CN115668854A - 基于递归树搜索的多进多出检测装置及方法 - Google Patents
基于递归树搜索的多进多出检测装置及方法 Download PDFInfo
- Publication number
- CN115668854A CN115668854A CN202180035386.8A CN202180035386A CN115668854A CN 115668854 A CN115668854 A CN 115668854A CN 202180035386 A CN202180035386 A CN 202180035386A CN 115668854 A CN115668854 A CN 115668854A
- Authority
- CN
- China
- Prior art keywords
- tree search
- iteration
- layer
- channel
- anchor point
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims description 79
- 238000001514 detection method Methods 0.000 title description 20
- 230000005540 biological transmission Effects 0.000 claims abstract description 81
- 239000011159 matrix material Substances 0.000 claims description 72
- 238000000354 decomposition reaction Methods 0.000 claims description 50
- 230000002087 whitening effect Effects 0.000 claims description 42
- 230000015654 memory Effects 0.000 claims description 37
- 238000004891 communication Methods 0.000 claims description 18
- 239000010410 layer Substances 0.000 description 287
- 239000013598 vector Substances 0.000 description 26
- 230000006870 function Effects 0.000 description 20
- 238000007476 Maximum Likelihood Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 8
- 230000009466 transformation Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 238000010845 search algorithm Methods 0.000 description 5
- 230000001174 ascending effect Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000007796 conventional method Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000000875 corresponding effect Effects 0.000 description 3
- 241000700159 Rattus Species 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000010267 cellular communication Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 239000000872 buffer Substances 0.000 description 1
- 239000006227 byproduct Substances 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- -1 e.g. Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000010363 phase shift Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000002356 single layer Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
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
-
- 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
- H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
- H04B7/0697—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using spatial multiplexing
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/03—Shaping networks in transmitter or receiver, e.g. adaptive shaping networks
- H04L25/03993—Noise whitening
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Power Engineering (AREA)
- Radio Transmission System (AREA)
- Mobile Radio Communication Systems (AREA)
- Error Detection And Correction (AREA)
Abstract
