CN103152142A - 用于mimo系统的信号检测方法及装置 - Google Patents

Abstract

本发明涉及MIMO无线通信技术领域，具体公开了一种基于K-Best搜索的信号检测方法及装置。所述信号检测方法包括：利用信道矩阵H和接收向量y构建出搜索树；进行K-Best搜索，得到K条欧式距离最小的存留路径，其对应的欧式距离从小到大依次为d(s₁)，…，d(s_K)；计算出第j发送天线上、第b比特位的最短欧式距离d^ML(j,b)，其中，若d^ML(j,b)不在K条存留路径中，则令d^ML(j,b)=d(s_K)；计算出各比特位的软信息值。所述信号检测装置包括预处理单元、K-Best处理单元和限幅替代单元，其能够实现所述信号检测方法。采用本发明提出的技术方案，既能够保持K-Best算法复杂度低、易于硬件实现的优点，又能够得到满意的软输出检测性能。

Description

用于MIMO系统的信号检测方法及装置

技术领域

本发明涉及MIMO无线通信技术领域，特别涉及一种基于K-Best搜索的信号检测方法及装置。

背景技术

MIMO（Multiple Input Multiple Output）技术是当前无线通信提高频谱效率的主要方法。目前，802.11n/ac、LTE/LTE-A等新一代高吞吐率无线通信协议均已采用MIMO技术。其中，MIMO检测是影响吞吐率的一个关键环节。为了实现高吞吐率，新一代无线通信系统中收发天线数可达4～8个，最高采用256QAM调制，给MIMO检测造成了一定的难度。此外，由于采用了Turbo、LDPC等信道编码，需要在高阶检测下输出软信息，这对MIMO检测的复杂度和可靠性都是一个挑战。

目前MIMO芯片中普遍采用的是线性检测，对早期的吞吐率要求不高、收发天线数不多、信道维数低的MIMO系统，线性检测性能尚可。但随着调制阶数升高、收发天线数增多，线性检测的性能退化严重。非线性检测成为更好的选择。硬判决下比较著名的非线性检测算法有球形译码（Sphere Decoding）、K-Best算法等，能够达到或接近最大似然（ML）性能。另外，使用Turbo等信道编码的高吞吐率系统需要软输出检测。硬判决只需找到与接收信号距离最近的点，而软输出检测为了计算每个比特的对数似然比（LLR），需要找到许多个距离，在高阶调制、较多天线情况下，复杂度会呈现几百倍的提高。

因此，如果能够在广度优先搜索算法的基础上，提供一种基于K-Best算法的优化算法，便可以既保持K-Best复杂度低、易于硬件实现的优点，又可以得到满意的软输出检测性能。

发明内容

（一）所要解决的技术问题

本发明的目的是在K-Best搜索算法的基础上，提供一种用于MIMO系统的信号检测方法及信号检测装置，以解决MIMO信号检测中存在的软判决算法复杂度高、不易实现的问题。

（二）技术方案

为了解决上述技术问题，本发明提供了一种用于MIMO系统的信号检测方法，所述信号检测方法包括以下步骤：

S1、利用信道矩阵H和接收向量y构建出搜索树；

S2、对所述搜索树进行K-Best搜索，得到K条欧式距离最小的存留路径，K为正整数，所述K条存留路径对应的欧式距离从小到大依次为d(s₁)，d(s₂)，…，d(s_K)；

S3、计算出第j个发送天线上、第b个比特位的最短欧式距离d^ML(j,b)，

其中，若d^ML(j,b)不在所述K条存留路径中，则令d^ML(j,b)=d(s_K)；

S4、利用d^ML(j,b)以及d(s₁)，d(s₂)，…，d(s_K)计算出各个比特位的软信息值。

可选的，步骤S4中，所述软信息值为对数似然比。

可选的，步骤S2进一步包括：计算出d(s₁)，d(s₂)，…，d(s_K)依次对应的发送向量s₁，s₂，…，s_K；

步骤S3具体包括：

S3-1、令d^ML=d(s₁)，s^ML=s₁；

S3-2、从发送向量s₂开始向后搜索，检查发送向量s_i是否与s^ML的第j子流、第b比特相反，若是，则令d^ML(j,b)=d(s_i)，若否，则令d^ML(j,b)=d(s_K)，其中，i为正整数，且1<i<K。

