CN103840918B - 无线通信系统中的方法和节点 - Google Patents
无线通信系统中的方法和节点 Download PDFInfo
- Publication number
- CN103840918B CN103840918B CN201410004099.2A CN201410004099A CN103840918B CN 103840918 B CN103840918 B CN 103840918B CN 201410004099 A CN201410004099 A CN 201410004099A CN 103840918 B CN103840918 B CN 103840918B
- Authority
- CN
- China
- Prior art keywords
- msub
- mrow
- candidate
- signal
- real
- 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.)
- Active
Links
Classifications
-
- 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
- H04B7/08—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the receiving station
- H04B7/0837—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the receiving station using pre-detection combining
- H04B7/0842—Weighted combining
- H04B7/0848—Joint weighting
- H04B7/0854—Joint weighting using error minimizing algorithms, e.g. minimum mean squared error [MMSE], "cross-correlation" or matrix inversion
Landscapes
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Radio Transmission System (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
UE(120)和UE(120)中的方法(500),用于对从无线网络节点(110)接收到的信号进行MIMO检测,所述无线网络节点(110)包括在无线通信网络(100)中。所述方法(500)包括接收(501)无线网络节点(110)的信号。所述方法(500)还包括建立(510)假设候选向量的列表。此外,所述方法(500)还包括计算(511)已建立(510)的假设候选向量的列表的路径度量,从而利用已计算的路径度量计算LLR以实现MIMO检测。
Description
技术领域
本文所述的实施方式大体上涉及一种用户设备以及一种用户设备中的方法。具体而言,本文描述了一种改进的MIMO检测方案。
背景技术
用户设备(UE)也称为接收者、移动台、无线终端和/或移动终端,被启用于在无线通信系统(有时也称为蜂窝无线系统或无线通信网络)中进行无线通信。可以通过无线接入网(RAN)以及可能一个或多个核心网在如UE之间,UE与有线电话之间和/或UE与服务器之间进行通信。无线通信可包括例如语音、消息、分组数据、视频、广播等各种通信服务。
UE可进一步称为移动电话、蜂窝电话、平板电脑或者有无线功能的笔记本电脑等。本文中的UE可以为,例如,便携式、口袋式、手持式、计算机内含或车载式的移动设备,其开启后可通过无线接入网络与另一实体(例如另一UE或服务器)进行语音和/或数据通信。
无线通信网络覆盖一个地理区域,其在一些接入技术中划分为小区区域,每个小区区域由一个无线网络节点或基站服务,例如无线基站(RBS)或基站收发信台(BTS),其在一些网络中,依据所用技术和术语,可称为“eNB”、“eNodeB”、“NodeB”或“B node”。
有时,所使用的“小区”表达可用于表示无线网络节点本身。然而,该小区在普通术语中还可用于表示地理区域,其中由基站站点中的无线网络节点提供无线覆盖。位于基站站点的无线网络节点可以服务一个或者几个小区。无线网络节点通过在射频上运行的空中接口与各无线网络节点范围内的UE进行通信。
在某些无线接入网络中,几个无线网络节点可以通过比如线路或者微波连接到如通用移动通讯系统(UMTS)中的无线网络控制器(RNC)。所述RNC,如在GSM中有时也称为基站控制器(BSC),可以监督并协调多个与其相连的无线网络节点的各种活动。GSM是全球移动通信系统的简称(最初名称为:移动专家组移动通信特别小组)。
在第三代移动通信标准化伙伴项目(3GPP)长期演进(LTE)/高级LTE中,无线网络节点,也称为eNodeB或eNB,可以连接到一个网关,例如无线接入网关,也可以连接到一个或多个核心网。
在本文中,下行链路(DL),下游链路或前向链路这些表达可用于描述从无线网络节点到UE的传输路径。上行链路(UL)、上游链路或反向链路这些表达可用于描述相反方向的传输路径,即从UE到无线网络节点。
第三代移动通信之后的通信系统,例如3GPP LTE,在UE接收器处使用多入多出(MIMO)和正交频分复用(OFDM)接入方案来提供下行链路中的高数据速率。在LTE中,例如,UE类型5(支持4x4 MIMO),下行链路能够支持高达300Mbps的数据速率;以及在高级LTE中,例如UE类型8,下行链路能够支持高达3Gbps(每秒千兆位),即,高达8层的数据速率。
为了满足典型场景下的这些高数据速率要求,寻求高性能(近似最优)但低复杂度的MIMO检测器。但是,MIMO检测是充满挑战性的任务。考虑具有M-QAM输入的NxN MIMO系统,那么,全复杂度的最大对数后验概率(MLM)检测的复杂度是O(MN)(MAP是最大后验概率)。例如,LTE/LTE-A支持4x4 64-QAM MIMO(即,N=4,M=64),并在不久的将来其将扩展为N=8并可能M=256,这使得复杂度水平各自为约1.6e7和约1.8e19。根据先前已知的解决方案,甚至第一个数字也远远超出在现有技术UE中可行的数字。
寻求合适的MIMO检测器,即对大的N和M值以及各种信道码率有鲁棒性的MIMO检测器。进一步地,也需要此检测器的有效实施方式。因此,可对此种检测器提出四点要求,即:
(i)检测器必须具有恒定复杂度(因此球形检测的变体被排除在外)。
(ii)算术运算的数目必须保持较低。
(iii)检测器对大的M(复杂度应当仅与M成适当比例放大)和所有各种信道码率(排除K-best的变量)具有鲁棒性。
(iv)性能必须几乎与全搜索,即,全复杂度的最大对数后验概率(MLM)一样好。
根据一些现有技术解决方案,上述特定要求的目标(i)和部分目标(iii)可以通过以下方式部分地解决:
应用最小均方差(MMSE)滤波器并根据其输出,仅仅在每个空间层保存Mk(k∈{1,...N})个信号点。然后,可为保存的信号点的所有组合计算路径度量,共有个此种组合。这可以至少在一定程度上解决了要求(i),因为复杂度是恒定的,正如每层的搜索空间由预先定义的数字Mk所限制。
另外,由于与全搜索相比,搜索空间可以比大多数的调制编码率小,可部分实现要求(iii),并且同时满足要求(i)。但是,由于作者只运用了线性最小均方误差(LMMSE)检测器,其在生成“好”而小搜索空间意义上较弱,强调其部分实现要求(iii),即,对例如64正交调幅(QAM)的高阶调制星座图和更高的编码率不具有鲁棒性。换句话说,尽管其可以满足要求(iii),但未满足(iv),因为初始的MMSE处理步骤太弱而无法降低最有可能候选的空间,尤其针对想要处理的大型调制、高编码率和/或空间相关信道情形。
但是,现有技术解决方案也未能满足上述要求(ii),因为必须发明一种方法用于有效计算所有组合的路径度量。
用于MLM检测的递归计算的此种计算技术在其他现有技术中已知。本质上,根据该技术,MLM几乎不需要乘法运算,每个候选仅需要3次加法运算。这解决了要求(ii),但是仅针对MLM检测。因此,已知现有技术计算方法不能应用到LTE-A,因为MLM具有相当大数量的向量需要测试(N=4,M=64时为16777216)。
本发明的重点在于开发一种检测器,其从已知现有技术方法继承了要求(i)和(iii),但在完全解决要求(iv)这种方式上进行了扩展,而同时扩展已知现有技术计算技术,使得该技术不再只应用到全搜索,即,MLM,而且还能用到检测器上,从而也能满足要求(ii)。
因此,一个普遍的问题在于提供新颖的检测器和检测方案,其满足以上的要求(i)-(iv)以提供有效的MIMO检测。
发明内容
因此,本发明的目标是避免至少一些上述缺点并且改善无线通信系统中的性能。
根据第一方面,提供了一种用户设备(UE)中的方法,用于对从无线网络节点接收到的信号进行多入多出(MIMO)检测,所述无线网络节点包括在无线通信网络中。所述方法包括接收所述无线网络节点的信号。此外,所述方法还包括建立假设候选向量的列表。进一步地,所述方法还包括计算已建立的假设候选向量的列表的路径度量(也称为,欧几里德距离),从而利用已计算的路径度量计算对数似然比(LLR)以实现MIMO检测。
在根据第一方面的方法的第一可能的实施方式中,所述方法进一步包括通过接收信号计算传输的调制星座图的线性最小均方误差(LMMSE)估计。
在根据第一方面的方法的第一可能的实施方式的方法的第二可能的实施方式中,在复值接收信号上计算LMMSE。
在根据第一方面的方法的第三可能的实施方式或者任一先前可能的实施方式中,所述方法进一步包括对所述接收信号进行给定迭代次数的MMSE软并行干扰消除。
在根据第一方面的方法的第四可能的实施方式或者根据第一方面的方法的任一先前可能的实施方式中,对复值接收信号进行基于MMSE滤波的软并行干扰消除。
在根据第一方面的方法的第五可能的实施方式或者根据第一方面的方法的任一先前可能的实施方式中,所述方法进一步包括为每层独立计算每个空间层最有可能的候选。
在根据第一方面的方法的第五可能的实施方式的方法的第六可能的实施方式,建立所述假设候选向量的列表基于所计算的每个空间层最有可能的候选的可能组合。