根据本公开的一个方面，基带芯片可以被配置为接收与信道相关联的数据流。基带芯片可以被配置为从第一传输层的第一星座点中选择第一锚点。基带芯片可以被配置为从第一星座点和第二星座点中选择第一星座点子集。基带芯片可以被配置为执行递归树搜索的第一次迭代。基带芯片可以被配置为至少部分地基于递归树搜索操作的第一次迭代确定第一路径度量。基带芯片可以被配置为从第二传输层的第二星座点中选择第二锚点。第二锚点可以与递归树搜索的第二次迭代相关联。
Description
相关申请的交叉引用
本申请要求2020年5月14日提交的题为“METHOD OF RECURSIVE TREE SEARCHBASED MIMO DETECTION(基于递归树搜索的MIMO检测方法)”的美国临时专利申请US63/024,845的优先权，该申请的全部内容通过援引并入本文。
技术领域
本公开的实施例涉及用于无线通信的装置和方法。
背景技术
无线通信系统被广泛部署以提供各种电信服务，例如电话、视频、数据、消息传递和广播。在蜂窝通信中，例如第四代(4th-generation，4G)长期演进(Long TermEvolution，LTE)和第五代(5th-generation，5G)新无线(NR)，第三代合作伙伴计划(3rdGeneration Partnership Project，3GPP)定义了各种信号检测机制，例如多进多出(multiple-input multiple-output，MIMO)检测。
发明内容
本文公开了用于基于递归树搜索的MIMO检测的装置和方法的实施例。
根据本公开的另一方面，包括存储器和耦合到所述存储器的至少一个处理器的基带芯片被配置为执行各种操作。在一些实施例中，所述至少一个处理器被配置为接收与信道相关联的数据流。在特定方面，所述信道包括多个传输层。在其他特定方面，所述多个传输层可以包括与第一星座点相关联的第一传输层和与第二星座点相关联的第二传输层。在一些其他实施例中，所述至少一个处理器可以被配置为从所述第一传输层的所述第一星座点中选择第一锚点。在一些其他实施例中，所述至少一个处理器可以被配置为至少部分地基于所述第一锚点，从所述第一星座点和所述第二星座点中选择星座点的第一子集。在一些其他实施例中，所述至少一个处理器可以被配置为至少部分地基于所述第一锚点和所述星座点的第一子集执行递归树搜索操作的第一次迭代。在一些其他实施例中，所述至少一个处理器可以被配置为至少部分地基于所述递归树搜索操作的所述第一次迭代确定第一路径度量/路径。在一些其他实施例中，所述至少一个处理器可以被配置为至少部分地基于所述第一路径度量/路径从所述第二传输层的所述第二星座点中选择第二锚点。在特定方面，所述第二锚点可以与所述递归树搜索操作的第二次迭代相关联。
根据本公开的一个方面，包括存储器和耦合到所述存储器的至少一个处理器的基带芯片被配置为执行各种操作。在一些实施例中，所述至少一个处理器被配置为接收与信道相关联的数据流。在特定方面，所述信道可以包括多个传输层。在其他特定方面，所述多个传输层可以包括与资源块(resource block，RB)相关联的第一传输层和第二传输层。在特定方面，所述RB可以包括至少一个参考资源单元(resource element，RE)和多个数据RE。在一些其他实施例中，所述至少一个处理器可以被配置为至少部分地基于所述参考RE执行所述信道的初始噪声估计。在一些其他实施例中，所述至少一个处理器被配置为至少部分地基于所述初始噪声估计对所述信道执行第一噪声白化操作。在一些其他实施例中，所述至少一个处理器被配置为，为所述第一RB对所述多个第一数据RE中的每一个执行递归树搜索操作的第一次迭代，以确定与所述第一和第二传输层相关联的第一符号估计。在一些其他实施例中，所述至少一个处理器被配置为至少部分地基于所述参考RE、所述多个数据RE以及与所述第一次迭代相关联的所述第一符号估计执行所述信道的后续噪声估计。
根据本公开的又一方面，公开了一种方法，所述方法可以包括接收与信道相关联的数据流。在特定方面，所述信道可以包括多个传输层。在其他特定方面，所述多个传输层可以包括与第一星座点相关联的第一传输层和与第二星座点相关联的第二传输层。在一些其他实施例中，所述方法可以包括从所述第一传输层的所述第一星座点中选择第一锚点。在一些其他实施例中，所述方法包括至少部分地基于所述第一锚点，从所述第一星座点中选择星座点的第一子集。在一些其他实施例中，所述方法可以包括至少部分地基于所述第一锚点和所述星座点的第一子集执行递归树搜索操作的第一次迭代。在一些其他实施例中，该方法可以包括基于来自递归树搜索操作第一次迭代的路径度量确定第一最佳路径。在一些其他实施例中，该方法可以包括至少部分地基于所述第一最佳路径从所述第二传输层的所述第二星座点中选择第二锚点。所述第二锚点与所述递归树搜索操作的第二次迭代相关联。
根据本公开的又一方面，公开了一种方法，所述方法可以包括接收与信道相关联的数据流。在特定方面，所述信道可以包括多个传输层。在其他特定方面，所述多个传输层包括与RB相关联的第一传输层和第二传输层。在其他特定方面，所述RB包括至少一个参考RE和多个数据RE。在一些实施例中，所述方法还可以包括至少部分地基于所述参考RE执行所述信道的初始噪声估计。在一些实施例中，所述方法还可以包括至少部分地基于所述初始噪声估计对所述信道执行第一噪声白化操作。在一些实施例中，所述方法还可以包括，为所述RB，对所述多个数据RE中的每一个执行递归树搜索操作的第一次迭代，以确定针对所述第一和第二传输层的第一符号估计。在一些实施例中，所述方法还可以包括至少部分地基于所述参考RE、与所述第一次迭代相关联的所述多个估计的数据RE执行所述信道的后续噪声估计。
附图说明
并入本文并形成说明书的一部分的附图示出了本公开的实施例，并且与说明书一起进一步用于解释本公开的原理，并使相关领域技术人员能够做出和使用本公开。
图1示出了根据本公开的一些实施例的示例性无线网络。
图2示出了根据本公开的一些实施例的包括基带芯片、射频(RF)芯片和主机芯片的装置的框图。
图3示出了根据本公开的一些实施例的第一示例性基带芯片的框图。
图4示出了根据本公开的一些实施例的第二示例性基带芯片的框图。
图5示出了根据本公开的一些实施例的用于基于递归树搜索的MIMO检测数据处理的第一示例性方法的流程图。
图6示出了根据本公开的一些实施例的用于基于递归树搜索的MIMO检测数据处理的第二示例性方法的流程图。
图7示出了根据本公开的一些实施例的示例性节点的框图。
图8示出了可以在传统的固定复杂度树搜索中使用的点阵结构。
图9示出了传统基带芯片的框图。
下面将参照附图说明本公开的实施例。