可选的，步骤S4中，第j个发送天线上、第b个比特位的软信息值L(j,b)的计算公式为：

$L(j,b)=\left\{\begin{array}{cc}{d}^{\mathrm{ML}}-d^{\mathrm{ML}}(j,b),& s^{\mathrm{ML}}(j,b)=0\\ d^{\mathrm{ML}}(j,b)-d^{\mathrm{ML}},& s^{\mathrm{ML}}(j,b)=1\end{array}\right.$

其中，s^ML(j,b)表示第j个发送天线上、第b个比特位的比特值。

可选的，步骤S1具体包括：

对于所述信道矩阵H，有：

y=Hs+n    （1）

其中，y为所述接收向量，s为发送向量，n为加性高斯白噪声；

对矩阵H进行QR分解，得到酉矩阵Q₁和上三角矩阵R，即：

H=Q₁R

在公式（1）的两边同时左乘Q₁的共轭转置矩阵Q₁ ^H，得到：

其中，

通过矩阵R和向量

构建所述搜索树。

可选的，所述MIMO系统采用QAM调制。

可选的，所述MIMO系统采用Turbo码进行信道编码。

基于所述信号检测方法，本发明同时提供了一种用于MIMO系统的信号检测装置，所述信号检测装置包括预处理单元、K-Best处理单元和限幅替代单元，所述K-Best处理单元分别与所述预处理单元及所述限幅替代单元相连，其中，

所述预处理单元用于利用信道矩阵H及接收向量y构建出搜索树，并将所述搜索树发送给所述K-Best处理单元；

所述K-Best处理单元用于对所述搜索树进行K-Best搜索，得到K条欧式距离最小的存留路径，K为正整数，所述K条存留路径对应的欧式距离从小到大依次为d(s₁)，d(s₂)，…，d(s_K)；

所述K-Best处理单元将所述K条存留路径以及d(s₁)，d(s₂)，…，d(s_K)发送给所述限幅替代单元；

所述限幅替代单元用于计算出第j个发送天线上、第b个比特位的最短欧式距离d^ML(j,b)，并利用d^ML(j,b)以及d(s₁)，d(s₂)，…，d(s_K)计算出比特位(j,b)的软信息值，

其中，若d^ML(j,b)不在所述K条存留路径中，则令d^ML(j,b)=d(s_K)。

（三）有益效果

采用本发明提出的技术方案，在对高阶MIMO进行信号检测时，既能够保持K-Best算法复杂度低、易于硬件实现的优点，又能够得到满意的软输出检测性能。

附图说明

图1是本发明提出的用于MIMO系统的信号检测方法的基本流程图。

图2是本发明一个实施例中4种软信息计算方法的性能比较示意图。

图3是本发明提出的用于MIMO系统的信号检测装置的结构示意图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。

传统K-Best算法基于分层检测原理，在每层信号检测时，保留累积欧式距离最小的K个节点传递到下一层，直到所有层检测完毕，选择最终欧式距离最小路径作为检测结果。为了降低访问的结点数和计算复杂度，K-Best搜索在每层计算的结点中只保留欧式距离d_i最短的K个，虽然不能保证留下最大似然解，但命中概率很大，且K值越大性能越好。传统K-Best算法的访问结点数约为K*2^Q*N_T，其中N_T为发送天线数，2^Q决定于调制方式，对于星座图O，|O|=2^Q。比如64QAM调制，就有|O|=64，Q=6。

对于一个发送天线数N_T、接收天线数N_R的独立平坦衰落MIMO信道，有：

y=Hs+n    （1）

其中s=(s₁，s₂，...，s_Nt)^T表示N_T×1发送向量，y=(y₁，y₂，...，y_Nr)^T表示N_R×1接收向量，H为N_R×N_T信道，n～N(0，σ²)为加性高斯白噪声。发送向量s中的每个元素包含Q比特，取自星座图O，|O|=2^Q。