在根据第一方面的方法的第七可能的实施方式或者根据第一方面的方法的任一先前可能的实施方式中,所述方法进一步包括将复值接收信号转换为实值接收信号;从而通过利用子空间边缘化干扰抑制(SUMIS)算法获取4个2x2实值组(假设4x4复值MIMO检测问题);为每个2x2实值组获取最有可能的候选集合,以及在每组具有最有可能的候选集合后,根据在2x2实值组找到的候选形成所有可能的假设候选向量的列表。
在根据第一方面的方法的第八可能的实施方式或者根据第一方面的方法的任一先前可能的实施方式中,如果有缺失比特的情况,从第一阶段处理开始利用LLR,这就是LMMSE/MMSE-SPIC解调。
在根据第一方面的方法的第九可能的实施方式或者根据第一方面的方法的任一先前可能的实施方式中,利用关于信道估计中误差的知识来计算假设候选向量的路径度量。
在根据第一方面的方法的第十可能的实施方式或者根据第一方面的方法的任一先前可能的实施方式中,利用候选减少技术以通过删减形成假设的最无可能候选的组合减少假设候选向量的列表。
在根据第一方面的方法的第十一可能的实施方式或者根据第一方面的方法的任一先前可能的实施方式中,已建立的假设候选向量的列表的计算的路径度量在树结构上进行递归评估。
在根据第一方面的方法的第十二可能的实施方式或者根据第一方面的方法的任一先前可能的实施方式中,已建立的假设候选向量的列表的计算的路径度量用递归形式表示为:
在根据第一方面的方法的第十三可能的实施方式或者根据第一方面的方法的任一先前可能的实施方式中,减少加法运算的数目,使得:深度为4的矩阵需要2M4M3M2M1+M4M2M1+M4M1次实数加法运算;深度为3的矩阵需要2M3M2M1+M3M1次实数加法运算;深度为2的矩阵需要2M2M1次实数加法运算。
在根据第一方面的方法的第十四可能的实施方式或者根据第一方面的方法的任一先前可能的实施方式中,无线通信网络基于第三代移动通信标准化伙伴项目长期演进(3GPP LTE),无线网络节点包括演进型NodeB(eNodeB)。
在第二方面中,提供了UE,用于对从无线网络节点接收到的信号进行MIMO检测,所述无线网络节点包括在无线通信网络中。所述UE包括接收电路,用于接收来自无线网络节点的信号。此外,UE包括处理电路,用于建立假设候选向量的列表,还用于计算已建立的假设候选向量的列表的路径度量,从而利用已计算的路径度量计算LLR以实现MIMO检测。
在第二方面的第一可能的实施方式中,所述处理电路可进一步用于通过接收信号进行传输的调制星座图的LMMSE估计。
在第二方面的第二可能的实施方式或者第二方面的方法的先前可能的实施方式中,所述处理电路进一步用于在复值接收信号上计算LMMSE。
在第二方面的第三可能的实施方式或者第二方面的任一先前可能的实施方式中,所述处理电路进一步用于对所述接收信号进行给定迭代次数的MMSE软并行干扰消除。
在第二方面的第四可能的实施方式或者第二方面的任一先前可能的实施方式中,所述处理电路进一步用于对复值接收信号进行基于MMSE滤波的软并行干扰消除。
在第二方面的第五可能的实施方式或者第二方面的任一先前可能的实施方式中,所述处理电路进一步用于为每层独立计算每个空间层最有可能的候选。
在第二方面的第六可能的实施方式或者第二方面的任一先前可能的实施方式中,所述处理电路进一步用于基于计算的每个空间层最有可能的候选的可能组合,建立所述假设候选向量的列表。
在第二方面的第七可能的实施方式或者第二方面的任一先前可能的实施方式中,所述处理电路进一步用于将复值接收信号转换为实值接收信号;从而通过利用SUMIS算法获取4个2x2实值组;为每个2x2实值组获取最有可能的候选集合,以及在每组具有最有可能的候选集合后,根据在2x2实值组找到的候选形成所有可能的假设候选向量的列表。
在第二方面的第八可能的实施方式或者第二方面的任一先前可能的实施方式中,所述处理电路进一步用于从第一阶段处理开始利用LLR。
在第二方面的第九可能的实施方式或者第二方面的任一先前可能的实施方式中,所述处理电路进一步用于通过利用关于信道估计中误差的知识计算接收信号的LMMSE。
在第二方面的第十可能的实施方式或者第二方面的任一先前可能的实施方式中,所述处理电路进一步用于在为每层独立计算每个空间层最有可能的候选之前利用候选减少技术以减少候选的数目。
在第二方面的第十一可能的实施方式或者第二方面的任一先前可能的实施方式中,所述处理电路进一步用于计算所述已建立的假设候选向量的列表的路径度量,所述路径度量在树结构上进行递归评估。
在第二方面的第十二可能的实施方式或者第二方面的任一先前可能的实施方式中,所述处理电路进一步用于计算所述已建立的假设候选向量的列表的路径度量,表示为:
在第二方面的第十三可能的实施方式或者第二方面的任一先前可能的实施方式中,所述处理电路进一步用于减少加法运算的数目,使得:深度为4的矩阵需要2M4M3M2M1+M4M2M1+M4M1次实数加法运算;深度为3的矩阵需要2M3M2M1+M3M1次实数加法运算;深度为2的矩阵需要2M2M1次实数加法运算。
在第二方面的第十四可能的实施方式或者第二方面的任一先前可能的实施方式中,无线通信网络基于3GPP LTE,无线网络节点包括eNodeB。
在第一方面和/或第二方面的进一步的实施方式中,根据第二方面或者第二方面的任一先前可能的实施方式在UE中提供计算机程序产品,用于根据第一方面或者第一方面的任一先前可能的实施方式执行一种方法,用于当所述计算机程序产品加载至UE的处理电路时,对从无线网络节点接收到的信号进行MIMO检测。
由于本文所述的各个方面,提供了近似最优和固定复杂度的MIMO检测器,其通过利用降低的空间和维度中的假设候选向量获取LLR。根据一些公开的检测器,可以很容易在检测部分使用关于信道估计中误差的知识,从而提高性能。另外,也公开了候选减少技术以进一步减少复杂度的成本。所公开的检测器具有恒定/固定复杂度。进一步地,算术运算的数目较小。另外,检测器对所有调制编码率以及典型的信道条件有鲁棒性。所公开的检测器的性能与最大对数后验概率(MLM)类型的全搜索相当。因此,提供了无线通信系统内改进的性能。
本发明的方面的其他目标、优势和新颖特征可从以下的具体实施方式中清楚看出。
附图说明
参照附图,对各种实施例进行更详细地描述,其中:
图1A为图示了根据一些实施例的无线通信系统的方框图。
图1B为图示了根据实施例的UE中的方法的流程图。
图1C为图示了根据实施例的UE中的方法的流程图。
图1D为图示了根据实施例的UE中的方法的流程图。
图2为图示了UE中的MIMO检测器的实施例的方框图。
图3为图示了根据一些实施例的频谱效率的方框图。
图4A为图示了根据实施例的MIMO检测方案的流程图。
图4B为图示了根据一些实施例的标准化吞吐量的方框图。
图4C为图示了根据一些实施例的标准化吞吐量的方框图。
图4D为图示了根据一些实施例的标准化吞吐量的方框图。
图5为图示了根据实施例的UE中的方法的流程图。
图6为图示了根据实施例的UE的方框图。
具体实施方式
本文所述的本发明的实施例被定义为一种UE以及一种UE中的方法,它们可在下面描述的实施例中付诸实践。然而,这些实施例可为示例性的并且可采取多种不同的形式实现,且不限于本文所提出的示例;实际上,提供了这些实施例的说明性示例使得本发明将变得透彻且完整。
从以下结合附图考虑的详细说明中,还可清楚地了解其他目标和特征。但应了解,附图仅用于说明并且不作为对本文所披露的实施例范围的定义,所述范围应参考随附的权利要求书。此外,附图未必按比例绘制,因此除非特别说明,附图的目的仅在于从概念上说明本文所述的结构和过程。
图1A为包括与用户设备(UE)120进行通信的无线网络节点110的无线通信系统100的示意图,所述UE120由无线网络节点110服务。
无线通信系统100可至少部分地基于无线接入技术,例如,3GPP LTE、高级LTE、演进型通用陆地无线接入网络(E-UTRAN)、通用移动通信系统(UMTS)、全球移动通信系统(最初名称为移动通信特别小组)(GSM)/增强型数据速率GSM演进(GSM/EDGE)、宽带码分多址(WCDMA)、时分多址(TDMA)网络、频分多址(FDMA)网络、正交FDMA(OFDMA)网络、单载波FDMA(SC-FDMA)网络、全球互通微波存取(WiMax)或超移动宽带(UMB)、高速分组接入(HSPA)、演进型通用陆地无线接入(E-UTRA)、通用陆地无线接入(UTRA)、GSM EDGE无线接入网络(GERAN)、3GPP2 CDMA技术,如CDMA2000 1x RTT和高速率分组数据(HRPD),暂举几例。所用的“无线通信网络”、“无线通信系统”和/或“蜂窝电信系统”这些表达可以在本发明的技术背景之内,有时可以彼此互换使用。
根据不同的实施例,无线通信系统100可用于在下行链路中对频分双工(FDD)载波和至少一个时分双工(TDD)载波进行载波聚合。
图1A中示意图的目的是提供无线通信系统100的简化的一般概述以及涉及的方法和节点,例如本文所述的无线网络节点110和UE120以及所涉及的功能。所述方法和无线通信系统100接下来将作为非限制性示例在3GPP LTE/高级LTE环境中进行描述,但是所公开的方法和无线通信系统100的实施例可基于另一种接入技术,例如上述已经列出技术中的任一者。因此,尽管本发明的实施例描述是基于3GPP LTE系统,但是绝不限制于3GPP LTE。
所示的无线通信系统100包括可发送将由UE120接收的无线信号的无线网络节点110。
应注意,图1A所示的一个无线网络节点110和一个UE120的网络设置仅视为实施例的非限制性示例。无线通信系统100可包括任何其他数目和/或组合的无线网络节点110和/或UE120。因此,本发明的一些实施例中可以涉及多个UE120和其他配置的无线网络节点110。
因此,无论何时本文中提及“一个”UE120和/或无线网络节点110,根据一些实施例,仍可涉及多个UE120和/或多个无线网络节点110。
根据一些实施例,按照例如无线接入技术和所用术语,所述无线网络节点110可用于下行链路传输并可分别称为,例如,基站、NodeB、演进型节点B(eNB或eNodeB)、基站收发信台、接入点基站、基站路由器、无线基站(RBS)、宏基站、微基站、微微基站、毫微微基站、家庭eNodeB、传感器、信标设备、中继节点、中继器或用于在无线界面上与UE120通信的任何其他网络节点。
根据不同的实施例和不同的词汇,UE120可对应地表示为,例如,无线通信终端、蜂窝移动电话、个人数字助理(PDA)、无线平台、移动台、平板电脑、便携式通信装置、笔记本电脑、计算机、用作中继器的无线终端、中继节点、移动中继器、用户端设备(CPE)、固定无线接入(FWA)节点或者用于与服务无线网络节点110进行无线通信的任何其他类型的设备。
