CN103685090A - 多输入多输出信道表现的预测方法 - Google Patents

Abstract

本发明提供用以预测MIMO信道中的MIMO接收器表现的方法。该方法利用具有相似表现的迭代接收器来估计MIMO或MLD解码器的表现。针对各串流，根据本发明的迭代MIMO有效信号噪声比技术将各MIMO信道的表现映射为一组有效信号噪声比。这组有效信号噪声比随后可被用于提供链路适配反馈，以协助传送器根据传播信道特性选择最适当的传输格式。或者，此信息可被用以根据信道状况改变接收器采用的处理方式，因而得以在信号状况良好时降低接收器的耗电量。

Description

多输入多输出信道表现的预测方法

技术领域

本发明与无线通讯系统相关，尤其相关于预测多输入多输出(multipleinputs multiple outputs,MIMO)信道中的MIMO接收器的表现，特别是预测以最大似然检测(maximum likelihood detection,MLD)接收器作为MIMO接收器时的表现。本发明提供的技术能达到良好的预测准确性，且复杂度不会太高。本发明提出的MIMO信道MLD表现预测技术可被用以产生链路适配(link adaptation)方案所需要的反馈信息。或者，该表现预测技术可被用于协助接收器根据传播信道特性调整其处理程序。

背景技术

多输入多输出(multiple inputs multiple outputs,MIMO)处理被广泛应用于多种无线通讯系统。采用MIMO技术的目的是希望提供给使用者更高的数据传输量，同时增进系统频谱效率。借由令传送器(通常是基站或蜂窝式系统中的node-B基站)同时传输多个信息流给使用者，MIMO处理能增加数据传输量和频谱效率。接收器端可使用多种技术来撷取传送器提供的信息，例如普遍使用的线性最小均方误差(linear minimum mean square error,LMMSE)技术。LMMSE接收器在复杂度相当低的条件下提供了良好的预测表现。另一方面，使用表现接近于最大似然检测(maximum likelihood detection,MLD)接收器的接收方案，能最大化采用MIMO处理的无线通讯系统的效率。然而，若考虑MIMO信道，要以LMMSE预测MLD接收器(或是表现接近于MLD接收器的接收器)的表现是非常困难的。

链级(link-level)表现预测通常被应用在两个领域：系统层级的模拟以及为链路适配(link adaptation)产生信道质量量测的反馈信息。以预编码(pre-coding)为基础的MIMO技术在无线通讯标准中包含：Wi-Fi(可参考IEEE802.16m-2011,Amendment to IEEE Standard for Local and metropolitan area networks,Part16：Air Interface for Broadband Wireless Access Systems-Advanced Air Interface)、3GPP WCDMA(可参考3GPP TS25.211,Physical Channels and Mapping ofTransport Channels onto Physical Channels(FDD)(Release7),V7.10.0)，以及3GPP LTE(可参考3GPP TS36.211,Evolved Universal Terrestrial Radio Access(E-UTRA);Physical Channels and Modulation(Release8),V8.9.0)。这些技术都需要求接收器将预测的链级表现以信道质量指示(channel quality indicator,CQI)的形式反馈至传送器(详情可参考3GPP TS36.213,Evolved Universal TerrestrialRadio Access(E-UTRA);Physical layer procedures(Release8),V8.8.0)。随后，传送器会根据CQI信息来配合传播状况调整其传输格式。此类链路适应机制的整体目标为选择效率最佳的传输格式，并期望提高接收器正确撷取信息的几率。传输格式的效率通常是以其频谱效率表示，但其他指示(例如耗电效率)也可能被纳入考虑。CQI信息通常包含传送器所能使用的调制/编码方案的信息，以期达到一目标接收器检测表现。接收器表现可通过多种指示呈现，例如比特错误率(bit error rate,BER)、区块错误率(block error rate,BLER)及传输量。

本发明提出的链级表现预测技术的目标为通过一组信号噪声比预测MLD接收器在特定MIMO信道中的表现。MIMO系统中的每个串流各自有不同的信号噪声比，亦即接收器在加成性白高斯噪声(additive white Gaussian noise,AWGN)信道所能达到的信号噪声比。这些信号噪声比(亦称为有效信号噪声比)可用以估计采用映射功能的接收器在特定MIMO信道中的比特错误率及/或区块错误率；该映射功能是根据AWGN信道表现来决定。这些映射功能专属于接收器用以撷取传送信息的技术，其产生方式可为通过链级模拟，或是配合传送器采用的调制及编码方案的特性而产生。借由找出至少一种能达到目标表现的传输格式，接收器能利用有效信号噪声比来产生反馈CQI。正交分频多工(orthogonal frequency division multiplexing,OFDM)无线通讯系统(例如3GPPLTE系统)中不同的副载波的信号噪声比可各不相同。这些信号噪声比通常会被合并为单一信号噪声比，以代表跨越整个传送信号频宽的接收器表现。

本发明所欲解决的问题可说是预测特定MIMO信道中的接收器表现。当接收器是采用LMMSE均衡器时，此预测相对简单。预测MLD接收器于MIMO信道中的表现则较为复杂。就通过不同串流传送多个符号的联合解码(jointdecoding)而言，实在难以提出一个简单的指示来准确预测所有传送串流的解码表现。此外，实务上还另有限制预测技术的运算复杂度的需求，以期配合存在严格成本及电力限制的接收器。用以配合产生支援链路适配所需的CQI值时，预测技术亦须能针对传送器所支援的各种传输格式皆达到良好的正确性。易言之，不同的传输格式通常会采用不同的调制方案或是不同的错误校正码率，然而无论采用何种传输格式皆须维持一定的表现预测正确性。

现有已有数种针对MIMO信道决定映射功能(用以产生有效信号噪声比)的现有技术。这些现有技术通常是将针对单一传送天线系统设计的方案延伸至MIMO信道方案(例如2007年3月R.Yaniv等人于IEEE C802.16e-05/141r1发表的「CINR Measurement using the EESM method」，以及2007年5月K.Sayana等人发表的「Link Performance Prediction based on Mean Mutual Information perBit(MMIB)of the LLR Channel」)。不幸的是，这些技术存在许多限制。首先，由于这些方法假设所有串流是使用相同的符号分布(constellation)，因此无法被广泛套用(可参考2007年4月H。Liu等人于Proc.Vehicular TechnologyConference所发表的「EESM Based Link Error Prediction for AdaptiveMIMO-OFDM System」，以及2008年K.Sayana等人于Proc.GLOBECOM发表的「Short Term Link Performance Modeling for ML Receivers with MutualInformation per Bit Metrics」)。这些技术不适用于针对不同串流施以不同调制方案的系统。此外，由于这些技术缺乏完整的理论基础，实务上通常需要使用根据链级表现模拟产生的复杂查找表。