在Max-Log近似下，每个比特需要检测输出的软信息（LLR）可以按下式计算：

$L(j,b)\&ap;\underset{s\&Element;{\mathrm{\&chi;}}_{j,b}^{\left(0\right)}}{\min }{\left|\right|y-\mathrm{Hs}\left|\right|}^2-\underset{s\&Element;{\mathrm{\&chi;}}_{j,b}^{\left(1\right)}}{\min }{\left|\right|y-\mathrm{Hs}\left|\right|}^2---\left(2\right)$

其中0≤j≤N_T，0≤b≤Q，表示该比特位于第j天线上QAM符号的第b比特位。

表示所有(j,b)位置为比特0的发送向量集合，

表示所有(j,b)位置为比特1的发送向量集合。

构建搜索树，目的是寻找s∈O^Nt，使得欧氏距离d(s)最小：

d(s)=||y-Hs||²    （3）

对矩阵H进行QR分解，得到N_R×N_T正交矩阵Q₁和N_T×N_T上三角矩阵R，即H=Q₁R。

在公式（1）的两边同时左乘Q₁的共轭转置矩阵Q₁ ^H，得到：

其中，

根据上三角矩阵的特性，d(s)的计算可以写成N_T层递推的形式：

起始： $d_{N_T+1}=0$

循环：i=N_T到1

$d_i=d_{i+1}+{|{\tilde{y}}_i-\underset{j=i}{\overset{N_T}{\mathrm{\&Sigma;}}}{R}_{i,j}{s}_j|}^2---\left(5\right)$

结束循环

输出：d(s)＝d₁

s∈O^Nt的遍历，在递推过程中表现为每层考察2^Q种s_i。亦可表示为一棵高度为N_T的搜索树，每级的每个结点扩张2^Q个分支，最后得到2^Q*Nt个叶子。最短的叶子结点权值d(s)对应的s即为最大似然解。

搜索树的完全遍历，需要访问Σ_1≤i≤Nt(2^Q)ⁱ个结点，复杂度极高。K-Best搜索的思想是，每层计算的结点中只保留d_i最短的K个，以降低访问的结点数和计算复杂度。

采用K-Best算法，公式（2）等价于

$L(j,b)=\left\{\begin{array}{cc}{d}^{\mathrm{ML}}-d^{\mathrm{ML}}(j,b),& s^{\mathrm{ML}}(j,b)=0\\ d^{\mathrm{ML}}(j,b)-d^{\mathrm{ML}},& s^{\mathrm{ML}}(j,b)=1\end{array}\right.---\left(6\right)$

其中，d^ML为树搜索得来的最短欧氏距离，s^ML为d^ML对应的发送向量；d^ML(j,b)是将d^ML的比特位(j,b)取反后固定不变，得到的最短欧氏距离。由于K-Best算法每一层只保留K个分支，d^ML(j,b)很可能没有保留下来。对此，最直接的解决方法是对每个比特都进行一次限制后的K-Best搜索，从而得到各d^ML(j,b)，共需(Q·N_T+1)次搜索，但多次搜索的复杂度较高。

为了降低检测的复杂度，需要一种低复杂度软判决算法，在只进行一次K-Best搜索的基础上，计算各比特的软信息。在没有找到d^ML(j,b)时，对其进行近似。

实际上，在Turbo码译码时，对于软信息较小（d^ML(j,b)≈d^ML），即不确定性较大的比特，其数值的精确性（Δd^ML(j,b)）对译码影响较大；而软信息大于一定数值后（d^ML(j,b)>>d^ML），其数值的精确性对译码结果影响变小。即，如果d^ML(j,b)与d^ML差距不大，则要力求准确；如果d^ML(j,b)较大，则L(j,b)较大，可以近似。事实上，d^ML(j,b)有很大的概率落在K-Best存留的K条路径中，特别是那些值较小、更能影响译码的d^ML(j,b)。而较大的d^ML(j,b)虽然不在K-Best存留路径内，但其精确度对译码影响较小，可以考虑进行近似。

