CN102664852B - 多输入多输出正交频分复用系统中的软输入软输出检测方法 - Google Patents

Abstract

一种多输入多输出正交频分复用系统中的软输入软输出检测方法，包括：接收经过离散傅里叶变换的频域接收信号；根据译码器反馈的信息，计算发送符号先验均值和方差；定义频域扩展信道矩阵和频域扩展接收信号；对扩展信道矩阵进行排序QR分解，并根据其结果对接收信号进行预滤波；利用已检测符号的后验均值对预滤波信号进行干扰抵消，计算当前符号的估计值及估计误差的方差；根据所得估计和方差，计算符号对应比特的似然比信息；根据所得似然比信息，计算符号的后验均值和方差。较之经典的软输入软输出最小均方误差检测方法，本发明所提检测算法，在具有较低计算复杂度的同时取得了显著的性能增益。

Description

多输入多输出正交频分复用系统中的软输入软输出检测方法

技术领域

本发明涉及通信领域，尤其涉及软输入软输出检测方法。

背景技术

为了满足未来移动通信系统对系统容量、频谱利用率、数据传输速率等多方面越来越高的需求，现有长期演进项目(Long Term Evolution，LTE)标准中，采用了多输入多输出(Multiple Input Multiple Output，MIMO)技术和正交频分复用(Orthogonal Frequency Division Multiplexing，OFDM)技术。其中MIMO技术可以在不增加带宽的前提下，成倍的提高系统容量和频谱利用率，另一方面，OFDM技术是宽带传输中的代表性技术，具有抗多径衰落能力强，对窄带干扰和噪声不敏感、带宽扩展灵活等一系列优点。

对于编码MIMO-OFDM系统，最优的接收算法是联合检测和译码的最大似然(Maximum Likelihood，ML)接收算法，然而ML接收算法的复杂度随着一些因素成指数增长，这些因素包括MIMO系统的规模和编码码块长度等，因此ML接收算法不适合在实际系统中使用。迭代(Turbo)处理技术提供了一种能够在实际复杂度的条件下取得接近ML接收算法性能的方法，迭代接收方法在软输入软输出(Soft-Input Soft-Output，SISO)检测器和SISO译码器之间迭代交换外信息，取得了接近最优的性能。一个高效的SISO检测器对于实际系统取得优异的性能至关重要，最初提出的Turbo均衡中采用的是最优的最大后验(Maximum APosteriori，MAP)检测算法，然而MAP检测算法具有指数增长的复杂度，无法应用于具有高阶调制和中等天线数的编码MIMO-OFDM系统。为了降低检测算法复杂度，人们提出了许多可替代MAP算法的次优检测算法，包括SISO最小均方误差(Minimum Mean Square Error，MMSE)检测器、列表球形检测及软QRD-M算法等，在这些次优的SISO检测算法中，SISO MMSE检测器因为具有相对较低的计算复杂度使用的较为广泛。

SISO MMSE检测器最初应用于多径码分多址信道下的SISO多用户检测，接着被扩展到很多不同的应用场景中，包括Turbo-MIMO系统下的SISO多流检测和编码MIMO-OFDM系统下的SISO检测。尽管SISO MMSE检测能够取得具有良好的性能和复杂度折衷，但仍然具有一定的改进空间：一方面，和最优的MAP算法相比，SISO MMSE有着一定的性能损失；另一方面，SISO MMSE的复杂度仍然相对较高。本发明提出了一种MIMO-OFDM系统中的软输入软输出检测算法，通过引入扩展信道矩阵及其排序QR分解，在经典SISO MMSE检测方法的基础上，推导出了基于MMSE排序QR分解(Sorted QR Decomposition，SQRD)的SISO检测方法。所提检测方法在降低检测复杂度的同时取得比SISOMMSE检测方法更好的性能。

