CN104270329A - 一种多输入多输出mimo解调的空时优化方法及系统 - Google Patents

Abstract

本发明提供了一种MIMO解调的空时优化方法及系统，所述方法包括：S1.将块数据N进行MIMO解调的求解过程划分为加权矩阵模块、数据均衡模块和软判决模块；S2.将所述加权矩阵模块划分为矩阵共轭转置变换、矩阵相加和矩阵相乘三个子模块；S3.将所述数据均衡模块划分为两个矩阵相乘的子模块；S4.将所述软判决模块划分为等效噪声计算和对数似然比软信息计算两个子模块；S5.对所述块数据N按照步骤S2-S4划分后的子模块采用循环处理的方式进行MIMO优化解调。本发明解决了基于TMS320C66x型多核DSP的4×4MIMO解调系统中的DSP芯片的时间空间利用率不高的问题。

Description

一种多输入多输出MIMO解调的空时优化方法及系统

技术领域

本发明涉及无线通信技术领域，具体涉及一种多输入多输出MIMO解调的空时优化方法及系统。

背景技术

本发明涉及无线通信领域中的DSP技术，DSP技术是一种将现实世界中的真实信号转换为计算机能够处理的信息的过程。DSP芯片有很多优点，如大规模集成性、稳定性好、精度高、可编程、接口集成方便等。在当今的数字化时代背景下，伴随着随着无线通信的快速发展，DSP芯片在通信系统中的使用得到了快速发展。虽然DSP有很多的优点，但是每种芯片也有时间和空间的局限性。即任何多核DSP芯片都有固定的时钟周期和固定的存储空间。DSP的空时优化就是为了解决时间空间的资源不足问题。只有做好了多核DSP的空时优化，才能更好的利用DSP芯片所提供的时间和空间资源，在系统所需的有限时钟周期内处理完所要处理的数据并进行相应的存储。

现有技术中，对于基于TMS320C66x型多核DSP的4×4MIMO解调系统，DSP芯片的时间空间利用率不高，存在很大的资源浪费问题。这个问题主要体现在当前基于TMS320C66x型多核DSP的4×4MIMO系统处理过程中需要的时钟周期相当庞大，即在给定的DSP核上不能达到处理的实时性。由于4×4MIMO解调过程是一个数据处理相当庞大的过程，这就会浪费相当多的DSP核进行解MIMO操作，这不仅导致DSP的资源利用率不高，同时也会造成很大的经济负担。

发明内容

针对现有技术中的缺陷，本发明提供一种多输入多输出MIMO解调的空时优化方法及系统，解决了现有技术中，基于TMS320C66x型多核DSP的4×4MIMO解调系统中的DSP芯片的时间空间利用率不高的问题。

第一方面，本发明提供一种多输入多输出MIMO解调的空时优化方法，所述方法针对于基于TMS320C66x型多核DSP的4×4MIMO解调，所述方法包括：

S1.将块数据N进行MIMO解调的求解过程划分为加权矩阵模块、数据均衡模块和软判决模块；

S2.将所述加权矩阵模块划分为矩阵共轭转置变换、矩阵相加和矩阵相乘三个子模块；

S3.将所述数据均衡模块划分为矩阵相乘和矩阵相乘两个子模块；

S4.将所述软判决模块划分为等效噪声计算和对数似然比LLR软信息计算两个子模块；

S5.对所述块数据N按照步骤S2-S4划分后的子模块采用循环处理的方式进行MIMO优化解调。

其中，所述步骤S2将所述加权矩阵模块划分为矩阵共轭转置变换、矩阵相加和矩阵相乘三个子模块包括：

加权矩阵模块基于最小均方误差算法，其公式为：

W＝(H^HH+σ²I)^-1H^H

其中，H为信道冲击响应矩阵，σ²为信道估计的噪声，I为单位矩阵，对于4×4MIMO，H的阶数为4×4阶，H^H为矩阵H的共轭转置变换，根据上式将加权矩阵模块划分为更小的子模块：矩阵共轭转置变换、矩阵相加和矩阵相乘子模块。