因此，在本发明的技术方案中，对于较大的不在K-Best存留路径内的d^ML(j,b)，统一用存留欧氏距离中较大者替代，这种方法复杂度低而且对译码的精度影响很小。事实上，这相当于对软信息做了一个限幅。

本发明设计的软信息统计方法，具体步骤可以描述如下：

（1）对于K-Best搜索获得的K条最短路径d(s₁)，d(s₂)，…，d(s_K)由小到大排序，其中，s₁，s₂，…，s_K为对应的发送向量；

（2）令d^ML=d(s₁)，s^ML=s₁；

（3）从发送向量s₂开始向后检查，一旦搜索到s_i(1<i<K)与s^ML第j子流、第b比特相反，则令d^ML(j,b)=d(s_i)；

（4）若没有搜索到s_i与s^ML第j子流、第b比特相反，则令d^ML(j,b)=d(s_K)。

综上，如图1所示，本发明提出的信号检测方法的基本流程为：

S1、利用信道矩阵H和接收向量y构建出搜索树；

S2、对所述搜索树进行K-Best搜索，得到K条欧式距离最小的存留路径，K为正整数，所述K条存留路径对应的欧式距离从小到大依次为d(s₁)，d(s₂)，…，d(s_K)；

S3、计算出第j个发送天线上、第b个比特位的最短欧式距离d^ML(j,b)，

其中，若d^ML(j,b)不在所述K条存留路径中，则令d^ML(j,b)=d(s_K)；

S4、利用d^ML(j,b)以及d(s₁)，d(s₂)，…，d(s_K)计算出各个比特位的软信息值。

优选的，所述软信息值为对数似然比。

优选的，步骤S4中，第j个发送天线上、第b个比特位的软信息值L(j,b)的计算采用下述公式：

$L(j,b)=\left\{\begin{array}{cc}{d}^{\mathrm{ML}}-d^{\mathrm{ML}}(j,b),& s^{\mathrm{ML}}(j,b)=0\\ d^{\mathrm{ML}}(j,b)-d^{\mathrm{ML}},& s^{\mathrm{ML}}(j,b)=1\end{array}\right.$

其中，s^ML(j,b)表示第j个发送天线上、第b个比特位的比特值。

优选的，MIMO系统采用QAM调制。

优选的，MIMO系统采用Turbo码进行信道编码。

本发明所述信号检测方法的一种实现算法可以表示如下：

起始：进行K-Best搜索，输出K条存留路径s₁，…，s_K，对应的加权和为d(s₁)，…，d(s_K)

保证d(s₁)，…，d(s_K)按从小到大排序

令s_K=～s₁（每个比特都取反）

循环：j=1到N_T（N_T为发送天线数）

循环：b=1到Q（Q为发送向量s中的每个元素包含的比特数）

循环：k=2到K

如果s_k的(j,b)位比特与s₁相反

计算 $L(j,b)=\left\{\begin{array}{cc}d\left(s_1\right)-d\left(s_k\right),& s_k(j,b)=0\\ d\left(s_k\right)-d\left(s_1\right),& s_k(j,b)=1\end{array}\right.$

条件控制结束

结束循环

结束循环

结束循环

为了验证本发明提出的信号检测方法的性能，在本发明的一个实施例中，在采用4×4收发天线、64QAM调制、1/3码率的Turbo信道编码的条件下进行了性能仿真。

为了表述方便，本发明提出的信号检测方法简称为限幅替代法。用于进行对比的算法包括STS算法和另外两种常见的基于K-Best算法的软信息的近似方法：

（1）STS（Single Tree Search）算法是一种基于球形译码的深度优先软输出算法，在搜索过程中不断更新所有LLR的上限，并将搜索半径R限制在当前最高的上限，以减少访问结点数。该算法复杂度很高（大约比一次K-Best遍历高2个数量级），且硬件实现困难。