发明内容

技术问题：本发明提供了一种多输入多输出正交频分复用系统中的软输入软输出检测方法，该方法在SISO MMSE检测方法的基础上，推导了基于MMSE SQRD的SISO检测方法，降低了SISO MMSE检测算法的复杂度，同时取得了显著的性能增益。

技术方案：本发明的多输入多输出正交频分复用系统中的软输入软输出检测方法包括：

步骤A：接收经过离散傅里叶变换的频域接收信号；

步骤B：将译码器反馈的外信息作为检测器的先验信息，计算发送符号先验均值和先验方差；

步骤C：根据所述先验均值和先验方差、频域信道矩阵和频域接收信号定义频域扩展信道矩阵和频域扩展接收信号；

步骤D：对所述频域扩展信道矩阵进行排序QR分解(QR分解：将矩阵分解成酉矩阵与上三角形矩阵乘积)，获取预滤波矩阵、上三角矩阵及列置换向量，根据所获预滤波矩阵对频域扩展接收信号进行预滤波；

步骤E：根据所述列置换向量确定当前检测符号，提取当前检测符号对应的预滤波信号，并利用已检测符号的后验均值对所提取预滤波后信号进行干扰抵消，并计算当前检测符号的估计值及估计误差的方差；

步骤F：根据所述当前检测符号估计值和估计误差的方差，计算当前检测符号对应比特的似然比信息；

步骤G：根据所述当前检测符号对应比特的似然比信息，计算当前检测符号的后验均值和后验方差；

步骤H：重复步骤E至步骤G，直到检测完所有符号。

所述步骤B中，所述将译码器反馈的外信息作为检测器的先验信息，计算发送符号先验均值和先验方差包括：

将译码器反馈的外信息作为检测器的先验信息，计算发送符号x_i(k)的先验均值μ_i(k)和先验方差v_i(k)，其中，i＝0，1，...，n_T，n_T表示为发送天线数目，(k)表示频点k。

所述步骤C中，根据所得先验均值和先验方差、频域信道矩阵和频域接收信号分别定义频域扩展信道矩阵和频域扩展接收信号包括：

根据所得先验方差和n_R×n_T阶频域信道矩阵H(k)定义频域扩展信道矩阵

$\underset{\‾}{H}\left(k\right)=\left[\begin{array}{c}H\left(k\right)\\ {\mathrm{\σ}}_z{V}_x^{-\frac{1}{2}}\left(k\right)\end{array}\right],$

其中，为接收信号中噪声方差， $V_x^{-\frac{1}{2}}\left(k\right)=\mathrm{diag}\left(\right[v_1^{-\frac{1}{2}}\left(k\right),v_2^{-\frac{1}{2}}\left(k\right)...v_{n_T}^{-\frac{1}{2}}\left(k\right)\left]\right),$ diag(x)表示对角元取自向量x的对角矩阵，n_R表示接收天线数目；

根据所得先验均值、先验方差和频域接收信号y(k)定义频域扩展接收信号

$\underset{\‾}{y}\left(k\right)=\left[\begin{array}{c}y\left(k\right)\\ {\mathrm{\σ}}_z{V}_x^{-\frac{1}{2}}\left(k\right)\mathrm{\μ}\left(k\right)\end{array}\right]$

其中，μ(k)表示(·)^T表示矩阵或向量的转置。

所述步骤D中，对频域扩展信道矩阵进行排序QR分解，获取预滤波矩阵、上三角矩阵和列置换向量，根据所获预滤波矩阵对频域扩展接收信号进行预滤波包括：

对频域扩展信道矩阵H(k)进行排序QR分解，获取(n_R+n_T)×n_T阶矩阵Q(k)、n_T×n_T阶上三角矩阵R(k)和列置换向量p(k)，Q(k)可表示为

$Q\left(k\right)=\left(\begin{array}{c}{Q}_1\left(k\right)\\ Q_2\left(k\right)\end{array}\right)$

