CN103548310B - 使用格规约和K‑best检测的MIMO接收器 - Google Patents

使用格规约和K‑best检测的MIMO接收器 Download PDF

Info

Publication number
CN103548310B
CN103548310B CN201280024325.2A CN201280024325A CN103548310B CN 103548310 B CN103548310 B CN 103548310B CN 201280024325 A CN201280024325 A CN 201280024325A CN 103548310 B CN103548310 B CN 103548310B
Authority
CN
China
Prior art keywords
matrix
ext
decomposition
neighborhood
lattice reduction
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201280024325.2A
Other languages
English (en)
Other versions
CN103548310A (zh
Inventor
塞巴斯蒂安·奥伯特
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
ST Ericsson SA
Original Assignee
ST Ericsson SA
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by ST Ericsson SA filed Critical ST Ericsson SA
Publication of CN103548310A publication Critical patent/CN103548310A/zh
Application granted granted Critical
Publication of CN103548310B publication Critical patent/CN103548310B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00—Baseband systems
    • H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/03—Shaping networks in transmitter or receiver, e.g. adaptive shaping networks
    • H04L25/03006—Arrangements for removing intersymbol interference
    • H04L25/03178—Arrangements involving sequence estimation techniques
    • H04L25/03203—Trellis search techniques
    • H04L25/03216—Trellis search techniques using the M-algorithm
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00—Baseband systems
    • H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/03—Shaping networks in transmitter or receiver, e.g. adaptive shaping networks
    • H04L25/03006—Arrangements for removing intersymbol interference
    • H04L25/03178—Arrangements involving sequence estimation techniques
    • H04L25/03203—Trellis search techniques
    • H04L25/03242—Methods involving sphere decoding
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
    • H04B7/0697—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using spatial multiplexing
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00—Baseband systems
    • H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/0202—Channel estimation
    • H04L25/024—Channel estimation channel estimation algorithms
    • H04L25/0242—Channel estimation channel estimation algorithms using matrix methods
    • H04L25/0246—Channel estimation channel estimation algorithms using matrix methods with factorisation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00—Baseband systems
    • H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/03—Shaping networks in transmitter or receiver, e.g. adaptive shaping networks
    • H04L25/03891—Spatial equalizers
    • H04L25/03961—Spatial equalizers design criteria
    • H04L25/03968—Spatial equalizers design criteria mean-square error [MSE]

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Power Engineering (AREA)
  • Radio Transmission System (AREA)

Abstract

一种用于基于多输入多输出天线（nT、nR）的无线通信系统的接收器的检测方法，所述接收器处理源于由发射器通过信道H发射的符号x的观测符号y；其特征在于，所述检测方法包括：‑仅取决于所述信道H的预处理，所述预处理包括：‑第一QRD分解（61），用于将所述信道H分解成Qext矩阵和Rext矩阵，其中，Qext HQext=I，Rext为上三角矩阵；‑格规约（62），用于生成和变换矩阵T；‑对矩阵应用的第二QRD分解（63），以生成矩阵和矩阵，‑加载阶段（64，65，66），包括观测y的线性检测过程以生成值xcenter；‑在原始区间邻域（ODN）中进行的邻域搜索（67‑70），搜索中心等于所述加载阶段的结果xcenter，所述邻域搜索确定有限数量的符号（K‑best）。

