CN104506470A - 一种适用于并行传输系统符号检测的计算高效的mmse-ⅱcpd算法 - Google Patents

Abstract

本发明实施例提供了一种适用于并行传输系统符号检测的计算高效的MMSE-IICPD算法，涉及通信技术领域，可以在检测性能维持不变的情况下，显著降低算法的复杂度。所述算法包括：针对并行传输的N个符号x＝[x₁，...，x_N]^T中的当前检测符号x_i进行干扰抵消对y_i进行MMSE滤波，获得滤波结果：其中，f_i，new是MMSE滤波矩阵F_new的第i行，F_new＝DH^H(HDH^H+N₀I_M)^-1，，D＝diag(d)，d＝[d₁，...，d_N]^T为x＝[x₁，...，x_N]^T的剩余干扰方差，根据所述滤波结果计算当前检测符号x_i在各调制星座点a_k的度量值ω_new(a_k)，根据所述x_i在各星座点的度量值，计算得出x_i的软判决和剩余干扰方差供下一次迭代使用。

Description

一种适用于并行传输系统符号检测的计算高效的MMSE-ⅡCPD算法

技术领域

本发明涉及通信技术领域，尤其涉及一种适用于并行传输系统符号检测的计算高效的MMSE-IICPD(Minimum mean-square error-Iterative Interference Cancellation Parallel Detection，基于最小均方误差滤波的迭代干扰抵消并行检测)算法。

背景技术

对于MIMO(Multi-input Multi-output，多输入多输出)、CDMA(Code Division Multiple Access，码分多址)等并行传输系统，如何实现高性能低复杂度检测是无线通信的关键技术与难点。已有的算法可分为联合检测与线性检测两种方案，这两种方案都可以使用非迭代与迭代两种方式进行。联合检测算法即最优的最大后验概率算法，然而该算法复杂度极高，因此只具有理论意义而不具有实际应用价值。迭代线性检测算法很好地折中了性能与复杂度，受到广泛重视，其中基于最小均方误差滤波的迭代干扰抵消并行检测算法(后简称“经典MMSE-IICPD”)是一种适用于MIMO、CDMA等并行传输系统的高性能检测算法，与最优的最大后验概率检测算法相比在适度降低性能的条件下极大降低了计算复杂度。

经典MMSE-IICPD算法每次迭代中需要逐个完成N个共道符号的检测。在检测某个符号时首先抵消掉其他共道干扰信号，然后进行MMSE滤波并计算星座点度量得到当前检测符号的软输出。由于检测当前符号时不抵消掉当前符号对接收信号的贡献，导致检测不同的共道符号时被MMSE滤波的信号不同，因此每次迭代需要进行N次MMSE滤波计算。经典MMSE-IICPD算法的复杂度主要来自MMSE滤波中的矩阵求逆计算，因此当N较大时经典MMSE-IICPD算法的复杂度相对目前硬件水平来说仍旧很高，使得经典MMSE-IICPD算法在实际系统中的应用严重受限。

发明内容

本发明的实施例提供一种适用于并行传输系统符号检测的计算高效的MMSE-IICPD算法，可以在检测性能维持不变的情况下，降低算法的复杂度。

为达到上述目的，本发明的实施例采用如下技术方案：

一种适用于并行传输系统符号检测的计算高效的基于最小均方误差滤波的迭代干扰抵消并行检测MMSE-IICPD算法，包括以下步骤：

S1、针对并行传输的N个符号x＝[x₁，...，x_N]^T中的当前检测符号x_i进行干扰抵消；其中，x_i干扰抵消后的信号为：公式中，r＝[r₁，...，r_M]^T为接收信号，h_j为M行N列等效信道矩阵H的第j列向量，为共道符号的N维软判决向量的第i个元素，i＝1，...，N，j＝1，...，N；

S2、对y_i进行MMSE滤波，获得滤波结果：

$z_{i,\mathrm{new}}=f_{i,\mathrm{new}}{y}_i=f_{i,\mathrm{new}}{h}_i{x}_i+{\mathrm{\Σ}}_{j=1,j\≠i}^N{f}_{i,\mathrm{new}}{h}_j(x_j-{\hat{x}}_j)+f_{i,\mathrm{new}}w={\mathrm{\μ}}_{i,\mathrm{new}}{x}_i+n_{i,\mathrm{new}}$

