CN111628952A - 带有检测中信道矩阵预处理的mimo-ofdm无线信号检测方法和系统 - Google Patents

Abstract

用于MIMO‑OFDM无线通信系统的信号检测方法，包括：对多个MIMO‑OFDM数据包中的每个MIMO‑OFDM数据包，通过信道估计得出每个子载波的信道矩阵；接收每个子载波的接收向量；对MIMO‑OFDM数据包中的第一OFDM符号进行MIMO检测处理，并且对该第一OFDM符号的每个子载波的信道矩阵执行信道矩阵预处理，以生成全局动态K值表；对每个后续OFDM符号进行MIMO检测，其中MIMO检测包括：对当前OFDM符号的每个子载波执行下述步骤：读取当前子载波的信道矩阵预处理结果及接收向量；将当前子载波的接收向量转换至LR搜索域；及对当前子载波进行K‑best搜索，以得出当前子载波的LR域候选发送向量，其中在K‑best搜索中，对当前子载波的每一搜索层应用的K值为全局动态K值表中与该搜索层对应的全局动态K值。

Description

带有检测中信道矩阵预处理的MIMO-OFDM无线信号检测方法 和系统

技术领域

本发明主要涉及多天线无线通信系统的低复杂度检测技术，具体涉及带有检测中信道矩阵预处理的MIMO-OFDM无线信号检测方法和系统。

背景技术

随着无线通信技术的迅猛发展，越来越多的无线通信系统开始采用多天线通信技术(MIMO)，以扩展系统的频谱利用率和数据速率，并兼获得较高的分级增益(diversitygain)以提高系统数据传输的可靠性。尤其，伴随着无线通信理论的演化，新的MIMO无线通信技术采用的天线数目正变得或即将变得越来越庞大。同时，用户设备越来越小尺寸化，集成度越来越高。这就使得MIMO信号的高性能检测方法的研究变得十分有意义。一方面需要检测方法的复杂度可控，保证系统数据的大吞吐率；另一方面需要满足超大规模集成电路(Very Large Scale Integrated circuits，VLSI)设计实现的低功耗和低面积的要求。

MIMO检测方法，按照检测性能的高低，可以分为最优检测、次优检测和近优检测。

常用的MIMO最优检测方法，如最大似然检测(Maximum Likelihood，ML)，可以获得最优的误码检测性能，但是其检测复杂度是随QAM星座和天线数目的增长，呈指数级增长的。因此绝大部分系统配置下，最优检测并不实用，仅作为仿真中其他MIMO检测器的性能对比参照。

MIMO次优检测方法，又可以分为线性和非线性两种。线性次优检测方法，如迫零检测(Zero Forcing，ZF)、最小均方误差检测(Minimum Mean Square Error，MMSE)，利用线性均衡方式，一次性处理所有的并行数据流，复杂度最低，系统开销小，但是其接收分级增益(Receiver Diversity Gain，RDG)接近单天线系统(SISO)，因此误码性能最差。非线性次优检测方法，如多种形式的连续误差消除法(Successive Interference Cancellation，SIC)，接收分级增益略有提高，但易受误差传播的影响，误码性能提升有限，在大天线和大星座规模时，与ML性能差别极大。

MIMO近优检测方法，通常指基于球形译码(Sphere Decoder，SD)的各种树搜索算法变型。这类算法可以使检测性能接近ML方法，而复杂度相比ML下降很多。其中广度优先的K-best检测器，可以保证独立于信号接收信噪比(Signal to Noise Ratio，SNR)的吞吐率，同时性能与ML检测接近，因此，是最常用的MIMO检测方法之一。其检测性能和复杂度之间的平衡，是通过调节K-best中的K因子实现的。

但是，单纯的K-best检测，在大天线数目和大星座规模下，为了保证一定的接收性能，必须加大搜索K值，因此其复杂度提升很快，同时性能相比ML迅速下降，只是单纯依靠调节K因子已经无法实现MIMO接收性能和复杂度的均衡了。

与此同时，在实际的无线通信系统中，MIMO技术并不是单独使用，其通常是与其他无线通信技术，如正交频分复用(OFDM)、高阶正交振幅调制(M-QAM)、先进的信道编解码器(如低密度校验码(LDPC)、Turbo码、卷积码(CC))等综合使用，以进一步提高系统性能和频谱利用率、对抗无线信道的非理想状况。

例如：近年来的IEEE定义的无线局域网802.11n/ac/ax，3GPP定义的第四代无线通信系统LTE，以及即将到来的3GPP第五代无线通信系统等，就是MIMO技术结合OFDM技术以及高阶M-QAM、先进信道编解码技术的典型实例。

这类系统给高性能的MIMO检测器设计提出了新的挑战。如何综合考虑各种技术的优缺点，使各部分协同工作，达到整个链路性能的最优化，是这类系统设计思路的重点。

然后，现有技术中当前的大多数技术方案致力于解决单载波MIMO检测，而对于频率选择性信道如MIMO-OFDM的情况，没有给出实用的方法。而且MIMO检测与信道解码所需的软值生成，没有综合考虑，无法充分利用信道编码增益。

发明人注意到，现有技术中的单载波MIMO检测方法和系统至少还未能很好地解决MIMO-OFDM环境中的下述问题：

1)MIMO检测加上频域维度(OFDM)之后的最优化；以及

2)MIMO-OFDM检测中应用于信道解码器的LLR软值最优化，也即，搜索资源的合理配置问题。

例如，H.Yao and G.Wornell,“Lattice-Reduction-Aided Detectors for MIMOCommunication Systems(用于MIMO通信系统的格基规约辅助的检测器),”in IEEEProc.Globecom,Taipei,Taiwan,November 17-21 2002.作为LR域MIMO检测的理论奠基之作，给出了清晰的LR域理论分析和物理意义解释，但是没有给出任何具体的实施建议。

D.Wubben,R.Bohnke,V Kuhn,and K.-D.Kammeyer,"MMSE-Based LatticeReduction for Near-ML Detection of MIMO Systems(用于MIMO系统的近似ML检测的基于MMSE的格基规约),"in ITG Proc.Workshop on Smart Antennas(WSA)，Munich，Germany，Mar.2004.提出了LR域变换的最优操作，但是其MIMO检测基于MMSE，因此检测性能差强人意。

M.Shabany and G.Gulak,“The application of lattice-reduction to the K-best algorithm for near-optimal MIMO detection(将格基规约应用于K-Best算法以进行近优MIMO检测),”in Proc.IEEE Int.Symp.Circuits Syst.,May 2008,pp.316–319.是最早给出LR域K-best MIMO检测方法的文献，但是其没有将LR域展开边界考虑到算法中。同时非针对MIMO-OFDM设计，软值生成也没有特殊考虑。

S.Roger,A.Gonzalez,V.Almenar,and M.Vidal,“On decreasing thecomplexity of lattice-reduction-aided K-best MIMO detectors(降低格基规约辅助的K-best MIMO检测器的复杂性),”in Proc.Eur.Signal Process.Conf.,Glasgow,U.K.,Aug.2009,pp.2411–2415.虽然给出了带LR域搜索边界的K-best检测方法，也提出了K的动态调整，但是其预处理过程并不是最优，而且其动态调整K值的过程，并不是保证整个资源总量不变，而是大幅增加了系统搜索资源。同时，其不是针对MIMO-OFDM中常遇到的频率选择性信道，也没有针对信道编解码增益进行软值生成优化。

中国专利公开CN105814857A公开了一种用于检测大型多输入多输出通信系统中的符号的系统及方法，其处理的非MIMO-OFDM系统，无法应对多径信道带来的频率选择性衰落。同时没有优化软值生成，没有将信道编解码的增益最大化。而且，其中的LR域搜索没有定义边界，展开效率没有最大化。

中国专利CN103548310B公开了一种用于基于多输入多输出天线通信系统的接收器的检测方法和接收器，其发明虽然采用LR域检测，预处理中有两次QR分解，处理方式没有最简化。而且，LR域的搜索并不是基于合理的搜索边界，而是采用的深度优先的球译码，这样造成三个后果：1)搜索范围不合理，无用展开多，或有用展开不充分；2)搜索不是按需展开，并没有利用天然的展开顺序，需要额外的PED排序模块；3)由于搜索展开取决于球半径d，致使K值不固定，随SNR等因素波动极大，对于硬件实现不利。同时，该专利针对MIMO单载波系统设计，非针对MIMO-OFDM系统设计，无法应对多径信道带来的频率选择性衰落。

此外，正反对称的LR域的搜索范围是有问题的。实际中，LR域的搜索边界几乎没有正反对称的，如果直接按照正反对称处理，会造成搜索范围不当地扩大或缩小，使搜索检测产生严重错误。

再者，如果通过扩大搜索K值的方法来提高检测精度，会直接增加系统的搜索展开数量，延长解码检测时间，降低系统吞吐率。

另一方面，现有技术中未能综合考虑MIMO检测与信道解码所需的软值生成，无法充分利用信道编码增益。例如，中国专利CN101917368B公开了一种基于格基规约的MIMO检测的软输出方法，其中该方法利用格基规约和相应的LR变换域信号的排序列表来执行K-best检测。然而，该专利同样针对MIMO单载波系统设计，而并未对MIMO-OFDM系统中多径信道带来的频率选择性衰落情况下的软值生成提供任何优化。

因此，在本领域中需要一种改进的MIMO-OFDM无线信号检测方法和系统，其能够克服现有MIMO无线信号检测方法和系统的缺陷，特别是针对MIMO-OFDM中常遇到的频率选择性信道进行优化，在不增加系统搜索资源的情况下进行K值的动态分配，以及针对信道编解码增益进行软值生成优化。应理解，上述所列举的技术问题仅作为示例而非对本发明的限制，本发明并不限于同时解决上述所有技术问题的技术方案。本发明的技术方案可以实施为解决上述或其他技术问题中的一个或多个。

发明内容

针对上述的问题，本发明提供了用于MIMO-OFDM无线通信系统的信号检测方法和系统，其尤其适用于MIMO-OFDM环境中带信道编解码的无线通信系统，低复杂度的，适用于编码的MIMO-OFDM无线通信系统的、以格基规约辅助的、稳定吞吐率的全局动态K规划的K-best多天线检测器结构和方法。