其中，Q₁(k)为n_R×n_T阶矩阵，Q₂(k)为n_T×n_T阶上三角矩阵；

根据QR分解获得预滤波矩阵Q^H(k)对频域扩展接收信号进行预滤波

$\tilde{x}\left(k\right)=Q^H\left(k\right)\underset{\‾}{y}\left(k\right)$

$=Q_1^H\left(k\right)y\left(k\right)+{\mathrm{\σ}}_z{Q}_2^H\left(k\right)V_x^{-\frac{1}{2}}\left(k\right)\mathrm{\μ}\left(k\right)$

其中，Q^H(k)表示Q(k)的共轭对称矩阵。

所述步骤E中，根据列置换向量确定当前检测符号，提取当前检测符号对应的预滤波信号，利用已检测符号的后验均值对所提取预滤波后信号进行干扰抵消，并计算当前检测符号的估计值及估计误差的方差包括：

根据列置换向量确定当前检测符号为x_i(k)，i＝p_m，第一次进入该步骤时m置n_T，以后每进入一次该步骤m减一，提取当前符号对应的预滤波信号 为预滤波后的向量中的第i元素，利用已检测符号的后验均值 对预滤波后的信号进行干扰抵消，获得

其中，r_ij(k)为上三角矩阵R(k)第i行第j列元素；

计算当前检测符号x_i(k)的估计值

和估计值误差的方差，其中，q_2，ii(k)表示Q₂(k)中第i对角元。

所述步骤F中，根据所得当前检测符号估计值和估计误差的方差，计算当前检测符号对应比特的似然比信息包括：

根据所得当前检测符号估计值和估计误差的方差，计算当前检测符号x_i(k)对应比特的后验对数似然比和传递给译码器的外信息对数似然比。

所述步骤G中，根据所得当前检测符号对应比特的似然比信息，计算当前检测符号的后验均值和后验方差包括：

根据所得当前检测符号对应比特的后验对数似然比，计算当前检测符号x_i(k)的后验均值和后验方差

有益效果：本发明实施例提供的软输入软输出检测方法，通过引入新定义的扩展信道矩阵及其排序QR分解，取得了较好的复杂度性能折衷，该方法与经典SISO MMSE检测方法相比，能够在具有较低计算复杂度的同时取得显著的性能增益。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅表明本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他实施例的附图。

图1为本发明实施例提供的一种检测方法的流程图；

图2为本发明实施例提供的又一种检测方法的流程图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

本发明提出了一种多输入多输出正交频分复用系统的的软输入软输出检测方法，具有高性能低复杂度的优点。下面结合图对本发明公开的检测方法工作原理进行详细说明。

本发明一方面公开一种多输入多输出正交频分复用系统的软输入软输出检测方法，如图1所示，本发明实施例提供的一种多输入多输出正交频分复用系统的软输入软输出检测方法的流程图，所属方法包括：

101.接收经过离散傅里叶变换的频域接收信号y(k)；

102.将译码器反馈的信息作为检测器的先验信息，并重建发送符号先验均值和先验方差包括：

发送符号先验均值μ_i(k)和先验方差v_i(k)的计算方法如下

${\mathrm{\μ}}_i\left(k\right)=E\left\{x_i\left(k\right)\right|L_i^{\mathrm{apr}}\left(k\right)\}={\mathrm{\Σ}}_{x\∈X}\mathrm{xP}(x_i\left(k\right)=x|L_i^{\mathrm{apr}}\left(k\right))$

$v_i\left(k\right)=E\left\{{|\left(x_i\left(k\right)\right)-{\mathrm{\μ}}_i\left(k\right)|}^2\right|L_i^{\mathrm{apr}}\left(k\right)\}$

$={\mathrm{\Σ}}_{x\∈X}{\left|x\right|}^{2}P(x_i\left(k\right)=x|L_i^{\mathrm{apr}}\left(k\right))-{\left|{\mathrm{\μ}}_i\left(k\right)\right|}^2$