其中，f_i，new是MMSE滤波矩阵F_new的第i行，F_new＝DH^H(HDH^H+N₀I_M)^-1， D＝diag(d)，d＝[d₁，...，d_N]^T为x＝[x₁，...，x_N]^T的剩余干扰方差，diag(·)表示由向量构成的对角矩阵，接收信号r＝Hx+w，其中w为M维加性复白高斯噪声列向量，w的方差为N₀I_M；当d_i＜ζ时令d_i＝ζ；

S3、根据所述滤波结果计算当前检测符号x_i在各调制星座点a_k的度量值ω_new(a_k)，计算公式如下：

${\mathrm{\ω}}_{\mathrm{new}}\left(a_k\right)=\exp \left[\frac{{-|z_{i,\mathrm{new}}/{\mathrm{\μ}}_{i,\mathrm{new}}-a_k|}^2}{{\mathrm{\σ}}_{n_{i,\mathrm{new}}}^2/{\mathrm{\μ}}_{i,\mathrm{new}}^2}\right],a_k\∈\mathrm{\Ω}$

其中，滤波输出干扰加噪声能量Ω是调制星座点集合，k＝1，...，K，K是星座点数量或称星座规模；

S4、根据所述x_i在各星座点的度量值，计算得出x_i的软判决和剩余干扰方差供下一次迭代使用。

上述技术方案提供的算法，只需进行一次矩阵求逆运算即可完成所有N个并行传输的共道符号的检测，对高用户数CDMA系统或大规模MIMO系统新MMSE-IICPD算法的复杂度仅为经典MMSE-IICPD算法的大约5％且检测性能维持不变，这使得新MMSE-IICPD算法能够被目前实际系统的软硬件平台实现，具有极大的实际应用前景。

附图说明

图1为本发明实施例提供的一种适用于并行传输系统符号检测的计算高效的MMSE-IICPD算法的流程示意图。

具体实施方式

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、完整地描述，显然，所描述的实施例仅仅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做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。

本发明实施例提供了一种适用于并行传输系统符号检测的计算高效的MMSE-IICPD算法，如图1所示，所述算法包括如下步骤：

S1、针对进行并行传输的N个符号x＝[x₁，...，x_N]^T中的当前检测符号x_i进行干扰抵消。

其中，x_i干扰抵消后的信号为：公式中，r＝[r₁，...，r_M]^T为接收信号，h_j为M行N列等效信道矩阵H的第j列向量，为共道符号的N维软判决向量的第j维向量，i＝1，...，N，j＝1，...，N。

在这里首先说明本发明实施例提供的算法中的信号模型：

本发明实施例中，并行传输的共道符号数量为N，定义为N维列向量x＝[x₁，...，x_N]^T，不失一般性设x_i(i＝1，...，N)的能量均为1。

接收信号为M维列向量，定义为r＝[r₁，...，r_M]^T。

等效信道(等效信道是指发送端预处理、信道响应、接收端预处理三者的共同影响所确定的矩阵，可为时域或频域结果)矩阵为一个M行N列矩阵H，H的每列可表示为h_i(i＝1，...，N)，则H＝[h₁，...，h_N]。

接收信号可表示为r＝Hx+w，其中w为M维加性复白高斯噪声列向量，方差为N₀I_M，I_M为M维单位矩阵。

在某次迭代(迭代次数为1，2，...)时，共道符号的软判决向量为N维列向量，定义为

干扰抵消后的共道符号向量为该向量是零均值向量，其方差(称为剩余干扰方差)向量为d＝[d₁，...，d_N]^T。

S2、对y_i进行MMSE滤波，获得滤波结果。

滤波结果为： 

$z_{i,\mathrm{new}}=f_{i,\mathrm{new}}{y}_i=f_{i,\mathrm{new}}{h}_i{x}_i+{\mathrm{\Σ}}_{j=1,j\≠i}^N{f}_{i,\mathrm{new}}{h}_j(x_j-{\hat{x}}_j)+f_{i,\mathrm{new}}w={\mathrm{\μ}}_{i,\mathrm{new}}{x}_i+n_{i,\mathrm{new}}$