具体实施方式
尽管讨论了特定的配置和布置，但应该理解，上述讨论只是为了说明的目的。相关领域的技术人员将认识到，在不背离本公开的精神和范围的情况下，可以使用其他配置和布置。对于相关领域的技术人员显而易见的是，本公开还可以用于各种其他应用中。
需要注意的是，在说明书中提到的“一个实施例”、“实施例”、“示例实施例”、“一些实施例”、“特定实施例”等等，表示所描述的实施例可以包括特定的特征、结构或特性，但是每个实施例不一定包括该特定的特征、结构或特性。此外，这些短语不一定指相同的实施例。进一步地，当特定的特征、结构或特性被描述为与一实施例相关时，无论是否明确描述，相关领域的技术人员可以结合其他实施例实现这样的特征、结构或特性。
一般来说，术语可以至少部分地从上下文中的使用来理解。例如，本文使用的术语“一个或多个”，至少部分取决于上下文，可用于描述单数意义上的任何特征、结构或特性，或可用于描述复数意义上的特征、结构或特性的组合。类似的，至少部分取决于上下文，术语“一”、“一个”或“该”也可以理解为表达单数用法或表达复数用法。此外，至少部分取决于上下文，术语“基于”也可被理解为不一定是为了表达一组排他性的因素，而是允许存在不一定明确描述的额外因素。
现在将参照各种装置和方法来描述无线通信系统的各个方面。这些装置和方法将在下面的详细说明中进行描述，并在附图中以各种块、模块、单元、组件、电路、步骤、操作、过程、算法等(统称为“元素”)来说明。这些元素可以使用电子硬件、固件、计算机软件或它们的任何组合来实现。这些元素是作为硬件、固件还是软件实现取决于特定应用程序和施加在整个系统上的设计约束。
本公开描述的技术可以用于各种无线通信网络，例如码分多址(CDMA)系统、时分多址(TDMA)系统、频分多址(FDMA)系统、正交频分多址(OFDMA)系统、单载波频分多址(SC-FDMA)系统、无线局域网(WLAN)系统和其他网络。术语“网络”和“系统”经常互换使用。CDMA网络可以实现无线接入技术(RAT)，例如通用陆地无线接入(UTRA)、演进的UTRA(E-UTRA)和CDMA 2000等。TDMA网络可以实现例如全球移动通信系统(GSM)的RAT。OFDMA网络可以实现例如LTE或NR的RAT。WLAN系统可以实现例如Wi-Fi的RAT。本公开描述的技术和系统可用于上述提到的无线网络和RAT，以及其他无线网络和RAT。
多进多出(MIMO)技术构成了各种无线通信系统的基础，仅举几例，例如3G、LTE和NR。在MIMO系统中，发射器和接收器都配备有多个天线。多个数据流可以通过空间复用同时传送到接收器。每个数据流可以与传输层相关联。空间复用提供了高频谱效率，但以增加信号处理复杂性为代价，对于基带芯片的MIMO检测器尤为突出，其可用于从信道和噪声/干扰中恢复数据流。
对于具有N个传输层和M个接收天线的MIMO系统，数学系统模型可以使用公式(1)来描述：
y＝Hx+n (1)，
其中，
为接收信号向量，
是发射的正交调幅(quadrature amplitudemodulation，QAM)符号向量，其中，
是特定调制阶数m的可能QAM符号集(例如，对于正交相移键控(quadrature phase shift keying，QPSK)，m＝2；对于16QAM，m＝4；对于64QAM，m＝6；对于256QAM，m＝8；对于1024QAM，m＝10等)；
为复信道矩阵；
为高斯白噪声向量。
在对接收的信号和估计的信道执行噪声白化之后，n可以是具有方差单位的复加性高斯白噪声向量，并且可以被认为跨向量元素不相关，例如，噪声协方差矩阵Φn＝IM。基带芯片可以被配置为执行MIMO检测以在给定白化估计信道矩阵
和白化接收信号向量
的情况下估计x。
在各种类型的MIMO检测技术中，最大似然检测(maximum likelihood detection，MLD)提供了最佳的理论误差性能。使用上述系统模型，假设白噪声Φn＝IN，最大似然(ML)解等价于求解方程(2)的最小二乘问题：
其中，
是估计的发射QAM符号向量的ML。
在特定实现中，最小二乘问题可以通过QR分解技术来解决，例如，通过对
执行QR分解，其中
是正交矩阵并且
是一个上三角矩阵。可以假设，不失一般性，接收天线的数量大于或等于传输层的数量，例如，M≥N。在此假设下，上三角矩阵R的下M-N行全为零，因此只有上N×N方阵和三角矩阵的上行是有意义的。通过用QH处理接收到的向量y，例如，
其是
的充分统计量，系统模型可以转换为如下等式(3)所示：
其中
仍然是一个
的不相关高斯白噪声向量。因此，寻找ML解的问题可以等价于求解方程(4)：
作为示例而非限制，给定具有四个传输层和四个接收器天线的系统(例如，4x4系统)，等式(4)可以表示为：
对于硬输出检测方案，例如垂直-贝尔实验室分层空时码(Vertical-BellLaboratories Layered Space-Time，V-BLAST)，检测通过求解方程(5)从层3开始：
然后，可以通过抵消对层3的检测结果来检测层2，如下面的等式(6)所示：
对层2执行的连续干扰消除/反向置换过程可以为层1和层0迭代地执行。然而，这类技术会受到错误传播的影响。即，层k的检测误差会对层k-1，...，0的检测产生负面影响。因此，可以对传输层进行排序，使较强的层首先被检测到，以使误差传播问题最小化。
另一方面，基于ML检测的软输出检测方案本质上是在所有
的向量空间上搜索方程(4)的解。可以证明，等式(4)中的问题可以转换为等效的QAM符号树搜索问题，其中从根到叶的树路径表示至少部分基于上三角矩阵R的发射QAM符号向量。这种QAM符号向量的长度为N，并且可以包括来自那N个传输层的QAM符号。树搜索的一次迭代的搜索结果可以是代表一个或多个QAM符号的路径度量。
QAM符号向量的软输出(例如，对数似然比(log-likelihood ratio，LLR))可以基于树搜索中产生的最佳路径度量(例如，最大值对数域最大后验概念率(max-log-maximum-a-posteriori，max logMAP))，或路径度量的子集(例如，近似logMAP)。软输出系统性能的提高是以与树搜索关联的更高计算复杂度为代价实现的。随着调制阶数m和/或传输层数N的增加，树的大小以及因此ML检测算法的计算复杂度呈指数增加。因此，即使对于通过限制树搜索中的路径数量来降低计算复杂性的传统近MLD方案，对于高阶QAM(例如16QAM、64QAM、256QAM、1024QAM等)，用于执行此类计算的计算资源仍然过高。