Description

使用格规约和K-best检测的MIMO接收器
技术领域
本发明涉及无线通信领域，尤其涉及在无线MIMO通信系统的接收器中进行近-最大似然（ML）检测的方法。
背景技术
基于多个天线的无线通信是非常有前景的技术，对该技术进行广泛的调查研究，从而利用由这种技术可获得的数据速率显著增大的优势。
图1示出了在发射器10和接收器20之间的基本的2×2多输入多输出（MIMO）空间多路通信以及对单一的数据流的处理，该单一的数据流由附图标记1表示，且通过多路转接器15而分成两个不同的数据流2和数据流3，然后，每个子流在传送至两个发射天线11和发射天线12之前由各自的调制器和RF（射频）电路（分别为附图标记13和附图标记14）进行处理。
在接收器侧，两个天线21和天线22提供两个RF信号，该两个RF信号被接收器20接收，该接收器20在将两个数据流多路分解成一个单一数据流之前，对这两个数据流进行RF接收、检测、然后解调。
利用特定方案，MIMO配置允许避开不同的障碍物（诸如，由障碍物28和障碍物29表示）。
我们介绍nT-发射和nR-接收的nT×nRMIMO系统模型，诸如y=Hx+n，其中，y是接收符号向量，H是信道矩阵，x是独立地取自星座集ξ的发射符号向量，及n是加性高斯白噪声。用于通过避免穷举搜索来确定最佳的最大似然（ML）估计值的公知技术基于检查位于半径为d的球体内部的仅有的格点。这种技术表示为球解码（SD）技术，且从ML方程得出该技术为：
其中，利用经典的QR分解（QRD）定义，H=QR，d是球体约束。
SD原理已被引入，但导致许多实现问题。特别地，其为NP（非确定性多项式）时间难解算法。这个方面已通过引入有效的解决方案而被部分地解决，该解决方案在于通常被定义为K-Best的所谓的固定邻域尺寸算法（FNSA），FNSA提供了固定复杂度和并行执行的可能性。然而，与ML检测器比较，由于性能损失，这种已知的技术使检测器是次佳的。根据MIMO信道条件数，在不恰当的K的情况下，尤其如此，这是因为，可能遗憾地发生ML解决方案可能被排除在搜索树之外。
在下文的描述中，由于利用这样的检测器，复杂度是固定的，故表露出的优化将引起对于给定的邻域尺寸而言性能增加或对于给定的比特误码率（BER）目标而言邻域尺寸减小。在FNSA性能改善中的一些经典的公知优化在于在预处理步骤中使用排序QRD（SQRD）、在检测步骤中使用Schnorr-Euchner（SE）枚举策略和动态K-Best。
然而，尽管邻域研究仍为实现近ML性能的唯一的解决方案，但其可导致使用大尺寸邻域扫描，这会对应于计算复杂度剧增。在高阶调制的情况下，尤其如此。
而且，在给定的信道实现上，对于每个发射符号向量检测，必须完全处理SD。通过考虑相邻信道之间的相关性而降低计算复杂度是不可行的，即使信道可看作是对于相干带（时间）内的一定的分组码长度而言是恒定的。因此，由于SD的原理本身，技术人员会注意到降低任何SD型检测器的计算复杂度的必要性而使其可应用于高级长期演进（LTE-A）环境。
为了在高阶调制（16QAM（正交制幅），64QAM）的情况下提供低复杂度的近-ML检测器，收缩区间（reduced domain）邻域（RDN）格规约辅助的（LRA）K-Best已在由本申请的申请人于2010年11月30日递交的名称为“Detection process for a receiver of a wirelessMIMO communication system”的尚未公布的欧洲专利申请10368044.3中公开，该欧洲专利申请通过简单引用并入本文。
上述未公开的申请教导了基于特定ML度量公式的邻域尺寸限制，该ML度量公式使SD应用改变的星座域中的邻域研究（所谓的收缩区间邻域（RDN））。然而，所提供的性能已被示为近ML，但以在QPSK（正交相移键控）情况下的大的计算复杂度为代价。
由于在上述欧洲专利申请中描述的技术需要大量的系统资源来在所谓的收缩区间邻域（RDN）内进行适当的邻域搜索，故在一些特定的情况下，存在利用原始区间邻域（ODN）进行邻域搜索的期望。
通过本发明解决了这种技术问题。
发明内容
本发明的一个目的是提供一种适合于实现强大的近ML检测的MIMO架构的检测方法。
本发明的另一目的是实施适合在原始区间邻域内进行邻域搜索的检测方法。
本发明的又一目的是提供一种可使复杂度适应于在系统中可利用的数字处理资源的水平的有效方法。
通过用于接收器的检测方法，实现本发明的这些和其他目的，该检测方法包括下列步骤：
-进行仅取决于所述信道H的预处理，所述预处理包括：
-第一QRD分解，用于将所述信道H分解成Qext矩阵和Rext矩阵，其中，Qext HQext=I，Rext为上三角矩阵；
-格规约，用于生成和变换矩阵T；
-对矩阵所应用的第二QRD分解，用于生成矩阵和矩阵，
-包括观测y的线性检测过程的加载阶段，用于生成值xcenter；
-然后，在原始区间邻域（ODN）中进行的邻域搜索，搜索中心等于所述加载阶段的结果xcenter，所述邻域搜索确定有限数量的符号（K-best）。
在一个实施方式中，所述第一QRD分解为SQRD分解，所述SQRD分解尤其应用于考虑到噪声影响且具有维度(nR+nT)×nT的Hext信道，也就是说，根据来自如下公式的模型应用于Hext信道：
和
yext具有维度nT。
所述第一SQRD分解生成根据噪声级别对层排序的置换矩阵P。
在一个特定实施方式中，线性检测基于线性MMSE（最小均方误差）均衡。
在一个特定实施方式中，格规约是基于Korkine-Zolotareff或Lenstra-Lenstra-Lovasz（LLL）算法，以生成下面的矩阵T和T-1，T为变换矩阵，该变换矩阵考虑到已通过矩阵P考虑的置换和由格规约产生的额外的变化。
本发明也实现了一种用于基于多输入多输出天线的无线通信系统的接收器，所述多输入多输出天线包括nT个发射天线和nR个接收天线，所述接收器处理源于由发射器通过信道H发射的符号x的观测符号y；其特征在于，所述接收器包括：
-预处理部件，包括：
-用于进行第一QRD分解以将所述信道H分解成Qext矩阵和Rext矩阵的部件，其中，Qext HQext=I，Rext为上三角矩阵；
-用于进行格规约以生成和变换矩阵T的部件；
-用于对矩阵应用第二QRD分解以生成矩阵和矩阵的部件，
-用于进行包括观测y的线性检测过程的加载阶段以生成值xcenter的部件；
-用于在原始区间邻域（ODN）中进行邻域搜索的部件，搜索中心等于所述加载阶段的结果xcenter，所述邻域搜索确定有限数量的符号（K-best）。
在一个实施方式中，第一QRD分解为尤其被应用于Hext信道的SQRD分解：
和
yext具有维度nR+nT。
最后，本发明实现了一种用于MIMO无线通信系统的接收器的检测方法，所述检测方法包括以下步骤：
-仅取决于所述信道H的预处理，所述预处理包括：
-第一QRD分解以将所述信道H分解成Qext矩阵和Rext矩阵，其中，Qext HQext=I，Rext为上三角矩阵；
-格规约以生成和变换矩阵T；
-确定可利用的数字资源是否高于一个预定水平；
-如果所述数字资源高于所述预定水平，则执行包括下面步骤的过程：
-对矩阵应用第二QRD分解以生成和
-包括观测y的线性检测过程的加载阶段，以生成值xcenter；
-在原始区间邻域（ODN）中进行的邻域搜索，搜索中心等于所述加载阶段的结果xcenter，所述邻域搜索确定有限数量的符号（K-best）；