其中，f_i，new是MMSE滤波矩阵F_new的第i行，F_new＝DH^H(HDH^H+N₀I_M)^-1，  $f_{i,\mathrm{new}}=d_i{h}_i^H{({\mathrm{HDH}}^H+N_0{I}_M)}^{-1}.$

其中D＝diag(d)，d＝[d₁，...，d_N]^T，diag(·)表示由向量构成的对角矩阵。

μ_i，new＝f_i，newh_i表示滤波偏倚(易知其为实数)， 表示滤波输出的剩余干扰加噪声，可近似为零均值复高斯分布变量，其能量计算如下：

$\begin{array}{c}{\mathrm{\σ}}_{n_{i,\mathrm{new}}}^2=E\left[({\mathrm{\Σ}}_{j=1,j\≠i}^N{f}_{i,\mathrm{new}}{h}_j(x_j-{\hat{x}}_j)+f_{i,\mathrm{new}}w){({\mathrm{\Σ}}_{j=1,j\≠i}^N{f}_{i,\mathrm{new}}{h}_j(x_j-{\hat{x}}_j)+f_{i,\mathrm{new}}w)}^H\right]\\ =f_{i,\mathrm{new}}E[({\mathrm{HDH}}^H+N_0{I}_M)-d_i{h}_i{h}_i^H]f_{i,\mathrm{new}}^H\\ =d_i{h}_i^H{f}_{i,\mathrm{new}}^H+d_i{f}_{i,\mathrm{new}}{h}_i{h}_i^H{f}_{i,\mathrm{new}}^H\\ =d_i{\mathrm{\μ}}_{i,\mathrm{new}}(1-{\mathrm{\μ}}_{i,\mathrm{new}})\end{array}$

注意到f_i，new是本发明实施例提供的新MMSE-IICPD算法用于检测x_i(i＝1，...，N)的MMSE滤波向量，可以发现，在新的MMSE滤波向量f_i，new表达式 中，当前检测符号x_i的能量被认为是d_i，而由于干扰抵消过程中并没有对x_i进行抵消，故被滤波的向量中x_i的能量为1，因此新MMSE-IICPD算法中MMSE滤波向量中的当前检测符号(x_i)的能量与被滤波信号(y_i)中当前检测符号(x_i)的能量是不匹配的，这样做完全不会对检测性能带来任何影响，但必须在下面的星座点度量计算中去除偏倚μ_i，new的影响。

S3、根据所述滤波结果计算当前检测符号x_i在各调制星座点a_k的度量值ω_new(a_k)。

ω_new(a_k)如下式计算：

${\mathrm{\ω}}_{\mathrm{new}}\left(a_k\right)=\exp \left[\frac{{-|z_{i,\mathrm{new}}/{\mathrm{\μ}}_{i,\mathrm{new}}-a_k|}^2}{{\mathrm{\σ}}_{n_{i,\mathrm{new}}}^2/{\mathrm{\μ}}_{i,\mathrm{new}}^2}\right],a_k(k=1,...K)\∈\mathrm{\Ω}$

其中Ω是调制星座点集合，K是星座点数量或称星座规模。

S4、根据所述x_i在各星座点的度量值，计算得出x_i的软判决和剩余干扰方差供下一次迭代使用。

具体如下所述：对于非系统级迭代(即迭代只在检测模块进行，迭代检测完成后最后进行一次信道译码)，则软判决和剩余方差可直接由度量计算获得；对于系统级迭代(即一次迭代由一次检测和一次随后的信道译码构成)，则由度量计算出用于信道译码的编码比特的对数似然比(LLR)值，经信道译码模块译码得到编码比特的后验概率值，然后根据编码比特后验概率值计算得到x_i的软判决和剩余剩余干扰方差。