图1B为图示了近似最优和有效MIMO检测方案的实施例的示意图。因此,根据一些实施例,基于最小均方差(MMSE)-软并行干扰消除(SPIC)辅助的降低的空间和维度最大似然搜索(RD-MLS)可包括在说明性的实施例中,其包括两个阶段:
阶段1
在第一阶段中,从无线网络节点110接收无线信号。并且,可以通过接收信号计算传输的调制星座图的LMMSE估计。此外,对接收信号进行给定迭代次数的MMSE软并行干扰消除。因此,软MMSE可使用并行干扰消除,或者在不同的实施例中的串行干扰消除。第一阶段检测器可互换地称为MMSE-SPIC或软MMSE-PIC。
用于PIC操作的软比特可基于MIMO解调器本身或信道解码器得到,或者也可以在迭代过程中混合使用。
基于第一阶段的输出,在一些实施例中,MMSE-SPIC可独立获取每空间层最有可能的候选,而无需任何跨越空间层的联合处理。
可基于在第一阶段获取的候选的所有可能组合创建假设候选向量的列表。
阶段2
在第二阶段中,可递归计算所选列表的路径度量。这样,可计算对数似然比(LLR)。如果有缺失比特的情况,即,当不存在可用于LLR计算的对立假设时,可利用基于MMSE-SPIC输出的LLR。
图1C是图示了提供了实值子空间边缘化干扰抑制(SUMIS)协助的RD-MLS的实施例的示例图,其包括三个阶段:
阶段1
第一阶段利用从无线网络节点110接收无线信号和应用MMSE-SPIC,或复值或实值。但是,本步骤在一些实施例中为可选,可用作最小化或者至少减少流间干扰的净化步骤,使得可以估计更好的软符号估计和对应的符号方差。在一些实施例中,在本文的本阶段中可不选择每空间层的候选。因此,可选地,在一些实施例中可在复值接收信号上进行LMMSE以及在复值接收信号上进行基于MMSE滤波的软并行干扰消除。
阶段2
在第二阶段中,可采用实值SUMIS,其包括三个子阶段。以4x4 MIMO(复值)或等同地8x8 MIMO(实值)为例,实值8x8 MIMO可分解为4个实值2x2 MIMO组。可适当有效地按列排列信道矩阵找到这些2x2 MIMO组,这样可最大化这些2x2组/对的容量。进一步地,可为每组进行软干扰抑制,可为每个组获取最有可能假设候选,从而形成列表。此外,在一些实施例中,所有比特的LLR值可以利用2x2组计算得到。
阶段3
在第三阶段中,根据一些实施例,可递归计算所选列表的路径度量,从而计算LLR。如果有缺失比特的情况,即,当不存在可用于LLR计算的对立假设时,可利用基于实值SUMIS输出的LLR。
图1D是图示了分层RD-MLS的又一实施例的示例图,其包括三个阶段:
阶段1
在第一阶段中,从无线网络节点110接收无线信号。进一步地,如在先前所述的MMSE-SPIC辅助的RD-MLS检测器实施例中采用MMSE-SPIC。和MMSE-SPIC辅助的RD-MLS实施例类似,独立获取每个空间层最有可能的候选。进一步地,当MIMO维度大于2,即,包括多于两个空间层,那么可能不会在此处创建假设候选向量的列表;否则,MMSE-SPIC辅助的RD-MLS可以看作2x2 MIMO组的分层RD-MLS的特例。
阶段2
在可能的第二阶段中,2x2 MIMO组可由每层从MMSE-SPIC获取的初始候选的大型MIMO分层,例如,二元树结构,组成,且2x2 MIMO组在每个组中联合搜索最有可能的候选集合。换句话说,利用前一阶段获取的初始候选,可形成每个2x2 MIMO组的所有可能的假设候选向量。可在约化维度获取最有可能候选向量。可重复此2x2分组直到最后一个MIMO组为2x2 MIMO组的形式。
阶段3
在可能的第三阶段中,可计算路径度量,从而计算所选列表的LLR。如果有缺失比特的情况,即,在一些实施例中,当不存在可用于LLR计算的对立假设时,LLR可基于利用MMSE-SPIC输出。
图2示出了根据MMSE-SPIC辅助的RD-MLS的检测方案的实施例。
在一些实施例中,可采用软MMSE-PIC而非只采用LMMSE检测器,从而可以大量减少候选的总数目,尤其针对特高调制星座图。
考虑单个小区场景,使得服务无线网络节点110配备NT个发射(Tx)天线端口,所述UE120配备NR个接收(Rx)天线。空间复用传输方案可采用NL≤min{NT,NR}个空间层。假设UE120与服务无线网络节点110完全同步,在子帧内携带下行共享物理信道(PDSCH)的第[k,l]个资源元素(RE)的快速傅里叶变换(FFT)接收复杂信号向量读作:
其中,对应于信道矩阵,对应于预编码器矩阵。描述有效信道矩阵;表示对应于编码比特向量的映射的传输的数据符号向量,进而映射的数据符号属于对应于M-QAM星座
复杂白高斯噪声向量由表示,其噪声方差(M=2Q)的有限字母表集。
矩阵为下文,在不损失一般性的情况下,由于每RE MIMO检测处理,出于简洁考虑,丢弃RE符号因此,上述输入输出关系可简洁地表示为:
y=Hx+w. (3)
传输的符号向量x的最优(符号级)硬MAP检测读作:
其中,
(5)式中的整数最小二乘问题是熟知为非确定性多项式(NP)困难的问题(当调制阶数和空间层数很大的时候)。因此,针对可行解决方案进行了无数的研究。大多数公开的解究方案实施例可以大致分为两类,即(a)线性检测和(b)非线性/类ML检测。
传输的编码比特的最优(符号级)软MAP检测读作:
其中,对应于比特向量内第j个比特的先验信息。
计算上述LLR(或对数APP/对数后验概率)的基本问题在于NP困难,即,涉及大量计算复杂度。最简单/强力方法为每个分子和分母需要考虑个求和项。
为了降低对数后验概率方法的复杂度,比较可行的方案是采取用最大运算符替换求和运算符的最大对数后验概率(MLM)方法,最大运算符可以近似为:
随后,将公开RD-MLS变体的一些不同的实施例。首先,描述包括MMSE-SPIC辅助的RD-MLS实施例,随后是路径度量的有效计算。之后,可以描述RD-MLS检测器的两个不同的替代性实施例,即实值SUMIS辅助的RD-MLS和分层RD-MLS。
在一些实施例中,可采用软MMSE-PIC而非只采用LMMSE检测器,从而可以大量减少候选的总数目,尤其针对特高调制星座图。
进一步地,在一些实施例中,基于max-log-MAP的LLR计算可能优于基于log-MAP的LLR计算,因为由于LLR计算的假设数目不对称/不相同,这些类ML方法中的基于log-MAP的计算高估了LLR。进一步地,可以利用来自RD-MLS算法的LLR输出和来自SPIC的LLR输出的线性结合。因此,一些实施例提供了良好的性能和复杂度之间的权衡。
图2中所示的实施例可包括以下动作:
首先,可以进行给定迭代次数的MMSE-SPIC。可以在不同实施例中利用涡轮解码器输出或解调器输出。进一步地,或者,也可以适当地同时利用两种输出。但是,为了降低时延,可利用MMSE解调器输出。
(a)针对每个空间层n=1,...,NL,通过利用来自MMSE解调器的APP-LLR输出作为先验,计算软符号或者传输符号的平均值,以及对应的传输符号方差在第一迭代中,不存在先验信息,即,这意味着和
(b)针对每层n=1,...,NL,利用软符号进行PIC,
(c)应用MMSE滤波器到PIC的输出n=1,...,NL,从而第n个层输出读作:
其中,MMSE滤波器是以下第n个行向量:
其中,对角矩阵Rxx包括传输信号或者软信号误差的方差。
由于假设MMSE滤波器(10)的输出在统计上独立以及每个输出可由高斯分布来取近似值,那么第n层的每个候选符号的后验概率变为:
其中,描述了后处理的噪音加干扰方差,及
每层的后处理的信号干扰噪声比(SINR)γ[n]读作:
基于M-QAM星座内每个调制星座图/候选的后验概率或等同地每层的候选的欧几里德距离,分别以降序或升序从对应的后验概率的分类列表或等同地欧几里德距离中选择预定义数目的候选。所有可能假设由每个层n的所选候选,即Xn创建,使得假设的维度的基数远远小于全假设
当搜索每空间层最有可能的候选集合时,在一些实施例中空间层可以基于后处理的SINR升序排列。因此,在一些不同实施例中,可考虑针对最弱的符号(在后处理的SINR意义上),选取相对较大数目的候选,而针对最强的符号可考虑较小数目的候选。例如,在64QAM调制星座图中,每个排列的空间层的候选的数目可以用向量形式M=[14,9,5,4]表示,这意味着候选的总数目可以是|X|=14×9×5×4=2520,对应于全假设的约0.015%。因此,在这个非限制性实例中,最弱符号层可考虑前14个可能候选,而最强层考虑前4个可能候选。
可基于最大对数后验概率原则计算LLR,使得RD-MLS算法的第i个比特的LLR读作(省略先验):
路径度量或等同地称为欧几里德距离,称为||y-Hx||2的计算。值得重申,由于在分子和分母中假设候选向量的数目不规则/不相同,RD-MLS算法中基于max-log-MAP原则的LLR计算提供了比基于log-MAP原则更好的性能,除非分子和分母的假设数目相同。对数似然比(LLR)生成的假设候选向量的路径度量的有效计算在下一章节中详述。
如果上述RD-MLS算法中有缺失比特LLR的情况,可利用来自SPIC输出的合适LLR。这意味着不存在可用于LLR计算的对立假设。针对给定的第n层的来自SPIC输出的第i个比特的LLR读作(省略先验):
在一些实施例中,RD-MLS和MMSE-SPIC提供的LLR的简单(加权)线性结合,使得:
其中,通过模拟获取α的值。按照数值结果,在大多测试场景下,α=0.5的典型值效果良好。但是,在低信道编码率情况下,通常基于MMSE的解决方案可以优于基于max-log-MAP的解决方案。在这种情况下,可以考虑α的较小值,例如,α=0.25,这意味着在一些实施例中给予基于MMSE的解决方案更多的权重。
另外,提供了候选减少方法,其中,通过删除最无可能的假设候选集合Ω降低候选向量的数目|X|。具体而言,这些假设可从集合\Ω中移除,并基于每个空间层的两个或多个最无可能候选的组合创建。
例如,考虑三层都使用4-QAM调制的情况,待选的候选向量的数目为M=[3,2,2],即,|X|=12。每个空间层的调制星座图的索引可以是X1={1,2,3}、X2={1,2,3}和X3={1, 2,3}。假设候选集合为:
X={[1,1,1],[1,1,2],[1,2,1],[1,2,2],[2,1,1],[2,1,2],[2,2,1],[2,2,2],[3,1,1],[3,1,2],[3,2,1],[3,2,2]}.