比特平均交互信息(mean mutual information per bit,MMIB)方案和接收区块信息率(received block information rate,RBIR)方案都需要复杂的特征向量(eigenvector)分解，以估计MIMO信道中的MLD接收器表现，但仅达到有限的表现正确性。此外，在用以预测MIMO信道中的MLD接收器表现时，指数有效信号噪声比映射(exponential effective SNR mapping EESM)方法的正确性很低。针对MIMO信道，EESM和MMIB技术都假设MIMO串流为联合编码，因此以单一指示来表示不同串流的MLD表现预测结果。显然，当不同的串流的产生为独立编码时，这些技术都不适用。再者，现有也曾有针对MIMO信道的RBIR延伸方案(可参考2010年J.Zhang等人于Proc.IEEE InternationalConference on Communication发表的「Link Evaluation for MIMO-OFDM Systemwith ML Detection」)。这个方法同样是受限于针对不同串流使用相同调制方案的组态，因此对多种应用来说都不适当。举例而言，3GPP LTE标准支援针对不同串流使用不同的调制方案，RBIR延伸方案因此不能用于为符合3GPP LTE标准的蜂窝式通讯系统产生CQI。此外，虽然RBIR延伸方案具有良好的预测正确性，但由于需要计算出精准的平均交互信息(与信道及符号分布方式皆相关)，其运算复杂度非常高。

另一方面，由于这些现有技术通常假设通讯系统为频域多工，在预测时会采用各信道的频域平均值。在频率多样性有限的传播信道中，这些方案的正确性很低。

发明内容

本发明提供的技术是用以预测MIMO信道中的MIMO接收器表现。本发明提供的技术可在有限的复杂度条件下达到良好的正确性。本发明提供的方法首先找出一有效信号噪声比，以代表AWGN信道中的信号噪声比。此有效信号噪声比能产生等同于MIMO信道中的解调表现。本发明提供的方法适用于在多个MIMO传送串流中使用不同调制方案的系统，并且未对错误校正编码进行任何假设。预测出的接收器表现可被用以产生链路适配反馈，或是配合传播链路特性来调整接收器。

本发明的实施例提供的方法是用以预测MIMO信道中的MIMO接收器表现。MIMO解码器(尤指MLD解码器)的表现是根据表现相似的迭代(iterative)接收器架构而产生。迭代MIMO有效信号噪声比(iterative MIMO effective SNR,IMES)技术被用以将各MIMO信道的表现映射为对应于多个串流的一组有效信号噪声比。这组有效信号噪声比随后可被用于提供链路适配反馈，以协助传送器根据传播信道特性选择最适当的传输格式。或者，此信息可被用以根据信道状况改变接收器采用的处理方式，因而得以，举例而言，在信号状况良好时降低接收器的耗电量。

于一实施例中，MIMO接收器为一MLD接收器。然而，本发明提供的技术可应用于其他并非采用MLD方案的MIMO接收器架构。

本发明提出的IMES方案是以一迭代接收器作为模型来预测MIMO信道中的MIMO接收器。此迭代接收器模型于一均衡单元与一软性解映射(soft-demapping)单元间迭代处理输入信号。均衡器的输出端针对各MIMO串流产生的最终信号噪声比随后可被用以调整MIMO接收器表现。

该均衡单元利用对于传播信道的估计和对于噪声协方差矩阵的估计来处理输入信号，并减少传播链路造成的影响。均衡后信号随后被传递至该软性解映射单元。该软性解映射单元根据传送器所用的调制符号分布来估计传送器送出的信息比特。借由利用在这两个处理阶段间传递的已知信息，多次迭代增进了这两个单元所产生的估计结果的质量。一般而言，均衡器会提供每个MIMO串流的输出信号噪声比的估计值给软性解映射单元。随后，软性解映射单元会相对应地产生符号的平均/变异估计值，作为均衡单元的输入。

在最终迭代结束后，IMES方案会估计出均衡器的输出端的信号噪声比，但不会实际处理输入信号。根据IMES方案，一均衡器信号噪声比预测单元利用与传播信道、噪声协方差矩阵、传送符号分布之间的变异相关的知识计算均衡器的输出端的信号噪声比。这些信号噪声比随后被一软性解映射变异预测单元用来更新这些符号分布的变异估计。这两个单元之间随后进行多次迭代，以产生一组最终有效信号噪声比。

于一实施例中，有效信号噪声比被用于产生传送器进行下行链路调度和选择传输格式时所需要的链路适配反馈。此反馈的形式通常是CQI值，并且被据以自预先决定的表格中选择调制方案及编码率。本发明亦提出一有效的搜寻方案，用以减少产生CQI信息的复杂度。此方案利用CQI表格的特性，以限制在针对多个MIMO串流搜寻所有调制方案组合时需要计算的有效信号噪声比数量。

于另一实施例中，借由根据有效信号噪声比选择解调器，接收器可配合链路特性被调整。接收器可具有多重解调架构，而各架构具有不同的运算表现和预测正确性。针对特定的MIMO信道，可比较其有效信号噪声比，以选出能提供目标预测表现且运算复杂度最低的解调架构。如此一来，便可在信号状况良好的情况降低接收器的运算复杂度，进而减少耗电量。

当传输程序是通过多个MIMO信道的传播链路进行，借由结合IMES方案与现有技术(例如MMIB、RBIR或EESM)，本发明提出的技术可产生单一组有效信号噪声比来代表整个传播链路的MLD表现。上述情况有可能发生在采用分频多工时。首先，可针对不同部分的信号频宽计算多组有效信号噪声比，随后再利用已知的映射技术(例如MMIB、RBIR或EESM)将这些不同的数值合并为单一值，以代表整个信号频宽的表现。

借由考量对应于预编码及实体信道的组合的多个串流所通过的有效MIMO信道，IMES方法可用于多种不同的MIMO技术的链路表现预测，例如空间-时间编码、波束成形(beam-forming)、空间多工信道线性预编码。