其中，所述步骤S3将所述数据均衡模块划分为矩阵相乘和矩阵相乘两个子模块包括：

数据均衡模块是对块数据N根据加权矩阵W进行均衡，MIMO系统中块数据N如下：

N＝Hx+n

式中，H为信道冲击响应矩阵，x为发送信号，n为噪声，对块数据N根据加权矩阵W进行均衡如下：

$d=\mathrm{WN}=W(\mathrm{HX}+n)=\tilde{H}X+\mathrm{Wn}$

式中，d为数据均衡结果，根据上式将数据均衡模块分为两个矩阵相乘子模块。

其中，所述步骤S4将所述软判决模块划分为等效噪声计算和对数似然比LLR软信息计算两个子模块包括：

软判决模块为基于对数似然比LLR的软判决，软判决模块需要计算两个量值，第一个为等效噪声：

${\widetilde{\mathrm{\σ}}}_i^2=\underset{j=0;j\≠i}{\overset{N_L-1}{\mathrm{\Σ}}}{\left|{\tilde{H}}_{\mathrm{ij}}\right|}^2+\left\{\right[\left(\underset{j=0}{\overset{N_R-1}{\mathrm{\Σ}}}{\left|W_{\mathrm{ij}}\right|}^2\right)\left]\left({\mathrm{\σ}}^2\right)\right\}$

用等效噪声进行归一化后，对于第i个layer的调制符号内，I路的第k个比特的软信息值LLR(b_i,I,k)，可以按照下式计算：

$\mathrm{LLR}\left(b_{i,I,k}\right)=\frac{{\left|{\tilde{H}}_{\mathrm{ii}}\right|}^2}{2{\widetilde{\mathrm{\σ}}}_i^2}\{\underset{\mathrm{xI}\∈S_{I,k}^{\left(0\right)}}{\min }{|\frac{d_{i,I}}{{\tilde{H}}_{\mathrm{ii}}}-x_I|}^2-\underset{\mathrm{xI}\∈S_{I,k}^{\left(1\right)}}{\min }{|\frac{d_{i,I}}{{\tilde{H}}_{\mathrm{ii}}}-x_I|}^2\}$

式中，x_I为I路的比特符号，表示I路第k个比特取到0的所有调制符号的集合，表示I路第k个比特取到1的所有调制符号的集合，和d_i,I为所述数据均衡模块的计算结果，W_ij为加权矩阵，σ²为信道估计的噪声，N_L为矩阵的阶数，N_R为接收天线的个数，b_i,I,k为I路第i个layer第k个比特表示符，对于Q路只需把上式的I改成Q；根据上两式将软判决模块分为等效噪声计算和LLR软信息计算两个子模块。

第二方面，本发明还提供一种多输入多输出MIMO解调的空时优化系统，所述系统针对于基于TMS320C66x型多核DSP的4×4MIMO解调，所述系统包括：

主模块划分单元，用于将块数据N进行MIMO解调的求解过程划分为加权矩阵模块、数据均衡模块和软判决模块；

第一子模块划分单元，用于将所述主模块划分单元发送的加权矩阵模块划分为矩阵共轭转置变换、矩阵相加和矩阵相乘三个子模块

第二子模块划分单元，用于将所述主模块划分单元发送的数据均衡模块划分为矩阵相乘和矩阵相乘两个子模块；

第三子模块划分单元，用于将所述主模块划分单元发送的软判决模块划分为等效噪声计算和对数似然比LLR软信息计算两个子模块；

优化解调单元，用于对所述块数据N按照所述第一子模块划分单元、第二子模块划分单元和第三子模块划分单元划分后的子模块采用循环处理的方式进行MIMO优化解调。

其中，所述第一子模块划分单元具体用于：

将所述加权矩阵模块划分为矩阵共轭转置变换、矩阵相加和矩阵相乘三个子模块，其中，加权矩阵模块基于最小均方误差算法，其公式为：

W＝(H^HH+σ²I)^-1H^H

式中，H为信道冲击响应矩阵，σ²为信道估计的噪声，I为单位矩阵，对于4×4MIMO，H的阶数为4×4阶，H^H为矩阵H的共轭转置变换；

根据上式将加权矩阵模块划分为更小的子模块：矩阵共轭转置变换、矩阵相加和矩阵相乘子模块。

其中，所述第二子模块划分单元具体用于：

将所述数据均衡模块划分为矩阵相乘和矩阵相乘两个子模块，其中，数据均衡模块是对块数据N根据加权矩阵W进行均衡，MIMO系统中块数据N如下：

N＝Hx+n

式中，H为信道冲击响应矩阵，x为发送信号，n为噪声；

对块数据N根据加权矩阵W进行均衡如下：

$d=\mathrm{WN}=W(\mathrm{HX}+n)=\tilde{H}X+\mathrm{Wn}$

式中，d为数据均衡结果，根据上式将数据均衡模块分为两个矩阵相乘子模块。

其中，所述第三子模块划分单元具体用于：

将所述软判决模块划分为等效噪声计算和对数似然比LLR软信息计算两个子模块，其中，软判决模块为基于对数似然比LLR的软判决，软判决模块需要计算两个量值，第一个为等效噪声：