其中，先验对数似然比向量 $L_i^{\mathrm{apr}}\left(k\right)={[L_{i,1}^{\mathrm{apr}}\left(k\right),L_{i,2}^{\mathrm{apr}}\left(k\right),...,L_{i,M_c}^{\mathrm{apr}}\left(k\right)]}^T,$ 表示由译码器反馈关于的先验对数似然比，表示发送符号x_i(k)对应的第j编码比特，X表示调制符号集，P(·)为概率质量函数，为的计算方法如下

$P(x_i\left(k\right)=x|L_i^{\mathrm{apr}}\left(k\right))=\underset{j=1}{\overset{M_c}{\mathrm{\Π}}}\frac{\exp \left((1-{2c}^j)L_{i,j}^{\mathrm{apr}}\left(k\right)\right)}{\underset{\mathrm{\λ}=1,-1}{\mathrm{\Σ}}\exp \left({\mathrm{\λL}}_{i,j}^{\mathrm{apr}}\left(k\right)\right)}$

其中，c^j表示符号x对应的第j比特，∏为连乘符号。

103.根据所得先验均值和先验方差及频域信道矩阵分别定义频域扩展信道矩阵和频域扩展接收信号包括：

根据所得先验方差和频域信道矩阵H(k)定义频域扩展信道矩阵

$\underset{\‾}{H}\left(k\right)=\left[\begin{array}{c}H\left(k\right)\\ {\mathrm{\σ}}_z{V}_x^{-\frac{1}{2}}\left(k\right)\end{array}\right],$

其中，为噪声方差， $V_x^{-\frac{1}{2}}\left(k\right)=\mathrm{diag}\left(\right[v_1^{-\frac{1}{2}}\left(k\right),v_2^{-\frac{1}{2}}\left(k\right)...v_{n_T}^{-\frac{1}{2}}\left(k\right)\left]\right).$

根据所得先验均值、先验方差和频域接收信号y(k)定义频域扩展接收信号

$\underset{\‾}{y}\left(k\right)=\left[\begin{array}{c}y\left(k\right)\\ {\mathrm{\σ}}_z{V}_x^{-\frac{1}{2}}\left(k\right)\mathrm{\μ}\left(k\right)\end{array}\right]$

其中，μ(k)表示

104.对频域扩展信道矩阵进行排序QR分解，获取预滤波矩阵、上三角矩阵及列置换向量，根据所获预滤波矩阵对频域扩展接收信号进行预滤波包括：

对频域扩展信道矩阵H(k)进行排序QR分解，获取预滤波矩阵Q^H(k)、上三角矩阵R(k)和列置换向量p(k)，步骤如下：

步骤1：初始化：Q(k)＝H(k)，p(k)＝[1，2，…，n_T]，其中表示n_T×n_T阶零矩阵。

步骤2：对于i＝1，2，…，n_T，计算norm_i(k)＝||q_i(k)||²，这里q_i(k)表示Q(k)的第i列。设置i＝1。

步骤3：找到 $m_i={\arg \min }_{l=i,...,n_T}{\mathrm{norm}}_l\left(k\right),$ 交换R(k)，p(k)，norm(k)及Q(k)中前n_R+i-1行的i列和m_i列，交换其中表示Q(k)中第n_R+i行第i列的元素。

步骤4：计算更新q_i(k)＝q_i(k)/r_ii(k)。

步骤5：若i＝n_T终止程序，否则置j＝i+1。

步骤6：计算更新q_j(k)＝q_j(k)-r_ij(k)q_i(k)和

${\mathrm{norm}}_j\left(k\right)={\mathrm{norm}}_j\left(k\right)-r_{\mathrm{ij}}^2\left(k\right).$