否则执行包括下面步骤的过程：
-包括根据所述格规约的结果对所述符号y所应用的线性检测的加载阶段，以生成值
-应用邻域搜索，搜索中心等于所述格规约的结果
-根据依照下面的公式定义的部分欧氏距离（PED），确定K-Best符号：
-检测每一层，然后通过所述检测的结果进行所述搜索中心的更新，以便进行下一层的检测；
-通过在原始星座中的额外的量化步骤，将估算值乘以所述矩阵T，以生成估算值
本发明适用于实行用户设备，如移动电话。
附图说明
通过结合附图阅读下文的详细描述，将最佳地理解本发明的一个或多个实施方式的其他特征。
图1示出利用空间多路复用方案的基本的2×2多输入多输出（MIMO）。
图2示出ODN和RDN LRA-FNSA的预处理步骤的框图。
图3仅示出ODN LRA-FNSA的额外的预处理步骤的框图。
图4示出ODN和RDN LRA-FNSA的加载步骤的框图。
图5示出ODN LRA-FNSA的加载步骤的框图。
图6示出RDN LRA-FNSA的检测步骤的框图。
图7示出ODN LRA-FNSA的检测步骤的框图。
图8示出RDN LRA-FNSA的最终步骤的框图。
图9示出进行ODN LRA-SF（MMSE）FNSA的方法的第一实施方式。
图10示出根据在系统中可利用的数字资源利用ODN LRA-ZF（MMSE）FPA FNSA和RDNLRA-ZF（MMSE）FPA FNSA的方法的第二实施方式。
图11示出RDN LRA-SF（MMSE）FNSA的算法的一个实施方式。
图12示出ODN LRA-ZF（MMSE）FNSA的一个实施方式。
图13a至图13d分别示出，对于K={1，2，3，4}，4x4复杂瑞利信道，在每一层上的QPSK调制，RDN LRA-MMSE FNSA、ODN LRA-MMSE FNSA、ODN LRA-MMSE FPA和参照ML的未编码的BER。
图14a至图14d分别示出，对于K={1，2，4，16}，4x4复杂瑞利信道，在每一层上的16-QAM调制，RDN LRA-MMSE FNSA、ODN LRA-MMSE FNSA、ODN LRA-MMSE FPA和参照ML的未编码的BER。
图15示出计算复杂度等效值。
图16为示出RDN LRA-ZF（MMSE）FNSA、ODN LRA-ZF（MMSE）FNSA、ODN LRA-ZF（MMSE）FPA和ML的公式的表。
图17总结用在传统技术和所提出的解决方案中的度量公式。
图18和图19示出在不同技术间的对于QPSK和16QAM的SNR损失的比较。
具体实施方式
方程式（1）中的经典的SD公式集中在接收的信号y上，相应的检测器将在下文中被表示为“”SD。在深度优先搜索算法的情况下，Babai点被定义为由算法给出的第一解。在这种情况下，所产生的Babai点隐含为迫零-串行干扰消除（ZF-SIC）。在固定邻域尺寸算法（FNSA）的情况下，该定义被扩展，且被看作将直接得到而不进行邻域研究的解。必须引入的另一个有用的符号是球体搜索中心xC，即在形式||xC-x||2≤d2的任何方程中的信号，其中，x是在星座内的符合方程（nT-1）-球体的任何可能的信号。
总体思想依赖于选择有效的搜索中心，该搜索中心引起已经近似最优的Babai点，也就是说，已经接近ML解的解。特别地，该解将提供ML分集和微小的SNR（信噪比）偏移，同时其对应于伪-线性均衡。这样，显然，邻域扫描尺寸可减小，同时达到ML估值。在FNSA的情况下，由于邻域尺寸是固定的，故其将引起对于给定的邻域尺寸而言性能得到改善或对于给定的BER目标而言邻域尺寸减小。
由于引入了下文描述的等价度量，可应用上文引起的思想。利用原始区间（original domain）邻域（ODN）研究，这种可能性已被探索用于最小均方误差（MMSE）-串行干扰消除（SIC）Babai点（参考文献[2，3，4，5]）。另外，利用收缩区间邻域（RDN）研究，这种可能性已被隐含地用于格规约辅助的（LRA）-ZF-SIC Babai点（参考文献[1，6]）。这使得符号向量中的层接近于独立的，且从而降低在收缩区间和原始区间中扫描大的邻域以获得ML性能的关注度。
然而，技术的计算复杂度已被表明在QPSK情况中是效率较低的，在那种情况下，以在QPSK情况中可接受的约调制尺寸的邻域尺寸为代价，可获得近-ML性能。此外，RDN研究是复杂的，尤其是在可能的邻居产生的背景下，这是因为在收缩区间中的星座是未知的且无穷的。
因此，现在提出替代在上述未公开欧洲专利申请中讨论的已知技术，或通过利用LRA检测器的全分集、同时通过在原始区间中的邻域研究降低SNR偏移的新机制，来完成这样的技术。
所提出的且在下面对于球解码算法详细描述的新技术将在下文中称为ODN LRA-ZF FNSA。另外，通过引入由上述未公开欧洲专利申请介绍的等价度量，进一步改善了性能。随后，介绍ODN LRA-MMSE FNSA。
为了使方法（II）的描述清楚，首先将介绍一些理论考虑因素（I）。
I.理论考虑因素
在该第一初始部分中，将简略地引起可能不同的球体中心，以便清晰地呈现本发明的贡献。
在原始星座中具有邻域的ZF（MMSE）中心
可考虑经典的ZF FNSA[3]和MMSE FNSA[4]，但即使利用经典的优化（层排序[7]、符号排序[8]、动态K[9]），通过高阶调制提供了差的性能，除非以大的邻域研究且随后的大的计算复杂度为代价。
在收缩星座中具有邻域的LRA-ZF（MMSE）中心
随后，LRA-ZF（MMSE）FNSA已在上述欧洲专利申请[1]中被考虑，且提供非常深刻的硬判决性能。然而，即使在收缩区域中的邻域研究的问题已被充分解决，但其仍然是非常复杂和敏感的。特别地，许多步骤必须加入到接收器中，这增大了检测器延时。而且，由于通过量化运算来自消除不属于的附近格点的QPSK星座构建的隐式约束，在QPSK情况下，不会提供强劲的性能改善[2]。然而，基本原则是保存LRA-检测器的ML分集。因此，提出加分路的解决方案，通过在原始区域中的邻域研究，其允许使用有效的球体中心，即LRA-ZF点。
在原始星座中具有邻域的LRA-ZF中心
由Zhang等[5]提出的定义为固定点算法（FPA）的解决方案，就提供通过由T-1x替换z而不需要在收缩区域中的邻域研究的次解决方案的意义而言，该解决方案是令人关注的。然而，他们所引入的公式不等于ML度量，从而提供了次佳的性能。
原始解决方案在于提供ML度量的精确表达，该表达可同时写成：
其中，是的QRD输出，使邻域研究在原始范围中进行。
证明：
现在，该原理通过QRD输出的三角形状，使所有的x输入是独立的：
其中，
然而，可注意到，与经典的QRD相比，拟三角矩阵的QRD复杂度可降低，在本发明中未讨论这一点。
在原始星座中具有邻域的LRA-MMSE中心
下一个思想是选择比ZF-SIC更靠近ML的Babai点，这是MMSE-SIC解决方案的情况。
为了清晰定义，如果即使在不同度量的情况下，最小距离的格点参数输出是相同的，则我们说两个ML方程是等价的。如果：
其中，c是常数，则两个ML方程是等价的。
通过等价度量的引入和类似于在参考文献[1]中已提供的证明，可以提出新的公式：
其中，同样，可注意到，在原始范围中处理邻域研究，即读者也应该注意到，公式（4）考虑到无约束的LRA-MMSE估算，因此，也不存在收缩区间中的量化。