严格来说，只要噪声能量不为0，符号的剩余方差必然大于0，然而由于不同的软硬件平台存在计算精度问题，故而新MMSE-IICPD算法在实际软硬件平台运行时，需要根据软硬件平台的计算精度来进行一定的修正。注意到在检测第i(i＝1，...，N)个符号时新MMSE滤波公式用d_i替代了经典MMSE滤波中的1，因此当剩余方差d_i(i＝1，...，N)接近0时有可能会导致计算出错(如某软硬件平台认为1e-30与0是相等的)。解决方法很简单，只需要对每次迭代计算得到的各个符号的剩余方差d_i(i＝1，...，N)限制最小值，也即设置一个门限ζ，当d_i＜ζ时令d_i＝ζ即可，具体ζ值的设置大小可根据实际软硬件平台的精度确定，计算机仿真证明只要ζ设置为小于等于1e-5则检测性能(用误码率BER衡量)没有任何差别(BER差别在小数点后前10个有效位相同)。

下面对本发明提出的重要观点，即：在MMSE滤波公式中所使用的当前检测符号的能量与被滤波信号中当前检测符号真实能量是否匹配(相同)完全不会对最终检测结果产生任何影响，进行证明。

已经知道新MMSE-IICPD算法检测第i(i＝1，...，N)个符号x_i的MMSE滤波可表示为

$f_{i,\mathrm{new}}=d_i{h}_i^H{({\mathrm{HDH}}^H+N_0{I}_M)}^{-1}$

注意到检测第i(i＝1，...，N)个符号x_i时干扰抵消并没有抵消掉当前检测的符号x_i，故新MMSE滤波向量中使用的x_i的能量(d_i)与被滤波信号中x_i的能量(实际为1)不匹配(或不相同)。

定义 $R_i=E\left[({\mathrm{\Σ}}_{j=1,j\≠i}^N{h}_j(x_j-{\hat{x}}_j)+w){({\mathrm{\Σ}}_{j=1,j\≠i}^N{h}_j(x_j-{\hat{x}}_j)+w)}^H\right]$ 为检测x_i时的剩余干扰加噪声的相关矩阵。则检测x_i的最优合并(OC)滤波向量可表示为

$f_{i,\mathrm{OC}}=h_i^H{R}_i^{-1}$

已有文献证明，OC滤波和MMSE滤波是性能等价的(滤波向量仅相差一个乘性因子)，也即与经典MMSE-IICPD中的MMSE滤波是性能等价的。只需证明OC滤波与新MMSE-IICPD算法中的新MMSE滤波向量f_i，new只相差一个乘性因子即可。定义R＝(HDH^H+N₀I_M)，利用矩阵求逆定理做如下推导：

$\begin{array}{c}{f}_{i,\mathrm{OC}}=h_i^H{R}_i^{-1}\\ =h_i^H{(R-d_i{h}_i{h}_i^H)}^{-1}\\ =h_i^H(R^{-1}+\frac{d_i{R}^{-1}{h}_i{h}_i^H{R}^{-1}}{1-d_i{h}_i^H{R}^{-1}{h}_i})\\ =\frac{f_{i,\mathrm{new}}}{d_i}+\frac{f_{i,\mathrm{new}}{h}_i{f}_{i,\mathrm{new}}/d_i}{1-f_{i,\mathrm{new}}{h}_i}\\ =f_{i,\mathrm{new}}(\frac{1}{d_i}+\frac{{\mathrm{\μ}}_{i,\mathrm{new}}/d_i}{1-{\mathrm{\μ}}_{i,\mathrm{new}}})\\ =f_{i,\mathrm{new}}\frac{1}{d_i(1-{\mathrm{\μ}}_{i,\mathrm{new}})}\end{array}$

由此可见，新MMSE滤波向量f_i，new与OC滤波只相差一个乘性因子，只需在计算星座点度量时先去除偏倚后再进行度量计算(新MMSE-IICPD算法中计算度量时已经首先除去了偏倚)，则性能与OC滤波就是等价的，因此f_i，new也与经典MMSE-IICPD算法中传统MMSE滤波性能等价。

以上就证明了本发明提出的重要观点，即：在MMSE滤波公式中所使用的当前检测符号的能量与被滤波信号中当前检测符号真实能量是否匹配(相同)完全不会对最终检测结果产生任何影响。