步骤7：若j＝n_T则置i＝i+1并返回到步骤3，否则置j＝j+1并返回到步骤6；

根据QR分解获得预滤波矩阵对频域扩展接收信号进行预滤波

$\tilde{x}\left(k\right)=Q^H\left(k\right)\underset{\‾}{y}\left(k\right)$

$=Q_1^H\left(k\right)y\left(k\right)+{\mathrm{\σ}}_z{Q}_2^H\left(k\right)V_x^{-\frac{1}{2}}\left(k\right)\mathrm{\μ}\left(k\right)$

其中，Q₁(k)为矩阵Q(k)的前n_R行组成的矩阵，Q₂(k)为Q(k)的后n_T行组成的矩阵。

105.根据列置换向量确定当前检测符号，并提取当前检测符号对应的预滤波信号，利用已检测符号的后验均值对所提取信号进行干扰抵消，并计算当前检测符号的估计值及估计误差的方差包括：

根据列置换向量确定当前检测符号为x_i(k)，i＝p_m，第一次进入该步骤时置m为n_T，之后每进入一次该步骤则m减一，提出其对应的预滤波信号利用已检测符号的后验均值 对预滤波后的信号进行干扰抵消，获得

其中，r_ij(k)为上三角矩阵R(k)第i行第j列元素，为根据x_i(k)后验似然比重建的均值，后文中将会给出具体计算方法。

计算当前检测符号x_i(k)的估计值

由于预滤波后的信号可以表示为

${\tilde{x}}_i\left(k\right)=e_i^T{Q}_1^H\left(k\right)y\left(k\right)+{\mathrm{\σ}}_z{e}_i^T{Q}_2^H\left(k\right)V_x^{-\frac{1}{2}}\left(k\right)\mathrm{\μ}\left(k\right)$

$=e_i^{T}R\left(k\right)x\left(k\right)-{\mathrm{\σ}}_z{e}_i^T{Q}_2^H\left(k\right)V_x^{-\frac{1}{2}}\left(k\right)(x\left(k\right)-\mathrm{\μ}\left(k\right))+e_i^T{Q}_1^H\left(k\right)z\left(k\right)$

$=\underset{j=i}{\overset{n_T}{\mathrm{\Σ}}}{r}_{\mathrm{ij}}\left(k\right)x_j\left(k\right)-\underset{j=1}{\overset{i}{\mathrm{\Σ}}}{\mathrm{\σ}}_z{q}_{2,\mathrm{ij}}\left(k\right)v_j^{-\frac{1}{2}}\left(k\right)(x_j\left(k\right)-{\mathrm{\μ}}_j\left(k\right))+\underset{j=1}{\overset{n_R}{\mathrm{\Σ}}}{q}_{1,\mathrm{ij}}\left(k\right)z_j\left(k\right),$

有的条件均值上式中表示第i元素为1其余元素均为0的列向量，q_1，ij(k)和q_2，ij(k)分别为位于矩阵和中第i行第j列的元素， $z\left(k\right)={[z_1\left(k\right),z_2\left(k\right),...,z_{n_R}]}^T$ 为噪声向量。

计算估计值误差的方差

106.所述根据所得符号估计值和估计误差的方差计算出发送符号对应比特的似然比信息包括：

发送符号对应比特的后验似然比计算如下

其中，和表示{x：x∈X；c^j＝0}和{x：x∈X；c^j＝1}，第一部分表示传递给译码器的外信息，p(·)为概率密度函数，由可得的计算方法为

107.所述根据所得似然比重建符号的后验均值和后验方差包括：

根据后验似然比计算后验均值和方差的方法如下

${\mathrm{\μ}}_j^p\left(k\right)={\mathrm{\Σ}}_{x\∈X}\mathrm{xP}(x_j\left(k\right)=x|L_j^{\mathrm{pos}}\left(k\right))$

$v_j^p\left(k\right)={\mathrm{\Σ}}_{x\∈X}{\left|x\right|}^{2}P(x_j\left(k\right)=x|L_j^{\mathrm{pos}}\left(k\right))-{\left|{\mathrm{\μ}}_j^p\left(k\right)\right|}^2$