由于其基于在上述欧洲专利申请[1]中公开的机制，该技术有利地在于，如果必要，在SD中避开收缩区间中的邻域研究的可能性。因此，公式（4）中所提出的解是初始解，且使RDN LRA-MMSE FNSA的计算复杂度大为降低。为了一致性，这种解决方案表示为ODN LRA-MMSE FNSA。
另外，为了可比较性，FPA算法已被扩展到MMSE情况。
以利用基于RDN和基于ODN的研究的完整的综合方法的描述的角度，在图2-8中示出的不同的基本框图现将引入替选的RDN方法和ODN方法。
具体地，图2至图3提出预处理步骤，图4至图5处理初始化过程，图6至图8严格来说描述检测阶段。
图2示出了为ODN LRA-ZF/MMSE FNSA和RDN LRA-ZF/MMSE FNSA基本上所共同的预处理步骤的框图。由块25进行的扩展步骤SQRD旨在提供由块26进行的LLL（Lenstra-Lenstra-Lovasz）步骤的方便的起始点，使得其引起其平均值和方差的计算复杂度显著降低。随后，预处理步骤取决于包括置换矩阵P的SQRD输出。除了别的之外，LLL块输出提供“较好的”调节的矩阵T包括在SQRD处理中的置换和在LR算法处理中的交换-归约运算。
图3更具体地示出了仅在ODN LRA-FNSA的唯一情况中涉及的额外的预处理步骤。我们看到，该额外的预处理步骤在于和求逆后的T-1的乘法运算（块31），为了计算复杂度降低，该乘法运算甚至可直接在LLL算法内进行。然后，由块32处理额外的QRD。
图4示出了ODN LRA-ZF/MMSE FNSA和RDN LRA-ZF/MMSE FNSA的初始化步骤的框图41。我们看到，通过考虑接收向量y，应用无约束的LRA-MMSE线性检测器（LD）。但该框图是一般的，尽管不提供任何优势，但可最终被使用以产生无约束的LRA-ZF LD。
图5示出了ODN LRA-ZF/MMSE FNSA和RDN LRA-ZF/MMSE FNSA的初始化步骤的框图50。从公式（4）且为了保持度量精确，在收缩区间中的无约束的LRA-MMSE估算值仅仅通过乘以T而被转换回原始星座。
图6示出了RDN LRA-ZF/MMSE FNSA的检测步骤的框图，该框图包括用于通过首先考虑无约束的LRA-ZF/MMSE LD估算值而更新搜索中心的块51。然后，通过块52应用缩放-移位运算，凭借块53通过围绕更新的搜索中心的SE策略，处理RDN生成。随后，在块54中进行去移位-去缩放运算以从收缩星座中转换回。在最后的块55中，计算出PED（部分欧氏距离），然后对其进行排序，诸如只有K个幸存的候选者被保存在每一层中。此外，存储K个最佳解且在方框图的开始再次引入，直到已检测到完整的发射向量。
图7示出了ODN LRA-ZF/MMSE FNSA的检测步骤的框图。与图6相似，图7通过在块56中进行的考虑任一搜索中心而提供了邻域研究，该块56因此可与唯一的PED排序块57相结合。特别地，由于在原始区间中，邻域是预先已知的，故在图6中所示的所有其他块已被去除，例如RDN生成。ODN LRA-ZF/MMSE FNSA输出已属于原始星座，RDN LRA-ZF/MMSE FNSA不是这种情况。
图8示出了RDN LRA-ZF/MMSE FNSA的最终步骤的框图。我们看到，通过块58，在收缩区间中的可能的解的集合转换回原始星座，导致在原始区间中的可能的解的集合。由于ODN生成问题，该集合可能导致未存在的符号向量，这引起使用量化算子（块59），量化算子将符号约束为存在的符号。特别地，考虑位于星座界限外面的符号的情况。最后，通过块60，PED在原始星座中被排序。从而，通过考虑具有最小欧氏距离的路径，提供硬估算。
图1、图2、图4和图6都已被具体描述在上述未公布的欧洲专利申请中。此外，RDN生成块是非常敏感的，这是因为其在于由于混合x的每个输入的矩阵T，产生收缩星座中的预先未知的邻域集。最糟的是：星座是无限的，在错误校准的情况下，这将显著地增大计算复杂度，而未达到最佳的ML估算。
出于消除在收缩区间的邻域研究的目的，建议引入额外的QRD，该QRD使在底层的x输入独立于其他层。最后，类似于求解系统，其允许通过减去先前检测到的符号贡献，迭代地解码剩余的输入。
为了清晰，在示出MATLAB示例的图11中描述了引起的基于RDN的算法。
特别地，在图12的算法中提出了新的技术，该原理依赖于以下事实：RDN LRA-ZF（MMSE）FNSA可由复杂度较低的ODN LRA-ZF（MMSE）FNSA替换，当这样的替换显示为合适的话。
正如在图12的算法的步骤3中描述的，呈现了额外的步骤。即，必须处理的QRD。在介绍方程式（2）期间，已示出了理由。这个步骤仅依赖于信道实现，从而这个步骤不是必须对于每个发射符号向量而处理。
实际实施方式的描述
1）第一实施方式
现将参照图9描述用于基于格规约辅助的（LRA）MMSE检测进行在原始区间邻域（ODN）中的检测的方法的一个第一实施方式，其涉及图2至图8的不同功能块。
如上文描述的，特定的实施方式依次包括：仅取决于信道的预处理阶段（A）；然后是用于处理接收到的观测结果的加载阶段（B）；然后是为了实现检测而在原始区间邻域（ODN）内的邻域搜索的阶段（C），通过阶段（C）完成该特定的实施方式。
A.预处理
预处理阶段以信道H的知识的假设开始，该信道H可通过任何传统方法（例如，通过使用导频信号或参考信号）来确定。
另外，假设噪声的方差（σ2）是已知的。
这样的参数可例如在收到符号帧之后确定，且当信道变化时可重复执行这样的参数。
接着，该方法以步骤61开始，步骤61在于如由图2的功能块25所示出的根据任何传统方法的QRD分解，也就是说，将信道分解成Qext矩阵和Rext矩阵，其中Qext HQext=I（矩阵恒等式），Rext为上三角矩阵。在一个特定实施方式中，QRD分解为SQRD分解，该SQRD分解尤其被应用于Hext信道，该Hext信道考虑到噪声贡献且具有维度(nR+nT)×nT，也就是说，根据来自如下公式的模型：
和
其中，yext具有维度nR+nT。
更特别地，SQRD分解为排序QRD分解，其中，所述上三角矩阵的行根据信干噪比（SINR）的程度而排序，所述SQRD分解输出Qext、Rext和置换矩阵P。
于是，步骤61导致下面三个参数Qext、Rext和P的产生，其中，P为从下到上显示具有最佳信噪比的符号的置换矩阵。由于R矩阵将被用于首先检测显示最佳信噪比的符号，故这种特定布置降低了错误传播。
在文献“Near-Maximum-Likelihood Detection of MIMO Systems using MMSE-Based Lattice-Reduction”（D.Wubben，R.V.Kühm和K.-D.Kammeyer，Communications，IEEE Internationa/Conference，第2卷,798页-802页，2004年）中，尤其讨论了SQR分解。
然后，该方法继续进行步骤62，在该步骤中，为了改善信道矩阵的两个分量（Qext，Rext）的调节，应用格规约。
出于那个目的，更特别地，实施方式应用Korkine-Zolotareff算法或由图2的块26示出的Lenstra-Lenstra-Lovasz（LLL）算法。更优选地，LLL算法用于导出T矩阵和T-1矩阵。
从而，步骤62输出下面的变量T和T-1，其中T为变换矩阵，该变换矩阵考虑到矩阵P已考虑到的置换和由格规约产生的额外变化。
然后，该方法继续进行步骤63，在该步骤中，对应用第二QR分解，以生成矩阵和矩阵
这完成了仅考虑H信道的预处理阶段。
B.加载阶段