下面对本发明提出的新MMSE-IICPD算法与经典MMSE-IICPD算法的复杂度进行比较。

现有的经典MMSE-IICPD算法如下： 

设当前检测第i(i＝1，...，N)个符号x_i，首先抵消掉其他共道符号的影响(即进行干扰抵消)，为检测x_i进行干扰抵消后的信号可表示为

$y_i=r-{\mathrm{\Σ}}_{j=1,j\≠i}^N{h}_j{\hat{x}}_j$

要检测x_i，对y_i进行MMSE滤波的滤波行向量f_i由下式计算 

$f_i=h_i^H{({\mathrm{HD}}_i{H}^H+N_0{I}_M)}^{-1}$

其中D_i＝diag(d_i)，d_i＝[d₁，...，d_i-1，1，d_i+1，...，d_N]^T(d_i即将d中第i个元素置为1)，diag(·)表示由向量构成的对角矩阵。

注意到上述传统MMSE滤波中，检测第i(i＝1，...，N)个符号x_i的MMSE滤波向量f_i中使用的x_i的能量为1，与被滤波信号y_i中x_i的能量(为1)匹配(或相同)。

滤波后的结果为：

$z_i=f_i{y}_i=f_i{h}_i{x}_i+{\mathrm{\Σ}}_{j=1,j\≠i}^N{f}_i{h}_j(x_j-{\hat{x}}_j)+f_{i}w={\mathrm{\μ}}_i{x}_i{+n}_i$

其中μ_i＝f_ih_i表示滤波偏倚(易知其为实数)，表示滤波输出的剩余干扰加噪声，可近似为零均值复高斯分布变量，其方差(能量)为 ${\mathrm{\σ}}_{n_i}^2={\mathrm{\μ}}_i(1-{\mathrm{\μ}}_i).$

根据以上结果即可计算出当前检测的符号x_i在各调制星座点a_k的度量值，如下所示：

${\mathrm{\ω}}_i\left(a_k\right)=\exp \left[\frac{{-|z_i/{\mathrm{\μ}}_i-a_k|}^2}{{\mathrm{\σ}}_{n_i}^2/{\mathrm{\μ}}_i^2}\right],a_k(k=1,...K)\∈\mathrm{\Ω}$

其中Ω是调制星座点集合，K是星座点数量或称星座规模。

计算出了x_i在各星座点的度量值，即可进一步计算得出x_i的软判决和剩余剩余干扰方差供下一次迭代使用，具体如下所述：对于非系统级迭代(即迭代只在检测模块进行，迭代检测完成后最后进行一次信道译码)，则软判决和剩余方差可直接由度量计算获得；对于系统级迭代(即一次迭代由一次检测和一次随后的信道译码构成)，则由度量计算出用于信道译码的编码比特的对数似然比(LLR)值，经信道译码模块译码得到编码比特的后验概率值，然后根据编码比特后验概率值计算得到x_i的软判决和剩余剩余干扰方差。

现比较新MMSE-IICPD算法与经典MMSE-IICPD算法在一次迭代中检测所有N个符号x_i(i＝1，...，N)所需的复乘法数。

进行干扰抵消所需的复乘法数为2M²，滤波运算(不包含矩阵求逆)所需复乘法数为2NM²+NM，这些运算是新MMSE-IICPD算法与经典MMSE-IICPD算法共有的，两种算法复杂度的区别主要在求矩阵逆阵的计算。

经典MMSE-IICPD算法需要求N次矩阵逆阵(即对i＝1，...，N分别计算(HD_iH^H+N₀I_M)^-1)，所需乘法数为εNM³；而新MMSE-IICPD算法只需要求1次矩阵逆阵(即只需计算(HDH^H+N₀I_M)^-1)，所需乘法数为εM³。其中ε是一个大于1的实数，具体大小取决于所求逆阵的矩阵状态数，状态数越大ε也 越大。由此可见，矩阵求逆阵所需的乘法数在检测算法复杂度中具有支配地位。实施实例中将表明：对高用户数CDMA系统或大规模MIMO系统新MMSE-IICPD算法的复杂度仅为经典MMSE-IICPD算法的大约5％。

本发明提出的新MMSE-IICPD算法只需进行一次矩阵求逆运算即可完成所有N个并行传输的共道符号的检测，对高用户数CDMA系统或大规模MIMO系统新MMSE-IICPD算法的复杂度仅为经典MMSE-IICPD算法的大约5％且检测性能维持不变，这使得新MMSE-IICPD算法能够被目前实际系统的软硬件平台实现，具有极大的实际应用前景。