其中， $L_i^{\mathrm{pos}}\left(k\right)={[L_{i,1}^{\mathrm{pos}}\left(k\right),L_{i,2}^{\mathrm{pos}}\left(k\right),...,L_{i,M_c}^{\mathrm{pos}}\left(k\right)]}^T,$ $P(x_j\left(k\right)=x|L_j^{\mathrm{pos}}\left(k\right))$ 的计算方法如下

$P(x_j\left(k\right)=x|L_j^{\mathrm{pos}}\left(k\right))=\underset{l=1}{\overset{M_c}{\mathrm{\Π}}}\frac{\exp \left((1-{2c}^l)L_{j,l}^{\mathrm{pos}}\left(k\right)\right)}{\underset{\mathrm{\λ}=1,-1}{\mathrm{\Σ}}\exp \left({\mathrm{\λL}}_{j,l}^{\mathrm{pos}}\left(k\right)\right)}.$

本发明另一方面公开一种多输入多输出正交频分复用系统的串行软干扰抵消检测方法，如图2所示，本发明实施例提供的一种多输入多输出正交频分复用系统的串行软干扰抵消检测方法的流程图，所属方法包括：

201.接收经过离散傅里叶变换的频域接收信号y(k)；

202.在没有译码器反馈先验信息的条件下，定义频域扩展信道矩阵和频域扩展接收信号包括：

在没有译码器反馈先验信息的条件下，发送符号先验均值μ_i(k)＝0和先验方差v_i(k)＝1，此时频域扩展信道矩阵定义为

$\underset{\‾}{H}\left(k\right)=\left[\begin{array}{c}H\left(k\right)\\ {\mathrm{\σ}}_z{V}_x^{-\frac{1}{2}}\left(k\right)\end{array}\right]=\left[\begin{array}{c}H\left(k\right)\\ {\mathrm{\σ}}_z{I}_{n_T}\end{array}\right],$

其中，为接收信号中的噪声方差；

频域扩展接收信号定义为

$\underset{\‾}{y}\left(k\right)=\left[\begin{array}{c}y\left(k\right)\\ {\mathrm{\σ}}_z{V}_x^{-\frac{1}{2}}\left(k\right)\mathrm{\μ}\left(k\right)\end{array}\right]=\left[\begin{array}{c}y\left(k\right)\\ 0_{n_T\×1}\end{array}\right],$

其中，表示n_T维零列向量。

203.对频域扩展信道矩阵进行排序QR分解，获取预滤波矩阵、上三角矩阵及列置换向量，根据所获预滤波矩阵对频域扩展接收信号进行预滤波包括：

对频域扩展信道矩阵H(k)进行排序QR分解，获取预滤波矩阵Q(k)、上三角矩阵R(k)和列置换向量p(k)。

根据QR分解获得预滤波矩阵对频域扩展接收信号进行预滤波

$\tilde{x}\left(k\right)=Q^H\left(k\right)\underset{\‾}{y}\left(k\right)=Q_1^H\left(k\right)y\left(k\right)$

其中，Q₁(k)为矩阵Q(k)的前n_R行组成的矩阵。

204.根据列置换向量确定当前检测符号，并提取其对应的预滤波信号，利用已检测符号的后验均值对所提取信号进行干扰抵消，并计算当前检测符号的估计值及估计误差的方差包括：

根据列置换向量确定当前检测符号为x_i(k)，i＝p_m，第一次进入该步骤时置m为n_T，之后每进入一次该步骤则m递减，提出其对应的预滤波信号利用已检测符号的后验均值 对预滤波后的信号进行干扰抵消，获得