所谓的加载阶段包括观测向量y的确定数n的处理，n取决于信道H如何变化。一般而言，当H进行快速变化（例如，由于手机正在小区内移动）时，于是观测的数目n将减小，以允许信道的更加频繁的更新。相反，如果信道显示相当稳定，于是待通过相同预处理阶段A的结果加载的观测Y的数目可增大。许多变化可被考虑以确定在阶段B期间待被考虑的观测的合适的数目。例如，肯定确认或否定确认的数目的考虑可用于确定信道是否正快速变化，于是导致需要启动新的预处理阶段。这样的特定方面不是本发明的部分，将不进一步阐述。
加载阶段以步骤64开始，在该步骤中，该方法继续进行当前观测向量y的加载。
然后，在步骤65中，该方法进行执行线性检测，在所考虑的特定实施方式中，该线性检测基于如图4的功能块41所示的格规约辅助的MMSE算法。
在一个特定实施方式中，线性检测基于线性均衡。
应用LRA-MMSE线性检测产生值xcenter，接着该值xcenter可用于完成该检测方法的目的。
C.处理阶段（ODN中邻域的搜索）
第三阶段相当于所谓加载阶段的结束，开始真正的检测过程。当第二阶段仅仅基于意味着乘以矩阵的线性检测或均衡时，阶段C现在导致发射符号的检测。
如上文中Wubben等人的描述，利用在第二QR分解中的R矩阵的三角形状，检测基于应用串行干扰消除（SIC）以实现量化从而实现该检测方法。
相反，现在描述的实施方式与传统的教导的不同之处在于，研究邻域搜索以产生预定数目的可能的符号。
更特别地，在所考虑的实施方式中，上文阶段B的结果用于导出用于邻域搜索的搜索中心。
步骤66为FOR循环的开始以处理所接收符号的所有层。
在步骤67中，该方法进行如图7的块56示出的搜索中心的更新，该搜索中心的更新特别考虑了先前的生成xcenter的步骤65的值以及先前的对上一层的迭代的结果。
然后，在步骤68中，为了选择给出小的PED距离的预定数目K个整数（以下表示为K-best解），该方法进行在原始区间邻域（ODN）内进行PED排序。
在一个替选的实施方式中，该方法直接产生给出递增的PED值的有序符号的列表，使得K-best解的选择仅仅基于有序列表的前K个值的生成。
为了生成K-best，可应用不同的算法，例如所谓的SCHNORR-EUCHNER算法。
在一个特定实施方式中，该方法产生了每层有10个K-best可能的整数的集。
然后，在步骤69中，该方法进行下一层的处理，并再次循环回至步骤66。
当已处理了n个观测向量的集时，为了进行下一帧的新的预处理，该方法接着再一次初始化。
2）第二实施方式
现将关于图10描述RDN机制和ODN机制可以如何组合来实现高度有效的检测方法，该检测方法考虑在接收器中可利用的资源的水平。
A.预处理阶段
该方法以步骤71开始，步骤71在于根据图9的步骤61所描述的第一QRD分解，步骤71生成三个参数：Qext、Rext和P。
然后，在步骤72中，与步骤62相似，该方法应用格规约，以生成下面的矩阵T和T-1，T为变换矩阵，该变换矩阵考虑已通过矩阵P考虑的置换和由格规约产生的额外变化。
然后，在步骤73中进行测试，以确定数字资源的水平是否高于预定水平。
如果资源显示低于预定水平，于是该方法执行步骤83至步骤89，该步骤83至步骤89相似于上述步骤63-69，且具有基于原始区间邻域（ODN）进行LRA辅助的MMSE检测方法的目的。
相反，在接收器中可利用的资源水平显示高于预定水平的情况下，于是该方法执行方法步骤93-101，该步骤93-101在于在上述欧洲专利申请中描述的RDN LRA-MMSE检测，总结如下：
B.加载阶段
所谓的加载阶段包括步骤93-95，该步骤93-95涉及预定数目n个观测向量y的处理，n取决于信道H如何变化。
加载阶段以步骤93开始，步骤93是为了加载连续的观测（如，n个向量Y的集）的循环的初始化。
接着，在步骤94中，该方法进行当前观测向量y的加载。
然后，在步骤95中，该方法执行线性均衡，在所考虑的特定实施方式中，该线性均衡基于格规约辅助的MMSE算法，表示为如下：
C.处理阶段（邻域的搜索）
第三阶段相当于所谓加载阶段的结束，开始真正的检测过程。当第二阶段仅仅基于意味着乘以矩阵的线性均衡时，阶段C现在导致发射符号的检测。
在Wuebben的文章中，利用在QR分解中的R矩阵的三角形状，检测基于应用串行干扰消除（SIC）以实现量化，从而实现该检测方法。
相反，现在描述的实施方式与传统的教导的区别在于，研究邻域搜索以产生预定数目的可能的符号。
更特别地，在所考虑的实施方式中，上文阶段B的结果用于导出用于邻域搜索的搜索中心。
这导致不再在原始星座中进行搜索，但在由格规约产生的“z”星座中执行该搜索，然而，在上述参考文献的图1中，WANG从的结果开始搜索。
步骤96为用于处理所接收符号的所有层的FOR循环的开始。
在步骤97中，该方法进行搜索中心的更新，该搜索中心的更新特别考虑了先前的生成的步骤95的值以及先前的对上一层的迭代的结果。
然后，在步骤98中，该过程进行对搜索中心的值应用的移位和除法运算，以实现幂的基本归一化和星座的缩放。
然后，在步骤99中，该方法继续对每一层产生所有待被研究的符号。由于先前的移位-归一化步骤，这样的生成基于围绕球体中心的整数的考虑。于是，该方法产生整数列表和根据如下公式计算相对于所考虑的球体中心的部分欧式距离：
其中，为源于QR分解和格规约（从而在RDN中）的上三角矩阵，z为在RDN内待被检测的符号向量，d为在收缩区间内的球体约束。
上文整数的生成引起给出小的PED距离的预定数目K个整数（以下称为K-best解）的选择。
在一个替选的实施方式中，该方法直接产生给出递增的PED值的有序符号的列表，使得K-best解的选择仅仅基于有序列表的前K个值的生成。
为了生成K-best，可应用不同的算法，例如所谓的SCHNORR-EUCHNER算法。
在一个特定实施方式中，该方法生成了每层有10个K-best可能的整数的集。
然后，在步骤100中，该方法进行下一层的处理，并再次循环回步骤96。
当所有层已被计算时，于是该方法进行至步骤101，在该步骤101中，将估算值乘以矩阵T，以在量化后生成估算值
当已处理了n个观测向量的集时，为了进行下一帧的新的预处理，该方法再一次初始化。
关于性能的结论
在上述欧洲专利申请[1]中描述的RDN LRA-MMSE FNSA，就秩亏MIMO系统（即，空间相关的天线系统，且用于高阶调制，该系统为LTE-A标准的考虑点（参考文献[10]））来说，是特别有效的。然而，在QPSK情况下，性能增益是差的。这种观测是因为，来自QPSK星座构建的隐式约束的存在，由于量化运算该隐式约束消除不属于的附近格点。由于在RDN中所考虑的许多格点将与在原始星座中的量化后的相同星座点相关联，尽管增大领域研究尺寸，这方面削减了大部分的LR协助效益，且不能被修正。在这种情况中，本发明所涉及的在原始区间中且围绕无约束的LRA-MMSE解决方案的邻域研究在计算上是有利的的，同时提供了近-ML性能。
性能结果被直接提供任何基于LRA-MMSE的检测器。当情况不是这样且为了比较的时候，FPA已被扩展到LRA-MMSE情况，该情况被定义为LRA-MMSE FPA。
对于K={1，2，3，4}，4×4复杂瑞利信道，对每一层的QPSK调制，图13a至图13d分别示出了RDN LRA-MMSE FNSA、ODN LRA-MMSE FNSA、ODN LRA-MMSE FPA和参照ML的未编码的BER。从这样的图中，需要突出一些值得注意的点。与RDN LRA-MMSE FNSA和ODN LRA-MMSEFNSA相反，即使存在SNR偏移的减少，对于合理的邻域大小，ODN LRA-MMSE FPA未达到ML分集。正如先前介绍的，这是因为应用了非精确的度量。