存在不同类别的MIMO检测器。这些类别可以包括，仅举几例例如，线性MIMO检测器(例如，最小均方误差(minimum mean squared error，MMSE)MIMO检测器、最大比率组合(maximum ratio combining，MRC)MIMO检测器、迫零(zero forcing，ZF)MIMO检测器等)、基于球形解码的MIMO检测器(例如，基于广度优先的树搜索MIMO检测器、基于深度优先的树搜索MIMO检测器、基于最佳优先的树搜索MIMO检测器等)和干扰消除辅助MIMO检测器。在这些类别中，基于球形解码的MIMO检测器在接近最佳ML性能和降低计算复杂度之间的权衡中提供了设计灵活性。
在诸多实施方案中，用于解码空间复用信号的最佳解决方案是ML，其涉及多维的穷举树搜索，对于在高性能应用中的使用尤其有益。球形解码是一种用于计算ML估计的迭代方法。与ML算法一样，球形解码会找到最接近接收向量的格点，但搜索仅限于位于以接收向量为中心的球体内的星座点子集。将搜索限制在星座点的子集可以显着降低计算复杂度。因此，球形解码提供了具有ML性能的高计算效率的解码算法。然而，实现球形解码的问题之一在于，每次实现的迭代次数既没有定义也没有限制。因此，传统的球形解码可能不适用于某些硬件实现。
其中一种球形解码树搜索算法是传统的固定复杂度树搜索算法。固定复杂度树搜索算法限制了每层N中测试的候选星座点的总数，从而降低了MIMO检测器执行计算的复杂度。固定复杂度树搜索MIMO检测器提供了有益的性能-复杂度权衡。传统的固定复杂度树搜索算法的一个示例是所谓的N-1-1-1树搜索，下面结合图8和图9对其进行描述。
此外，在OFDMA系统中，用于信道和噪声估计的参考资源单元(RE)在时间和频率方向上都是有限的和分散的，以限制系统开销。另外，由于随机干扰的性质，干扰在时间和频率方向上通常都是不平衡的。因此，对频率和时间进行平均可能不是提高估计性能的可行解决方案。由于可用参考信号的数量有限，传统的噪声/干扰协方差估计技术远远不够准确。一种传统技术在噪声/干扰协方差估计中也利用了数据REs。然而，在进行噪声协方差估计时，数据符号是未知的，从而限制了噪声协方差估计的准确性。
图8示出了可以在传统的固定复杂度树搜索中使用的点阵800。例如，点阵800可用于N-1-1-1树搜索。如图8所示，点阵800包括锚点802、底层N-1 804a、第二层N-2 804b、第三层N-3 804c和第四层0 804d。网格800中的层804a、804b、804c、804d中的每一层包括一组八个星座点810。在图8所示的示例中，所选星座点806的子集包括中间的六个星座点806。底层N-1 804a的锚点是基于QAM切片来选择的。
如图8所示，树搜索从具有星座点806的预选子集的底层(例如，层N-1 804a)开始。从层N-1 804a开始，路径808通过沿着每条路径寻找最佳子节点来演进。子节点是在去除前几层的干扰后通过直接星座切片来确定的。在较小的调制阶数(例如，QPSK、16QAM等)的情况下，在底层N-1 804a中选择的N个子集的星座点806可以是完整的星座点集(未示出)，或者在调制阶数较大的情况下(例如，64QAM、256QAM、1024QAM等)是一个子集。
在N-1-1-1或其他降低复杂度的树搜索算法中探索的候选路径数量减少可能导致生成的LLR中的统计数据不足，从而有损MIMO检测器的性能，尤其是在相关信道和/或高调制阶数中。为了提高LLR质量，可以对传输层排序的每个排列并行执行多个QR+树搜索，从而对每个排列执行一次QR+树搜索。下文将结合图9描述其中的其他细节。
图9示出了可以并行执行多个QR+树搜索的传统MIMO检测器900的并行架构。图9所示的传统MIMO检测器900可以是4x4系统的一部分。因此，可以并行执行四个QR+树搜索。如图9所示，MIMO检测器900可以包括层排序组件902，其被配置为对不同的N个传输层进行排序，从而并行搜索在其中每个传输层被搜索的四个层排序组合。QR组件904a、904b、904c、904d中的每一个可以被配置为基于相应的层排序来执行复信道矩阵H的QR分解。QR组件904a、904b、904c、904d中的每一个输出的
和
(其为Q-1y)可以被输入到其各自的树搜索单元906a、906b、906c、906d，这些单元可以执行固定复杂度树搜索以确定基于该层排序的路径度量。所选择的四个路径度量中的每一个都可以输入到LLR组件908中，该组件被配置为估计接收到的数据流的(多个)QAM符号。然而，与具有较弱信号功率的传输层(例如，层0、层1等)的路径度量关联的统计误差可能会限制为QAM符号生成的LLR的准确性，因此，会限制带有这种MIMO检测器的基带芯片的性能。
因此，存在一种未满足的对于基带芯片的需求，即与上述传统技术相比，执行多QR+树搜索的复杂性降低，LLR的准确性提高。
本公开的基带芯片提供了一种通过顺序执行多个QR+树搜索的解决方案。即，下文描述的基带芯片可以被配置为执行递归QR+树搜索。与低功率传输层(例如层0、层1、层2等)关联的后期阶段的树搜索可以利用先前对高功率传输层(例如层3、层2、层1)的(多个)树搜索中产生的统计数据，从而提高LLR计算的准确性，例如，如下文结合图3的描述。
考虑到本公开的递归QR+树形搜索框架，连续的迭代可以通过使用估计的数据符号来利用先前的迭代，以帮助改善噪声/干扰估计，例如，如下文结合图4的描述。
图1示出了根据本公开的一些实施例的示例性无线网络100，其中可以实施本公开的特定方面。如图1所示，无线网络100可以包括节点网络，例如用户设备(UE)102、接入节点104和核心网元106。用户设备102可以是任何终端设备，例如手机、台式电脑、笔记本电脑、平板电脑、车载电脑、游戏机、打印机、定位设备、可穿戴电子设备、智能传感器、或任何其他能够接收、处理和传输信息的设备，例如车联网(V2X)网络中的任一成员、集群网络、智能电网节点或物联网(IoT)节点。可以理解，用户设备102被示为移动电话只是为了说明而不是用于限制。
接入节点104可以是与用户设备102通信的设备，例如无线接入点、基站(BS)、节点B(NodeB)、增强型基站(eNodeB或eNB)、下一代基站(gNodeB或gNB)、集群主节点等。接入节点104可以具有到用户设备102的有线连接、到用户设备102的无线连接或其任意组合。接入节点104可以通过多个连接与用户设备102连接，并且用户设备102可以连接到除了接入节点104之外的其他接入节点。接入节点104也可以连接到其他用户设备。可以理解的是，接入节点104被示为无线塔是为了说明而不是作为限制。