因此,每个空间层的两个或更多最无可能的候选的所有结合可从X中忽略,其中可以忽略的假设集合为:
Ω={[1,2,2],[2,2,2],[3,1,2],[3,2,1],[3,2,2]}
注意,按照我们的数值结果,尤其在低空间相关性下候选减少方法效果良好。
值μ(x)=||y-Hx||2可写作:
其中,已经定义Γ=HHH和z=HHy。然后,可在树结构上以递归方式评估度量μ(x)。在上述求和中,索引n的含义为“树深”。这是因为在每个阶段n,在计算汇总只涉及符号xn,xn-1,...,x1。为了更好地展现,使用以下定义可能是有用的:
那么,可以达成递归公式;
通过进行额外定义:
递归度量可简化为:
在一些实施例中,可以设置NL=4,并可基于在上节中得到的递归度量得到评估所有度量的复杂度。有两步:(i)预处理步骤和(ii)递归度量步骤。令人惊讶的是,所有的乘法运算可以放入相对较小的预处理步骤。
在本文中,不会进一步考虑生成和z的复杂度,因为,可假设在一些实施例中由于第一步骤的LMMSE处理,已经存在这些信息。该复杂度的表达能直接获取。注意待展现的所有复杂度数目省略了生成这两个变量。
预处理包括评估和存储γ(xn)和δmn(x,y)的所有值。由于每个符号xk的候选数目减少,预处理步骤的复杂度可以保持相对较小。
xk可能存在Mk个候选。因此,可以计算Mk个值γk(x)。为了计算可进行2个实数乘法运算和一个实数加法运算。可假设查找表中存在|xk|2/2的所有值,可进行一次表查找和一次实数乘法运算以计算|xk|2Γk,k/2。然后,可以将和|xk|2Γk,k/2相加,这是另一实数加法运算。总而言之,通过以下可以计算并存储γk(x)的所有值在内存中:
次实数乘法运算,
次实数加法运算,和
次LUT运算。
随后,可以为δmn(x,y)进行不同可能性的预计算和存储。可对6对(m,n)∈{(2,1),(3,1),(3,2),(4,1),(4,2),(4,3)}进行此操作。在非限制性的示例中,可考虑对(2,1)。可进行以下计算:
γ21(x,y)=P{x*Γ2,1y},x∈Ξ1,y∈Ξ2
总共存在M1M2γ个值用于为示例性对(2,1)进行计算。假设在LUT中存储了xy的所有组合,可以通过一个2D表查找、2次实数乘法运算和1次实数加法运算计算每个值。因此:
2[M2M1+M3M1+M3M2+M4M1+M4M2+M4M3]次实数乘法运算,[M2M1+M3M1+M3M2+M4M1+M4M2+M4M3]次实数加法运算,和[M2M1+M3M1+M3M2+M4M1+M4M2+M4M3]次2D LUT运算。
针对NL=4,在搜索树中可能存在4个阶段。
深度1。在第一阶段中,可以计算γ1(x1),x1∈Ξ1的M1值。这不需要任何的加法或乘法运算,M1次内存提取(MF)可能足够。
深度2。在此深度,存在M1M2个节点,根据以下每个节点拥有一个度量:
μ(x2,x1)=μ(x1)+γ2(x2)+δ21(x2,x1).
有很多计算所有M1M2个度量的方法。在一些实施例中,可以彼此独立逐个计算这些度量。随后,将介绍和讨论涉及到计算M1M2个度量的更复杂的评估方法的另一实施例。根据一些实施例,由于每个度量涉及3个变量,但仅仅需要从内存提取2个变量,因此可能需要2M1M2次内存提取,但仅需要2M1M2次实数加法运算。
深度3。在此深度,存在M1M2M3个节点,根据以下每个节点拥有一个度量:
μ(x3,x2,x1)=μ(x2,x1)+γ3(x3)+δ31(x3,x1)+δ32(x3,x2).
在一些实施例中,由于每个度量可能涉及4个变量,所以共存在3M1M2M3次内存提取和3M1M2M3次实数加法运算。
深度4。在此深度,存在M1M2M3M4个节点,根据以下每个节点拥有一个度量:
μ(x4,x3,x2,x1)=μ(x3,x2,x1)+γ4(x4)+δ41(x4,x1)+δ42(x4,x2)+δ43(x4,x3).
由于每个度量可能涉及5个变量,所以可能需要进行总共4M1M2M3M4次内存提取和4M1M2M3M4次实数加法运算。
应注意,对于预处理步骤,复杂度与符号在以下递归步骤中处理的顺序无关。但是在递归步骤中,顺序很重要。这可视为M4仅影响第四步骤中的复杂度。第四步骤关于层顺序完全对称,那么将Mk的最大值仅输入到第四步骤中是有益的。通过进行归纳,可以建立一般规则,其中序列M1,M2,…,MNL可能非递减。
生成|X|=M1M2M3M4个度量的总复杂度可包括:
次实数乘法运算,
次实数加法运算,
次内存提取,
次2D LUT运算,及。
次LUT运算。
查找表(LUT)运算和内存提取的差别在于所有的资源元素(RE)的LUT相同,而内存提取提取为给定RE计算的值。
总示例性复杂度可包括说明的数值示例。可以假设候选{M1,M2,M3,M4}={4,4,7,8}的数目(注意,4个候选的第一集合对应于最强的符号而8个候选的最后一个集合对应最弱的符号)。总共|X|=896个候选。将这些值输入上节的公式中得到:
453次实数乘法运算,
4022次实数加法运算,
5016次内存提取,
192次2D LUT运算,及。
23次LUT运算。
显著地,需要进行的实数乘法运算要少于待评估的度量数。该结果的代价是需要进行更多的加法运算和内存提取。
如上所述,可以以直接的方式减少加法运算的数目。考虑之前讨论的深度4。可形成|X|的和:
μ(x4,x3,x2,x1)=μ(x3,x2,x1)+γ4(x4)+δ41(x4,x1)+δ42(x4,x2)+δ43(x4,x3).
但是,在一些实施例中,许多上述的求和的差别可能仅在于某一个变量不同,因此可能可以重用一些求和的计算步骤。根据一些实施例,有效的方法可包括任意、一些或所有的以下动作:
1.计算M4M1次求和
γ4(x4)+δ41(x4,x1),
并用β(x4,x1)表示每次求和。这可能需要M4M1次实数加法运算。
2.每个β(x4,x1)与δ42(x4,x2)相加,可以产生M4M2M1个β(x4,x2,x1)。这可能需要M4M2M1次加法运算。
3.每个β(x4,x2,x1)与δ43(x4,x3)相加,可以产生M4M3M2M1个β(x4,x3,x2,x1)。这可能需要M4M3M2M1次加法运算。
4.最后,可以将β(x4,x3,x2,x1)和μ(x3,x2,x1)相加,这可能又需要M4M3M2M1次加法运算。总共,在深度4可能需要2M4M3M2M1+M4M2M1+M4M1次实数加法运算,而根据之前讨论的原始方法需要4M4M3M2M1次实数加法运算。类似地,在深度3和2,可能各自需要2M3M2M1+M3M1和2M2M1次实数加法运算。
通过归纳上节的表达,可以获取:
次实数加法运算。
回到NL=4并插入{M1,M2,M3,M4}={4,4,7,8},的情况,可能实现2474次实数加法运算。使用{M1,M2,M3,M4}={3,4,5,6},可以进行1124次实数加法运算(和292次实数乘法运算)。
实际上,信道估计并不完美,因此,其可引进信道估计误差:
可以假设信道估计误差具有零均值,与传输数据和信道都不相关。进一步地:
也可假设每层k的所有相同,为了考虑信道估计误差的影响,LLR计算的下述路径度量术语
可被修改,即,
是估计的传输或软符号n,可在使用迭代接收器(或软MMSE-SPIC)时获取。
随后可描述第二检测器实施例,其中,从所谓实值SUMIS算法中生成候选。最后将会详细描述实值SUMIS,而在前一检测器实施例中,使用MMSE-SPIC的输出生成候选。此外,描述了LLR计算所需的路径度量的有效计算。
可考虑先前所述的信道模式,即,
y=Hx+w,
其中H是NxN矩阵,x是包括独立、单位归一化、均匀分布的M-QAM符号的向量。基本假设是M-QAM星座的比特映射使得星座可分。简而言之,这意味着log2(M)/2比特控制I部分,另一log2(M)/2比特控制星座的Q部分。如果不能实现该假设,该报告的结果并不适用。尤其是,除了正交PSK(QPSK)星座,相移键控(PSK)星座不可分。上述系统模型可通过变换等效地在实值域中表示:
针对矩阵,及
针对向量。在一些实施例中,实数和复数变量之间可能采用相同的记号,但是从上下文的讨论应该很容易识别。在实表示中,2Nx2N信令模型可包括:
y=Hx+w.