（2）直接简略法，基于K-Best算法，将被删掉而没有留在K条最佳路径里的候选点，看做d^ML(j,b)为无穷大。

（3）经验平均法，基于K-Best算法，对于无法直接找到的d^ML(j,b)，令

N为所有可以得到的d^ML(j,b)的个数，参数α是一个仿真得到的经验值，一般取α=1.5。

4种方法的性能仿真测试结果如图2所示，图中横轴表示信噪比，纵轴表示不同信噪比下各检测方法的误比特率。其中，STS软判决的性能最好，因为STS检测器输出的是准确的Max-Log对数似然比（LLR），通过信道编译码，性能可以接近信道容量。

几种K-Best软判决检测的性能都不如STS，但由于LLR不需要像硬判决那样精确，虽然K-Best的LLR计算都做了近似处理，但通过信道编码能纠回足够的误码。

在信噪比较低的时候，直接简略法性能略好，限幅替代法居中，经验平均法略差。然而随着信噪比增大，限幅替代法的BER下降很快，直至明显占优；高信噪比下，低K的限幅替代法甚至能超过高K的直接简略法、经验平均法。

K值越小，直接简略法在高信噪比下的劣势就越明显。这是因为高信噪比下的检测性能主要取决于信道的好坏，当信道不佳时K个候选留下的信息不够，直接简略法的性能就会有较大损失。

在高信噪比下表现最好的是限幅替代法。其余算法中，当K值较大时，经验平均法优于直接简略法；当K值较小时，经验平均法最差。

K-Best检测的复杂度由两部分组成：K-Best搜索和LLR计算。K-Best搜索的复杂度是一样的，各种算法的LLR计算复杂度不同。

在本实施例中，同样对LLR计算的复杂度进行了仿真测试，主要统计了加法、乘法、比较、开方、除法运算的平均次数。

测试结果表明，三种算法所需的比较次数基本一样，大约与K成正比。比较次数主要用于在K个候选中搜索

基本都是比特级的，虽然看起来数量多但很快。另外还有一次比较，判断是否搜索完K个候选还没找到

由于限幅替代法设计了将path(K)取为path(1)的反这一步，因此省略了这个判断，省了一次比较。随着信噪比的升高，比较次数逐渐减少。

直接简略和限幅替代的加法次数一样，是计算公式（6）所用。经验平均法由于要算平均数，所需加法次数更多。加法次数不随信噪比变化。

经验平均法除此之外，还需要乘法、开方、除法，这些运算耗时都较长，因此经验平均法复杂度较高。开方、除法用于算二次均值，乘法用于算二次均值和乘系数。K值越大，参与平均的越多，因此开方数越多；没找到的

越少，需要乘系数的越少。经验平均法的除法数量固定为1次。

综上可知，本发明提出的限幅替代法的性能最好，复杂度又最低。

本发明提出的用于MIMO系统的信号检测装置如图3所示，由预处理单元、K-Best处理单元和限幅替代单元构成。预处理单元接受信道矩阵H和接收向量y，将H矩阵分解为酉矩阵Q₁和上三角矩阵R的乘积，并将实数接收信号向量y左乘酉矩阵Q₁的转置矩阵Q₁ ^H，得到

K-Best处理单元接收预处理单元QR分解后得到的上三角矩阵R和向量

，并进行K-Best搜索，得到K条最小欧式距离的存留路径；限幅替代单元根据从K-Best处理单元接收到的K条存留路径的最小欧式距离，进行软信息的计算，对于软信息值不在K条存留路径的比特统一用K个存留欧氏距离中最大者替代。

以上所述仅是本发明的优选实施方式，应当指出，对于本领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和替换，这些改进和替换也应视为本发明的保护范围。

Claims (8)