在本发明的一方面，提供一种用于MIMO-OFDM无线通信系统的信号检测方法，包括对多个MIMO-OFDM数据包进行处理，该方法包括下述步骤：

对于该多个MIMO-OFDM数据包中的每个MIMO-OFDM数据包，执行下述步骤：

通过信道估计得出每个子载波的信道矩阵；

接收每个子载波的接收向量；

对MIMO-OFDM数据包中的第一OFDM符号进行MIMO检测处理，并且对该第一OFDM符号的每个子载波的信道矩阵执行信道矩阵预处理，以生成全局动态K值表，其中所述信道矩阵预处理包括对当前子载波的信道矩阵进行分解和格基规约以生成当前子载波的多个LR域矩阵，其中所述全局动态K值表包括与每个子载波的每一搜索层对应的全局动态K值，且其中对第一OFDM符号进行MIMO检测处理包括对第一OFDM符号的每个子载波执行下述步骤：根据预设的固定K值或对当前子载波计算的可变K值，对当前子载波进行K-best搜索，以及生成当前子载波的LR域候选发送向量；

对所述MIMO-OFDM数据包中的每个后续OFDM符号进行MIMO检测，其中所述MIMO检测包括：对当前OFDM符号的每个子载波执行下述步骤：读取当前子载波的多个LR域矩阵以及接收向量；将当前子载波的接收向量转换至LR搜索域；以及对当前子载波进行K-best搜索，以得出当前子载波的LR域候选发送向量，其中在所述K-best搜索中，对当前子载波的每一搜索层应用的K值为所述全局动态K值表中与该搜索层对应的全局动态K值。

在本发明的另一方面，提供一种用于MIMO-OFDM无线通信系统的信号检测系统，包括对多个MIMO-OFDM数据包进行检测的MIMO检测器模块，其特征在于，所述MIMO检测器模块包括信道矩阵预处理子模块、存储子模块和K-best搜索子模块：

所述MIMO检测器模块配置成接收通过信道估计得出的每个子载波的信道矩阵以及每个子载波的接收向量以作为输入；

所述MIMO检测器模块配置成对MIMO-OFDM数据包中的第一OFDM符号进行MIMO检测处理，并且信道矩阵预处理子模块配置成对该第一OFDM符号的每个子载波的信道矩阵执行信道矩阵预处理，以生成全局动态K值表，其中所述信道矩阵预处理包括对当前子载波的信道矩阵进行分解和格基规约以生成当前子载波的多个LR域矩阵，其中所述全局动态K值表包括与每个子载波的每一搜索层对应的全局动态K值，且其中对第一OFDM符号进行MIMO检测处理包括对第一OFDM符号的每个子载波执行下述步骤：根据预设的固定K值或对当前子载波计算的可变K值，对当前子载波进行K-best搜索，以及生成当前子载波的LR域候选发送向量；

所述存储子模块配置成存储全局动态K值表以及用于每个子载波的搜索参数；

所述K-best搜索子模块配置成对所述MIMO-OFDM数据包中的每个后续OFDM符号进行MIMO检测，其中所述MIMO检测包括：对当前OFDM符号的每个子载波执行下述步骤：读取当前子载波的多个LR域矩阵以及接收向量；将当前子载波的接收向量转换至LR搜索域；以及对当前子载波进行K-best搜索，以得出当前子载波的LR域候选发送向量，其中在所述K-best搜索中，对当前子载波的每一搜索层应用的K值为所述全局动态K值表中与该搜索层对应的全局动态K值。

相比现有技术，本发明提出的方法和系统能够按当前MIMO系统传输信道的整体状况，合理分配K-best搜索展开资源，保证稳定的吞吐率，实现搜索展开有效率高、无用展开少，从而使LLR软值生成更合理，充分挖掘利用信道编解码的增益。本发明的方法和系统适合于通过VLSI实现高效高性能的MIMO-OFDM检测。

附图说明

图1是多天线系统的信道传输通用模型的示意图；

图2是802.11n/ac的一种较简单的MIMO-OFDM传输端系统结构框图；

图3是MIMO-OFDM接收端系统结构框图；

图4是在第一情景中根据本发明的方法的一个实施例的整体流程图；

图5是在第一情景中根据本发明的方法的一个更详细实施例的整体流程图；

图6是在第二情景中根据本发明的方法的一个实施例的整体流程图；

图7是在第二情景中根据本发明的方法的一个更详细实施例的整体流程图；

图8是单子载波上的LR域MIMO检测及LLR软比特生成流程图；

图9是MIMO-OFDM发送端一般包结构图；

图10是示出MIMO-OFDM接收端时域数据部分包结构以及信号的OFDM子载波的示意图；

图11是针对一个子载波的信道矩阵的预处理流程图；

图12是实数系统由近及远的快速枚举展开的示意图；

图13是根据本发明的LR域动态K值按需展开树搜索示意图；

图14是根据现有技术的LR域固定K值按需展开树搜索示意图；

图15是根据本发明一个实施例的用于MIMO-OFDM无线通信系统的信号检测系统的示意框图；及

图16A和16B示出根据本发明的MIMO检测方法与现有技术中的MIMO检测方法的性能对比曲线。

具体实施方式

在下文中将参考附图更全面地描述本发明，附图构成本发明公开的一部分并通过图示的方式示出示例性的实施例。应理解，附图所示以及下文所述的实施例仅仅是说明性的，而不作为对本发明的限制。

图1是多天线系统的信道传输通用模型图。设MIMO系统100中，发射机101处的发射天线103数目为N_tx，接收机102处的接收天线104数目为N_rx。该MIMO信道为准静态平坦瑞丽衰落，信道矩阵

维度为N_rx×N_tx，其元素h_i,j为均值为零，方差为1的二维高斯随机变量。

K-best之类的树搜索检测，在MIMO信道矩阵

的列向量相互正交时，性能最优，接近ML检测性能。因此，将MIMO检测在正交基上进行检测，是改善树搜索检测的思路。我们将当前的接收信号向量

看作是格(Lattice)中的一个向量，当前信道矩阵

的列向量为当前格的一组基向量。在实际的MIMO无线信道中，天线阵列的物理实现和空间环境的散射等，都会使

的基向量产生相关性。

为了改善MIMO接收机的检测性能，格基规约(Lattice Reduction，LR)被引入MIMO检测算法的设计，参见H.Yao and G.Wornell的上述论文，“Lattice-Reduction-AidedDetectors for MIMO Communication Systems(用于MIMO通信系统的格基规约辅助的检测器)以及D.Wubben,R.Bohnke,V Kuhn,and K.-D.Kammeyer的上述论文"MMSE-BasedLattice Reduction for Near-ML Detection of MIMO Systems(用于MIMO系统的近似ML检测的基于MMSE的格基规约)。通过LR变换，将

转换成近正交的信道矩阵后，在LR域展开检测，以改善MIMO近优检测器的检测性能。基于格基规约辅助(LR-Aided，LRA)的K-best检测器也得到了一定的发展，参见M.Shabany and G.Gulak的上述论文“The application oflattice-reduction to the K-best algorithm for near-optimal MIMO detection(将格基规约应用于K-Best算法以进行近优MIMO检测)以及S.Roger,A.Gonzalez,V.Almenar和M.Vidal的上述论文“On decreasing the complexity of lattice-reduction-aided K-best MIMO detectors(降低格基规约辅助的K-best MIMO检测器的复杂性)”。

通常的K-best检测，是基于实数分解(Real Value Decomposition，RVD)的。而格基规约辅助的MIMO检测，既可以基于复数系统，也可以基于实数系统。本发明中的方法，不受实数或复数系统限制。但为了便于说明，通常以实数系统为例进行阐述。

下面过给出格基规约MIMO检测的大概思路：

对于MIMO接收系统：

为N_rx×1接收信号向量，

为N_tx×1发送信号向量，

为高斯白噪声向量，其均值为零，方差为δ²。

应用格基规约辅助检测，首先需要将

通过格基约减，转换为新的近正交的格基向量矩阵

和转换矩阵

其中

为幺模矩阵，其元素属于高斯整数域，

的行列式为±1。格基规约的算法，常用的有实数系统的LLL(Lenstra,Lanstra and Lovasz)法，复数系统的CLLL(complex LLL)法，Seysen‘s，Brun's以及Element LR等。本发明中，针对实数系统可采用常用的LLL法，而针对复数系统可采用CLLL法。

通过格基规约，上述系统模型转为：

其中

即为LR域的基向量矩阵，

为LR变换域的星座点(权值向量)。由格的定义，LR域的星座点取值为连续的整数。而一般的M-QAM星座取值，星座点之间的步长为2(未归一化)，通常需要进行偏移缩放(shifting and scaling)，才可以在LR域上进行连续整数域的搜索。对于接收向量

其偏移缩放为

其中

是一个维度与

相同的，各元素一般全为1或1+j的向量(实数系统为1，复数系统为1+j，也可为其他)。则系统模型在经过偏移缩放后为

记

其中

即为LR连续整数域的MIMO检测对象。

本发明下面以802.11n/ac的一种较简单的数据部分生成和接收的系统结构框图为例，对上述的MIMO技术与多种技术的综合使用过程进行阐述。

图2给出了该示例系统的传输端框图。作为示例而非限制，传输系统200通常可包括物理层(PHY)填充和加扰器202、FEC编码器204、流解析器206、多个QAM映射器208、多个子载波映射器210、多个IDFT(傅里叶反变换器)212、多个GI(保护间隔)和整形器216、模拟和射频信号接收器216，以及多个发射天线218.