如果需要MMSE检测或者最佳检测(MAP),使用实值模型而非复值模型可能不存在、存在很少或可忽略的增益。例如,考虑复值模型中的MMSE检测。将y和维纳滤波H*(HH*+N0I)-1相乘后,可实现下列模型:
rk=αkxk+ηk,1≤k≤N,
其中αk为实值,ηk表示噪声和残余干扰。类似地,如果在实值模型上进行MMSE处理,维纳滤波可为W=0.5H*(0.5HH*+0.5N0I)-1,滤波后的模型可为:
这与复值MMSE情况的模型一致。
但是,针对其他复杂度降低的检测器,实值和复值模型之间存在显著差别。在一些实施例中,SUMIS检测器可比较实值模型中的操作与复值模型中的操作。根据一些实施例可以通过下列步骤总结SUMIS技术的操作(不管采用实值或复值模型)。将发送符号(x)分成一些包含K个符号的组。每个组内的符号将会联合处理。进一步地,针对组接收信号表示为:
其中,是组中的符号组成的向量,是对应于组的H的列,是除了组中的符号外x的所有符号,和是对应于的H中的列。根据可分发干扰和噪声。
进一步地,可对色噪声进行Cholesky分解:随后,使用L以白化噪声和干扰
其中且
也可以进行QR因式分解可将和相乘并取结果的第一K分量。这等于
其中是白化单位方差噪声,是的第一K行。
根据最后一步中的模型,可为独立于其他组的组进行MAP、max-log-MAP、或一些其他技术。
在上述方案中,基础信道H是复值还是实值无关紧要;SUMIS算法的操作保持相同。但是,复杂度和组大小K的选择发生变化。考虑第一复值情况并假设N=6。当K=1时,获取标准MMSE接收器。随后的MAP/max-log-MAP步骤的复杂度变为(因为I和Q可以分离)。下一可能K为2。这意味着存在三个待检测的组。每个组不可能分离I和Q,所以复杂度变为3×M2。另一设置可能为K=3,那么只包含2个组,总复杂度为2×M3。
现在我们来看实值情况。当N=6,矩阵H的维度变为12x12。星座的基数可以是可以进行设置使得K=1,这等价于MMSE检测,并和复值情况中K=1的设置的结果相同。现在设置K=2,这提供了6个组,每组的复杂度为M,因此,总复杂度为6M。复值模型可能不存在此选项。事实上,甚至可以进一步改进“分辨率”并设置K=3。这提供了4个组,总复杂度为进一步地,可以用K=4和K=6进行考虑,但是由于12/5不是一个整数,K=5可能不会提供一个恒定的组大小。
K=4和K=6的情况特别有趣,因为它们与在复值情况下具有K=2和K=3的情况直接比较。此处可能存在的问题是询问在复值情况下K=2是否等价于实值情况下K=4的设置。如随后讨论的那样,该问题的答案可能是:“不是。最好在实值模型中设置K=4”。实值和复值模型之间的差别在于选择用于联合处理的组的自由。
将公开一种说明性示例,其中N=4和复值K=2。根据一些实施例,SUMIS的第一步骤是将H的4列分为二组。由于每个组中的成员的顺序可能不相关,可以以三个不同的方式进行,即,([1,2],[3,4];[1,3],[2,4];[1,4],[2,3])。在实值模型中,可能存在8个成员,这些成员可分组到2组中,每组有4个成员。可以验证可能存在35(=8!/2/4!/4!)个分组,所以挑选最优分组的自由更高。事实上,模型可包括作为特殊情况的复值模型。进一步地,实值H的列可由[R1,...,RN,I1,...,IN]表示。那么,在复值模型中,可以将Rk放入相同的组作为Ik。因此,复值模型可以看做具有三个不同分组的实值模型:
([R1,I1,R2,I2],[R3,I3,R4,I4];[R1,I1,R3,I3],[R2,I2,R4,I4];[R1,I1,R4,I4],[R2,I2,R3,I3]).
在实值模型中,可以允许分离Rk和Ik为不同组,总体上,这是有益的。
随后将讨论4x4 MIMO的又一示例,即,N=4。在表1中,示出组大小存在不同选择,导致的检测复杂度和针对实值SUMIS的列的排列的数目。注意由于8/3不是整数,不存在组大小K=3,所以将导致“2组中各含3个符号,1组中含2个符号”。在表2中,给定SUMIS算法的复值版本的对应数目。应注意的是,如今的设计选择少于实值版本,一些复杂度程度不存在。每个表的最后一行对应于全复杂度检测,而第一行是标准MMSE接收器。最后评论,可以提出表2中所有的检测器作为特别情况包括在表1中。
表1
表2
根据一些实施例,SUMIS算法的分步指导可以以更紧凑的形式记录。这里省略详细细节,注意到仅仅只需要遵循在一种包含根据天线可变内存的替代性实施例中列出的指示即可。随后,说明将集中在实值模型中N=4和K=2的情况。可以证实,存在105(=8!/24/4!)种可能排列,任务可以是找到最佳排列或者至少实现一些改进。请注意在对应的复值情况下,由于复值K=1对应于正常MMSE(尽管复杂度略低),可能没有丝毫自由。在找到最佳排列前,可定义适当的成本函数。可采用检测器的可达速率。假设P是排列矩阵,其在H中排列列,使得HP的前两列是组1,3-4列是组2等等。然后,定义
B=I-PHHH(HHH+N0I)-1HP.
进一步地,假设Bk是B的2x2矩阵(通常为KxK)子矩阵。
其中,出于简洁考虑,可使用符号“MATLAB”。MATLAB(矩阵实验室)是数值计算环境和第四代编程语言。那么,这种特别分组的SUMIS检测器的可达速率为
其中,
以及
该任务需要在P上最大化该表达式。原则上,可以通过在所有105中排列上进行穷举搜索来进行,并为每个排列计算成本f(P)。这样效率很低,可以考虑两种减少复杂度的方法以找到排列,并且性能可以接近最优。
f(P)的低复杂度评估
可能发现优化f(P)的P很有趣,但是,计算函数值f(P)本身并不有趣。因此,可以无损耗从f(P)移除所有恒量。因此:
可以为每个排列评估4个2x2行列式值。
通过实验可观察到最大化P的排列经常结构丰富。具有可以简短描述的结构特征的排列的数目仅为105个中的12个。但是,通过试验,可以验证最优排列并不经常具有此结构,这意味着最优排列在某些情况中不属于这12个排列。因此,在12个而不是105个排列之中选择排列可能不是最优,但确实降低了复杂度。从之后的数值示例中可见,12个排列效果不错,针对所有实际目的,此子集的限制都已足够。
因此,观察到的可以描述为:
当Ii和Rj分组,那么Ri和Ij分组。当Ii和Ij分组,那么Ri和Rj分组,反之亦然。Ii从不和Ri一起分组。可以示出具有这些属性的排列的数目仅为12,可以定义集合Π12为具有这种属性的排列的集合。所有105个排列的集合可以由Π105表示。同样,形成标准复值MMSE接收器的排列的结合可以由ΠX表示。原则上,ΠX包含了单一元素,即,([R1,I1],[R2,I2];[R3,I3],[R4,I4])。
尽管Π12不是最优,可以证明下列结果(忽略证据)。
论点1:最大化f(P)的排列P使得与Ii结对的恰好只有一个Ri或者使得不存在Ri和在子集Π12中存在最优排列。
使Π12中的排列良好的属性原因是什么?分组在一起的列可被联合处理。当两列的内积为0时,在分组时不存在增益,因为在联合处理中两列之间没有可利用的依赖关系。这完全是ΠX中的所有排列的情况,所以不要期望这些列的表现很好。基于这样的观察,现在考虑Ri和Ii。针对这两列,确实是这种情况,所以联合处理它们没有任何好处。这解释了属性3。属性1-2可以按如下直观解释。Ii和Rj的共享属性与Ii和Rj之间的共享属性完全相同。因此,如果配对Ri和Ij有好处,意味着对应的很小,那么对应于Ii和Rj的具有完全相同的值。属性1和2的净效应在于尽管存在4组,但是仅存在2个不同的有效信道
最后一个陈述可用于进一步降低找到最佳排列的复杂度。可能要用完12个排列,但是针对每个排列,可能仅仅需要评估2个行列式值,因为其他的行列式值相同。此时,需要计算24个行列式值,但是可降低到仅仅12个。考虑排列:
A≡([R1,R2],[I1,I2];[R3,R4],[I3,I4])
其满足上述属性1-3。因此,且现在考虑同样满足属性1-3的另一排列B。
B≡([R1,R2],[I1,I2];[R3,I4],[I3,R4]).