在图13a至图13d和图14a至图14d中，我们看到，示出的所有技术以非常大的邻域研究尺寸（即，大约为包含在所利用的星座中的符号的数目）为代价，实现ML分集。此外，在ODN LRA-MMSE FPA情况下，保留SNR偏移，而利用RDN LRA-MMSE FNSA和ODN LRA-MMSE FNSA实现ML性能。
复杂度的考虑
通过假定图15中呈现的假设，可证明在图16的表5中引入的计算复杂度。在不会导致边界控制的无限格中处理RDN研究；然而，在模拟中，以SE形式已生成了位移的有限集。其大小已被固定至经验值（N=5），并且，尽管应用SE技术，所提出的解决方案未像提前结束那样降低任何复杂度。
如图16的表所示，RDN LRA-ZF（MMSE）FNSA的计算复杂度不依赖星座阶次log2{M}。这可在表7的数字应用中核对，且对于高阶调制（如16（64）-QAM），这是胜过经典技术的发明[1]优势的关键点。
所有前述技术的概述
为了清晰，在图17的表中总结了矩阵运算公式。
在图18中给出了与ML比较的SNR损失。在ML解码器的情况下，对于未编码的10-4的BER，SNR损失已被测量。在与检测器（参考文献[1]）相比已示出提供了性能改善的RDNLRA-MMSE检测器和ODN LRA-MMSE检测器的情况下，直接给出性能。在参考文献[1]中已示出了RDN LRA-MMSE FNSA的优越性，因此，其作为参考以显示所提出的技术的优势。尽管其差的性能结果，但也考虑了ODN LRA-MMSE FPA。
对于在图18中给出的所有配置，对于RDN大小N=5，在图19的表中给出了相应计算复杂度的数值应用。
正如在参考文献[1]中提出的，在高阶调制中，RDN LRA-MMSE FNSA的优越性是明显的。即，RDN LRA-MMSE FNSA与基于ODN的检测器相比提供了强大的计算复杂度降低，同时在每一层使用16AM调制时获得了近-ML性能。特别地，对于减小三分之二（three timescheaper）的计算复杂度，观测到在10-4的BER下的0.28dB的SNR偏移，同时，通过具有这种校准的基于ODN的检测器，可获得不小于0.97dB。
在所提出的解决方案的使用中的关注点涉及低调制阶次。即，所提出的解决方案与基于RDN的检测器相比提供了强大的计算复杂度降低，同时，在每一层使用QPSK调制时获得了近-ML性能。特别地，对于与提供了0.18dB的SNR偏移的基于RDN的检测器的计算成本相比减小二分之一的计算复杂度而言，观测到在10-4的BER下的0.33dB的SNR偏移。
所描述的方法的优点：
任何支持MIMO空间多路复用模式的OFDM（正交频分复用）标准（例如，IEEE802.16、IEEE802.11、3GPP LTE和3GPP LTE-A）与本发明有关。在大量的天线情况下，从而在3GPPLTE-A标准的情况下，与[1]中的发明相关联的本发明是尤其有利的。
在QPSK情况下，所提出的解决方案胜过在参考文献[1]中所提出的发明。因此，对于基于ODN的技术和基于RDN的技术，预处理步骤几乎是相同的，从而，导致可利用资源的有效再利用。在受欢迎的MIMO-OFDM背景中，本发明提供了占优势的竞争：
■已提出一种新颖的度量表达，旨在通过依赖于格规约预处理的有效球体中心、同时避开由收缩区间中的邻域研究提出的问题来提供近-ML估算，这在之前是未进行的；
■一旦球体中心已被选定，在每一层利用SIC程序；
■通过所描述的实施方式，可以获得准最佳性能。
参考文献：
[1]S.Aubert，《Detection process for a receiver of a wireless MIMOcommunication system》，2010年11月30日提交的欧洲专利申请10368044.3。
[2]B.M.Hochwald和S.Ten Brink，“Achieving near-capacity on a multiple-antenna channel”，Communications，IEEE Transactions on，第51卷，第3期，389页-399页，2003年3月。
[3]K.-W.Wong，C.-Y.Tsui，S.-K.Cheng和W.-H.Mow，“A VLSI Architecture of aK-Best Lattice Decoding Algorithm For MIMO Channels”，Circuits and Systems，IEEE International Symposium on，第3卷，273页-276页，2002年5月。
[4]L.Wang，L.Xu，S.Chen和L.Hanzo，“MMSE Soft-Interference-CancellationAided Iterative Center-Shifting K-Best Sphere Detection for MIMO Channels”，Communications，IEEE International Conference on，3819页-3823页，2008年5月。
[5]W.Zhang和X.Ma，“Approaching Optimal Performance By Lattice-Reduction Aided Soft Detectors”，Information Sciences and Systems，Conferenceon，818页-822页，2007年3月。
[6]X.-F.Qi和K.Holt，“A Lattice-Reduction-Aided Soft Demapper for High-Rate Coded MIMO-OFDM Systems”，Signal Processing Letters，IEEE，第14卷，第5期，305页-308页，2007年5月。
[7]D.R.J.Rinas，V.Kühn和K.-D.Kammeyer，“EfficientAlgorithm for Decoding Layered Space-Time Codes”，Electronics Letters，IEEE，第37卷，第22期，1348页-1350页，2001年10月。
[8]C.Schnorr和M.Euchner，“Lattice basis reduction:improved practicalalgorithms and solving subset sum problems”，Mathematical Programming，第66卷，181页-199页，1994年9月。
[9]L.G.Barbero和J.S.Thompson，“Fixing the Complexity of the SphereDecoder for MIMO Detection”，Wireless Communications，IEEE Transactions on，第7卷，第6期，2131页-2142页，2008年6月。
[10]E.-U.技术规范组无线接入网络（RAN），“36.101User Equipment(UE)radiotransmission and reception v8.8.0”，Tech.Rep.，2009年9月。

