CN105827290A - Mimo系统中基于候选机制的串行干扰消除检测算法 - Google Patents

Abstract

本发明公开了一种MIMO系统中基于候选机制的串行干扰消除检测算法，该算法包括判断信号软判决是否可靠的过程；使用候选星座点来替代不可靠估计符号的过程；最优候选点的选择过程；使用获得的最优结果修正不可靠估计符号的过程。本发明根据信号软估计的结果，判断该估计是否可靠，并通过对不可靠判决进行修正，来改善串行干扰消除中的错误传播问题，并保证了相对低的复杂度,相对与传统算法,本发明在目标误码率为0.001时,可获得7dB左右的SNR增益，使得算法性能接近最优ML算法。

Description

MIMO系统中基于候选机制的串行干扰消除检测算法

技术领域

本发明涉及无线通信领域中多输入多输出系统(MIMO)的信号检测算法，具体涉及MIMO系统中基于候选机制的串行干扰消除检测算法。

背景技术

MIMO技术可以在不增加系统所需带宽的情况下成倍地提高系统容量和频谱利用率，已成为通信系统的关键技术。MIMO信号检测算法是MIMO系统的核心技术之一。对该技术的实际应用，关键在于获得检测算法的性能与计算复杂度之间的平衡。在MIMO系统中，最佳检测方案是最大似然(ML)检测方案，但是该算法的计算复杂度随天线数量呈指数形式增长，因而在天线数量较多时此方法不可行。为了解决上述问题，多种次优检测算法被提出。

算法包括常规的线性迫零(ZF)检测算法、最小均方误差(MMSE)检测、串行干扰消除(SIC)检测等。其中线性检测算法复杂度最低，但其性能和最优检测算法性能相差较大；非线性检测算法性能一般优于线性检测。就SIC算法而言，其消除了已经检测的信号分量对未检测信号分量的干扰，有效提高了被检信号的信扰比。但是因为存在干扰抵消过程，检测算法各层判决结果的可靠性至关重要，错误的检测结果会影响后续的检测过程，前后各检测信号之间不可避免的存在错误传播效应，可能造成后续信号检测出现连续错误，所以有必要对算法进行改进。

为了抑制错误传播，专利A中引入差错控制编码，提高了每层判决结果的可靠度，进而抑制错误传播，但是这种方法引入了更复杂的信道编码与解码单元，提高了接收机的复杂度与成本。除此以外，相对于传统SIC算法，B中提出算法的复杂度较高，不适用于天线数目较多的场合。该算法使用CRC检测来抑制差错的发生，提高了接收机成本。

A为赵旦峰,王杨,钱晋希.MIMO系统中一种改进的迭代串行干扰消除算法[J].信号处理,2012,28(10):1423-1426；B为Prasad,Narayan(Plainsboro,NJ,US),Wang,Xiaodong(NewYork,NY,US),Madihian,Mohammad(Plainsboro,NJ,US)","USpatent:7924933,Enhancedsuccessiveinterferencecancellation(SIC)receiverformultiple-inputmultiple-output(MIMO)systems",April2011。

发明内容

为了解决上述技术问题，本发明提供了一种MIMO系统中基于候选机制的串行干扰消除检测算法。

为了达到上述目的，本发明所采用的技术方案是：

MIMO系统中基于候选机制的串行干扰消除检测算法，包括以下步骤，

步骤1，定义k＝1；

步骤2，判断k层信号软判决的可靠度；

计算软判决与最近星座点的欧几里德距离d_k，如果d_k大于阈值d，软判决坐落在星座图的阴影面积内，则认为软判决不可靠，相反，则认为软判决可靠；

步骤3，如果认为软判决可靠，则执行传统的串行干扰消除检测，转至步骤5；如果认为软判决不可靠，则转至步骤4；

步骤4，选取M个候选星座点来替代k层信号的估计符号，并采用串行干扰消除检测算法，得到对应的M组估计向量，利用最大似然法则，从M组估计向量中选择最优估计向量，用最优估计向量对应的候选星座点来替换不可靠软判决；转至步骤5；