但是排列B的等于先前排列A的无需再次评估。检查所有的12个排列,可以观察到可以共享一半的计算。因此,建立最佳排列的总复杂度是2x2 MIMO矩阵的12次评估。
随后将示出实值SUMIS实现的速率的数值示例。考虑4x4 MIMO具有IID复值高斯条目。可以进行两次测试:(i)在Π105内为每个信道找到真正最佳的排列,(ii)找到Π12内最佳的排列。为了对比,还示出了等同于使用排列ΠX的MMSE接收器的性能和信道容量。在所有的情况下,在1000个独立信道上可以取结果的平均值。可见,Π12中的排列实际上无损,但是Π105中的排列存在非常小的损失。
图3公开了具有K=2的实值SUMIS的4x4 MIMO的实现的速率。最上方的曲线是(不含注水的)信道容量,底部的曲线是MMSE接收器,即,K=1的复值SUMIS。两个几乎重叠的曲线分别是从Π12和Π105取出的最佳排列的SUMIS算法。
如上所述,可使用实值SUMIS生成候选的列表,从而生成的候选(假设)列表用于LLR生成。
生成具有实值SUMIS的候选向量可开始于根据上节建立最佳分组/排列。针对最佳分组,可根据先前的讨论计算SUMIS算法。针对每个组为所有个可能的向量计算度量
然后,输出个具有最小μ(·)的向量作为组的可能候选。
实值SUMIS硬件逻辑可能与复值SUMIS的硬件逻辑略有不同。原则上,回到复值领域并为所有的ΠMk个向量计算度量是有可能的,但是这可能损坏实值SUMIS硬件的良好结构,因为向量中不存在可能提前获知的结构。因此,在这种情况下可能要开发新的硬件结构。可以利用相同的搜索树,但是不是处理每个深度的一个复值层,而是可能要处理每个深度含有两列的一个组(在整节中示出的实施例可应用到N=4和K=2的实值情况)。这意味着在找到LLR后,可进行LLR的解排列。
根据一些实施例,可无任何修改的重用复值情况中完全相同的搜索树,固定硬件并总是进行相同的操作。但是,可以改变预处理步骤(计算γ(·)和δ(·,·)),新复杂度可以是复值情况的约两倍。
可以进行以下度量的评估:
μ(x1,x2,x3,x4)=||y-HP[(x1,x2,x3,x4)]T||2,
其中P是最佳排列矩阵,2x1向量xk存在Mk个选择。与复值情况类似,这可以重写为:
其中:
xBl=[x1,x2,x3,x4]T,
HBl是HP的4x4块矩阵版本,其中每个块为2x2矩阵。向量yBl是y的4x1块向量版本,其中每个块为2x1向量。
该度量可以以递归格式表示为如下,复值情况中也表示为递归格式,
其中:
以及
从这些表达式中,给定γ(·)和δ(·,·)的值,预处理的其余步骤,即相加γ(·)和δ(·,·)的合适的组合,与复值情况相同。因此,可以不同的仅仅是生成γ(·)和δ(·,·)关联的复杂度。首先考虑生成γ(xi)。应注意,矩阵GBl和向量yBl已经在随后的MMSE步骤中存在,那么在一些实施例中,评估这些不存在任何成本。首先,xi可以和yBl,i相乘,这花费2次实数乘法运算和一次实数加法运算。然后,可以评估这可以写成:
矩阵GBl,ii是对称的,因此假设LUT中存在上述的矩阵的迹可以用3次乘法运算和2次加法运算来评估。总共,每个γ(·)值可以进行5次乘法运算和4次加法运算。
但是,现在考虑δ(·,·)。可以评估表达式可以写成:
在实值情况中,矩阵GBl,ij中不存在结构,而复值情况中针对一些实值a,b存在:
换句话说,矩阵GBl,ij可代表一个复数。在实值情况中,可假设通过LUT存在,LUT的大小最多为M2,但由于对称实际上大大小于M2。然后,可以通过4次实数乘法运算和3次加法运算对进行评估。
总结如下,具有实值SUMIS的RD-MLS预处理步骤具有复杂度:
实数乘法运算:
实数加法运算:
最后,应注意,直接也将干扰消除并入到实值SUMIS框架中。存在两种可能需要进行的可能的变化:
因此,在一些实施例中,前文SUMIS方法中描述的信号可以改变为
其中,是之前步骤中的的估计。干扰的颜色可以是:
其中是的残余方差。
除了这两个变化,基于实值SUMIS的RD-MLS相关的其他操作保持相同。
为了简洁起见,考虑4x4 MIMO建立,图4A示出了分层RD-MLS MIMO检测器先前所述的概念和步骤。
分层RD-MLS MIMO检测器相关的实施例可以视作是两个先前展示的检测器的混合。尤其是,前两个检测器可以为超大MIMO系统提供超大的复杂度,例如,以支持8x8(复值)MIMO系统中的8层。因此,该RD-MLS MIMO分层检测器实施例还可以适用于超大MIMO系统。
考虑8x8 MIMO系统作为示例,根据实施例,所述的检测器的概念如下:
首先使用上述SUMIS技术分解例如8x8的大型MIMO系统为例如4x4(复值)的小MIMO系统。进一步地,针对每个分解的小MIMO系统,生成最有可能候选(假设)的列表。
在获取每个小MIMO系统的最有可能候选的列表后,通过对小MIMO系统发现的假设进行所有可能的组合,可以创建整个大MIMO系统的新的假设的列表。
最后,通过利用候选或假设的最终列表计算LLR或者软比特。
本文显示了在理想的和实际的信道状态信息下前两个所述的检测器实施例的模拟,以及与其他参考检测器比较其性能。
表3给出了测试案例1的关键模拟参数。
表3
表4总结了图4B中使用的说明的定义。
表4
图4B所示为测试案例1设置的标准化吞吐量与SNR的关系。检测器的性能是基于理想的信道估计和噪声方差信息。如预期那样,本文中所述的检测器实施例优于不含和具有SPIC的线性检测器,即LMMSE和LMMSE-SPIC。根据一些实施例,各自示出的检测器的性能可能与最优最大似然检测器一样好。
表5总结了测试案例2的关键模拟参数。
表5
表6总结了图4C中使用的说明的定义。
表6
考虑到信道估计误差方差知识,图4C示出了公开的检测器的性能。如预期那样,RD-MLS的性能相比不考虑信道估计误差的检测器可以极大地提高。
表7总结了测试案例3的关键模拟参数。
表7
检测器实施例的性能在图4D中示出,图中对应的说明在表8中定义。可以从图中容易地分析,所述的低复杂度检测器的性能,尤其是RSUMIS辅助的RD-MLS,和最大似然比的意义下的最优检测器,即,MLM,一样好。图4D示出了针对测试案例3设置的标准化吞吐量与SNR的关系。
表8
因此,本文公开的一些实施例涉及剩余候选向量的有效度量计算。本文公开的方法进一步减少候选向量的数目。也可以公开在实值框架内剩余候选向量的有效度量计算的方法。此外,还公开了采用自迭代的软并行干扰消除算法(SPIC)作为生成候选向量集合的初始步骤的方法。在一些实施例中,利用含有或者不含有SPIC的自迭代的实值SUMIS算法作为生成候选向量集合的初始步骤的方法。此外,还包括在所公开的检测器中考虑信道估计误差的方法。也公开了根据一些实施例针对任意数目的传输层的分层检测器。
图5为示出了用户设备(UE)120中的方法500的实施例的流程图。方法500用于对从无线网络节点110接收的信号进行多入多出(MIMO)检测,无线网络节点110包含在无线通信网络100中。
无线网络节点110可包括演进型NodeB(eNodeB)。无线通信网络100可以基于第三代移动通信标准化伙伴项目长期演进(3GPP LTE),例如高级LTE。进一步地,在不同的实施例中,无线通信系统100可基于频分复用(FDD)和/或时分复用(TDD)。
在一些实施例中可以减少本文中进行加法运算的数目,使得:深度为4的矩阵需要2M4M3M2M1+M4M2M1+M4M1次实数加法运算;深度为3的矩阵需要2M3M2M1+M3M1次实数加法运算;深度为2的矩阵需要2M2M1次实数加法运算。
为了适当地提高接收信号的MIMO检测,方法500可包括多个动作501-511。
但应注意,根据不同的实施例,可按照与所列举指示有些不同的时间顺序执行所述动作501-511中任何、一些或所有动作,或者可同时执行它们,或者甚至以完全相反的顺序执行它们。一些动作可在例如动作502-509的一些替代性实施例中执行。进一步地,应注意,根据不同的实施例,一些动作可在多个替代方式中执行,一些这种替代方式仅可在一些但无需所有的实施例中执行。方法500可包括以下动作:
动作501
接收无线网络节点110的信号。
动作502
此动作可在一些但不是所有的实施例中执行。
可以通过接收信号(501)计算传输的调制星座图的线性最小均方误差(LMMSE)估计。
在一些实施例中,可以在复值接收信号(501)上计算LMMSE。
根据一些实施例,可以利用关于信道估计中的误差的知识计算假设候选向量的路径度量。
动作503
此动作可在一些但不是所有的实施例中执行。
可对接收信号(501)进行给定迭代次数的MMSE软并行干扰消除。
在一些实施例中,对复值接收信号(501)进行基于MMSE滤波的软并行干扰消除。
动作504
此动作可在一些但不是所有的实施例中执行。
在一些实施例中,可为每层独立计算每个空间层最有可能的候选。
在一些实施例中,如果有缺失比特的情况,可以利用来自第一阶段处理的LLR,这是LMMSE/MMSE-SPIC解调。
进一步地,在一些实施例中,利用候选减少技术以通过删减形成假设的最无可能候选的组合减少假设候选向量的列表。
动作505
此动作可在一些但不是所有的实施例中执行。
复值接收信号(501)可转换为实值接收信号;从而通过利用子空间边缘化干扰抑制(SUMIS)算法获取4个2x2实值组。
动作506
此动作可在一些但不是所有的进行动作505的实施例中执行。
为每个2x2实值组获取最有可能的候选集合,以及在每组具有最有可能的候选集合后,根据在2x2实值组找到的候选形成所有可能的假设候选向量的列表。
动作507
此动作可在一些但不是所有的实施例中执行。
根据一些实施例,可以利用SUMIS算法建立2x2复值较小的MIMO组。
动作508
此动作可在一些但不是所有的进行动作507的实施例中执行。
可以在每个2x2 MIMO组中联合搜索候选的最有可能集合。
动作509
此动作可在一些但不是所有的进行任一动作507和/或508的实施例中执行。
可以通过为每个较小的2x2 MIMO组获取的可能候选的所有可能的组合获取假设候选向量。
动作510
建立假设候选向量的列表。
在一些实施例中,基于每个空间层计算(504)的最有可能候选的所有可能集合建立假设候选向量的集合。
动作511
计算已建立的(510)假设候选向量的列表的路径度量;从而利用已计算的路径度量计算对数似然比(LLR)以实现MIMO检测。
在一些实施例中,已建立的(510)假设候选向量的列表的已计算的路径度量在树结构上进行递归评估。
进一步的,已建立的(510)假设候选向量的列表的已计算路径度量μ(x)可表示为:
其中,γ是层,xn是第n层的候选符号。
图6示出了用户设备(UE)120的实施例。UE120用于执行至少一些先前描述的方法动作501-511,用于对来自无线网络节点110的无线信号进行MIMO检测,无线网络节点110包括在无线通信网络100中。
无线网络节点110可包括演进型NodeB(eNodeB)。无线通信网络100可以基于第三代移动通信标准化伙伴项目长期演进(3GPP LTE),例如高级LTE。进一步地,在不同实施例中,无线通信系统100可基于FDD或TDD。
为增强清晰度起见,UE120的任何内部电子器件或其他部件,对于理解本文所述实施例而言,并不是完全不可缺少的,故在图6中忽略。
UE120包括接收电路610,用于接收来自无线网络节点110的信号。
根据一些实施例,UE120中的该接收电路610可用于接收来自无线网络节点110或者用于在无线界面上进行无线通信的其他实体的无线信号。
进一步地,UE120还包括处理电路620,用于建立假设候选向量的列表。处理电路620还用于计算已建立的假设候选向量的列表的路径度量,从而利用已计算的路径度量计算对数似然比(LLR)以实现MIMO检测。
此外,处理电路620可用于通过接收信号进行传输的调制星座图的线性最小均方误差(LMMSE)估计。
处理电路620可进一步用于在复值接收信号上计算LMMSE。
在一些实施例中,处理电路620可进一步地用于对接收信号进行给定迭代次数的MMSE软并行干扰消除。
此外,处理电路620可进一步用于对复值接收信号进行基于MMSE滤波的软并行干扰消除在复值接收信号上进行基于MMSE滤波的软并行干扰消除。
此外,根据一些实施例,处理电路620可进一步用于为每层独立计算每个空间层最有可能的候选。
处理电路620可进一步用于基于计算的每个空间层最有可能的候选的可能组合,建立假设候选向量的列表。
此外,处理电路620可用于将复值接收信号转换为实值接收信号;从而通过利用子空间边缘化干扰抑制(SUMIS)算法获取4个2x2实值组。
在一些实施例中,此外,处理电路620可进一步用于为每个2x2实值组获取最有可能的候选集合,以及在每组具有最有可能的候选集合后,根据在2x2实值组找到的候选形成所有可能的假设候选向量的列表。