Claims (15)

1.一种用于基于多输入多输出天线的无线通信系统的接收器的检测方法，所述多输入多输出天线包括nT个发射天线和nR个接收天线，所述接收器处理源于由发射器通过信道矩阵H发射的符号矢量x的观测符号矢量y；其中，所述检测方法包括：
-仅取决于所述信道矩阵H的预处理阶段，所述预处理阶段包括：
-第一QRD分解(61)，用于将基于H的扩展信道矩阵Hext分解成Qext矩阵和Rext矩阵，其中，Qext HQext＝I，Rext为上三角矩阵；
-格规约阶段(62)，用于基于所述Qext矩阵和所述Rext矩阵生成和变换矩阵T；
-对矩阵所应用的第二QRD分解(63)，用于生成矩阵和矩阵，
-包括观测y的线性检测过程的加载阶段(64，65，66)，用于生成值xcenter，所述线性检测基于所述矩阵和所述矩阵并且基于从所述格规约产生的置换矩阵T；
-在所发射的符号的原始星座所对应的原始区间邻域(ODN)中进行的邻域搜索(67-70)，搜索中心等于所述加载阶段的结果xcenter，所述邻域搜索根据K-best算法确定有限数量的符号，所述K-best算法基于如下公式的最小化：
x ^ M L = argmin x ∈ ξ n T | | R ~ ′ ( Tz L R A - Z F - x ) | | 2 ,
其中， 为源于QR分解和格规约的上三角矩阵，zLRA-ZF为有效的球体中心。
2.根据权利要求1所述的检测方法，其特征在于，所述第一QRD分解为SQRD分解，所述SQRD分解应用于考虑到噪声影响且具有维度(nR+nT)×nT的所述扩展信道矩阵Hext，也就是说，根据如下公式应用于所述扩展信道矩阵Hext：
和
其中，I为单位矩阵，σ表示所述噪声的方差，yext具有维度nR+nT，所述SQRD分解生成根据噪声级别对层排序的置换矩阵P。
3.根据权利要求1或2所述的检测方法，其特征在于，所述线性检测基于线性最小均方误差MMSE均衡。
4.根据权利要求1或2所述的检测方法，其特征在于，所述格规约基于Korkine-Zolotareff或Lenstra-Lenstra-Lovasz(LLL)算法，生成下面的矩阵 T和T-1，其中，T为变换矩阵，该变换矩阵考虑到已通过矩阵P考虑的置换和由所述格规约产生的额外的变化。
5.一种用于基于多输入多输出天线的无线通信系统的接收器，所述多输入多输出天线包括nT个发射天线和nR个接收天线，所述接收器处理源于由发射器通过信道矩阵H发射的符号矢量x的观测符号矢量y；其中，所述接收器包括：
-预处理部件，包括：
-用于进行第一QRD分解阶段(61)以将基于H的扩展信道矩阵Hext分解成Qext矩阵和Rext矩阵的部件，其中，Qext HQext＝I，Rext为上三角矩阵；
-用于进行格规约阶段(62)以基于所述Qext矩阵和所述Rext矩阵生成和变换矩阵T的部件；
-用于进行对矩阵应用的第二QRD分解(63)以生成矩阵和矩阵的部件，
-用于进行包括观测y的线性检测过程的加载阶段(64，65，66)以生成值xcenter的部件，所述线性检测基于所述矩阵和所述矩阵并且基于从所述格规约产生的置换矩阵T；
-用于在所发射的符号的原始星座所对应的原始区间邻域(ODN)中进行邻域搜索(67-70)的部件，搜索中心等于所述加载阶段的结果xcenter，所述邻域搜索根据K-best算法确定有限数量的符号，所述K-best算法基于如下公式的最小化：
x ^ M L = argmin x ∈ ξ n T | | R ~ ′ ( Tz L R A - Z F - x ) | | 2 ,
其中， 为源于QR分解和格规约的上三角矩阵，zLRA-ZF为有效的球体中心。
6.根据权利要求5所述的接收器，其特征在于，所述第一QRD分解为SQRD分解，所述SQRD分解被应用于考虑到噪声影响且具有维度(nR+nT)×nT的所述扩展信道矩阵Hext，也就是说，根据如下公式被应用于所述扩展信道矩阵Hext：
和
其中，I为单位矩阵，σ表示所述噪声的方差，yext具有维度nR+nT，所述SQRD分解生成根据噪声级别对层排序的置换矩阵P。
7.根据权利要求5或6所述的接收器，其特征在于，所述线性检测基于线性最小均方误差MMSE均衡。
8.根据权利要求5或6所述的接收器，其特征在于，所述格规约基于Korkine-Zolotareff或Lenstra-Lenstra-Lovasz(LLL)算法，生成下面的矩阵 T和T-1，其中，T为变换矩阵，该变换矩阵考虑到已通过矩阵P考虑的置换和由格规约产生的额外的变化。
9.一种用于基于多输入多输出天线的无线通信系统的接收器的检测方法，所述多输入多输出天线包括nT个发射天线和nR个接收天线，所述接收器处理源于由发射器通过信道矩阵H发射的符号矢量x的观测符号矢量y；其中，所述检测方法包括：
-仅取决于所述信道矩阵H的预处理阶段，所述预处理阶段包括：
-第一QRD分解(71)，用于将基于H的扩展信道矩阵Hext分解成Qext矩阵和Rext矩阵，其中，Qext HQext＝I，Rext为上三角矩阵；
-格规约阶段(72)，用于基于所述Qext矩阵和所述Rext矩阵生成和变换矩阵T；
-确定(73)可利用的数字资源是否高于一个预定水平；
-如果所述数字资源高于所述预定水平，则执行包括下面步骤的过程：
-对矩阵应用的第二QRD分解(63)以生成和
-包括观测y的线性检测过程的加载阶段(64，65，66)，以生成值xcenter；
-在所发射的符号的原始星座所对应的原始区间邻域(ODN)中进行的邻域搜索(67-70)，搜索中心等于所述加载阶段的结果xcenter，所述邻域搜索根据K-best算法确定有限数量的符号，所述K-best算法基于如下公式的最小化：
其中， 为源于QR分解和格规约的上三角矩阵，zLRA-ZF为有效的球体中心；
否则执行包括下面步骤的过程：
-包括根据所述格规约的结果对所述符号y所应用的线性检测的加载阶段(93，94，95)，以生成值
-应用邻域搜索，搜索中心等于所述格规约的结果
-根据依照下面的公式定义的部分欧氏距离PED，确定K-Best符号：
其中，d为在收缩区间内的球体约束，
-检测每一层，然后通过所述检测的结果进行所述搜索中心的更新，以便进行下一层的检测；
-通过在原始星座中的额外的量化步骤，将估算值乘以所述矩阵T，以生成估算值其中，估算值是在收缩区间中的无约束的LRA-MMSE估算值。
10.根据权利要求9所述的检测方法，其特征在于，所述预处理阶段被应用于根据下面的公式定义的矩阵H的扩展模型：
和
其中，H为信道矩阵，σ为噪声标准偏差，I为单位矩阵。
11.根据权利要求10所述的检测方法，其中，所述格规约基于Korkine-Zolotareff或Lenstra-Lenstra-Lovasz(LLL)算法。
12.根据权利要求9所述的检测方法，其特征在于，所述第一QRD分解为SQRD分解，所述SQRD分解为排序QRD分解，其中，所述上三角矩阵的行根据信干噪比SINR的水平排序，所述SQRD分解输出Qext、Rext和置换矩阵P。
13.根据权利要求12所述的检测方法，其特征在于，所述格规约算法生成下面的输出和T，其中，T为变换矩阵，该变换矩阵考虑已通过矩阵P考虑的置换和由所述格规约步骤产生的额外变化。
14.根据权利要求13所述的检测方法，其特征在于，所述处理阶段包括使用的值以导出搜索中心用于邻域搜索且选择K-Best符号；和
-对所述搜索中心的值应用移位和除法运算，以实现幂的基本归一化和星座的缩放；
-生成与K个最小PED相关的符号的排序列表，所述排序列表通过根据SCHNORR-EUCHNER算法研究邻域而生成；
-确定估算值和
-将所述估算值乘以所述矩阵T以及量化步骤，以生成估算值
15.一种包括接收器的用户设备，所述接收器包括用于进行在权利要求1至4和权利要求9-14中的任一项所限定的方法的部件。
CN201280024325.2A 2011-05-19 2012-05-18 使用格规约和K‑best检测的MIMO接收器 Expired - Fee Related CN103548310B (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
EP11368020.1 2011-05-19
EP11368020.1A EP2525537B1 (en) 2011-05-19 2011-05-19 MIMO receiver using lattice reduction and K-Best detection
US201161500435P 2011-06-23 2011-06-23
US61/500,435 2011-06-23
PCT/EP2012/002140 WO2012156096A1 (en) 2011-05-19 2012-05-18 Mimo receiver using lattice reduction and k- best detection