${\widetilde{\mathrm{\σ}}}_i^2=\underset{j=0;j\≠i}{\overset{N_L-1}{\mathrm{\Σ}}}{\left|{\tilde{H}}_{\mathrm{ij}}\right|}^2+\left\{\right[\left(\underset{j=0}{\overset{N_R-1}{\mathrm{\Σ}}}{\left|W_{\mathrm{ij}}\right|}^2\right)\left]\left({\mathrm{\σ}}^2\right)\right\}$

用等效噪声进行归一化后，对于第i个layer的调制符号内，I路的第k个比特的软信息值LLR(b_i,I,k)，可以按照下式计算：

$\mathrm{LLR}\left(b_{i,I,k}\right)=\frac{{\left|{\tilde{H}}_{\mathrm{ii}}\right|}^2}{2{\widetilde{\mathrm{\σ}}}_i^2}\{\underset{\mathrm{xI}\∈S_{I,k}^{\left(0\right)}}{\min }{|\frac{d_{i,I}}{{\tilde{H}}_{\mathrm{ii}}}-x_I|}^2-\underset{\mathrm{xI}\∈S_{I,k}^{\left(1\right)}}{\min }{|\frac{d_{i,I}}{{\tilde{H}}_{\mathrm{ii}}}-x_I|}^2\}$

式中，x_I为I路的比特符号，表示I路第k个比特取到0的所有调制符号的集合，表示I路第k个比特取到1的所有调制符号的集合，和d_i,I为所述数据均衡模块的计算结果，W_ij为加权矩阵，σ²为信道估计的噪声，N_L为矩阵的阶数，N_R为接收天线的个数，b_i,I,k为I路第i个layer第k个比特表示符，对于Q路只需把上式的I改成Q；根据上两式将软判决模块分为等效噪声计算和LLR软信息计算两个子模块。

由上述技术方案可知，本发明的多输入多输出MIMO解调的空时优化方法，针对基于TMS320C66x型多核DSP的4×4MIMO解调系统，提出了小模块流水处理的空时优化方法，将大模块划分成小模块，在有限的DSP时钟资源下，通过优化处理，在增加一定的存储空间条件下，大大降低了所需的时钟周期，从而利用更少的DSP资源完成MIMO解调过程，提高DSP芯片的资源利用率，减少相应的经济开销。

附图说明

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

图1是本发明实施例一提供的多输入多输出MIMO解调的空时优化方法的流程图；

图2是本发明实施例二提供的多输入多输出MIMO解调的空时优化系统的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1示出了本发明实施例一提供的多输入多输出MIMO解调的空时优化方法流程图，如图1所示，本实施例的多输入多输出MIMO解调的空时优化方法如下所述。本实施例基于TMS320C6678型多核DSP的4×4MIMO解调方法，利用小模块流水处理的优化方法，使在有效的时空资源下完成数据的处理。