图3给出了该示例系统的简单接收端框图。作为非限制性示例，接收系统300通常可包括多个接收天线302、多个模拟和射频信号接收器304、多个ADC(模数转换器)306、多个AGC(自动增益控制)模块308、多个同步器310、多个傅里叶变换器312、信道估计模块314、MIMO检测器318、LLR生成和列表反映射器320、流反解析器322、FEC解码器324，以及去加扰器326。在优选的实施例中，本发明的方法以及系统可以具体实现在虚线框316围起的硬件部分内。应理解，本发明的方法和系统的全部或者部分可以实现为硬件、软件、固件和/或其任意组合。

设编码的MIMO-OFDM系统中，OFDM数据子载波数为N_sd。某些信道编解码所需要的交织器(Interleaver)/解交织器(Deinterleaver)，默认集成于FEC(Forward ErrorCorrection，前向纠错)编码器和FEC解码器中。

通常，在上述常见的MIMO-OFDM系统的发送端，经过信道编码的一路数据比特流，通过解复用器(de-multiplexer)或称流解析器(stream parser)，被拆分成对应多个传输天线的多路数据比特流。数据流的数目为信道矩阵的秩数，对N_rx×N_tx维的满秩信道矩阵

数据流数目为min(N_rx，N_tx)。每一路数据比特流经过独立的M-QAM星座点映射，加载于OFDM符号的N_sd个相应的数据子载波(subcarrier)上，再由对应当前天线的IDFT模块作反离散傅立叶变换，将频域的OFDM符号变换成时域OFDM符号。为了对抗多径信道和邻带干扰，在发送包时域波形中的每一个时域OFDM符号前端加上保护间隔(Guard Interval，GI)，并通过加窗整型后，送至模拟/RF端和对应的天线进行信号发送。

接收端通过多接收天线、RF/模拟模块、模数转换器(ADC)和自动增益控制器(AGC)等的协同工作，将通过无线信道滤波后的混合信号，采集成方便处理的数字信号。接收端通过对包头(Preamble)的处理，完成频率和时间同步(SYNC)。同步后的信号，通过离散傅立叶变换(DFT)变换回频域。接收机在正式数据包的MIMO联合解调(joint detection)之前，利用包头中加载的辅助字段(如WiFi中的HT-LTF字段)完成对于MIMO信道的估计(ChannelEstimation，CE)，得到估计的信道矩阵

MIMO检测器利用当前MIMO信道的估计和多天线的接收信号，对并行传输的多路数据流进行联合检测。根据MIMO检测器给出的不同输出形式，之后的LLR(LogarithmLikelihood Ratio)生成模块可以采用不同的LLR生成方法，产生适合后续FEC解码器的软比特值，以充分挖掘当前FEC的编码增益(Coding Gain，CG)。

图9示出时域中的MIMO-OFDM发送包结构图。N_tx个天线上，发送不同的数据，也即图片中数据OFDM符号部分，各个天线在同一个OFDM符号周期内，加载不同的数据符号(DataSymbol，QAM symbol)在不同天线的同一OFDM符号周期的相同子载波位置上。作为示例，每个天线发射的数据902包括前导码和包头904以及数据OFDM符号部分906，其中数据OFDM符号部分进而包含N个OFDM符号。

图10示出MIMO-OFDM接收端时域数据部分包结构以及信号的OFDM子载波的示意图。当接收机处理完前导码和包头部分904后，进行数据部分的接收检测。接收机在一个OFDM符号周期内，将各个天线上接收到的信号在对应的OFDM符号周期内的时域信号，经过DFT转到频域中OFDM频段内各个子载波上的接收信号。图10中，给出了第一个OFDM符号周期1006内的信号，经过DFT变换到频域的加载了有用数据的N_sd个OFDM子载波1008的示意图。一个MIMO接收检测过程，就是基于一个OFDM符号周期内的，各天线的某个子载波上的接收信号，分别进行的。例如，第一OFDM符号周期1006内，N_rx个天线在第1个子载波上的接收信号向量，为当前包第一个MIMO接收检测的输入。

再简单介绍一下MIMO-OFDM的无线信道。在MIMO-OFDM系统的基带中，相对于基带信号采样频率，时域的MIMO信道

通常都有不可忽视的时延τ，因此这时的MIMO信道并不是平坦衰落的信道。我们可以将经过采样的时域MIMO信道

抽象为一个N_tx×N_rx×N_τ的三维复矩阵。经过DFT变换到频域中的频域信道

将已用数据子载波提出后，为一个N_tx×N_rx×N_sd的三维复矩阵，其第i根传输天线和第j根接收天线之间的N_sd维信道响应向量

是频率选择性的。但是，针对每一个数据子载波i的MIMO接收信号的检测，可以认为在当前子载波上的MIMO信道是平坦衰落，而且N_sd个数据子载波的N_tx×N_rx维信道矩阵

状况各不相同，可以看作是相互独立的平坦瑞丽衰落信道。

802.11系统设计场景中，信道为准静态。即在一个接收包的时间内，信道状况不变，其各个OFDM符号所经历的信道状况是基本相同的。因此，在以下发明内容部分的公式中不特殊区分同一接收数据包中不同OFDM符号的序列编号。但同一OFDM符号中，不同的子载波上的信道状况，在实际应用中在各自衰落和相关性上的差异很大。现有技术中的方案通常考虑对单载波上的MIMO检测进行优化，而未能充分考虑不同的子载波上的信道状况以及差异。然而，这些差异若不综合考虑，会严重影响编码的MIMO-OFDM检测的性能。

本发明尤其涉及针对MIMO-OFDM系统中，MIMO信息包经过前导码和包头处理，以及信道估计之后的MIMO检测部分。

假设接收系统对当前包前导码的处理，使得时间、频率同步等是理想的，则系统中没有引入子载波间干扰和符号间干扰，M-QAM星座没有发生旋转。

假设MIMO接收系统，已经完成频域信道估计，对每一个加载数据的子载波，得到一个N_tx×N_rx的信道矩阵。

当本发明中的MIMO检测器针对某一个OFDM符号的第n子载波接收信号进行MIMO检测时，其输入有：第n子载波上的MIMO接收复数向量

第n子载波上的信道复数矩阵

噪声方差估计向量

一般各天线接收状况各不相同，噪声方差也不同。此处为方便表述，假设各天线噪声方差相同：

MIMO信道的传输方程为：

第n子载波上的MIMO检测器的目的是，给定

和

求解最优的

的估计值。对于带信道编解码的MIMO-OFDM系统，其目的是生成最优的LLR软值，以最大化信道编码增益。

本发明的格基规约辅助的K动态规划的基于K-best的MIMO检测方法，特别适用于两种不同的情景。

第一情景：系统在得到信道估计结果之后，与当前包数据部分检测开始之间，有足够的时间进行信道矩阵预处理时的情景。

第二情景：系统在得到信道估计结果之后，与当前包数据部分检测开始之间，没有足够的时间进行信道矩阵预处理时的情景。

其中，“足够的时间”是指在信道估计结束之后，到当前包检测结束的要求时间点之间，MIMO接收机有足够的资源提供充足的运算速度和存储空间，从而在检测中，可以将矩阵信道预处理和之后的数据检测分开进行的情况。应理解，对于本发明的具体实施而言，情景的选择通常取决于系统软硬件环境和参数以及所使用的协等。通常在系统设计阶段，本领域技术人员可以根据设计需要，确定系统中采用适于哪一种情景的流程。

另外，LR域的K-best MIMO检测系统，可以基于实数系统，也可以基于复数系统。下面首先以实数系统为例，说明本发明方法的步骤。

第一情景

图4示出在第一情景中根据本发明的方法的一个实施例的整体流程图。如图4所示，根据本发明的一种用于MIMO-OFDM无线通信系统的信号检测方法400，包括对多个MIMO-OFDM数据包进行处理。具体地，该方法包括：从步骤402开始，逐一对该多个MIMO-OFDM数据包中的每个MIMO-OFDM数据包进行处理。

在步骤404，通过信道估计得出每个子载波的信道矩阵。在步骤406，接收每个子载波的接收向量。

接下来，通过从步骤408至步骤412的循环，对每个子载波的信道矩阵执行信道矩阵预处理。当在步骤412处判断已处理所有子载波后，在步骤414生成基于OFDM符号的全局动态K值表。具体地，在步骤410中的所述信道矩阵预处理包括对当前子载波的信道矩阵进行分解和格基规约以生成当前子载波的多个LR域矩阵。另外，在步骤414所生成的全局动态K值表包括与每个子载波的每一搜索层对应的全局动态K值。

然后，对当前MIMO-OFDM数据包中的每个OFDM符号进行MIMO检测，其中所述MIMO检测包括通过从步骤418至步骤426的循环，对当前OFDM符号的每个子载波进行处理。具体地，在步骤420，读取当前子载波的多个LR域矩阵以及接收向量；在步骤422，将当前子载波的接收向量转换至LR搜索域；以及在步骤424，对当前子载波进行K-best搜索，以得出当前子载波的LR域候选发送向量。其中在所述K-best搜索中，对当前子载波的每一搜索层应用的K值为所述全局动态K值表中与该搜索层对应的全局动态K值。

不同于现有技术中的MIMO检测方法，本发明的信号检测方法，例如信号检测方法400，针对MIMO-OFDM无线通信系统提供特别优化的信道矩阵预处理，充分考虑到个子载波上的频率选择性衰落，并且在不增加系统搜索资源的情况下进行K值的动态分配。

下面参照图5对第一情景中本发明的信号检测方法的细节进行更详细的描述。图5示出在第一情景中根据本发明的方法的一个更详细实施例的整体流程图。图5所示的用于MIMO-OFDM无线通信系统的信号检测方法500开始于步骤502，对于多个MIMO-OFDM数据包中的每个MIMO-OFDM数据包进行处理。

在步骤504，进行前导码和包头处理。在步骤506，进行信道估计。

从步骤508到步骤506，循环处理每一个子载波，以对每个子载波的信道矩阵执行信道矩阵预处理。

具体地，在步骤510，将输入MIMO检测系统的复数量进行实数分解(Real ValueDecomposition，RVD)。将第n子载波接收复数向量

和信道复数矩阵

进行RVD，生成

和

噪声方差估计向量

拆分，使其维度扩大一倍。RVD后的MIMO系统传输方程变为：

RVD有不同的分解方法，本发明并不限制于此处描述的分解方法。

在步骤512，进行格基规约辅助动态K预处理，即信道矩阵预处理。在本发明的一个优选实施例中，步骤512的信道矩阵预处理可根据参照图11所示的信道矩阵预处理流程图进行。具体地，对第n子载波的信道矩阵

进行格基规约预处理的过程可以根据图11所示的示例方法1100按如下方式进行：

在步骤1102，将

进行MMSE扩展：

其中

为对角为1的M×M维对角矩阵。

在步骤1104，对H ⁿ进行排序的(Sorted)QR分解：

H ⁿ·P ⁿ＝Q ⁿ·R ⁿ，其中P ⁿ为交换矩阵(permutation matrix)，Q ⁿ为酉矩阵(unitarymatrix)，R ⁿ为上三角矩阵。

在步骤1106，对排序的QR分解(SQRD)结果Q ⁿ R ⁿ P ⁿ进行LLL格基规约，得到新的格基向量矩阵：

记

为新的转换矩阵，则

将所得

和T ⁿ存储，以备当前包的后续OFDM符号的MIMO检测使用。

在步骤1108，求转换矩阵T ⁿ的逆矩阵(T ⁿ)^-1。

在步骤1110，求当前第n子载波上的各MIMO检测层的LR域搜索界(boundary)，也即LR域搜索变量的搜索范围。

当前LR域的搜索变量为

RVD后的实星座点

经过偏移缩放后，取值范围发生变化，记为

s_l为

的第l层的星座元素，s_l∈Ω。则第k子载波第l层LR域元素搜索的上下限可由下式计算：

其中，(T ⁿ)^-1[l]为矩阵(T ⁿ)^-1的第l行。((T ⁿ)^-1[l])₊为矩阵(T ⁿ)^-1的第l行中为正的元素；((T ⁿ)^-1[l])_-为矩阵(T ⁿ)^-1的第l行中为负的元素。