Publications (2)

Publication Number Publication Date
CN103548310A CN103548310A (zh) 2014-01-29
CN103548310B true CN103548310B (zh) 2017-02-15

Family

ID=44674674

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201280024325.2A Expired - Fee Related CN103548310B (zh) 2011-05-19 2012-05-18 使用格规约和K‑best检测的MIMO接收器

Country Status (5)

Country Link
US (1) US9100258B2 (zh)
EP (1) EP2525537B1 (zh)
JP (1) JP6092193B2 (zh)
CN (1) CN103548310B (zh)
WO (1) WO2012156096A1 (zh)

Families Citing this family (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101348557B1 (ko) 2012-11-28 2014-01-08 세종대학교산학협력단 Ｍｉｍｏ－ｏｆｄｍ 시스템을 이용한 신호 검출 방법 및 그 장치
KR20140109726A (ko) * 2013-03-06 2014-09-16 삼성전자주식회사 적은 연산량을 갖는 래티스 리덕션 방법 및 장치
US10020852B2 (en) 2013-09-26 2018-07-10 Georgia Tech Research Corporation Schnorr-euchner expansions and their fast implementations
EP3058689B1 (en) * 2013-10-17 2019-10-09 The Georgia Tech Research Corporation An improved lattice-reduction-aided k-best algorithm for low complexity and high performance communications
KR101543536B1 (ko) * 2014-07-17 2015-08-10 한양대학교 산학협력단 다중 입출력 시스템을 위한 최대 우도 최적 신호 검출 방법 및 그 장치
KR101550153B1 (ko) 2014-09-18 2015-09-04 세종대학교산학협력단 Mimo-ofdm 시스템에서 채널 상태 정보를 사용한 신호 검출 방법 및 그 장치
US9780854B2 (en) * 2015-03-30 2017-10-03 Taiwan Semiconductor Manufacturing Co., Ltd. Multi-layer wireless streaming with adaptive constellation mapping (ACM)
CN105119665B (zh) * 2015-07-17 2017-10-27 上海交通大学 一种基于格基规约的mimo检测方法
KR102387182B1 (ko) * 2015-10-21 2022-04-15 삼성전자주식회사 무선 통신 시스템에서 신호 검출 장치 및 방법
WO2018028779A1 (en) 2016-08-10 2018-02-15 Huawei Technologies Co., Ltd. Unit-norm codebook design and quantization
KR102211831B1 (ko) 2017-01-13 2021-02-02 후아웨이 테크놀러지 컴퍼니 리미티드 신호 디코더를 위한 최적화된 아키텍처
US20210099207A1 (en) * 2018-04-11 2021-04-01 Nokia Technologies Oy Method and Apparatus for Signal Detection in Wireless Communication System
CN108768477A (zh) * 2018-05-24 2018-11-06 天津工业大学 一种基于模型扰动与格基约减的mimo检测方法
US11309992B2 (en) * 2018-07-17 2022-04-19 Qualcomm Incorporated Using lattice reduction for reduced decoder complexity
CN111628951B (zh) * 2019-02-28 2021-08-31 乐鑫信息科技（上海）股份有限公司 带有检测前信道矩阵预处理的mimo-ofdm无线信号检测方法和系统
CN111628952B (zh) * 2019-02-28 2021-06-15 乐鑫信息科技（上海）股份有限公司 带有检测中信道矩阵预处理的mimo-ofdm无线信号检测方法和系统
CN110504995A (zh) * 2019-07-02 2019-11-26 上海交通大学 基于格基规约和K-Best的软输出MIMO检测方法
JP7136028B2 (ja) * 2019-07-18 2022-09-13 日本電信電話株式会社 無線通信システム、中継装置及び受信装置
WO2022061788A1 (en) * 2020-09-25 2022-03-31 Intel Corporation Versatile systolic array for maximum likelihood mimo detectors
CN113098603A (zh) * 2021-02-26 2021-07-09 桂林电子科技大学 一种基于格基约减的成像光mimo预编解码方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101674160A (zh) * 2009-10-22 2010-03-17 复旦大学 多输入多输出无线通信系统信号检测方法及装置
CN102055566A (zh) * 2011-01-21 2011-05-11 复旦大学 基于信道分析的动态mimo检测算法与检测器结构

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6143822A (en) 1999-03-18 2000-11-07 Union Carbide Chemicals & Plastics Technology Corporation Polyethylene crosslinkable composition
GB2438663B (en) * 2006-06-01 2008-10-29 Toshiba Res Europ Ltd Wireless communication apparatus
JP5214124B2 (ja) * 2006-08-17 2013-06-19 三星電子株式会社 通信システム、通信装置、尤度計算方法、及びプログラム
US8132065B2 (en) * 2006-12-21 2012-03-06 Industrial Technology Research Institute Hybrid sphere decoding method and system
GB2453777A (en) * 2007-10-18 2009-04-22 Toshiba Res Europ Ltd Lattice reduction aided MIMO detector with storing means for storing channel decoding information output from a pre-processing section
DE102009024843B4 (de) * 2009-03-30 2014-12-24 Technische Universität Dresden Baumsuchverfahren der Tiefensuche zur Detektion von MIMO-Empfangssignalen
EP2458747A1 (en) 2010-11-30 2012-05-30 ST-Ericsson SA Detection process for a receiver of a wireless MIMO communication system
KR20140109726A (ko) * 2013-03-06 2014-09-16 삼성전자주식회사 적은 연산량을 갖는 래티스 리덕션 방법 및 장치

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101674160A (zh) * 2009-10-22 2010-03-17 复旦大学 多输入多输出无线通信系统信号检测方法及装置
CN102055566A (zh) * 2011-01-21 2011-05-11 复旦大学 基于信道分析的动态mimo检测算法与检测器结构

Also Published As

Publication number Publication date
JP2014515568A (ja) 2014-06-30
JP6092193B2 (ja) 2017-03-08
US20140185716A1 (en) 2014-07-03
WO2012156096A1 (en) 2012-11-22
CN103548310A (zh) 2014-01-29
EP2525537B1 (en) 2014-11-19
EP2525537A1 (en) 2012-11-21
US9100258B2 (en) 2015-08-04

Similar Documents

Publication Publication Date Title
CN103548310B (zh) 使用格规约和K‑best检测的MIMO接收器
US8873613B2 (en) Detection process for a receiver of a wireless MIMO communication system
Xia et al. A MIMO detector with deep learning in the presence of correlated interference
US8411806B1 (en) Method and apparatus for receiving signals in a MIMO system with multiple channel encoders
CN101499840B (zh) 多入多出系统的迭代检测方法
Yang et al. Adaptive SM-MIMO for mmWave communications with reduced RF chains
KR20120125649A (ko) 다중―입력―다중―출력（ｍｉｍｏ）통신 시스템들에서 반복 디코딩을 위한 방법들 및 장치
CN108234072B (zh) 用于对数据信号进行子块解码的方法和设备
Safari et al. Deep UL2DL: Data-driven channel knowledge transfer from uplink to downlink
Yan et al. Semi-blind channel-and-signal estimation for uplink massive MIMO with channel sparsity
KR20170114961A (ko) 순차적 스피어 디코딩을 위한 방법 및 장치
Kosasih et al. A Bayesian receiver with improved complexity-reliability trade-off in massive MIMO systems
Bian et al. Joint activity detection, channel estimation, and data decoding for grant-free massive random access
Huang et al. Autoencoder with fitting network for Terahertz wireless communications: A deep learning approach
Zhang et al. Variational Bayesian inference clustering-based joint user activity and data detection for grant-free random access in mMTC
US9066247B2 (en) Communication devices and methods for signal detection
US9979449B2 (en) Systems and methods for detecting data in a received multiple-input-multiple-output (MIMO) signal
Hedstrom et al. A capacity achieving MIMO detector based on stochastic sampling
Turhan et al. Deep learning aided generalized frequency division multiplexing
Chen et al. Multiuser pre-coding aided quadrature spatial modulation for large-scale MIMO channels
Ravindran et al. Direction of arrival and channel estimation using machine learning for multiple input multiple output system
Lai et al. Channel-aware local search (CA-LS) for iterative MIMO detection
Kabacı et al. Low-Complex AI-Empowered Receiver for Spatial Media-Based Modulation MIMO Systems
AU2020369979B2 (en) M-MIMO receiver
Datta et al. Low Complexity Detection For QCM-MIMO Using MSRE Aided Proximal Algorithm

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20170215