本发明提供的新MMSE-IICPD算法适用于所有具有共道干扰的并行传输系统，如同步异步CDMA系统，MIMO系统(包括空时编码、空间复用、SDMA等MIMO模式)与MIMO-OFDM的子载波MIMO系统等等。新MMSE-IICPD算法对非系统级迭代(迭代只在检测模块进行)和系统级迭代(一次迭代由一次检测和一次随后的信道译码构成)均适用。新MMSE-IICPD算法对系统模型中等效信道矩阵维数(即信道矩阵行数与列数)没有要求，也即对行数多于列数、列数多于行数、行列数相同的等效信道矩阵都适用。并行传输的符号数量(即N)越大，新MMSE-IICPD算法相对经典MMSE-IICPD算法的复杂度优势越显著。对非系统级迭代，新MMSE-IICPD算法适用于所有类型的信道编码；对系统级迭代，新MMSE-IICPD算法适用于所有能够提供软输出的信道编码。新MMSE-IICPD算法适用于所有调制星座类型，各个并行传输的共道符号的调制星座可以相同也可以不同。

并行传输的符号数量(即N)越大，新MMSE-IICPD算法相对经典MMSE-IICPD算法的复杂度优势越显著，下面分别针对同步或异步CDMA系统，以及MIMO系统与MIMO-OFDM的子载波MIMO系统进行具体实施实例说明：

1.同步或异步CDMA系统

对同步或异步CDMA系统，不同用户的扩频码序列、无线信道响应、接收端匹配滤波三者的合成结果构成了等效信道矩阵，那么检测的信号模型可表示为

r＝Hx+w

用户数即为并行传输的符号数N，接收端在扩频码周期内采样数为M。则接收信号为M维列向量r＝[r₁，...，r_M]^T，各用户传输符号表示为N维向量x＝[x₁，...，x_N]^T。

等效信道矩阵为一个M行N列矩阵H。w为M维加性复白高斯噪声列向量。

现比较经典MMSE-IICPD算法与本发明提出的新MMSE-IICPD算法一次迭代所需的复乘法数，讨论矩阵求逆阵参数ε的取值为1、2、3的情况(分别对应所求逆阵的矩阵状态数较小、中等、较大三种情况)。

(1)32用户32扩频码采样(N＝M＝32)，ε取值为1、2、3时，新MMSE-IICPD算法所需乘法数分别为经典MMSE-IICPD算法乘法数的9.1％、6.2％、5.2％。

(2)24用户32扩频码采样(N＝24，M＝32)，ε取值为1、2、3时，新MMSE-IICPD算法所需乘法数分别为经典MMSE-IICPD算法乘法数的10.1％、7.2％、6.2％。

(3)32用户24扩频码采样(N＝32，M＝24)，ε取值为1、2、3时，新MMSE-IICPD算法所需乘法数分别为经典MMSE-IICPD算法乘法数的10.9％、7.2％、5.9％。

(4)128用户128扩频码采样(N＝M＝128)，ε取值为1、2、3时，新MMSE-IICPD算法所需乘法数分别为经典MMSE-IICPD算法乘法数的2.3％、1.6％、1.3％。

可以看出用户数N(也即并行传输的符号数)越大，新MMSE-IICPD算法相对经典MMSE-IICPD算法的复杂度优势越显著；所求逆阵的矩阵状态数越大(ε越大)，新MMSE-IICPD算法相对经典MMSE-IICPD算法的复杂度优势越显著。

2.MIMO系统与MIMO-OFDM的子载波MIMO系统

这里MIMO包括空时编码、空间复用、SDMA等MIMO模式。

对MIMO系统与MIMO-OFDM的子载波MIMO系统，不同发射端(可以来自相同或不同用户)发送预处理、无线信道响应、接收端匹配滤波或其他接收预处理三者的合成结果构成了等效信道矩阵，那么检测的信号模型可表示为

r＝Hx+w

发射天线数即为并行传输的符号数N，接收天线(可处于不同地理位置，如分布式MIMO系统)数为M。

则接收信号为M维列向量r＝[r₁，...，r_M]^T，各发射天线传输符号表示为N维向量x＝[x₁，...，x_N]^T。

等效信道矩阵为一个M行N列矩阵H。w为M维加性复白高斯噪声列向量。

现比较经典MMSE-IICPD算法与本发明提出的新MMSE-IICPD算法一次迭代所需的复乘法数，讨论矩阵求逆阵参数ε的取值为1、2、3的情况(分别对应所求逆阵的矩阵状态数较小、中等、较大三种情况)。