核心网元106可以服务于节点104和用户设备102以提供核心网服务。核心网元106的示例可以包括归属用户服务器(HSS)、移动性管理实体(MME)、服务网关(SGW)或分组数据网络网关(PGW)。这些是演进分组核心(EPC)系统的核心网元的示例，其是LTE系统的核心网。其他核心网元可以用在LTE和其他通信系统中。在一些实施例中，核心网元106包括NR系统的核心网的接入和移动性管理功能(AMF)设备、会话管理功能(SMF)设备或用户平面功能(UPF)设备。可以理解，核心网元106被示为一组机架式服务器，用以说明而非限制。
核心网元106可以与诸如因特网108或另一个互联网协议(IP)网络的大型网络连接，以在任何距离上传送分组数据。以这种方式，来自用户设备102的数据可以传送到连接到其他接入点的其他用户设备，包括例如使用有线连接或无线连接连接到互联网108的计算机110，或者通过路由器114无线连接到互联网108的平板电脑112。因此，计算机110和平板电脑112提供了可能的用户设备的额外示例，并且路由器114提供了另一个可能的接入节点的示例。
机架式服务器的一般示例被提供作为核心网元106的说明。然而，核心网中可能有多个元件，包括数据库服务器，例如数据库116，以及安全和认证服务器，例如认证服务器118。例如，数据库116可以管理与用户订阅网络服务有关的数据。归属位置寄存器(HLR)是蜂窝网络的用户信息标准化数据库的示例。同样，认证服务器118可以处理用户、会话等的认证。在NR系统中，认证服务器功能(AUSF)设备可以是执行用户设备认证的特定实体。在一些实施例中，单个服务器机架可以处理多个这样的功能，使得核心网元106、认证服务器118和数据库116之间的连接可以是单个机架内的本地连接。
图1的每个元素可以被认为是无线网络100的节点。关于节点的可能实现的更多细节，在下面图7中对节点700的描述中以示例的方式提供。节点700可以配置为图1中的用户设备102、接入节点104或核心网元106。类似地，节点700也可以配置为图1中的计算机110、路由器114、平板电脑112、数据库116或认证服务器118。如图7所示，节点700可以包括处理器702、存储器704、收发器706。这些组件被示为通过总线彼此连接，但是也允许其他连接类型。当节点700是用户设备102时，还可以包括额外的组件，例如用户界面(UI)、传感器等。类似地，当节点700被配置为核心网元106时，节点700可以被实现为服务器系统中的刀片(blade)。其他实现也是可能的。
收发器706可以包括用于发送和/或接收数据的任何合适的设备。尽管为了说明的简单性只示出了一个收发器706，节点700可以包括一个或多个收发器。天线708被示为用于节点700的可能的通信机制。可以使用多个天线和/或天线阵列接收多个空间复用数据流。此外，节点700的示例可以使用有线技术而不是(或除此之外)无线技术进行通信。例如，接入节点104可以与用户设备102无线通信，并且可以通过有线连接(例如，通过光缆或同轴电缆)与核心网元106通信。其他通信硬件，例如网络接口卡(NIC)，也可能包括在内。
如图7所示，节点700可以包括处理器702。虽然只示出了一个处理器，但可以理解的是，多个处理器可以被包括在内。处理器702可以包括微处理器、微控制单元(MCU)、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)、可编程逻辑器件(PLD)、状态机、门控逻辑、分立硬件电路以及被配置为执行本公开描述的各种功能的其他合适硬件。处理器702可以是具有一个或多个处理核心的硬件设备。处理器702可以执行软件。无论被称为软件、固件、中间件、微代码、硬件描述语言还是其他，软件应广义地解释为表示指令、指令集、代码、代码段、程序代码、程序、子程序、软件模块、应用程序、软件应用程序、软件包、例程、子例程、对象、可执行文件、执行线程、过程、功能等。软件可以包括以解释语言、编译语言或机器代码编写的计算机指令。在广泛的软件类别下，也允许使用其他指示硬件的技术。
如图7所示，节点700还可以包括存储器704。虽然只示出了一个存储器，但是可以理解，多个存储器可以被包括在内。存储器704可以广泛地包括内存和存储器。例如，存储器704可以包括随机存取存储器(RAM)、只读存储器(ROM)、静态RAM(SRAM)、动态RAM(DRAM)、铁电RAM(FRAM)、电可擦可编程ROM(EEPROM)、CD-ROM或其他光盘存储器、硬盘驱动器(HDD)，例如磁盘存储器或其他磁性存储设备、闪存驱动器、固态驱动器(SSD)或任何其他可用于携带或存储可被处理器702访问和执行的指令形式的所需程序代码的介质。广义上，存储器704可以由任何计算机可读介质实施，例如非暂时性计算机可读介质。。
处理器702、存储器704和收发器706可以在节点700中以各种形式实现，以用于执行无线通信功能。在一些实施例中，节点700的处理器702、存储器704和收发器706在一个或多个片上系统(system-on-chips，SoC)上实现(例如，通过集成)。在一个示例中，处理器702和存储器704可以集成在包括生成要传输的原始数据的操作系统(OS)环境中负责应用处理的应用处理器(AP)SoC(有时称为“主机”，本文称为“主机芯片”)。在另一个示例中，处理器702和存储器704可以集成在基带处理器(BP)SoC(有时称为“调制解调器”，在此称为“基带芯片”)，其用于将来自例如主机的原始数据转换为可用于调制传输载波频率的信号，反之亦然，从而可以运行实时操作系统(RTOS)。在又一个示例中，处理器702和收发器706(以及在某些情况下和存储器704)可以集成在发送和接收RF信号的RF SoC(有时称为“收发器”，本文称为“RF芯片”)上。可以理解，在一些示例中，主机芯片、基带芯片和RF芯片中的一些或全部可以集成为单个SoC。例如，基带芯片和RF芯片可以集成到单个SoC中，该SoC管理用于蜂窝通信的所有无线电功能。
返回参考图1，如下面详细描述的，在一些实施例中，无线网络100的任何合适的节点(例如，用户设备102或接入节点104)在将信号传输到另一个节点时，例如，从用户设备102通过接入节点104，或反之，可以通过执行递归QR+树搜索来处理MIMO数据流。因此，相比于已知在随后对以较低功率接收的传输层进行树搜索时不使用以较高功率接收的传输层产生的统计数据的解决方案，本申请可以提高LLR计算的准确性，同时降低计算复杂度。