其中，r_ij(k)为上三角矩阵R(k)第i行第j列元素，为根据x_i(k)后验似然比重建的均值，后文中将会给出具体计算方法。

计算当前检测符号x_i(k)的估计值

由于预滤波后的信号可以表示为

${\tilde{x}}_i\left(k\right)=e_i^T{Q}_1^H\left(k\right)y\left(k\right)=e_i^{T}R\left(k\right)x\left(k\right)-{\mathrm{\σ}}_z{e}_i^T{Q}_2^H\left(k\right)x\left(k\right)+e_i^T{Q}_1^H\left(k\right)z\left(k\right)$

$=\underset{j=i}{\overset{n_T}{\mathrm{\Σ}}}{r}_{\mathrm{ij}}\left(k\right)x_j\left(k\right)-\underset{j=1}{\overset{i}{\mathrm{\Σ}}}{\mathrm{\σ}}_z{q}_{2,\mathrm{ij}}\left(k\right)x_j\left(k\right)+\underset{j=1}{\overset{n_R}{\mathrm{\Σ}}}{q}_{1,\mathrm{ij}}\left(k\right)z_j\left(k\right),$

有的条件均值其中，Q₂(k)为Q(k)的后n_T行组成的矩阵，q_1，ij(k)和q_2，ij(k)分别为位于矩阵和中第i行第j列的元素。

计算估计值误差的方差

205.所述根据所得符号估计值和估计误差的方差计算出发送符号对应比特的似然比信息包括：

发送符号对应比特的后验似然比计算如下

由可得的计算方法为

206.所述根据所得似然比重建符号的后验均值和后验方差包括：

根据后验似然比计算后验均值和方差的方法如下

${\mathrm{\μ}}_j^p\left(k\right)={\mathrm{\Σ}}_{x\∈X}\mathrm{xP}(x_j\left(k\right)=x|L_j^{\mathrm{pos}}\left(k\right))$

$v_j^p\left(k\right)={\mathrm{\Σ}}_{x\∈X}{\left|x\right|}^{2}P(x_j\left(k\right)=x|L_j^{\mathrm{pos}}\left(k\right))-{\left|{\mathrm{\μ}}_j^p\left(k\right)\right|}^2$

其中， $L_i^{\mathrm{pos}}\left(k\right)=[L_{i,1}^{\mathrm{pos}}\left(k\right),L_{i,2}^{\mathrm{pos}}\left(k\right),...,L_{i,M_c}^{\mathrm{pos}}\left(k\right)],$ $P(x_j\left(k\right)=x|L_j^{\mathrm{pos}}\left(k\right))$ 的计算方法如下

$P(x_j\left(k\right)=x|L_j^{\mathrm{pos}}\left(k\right))=\underset{l=1}{\overset{M_c}{\mathrm{\Π}}}\frac{\exp \left((1-{2c}^l)L_{j,l}^{\mathrm{pos}}\left(k\right)\right)}{\underset{\mathrm{\λ}=1,-1}{\mathrm{\Σ}}\exp \left({\mathrm{\λL}}_{j,l}^{\mathrm{pos}}\left(k\right)\right)}.$

本发明实施例提供的软输入软输出检测方法，通过引入新定义的扩展信道矩阵及其排序QR分解，取得了较好的复杂度性能折衷，该方法与经典SISO MMSE检测方法相比，能够在具有较低计算复杂度的同时取得显著的性能增益。

本发明实施例可以利用软件实现，相应的软件程序可以存贮在可读取的存贮介质中，例如，计算机的硬盘、缓存或光盘中。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围内，因此，本发明的保护范围以所述的权利要求的保护范围为准。

Claims (1)