步骤5，获得k层信号最终检测值；

步骤6，判断k层信号是否为最后一层信号，如果是，则转至步骤7；如果不是，则k＝k+1，转至步骤2；

步骤7，获得所有层信号的检测值。

步骤2中，判断k层信号软判决可靠度的具体过程为，

A1)使用基于最小二乘法的串行干扰消除检测算法，计算第k层信号软判决o_k[i]；

其中，[i]表示当前时刻，滤波器复数矩阵为信道传输特性矩阵的k,k+1,…,K列，K为信道矩阵的总列数，h_k为信道矩阵的第k列，表示噪声的方差，表示发送信号的方差，I单位矩阵，代表前k-1层的干扰被消除后的第k层的接收向量，当k＝1时，

A2)计算当前软判决与最近几个星座点的欧几里德距离d_k；

d_k＝|o_k[i]-a_f|

其中，a_f为距离k层信号软判决o_k[i]最近的星座点；

$a_f=\arg \underset{a_{f\∈A}}{min}\left\{\right|o_k\[i\]-a_f\left|\right\}$

其中，A表示所有调制星座点的集合；

A3)比较d_k与阈值d，如果d_k＞d，则软判决o_k[i]坐落在星座图的阴影面积内，认为该软判决不可靠，反之，则认为该软判决可靠。

获得最优候选星座点并修正不可靠软判决的过程为，

B1)选取候选的星座点；

选取距离软判决最近的M个星座点为候选星座点，表示为集合ζ＝[c₁,c₂,…,c_M]；

B2)使用M个候选星座点来替换不可靠判决，分别采用传统串行干扰消除检测算法，得到M组估计的复数向量b¹[i],b²[i],…,b^M[i]；其元素b^m[i]构成如下：

$b^m\[i\]={\[{\hat{s}}_1,\mathrm{...},{\hat{s}}_{k-1},c_m,b_{k+1}^m,\mathrm{...},b_q^m\[i\],\mathrm{...},b_K^m\[i\]\]}^T,q\∈\[k+1,k\];$

(1)第一层至第k-1层，已检测的k-1个判决符号

(2)第k层不可靠的判决符号Q(o_k[i])被候选星座点c_m代替，m∈[1,M]；

(3)第k+1层以及以后层的预估计符号使用传统串行干扰消除检测算法获得；因第k层的c_m不同，M个元素值不同，其中，并且p∈[k+1,q-1]；

B3)利用最大似然法则，从M组预估计向量b¹[i],b²[i],…,b^M[i]中选择最优的一组，使用该组估计向量所对应的候选星座点替代不可靠判决；

最优估计向量的选择依据为：

$c_{m_{opt}}=\arg \underset{1\&le;m<M}{min}\left|\right|r\&lsqb;i\&rsqb;-{\mathrm{Hb}}^m\&lsqb;i\&rsqb;|{|}^2$

其中，r[i]为MIMO系统接收信号组成的向量，H为MIMO系统信道特性矩阵。

本发明所达到的有益效果：本发明通过对不可靠软判决的判断与修正，在减少错误传播同时保证了相对低的复杂度,相对与传统算法获得7dB左右的SNR增益，使得算法的性能更接近最优算法。

附图说明

图1为本发明的流程图。

图2为软判决的可靠度判定。

图3为不可靠软判决修正流程(并行)。

图4为本发明(MF-SIC)与常规SIC算法、ML算法的性能比较。

具体实施方式

下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。

如图1所示，基于候选机制的串行干扰消除检测算法，包括以下步骤：

步骤1，定义k＝1。

步骤2，判断k层信号软判决的可靠度。

计算软判决与最近星座点的欧几里德距离d_k，如果d_k大于阈值d，软判决坐落在星座图的阴影面积内，则认为软判决不可靠，相反，则认为软判决可靠。

具体过程如下：

A1)使用基于最小二乘法的串行干扰消除检测算法，计算第k层信号软判决o_k[i]；

其中，[i]表示当前时刻，滤波器复数矩阵为信道传输特性矩阵的k,k+1,…,K列，K为信道矩阵的总列数，h_k为信道矩阵的第k列，表示噪声的方差，表示发送信号的方差，I单位矩阵，代表前k-1层的干扰被消除后的第k层的接收向量，当k＝1时，