由于

属于格基规约后的连续整数域，第n子载波第l层LR域的有效备选点总数为：

有效备选点是指，在LR域搜索上下限之间的整数域元素，在范围内的，可能为有效星座点(原格基规约前QAM星座点)，范围之外，一定不是有效星座点。

将所得所有子载波的所有搜索层的

存储，以备当前包的后续OFDM符号的MIMO检测和全局动态K值表生成时使用。

应理解，上述信道矩阵预处理中所示的步骤仅作为能够实现本发明的非限制性示例步骤示出。本发明的范围并不局限于此。

回到图5，在信道矩阵预处理之后，得出对当前子载波的信道矩阵进行分解和格基规约所生成的当前子载波的多个LR域矩阵。同时可选地得出用于每个子载波的搜索参数。优选地，所述搜索参数可包括与每个子载波的每一搜索层对应的LR域搜索上界和下界。

在步骤516，在对所有子载波的信道矩阵进行预处理后，得到当前子载波MIMO检测的各层动态K值以生成全局动态K值表。

在本发明的一个实施例中，与每个子载波的每一搜索层对应的全局动态K值可以按照下述步骤中的一个步骤或多个步骤的组合来确定：(1)对于信道状况较差的子载波，与该子载波的搜索层对应的全局动态K值增大；(2)向每个子载波的每一搜索层对应的全局动态K值分配权重，其中对于距离起始搜索层较近的搜索层，向与该搜索层对应的全局动态K值分配较大的权重；(3)将子载波分组，针对分组中的子载波确定每个子载波的每一搜索层对应的全局动态K值；(4)与每个子载波的每一搜索层对应的全局动态K值为与每一搜索层的搜索范围大小正相关的正整数；以及(5)将每个子载波的所有搜索层的搜索范围大小分段，为搜索范围大小的每个分段分配对应的全局动态K值，以使得搜索范围较大的分段对应于较大的全局动态K值；其中所述每一搜索层的搜索范围可根据下述公式确定：

以上步骤508至516，在当前包检测时，执行一次。而下面的步骤522至526，在对所有的OFDM符号周期的所有数据子载波进行MIMO检测时，皆需执行。

在步骤522中，对当前OFDM符号的第n子载波接收向量进

行实数分解，生成，

在步骤524中，读取当前子载波的全局动态K值及搜索参数。在一个实施例中，MIMO检测器读取存储的第n子载波的信道矩阵预处理结果和当前第k子载波的基于OFDM符号所有子载波的全局动态K值表中的K取值向量

用于后续MIMO检测。

在步骤526中，执行LR域K-best搜索，LR反映射以及LLR软值生成。作为一个非限制性实施方式，步骤526可以具体通过图8所示的步骤来实现。

图8具体地示出了根据本发明一个实施例的在单子载波上的LR域MIMO检测及LLR软比特生成流程图。

在步骤802，对经过步骤510处理的接收向量

进行偏移缩放。

则经过偏移缩放的MIMO信道传输系统可以写为：

在步骤804，步骤1106所得矩阵

维度为(N_rx+N_tx)×N_tx。

可以拆分为：

维度为N_rx×N_tx，

维度为N_tx×N_tx。

对步骤802所得偏移缩放后的接收向量

左乘

的共轭转秩。得K-best MIMO检测器的输入：

其中

为残余干扰和噪声的和向量，可表示为：

L为MIMO检测K-best搜索的层数。由上面

的表达式可知，SNR较大时，

项可忽略。

为实LR域搜索向量。

为步骤1106中所得，第n子载波信道矩阵预处理生成的上三角矩阵。

在步骤806，进行按需展开K-best搜索。

在实数系统中，L＝2N_tx。

针对预处理后的系统方程，忽略掉残余干扰和噪声项后为

因此，可以从向量

的第L层开始，递归的估计整个向量，并逐层进行K-best搜索。

A)对于当前子载波的K-best搜索树中的顶层，即第L层，发送向量元素估计值为：

量化后，得该层的第一子节点

也即按需展开的第一子节点。

然后按照由近及远的快速枚举顺序，在该层的边界限定范围

内，展开到

个L层的候选的部分向量，

为动态K值表中所存的第n子载波第L层的候选路径数(或搜索展开资源分配)。

同时计算各候选的部分向量，与部分接收向量之间的部分欧氏距离(PartialEuclidean Distance，PED)。欧氏距离的计算有多种方法，本发明中以平方距离为例，但不限于此。

第L层的第p个候选部分向量对应的LR域的PED为：

由近及远的快速枚举展开方法，见图9。

B)对于K-best搜索树中除所述顶层之外的每一搜索层，即第(L-1)层至第1层之间的某l层搜索层，其上一层(即第l+1层)向其提供了

个候选部分向量，以及对应的

个PED(l+1)值。对每一个l+1层的候选部分向量(此处假设为第p个候选部分向量)，计算：

经过量化后，得到

个第l层的按需展开第一子节点

根据

和

的相对位置，以及本层的搜索限定范围

确定

个快速枚举展开下一子节点的位置。

计算各第一子节点对应的候选部分向量的LR域PED值：

从当前的

个第l层第一子节点对应的候选部分向量中，找到PED(l，p)最小的候选部分向量，作为第l层需要输出的

个候选部分向量的第一候选输出向量。

将被取出第l层第一子节点的候选部分向量，按照其快速枚举展开的第l层下一子节点的搜索方向和步长，扩展至第l层第二子节点，并计算对应的PED。将得到的新的第l层部分向量，补充到剩余的

个第l层候选部分向量中。更新该点的下一子节点的搜索方向和步长。

重复上述操作，直至当前OFDM符号的第n子载波第l层所有

个输出候选部分向量全部找到为止。

至此，在第l层，总共展开

个子节点以及计算其对应的PED值。除去第l层的

个输出，还有

个次优展开将在步骤6被丢弃。为了充分利用已经展开的次优路径资源，在步骤7中，会进行丢弃路径重用。

C)当搜索到达第1层，其

个LR域候选向量全部选出时，对第n子载波的K-best搜索展开结束。

下面参考图13和图14对根据本发明的LR域动态K值按需展开树搜索与根据现有技术的LR域固定K值按需展开树搜索进行比较。具体地，图13示出根据本发明的LR域动态K值按需展开树搜索的过程，图14示出根据现有技术的LR域固定K值按需展开树搜索的过程。

假设两者都基于2x2的MIMO实数检测系统，树搜索层数为4层。设相应子载波的信道矩阵经过格基规约，其系统传输向量经平移缩放和LR转换后，两者从1层到4层搜索范围均为[5 10 5 8]。

如图13上部的表格所示，从1层到4层的动态K值向量

为[3 5 3 5]。如图14上部的表格所示，从1层到4层的固定K值向量为[4 4 4 4]。

如图13和图14下部的树形图所示，树搜索从搜索树的顶层(即第4层)开始，向第1层进行。相比图13，图14中由于第4层的搜索范围较大(为8)，而K值为4，因此从一开始，其搜索就漏掉了很关键的一个候选点。造成最后一层所得最优候选向量出现很大偏差。这一偏差，会造成LLR软值生成偏离实际的噪声分布，从而使信道解码器的编码增益受到很大损失。

回到图8，在步骤808，对K-best搜索中间过程期间经部分展开的待丢弃路径进行重用。

对在第l层中需要被丢弃的

个次优展开，继续展开其第l-1直至第1层，各层仅扩展其第一子节点，并计算对应的PED值。将

个第l层丢弃路径重用展开所得的LR域候选发送向量(次优候选向量)，经过后续步骤810至816，用以更新比特距离表。

步骤810至816为针对所有的树搜索已经达到第1层的完整的LR域候选发送向量的处理步骤。对于步骤806所得

个LR域候选向量，和步骤808中各层丢弃路径重用所得的

个LR域候选向量，该处理过程相同。

在步骤810，将第n子载波MIMO检测中的第p个LR域候选发送向量

转换成原星座域的候选向量：

在步骤812，判断候选向量

的所有元素是否都为合法星座点。若都为合法星座点，则保留

及其PED值PEDⁿ(p)。若

向量中的任一元素，无法映射回原星座域，则

不是合法LR域发送向量估计，MIMO检测器将

丢弃。

在步骤814，将步骤812中所保留的原星座域的合法候选向量的所有星座点，进行M-QAM星座点反映射，得到对应的比特序列。

在步骤816，更新比特距离表。

下表1示出以64QAM，2×2MIMO系统为例的比特距离表结构。b_i,t表示第i发射天线QAM符号的第t比特。表格中PED_min,0和b_i,t项对应的位置所填数值，为该b_i,t比特为0的所有候选向量中的最小PED值；同理，PED_min,1和b_i,t项对应的位置所填数值，为该b_i,t比特为1的所有候选向量中的最小PED值。在第n子载波MIMO检测开始，将比特距离表初始化，例如填写较大的PED值。

	PED<sub>min,0</sub>	PED<sub>min,1</sub>
			b<sub>1,0</sub>
b<sub>1,1</sub>
			b<sub>1,2</sub>
b<sub>1,3</sub>
			b<sub>1,4</sub>
b<sub>1,5</sub>
			b<sub>2,0</sub>
b<sub>2,1</sub>
			b<sub>2,2</sub>
b<sub>2,3</sub>
			b<sub>2,4</sub>
b<sub>2,5</sub>

表1：比特距离表–64QAM，2×2MIMO系统

在经过步骤810和步骤812产生了合法星座点候选向量输出后，在步骤814通过M-QAM反映射将合法星座点候选向量反映射为比特序列，并将其PED值与比特距离表中相应的0或1的位置的已填PED_min,0或PED_min,1进行比较，若新的PED值更小，则更新比特距离表中相应位置的PED值；否则，不更新。

当步骤806到达第1层，对所得出的所有LR域候选向量执行步骤810至816，第n子载波所有候选向量皆完成了比特距离表更新。至此，当前OFDM符号的第n子载波的比特距离表完成。

在步骤818，根据步骤816中所得比特距离表，生成LLR软值。在一个实施例中，对应比特的LLR软值可以由比特距离表中对应行的PED_min,0和PED_min,1相减生成，如下述公式所示：

LLR(b_i,t)＝PED_min,0-PED_min,1。

所生成的LLR软值可经过合理的剪裁算法处理，送入后续的流反解析器模块，然后送入信道解码器解码。本领域技术人员应理解，可以通过本领域常规的方式对根据本发明的方法和系统生成的LLR软值进行处理和解码。

应理解，虽然以上示例方法和步骤是基于实数系统描述，但本发明的实施并不限于此。在天线数目较大的情况下，优选地可以采用复数K-best树搜索系统，以减少搜索层数。下面参考图5和图11，仅对复数系统与上述步骤的不同之处进行说明：