在一些实施例中,处理电路620可进一步用于从第一阶段处理开始利用LLR。
另外,处理电路620可进一步用于通过利用关于信道估计中的误差的知识计算接收信号的LMMSE。
在一些实施例中,处理电路620可进一步用于在为每层独立计算每个空间层最有可能的候选之前利用候选减少技术以减少候选的数目。
处理电路620可进一步用于计算已建立的假设候选向量的列表的路径度量,其在树结构上进行递归评估。
此外,处理电路620可进一步用于计算所述已建立的假设候选向量的列表的路径度量μ(x),表示为:
其中,γ是层,xn是第n层的候选符号。
所述处理电路620可进一步用于减少加法的数目使得:深度为4的矩阵需要2M4M3M2M1+M4M2M1+M4M1次实数加法运算;深度为3的矩阵需要2M3M2M1+M3M1次实数加法运算;深度为2的矩阵需要2M2M1次实数加法运算。
该处理电路620可包括,例如,中央处理单元(CPU)、处理单元、处理电路、专用集成电路(ASIC)、微处理器或可解译并执行指令的其他处理逻辑中的一个或多个实例。因此,本文所用术语“处理电路”可表示包括多个处理电路的处理电路,所述多个处理电路实例为以上列举项中的任何、一些或所有项。
此外,根据一些实施例,UE120可在一些实施例中还包括UE120中的至少一个存储器625。可选存储器625用于临时性或永久性地储存数据或程序(即指令序列)的物理装置。根据一些实施例,存储器625可包括具有基于硅的晶体管的集成电路。此外,所述存储器625可为易失性或非易失性的。
此外,根据一些实施例,UE120进一步包括传输电路630,可用于传输无线信号。
在一些替代性实施例中,UE120和/或处理电路620可包括建立单元,用于建立假设候选向量的列表。UE120和/或处理电路620还可包括计算单元,用于计算已建立的假设候选向量的列表的路径度量,从而利用已计算的路径度量计算LLR以实现MIMO检测。
UE120中要执行的动作501-511可通过UE器120中一个或多个处理电路620以及用于执行所述动作501-511中功能的计算机程序产品来实施。
因此,当加载至UE120的处理电路620时,一种计算机程序产品,包括用于根据动作501-511中的任一动作执行方法500的程序代码,根据动作501-511中的任一动作对从无线网络节点110接收到的信号进行MIMO检测。
因此,计算机程序产品通过进行方法500可包括计算机可读存储介质,所述介质存储用于从无线网络节点110接收到的信号进行MIMO检测的程序代码,无线网络节点包括子无线通信网络100中。所述方法500包括:接收无线网络节点110的信号501,建立假设候选向量的列表510,以及计算已建立的假设候选向量的列表510的路径度量511,以及利用已计算的路径度量计算LLR以实现MIMO检测。
例如,可采用数据载体的形式提供上述计算机程序产品,所述数据载体携带计算机程序代码,所述计算机程序代码用以在其加载至UE120中的处理电路620时根据一些实施例来执行动作501-511中的至少一些动作。所述数据载体可为,例如,硬盘、CD-ROM光盘、存储棒、光储存装置、磁储存装置或任何其他合适的介质,如可以非暂时性方式中保存机器可读数据的磁盘或磁带。此外,所述计算机程序产品可进一步用作服务器上的计算机程序代码并且可下载至UE120,例如,通过互联网或内部网连接。
本发明的具体实施方式中所用的以及附图中所示的术语并不意在限制于所述方法实施例500、无线网络节点110和/或UE120。在不脱离所附权利要求书界定的本发明的情况下,可进行各种变更、替代和/或更改。
本文所用的术语“和/或”包括相关联的所列项目中的一者或多者的任何和所有组合。此外,单数形式“一”和“所述”解释为“至少一个”,因此还可能包括相同种类的多个实体,除非另外明确地陈述。应进一步了解,术语“包括”用于说明存在所述特征、动作、整体、步骤、操作、元件和/或部件,但并不排除存在或添加一个或多个其他特征、动作、整体、步骤、操作、元件、部件和/或它们的组合。例如处理电路620等单个单元可以实现权利要求书中列举的若干项的功能。在仅凭某些措施被记载在相互不同的从属权利要求书中这个单纯的事实并不意味着这些措施的结合不能被有效地使用。计算机程序可存储/分发到合适的介质上,例如与其他硬件一起或者作为其他硬件的部分提供的光存储介质或者固态介质,还可以以其他形式例如通过因特网或者其他有线或无线通信系统分发。
Claims (11)
1.一种用户设备UE(120)中的方法(500),用于对从无线网络节点(110)接收到的信号进行多入多出(MIMO)检测,所述无线网络节点(110)包括在无线通信网络(100)中,其特征在于,所述方法(500)包括:
接收(501)所述无线网络节点(110)的信号;
建立(510)假设候选向量的列表;
计算(511)已建立(510)的假设候选向量的列表的路径度量,从而利用已计算的路径度量计算对数似然比(LLR)以实现MIMO检测,已建立(510)的假设候选向量的列表的计算(511)的路径度量表示为:
<mrow>
<mi>&mu;</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mi>L</mi>
</msub>
<mo>,</mo>
<msub>
<mi>x</mi>
<mrow>
<mi>L</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<msub>
<mi>x</mi>
<mn>1</mn>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>&mu;</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mrow>
<mi>L</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<msub>
<mi>x</mi>
<mn>1</mn>
</msub>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>&gamma;</mi>
<mi>L</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mi>L</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>+</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>m</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mrow>
<mi>L</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</munderover>
<msub>
<mi>&delta;</mi>
<mrow>
<mi>L</mi>
<mi>m</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mi>L</mi>
</msub>
<mo>,</mo>
<msub>
<mi>x</mi>
<mi>m</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
其中,xn表示第n层的候选符号,μ(xL,xL-1,…,x1)表示对第1…L层的候选符号计算路径度量,μ(xL-1,…,x1)表示对第1…L-1层的候选符号计算路径度量,Γ=HHH,z=HHy,H是信道矩阵,y是接收信号,x是发送信号,zL是向量z中第L层的元素。
2.根据权利要求1所述的方法(500),其特征在于,进一步包括:
通过所述接收(501)信号计算(502)传输的调制星座图的线性最小均方误差(LMMSE)估计。
3.根据权利要求1所述的方法(500),其特征在于,进一步包括:
对所述接收(501)信号进行(503)给定迭代次数的MMSE软并行干扰消除。
4.根据权利要求1所述的方法(500),其特征在于,进一步包括:
为每层独立计算(504)每个空间层最有可能的候选。
5.根据权利要求1所述的方法(500),其特征在于,进一步包括:
将复值接收(501)信号转换(505)为实值接收信号;从而通过利用子空间边缘化干扰抑制(SUMIS)算法获取4个2x2实值组;以及
为每个2x2实值组获取(506)最有可能的候选集合,以及在每组具有最有可能的候选集合后,根据在2x2实值组找到的候选形成所有可能的假设候选向量的列表。
6.根据权利要求1-5中任一项权利要求所述的方法(500),其特征在于,利用关于信道估计中误差的知识来计算(502)所述假设候选向量的路径度量。
7.根据权利要求1-5中任一项权利要求所述的方法(500),其特征在于,减少加法运算的数目,使得:
深度为4的矩阵需要2M4M3M2M1+M4M2M1+M4M1次实数加法运算;
深度为3的矩阵需要2M3M2M1+M3M1次实数加法运算;
深度为2的矩阵需要2M2M1次实数加法运算,其中,M1表示候选的第一数量,M2表示候选的第二数量,M3表示候选的第三数量,M4表示候选的第四数量。
8.一种用户设备UE(120),用于对从无线网络节点(110)接收到的信号进行多入多出(MIMO)检测,所述无线网络节点(110)包括在无线通信网络(100)中,其特征在于,所述UE(120)包括:
接收电路(610),用于接收来自所述无线网络节点(110)的信号;
处理电路(620),用于建立假设候选向量的列表,还用于计算已建立的假设候选向量的列表的路径度量,从而利用所述已计算的路径度量计算对数似然比(LLR)以实现MIMO检测,已建立(510)的假设候选向量的列表的计算(511)的路径度量表示为:
<mrow>
<mi>&mu;</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mi>L</mi>
</msub>
<mo>,</mo>
<msub>
<mi>x</mi>
<mrow>
<mi>L</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<msub>
<mi>x</mi>
<mn>1</mn>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>&mu;</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mrow>
<mi>L</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<msub>
<mi>x</mi>
<mn>1</mn>
</msub>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>&gamma;</mi>
<mi>L</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mi>L</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>+</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>m</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mrow>
<mi>L</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</munderover>
<msub>
<mi>&delta;</mi>
<mrow>
<mi>L</mi>
<mi>m</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mi>L</mi>
</msub>
<mo>,</mo>
<msub>
<mi>x</mi>
<mi>m</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>.</mo>
</mrow>
其中,xn表示第n层的候选符号,μ(xL,xL-1,...,x1)表示对第1…L层的候选符号计算路径度量,μ(xL-1,...,x1)表示对第1…L-1层的候选符号计算路径度量,Γ=HHH,z=HHy,H是信道矩阵,y是接收信号,x是发送信号,zL是向量z中第L层的元素。
9.根据权利要求8所述的UE(120),其特征在于,所述处理电路(620)进一步用于通过所述接收信号进行传输的调制星座图的线性最小均方误差(LMMSE)估计。