附图说明

为让本发明的上述目的、特征和优点能更明显易懂，以下结合附图对本发明的具体实施方式作详细说明，其中：

图1绘示一典型MIMO系统的简易功能方块图。

图2呈现了MIMO MLD表现预测的简易功能方块图。

图3为采用迭代原理的MIMO接收器的方块图。

图4呈现了等效MIMO有效信号噪声比映射的方块图。

图5为在IMES演算法中将β系数最佳化的范例。

图6呈现了根据LMMSE均衡器的信号噪声比运算式得出的信号噪声比估计值，以及利用本发明的IMES方案得出的信号噪声比估计值。

图7所呈现的简化后方块图是用以说明如何应用本发明提出的技术产生反馈信息。

图8为3GPP LTE标准定义的CQI表格。

图9是绘示CQI演算法搜寻树的一流程图。

图10为根据IMES预测出的表现调整接收器的一实施例。

图中元件标号说明：

110：传送器           120(1)–120(N_tx)：传送天线

130：MIMO传播信道     140(1)–140(N_rx)：接收天线

150：接收器           160：信道预测单元

170：表现预测单元            180、1020、1030：解调单元

190：解码单元                210：MLD单元

220：LLR产生单元             310：MIMO均衡单元

320：软性解映射单元          410：均衡器SNR预测单元

420：软性解映射变异预测单元

710：表现预测及反馈产生单元

720：调制及编码方案适配单元

910～934：流程步骤

1010：选择单元

具体实施方式

本发明的实施例中提供的技术是用以预测MIMO信道中的MIMO接收器(尤指MLD接收器)的表现。这些技术提供了良好的预测正确性且复杂度有限。本发明提供的MIMO链路预测方法是基于各串流的MLD比特错误率，并且包含针对各MIMO串流计算一有效信号噪声比。每一个别信号噪声比值是对应于接收器于AWGN信道中会达到的相同信号噪声比。须说明的是，本发明提出的技术的应用并不限于使用MLD接收器的状况。这些技术适用于任何接收器，只要该接收器的解调表现接近于完整的MLD方案的表现。因此，本发明提出的技术亦适用于其他并非根据MLD方案设计的MIMO接收器架构。以下说明主要以MLD接收器为例。

图1绘示一典型MIMO系统的简易功能方块图，其中包含传送器110和接收器150。传送器110和接收器150各自包含多个天线120(1)–120(N_tx)和140(1)–140(N_rx)，这些天线分别通过MIMO传播信道130沟通。该传播信道的模型可为一个大小为N_rx×N_tx的矩阵H，其中的各个元素对应于该多个传送天线及该多个接收天线间的不同链路。为了协助接收器150估计传播信道，传送器110通常会传送参考符号。信道预测单元160可利用这些已知的参考符号来估计传播信道矩阵H。在没有参考符号的情况下，信道预测单元160则可利用盲预测技术。此外，信道预测单元160也会估计接收到的噪声协方差矩阵。

随后，表现预测单元170根据信道预测单元160估计出的传播信道矩阵H和噪声协方差矩阵来预测解调单元180的表现。解调单元180负责撷取出传送器110提供的信息，亦即针对传送器110送出的编码后信息比特提供估计值。接着，前向纠错码(forward error code,FEC)解码单元190利用这些估计值来撷取使用者信息。这些编码后信息比特的估计值可以对数概似比(log-likelihoodratio,LLR)的形式被提供至解码单元190。

图2呈现了解调单元180的运作方式。解调单元180的模型可包含一MLD单元210，用以将估计值提供给LLR产生单元220。表现预测单元170的目标在于预测MLD单元210的输出端的表现。

由于本发明提出的表现预测方法独立处理不同的串流，因此可应用于针对不同MIMO串流分别编码/解码的系统，也可应用于对不同串流施以联合编码/解码的系统。值得注意的是，任何线性信道预编码(例如空间-时间编码、用于空间多工的线性预编码、波束成形)都可被轻易纳入一等效整体MIMO信道中。

输入信号的模型可被表示为：

Y=ΗX+V，(式一)

其中向量 $Y=\left[\begin{array}{c}{y}_1\\ \·\\ \·\\ \·\\ y_{N_{\mathrm{rx}}}\end{array}\right]$ 代表输入信号，向量 $X=\left[\begin{array}{c}{x}_1\\ \·\\ \·\\ \·\\ x_{N_{\mathrm{tx}}}\end{array}\right]$ 代表N_tx个传送串流x_n(n=1,…,N_tx)。此范例假设MIMO串流的数量等于传送天线的数量。本发明所属技术领域中具有通常知识者可理解，在使用预编码器时，本发明提供的技术亦可应用于MIMO串流数量不是N_tx的情况。不同的调制方案可用于传输不同的MIMO串流信号。各调制方案的特征在于其调制阶数Q_n与符号分布大小

。不同的串流信号的能量

亦可不同。

MIMO信道130的模型可被表示为下列矩阵：

(式二)

其中h_k,n为自传送天线n至接收天线k的复数(complex)信道增益，向量 $h_n=\left[\begin{array}{c}{h}_{1,.n}\\ \·\\ \·\\ \·\\ h_{N_{\mathrm{rx}},n}\end{array}\right]$ 代表自第n传送天线至各接收天线(总共N_rx个)间的信道的复数增益。在采用线性预编码的情况下，信道矩阵H代表线性预编码器和实体MIMO信道的组合产生的等效整体MIMO信道。

在式一中， $V=\left[\begin{array}{c}{v}_1\\ \·\\ \·\\ \·\\ v_{N_{\mathrm{rx}}}\end{array}\right]$ 表示AWGN取样。其是假设相关变异对所有接收天线来说是相同的。当噪声协方差矩阵R_v非为对角矩阵或各接收天线的噪声能量有异时，可利用乘数为

的白化矩阵，将情况转为等效信道为

H的白色噪声状况。

平均输入信号能量定义如下：

$\stackrel{\‾}{P}=\frac{E\left({\mathrm{\Σ}}_{n=1}^{N_{\mathrm{tx}}}{\mathrm{\σ}}_n^2{\left|\right|h_n\left|\right|}^2\right)}{N_{\mathrm{rx}}}$ ，(式三)

其中||h_n||是h_n的L²模方，而E(A)代表A的期望值。

在接收器端，硬式决定MLD单元210利用下列运算式估计传送信号：

$X^{\mathrm{MLD}}={\min }_{x_1\∈X_1,...,x_{\mathrm{Nts}}\∈X_{\mathrm{Ntx}}}{\left|\right|Y-\mathrm{HX}\left|\right|}^2$ ，(式四)

其中X_n为对应于调制阶数Q_n的符号分布。

MLD单元210所进行的处理等效于针对传送信号的多维分布的彻底搜寻。MLD的实现通常很复杂，除非MIMO串流的数量和调制阶数都很低。显然，利用此架构来预测接收器表现是很复杂的任务，特别是当存在严苛的运算复杂度限制时。根据本发明，预测MIMO MLD接收器的表现是借由估计一迭代MIMO解码器的表现来达成。

图3为采用迭代原理的MIMO接收器的方块图。迭代原理为一已知方案且能用于解决多种问题。根据迭代原理发展出的相关技术包含涡轮解码器(可参考2001年5月D.Divsalar等人于IEEE Journal on Selected Areas in Communications,vol.19,no.5,pp.891–907发表的「Iterative turbo decoder analysis based ondensity evolution」)、比特交错编码调制(可参考1997年11月X.Li等人于IEEECommun.Letters,vol.1,no.6,pp.169–171发表的「Bit-interleaved codedmodulation with iterative decoding」)，以及MIMO球面解码(可参考2004年11月H.Vikalo等人于IEEE Transactions on Wireless Communications,vol.3,No.6发表的「Iterative decoding for MIMO channels via modified sphere decoding」)。