对于步骤510，复数系统不需要实数分解。

对于步骤512，复数系统中的信道矩阵预处理可按下述方式进行。

具体参考图11，在步骤1102：将当前在载波的复数信道矩阵

进行MMSE扩展：

其中

为对角为1的M×M维对角矩阵。

在步骤1104，对H ⁿ进行排序的(Sorted)QR分解。

在步骤1106，对SQRD结果Q ⁿ R ⁿ P ⁿ进行CLLL(复数LLL)格基规约，得到新的格基向量矩阵。

在步骤1108，求转换矩阵的逆矩阵。

在步骤1110，求当前第k子载波上的各MIMO检测层的LR域搜索界(boundary)，也即LR域搜索变量的搜索范围。对复数系统，LR域的搜索变量为

原M-QAM星座点

经过偏移缩放后，取值范围发生变化。对复数系统，记为

s_l为向量

的第l层的星座元素，s_l∈Ω。则第k子载波第l层LR域元素搜索的上下限可由下式计算

则第n子载波第l层LR域的搜索总数为：

此处的

为复数，分别表示实部和虚部的搜索范围。

将所得所有子载波的所有搜索层的

存储，以备当前包的后续OFDM符号的MIMO检测和全局动态K值表生成时使用。

回到图5，在步骤516，得到当前子载波MIMO检测的各层动态K值。

在步骤526中，执行LR域K-best搜索，LR反映射以及LLR软值生成。作为一个非限制性实施方式，步骤526可以具体通过图8所示的步骤来实现。对于复数系统，在图8中的步骤802，对接收向量

进行偏移缩放：

则经过偏移缩放的MIMO信道传输系统可以写为：

在步骤802：步骤1108所得矩阵

维度为(N_rx+N_tx)×N_tx。

可以拆分为：

维度为N_rx×N_tx，

维度为N_tx×N_tx。

对步骤802所得偏移缩放后的接收向量

左乘

的共轭转秩。得K-best MIMO检测器在复数系统中的输入：

其中

为残余干扰和噪声的和向量，可表示为：

L为MIMO检测K-best搜索的层数。由上面

的表达式可知，SNR较大时，

项可忽略。

相应地为复LR域搜索向量。

对于步骤806，按需展开K-best搜索的基本步骤与实数系统相同，只是每一层的按需展开为复数整数域的二维展开。步骤808、810至818与实数系统相同。

第二情景

与第一情景不同，在第二情景中，系统在得到信道估计结果之后，与当前包数据部分检测开始之间，没有足够的时间进行信道矩阵预处理。应理解，本发明的方法可以基于实数系统，也可以基于复数系统。下面以实数系统为例进行说明，但本发明的实施不限于此。

图6示出在第二情景中根据本发明的方法的一个实施例的整体流程图。如图6所示，根据本发明的一种用于MIMO-OFDM无线通信系统的信号检测方法600，包括对多个MIMO-OFDM数据包进行处理。具体地，该方法包括：从步骤602开始，逐一对该多个MIMO-OFDM数据包中的每个MIMO-OFDM数据包进行处理。

在步骤604，通过信道估计得出每个子载波的信道矩阵。在步骤606，接收每个子载波的接收向量。

接下来，若在步骤610判断当前OFDM符号是MIMO-OFDM数据包中的第一OFDM符号，则执行步骤612至620，以便在步骤616对该第一OFDM符号进行MIMO检测处理，并且在步骤614对该第一OFDM符号的每个子载波的信道矩阵执行信道矩阵预处理，以在步骤620生成全局动态K值表。具体地，在步骤614中的所述信道矩阵预处理包括对当前子载波的信道矩阵进行分解和格基规约以生成当前子载波的多个LR域矩阵。另外，在步骤620生成的全局动态K值表包括与每个子载波的每一搜索层对应的全局动态K值。

具体地，在步骤616中对第一OFDM符号进行MIMO检测处理包括对第一OFDM符号的每个子载波执行下述步骤：根据预设的固定K值或对当前子载波计算的可变K值，对当前子载波进行K-best搜索，以及生成当前子载波的LR域候选发送向量。

接下来，对所述MIMO-OFDM数据包中的每个后续OFDM符号，执行步骤624至632，以便对该OFDM符号进行MIMO检测，其中所述MIMO检测包括：对当前OFDM符号的每个子载波执行下述步骤：在步骤626，读取当前子载波的多个LR域矩阵以及接收向量；在步骤628，将当前子载波的接收向量转换至LR搜索域；以及在步骤630，对当前子载波进行K-best搜索，以得出当前子载波的LR域候选发送向量。其中在所述K-best搜索中，对当前子载波的每一搜索层应用的K值为所述全局动态K值表中与该搜索层对应的全局动态K值。

不同于现有技术中的MIMO检测方法，本发明的信号检测方法，例如信号检测方法600，针对MIMO-OFDM无线通信系统提供特别优化的信道矩阵预处理，充分考虑到个子载波上的频率选择性衰落，并且在不增加系统搜索资源的情况下进行K值的动态分配。特别是，在第二情景中，本发明的信号检测方法将全局动态K值表的生成结合在每个MIMO-OFDM数据包中的第一OFDM符号的MIMO检测过程中，并将所生成的全局动态K值表应用于后续OFDM符号的MIMO检测优化，以较小的额外计算开销换取大部分OFDM符号检测的优化，在有限的系统搜索资源约束下进一步提升了检测性能。

下面参照图7对第二情景中本发明的信号检测方法的细节进行更详细的描述。图7示出在第二情景中根据本发明的方法的一个更详细实施例的整体流程图。图7所示的信号检测方法400开始于步骤502，对于多个MIMO-OFDM数据包中的每个MIMO-OFDM数据包进行处理。

在步骤704，进行前导码和包头处理。在步骤706，进行信道估计。

在步骤708，开始对当前MIMO-OFDM数据包中的每个OFDM符号行循环处理。

在步骤712，判断当前的OFDM符号是否是当前MIMO-OFDM数据包中的第一OFDM符号。如果是，则循环执行从步骤714至726并返回至步骤710和712的循环，直到完成对第一OFDM符号的所有子载波的MIMO检测以及信道矩阵预处理。

在步骤714，将输入MIMO检测系统的复数量进行实数分解。具体地，将第n子载波接收复数向量

和信道复数矩阵

进行RVD，生成

和

并对噪声方差估计向量

拆分，使其维度扩大一倍。

RVD后的MIMO系统传输方程变为：

RVD有不同的分解方法，本发明不限于任何特定的分解方法。

在步骤716，在对第一OFDM符号周期接收信号的各子载波进行MIMO检测的同时，逐一对各子载波的信道矩阵进行预处理。此处的信道矩阵预处理可以按照与图5中步骤512相同的方式进行。例如可以根据参照图11详述的示例方法进行。在此不再赘述。

若在步骤718判断尚未对所有子载波进行处理，则执行步骤722，基于固定K值或基于子载波的动态K值进行K-best搜索。

在步骤722，在当前OFDM符号周期为当前接收数据包的第一OFDM符号周期时，由于系统还没有完成所有子载波信道矩阵的预处理，所以无法得到基于OFDM符号的全局动态K值分配，因此需要对第一OFDM符号的动态K值分配进行特殊处理。如固定第一OFDM符号的搜索K值，或第一OFDM符号搜索采用基于子载波的动态K值分配等。

固定搜索K值是指，在预设系统整体K值的情况下，MIMO-OFDM检测系统，不区分考虑各个子载波上的信道衰减状况，也不考虑同一子载波上的搜索向量在LR域中不同搜索层之间的范围差异，而是在所有子载波的所有搜索层，统一采用系统整体K值的情况。

预设的系统整体K值，是指在保证误码率设计目标的前提下，通过仿真或经验，确定的K-best树搜索系统的每搜索层保留的最优(部分)候选向量数。

例如，设16QAM实数搜索系统K＝6；设64QAM实数搜索系统K＝10；设256QAM实数搜索系统K＝16等。

预设系统整体K值的取值，取决于不同的系统参数(如QAM星座，天线数目，实数/复数系统等)和不同的MIMO K-best检测算法(normal K-best，SQRD，LRA等)。系统的参数和算法确定后，在当前设定下的系统整体K值就被固定下来。

在MIMO-OFDM系统检测中，当系统整体K值确定了之后，总的系统搜索展开资源消耗也确定了，即K×L×N_sd。L为每一个子载波的MIMO检测总层数，对于实数系统，L＝2N_tx，对于复数系统，L＝N_tx。

基于子载波的动态K值分配是指，在预设系统整体K值后，MIMO-OFDM检测系统，不区分考虑各个子载波上的信道衰减状况，只考虑同一子载波上的搜索向量在LR域中不同搜索层之间的范围差异，将当前子载波的所有搜索资源K×L在各搜索层之间进行动态分配的情况。

在步骤718，若n＝N_sd，第一OFDM符号周期结束，所有子载波的信道矩阵预处理结束，可以执行步骤720，得到当前子载波MIMO检测的各层动态K值，以生成基于OFDM符号所有子载波的全局动态K值表。然后，执行步骤724，进行LR域搜索、LR反映射及LLR软值生成。

应理解，本发明的K-best搜索展开方式，优选地是展开效率最高的按需展开(on-demand expansion)，其MIMO检测搜索复杂度和耗时，主要由各层搜索保留的最优候选路径的K值决定。但本领域技术人员应理解，本发明的实施并不局限于此。相反，本发明的全局动态K值表可以适用于不同的K-best搜索展开方式。

由步骤1100可知，由于各子载波信道状况不同，转换矩阵T ⁿ差异较大，造成不同子载波之间、以及同一子载波不同搜索层之间的搜索范围

波动巨大。

因此，采用固定的K值，会使一些信道状况较差/搜索范围较大的子载波的相应搜索层损失搜到最优点的概率，从而降低了后续LLR软值生成的可靠度，使得编解码增益大幅下降，接收性能出现误码底(例如，参见图16A和16B以及下文中相应的描述)。

根据本发明，在保证MIMO检测系统搜索展开总资源消耗固定前提下，将MIMO检测系统的搜索展开总资源在各个子载波之间，以及子载波各搜索层之间进行合理分配，意味着：一方面，固定了MIMO检测的速度，和系统的吞吐量，另一方面，保证了当前系统整体K值设定下的系统检测的最优性能。

上述固定搜索展开资源分配的前提，仅是实际应用中的考虑，本发明所提方法，不受该前提的限制。

信道状况差的子载波传输系统，经过LR域转换后，其LR域搜索范围相对原星座域扩大，相应分配更多的搜索展开资源，即相应的增大相关层的搜索K值；信道状况较好的子载波传输系统，经过LR域转换后，LR域搜索范围相对原星座域变化不大，可以相应减少其分配的搜索展开资源，即相应的减少相关层的搜索K值。