步骤101：将块数据N进行MIMO(Multiple Input Multiple Output)解调的求解过程划分为加权矩阵模块、数据均衡模块和软判决模块。

步骤102：将所述加权矩阵模块划分为矩阵共轭转置变换、矩阵相加和矩阵相乘三个子模块。

在本步骤中，将所述加权矩阵模块划分为矩阵共轭转置变换、矩阵相加和矩阵相乘三个子模块包括：

加权矩阵模块基于最小均方误差算法，其公式为：

W＝(H^HH+σ²I)^-1H^H

其中，H为信道冲击响应矩阵，σ²为信道估计的噪声，I为单位矩阵，对于4×4MIMO，H的阶数为4×4阶，H^H为矩阵H的共轭转置变换；

根据上式将加权矩阵模块划分为更小的子模块：矩阵共轭转置变换、矩阵相加和矩阵相乘子模块。

步骤103：将所述数据均衡模块划分为矩阵相乘和矩阵相乘两个子模块。

在本步骤中，将所述数据均衡模块划分为矩阵相乘和矩阵相乘两个子模块包括：

数据均衡模块是对块数据N根据加权矩阵W进行均衡，MIMO系统中块数据N如下：

N＝Hx+n

式中，H为信道冲击响应矩阵，x为发送信号，n为噪声，对块数据N根据加权矩阵W进行均衡如下：

$d=\mathrm{WN}=W(\mathrm{HX}+n)=\tilde{H}X+\mathrm{Wn}$

式中，d为数据均衡结果，根据上式将数据均衡模块分为两个矩阵相乘子模块。

步骤104：将所述软判决模块划分为等效噪声计算和对数似然比LLR软信息计算两个子模块。

在本步骤中，将所述软判决模块划分为等效噪声计算和对数似然比LLR软信息计算两个子模块包括：

软判决模块为基于对数似然比LLR(Likelihood Rate)的软判决，软判决模块需要计算两个量值，第一个为等效噪声：

${\widetilde{\mathrm{\σ}}}_i^2=\underset{j=0;j\≠i}{\overset{N_L-1}{\mathrm{\Σ}}}{\left|{\tilde{H}}_{\mathrm{ij}}\right|}^2+\left\{\right[\left(\underset{j=0}{\overset{N_R-1}{\mathrm{\Σ}}}{\left|W_{\mathrm{ij}}\right|}^2\right)\left]\left({\mathrm{\σ}}^2\right)\right\}$

用等效噪声进行归一化后，对于第i个layer的调制符号内，I路的第k个比特的软信息值LLR(b_i,I,k)，可以按照下式计算：

$\mathrm{LLR}\left(b_{i,I,k}\right)=\frac{{\left|{\tilde{H}}_{\mathrm{ii}}\right|}^2}{2{\widetilde{\mathrm{\σ}}}_i^2}\{\underset{\mathrm{xI}\∈S_{I,k}^{\left(0\right)}}{\min }{|\frac{d_{i,I}}{{\tilde{H}}_{\mathrm{ii}}}-x_I|}^2-\underset{\mathrm{xI}\∈S_{I,k}^{\left(1\right)}}{\min }{|\frac{d_{i,I}}{{\tilde{H}}_{\mathrm{ii}}}-x_I|}^2\}$

式中，x_I为I路的比特符号，表示I路第k个比特取到0的所有调制符号的集合，表示I路第k个比特取到1的所有调制符号的集合，和d_i,I为所述数据均衡模块的计算结果，W_ij为加权矩阵，σ²为信道估计的噪声，N_L为矩阵的阶数，N_R为接收天线的个数，b_i,I,k为I路第i个layer第k个比特表示符，对于Q路只需把上式的I改成Q；根据上两式将软判决模块分为等效噪声计算和LLR软信息计算两个子模块。

步骤105：对所述块数据N按照步骤102-104划分后的子模块采用循环处理的方式进行MIMO优化解调。

在本步骤中，对所述块数据N按照步骤102-104划分后的子模块采用循环处理的方式进行MIMO优化解调，此时，每一个子模块循环处理所有的块数据N的大小的数据量，每个子模块计算结果存储在DSP共享内存中，即每个小的子模块都进行多次循环操作并在DSP共享内存中存储每个子模块的处理数据。

由此，本实施例的MIMO解调的空时优化方法，由于将大模块拆分成小模块，而小模块的大量数据循环处理能够在DSP中形成流水操作，因此会大大减少时钟周期，而时钟周期的大量减少为系统节省了大量资源。

本实施例将大模块拆分成小模块，在一定程度上导致了占用相对较多的空间资源，但是却大大减少了DSP时钟周期，而对于4×4MIMO解调过程，对时间要求比较高，对于空间资源的增加却是可以接受的。

本实施例虽然以TMS320C6678型多核DSP为例，但是本实施例所述方法针对不同的TM320C66x型多核芯片均具有普遍适用性。

另外，本发明提出的针对TMS320C66x型多核DSP芯片的MIMO解调的时空优化方法，不但可以通过牺牲空间资源减少时钟周期，也可以通过牺牲时间资源减少空间占有率，即空时优化可以做到双向性。