在图3呈现的迭代MIMO接收器中，迭代程序是于MIMO均衡单元310和软性解映射单元320之间进行。此接收器于均衡及解映射间进行的迭代相似于可信度传递(可参考2007年6月X.Yang等人于Proc.IEEE InternationalConference on Communication发表的「An adaptive MIMO system based onunified belief propagation detection」)，差异在于被交换的讯息的型态为后解映射(post demapper)平均及变异，而非边际比特几率(marginal bit probabilities)。软性解映射单元320利用与传送符号分布相关的知识来找出更多关于信号的平均和变异的信息。此信息随后被用于改进均衡器的设计。均衡单元310和软性解映射单元320间的处理是迭代进行，以求增进最终将提供至LLR产生单元220的决定的可靠性。

均衡单元310处理输入信号向量Y并且在每次迭代中产生通过多个串流传送的调制符号的估计值。这些估计值可被表示为一向量：

$\hat{X}=\left[\begin{array}{c}{\hat{x}}_1\\ \·\\ \·\\ \·\\ {\hat{x}}_{N_{\mathrm{tx}}}\end{array}\right],$ (式五)

其中不同的元素对应于不同的MIMO串流。

实务上，可采用不同的方式来估计传送符号，例如以不偏估白化匹配滤波器(unbiased whitening matched filter,UWMF)实现均衡单元310。UWMF线性均衡器是假设利用后软性解映射方法算出的干扰串流的影响已被移除。对串流n，此假设会导出下列均衡器运算式：

${\mathrm{Eq}}_n=\frac{1}{g_n{h}_n}{g}_n$ ，(式六)

其中 $g_n=h_n^H{\left({\stackrel{\‾}{H}}_n{\widetilde{\mathrm{\Σ}}}_n{\stackrel{\‾}{H}}_n^H+{\mathrm{\σ}}_v^{2}I\right)}^{-1}.$

对角矩阵中的元素是对应于软性解映射输出的错误变异，该软性解映射输出是来自干扰串流的前一次迭代，也就是 ${\widetilde{\mathrm{\Σ}}}_n=\mathrm{diag}({\widetilde{\mathrm{\σ}}}_1^2,...,{\widetilde{\mathrm{\σ}}}_{n-1}^2,{\widetilde{\mathrm{\σ}}}_{n+1}^2,...,{\widetilde{\mathrm{\σ}}}_{\mathrm{Ntx}}^2)$ 。 ${\stackrel{\‾}{H}}_n=[h_1,...,h_{n-1},h_{n+1},...,h_{\mathrm{Ntx}}]$ 则是对应于干扰串流影响的次信道矩阵。

对应于串流估计的UWMF均衡器输出为：

${\hat{x}}_n={\mathrm{Eq}}_n(y-{\stackrel{\‾}{H}}_n{\stackrel{\‾}{x}}_n)$ 。(式七)

括弧中的项次是对应于干扰之后验(a-posteriori)平均与 ${\stackrel{\_}{x}}_n={[{\stackrel{\_}{x}}_1,\·\·\·,{\stackrel{\_}{x}}_{n-1},{\stackrel{\_}{x}}_{n+1},\·\·\·,{\stackrel{\_}{x}}_{\mathrm{Ntx}}]}^T$ 的相消。

在每一次迭代中，均衡单元310亦提供各MIMO串流的输出信号噪声比的估计值给软性解映射320。这些信号噪声比是根据该假设均衡器的输出端的信号噪声比运算式计算。UWMF均衡器的信号噪声比可被表示为：

${\mathrm{SNR}}_n^{\mathrm{Eq}}={\mathrm{\σ}}_n^2{h}_n^H{({\stackrel{\‾}{H}}_n{\widetilde{\mathrm{\Σ}}}_n{\stackrel{\‾}{H}}_n^H+{\mathrm{\σ}}_v^{2}I)}^{-1}{h}_n$

$=\frac{{\mathrm{\σ}}_n^2}{{\mathrm{\σ}}_v^2}[{\left|\right|h_n\left|\right|}^2-h_n^H{\stackrel{\‾}{H}}_n{({\widetilde{\mathrm{\Σ}}}_n{\stackrel{\‾}{H}}_n^H{\stackrel{\‾}{H}}_n+{\mathrm{\σ}}_v^2)}^{-1}{\widetilde{\mathrm{\Σ}}}_n{\tilde{H}}_n^H{h}_n],$ (式八)

式八的第一行的信号噪声比运算式包含一N_rx×N_rx矩阵反转，第二行对则是应于一(N_tx-1)×(N_tx-1)矩阵反转。在全秩(full rank)信道(N_rx≧N_tx)的情况下，第二行运算式所对应的复杂度较低，因此较易于实现。

对传送天线数量为二的MIMO系统来说，该信号噪声比运算式可被进一步简化为：

${\mathrm{SNR}}_1^{\mathrm{Eq}}=\frac{{\mathrm{\σ}}_1^2}{{\mathrm{\σ}}_v^2}[{\left|\right|h_1\left|\right|}^2-\frac{{\mathrm{\σ}}_2^2{\left|h_1^H{h}_2\right|}^2}{{\mathrm{\σ}}_v^2+{\mathrm{\σ}}_2^2{\left|\right|h_2\left|\right|}^2}]$

${\mathrm{SNR}}_2^{\mathrm{Eq}}=\frac{{\mathrm{\σ}}_2^2}{{\mathrm{\σ}}_v^2}[{\left|\right|h_1\left|\right|}^2-\frac{{\mathrm{\σ}}_1^2{\left|h_1^H{h}_2\right|}^2}{{\mathrm{\σ}}_v^2+{\mathrm{\σ}}_1^2{\left|\right|h_1\left|\right|}^2}]$ 。(式九)

软性解映射产生的信息会被用于均衡器的下一次迭代，以提高决定的质量。此信息的形式为传送调制符号之后验平均及变异。软性解映射320通常假设均衡器的输出端的噪声v_n为加成性高斯噪声，也就是平均值为零且变异为

。在此假设之下，软性解映射的输出能以下列对应于不同串流的平均及变异值为特征：

${\stackrel{\‾}{x}}_n=E(x_n/{\hat{x}}_n)=\frac{{\mathrm{\Σ}}_{p\∈\mathrm{Xn}}{\mathrm{\σ}}_n\mathrm{pexp}(-{\mathrm{SNR}}_n^{\mathrm{Eq}}{|\frac{{\hat{x}}_n}{{\mathrm{\σ}}_n}-p|}^2)}{{\mathrm{\Σ}}_{p\∈\mathrm{Xn}}\exp (-{\mathrm{SNR}}_n^{\mathrm{Eq}}{|\frac{{\hat{x}}_n}{{\mathrm{\σ}}_n}-p|}^2)}$ ，(式十)