也即需要在OFDM所有子载波和所有搜索层，按照系统状况，全局动态地分配搜索资源。

具体地，LR域搜索展开资源的分配方法很多，包括但不限于下述方法：

a.根据不同信道状况：

对于最为普遍的频率选择性信道，采用基于OFDM符号的、在所有子载波和所有搜索层的全局搜索展开资源分配，也即生成基于OFDM符号的全局动态K值表，以辅助MIMO-OFDM的检测。

对于平坦衰落信道或近似平坦衰落信道，采用前述的较简单的基于子载波的动态K值分配。

或可以将搜索资源等分为m份，并将OFDM符号子载波分为m组，在同一组的各个子载波和层级之间，进行搜索展开资源的分配。

b.根据系统的检测性能和分配策略资源消耗的要求：

对于检测性能要求高，计算资源消耗不敏感的系统，可以采用高精度的分配策略。

若是检测性能要求有余量，并对计算资源消耗敏感的系统，可以采用简单的K值分级分配，如简单设置两个搜索范围阈值，将K值的动态变化分为三级，等策略。

c.根据搜索权重不同：

一般底层搜索的重要性较高，如果不分配足够的搜索资源，会造成后续误差扩散，使LLR值的偏差变大。因此，可以加大较低层的搜索资源分配权重，在同样搜索范围的时候，将搜索资源向较低层偏移，已达到最好的系统性能。

复杂度分析：本发明中的K值搜索展开资源的动态分配，仅在每个接收包MIMO检测最前端的预处理过程中进行一次；或对于时变信道，在每一个信道相干时间周期内，系统都需要进行一次信道估计，生成新的信道矩阵，因此每进行一次信道估计，就需要重新进行信道预处理和K值动态分配。

但是，信道预处理和K值动态分配，相对于整个MIMO-OFDM的检测运算来说，运算成本很低，可以忽略不计。跟付出的运算成本相比，应用K值动态分配，在不同的信道状况下，可以使系统的搜索路径更合理，软值生成更可靠，充分挖掘信道编解码增益，从而给系统的接收带来很大的性能提升。因此，然而，无论是对于时变信道还是非时变信道，以及无论是在第一情景还是第二情景中，本发明所公开的方法和系统都能够以较小的额外计算开销换取OFDM符号检测的较大优化，在有限的系统搜索资源约束下进一步提升检测性能。

若在步骤712判断当前OFDM符号不为当前接收数据包的第一OFDM符号，则信道矩阵预处理和基于OFDM符号的全局动态K值分配已完成，MIMO检测器可在步骤732直接读取存储的第n子载波的信道矩阵预处理结果和当前第n子载波的全局动态K值表中的K取值向量

用于在步骤724执行后续的MIMO检测。

对于实数系统，在执行步骤732之前执行步骤730，以对接收向量

进行实数分解。对于复数系统则可以省略步骤730。

在步骤724，执行LR域K-best搜索，LR反映射以及LLR软值生成。步骤724所执行的MIMO检测操作可以按照与图5中步骤526相同的方式进行。例如可以根据参照图8详述的示例方法进行。在此不再赘述。

步骤724所生成的LLR软值可经过合理的剪裁算法处理，送入后续的流反解析器模块，然后送入信道解码器解码。本领域技术人员应理解，可以通过本领域常规的方式对根据本发明的方法和系统生成的LLR软值进行处理和解码。

图15是根据本发明一个实施例的用于MIMO-OFDM无线通信系统的信号检测系统1500的示意框图。系统1500包括对多个MIMO-OFDM数据包进行检测的MIMO检测器模块1510。该MIMO检测器模块可进一步包括信道矩阵预处理子模块1514、存储子模块1516和K-best搜索子模块1518。

如图15所示，MIMO检测器模块1510配置成接收通过信道估计得出的每个子载波的信道矩阵，以及每个子载波的接收向量。应理解，信道矩阵预处理子模块1514以及K-best搜索子模块1518可配置成实施为执行第一情景中和/或第二情景中根据本发明的MIMO检测方法。

在第一情景中的一个实施例中，MIMO检测器模块1512可配置成接收通过信道估计得出的每个子载波的信道矩阵以及每个子载波的接收向量以作为输入。

信道矩阵预处理子模块1514可配置成对每个子载波的信道矩阵执行信道矩阵预处理，以生成全局动态K值表，其中信道矩阵预处理包括对当前子载波的信道矩阵进行分解和格基规约以生成当前子载波的多个LR域矩阵，其中全局动态K值表包括与每个子载波的每一搜索层对应的全局动态K值。

存储子模块1516可配置成存储全局动态K值表以及用于每个子载波的搜索参数。

K-best搜索子模块1518可配置成对MIMO-OFDM数据包中的每个OFDM符号进行MIMO检测，其中MIMO检测包括对当前OFDM符号的每个子载波执行下述步骤：读取当前子载波的多个LR域矩阵以及接收向量；将当前子载波的接收向量转换至LR搜索域；以及对当前子载波进行K-best搜索，以得出当前子载波的LR域候选发送向量。在该K-best搜索中，对当前子载波的每一搜索层应用的K值为全局动态K值表中与该搜索层对应的动态K值。K-best搜索子模块1518还可配置成输出当前子载波的LR域候选发送向量。

在第二情景中的一个实施例中，MIMO检测器模块1512可配置成对MIMO-OFDM数据包中的第一OFDM符号进行MIMO检测处理，并且信道矩阵预处理子模块1514可配置成对该第一OFDM符号的每个子载波的信道矩阵执行信道矩阵预处理，以生成全局动态K值表，其中信道矩阵预处理包括对当前子载波的信道矩阵进行分解和格基规约以生成当前子载波的多个LR域矩阵，其中全局动态K值表包括与每个子载波的每一搜索层对应的全局动态K值，且其中对第一OFDM符号进行MIMO检测处理包括对第一OFDM符号的每个子载波执行下述步骤：根据预设的固定K值或对当前子载波计算的可变K值，对当前子载波进行K-best搜索，以及生成当前子载波的LR域候选发送向量。

存储子模块1516配置成存储全局动态K值表以及用于每个子载波的搜索参数。

K-best搜索子模块可配置成对MIMO-OFDM数据包中的每个后续OFDM符号进行MIMO检测，其中所述MIMO检测包括对当前OFDM符号的每个子载波执行下述步骤：读取当前子载波的多个LR域矩阵以及接收向量；将当前子载波的接收向量转换至LR搜索域；以及对当前子载波进行K-best搜索，以得出当前子载波的LR域候选发送向量。在该K-best搜索中，对当前子载波的每一搜索层应用的K值为所述全局动态K值表中与该搜索层对应的全局动态K值。

MIMO检测器模块1510可选地包括实数分解子模块1512。该实数分解子模块1512可配置成在所述信道矩阵预处理之前对每个子载波的信道矩阵进行实数分解；并且所述K-best搜索子模块还可配置成在对当前子载波进行K-best搜索之前对接收向量进行实数分解。

可选地，系统1500还包括LLR软值生成模块1516，该LLR软值生成模块从MIMO检测器模块接收当前子载波的所有LR域候选发送向量，并根据上文描述的软值生成方法生成对应的LLR软值。

本发明所提供的技术改进包括但不限于：信道矩阵的预处理，全局动态K值表生成和K-best MIMO检测器的按需展开、分散排序、丢弃路径重用以及比特距离表的使用上。

信道矩阵的预处理和全局动态K值表的生成，一般在每个接收包的MIMO检测开始时仅需进行一遍，对整个系统的检测开销影响很小。

同时，采用格基规约域的MIMO检测，使MIMO发送向量的判决边界接近最优；LR域的搜索过程充分利用搜索方向的近正交化，使搜索效率提高；对于大星座调制的应用，如256QAM，1024QAM等，增益尤其显著。

另外，在信道矩阵预处理阶段，根据信道状况，确定各子载波的各层的搜索展开的不同范围，而不是一般的LR域连续搜索，提高了搜索效率，也为后续的K-best检测中应用快速枚举展开提供了条件。

而且，本发明利用预处理所得搜索展开范围信息，合理分配系统的总搜索展开资源，使同样复杂度的搜索过程最优化，从而最优化LLR软值的生成，进一步最大化信道编码的编码增益。

图16A和图16B示出根据本发明的MIMO检测方法与现有技术中的MIMO检测方法的性能对比曲线。具体地，图16A的横轴为接收端的信噪比SNR值(dB)，纵轴为误包率(PER)。图16B的横轴为接收端的SNR值(dB)，纵轴为比特误码率(BER)。

从图16A和图16B可以看到，在64QAM时，预设的系统整体K值为12，256QAM时，预设的系统整体K值为16的前提下，本发明的格基规约辅助的、基于OFDM符号的全局动态K的MIMO检测所对应的比特误码曲线和错包率曲线都接近最大似然检测(ML)曲线的性能；在图16B中，在BER＝10e-5的SNR损失，在多种QAM星座和LDPC编解码率的情况下，都在1dB之内。

如图16A和图16B所示，根据现有技术的格基规约辅助的固定K值MIMO检测的BER和PER曲线，在大SNR时，仍然存在较大误码概率，也即出现了误码底(error floor)。误码底，是一种严重影响系统性能的现象，因此在系统设计中，需要竭力避免。

若不用本发明的思路，要解决这个问题，使性能接近本发明的方法，传统检测方法，只有大幅增大系统整体K值，比如64QAM时，将系统整体K值设为20-24，256QAM时，将系统整体K值设为36-40，从而使系统的检测复杂度大大提高。

需要指出的是，增大K值，全局动态K值分配的格基规约K-best检测与固定K值的格基规约K-best检测的性能，都趋近于最大似然检测曲线(ML)。

因此，本发明中的编码的MIMO-OFDM检测器，可以在小K值低复杂度的情况下，接近最大似然检测的性能，其检测复杂度随M-QAM和天线数目几乎为线性增长，有很强的实际应用价值。

下面对本发明中全局动态K值分配的几个实施例作进一步说明。

以2×2、16QAM、N_sd＝48的MIMO-OFDM的K-best实数检测系统为例进行说明。假设预设的系统整体K值为3，实数系统搜索层数为4，正常16QAM星座域，实数搜索每一层的候选展开数为4。本系统总搜索展开资源为K×L×N_sd＝3×4×48。