图2示出了本发明实施例二提供的多输入多输出MIMO解调的空时优化系统的结构示意图，如图2所示，所述多输入多输出MIMO解调的空时优化系统包括：

主模块划分单元21，用于将块数据N进行MIMO解调的求解过程划分为加权矩阵模块、数据均衡模块和软判决模块；

第一子模块划分单元22，用于将所述主模块划分单元发送的加权矩阵模块划分为矩阵共轭转置变换、矩阵相加和矩阵相乘三个子模块

第二子模块划分单元23，用于将所述主模块划分单元发送的数据均衡模块划分为矩阵相乘和矩阵相乘两个子模块；

第三子模块划分单元24，用于将所述主模块划分单元发送的软判决模块划分为等效噪声计算和对数似然比LLR软信息计算两个子模块；

优化解调单元25，用于对所述块数据N按照所述第一子模块划分单元、第二子模块划分单元和第三子模块划分单元划分后的子模块采用循环处理的方式进行MIMO优化解调。

其中，所述第一子模块划分单元22具体用于：

将所述加权矩阵模块划分为矩阵共轭转置变换、矩阵相加和矩阵相乘三个子模块，其中，加权矩阵模块基于最小均方误差算法，其公式为：

W＝(H^HH+σ²I)^-1H^H

式中，H为信道冲击响应矩阵，σ²为信道估计的噪声，I为单位矩阵，对于4×4MIMO，H的阶数为4×4阶，H^H为矩阵H的共轭转置变换；

根据上式将加权矩阵模块划分为更小的子模块：矩阵共轭转置变换、矩阵相加和矩阵相乘子模块。

其中，所述第二子模块划分单元23具体用于：

将所述数据均衡模块划分为矩阵相乘和矩阵相乘两个子模块，其中，数据均衡模块是对块数据N根据加权矩阵W进行均衡，MIMO系统中块数据N如下：

N＝Hx+n

式中，H为信道冲击响应矩阵，x为发送信号，n为噪声；

对块数据N根据加权矩阵W进行均衡如下：

$d=\mathrm{WN}=W(\mathrm{HX}+n)=\tilde{H}X+\mathrm{Wn}$

式中，d为数据均衡结果，根据上式将数据均衡模块分为两个矩阵相乘子模块。

其中，所述第三子模块划分单元24具体用于：

将所述软判决模块划分为等效噪声计算和对数似然比LLR软信息计算两个子模块，其中，软判决模块为基于对数似然比LLR的软判决，软判决模块需要计算两个量值，第一个为等效噪声：

${\widetilde{\mathrm{\σ}}}_i^2=\underset{j=0;j\≠i}{\overset{N_L-1}{\mathrm{\Σ}}}{\left|{\tilde{H}}_{\mathrm{ij}}\right|}^2+\left\{\right[\left(\underset{j=0}{\overset{N_R-1}{\mathrm{\Σ}}}{\left|W_{\mathrm{ij}}\right|}^2\right)\left]\left({\mathrm{\σ}}^2\right)\right\}$

用等效噪声进行归一化后，对于第i个layer的调制符号内，I路的第k个比特的软信息值LLR(b_i,I,k)，可以按照下式计算：

$\mathrm{LLR}\left(b_{i,I,k}\right)=\frac{{\left|{\tilde{H}}_{\mathrm{ii}}\right|}^2}{2{\widetilde{\mathrm{\σ}}}_i^2}\{\underset{\mathrm{xI}\∈S_{I,k}^{\left(0\right)}}{\min }{|\frac{d_{i,I}}{{\tilde{H}}_{\mathrm{ii}}}-x_I|}^2-\underset{\mathrm{xI}\∈S_{I,k}^{\left(1\right)}}{\min }{|\frac{d_{i,I}}{{\tilde{H}}_{\mathrm{ii}}}-x_I|}^2\}$

式中，x_I为I路的比特符号，表示I路第k个比特取到0的所有调制符号的集合，表示I路第k个比特取到1的所有调制符号的集合，和d_i,I为所述数据均衡模块的计算结果，W_ij为加权矩阵，σ²为信道估计的噪声，N_L为矩阵的阶数，N_R为接收天线的个数，b_i,I,k为I路第i个layer第k个比特表示符，对于Q路只需把上式的I改成Q；根据上两式将软判决模块分为等效噪声计算和LLR软信息计算两个子模块。

本实施例所述的多输入多输出MIMO解调的空时优化系统，可以用于执行图1所示方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。