${\widetilde{\mathrm{\σ}}}_n^2=E\left({|x_n-{\stackrel{\‾}{x}}_n|}^2\right)$

$={\mathrm{\σ}}_n^2{E}_v\left(\frac{1}{M_{\mathrm{Qn}}}\underset{q\∈\mathrm{Xn}}{\mathrm{\Σ}}{|q-\frac{{\mathrm{\Σ}}_{p\∈\mathrm{Xn}}\mathrm{pexp}(-{|\sqrt{{\mathrm{SNR}}_n^{\mathrm{Eq}}}(q-p)+v|}^2)}{{\mathrm{\Σ}}_{p\∈\mathrm{Xn}}\exp (-{|\sqrt{{\mathrm{SNR}}_n^{\mathrm{Eq}}}(q-p)+v|}^2)}|}^2\right),$

(式十一)

其中期望值E_v对应于标准复数常态变数v，而|A|为复数A的-2模方。

可理解的是，MIMO迭代解码器的实现非常复杂。举例而言，计算后验平均或然率

需要非线性操作，因此难以实现。对多数应用来说，MIMO迭代解码器的复杂度都过高。然而，预测MIMO迭代解码器的表现却相当简单。因此，在根据本发明的实施例中，MIMO迭代解码器的表现被用以预测MIMOMLD接收器的表现。

图4呈现了预测MIMO迭代接收器表现时的不同处理方式。由此可看出预测表现的处理步骤与实现MIMO迭代解码器所需者存在高度相似性。

均衡器信号噪声比预测单元410对应于图3中的均衡单元310，用以计算均衡器的输出端的信号噪声比。因此，单元410进行的处理会非常相似于单元310进行的处理。由于单元410仅须估计均衡器的输出端的信号噪声比，并未实际处理输入信号，单元410进行的处理会较为简单。

相似地，软性解映射变异预测单元420对应于图3中的软性解映射单元320，用以计算传送符号的后验变异。由于单元420不需要计算难以产生的后验平均值

单元420进行的处理会比单元320简单。原因在于，信号噪声比系数和均衡器的输出端的信号噪声比都与这些数值无关。

后验变异的计算仅与信号噪声比相关，其实现复杂度因此相当低。后验变异可被表示为：

，(式十二)

其中表示符号分布的能量， $f_{\mathrm{Qn}}^{\mathrm{DeMap}}\left(\mathrm{SNR}\right)$ 为将信号噪声比映射至软性解映射的后验标准化后变异。此映射功能可表示如下：

$f_{\mathrm{Qn}}^{\mathrm{DeMap}}\left(\mathrm{SNR}\right)$

$=E_v\left(\frac{1}{M_{\mathrm{Qn}}}\underset{q\∈\mathrm{Xn}}{\mathrm{\Σ}}{|q-\frac{{\mathrm{\Σ}}_{p\∈\mathrm{Xn}}\mathrm{pexp}(-{|\sqrt{\mathrm{SNR}}(q-p)+v|}^2)}{{\mathrm{\Σ}}_{p\∈\mathrm{Xn}}\exp (-{|\sqrt{\mathrm{SNR}}(q-p)+v|}^2)}|}^2\right),$

(式十三)

映射功能的解析形式可表示为：

$f_{\mathrm{Qn}}^{\mathrm{DeMap}}\left(\mathrm{SNR}\right)$

$=\underset{\mathrm{tw}}{\∫\∫}\frac{1}{{\mathrm{\πM}}_{\mathrm{Qn}}}\underset{q\∈\mathrm{Xn}}{\mathrm{\Σ}}{|q-\frac{{\mathrm{\Σ}}_{p\∈\mathrm{Xn}}\mathrm{pexp}(-{|\sqrt{\mathrm{SNR}}(q-p)+t+\mathrm{iw}|}^2)}{{\mathrm{\Σ}}_{p\∈\mathrm{Xn}}\exp \left({-|\sqrt{\mathrm{SNR}}(q-p)+t+\mathrm{iw}|}^2\right)}|}^2\exp (-(t^2+w^2))\mathrm{\δt\δw},$ (式十四)

其中t为噪声的实部，w为噪声的虚部，i代表虚数

式十四中的解析形式是对应于使用复数(complex)符号分布的情况。实数符号分布的相似运算式亦可用类似的方式产生，以配合例如二元相位偏移调制(binary phase-shift keying,BPSK)。

平均后验变异功能

与调制符号分布相关。为了降低实现复杂度，可利用式十四针对可能输入的符号分布和有用的信号噪声比范围(通常是从-10dB到30dB)预先计算

这些结果可被储存在查找表中，并且被用于计算有效信号噪声比。

根据用于MIMO接收器表现预测的IMES方案，迭代运算被施于均衡器信号噪声比预测单元410及软性解映射变异预测单元420之间，以针对不同的串流产生一组最终有效信号噪声比。用于MIMO有效信号噪声比计算的IMES演算法可被归纳如下：

迭代1：

根据下列方程式计算初始传送符号变异估计值：

${\widetilde{\mathrm{\σ}}}_n^2={\mathrm{\β}}_{\mathrm{Qn}}{\mathrm{\σ}}_n^2,n=1,...,N_{\mathrm{tx}}.$

根据选定的均衡器设计，为均衡器输出的各MIMO串流计算第一组信号噪声比：

${\mathrm{SNR}}_n^{\mathrm{Eq},\left(1\right)},n=1,...,N_{\mathrm{tx}}.$

迭代2～N_I：

根据下列运算式，为各MIMO串流更新软性解映射输出变异：

${\widetilde{\mathrm{\σ}}}_n^2={\mathrm{\β}}_{\mathrm{Qn}}{f}_{\mathrm{Qn}}^{\mathrm{DeMap}}\left({\mathrm{SNR}}_n^{\mathrm{Eq},(1-1)}\right){\mathrm{\σ}}_n^2,n=1,...,N_{\mathrm{tx}}.$

根据利用新变异值选择的均衡器设计，更新均衡器输出信号噪声比，以提供一组新的n=1,...,N_tx，用于下一次迭代。

输出：

对应于各串流的最终有效信号噪声比为：

${\mathrm{SNR}}_n^{\mathrm{Eff}}={\mathrm{SNR}}_n^{\mathrm{Eq},\left(N_I\right)},$ n=1,...,N_tx。

校正系数β_Qn与调制相关。若考虑均衡器的输出端，在噪声能量相同的情况下，干扰串流对错误几率的影响不同于高斯噪声造成的影响。项次β_Qn为此差异的校正系数。举例而言，系数β_Qn的设定依据可为各符号分布的最大能量与平均能量的比例。在采用正交相位偏移调制(QPSK)、16-QAM调制及64-QAM调制的3GPPLTE系统中，校正系数β_Qn可被设定如下：

β_QPSK=1

β_16-QAM=1.8

β_64-QAM=2.33。

于另一实施例中，β_Qn系数可被进一步最佳化，以提高正确性。举例而言，β_Qn系数可被设计为与迭代相关或是配合软性解映射的输入的信号噪声比而调整。此外，β_Qn系数的最佳化亦可配合传送/接收天线的数量。