实施例1：

基于OFDM符号的全局动态K值分配。

当OFDM符号中加载数据的N_sd＝48个信道矩阵的预处理都结束之后，每一个子载波的每一个搜索层的搜索范围都可以确定

则总的搜索范围内的点数为：

若做精细的线性分配，则第n子载波的第l层，全局动态K值，可以如下计算：

实施例2：

简单分级(二级)分配。

找到所有

的中位数L_mid，并设置一个系统整体K值的偏移量K_δ<K-1。

若

则

若

则

实施例3：

将子载波分组，在分组内动态分配K值。

比如，将48个子载波分为四组，每一组中的搜索资源，进行分配。若每一个子载波为一组，就是前述的基于子载波的动态K值分配。

实施例4：

加权重分配。

K-best树搜索的过程是从下向上(L层至1层)，因此，搜索开始时候的结果如果出现错误，错误会向后续各层扩散累积。在全局动态分配K值的时候，可以加大起始层的分配权重，将搜索资源想起始层倾斜。

以上实施例以示例的方式给出了具体操作过程，但应理解，本发明的保护范围不限于此。

虽然出于本公开的目的已经描述了本发明各方面的各种实施例，但是不应理解为将本公开的教导限制于这些实施例。在一个具体实施例中公开的特征并不限于该实施例，而是可以和不同实施例中公开的特征进行组合。例如，在第一情景中描述的根据本发明的MIMO检测方法和系统的一个或多个特征和/或操作，亦可单独地、组合地或整体地应用于在第二情景中描述的根据本发明的MIMO检测方法和系统，反之亦然。此外，应理解，上文所述方法步骤可以顺序执行、并行执行、合并为更少步骤、拆分为更多步骤，以不同于所述方式组合和/或省略。上文所述模块和/或单元亦可组合为更大模块、拆分为更多模块、以不同于所述方式组合，和/或省略。本领域技术人员应理解，还存在可能的更多可选实施方式和变型，可以对上述部件和构造进行各种改变和修改，而不脱离由本发明权利要求所限定的范围。

Claims (30)

1.一种用于MIMO-OFDM无线通信系统的信号检测方法，包括对多个MIMO-OFDM数据包进行处理，其特征在于，包括：

对于该多个MIMO-OFDM数据包中的每个MIMO-OFDM数据包，执行下述步骤：

通过信道估计得出每个子载波的信道矩阵；

接收每个子载波的接收向量；

对MIMO-OFDM数据包中的第一OFDM符号进行MIMO检测处理，并且对该第一OFDM符号的每个子载波的信道矩阵执行信道矩阵预处理，以生成全局动态K值表，其中所述信道矩阵预处理包括对当前子载波的信道矩阵进行分解和格基规约以生成当前子载波的多个LR域矩阵，其中所述全局动态K值表包括与每个子载波的每一搜索层对应的全局动态K值，且其中对第一OFDM符号进行MIMO检测处理包括对第一OFDM符号的每个子载波执行下述步骤：根据预设的固定K值或对当前子载波计算的可变K值，对当前子载波进行K-best搜索，以及生成当前子载波的LR域候选发送向量；

对所述MIMO-OFDM数据包中的每个后续OFDM符号进行MIMO检测，其中所述MIMO检测包括：

对当前OFDM符号的每个子载波执行下述步骤：

读取当前子载波的多个LR域矩阵以及接收向量；

将当前子载波的接收向量转换至LR搜索域；以及

对当前子载波进行K-best搜索，以得出当前子载波的LR域候选发送向量，其中在所述K-best搜索中，对当前子载波的每一搜索层应用的K值为所述全局动态K值表中与该搜索层对应的全局动态K值。

2.根据权利要求1所述的信号检测方法，其特征在于，所述对每个子载波的信道矩阵执行信道矩阵预处理的步骤还包括生成用于每个子载波的搜索参数，其中所述搜索参数包括与每个子载波的每一搜索层对应的LR域搜索上界和下界；及

所述对当前子载波进行K-best搜索的步骤还包括在所述K-best搜索中，对当前子载波的每一搜索层应用所述搜索参数中与该搜索层对应的LR域搜索上界和下界。

3.根据权利要求1所述的信号检测方法，其特征在于，若所述MIMO-OFDM无线通信系统为实数系统，则在所述信道矩阵预处理之前对每个子载波的信道矩阵进行实数分解，并且在对当前子载波进行K-best搜索之前对接收向量进行实数分解。

4.根据权利要求1所述的信号检测方法，其特征在于，所述对当前子载波的信道矩阵进行分解和格基规约包括：对当前子载波的信道矩阵进行MMSE扩展、排序的QR分解，以得到酉矩阵、上三角矩阵和交换矩阵，以及

对所述酉矩阵、所述上三角矩阵和所述交换矩阵进行LLL格基规约以生成所述多个LR域矩阵，其中所述多个LR域矩阵包括格基酉矩阵、格基上三角矩阵和格基转换矩阵。

5.根据权利要求4所述的信号检测方法，其特征在于，将当前子载波的接收向量转换至LR搜索域包括对接收向量进行偏移缩放并将偏移缩放后的接收向量与所述格基酉矩阵的共轭转秩相乘，以得到在LR域中的接收向量。

6.根据权利要求4所述的信号检测方法，其特征在于，所述LR域搜索上界和下界按下述方式得出：

对于第n子载波的第l搜索层的LR域搜索上界：

对于第n子载波的第l搜索层的LR域搜索下界：

其中Ω为第l搜索层的星座元素的定义域；矩阵(T ⁿ)^-1为LLL格基规约后得到的格基转换矩阵的逆矩阵；(T ⁿ)^-1[l]为矩阵(T ⁿ)^-1的第l行；((T ⁿ)^-1[l])₊为矩阵(T ⁿ)^-1的第l行中为正的元素；((T ⁿ)^-1[l])-为矩阵(T ⁿ)^-1的第l行中为负的元素。

7.根据权利要求1所述的信号检测方法，其特征在于，所述与每个子载波的每一搜索层对应的全局动态K值是按照下述步骤中的一个步骤或多个步骤的组合来确定的：

(1)对于信道状况较差的子载波，与该子载波的搜索层对应的全局动态K值增大；

(2)向每个子载波的每一搜索层对应的全局动态K值分配权重，其中对于距离起始搜索层较近的搜索层，向与该搜索层对应的全局动态K值分配较大的权重；以及

(3)将子载波分组，针对分组中的子载波确定每个子载波的每一搜索层对应的全局动态K值。

8.根据权利要求6所述的信号检测方法，其特征在于，所述与每个子载波的每一搜索层对应的全局动态K值是按照下述步骤中的一个步骤或多个步骤的组合来确定的：

(1)对于信道状况较差的子载波，与该子载波的搜索层对应的全局动态K值增大；

(2)向每个子载波的每一搜索层对应的全局动态K值分配权重，其中对于距离起始搜索层较近的搜索层，向与该搜索层对应的全局动态K值分配较大的权重；

(3)将子载波分组，针对分组中的子载波确定每个子载波的每一搜索层对应的全局动态K值；

(4)与每个子载波的每一搜索层对应的全局动态K值为与每一搜索层的搜索范围大小正相关的正整数；以及

(5)将每个子载波的所有搜索层的搜索范围大小分段，为搜索范围大小的每个分段分配对应的全局动态K值，以使得搜索范围较大的分段对应于较大的全局动态K值；

其中所述每一搜索层的搜索范围根据下述公式确定：

9.根据权利要求1所述的信号检测方法，其特征在于，对当前子载波进行K-best搜索的步骤包括：

对于当前子载波的K-best搜索树中的顶层，从起始点进行由近及远的快速枚举展开以得出起始搜索层的所有候选输出部分向量，其中起始搜索层的所有候选输出部分向量的个数为与起始搜索层对应的全局动态K值，并计算起始搜索层的候选输出部分向量与部分接收向量之间的部分欧氏距离；

对于所述K-best搜索树中除所述顶层之外的每一搜索层，执行下述展开步骤：

根据上一层的每个候选输出部分向量在当前搜索层中确定一个起始点，从每个起始点进行独立的展开；

(a)在每个独立的展开中，从该起始点展开第一子节点；

(b)在与展开的子节点对应的部分候选向量集合中，选择部分欧氏距离最小的部分候选向量作为当前搜索层的候选输出部分向量；

(c)从所述部分候选向量集合中取出与所述部分欧氏距离最小的部分候选向量；

(d)从与所述部分欧氏距离最小的部分候选向量对应的子节点展开得出当前搜索层的下一子节点，并将与所述下一子节点对应的部分候选向量补充到所述部分候选向量集合中；

(e)重复执行步骤(b)至(d)，直至得出当前搜索层的所有候选输出部分向量，其中当前搜索层的所有候选输出部分向量的个数为与当前搜索层对应的全局动态K值；以及

当完成对所述K-best搜索树中的底层的搜索时，得出当前子载波的所有LR域候选发送向量，对当前子载波的K-best搜索结束。

10.根据权利要求9所述的信号检测方法，其特征在于，对于当前子载波的当前搜索层中丢弃的次优的LR域候选发送向量，向下逐层展开至第1搜索层，但仅扩展第一子节点，以得到次优的LR域候选发送向量，并将所述次优的LR域候选发送向量增加到当前子载波的所有LR域候选发送向量中。

11.根据权利要求1所述的信号检测方法，其特征在于，对于当前子载波，创建当前子载波的比特距离表，其中在所述比特距离表中，对于每个发射天线的QAM符号的每个比特，包含当前比特为0的所有LR域候选发送向量中的最小部分欧氏距离以及当前比特为1的所有LR域候选发送向量中的最小部分欧氏距离。

12.根据权利要求11所述的信号检测方法，其特征在于，还包括：

将当前子载波的所有LR域候选发送向量转换成原星座域的候选发送向量；

判断原星座域的候选发送向量中的所有元素是否均为合法星座点，若是，则保留该原星座域的候选发送向量及其部分欧氏距离，若否，则将该该原星座域的候选发送向量丢弃；以及

将所保留的原星座域的合法候选发送向量的所有星座点，进行M-QAM星座点反映射，得到反映射的比特序列。

13.根据权利要求12所述的信号检测方法，其特征在于，将反映射的比特序列中的逐个比特与比特距离表中的对应的位置进行比较，若当前比特为0且其部分欧氏距离小于比特距离表中对应的最小部分欧氏距离，则用当前比特的部分欧氏距离更新比特距离表中对应的最小部分欧氏距离，若当前比特为1且其部分欧氏距离小于比特距离表中对应的最小部分欧氏距离，则用当前比特的部分欧氏距离更新比特距离表中对应的最小部分欧氏距离。