(1)8发射天线8接收天线(N＝M＝8)，ε取值为1、2、3时，新MMSE-IICPD算法所需乘法数分别为经典MMSE-IICPD算法乘法数的32.5％、23.8％、20.4％。

(2)24发射天线24接收天线(N＝M＝24)，ε取值为1、2、3时，新MMSE-IICPD算法所需乘法数分别为经典MMSE-IICPD算法乘法数的11.9％、8.2％、6.9％。

(3)64发射天线64接收天线(N＝M＝64)，ε取值为1、2、3时，新MMSE-IICPD算法所需乘法数分别为经典MMSE-IICPD算法乘法数的4.6％、3.1％、2.6％。

可以看出发射天线数N(也即并行传输的符号数)越大，新MMSE-IICPD算法相对经典MMSE-IICPD算法的复杂度优势越显著；所求逆阵的矩阵状态数越大(ε越大)，新MMSE-IICPD算法相对经典MMSE-IICPD算法的复杂度优势越显著。

根据上述两个实施实例，其结论对非系统级迭代(迭代只在检测模块进行)和系统级迭代(一次迭代由一次检测和一次随后的信道译码构成)均适用。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (1)

1.一种适用于并行传输系统符号检测的计算高效的基于最小均方误差滤波的迭代干扰抵消并行检测MMSE-IICPD算法，其特征在于，包括以下步骤：

S1、针对并行传输的N个符号x＝[x₁，...，x_N]^T中的当前检测符号x_i进行干扰抵消；其中，x_i干扰抵消后的信号为：公式中，r＝[r₁，...，r_M]^T为接收信号，h_j为M行N列等效信道矩阵H的第j列向量，为共道符号的N维软判决向量的第i个元素，i＝1，...，N，j＝1，...，N；

S2、对y_i进行MMSE滤波，获得滤波结果：

$z_{i,\mathrm{new}}=f_{i,\mathrm{new}}{y}_i=f_{i,\mathrm{new}}{h}_i{x}_i+{\mathrm{\Σ}}_{j=1,j\≠1}^N{f}_{i,\mathrm{new}}{h}_j(x_j-{\hat{x}}_j)+f_{i,\mathrm{new}}w={\mathrm{\μ}}_{i,\mathrm{new}}{x}_i+n_{i,\mathrm{new}}$

其中，f_i，new是MMSE滤波矩阵F_new的第i行，F_new＝DH^H(HDH^H+N₀I_M)^-1，D＝diag(d)，d＝[d₁，...，d_N]^T为x＝[x₁，...，x_N]^T的剩余干扰方差，diag(·)表示由向量构成的对角矩阵，接收信号r＝Hx+w，其中w为M维加性复白高斯噪声列向量，w的方差为N₀I_M；当d_i＜ζ时令d_i＝ζ；

S3、根据所述滤波结果计算当前检测符号x_i在各调制星座点a_k的度量值ω_new(a_k)，计算公式如下：

${\mathrm{\ω}}_{\mathrm{new}}\left(a_k\right)=\exp \left[\frac{-{|z_{i,\mathrm{new}}/{\mathrm{\μ}}_{i,\mathrm{new}}-a_k|}^2}{{\mathrm{\σ}}_{n_{i,\mathrm{new}}}^2/{\mathrm{\μ}}_{i,\mathrm{new}}^2}\right],a_k\∈\mathrm{\Ω}$

其中，滤波输出干扰加噪声能量Ω是调制星座点集合，k＝1，...，K，K是星座点数量或称星座规模；

S4、根据所述x_i在各星座点的度量值，计算得出x_i的软判决和剩余干扰方差供下一次迭代使用。