1.一种多输入多输出正交频分复用系统中的软输入软输出检测方法，其特征在于该方法包括： 

步骤A：接收经过离散傅里叶变换的频域接收信号； 

步骤B：将译码器反馈的外信息作为检测器的先验信息，计算发送符号先验均值和先验方差； 

步骤C：根据所述先验均值和先验方差、频域信道矩阵和频域接收信号定义频域扩展信道矩阵和频域扩展接收信号； 

步骤D：对所述频域扩展信道矩阵进行排序QR分解，获取预滤波矩阵、上三角矩阵及列置换向量，根据所获预滤波矩阵对频域扩展接收信号进行预滤波； 

步骤E：根据所述列置换向量确定当前检测符号，提取当前检测符号对应的预滤波信号，并利用已检测符号的后验均值对所提取预滤波后信号进行干扰抵消，并计算当前检测符号的估计值及估计误差的方差； 

步骤F：根据所述当前检测符号估计值和估计误差的方差，计算当前检测符号对应比特的似然比信息； 

步骤G：根据所述当前检测符号对应比特的似然比信息，计算当前检测符号的后验均值和后验方差； 

步骤H：重复步骤E至步骤G，直到检测完所有符号； 

所述步骤B中，所述将译码器反馈的外信息作为检测器的先验信息，计算发送符号先验均值和先验方差包括： 

将译码器反馈的外信息作为检测器的先验信息，计算发送符号x_i(k)的先验均值μ_i(k)和先验方差v_i(k)，其中，i＝0,1,...,n_T，n_T表示为发送天线数目，(k)表示频点k； 

所述步骤C中，根据所得先验均值和先验方差、频域信道矩阵和频域接收信号分别定义频域扩展信道矩阵和频域扩展接收信号包括： 

根据所得先验方差和n_R×n_T阶频域信道矩阵H(k)定义频域扩展信道矩阵 

其中，为接收信号中噪声方差，diag(x)表示对角元取自向量x的对角矩阵，n_R表示接收天线数目； 

根据所得先验均值、先验方差和频域接收信号y(k)定义频域扩展接收信号 

其中，μ(k)表示(·)^T表示矩阵或向量的转置； 

所述步骤D中，对频域扩展信道矩阵进行排序QR分解，获取预滤波矩阵、上三角矩阵和列置换向量，根据所获预滤波矩阵对频域扩展接收信号进行预滤波包括： 

对频域扩展信道矩阵进行排序QR分解，获取(n_R+n_T)×n_T阶矩阵Q(k)、n_T×n_T阶上三角矩阵R(k)和列置换向量p(k)，Q(k)可表示为 

其中，Q₁(k)为n_R×n_T阶矩阵，Q₂(k)为n_T×n_T阶上三角矩阵； 

根据QR分解获得预滤波矩阵Q^H(k)对频域扩展接收信号进行预滤波 

其中，Q^H(k)表示Q(k)的共轭对称矩阵； 

所述步骤E中，根据列置换向量确定当前检测符号，提取当前检测符号对应的预滤波信号，利用已检测符号的后验均值对所提取预滤波后信号进行干扰抵消，并计算当前检测符号的估计值及估计误差的方差包括： 

根据列置换向量确定当前检测符号为x_i(k),i＝p_m，第一次进入该步骤时m置n_T，以后每进入一次该步骤m减一，提取当前符号对应的预滤波信号为预滤波后的向量中的第i元素，利用已检测符号的后验均值对预滤波后的信号进行干扰抵消，获得 

其中，r_ij(k)为上三角矩阵R(k)第i行第j列元素； 

计算当前检测符号x_i(k)的估计值

和估计值误差的方差，其中，q_2,ii(k)表示Q₂(k)中第i对角元； 

所述步骤F中，根据所得当前检测符号估计值和估计误差的方差，计算当前检测符号对应 比特的似然比信息包括： 

根据所得当前检测符号估计值和估计误差的方差，计算当前检测符号x_i(k)对应比特的后验对数似然比和传递给译码器的外信息对数似然比； 

所述步骤G中，根据所得当前检测符号对应比特的似然比信息，计算当前检测符号的后验均值和后验方差包括： 

根据所得当前检测符号对应比特的后验对数似然比，计算当前检测符号x_i(k)的后验均值 和后验方差