A2)计算当前软判决与最近几个星座点的欧几里德距离d_k；

d_k＝|o_k[i]-a_f|

其中，a_f为距离k层信号软判决o_k[i]最近的星座点；

$a_f=\arg \underset{a_{f\&Element;A}}{min}\left\{\right|o_k\&lsqb;i\&rsqb;-a_f\left|\right\}$

其中，A表示所有调制星座点的集合；

A3)比较d_k与阈值d，如果d_k＞d，则软判决o_k[i]坐落在星座图的阴影面积内，认为该软判决不可靠，反之，则认为该软判决可靠，具体如图2所示。

步骤3，如果认为软判决可靠，则执行传统的串行干扰消除检测，转至步骤5；如果认为软判决不可靠，则转至步骤4。

步骤4，选取M个候选星座点来替代k层信号的估计符号，并采用传统串行干扰消除检测算法，得到对应的M组估计向量，利用最大似然法则，从M组估计向量中选择最优估计向量，用最优估计向量对应的候选星座点替代不可靠软判决，具体如图3所示；转至步骤5。

获得最优候选星座点并修正不可靠软判决的过程为，

B1)选取候选的星座点；

选取距离软判决最近的M个星座点为候选星座点，表示为集合ζ＝[c₁,c₂,…,c_M]；

B2)使用M个候选星座点来替换不可靠判决，分别采用传统串行干扰消除检测算法，得到M组估计的复数向量b¹[i],b²[i],…,b^M[i]；其元素b^m[i]构成如下：

$b^m\&lsqb;i\&rsqb;={\&lsqb;{\hat{s}}_1,\mathrm{...},{\hat{s}}_{k-1},c_m,b_{k+1}^m,\mathrm{...},b_q^m\&lsqb;i\&rsqb;,\mathrm{...},b_K^m\&lsqb;i\&rsqb;\&rsqb;}^T,q\&Element;\&lsqb;k+1,k\&rsqb;;$

(1)第一层至第k-1层，已检测的k-1个判决符号

(2)第k层不可靠的判决符号Q(o_k[i])被候选星座点c_m代替，m∈[1,M]；

(3)第k+1层以及以后层的预估计符号使用传统串行干扰消除检测算法获得；因第k层的c_m不同，M个元素值不同，其中，并且p∈[k+1,q-1]；

B3)利用最大似然法则，从M组预估计向量b¹[i],b²[i],…,b^M[i]中选择最优的一组，使用该组估计向量所对应的候选星座点替代不可靠判决；

最优估计向量的选择依据为：

$c_{m_{opt}}=\arg \underset{1\&le;m<M}{min}\left|\right|r\&lsqb;i\&rsqb;-{\mathrm{Hb}}^m\&lsqb;i\&rsqb;|{|}^2$

其中，r[i]为MIMO系统接收信号组成的向量，H为MIMO系统信道特性矩阵。

步骤5，获得k层信号最终检测值；

步骤6，判断k层信号是否为最后一层信号，如果是，则转至步骤7；如果不是，则k＝k+1，转至步骤2；

步骤7，获得所有层信号的检测值。

如图4所示，横坐标表示信噪比(SNR)，纵坐标表示误码率(SNR)，配置4根发射天线和4根接收天线，采用瑞利信道模型，调制方式为QPSK，上述算法与常规的SIC检测算法的性能相比有较大的提高，并且其性能很大程度的接近最优性能检测ML算法。

综上所示，上述算法通过对不可靠软判决的判断与修正，在减少错误传播同时保证了相对低的复杂度，相对与传统算法获得7dB左右的SNR增益，使得算法的性能更接近最优算法；本算法的提出可以保证算法在牺牲少量的运算复杂度的前提下，大大的改善了系统性能，在实际应用中将会有很高的价值。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (3)