实务上，可将β系数的最佳化延伸至涵盖传送/接收天线数量和输入调制符号分布的阶数的所有组合。此外，β系数的最佳化可被设计为相关于迭代次数及/或软性解映射信号噪声比输入。图5是用以说明将β系数最佳化的范例，其中呈现了采用QPSK输入符号分布的3×3MIMO信道时，不同β_QPSK所对应的有效信号噪声比误差的标准差。有效信号噪声比误差的计算是针对具有相同比特错误率的AWGN信道的等效信号噪声比。由图5可看出，最小化均方误差的β_QPSK最佳值为1.2。

迭代次数N_I为一设计上的参数，并可用以调节复杂度与预测正确性之间的取舍。次数少的迭代通常便足以达到良好的预测正确性。多数情况下，少于五次迭代即可达到非常准确的估计。

须注意的是，迭代次数不需要固定，且可根据传播信道的特性而改变。实务上，可追踪各次迭代的有效信号噪声比，并且在有效信号噪声比被视为收敛时停止迭代回圈。举例而言，可计算两次连续迭代的信号噪声比估计的差异，并且于此差异的绝对值低于一特定门槛值时停止预测程序。

UWMF模型可被用于预测采用IMES方案的MIMO MLD接收器的表现。本发明所属技术领域中具有通常知识者可理解，IMES表现预测方案不限于使用UWMF均衡器的情况，且存在多种替代方案。举例而言，可为均衡器310采用LMMSE模型并据此设计均衡器信号噪声比预测单元410。在这个情况下，信号噪声比是根据下列方程式计算：

${\mathrm{SNR}}_n^{\mathrm{Eq}}=\frac{1}{1-{\mathrm{\σ}}_n^2{h}_n^H{({\stackrel{\‾}{H}}_n{\widetilde{\mathrm{\Σ}}}_n{{\stackrel{\‾}{H}}_n^H+\mathrm{\σ}}_n^2{h}_n{h}_n^H+{\mathrm{\σ}}_v^{2}I)}^{-1}{h}_n}$ 。(式十五)

相较于现有技术，本发明的应用范围更普遍，且运算复杂度较低。图6呈现了根据LMMSE均衡器的信号噪声比运算式得出的信号噪声比估计值，以及利用本发明的IMES方案得出的信号噪声比估计值。此比较的背景环境是具有三个传送天线及三个接收天线的MIMO信道，且所有的MIMO串流是利用QPSK调制来传送。这些图式呈现的结果是借由针对多种任意选择的MIMO传播信道进行多重测试而产生，并且于假设掌握传送比特的完整信息的情况下测量实际比特错误率。针对各MIMO传播信道，都同时利用IMES方案和LMMSE信号噪声比运算式来估计有效信号噪声比。测出的比特错误率和信号噪声比估计值随后被用来与理论上已知的AWGN信道的比特错误率表现曲线比较。各个测出的比特错误率和信号噪声比估计值在图6中被标示为单一点。由图6可看出，相较于LMMSE运算式，IMES方案的信号噪声比估计值显然具有较低的变异。IMES预测产生的值也较接近理论上的AWGN表现曲线。

运用IMES方案，接收器可预测特定MIMO信道的比特错误率。利用IMES方案算出的该组有效信号噪声比所提供的信号噪声比估计值，是理论上AWGN信道中的解调表现，也相同于MIMO信道中的解调表现。AWGN信道中的解调表现为已知(可根据理论推导或通过模拟，并可被化为以信号噪声比的函数表示的比特错误率曲线)。因此，可根据这些以IMES方案估计出的信号噪声比计算曲线并估计比特错误率。这些AWGN比特错误率曲线(亦可称为比特错误率映射功能)会与传送器采用的调制方案相关。此外，可延伸此方案以估计接收器表现的其他指示。举例而言，可用区块错误率映射功能取代比特错误率映射功能，以协助接收器估计区块错误率。这种区块错误率映射功能通常会与调制方案及传输格式中的错误校正编码率相关。

在采用OFDM方案的无线通讯系统中，借由已知技术例如MMIB、RBIR或EESM，利用本发明提出的IMES方法算出的多个有效信号噪声比可被映射为多个单一有效信号噪声比值，各自对应于一MIMO串流。这些已知技术原本是针对不包含MIMO处理的无线通讯系统所设计，但可与IMES方法结合。对各MIMO串流而言，这些比值代表整个信号频宽的表现。将多个MIMO有效信号噪声比映射为单一整体信号噪声比使各有效信号噪声比中的误差被平均。由于IMES方法的预测偏差非常小，此平均效果会大幅提升预测正确性。相较之下，LMMSE信号噪声比预测方法的大幅偏差(如图6所示)会限制其平均效果并导致较差的整体正确性。

图7所呈现的简化后方块图是用以说明如何将本发明提出的技术应用于采用链路适配的无线通讯系统中产生反馈信息。如同图1所示者，传送器110和接收器150各自包含多个天线120(1)–120(N_tx)和140(1)–140(N_rx)，通过大小为N_rx×N_tx的信道130沟通。信道预测单元160产生的信道预测取样和噪声协方差矩阵被提供至MIMO表现预测及反馈产生单元710。eNode-B基站利用随后产生的反馈信息来决定下行链路调度，或是配合传播信道来调整传输格式。提供至调制及编码方案适配单元720的反馈信息通常是CQI值；各CQI值对应于一传输格式表格(亦称为CQI表格)中的一个条目。CQI表格中的条目通常各自对应于一种调制/编码方案。

一般而言，在CQI表格中，信号噪声比需求和传输量‘Thrg’愈高，相对应的索引值愈高。也就是说，若CQI1<CQI2，则Thrg(CQI1)<Thrg(CQI2)。此外，CQI表格的内容通常能被分割成多组连续的索引值，同一组索引值对应于同一调制方案。不同的组别使用的调制阶数通常也会随着CQI表格索引值增加。3GPP LTE标准定义的CQI表格符合上述条件，并且被绘示于图8作为范例。由图8可看出，频谱效率(单位为bit/s/Hz)随着CQI索引值的增加而增加，且索引值根据调制方案被分为三组。第一组(索引值1～6)对应于调制阶数为2的QPSK调制，第二组(索引值7～9)对应于调制阶数为4的16QAM调制，第三组(索引值10～15)对应于调制阶数为6的64QAM调制。若利用有效信号噪声比来选择反馈至传送器的CQI值，CQI表格的这些性质可被用来降低单元710的运算复杂度。

MIMO表现预测及反馈产生单元710必须为各MIMO串流选择一个CQI值，使其对应的传输格式能满足解调可靠度及传输效率的需求。举例而言，单元710可选择提供最佳频谱效率且能保证区块错误率低于10%的传输格式。单元710首先利用本发明提出的IMES方案针对不同的MIMO串流产生一组有效信号噪声比，再根据这些信号噪声比产生反馈至传送器的CQI信息。针对各串流，本发明提出的IMES方案将H、R_v、S映射为一组有效信号噪声比：(SNR₀,SNR₁,…,SNR_Ntx-1)=MIMOEffectiveSNR(H,R_v,S)。S=(Q₁,Q₂,…,Q_Ntx)代表MIMO串流的调制阶数。