14.根据权利要求13所述的信号检测方法，其特征在于，使用所述比特距离表计算对应比特的LLR软值：

LLR(b_i,t)＝PED_min,0-PED_min,1

其中b_i,t为第i发射天线QAM符号的第t比特；

PED_min,0为该比特b_i,t为0的所有候选发送向量中的最小部分欧氏距离值；以及

PED_min,1为该比特b_i,t为1的所有候选发送向量中的最小部分欧氏距离值。

15.根据权利要求4所述的信号检测方法，其特征在于，对于复数系统，所述LLL格基规约为复数域的LLL格基规约。

16.一种用于MIMO-OFDM无线通信系统的信号检测系统，包括对多个MIMO-OFDM数据包进行检测的MIMO检测器模块，其特征在于，所述MIMO检测器模块包括信道矩阵预处理子模块、存储子模块和K-best搜索子模块；

所述MIMO检测器模块配置成接收通过信道估计得出的每个子载波的信道矩阵以及每个子载波的接收向量以作为输入；

所述MIMO检测器模块配置成对MIMO-OFDM数据包中的第一OFDM符号进行MIMO检测处理，并且信道矩阵预处理子模块配置成对该第一OFDM符号的每个子载波的信道矩阵执行信道矩阵预处理，以生成全局动态K值表，其中所述信道矩阵预处理包括对当前子载波的信道矩阵进行分解和格基规约以生成当前子载波的多个LR域矩阵，其中所述全局动态K值表包括与每个子载波的每一搜索层对应的全局动态K值，且其中对第一OFDM符号进行MIMO检测处理包括对第一OFDM符号的每个子载波执行下述步骤：根据预设的固定K值或对当前子载波计算的可变K值，对当前子载波进行K-best搜索，以及生成当前子载波的LR域候选发送向量；

所述存储子模块配置成存储全局动态K值表以及用于每个子载波的搜索参数；

所述K-best搜索子模块配置成对所述MIMO-OFDM数据包中的每个后续OFDM符号进行MIMO检测，其中所述MIMO检测包括：

对当前OFDM符号的每个子载波执行下述步骤：

读取当前子载波的多个LR域矩阵以及接收向量；

将当前子载波的接收向量转换至LR搜索域；以及

对当前子载波进行K-best搜索，以得出当前子载波的LR域候选发送向量，其中在所述K-best搜索中，对当前子载波的每一搜索层应用的K值为所述全局动态K值表中与该搜索层对应的全局动态K值。

17.根据权利要求16所述的信号检测系统，其特征在于，所述对每个子载波的信道矩阵执行信道矩阵预处理的步骤还包括生成用于每个子载波的搜索参数，其中所述搜索参数包括与每个子载波的每一搜索层对应的LR域搜索上界和下界；及

所述对当前子载波进行K-best搜索的步骤还包括在所述K-best搜索中，对当前子载波的每一搜索层应用所述搜索参数中与该搜索层对应的LR域搜索上界和下界。

18.根据权利要求16所述的信号检测系统，其特征在于，若所述MIMO-OFDM无线通信系统为实数系统，则所述信号检测系统还包括实数分解子模块，该实数分解子模块配置成在所述信道矩阵预处理之前对每个子载波的信道矩阵进行实数分解；并且

所述K-best搜索子模块还配置成在对当前子载波进行K-best搜索之前对接收向量进行实数分解。

19.根据权利要求16所述的信号检测系统，其特征在于，所述信道矩阵预处理子模块中还包括MMSE扩展单元、排序QR分解单元以及LLL格基规约单元，分别配置成对当前子载波的信道矩阵进行MMSE扩展、排序的QR分解，以及LLL格基规约，以生成多个LR域矩阵；

其中所述排序的QR分解产生酉矩阵、上三角矩阵和交换矩阵，所述LLL格基规约包括对所述酉矩阵、所述上三角矩阵和所述交换矩阵进行LLL格基规约以生成所述多个LR域矩阵，其中所述多个LR域矩阵包括格基酉矩阵、格基上三角矩阵和格基转换矩阵。

20.根据权利要求19所述的信号检测系统，其特征在于，所述K-best搜索子模块还包括偏移缩放单元，该偏移缩放单元配置成在对当前子载波进行K-best搜索之前，对接收向量进行偏移缩放并将偏移缩放后的接收向量与所述格基酉矩阵的共轭转秩相乘，以得到在LR域中的接收向量。

21.根据权利要求19所述的信号检测系统，其特征在于，所述信道矩阵预处理子模块还包括LR域搜索上界和下界确定单元，该单元配置成按下述方式得出LR域搜索界：

对于第n子载波的第l搜索层的LR域搜索上界：

对于第n子载波的第l搜索层的LR域搜索下界：

其中Ω为第l搜索层的星座元素的定义域；矩阵(T ⁿ)^-1为LLL格基规约后得到的格基转换矩阵的逆矩阵；(T ⁿ)^-1[l]为矩阵(T ⁿ)^-1的第l行；((T ⁿ)^-1[l])₊为矩阵(T ⁿ)^-1的第l行中为正的元素；((T ⁿ)^-1[l])_-为矩阵(T ⁿ)^-1的第l行中为负的元素。

22.根据权利要求16所述的信号检测系统，其特征在于，所述K-best搜索子模块配置成按照下述步骤中的一个步骤或多个步骤的组合来确定所述与每个子载波的每一搜索层对应的全局动态K值：

(1)对于信道状况较差的子载波，与该子载波的搜索层对应的全局动态K值增大；

(2)向每个子载波的每一搜索层对应的全局动态K值分配权重，其中对于距离起始搜索层较近的搜索层，向与该搜索层对应的全局动态K值分配较大的权重；以及

(3)将子载波分组，针对分组中的子载波确定每个子载波的每一搜索层对应的全局动态K值。

23.根据权利要求21所述的信号检测系统，其特征在于，所述K-best搜索子模块配置成按照下述步骤中的一个步骤或多个步骤的组合来确定所述与每个子载波的每一搜索层对应的全局动态K值：

(1)对于信道状况较差的子载波，与该子载波的搜索层对应的全局动态K值增大；

(2)向每个子载波的每一搜索层对应的全局动态K值分配权重，其中对于距离起始搜索层较近的搜索层，向与该搜索层对应的全局动态K值分配较大的权重；

(3)将子载波分组，针对分组中的子载波确定每个子载波的每一搜索层对应的全局动态K值；

(4)与每个子载波的每一搜索层对应的全局动态K值为与每一搜索层的搜索范围大小正相关的正整数；以及

(5)将每个子载波的所有搜索层的搜索范围大小分段，为搜索范围大小的每个分段分配对应的全局动态K值，以使得搜索范围较大的分段对应于较大的全局动态K值；

其中所述每一搜索层的搜索范围根据下述公式确定：

24.根据权利要求16所述的信号检测系统，其特征在于，所述K-best搜索子模块对当前子载波进行K-best搜索包括：

对于当前子载波的K-best搜索树中的顶层，从起始点进行由近及远的快速枚举展开以得出起始搜索层的所有候选输出部分向量，其中起始搜索层的所有候选输出部分向量的个数为与起始搜索层对应的全局动态K值，并计算起始搜索层的候选输出部分向量与部分接收向量之间的部分欧氏距离；

对于所述K-best搜索树中除所述顶层之外的每一搜索层，执行下述展开步骤：

根据上一层的每个候选输出部分向量在当前搜索层中确定一个起始点，从每个起始点进行独立的展开；

(a)在每个独立的展开中，从该起始点展开第一子节点；

(b)在与展开的子节点对应的部分候选向量集合中，选择部分欧氏距离最小的部分候选向量作为当前搜索层的候选输出部分向量；

(c)从所述部分候选向量集合中取出与所述部分欧氏距离最小的部分候选向量；

(d)从与所述部分欧氏距离最小的部分候选向量对应的子节点展开得出当前搜索层的下一子节点，并将与所述下一子节点对应的部分候选向量补充到所述部分候选向量集合中；

(e)重复执行步骤(b)至(d)，直至得出当前搜索层的所有候选输出部分向量，其中当前搜索层的所有候选输出部分向量的个数为与当前搜索层对应的全局动态K值；以及

当完成对所述K-best搜索树中的底层的搜索时，得出当前子载波的所有LR域候选发送向量，对当前子载波的K-best搜索结束。

25.根据权利要求24所述的信号检测系统，其特征在于，所述K-best搜索子模块还包括丢弃路径重用单元，该丢弃路径重用单元配置成对于当前子载波的当前搜索层中丢弃的次优的LR域候选发送向量，向下逐层展开至第1搜索层，但仅扩展第一子节点，以得到次优的LR域候选发送向量，并将所述次优的LR域候选发送向量增加到当前子载波的所有LR域候选发送向量中。

26.根据权利要求16所述的信号检测系统，其特征在于，还包括对于当前子载波创建的比特距离表，其中在所述比特距离表中，对于每个发射天线的QAM符号的每个比特，包含当前比特为0的所有LR域候选发送向量中的最小部分欧氏距离以及当前比特为1的所有LR域候选发送向量中的最小部分欧氏距离。

27.根据权利要求26所述的信号检测系统，其特征在于，还包括LLR软值生成模块，该LLR软值生成模块配置成从MIMO检测器模块接收当前子载波的所有LR域候选发送向量，并将所述LR域候选发送向量转换成原星座域的候选发送向量；

判断原星座域的候选发送向量中的所有元素是否均为合法星座点，若是，则保留该原星座域的候选发送向量及其部分欧氏距离，若否，则将该该原星座域的候选发送向量丢弃；以及

将所保留的原星座域的合法候选发送向量的所有星座点，进行M-QAM星座点反映射，得到反映射的比特序列。

28.根据权利要求27所述的信号检测系统，其特征在于，该LLR软值生成模块还配置成将反映射的比特序列中的逐个比特与比特距离表中的对应的位置进行比较，若当前比特为0且其部分欧氏距离小于比特距离表中对应的最小部分欧氏距离，则用当前比特的部分欧氏距离更新比特距离表中对应的最小部分欧氏距离，若当前比特为1且其部分欧氏距离小于比特距离表中对应的最小部分欧氏距离，则用当前比特的部分欧氏距离更新比特距离表中对应的最小部分欧氏距离。

29.根据权利要求28所述的信号检测系统，其特征在于，所述LLR软值生成模块配置成使用所述比特距离表计算对应比特的LLR软值：

LLR(b_i,t)＝PED_min,0-PED_min,1

其中b_i,t为第i发射天线QAM符号的第t比特；

PED_min,0为该比特b_i,t为0的所有候选发送向量中的最小部分欧氏距离值；以及

PED_min,1为该比特b_i,t为1的所有候选发送向量中的最小部分欧氏距离值；并且

所述LLR软值生成模块还配置成输出计算出的LLR软值。

30.根据权利要求19所述的信号检测系统，其特征在于，对于复数系统，所述LLL格基规约为复数域的LLL格基规约。

Images