1.MIMO系统中基于候选机制的串行干扰消除检测算法，其特征在于：包括以下步骤，

步骤1，定义k＝1；

步骤2，判断k层信号软判决的可靠度；

计算软判决与最近星座点的欧几里德距离d_k，如果d_k大于阈值d，软判决坐落在星座图的阴影面积内，则认为软判决不可靠，相反，则认为软判决可靠；

步骤3，如果认为软判决可靠，则执行传统的串行干扰消除检测，转至步骤5；如果认为软判决不可靠，则转至步骤4；

步骤4，选取M个候选星座点来替代k层信号的估计符号，并采用串行干扰消除检测算法，得到对应的M组估计向量，利用最大似然法则，从M组估计向量中选择最优估计向量，用最优估计向量对应的候选星座点来替换不可靠软判决；转至步骤5；

步骤5，获得k层信号最终检测值；

步骤6，判断k层信号是否为最后一层信号，如果是，则转至步骤7；如果不是，则k＝k+1，转至步骤2；

步骤7，获得所有层信号的检测值。

2.根据权利要求1所述的MIMO系统中基于候选机制的串行干扰消除检测算法，其特征在于：步骤2中，判断k层信号软判决可靠度的具体过程为，

A1)使用基于最小二乘法的串行干扰消除检测算法，计算第k层信号软判决o_k[i]；

其中，[i]表示当前时刻，滤波器复数矩阵为信道传输特性矩阵的k,k+1,…,K列，K为信道矩阵的总列数，h_k为信道矩阵的第k列，表示噪声的方差，表示发送信号的方差，I表示单位矩阵，代表前k-1层的干扰被消除后的第k层的接收向量，当k＝1时，

A2)计算当前软判决与最近几个星座点的欧几里德距离d_k；

d_k＝|o_k[i]-a_f|

其中，a_f为距离k层信号软判决o_k[i]最近的星座点；

$a_f=\arg \underset{a_{f\&Element;A}}{min}\left\{\right|o_k\&lsqb;i\&rsqb;-a_f\left|\right\}$

其中，A表示所有调制星座点的集合；

A3)比较d_k与阈值d，如果d_k＞d，则软判决o_k[i]坐落在星座图的阴影面积内，认为该软判决不可靠，。反之，则认为该软判决可靠。

3.根据权利要求1所述的MIMO系统中基于候选机制的串行干扰消除检测算法，其特征在于：获得最优候选星座点并修正不可靠软判决的过程为，

B1)选取候选的星座点；

选取距离软判决最近的M个星座点为候选星座点，表示为集合

B2)使用M个候选星座点来替换不可靠判决，分别采用传统串行干扰消除检测算法，得到M组估计的复数向量b¹[i],b²[i],...,b^M[i]；其元素b^m[i]构成如下：

$b^m\&lsqb;i\&rsqb;={\&lsqb;{\hat{s}}_1,...,{\hat{s}}_{k-1},c_m,b_{k+1}^m,...,b_q^m\&lsqb;i\&rsqb;,...,b_K^m\&lsqb;i\&rsqb;\&rsqb;}^T,q\&Element;\&lsqb;k+1,K\&rsqb;;$

(1)第1层至第k-1层，已检测的k-1个判决符号

(2)第k层不可靠的判决符号Q(o_k[i])被候选星座点c_m代替，m∈[1,M]；

(3)第k+1层以及以后层的预估计符号使用传统串行干扰消除检测算法获得；因第k层的c_m不同，M个元素值不同，其中，并且p∈[k+1,q-1]；

B3)利用最大似然法则，从M组预估计向量b¹[i],b²[i],...,b^M[i]中选择最优的一组，使用该组估计向量所对应的候选星座点替代不可靠判决；

最优估计向量的选择依据为：

$c_{m_{opt}}=\arg \underset{1\&le;m<M}{min}\left|\right|r\&lsqb;i\&rsqb;-{\mathrm{Hb}}^m\&lsqb;i\&rsqb;|{|}^2$

其中，r[i]为MIMO系统接收信号组成的向量，H为MIMO系统信道特性矩阵。