以上实施例仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (8)

1.一种多输入多输出MIMO解调的空时优化方法，其特征在于，所述方法针对于基于TMS320C66x型多核DSP的4×4MIMO解调，所述方法包括：

S1.将块数据N进行MIMO解调的求解过程划分为加权矩阵模块、数据均衡模块和软判决模块；

S2.将所述加权矩阵模块划分为矩阵共轭转置变换、矩阵相加和矩阵相乘三个子模块；

S3.将所述数据均衡模块划分为矩阵相乘和矩阵相乘两个子模块；

S4.将所述软判决模块划分为等效噪声计算和对数似然比LLR软信息计算两个子模块；

S5.对所述块数据N按照步骤S2-S4划分后的子模块采用循环处理的方式进行MIMO优化解调。

2.根据权利要求1所述的方法，其特征在于，所述步骤S2将所述加权矩阵模块划分为矩阵共轭转置变换、矩阵相加和矩阵相乘三个子模块包括：

加权矩阵模块基于最小均方误差算法，其公式为：

W＝(H^HH+σ²I)^-1H^H

其中，H为信道冲击响应矩阵，σ²为信道估计的噪声，I为单位矩阵，对于4×4MIMO，H的阶数为4×4阶，H^H为矩阵H的共轭转置变换，根据上式将加权矩阵模块划分为更小的子模块：矩阵共轭转置变换、矩阵相加和矩阵相乘子模块。

3.根据权利要求1所述的方法，其特征在于，所述步骤S3将所述数据均衡模块划分为矩阵相乘和矩阵相乘两个子模块包括：

数据均衡模块是对块数据N根据加权矩阵W进行均衡，MIMO系统中块数据N如下：

N＝Hx+n

式中，H为信道冲击响应矩阵，x为发送信号，n为噪声，对块数据N根据加权矩阵W进行均衡如下：

$d=\mathrm{WN}=W(\mathrm{HX}+n)=\tilde{H}X+\mathrm{Wn}$

式中，d为数据均衡结果，根据上式将数据均衡模块分为两个矩阵相乘子模块。

4.根据权利要求3所述的方法，其特征在于，所述步骤S4将所述软判决模块划分为等效噪声计算和对数似然比LLR软信息计算两个子模块包括：

软判决模块为基于对数似然比LLR的软判决，软判决模块需要计算两个量值，第一个为等效噪声：

${\widetilde{\mathrm{\σ}}}_i^2=\underset{j=0;j\≠i}{\overset{N_L-1}{\mathrm{\Σ}}}{\left|{\tilde{H}}_{\mathrm{ij}}\right|}^2+\left\{\right[\left(\underset{j=0}{\overset{N_R-1}{\mathrm{\Σ}}}{\left|W_{\mathrm{ij}}\right|}^2\right)\left]\left({\mathrm{\σ}}^2\right)\right\}$

用等效噪声进行归一化后，对于第i个layer的调制符号内，I路的第k个比特的软信息值LLR(b_i,I,k)，可以按照下式计算：

$\mathrm{LLR}\left(b_{i,I,k}\right)=\frac{{\left|{\tilde{H}}_{\mathrm{ii}}\right|}^2}{2{\widetilde{\mathrm{\σ}}}_i^2}\{\underset{\mathrm{xI}\∈S_{I,k}^{\left(0\right)}}{\min }{|\frac{d_{i,I}}{{\tilde{H}}_{\mathrm{ii}}}-x_I|}^2-\underset{\mathrm{xI}\∈S_{I,k}^{\left(1\right)}}{\min }{|\frac{d_{i,I}}{{\tilde{H}}_{\mathrm{ii}}}-x_I|}^2\}$

式中，x_I为I路的比特符号，表示I路第k个比特取到0的所有调制符号的集合，表示I路第k个比特取到1的所有调制符号的集合，和d_i,I为所述数据均衡模块的计算结果，W_ij为加权矩阵，σ²为信道估计的噪声，N_L为矩阵的阶数，N_R为接收天线的个数，b_i,I,k为I路第i个layer第k个比特表示符，对于Q路只需把上式的I改成Q；根据上两式将软判决模块分为等效噪声计算和LLR软信息计算两个子模块。