须说明的是，对于例如OFDM等将多个平行信道一起编码的系统而言，MIMO有效信号噪声比功能是指施于各副载波的IMES方法，并跨越多个副载波针对各串流将多个IMES有效信号噪声比映射为单一有效信号噪声比。

为了简化说明，以下假设不同的调制方案具有不同的调制阶数，也就是可根据调制阶数分辨调制方案。本发明所属技术领域中具有通常知识者可理解，本发明提出的技术不限于这种假设情况，而是能延伸为涵盖多种调制方案具有相同调制阶数的系统。

针对联合编码串流，输入信号可被限制为令编码后串流皆具有相同符号分布方式。此外，借由利用已知技术例如MMIB、RBIR或EESM将经过联合编码的串流的多个有效信号噪声比映射为单一值，须计算的最终有效信号噪声比数量和CQI值数量可被降低。输入的符号分布和最终CQI反馈的限制都会影响此搜寻演算法。为了简化说明，此文主要探讨独立编码串流的情况。

为了产生CQI反馈，在有解调表现限制的情况下，单元710可利用算出的有效信号噪声比来寻找跨越多个MIMO串流的一组传输格式，以提供最佳整体频谱效率。举例而言，此限制可为一最大区块错误率值。当各MIMO串流的传输量已被最大化，各串流的传输量的组合即为最大整体传输量。

若针对各MIMO串流的调制方案的所有组合进行彻底搜寻，产生CQI反馈信息时需要计算(Q₁×Q₂×…×Q_Ntx)组有效信号噪声比，也就是针对对应于一可能调制组合的各组有效信号噪声比，为各MIMO串流计算一有效信号噪声比值。针对一特定组合S，可为各MIMO串流自CQI表格中选择满足最低表现需求的一个最佳索引值。具有调制阶数Q_n和有效信号噪声比SNR_n的串流n的最佳索引值为CQI_n=CQImapping(SNR_n,Q_n)。此映射关系可根据特定调制方案的已知AWGN信道表现特性来产生。可理解的是，由于须进行的测试次数及须计算的有效信号噪声比的数量都很大，此类彻底搜寻的复杂度很高。以下介绍一个利用CQI表格性质来降低实现复杂度的方案。

第一个可利用的CQI表格性质是，在每一个调制群组中，较大的索引值对应于较高的频谱效率，也对应于较高的信号噪声比需求。针对各调制方案，可选择一最小信号噪声比；该最小信号噪声比能符合目标解调表现且对应于一CQI调制群组中的第一个索引值。调制阶数为Q的调制方案的最小信号噪声比被表示为MinSNR(Q)。当各串流所有的有效信号噪声比皆高于这些调制方案的最小信号噪声比，就会有一符号分布组合S为正确的组合。

本发明提出的CQI搜寻演算法一开始假设所有的输入串流使用相同的符号分布。对所有串流而言，通常最佳情况是自中等大小的符号分布Q_mid开始，以降低复杂度。就3GPP LTE系统而言，这种做法对应于假设针对各MIMO串流施以16-QAM调制。经测试后，若此组合为正确(亦即能达到最低目标解调表现)，相对应的传输量会被用以初始化搜寻调制组合时的最佳传输量值。上述步骤可被表示为下列虚拟码：

设定S=(Q_mid,Q_mid,…,Q_mid)并针对各串流计算MIMO有效信号噪声比：

(SNR₁,SNR₂,…,SNR_Ntx)=MIMOEffectiveSNR(H,R_v,S)

根据计算出的信号噪声比为不同的串流排序，亦即选择索引值(K₁,K₂,…,K_Ntx)使得SNR_K1≦SNR_K2≦…≦SNR_KNtx

若SNRK₁≥MinSNR(Q_mid)：

定义CQIsMax=

[CQImapping(SNR₁,Q_mid),…,CQImapping(SNR_Ntx,Q_mid)]

且ThrgMax=Thrg(CQIsMax)=Thrg(CQImapping(SNR₁,Q_mid))+…+Thrg(CQImapping(SNR_Ntx,Q_mid))

否则：

定义CQIsMax=[0,…，0]

且ThrgMax=0

单元710随后必须针对其他调制组合S=(Q₁,Q₂,…,Q_Ntx)搜寻最大传输量。对各组合S来说，相关处理步骤可被表示为下列虚拟码：

计算MIMO有效信号噪声比：

(SNR₁,SNR₂,…,SNR_Ntx)=MIMOEffectiveSNR(H,R_v,S)

若(SNR₁≥MinSNR(Q₁),SNR₂≥MinSNR(Q₂),…,SNR_Ntx≥MinSNR(Q_Ntx))且(ThrgMax(S)>ThrgMax)

则CQIsMax=

[CQImapping(SNR₁,Q₁),…,CQImapping(SNR_Ntx,Q_Ntx)]

且ThrgMax=Thrg(CQIsMax)

在这个范例中，CQI反馈是对应于CQIsMax，而CQIsMax包含N个对应于不同MIMO串流的CQI索引值。

利用搜寻历史以及下列CQI表格结构的性质，可更有效率地搜寻可能的调制组合S=(Q₁,Q₂,…,Q_Ntx)：

性质一

若S⁽¹⁾=(Q₁ ⁽¹⁾,Q₂ ⁽¹⁾,…,Q_Ntx ⁽¹⁾)经过测试被判定为正确，也就是对(SNR₁,SNR₂,…,SNR_Ntx)=MIMOEffectiveSNR(H,R_v,S⁽¹⁾)来说，(SNR₁≥MinSNR(Q₁ ⁽¹⁾)、SNR₂≥MinSNR(Q₂ ⁽²⁾)、…，SNR_Ntx≥MinSNR(Q_Ntx ⁽¹⁾))，则任何具有较低分布组合阶数(Q₁ ⁽²⁾<Q₁ ⁽¹⁾，Q₂ ⁽²⁾<Q₂ ⁽¹⁾，…，Q_Ntx ⁽²⁾<Q_Ntx ⁽¹⁾)的输入分布组合S⁽²⁾=(Q₁ ⁽²⁾,Q₂ ⁽²⁾,…,Q_Ntx ⁽²⁾)都会对应于较低的传输量；分布组合S⁽²⁾不需要被测试。

性质二

S⁽¹⁾=(Q₁ ⁽¹⁾,Q₂ ⁽¹⁾,…,Q_Ntx ⁽¹⁾)经过测试被判定为不正确，亦即SNR_n(1≤n≤N)有一个是不正确的(SNR_n<MinSNR(Q_n ⁽¹⁾))，则任何具有较高分布组合阶数(Q₁ ⁽²⁾≥Q₁ ⁽¹⁾，Q₂ ⁽²⁾≥Q₂ ⁽¹⁾，…，Q_Ntx ⁽²⁾≥Q_Ntx ⁽¹⁾)的输入分布组合S⁽²⁾=(Q₁ ⁽²⁾,Q₂ ⁽²⁾,…,Q_Ntx ⁽²⁾)都会是不正确的；分布组合S⁽²⁾不需要被测试。