10.根据权利要求9所述的UE(120),其特征在于,所述处理电路(620)进一步用于在复值接收信号上计算LMMSE。
11.根据权利要求8-10中任一项权利要求所述的UE(120),其特征在于,所述处理电路(620)进一步用于对所述接收信号进行给定迭代次数的MMSE软并行干扰消除。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EPEP13193971.2 | 2013-11-22 | ||
EP13193971.2A EP2876820B1 (en) | 2013-11-22 | 2013-11-22 | Methods and nodes in a wireless communication system |
EP13193971.2 | 2013-11-22 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103840918A CN103840918A (zh) | 2014-06-04 |
CN103840918B true CN103840918B (zh) | 2017-09-29 |
Family
ID=49641610
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410004099.2A Active CN103840918B (zh) | 2013-11-22 | 2014-01-02 | 无线通信系统中的方法和节点 |
Country Status (2)
Country | Link |
---|---|
EP (1) | EP2876820B1 (zh) |
CN (1) | CN103840918B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017211403A1 (en) * | 2016-06-08 | 2017-12-14 | Huawei Technologies Co., Ltd. | Receiving device and method thereof |
CN108847886A (zh) * | 2018-05-25 | 2018-11-20 | 复旦大学 | 一种空分复用方式的信号传输方法 |
CN115023924B (zh) * | 2020-01-22 | 2024-05-31 | 上海诺基亚贝尔股份有限公司 | 用于接收器的软判决信息生成 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1956426A (zh) * | 2005-10-26 | 2007-05-02 | 电子科技大学 | 一种低复杂度的多入多出迭代检测方法 |
CN101442390A (zh) * | 2007-11-19 | 2009-05-27 | 电子科技大学 | 空间相关MIMO的Turbo均衡接收方法与装置 |
CN102412931A (zh) * | 2011-11-17 | 2012-04-11 | 信源通科技(西安)有限公司 | 多天线比特交织编码系统的串行干扰抵消检测方法及系统 |
US8559543B1 (en) * | 2009-10-09 | 2013-10-15 | Marvell International Ltd. | Soft sphere decoder for MIMO maximum likelihood demodulation |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7924933B2 (en) * | 2006-09-19 | 2011-04-12 | Nec Laboratories America, Inc. | Enhanced successive interference cancellation (SIC) receiver for multiple-input multiple-output (MIMO) systems |
US8693588B2 (en) * | 2011-02-24 | 2014-04-08 | Qualcomm Incorporated | Two-step joint demapping algorithm for LLR computation of MIMO signal based on sphere decoding |
-
2013
- 2013-11-22 EP EP13193971.2A patent/EP2876820B1/en active Active
-
2014
- 2014-01-02 CN CN201410004099.2A patent/CN103840918B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1956426A (zh) * | 2005-10-26 | 2007-05-02 | 电子科技大学 | 一种低复杂度的多入多出迭代检测方法 |
CN101442390A (zh) * | 2007-11-19 | 2009-05-27 | 电子科技大学 | 空间相关MIMO的Turbo均衡接收方法与装置 |
US8559543B1 (en) * | 2009-10-09 | 2013-10-15 | Marvell International Ltd. | Soft sphere decoder for MIMO maximum likelihood demodulation |
CN102412931A (zh) * | 2011-11-17 | 2012-04-11 | 信源通科技(西安)有限公司 | 多天线比特交织编码系统的串行干扰抵消检测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
EP2876820B1 (en) | 2017-11-08 |
EP2876820A1 (en) | 2015-05-27 |
CN103840918A (zh) | 2014-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Studer et al. | Quantized massive mu-mimo-ofdm uplink | |
Dai et al. | Low-complexity soft-output signal detection based on Gauss–Seidel method for uplink multiuser large-scale MIMO systems | |
US8693588B2 (en) | Two-step joint demapping algorithm for LLR computation of MIMO signal based on sphere decoding | |
Wang et al. | Multiuser detection for uplink large-scale MIMO under one-bit quantization | |
US8542781B2 (en) | Incrementally inclusive frequency domain symbol joint detection | |
Hedstrom et al. | Achieving near MAP performance with an excited Markov chain Monte Carlo MIMO detector | |
CN107276716B (zh) | 用于解码数据信号的方法和设备 | |
CN105814857A (zh) | 用于低复杂度和高性能通信的改进的格基约减辅助的k-best 算法 | |
CN103840918B (zh) | 无线通信系统中的方法和节点 | |
Zheng et al. | Practical linear precoder design for finite alphabet multiple‐input multiple‐output orthogonal frequency division multiplexing with experiment validation | |
US9374175B2 (en) | Joint spatial processing for space frequency block coding and/or non space frequency block coding channels | |
Yue et al. | Model-driven deep learning assisted detector for OTFS with channel estimation error | |
CN104184505B (zh) | 发射信号的多输入多输出mimo检测方法、装置及系统 | |
US20150146546A1 (en) | Method and nodes in a wireless communication system | |
Wiesmayr et al. | DUIDD: Deep-unfolded interleaved detection and decoding for MIMO wireless systems | |
Ketonen | Equalization and Channel estimation algorithms and implementations for Cellular MIMO-OFDM downlink | |
Hedstrom et al. | A capacity achieving MIMO detector based on stochastic sampling | |
Zhang et al. | Low-complexity detection for MIMO C-FBMC using orthogonal approximate message passing | |
Faraji et al. | Fixed-point implementation of interpolation-based MMSE MIMO detector in joint transmission scenario for LTE-A wireless standard | |
Wo et al. | A simple iterative Gaussian detector for severely delay-spread MIMO channels | |
Hu et al. | On the design of reduced state demodulators with interference cancellation for iterative receivers | |
CN115668854A (zh) | 基于递归树搜索的多进多出检测装置及方法 | |
Wo et al. | Low‐Complexity Gaussian Detection for MIMO Systems | |
Moezzi-Madani et al. | An energy-efficient 64-QAM MIMO detector for emerging wireless standards | |
Khan et al. | MIMO iterative receiver SNR estimation strategies for link to system interfacing |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20210423 Address after: Unit 3401, unit a, building 6, Shenye Zhongcheng, No. 8089, Hongli West Road, Donghai community, Xiangmihu street, Futian District, Shenzhen, Guangdong 518040 Patentee after: Honor Device Co.,Ltd. Address before: 518129 Bantian HUAWEI headquarters office building, Longgang District, Guangdong, Shenzhen Patentee before: HUAWEI TECHNOLOGIES Co.,Ltd. |
|
TR01 | Transfer of patent right |