图2示出了根据本公开的一些实施例的包括基带芯片202、RF芯片204和主机芯片206的装置200的框图。装置200可以是图1中无线网络100的任何合适节点的示例，例如用户设备102或接入节点104。如图2所示，装置200可以包括基带芯片202、RF芯片204、主机芯片206以及一个或多个天线210。在一些实施例中，如下文关于图7所描述的，基带芯片202由处理器702和存储器704实现，RF芯片204由处理器702、存储器704和收发器706实现。除了每个芯片202、204或206上的片上存储器(也称为“内部存储器”，例如寄存器、缓冲器或缓存)之外，装置200还可以包括外部存储器208(例如，系统存储器或主存储器)，其可以由每个芯片202、204或206通过系统/主总线共享。尽管在图2中基带芯片202被示为单机(standalone)SoC，但可以理解，在一个示例中，基带芯片202和RF芯片204可以集成为一个SoC；在另一个示例中，基带芯片202和主机芯片206可以集成为一个SoC；在又一个示例中，基带芯片202、RF芯片204和主机芯片206可以集成为一个SoC。
在上行链路中，主机芯片206可以生成原始数据并将其发送到基带芯片202进行编码、调制和映射。基带芯片202还可以访问由主机芯片206生成并存储在外部存储器208中的原始数据，例如，使用直接存储器访问(direct memory access,DMA)。基带芯片202可以首先编码(例如，通过源编码和/或信道编码)原始数据并使用任何合适的调制技术调制编码数据，例如多相预共享密钥(MPSK)调制或正交幅度调制(QAM)。基带芯片202可执行任何其他功能，例如符号或层映射，以将原始数据转换成可用于调制载波频率以进行传输的信号。在上行链路中，基带芯片202可以将调制信号发送到RF芯片204。RF芯片204可以通过发射器(Tx)将数字形式的调制信号转换为模拟信号，即RF信号，并执行任何合适的前端RF功能，例如滤波、上变频或采样率转换。天线210(例如，天线阵列)可以发射由RF芯片204的发射器提供的RF信号。
在下行链路中，天线210可以接收RF信号并将RF信号传递给RF芯片204的接收器(Rx)。RF芯片204可以执行任何合适的前端RF功能，例如滤波、下变频或采样率转换，并将RF信号转换为可由基带芯片202处理的低频数字信号(基带信号)。在下行链路中，基带芯片202可以解调和解码基带信号以提取可由主机芯片206处理的原始数据。基带芯片202可以执行附加功能，例如错误检查、解映射、信道估计、解扰等。基带芯片202提供的原始数据可以直接发送到主机芯片206或存储在外部存储器208中。
在某些实施方案中，基带芯片202可以执行与下文所述的递归QR+树搜索相关的操作，例如，与图3-7相关的操作。这些操作可由基带芯片202的一个或多个功能块执行。例如，虽然在图2中没有示出，但基带芯片202可以包括，例如，一个或多个层排序组件，被配置为根据接收到的信号强度对传输层进行排序；一个或多QR分解单元，被配置为执行信道矩阵的QR分解；一个或多个子集选择单元，被配置为选择要搜索的星座点的子集；一个或多个树搜索单元，被配置为至少部分地基于该星座点子集确定路径度量；一个或多个锚点选择单元，被配置为选择用于另一传输层的后续树搜索的锚点，和/或LLR单元，被配置为基于从每个树搜索中确定的路径度量确定LLR。此外，一个迭代的锚点选择单元可以将与所选锚点相关联的信息输入到与后续迭代相关联的子集选择单元中。
因此，相比于已知在随后树搜索中不使用以较高功率接收的传输层产生的统计数据的解决方案，本申请可以提高LLR计算的准确性，同时降低计算复杂度。下面结合图3-7说明本公开的递归QR+树搜索的其他细节。
图3示出了根据本公开的一些实施例的第一示例性基带芯片300的框图。基带芯片300可以是装备有多个天线并被配置用于MIMO无线通信的节点，如UE 102或接入节点104。在示例实施例中，下面描述的功能单元可以是作为基带芯片300的一部分的MIMO检测器和/或MIMO解映射器的一部分。虽然将结合4x4 MIMO系统来描述基带芯片300，但下面描述的递归QR+树搜索可用于具有不同数量的接收天线和/或数据流的系统，这取决于每个符号传输的比特数，而不偏离本公开的范围。
参考图3，基带芯片300可以包括各种功能单元，这些功能单元被配置为执行递归QR+树搜索的各种迭代，使得一次迭代的路径度量和/或检测到的路径可以用于后续迭代的底层的锚点和子集选择。在第一次迭代中，传输层可以按照功率升序从上到下进行排序。
例如，层0可以用最低的信号功率接收，层1可以用次高的信号功率接收，层2可以用次高的信号功率接收，层3可以用最高的信号功率接收。在第一次迭代中，从上到下的第一排序可以是，例如，层0、层1、层2、层3。在第二次迭代中，从上到下的第二排序可以是，例如，层0、层1、层3、层2。在第三次迭代中，从上到下的第三排序可以是，例如，层0，层2，层3，层1。在第四次迭代中，从上到下的第四排序可以是，例如，层1，层2，层3，层0。
在特定实现中，每次迭代可以包括一组专用的功能块。功能块可以包括但不限于层排序单元302a、302b、302c、302d，QR分解单元304a、304b、304c、304d，子集选择单元306a、306b、306c、306d，树搜索单元308a、308b、308c、308d和路径度量单元310a、310b、310c。最后一次迭代可以包括LLR单元310d，其被配置为生成与估计的QAM符号相关联的LLR。
首先，基带芯片300可以执行QAM切片以从与层3相关联的星座中选择锚点。由于层3具有最高的信号强度，与层2、层1和层0的QAM切片相比，使用层3的QAM切片选择锚点会产生更小的模糊性。
递归QR+树搜索可以从第一次迭代开始。这里，第一层排序单元302a可以按照信号强度升序的顺序对每个传输层进行排序。可以至少部分地基于对应于接收信号功率的信号特性来确定传输层的信号强度。作为示例而非限制，仅举几例，信号特性可以包括信噪比(SNR)、信号干扰加噪声比(SINR)、接收信号强度指示(RSSI)中的一种或多种。在特定实施方式中，第一层排序单元302a可以确定每个传输层的信号强度。然而，在其他特定实施方式中，信号强度可以由图3中未示出的功能单元确定。在这样的实施方式中，与每个传输层的信号强度相关联的信息可以被输入到第一层排序单元302a中。在任一实施中，第一层排序单元302a可以至少部分地基于传输层的第一排序来生成第一复信道矩阵