5.一种多输入多输出MIMO解调的空时优化系统，其特征在于，所述系统针对于基于TMS320C66x型多核DSP的4×4MIMO解调，所述系统包括：

主模块划分单元，用于将块数据N进行MIMO解调的求解过程划分为加权矩阵模块、数据均衡模块和软判决模块；

第一子模块划分单元，用于将所述主模块划分单元发送的加权矩阵模块划分为矩阵共轭转置变换、矩阵相加和矩阵相乘三个子模块

第二子模块划分单元，用于将所述主模块划分单元发送的数据均衡模块划分为矩阵相乘和矩阵相乘两个子模块；

第三子模块划分单元，用于将所述主模块划分单元发送的软判决模块划分为等效噪声计算和对数似然比LLR软信息计算两个子模块；

优化解调单元，用于对所述块数据N按照所述第一子模块划分单元、第二子模块划分单元和第三子模块划分单元划分后的子模块采用循环处理的方式进行MIMO优化解调。

6.根据权利要求5所述的系统，其特征在于，所述第一子模块划分单元具体用于：

将所述加权矩阵模块划分为矩阵共轭转置变换、矩阵相加和矩阵相乘三个子模块，其中，加权矩阵模块基于最小均方误差算法，其公式为：

W＝(H^HH+σ²I)^-1H^H

式中，H为信道冲击响应矩阵，σ²为信道估计的噪声，I为单位矩阵，对于4×4MIMO，H的阶数为4×4阶，H^H为矩阵H的共轭转置变换；

根据上式将加权矩阵模块划分为更小的子模块：矩阵共轭转置变换、矩阵相加和矩阵相乘子模块。

7.根据权利要求5所述的系统，其特征在于，所述第二子模块划分单元具体用于：

将所述数据均衡模块划分为矩阵相乘和矩阵相乘两个子模块，其中，数据均衡模块是对块数据N根据加权矩阵W进行均衡，MIMO系统中块数据N如下：

N＝Hx+n

式中，H为信道冲击响应矩阵，x为发送信号，n为噪声；

对块数据N根据加权矩阵W进行均衡如下：

$d=\mathrm{WN}=W(\mathrm{HX}+n)=\tilde{H}X+\mathrm{Wn}$

式中，d为数据均衡结果，根据上式将数据均衡模块分为两个矩阵相乘子模块。

8.根据权利要求5所述的系统，其特征在于，所述第三子模块划分单元具体用于：

将所述软判决模块划分为等效噪声计算和对数似然比LLR软信息计算两个子模块，其中，软判决模块为基于对数似然比LLR的软判决，软判决模块需要计算两个量值，第一个为等效噪声：

${\widetilde{\mathrm{\σ}}}_i^2=\underset{j=0;j\≠i}{\overset{N_L-1}{\mathrm{\Σ}}}{\left|{\tilde{H}}_{\mathrm{ij}}\right|}^2+\left\{\right[\left(\underset{j=0}{\overset{N_R-1}{\mathrm{\Σ}}}{\left|W_{\mathrm{ij}}\right|}^2\right)\left]\left({\mathrm{\σ}}^2\right)\right\}$

用等效噪声进行归一化后，对于第i个layer的调制符号内，I路的第k个比特的软信息值LLR(b_i,I,k)，可以按照下式计算：

$\mathrm{LLR}\left(b_{i,I,k}\right)=\frac{{\left|{\tilde{H}}_{\mathrm{ii}}\right|}^2}{2{\widetilde{\mathrm{\σ}}}_i^2}\{\underset{\mathrm{xI}\∈S_{I,k}^{\left(0\right)}}{\min }{|\frac{d_{i,I}}{{\tilde{H}}_{\mathrm{ii}}}-x_I|}^2-\underset{\mathrm{xI}\∈S_{I,k}^{\left(1\right)}}{\min }{|\frac{d_{i,I}}{{\tilde{H}}_{\mathrm{ii}}}-x_I|}^2\}$

式中，x_I为I路的比特符号，表示I路第k个比特取到0的所有调制符号的集合，表示I路第k个比特取到1的所有调制符号的集合，和d_i,I为所述数据均衡模块的计算结果，W_ij为加权矩阵，σ²为信道估计的噪声，N_L为矩阵的阶数，N_R为接收天线的个数，b_i,I,k为I路第i个layer第k个比特表示符，对于Q路只需把上式的I改成Q；根据上两式将软判决模块分为等效噪声计算和LLR软信息计算两个子模块。