1.一种用于MIMO系统的信号检测方法，其特征在于，所述信号检测方法包括以下步骤：

S1、利用信道矩阵H和接收向量y构建出搜索树；

S2、对所述搜索树进行K-Best搜索，得到K条欧式距离最小的存留路径，K为正整数，所述K条存留路径对应的欧式距离从小到大依次为d(s₁)，d(s₂)，…，d(s_K)；

S3、计算出第j个发送天线上、第b个比特位的最短欧式距离d^ML(j,b)，

其中，若d^ML(j,b)不在所述K条存留路径中，则令d^ML(j,b)=d(s_K)；

S4、利用d^ML(j,b)以及d(s₁)，d(s₂)，…，d(s_K)计算出各个比特位的软信息值。

2.根据权利要求1所述的用于MIMO系统的信号检测方法，其特征在于，步骤S4中，所述软信息值为对数似然比。

3.根据权利要求2所述的用于MIMO系统的信号检测方法，其特征在于，步骤S2进一步包括：计算出d(s₁)，d(s₂)，…，d(s_K)依次对应的发送向量s₁，s₂，…，s_K；

步骤S3具体包括：

S3-1、令d^ML=d(s₁)，s^ML=s₁；

S3-2、从发送向量s₂开始向后搜索，检查发送向量s_i是否与s^ML的第j子流、第b比特相反，若是，则令d^ML(j,b)=d(s_i)，若否，则令d^ML(j,b)=d(s_K)，其中，i为正整数，且1<i<K。

4.根据权利要求3所述的用于MIMO系统的信号检测方法，其特征在于，步骤S4中，第j个发送天线上、第b个比特位的软信息值L(j,b)的计算公式为：

$L(j,b)=\left\{\begin{array}{cc}{d}^{\mathrm{ML}}-d^{\mathrm{ML}}(j,b),& S^{\mathrm{ML}}(j,b)=0\\ d^{\mathrm{ML}}(j,b)-d^{\mathrm{ML}},& s^{\mathrm{ML}}(j,b)=1\end{array}\right.$

其中，s^ML(j,b)表示第j个发送天线上、第b个比特位的比特值。

5.根据权利要求1-4中任一项所述的用于MIMO系统的信号检测方法，其特征在于，步骤S1具体包括：

对于所述信道矩阵H，有：

y=Hs+n    （1）

其中，y为所述接收向量，s为发送向量，n为加性高斯白噪声；

对矩阵H进行QR分解，得到酉矩阵Q₁和上三角矩阵R，即：

H=Q₁R

在公式（1）的两边同时左乘Q₁的共轭转置矩阵Q₁ ^H，得到：

其中，

通过矩阵R和向量

构建所述搜索树。

6.根据权利要求1-4中任一项所述的用于MIMO系统的信号检测方法，其特征在于，所述MIMO系统采用QAM调制。

7.根据权利要求1-4中任一项所述的用于MIMO系统的信号检测方法，其特征在于，所述MIMO系统采用Turbo码进行信道编码。

8.一种用于MIMO系统的信号检测装置，其特征在于，所述信号检测装置包括预处理单元、K-Best处理单元和限幅替代单元，所述K-Best处理单元分别与所述预处理单元及所述限幅替代单元相连，其中，

所述预处理单元用于利用信道矩阵H及接收向量y构建出搜索树，并将所述搜索树发送给所述K-Best处理单元；

所述K-Best处理单元用于对所述搜索树进行K-Best搜索，得到K条欧式距离最小的存留路径，K为正整数，所述K条存留路径对应的欧式距离从小到大依次为d(s₁)，d(s₂)，…，d(s_K)；

所述K-Best处理单元将所述K条存留路径以及d(s₁)，d(s₂)，…，d(s_K)发送给所述限幅替代单元；

所述限幅替代单元用于计算出第j个发送天线上、第b个比特位的最短欧式距离d^ML(j,b)，并利用d^ML(j,b)以及d(s₁)，d(s₂)，…，d(s_K)计算出比特位(j,b)的软信息值，

其中，若d^ML(j,b)不在所述K条存留路径中，则令d^ML(j,b)=d(s_K)。

Images