第一复信道矩阵H1可以输入到第一QR分解单元304a中。第一QR分解单元304a可以执行第一复信道矩阵H1的QR分解以产生第一估计信道矩阵
其可以被输入到第一子集选择单元306a中。同时，
也可以作为QR分解的副产品生成。
第一子集选择单元306a可以选择层3锚点周围的星座点子集。可以基于预定标准来选择星座点的子集。在其他特定实施方式中，可以基于围绕锚点的方框来选择星座点的子集。在另一实施方式中，可以基于距锚点的距离来选择星座点的子集。子集的大小可以基于例如SINR、RSSI等来确定。
可以将与层3锚点、层3中的星座点子集、
以及接收信号
相关的信息输入到第一树搜索单元308a。第一树搜索单元308a可以基于传输层的第一排序生成第一搜索树。第一树搜索单元308a可以使用第一搜索树执行树搜索以确定各种路径度量。
例如，搜索树(也称为“解码树”或“逻辑树”)是表示接收信号的星座点的点阵结构，所述星座点对应于例如16QAM的星座。点阵结构包括多个节点，每个节点包括表示接收数据信号的符号分量的整数值。在特定实施方式中，接收的数据信号可以根据实值或复值表示来表示。如本文所用，术语“节点”用于指定接收数据信号的符号的分量。
搜索树的第一个节点被称为“根节点”。没有任何子节点的节点(子节点也称为“后继”)称为“叶”节点，对应于搜索树中的最低层。根节点是搜索树中的最高节点，没有父节点。给定节点的深度(或维度)表示从该给定节点到搜索树中根节点的路径长度。搜索树的所有节点都可以从根节点到达。因此，从根节点到叶节点的每条路径都代表一个可能的传输信号。搜索树中的节点表示符号si的不同可能值，其中si中的i表示从n到1的整数，si表示传输信息向量的实部和虚部。叶节点指定深度为n的节点。根据此处使用的符号，节点sk的子节点由分量sk-1指定，搜索树中深度为i的路径由长度为(n-i+1)的向量s(i)＝(sn，sn-1，...si)指定。
顺序解码算法是基于树搜索的解码算法，其基于ML优化问题(由搜索树表示)的树表示。这种顺序解码算法使用堆栈或列表来存储最佳候选节点。顺序解码技术考虑搜索树的每个扩展节点的路径度量。在扩展节点(候选格点的分量)中选择的每个节点与计算的路径度量相关联地存储在堆栈中。路径度量通常被确定为接收到的信号与由根节点和当前节点之间的路径度量表示的符号向量之间的欧式距离(Euclidean distance)的函数。然而，在不脱离本公开的范围的情况下，可以使用不同的函数来确定路径度量。
由第一树搜索单元308a确定的各种路径度量可以被输入到第一路径度量单元310a中。第一路径度量单元310a可以选择具有最小欧式距离的路径度量作为输入到用于层3的LLR单元310d的路径度量。
第一路径度量单元310a可以选择在第二次迭代中使用的层2锚点。在某些实施方式中，可以至少部分地基于例如各种路径度量和/或由第一树搜索单元308a输入的路径来选择层2锚点，例如，选择最佳路径中的层2节点作为锚点。可以将与层2锚点相关联的信息输入到第二子集选择单元306b中。由于与层3相关的信号功率高于层2，因此使用第一次迭代中的路径度量和/或路径选择层2锚点可以提高在第二次迭代中确定的路径度量的准确性。
在第二次迭代中，与第一次迭代中的排序相比，第二层排序单元302b可以基于层3和层2被转置的第二排序来生成第二复信道矩阵H2。即在第二次迭代中，层2是最底层，层3是次低层。在特定实施方式中，第二层排序单元302b可以确定各个传输层的信号强度。在其他特定实施方式中，第一层排序单元302a可以将与各个传输层的信号功率相关联的信息输入到其他层排序单元302b、302c、302d中。
关于第二次迭代，第二层排序单元302b可以至少部分地基于传输层的第二排序来生成第二复信道矩阵
第二复信道矩阵H2可以被输入到第二QR分解单元304b中。第二QR分解单元304b可以对第二复信道矩阵H2进行QR分解，生成第二估计信道矩阵
以及接收信号
其可以被输入到第二子集选择单元306b。
第二子集选择单元306b可以选择层2锚点周围的星座点子集。星座点的子集的选择可以使用上面结合为层3锚点选择描述的那些操作相同或相似的操作。
可以将与层2锚点相关联的信息、为层2选择的星座点的子集、
和
输入到第二树搜索单元308b。第二树搜索单元308b可以基于传输层的第二排序生成第二搜索树。第二树搜索单元308b可以使用第二搜索树执行树搜索以确定与层2锚点相关联的各种路径度量。
第二次迭代可以以第二路径度量单元310b基于第二排序选择最佳路径度量和相关联的路径而结束。第二排序的路径度量可以输入到LLR单元310d中。此外，第二路径度量单元310b可以选择层1锚点。可以将与层1锚点相关联的信息输入到第三子集选择单元306c中以用于基于第三排序来选择星座点的子集。
由第二树搜索单元308b确定的各种路径度量可以被输入到第二路径度量单元310b中。第二路径度量单元310b可以选择具有最小欧式距离的路径度量作为输入到用于层2的LLR单元310d的路径度量。
第二路径度量单元310b可以选择在第三次迭代中使用的层1锚点。在特定实施方式中，可以至少部分地基于例如由第二树搜索单元308b输入的各种路径度量和路径来选择层1锚点。例如，在特定实施方式中，可以选择最佳路径中的层1节点作为锚点。在另一个实施方式中，可以至少部分地基于例如由第一树搜索单元308a和第二树搜索单元308b输入的各种路径度量来选择层1锚点。这里，可以选择前两次迭代中最佳路径中的层1节点作为锚点。可以将与层1锚点相关联的信息输入到第三子集选择单元306c中。由于与层2相关联的信号功率高于层1，因此使用在第二次迭代中的路径度量选择层1锚点可以提高在第三次迭代中确定的路径度量的准确性。
与第三和第四次迭代相关联的每个功能单元可以执行与以上结合第一和第二次迭代描述的那些相同或相似的操作。因此，为了简洁起见，将不再重复对由与第三和第四次迭代相关联的功能块执行的这些操作的描述。
在执行四次迭代中的每一者之后，LLR单元310d可以生成与每一层相关联的一个或多个QAM符号相关联的LLR。相比于已知在随后对以较低功率接收的传输层进行树搜索时不使用以较高功率接收的传输层产生的统计数据的方案，使用结合图3描述的这些技术可以增加由LLR单元310d执行的(多个)LLR计算的准确性，同时仍然提供降低的计算复杂度。
图4示出了根据本公开的一些实施例的第二示例性基带芯片400的框图。基带芯片400可以是装备有多个天线并被配置用于MIMO无线通信的节点，如UE 102或接入节点104。在示例实施例中，下面描述的功能单元可以是作为基带芯片400的一部分的MIMO检测器和/或MIMO解映射器的一部分。虽然将结合4x4 MIMO系统来描述基带芯片400，但下面描述的递归QR+树搜索可用于具有不同数量的接收天线和/或数据流的系统，这取决于每个符号传输的比特数，而不偏离本公开的范围。