性质三

若S=(Q₁,Q₂,…,Q_N)具有的一最大传输量低于在搜寻期间尚未达到的一最大传输量，亦即ThrgMax(S)≤Thrg_Max，则输入符号分布的组合S不需要被测试。

上述性质可被用于提高搜寻MIMO串流的调制方案组合时的效率。利用这些性质，便可舍弃某些不正确或显然非最佳解的组合，因此减少需测试的组合数量。由于计算有效信号噪声比的次数降低，运算复杂度也会随的下降。

作为本发明的搜寻方案利用CQI表格结构降低复杂度的范例，图9绘示的流程图为适用于3GPP LTE系统中寻找最大传输量输入符号分布组合的CQI搜寻树。于本范例中，在有两个16-QAM输入串流的情况下，至多需要进行三次MIMO有效信号噪声比计算，每一次计算对应于输入符号分布的不同组合。若未利用前述性质，彻底测试所有可能的调制方案组合需要九次有效信号噪声比计算。由此可看出本发明提出的CQI搜寻方案大幅降低实现复杂度。如图9所示，步骤915之后有两个分枝。若步骤915的判断结果为是，则执行步骤920；若步骤915的判断结果为否，则执行步骤930。

首先，步骤910为利用中间大小的符号分布Q_mid计算两个串流的有效信号噪声比。这两个MIMO串流的两个有效信号噪声比按递增顺序被排列，SNR_K1较低而SNR_K2较高。

沿着搜寻树中的路径910、920、921、922，可看出受测组合为：

SNRq(K₁：64-QAM，K₂：64-QAM)、

SNRp(K₁：16-QAM，K₂：64-QAM)以及

SNR(K₁：16-QAM，K₂：16-QAM)，

其中信号噪声比p和信号噪声比q分别为于层级2、3计算的有效信号噪声比。

若沿着搜寻树中的路径910、920、923、924，可相互比较以寻找最佳传输量的受测组合为：

SNRq(K₁：QPSK，K₂：64-QAM)以及

SNR(K₁：16-QAM，K₂：16-QAM)。

若沿着搜寻树中的路径910、930、931、932，可相互比较以寻找最佳传输量的受测组合为：

SNRq(K₁：QPSK，K₂：64-QAM)以及

SNRp(K₁：QPSK，K₂：16-QAM)。

若沿着搜寻树中的路径910、930、933、934，可看出唯一正确的符号分布组合是：

SNRq(K₁：QPSK，K₂：QPSK)

步骤922、924和932会选择能提供最佳传输量的测试后组合。实务上，该选择步骤可包含比较SNR、SNRp和SNRq的CQI映射结果的传输量总和。对应于最佳传输量的CQI随后被反馈至eNode-B基站。若进入步骤934，CQI反馈的选择便只有一种。

由图9可看出，只需要三个MIMO有效信号噪声比运算便可涵盖两个MIMO串流的所有可能的调制方案组合。因此，借由利用CQI表格的结构，相较于彻底测试两个MIMO串流的所有可能调制方案组合的做法，本发明提出的方案能大幅降低复杂度。本发明所属技术领域中具有通常知识者可理解，本发明提出的调制组合搜寻方案可被轻易延伸至本文件未揭露的MIMO组态。

于另一实施例，MIMO MLD表现预测单元产出的有效信号噪声比可被用于根据传播链路特性调整接收器。图10即呈现根据IMES预测出的表现调整接收器的一实施例。

在图10中，接收器单元150包含两个在运算复杂度和预测表现上具有不同特性的解调单元1020、1030。根据表现预测单元170提供的信息，选择单元1010选择其中一个解调器来处理输入信号。于一实施例中，表现预测单元170产生的有效信号噪声比被用以与门槛值相比较，以决定影选择这两个解调器中的哪一个。举例而言，其中一个解调单元可针对良好的信号状况被最佳化，以于此状况下降低运算复杂度。当表现预测单元170算出的有效信号噪声比值高于一门槛值，解调选择单元1010便会选择此单元。借由调整运算量，采用这个动态方案有机会降低电力消耗。须说明的是，此方案中的解调单元数量不限于二，而是能延伸至不同数量的组态。

虽然本发明已以较佳实施例揭示如上，然其并非用以限定本发明，任何本领域技术人员，在不脱离本发明的精神和范围内，当可作些许的修改和完善，因此本发明的保护范围当以权利要求书所界定的为准。

Claims (11)

1.一种预测一多输入多输出接收器的表现的方法，该多输入多输出接收器接收多个多输入多输出串流，该方法包含：

以一迭代方式于一均衡器模型与一软性解映射单元模型间交换信息，以产生与该多个多输入多输出串流相关的一组信号噪声比。

2.如权利要求1所述的方法，其特征在于，该交换信息的步骤包含：

提供该均衡器模型的一输出信号噪声比的多个估计值至该软性解映射单元模型；以及

自该软性解映射单元模型提供多个传送信号的一后验变异的多个估计值至该均衡器模型，其中该多个传送信号是以该多个多输入多输出串流的形式被接收。

3.如权利要求2所述的方法，其特征在于，该均衡器模型为一不偏估白化匹配滤波器。

4.如权利要求2所述的方法，其特征在于，该多输入多输出接收器进一步接收针对多个多输入多输出信道产生的多组信号噪声比；该方法包含：

将该多组信号噪声比中对应于一多输入多输出串流的该多个信号噪声比结合为一单一值，以代表跨越该多个多输入多输出信道的表现。

5.如权利要求4所述的方法，其特征在于，该结合步骤是以一比特平均交互信息方案进行。

6.如权利要求2所述的方法，其特征在于，该表现被用于调整该多输入多输出接收器的一信息撷取程序。

7.如权利要求2所述的方法，其特征在于，该表现被用于产生一反馈信息以用来选择一传送器采用的一传输格式。

8.如权利要求7所述的方法，其特征在于，该多个多输入多输出串流是对应于一表格中定义的多个传输格式，该反馈信息的形式为该表格中的一组索引值，产生该反馈信息的步骤包含：

跨越该多个多输入多输出串流，针对该多个传输格式的多个种组合计算多组信号噪声比。

9.如权利要求8所述的方法，其特征在于，该多个传输格式中的每一个传输格式的一特性对应于一调制阶数与一传输量，该多个传输格式的该表格中的多个索引值被编排为使得一较高调制阶数对应于一较高传输量。

10.如权利要求9所述的方法，其特征在于，产生该反馈信息的步骤包含：

测试该表格中的多组索引值，且该表格的至少该特性被用于减少一需测试的组合数量。

11.如权利要求1～9中任一项所述的方法，其特征在于，该多输入多输出接收器为一最大似然检测接收器。

Images