号，以及计算具有替代的比特最近邻居符号的已确定符号的所述矢量上的所述全联合检测度量；以及

采用在已确定符号的所述矢量上计算的所述全联合检测度量与具有所述替代的比特最近邻居符号的已确定符号的所述矢量上的所述全联合检测度量之差的绝对值作为每个符号的每个比特的所述软值。

Images