参考图4，基带芯片400可以包括各种功能单元，这些功能单元被配置为执行递归QR+树搜索的各种迭代，使得一次迭代的底层路径度量可以用于后续迭代的底层的锚点和子集选择。在第一次迭代中，传输层可以按照功率升序从上到下进行排序。
例如，层0可以用最低的信号功率接收，层1可以用次高的信号功率接收，层2可以用次高的信号功率接收，层3可以用最高的信号功率接收。在第一次迭代中，从上到下的第一排序可以是，例如，层0、层1、层2、层3。在第二次迭代中，从上到下的第二排序可以是，例如，层0、层1、层3、层2。在第三次迭代中，从上到下的第三排序可以是，例如，层0，层2，层3，层1。在第四次迭代中，从上到下的第四排序可以是，例如，层1，层2，层3，层0。
在特定实现中，每次迭代可以包括一组专用的功能块。功能块可以包括但不限于噪声估计单元402a、402b、402c、402d，噪声白化单元404a、404b、404c、404d，QR分解单元406a、406b、406c、406d，树搜索单元408a、408b、408c、408d和路径度量单元410a、410b、410c。最后一次迭代可以包括LLR单元410d，其被配置为生成与估计数据RE相关联的LLR。在图4中，可以使用与上面结合图3描述的技术相同或相似的技术来确定层排序。
图4中的递归QR+树搜索可以从第一次迭代开始。此处，第一噪声估计单元402a可以使用层3中的参考RE来执行第一噪声估计。在不背离本公开的范围的情况下，可以使用本领域已知的任何技术来执行基于参考RE的噪声估计。与第一噪声估计相关联的信息可以被输入到第一噪声白化单元404a中。
第一噪声白化单元404a可以至少部分地基于第一噪声估计来执行第一排序和接收信号的信道矩阵的噪声白化。白化变换是一种线性变换，它将具有已知协方差矩阵的噪声向量变换为一组协方差为单位矩阵的新变量。即，这组新变量是不相关的，并且每个变量的方差为1。因为这种变换将输入噪声变为白噪声向量，故称为“白化”。
例如，假设X是具有非奇协方差矩阵Σ且均值为0的随机噪声向量。然后，使用满足条件WHW＝Σ-1的白化矩阵W的变换Y＝WX产生具有单位对角协方差的白化随机向量Y。
第一噪声白化单元404a的输出可以是与传输层的第一排序相关联的第一复信道矩阵H1和白化的接收信号Y。第一复信道矩阵H1和Y可以被输入到第一QR分解单元406a。第一QR分解单元406a可以对第一复信道矩阵H1进行QR分解，以生成第一估计信道矩阵
和接收信号
其可被输入至第一树搜索单元408a。
第一树搜索单元408a可以基于第一估计信道矩阵
和接收信号
生成第一搜索树。第一树搜索单元408a可以使用第一搜索树执行树搜索以确定与路径度量相关联的各种路径，这些路径可以输入到第一路径度量单元410a中。第一路径度量单元410a可以选择具有最少路径度量的最佳路径。由第一路径度量单元410a选择的最佳路径可以与资源块(RB)(也称为“数据块”)中的估计数据RE相关联。第一路径度量单元410a可以使用本领域已知的任何硬决策技术来估计每一层中的数据符号。然后，估计数据RE基于每层中的估计数据符号和估计信道被重构。与由第一路径度量单元410a选择的路径度量相关联的信息可以被输入到LLR单元410d。
上述结合第一次迭代的技术可以对在层3中接收的数据块中的每个数据RE执行。然后，第一路径度量单元410a可以将与每个估计的数据RE相关联的信息输入到第二噪声估计单元402b中。在空间复用的场景中，每个RE可以包括四层数据。更具体地，在树搜索图中，每条路径包含四个节点，并且每个节点可以对应于单层中的一个符号(例如，星座点)。
第二次迭代中，第二噪声估计单元402b可以至少部分地基于参考RE和由第一路径度量单元410a输入的估计数据RE来执行信道的噪声估计。通过使用估计的数据RE以及稀疏的参考RE，与仅依赖参考RE进行噪声估计的传统系统相比，由第二噪声估计单元402b估计的噪声可以具有提高的准确度。与第二噪声估计相关联的信息可被输入到第二噪声白化单元404b中。
第二噪声白化单元404b可以至少部分地基于第二噪声估计以及接收到的信号来执行第二排序的信道矩阵的噪声白化。上面结合第一噪声白化单元404a提供了噪声白化的其他细节。
第二噪声白化单元404b的输出可以是与传输层的第二排序和白化的接收信号Y相关联的第二复信道矩阵H2。第二复信道矩阵H2和Y可以被输入到第二QR分解单元406b。第二QR分解单元406b可以执行第二复信道矩阵H2的QR分解以生成第二估计信道矩阵
以及接收信号
其可以被输入到第二树搜索单元408b。
第二树搜索单元408b可以基于第二估计信道矩阵
生成第二搜索树。第二树搜索单元408b可以使用第二搜索树执行树搜索以确定可以输入到第二路径度量单元410b中的各种路径和相关联的路径度量。第二路径度量单元410b可以从来自树搜索块408a和408b的检测到的路径中选择具有最佳路径度量的最佳路径。由第二路径度量单元410b选择的路径可以与RB中的估计数据RE相关联。或者换句话说，估计数据RE可以根据最佳路径和估计信道由各层中的数据符号重构。由第二路径度量单元410b选择的路径相关联的信息可以被输入到LLR单元410d。
可以对在层2中接收的数据块中的每个数据RE执行上面结合第二次迭代描述的技术。然后，第二路径度量单元410b可以将与每个估计的数据RE相关联的信息输入到第三噪声估计单元402c中。
与第三和第四次迭代相关联的功能单元中的每一个可以执行与以上结合第一和第二次迭代描述的那些相同或相似的操作。因此，为了简洁起见，将不再重复对由与第三和第四次迭代相关联的功能块执行的这些操作的描述。
在执行四次迭代中的每一次之后，LLR单元410d可以为数据RE生成LLR。相比仅使用稀疏参考RE进行噪声估计的常规技术，使用结合图4描述的连续迭代，基带芯片400利用先前迭代中的估计数据RE能够改进噪声/干扰估计。
图5示出了根据本公开的一些实施例的用于无线通信的第一示例性方法500的流程图。可以执行方法500的操作的装置的示例包括例如图3中绘出的基带芯片300或本文公开的任何其他合适的装置。可以理解的是，方法500中所示的操作并不是穷尽性的，其他操作也可以在任何图示的操作之前、之后或之间执行。此外，一些操作可以同时执行，或者以不同于图5所示的顺序执行。
参考图5，在502，基带芯片可以接收与信道相关联的数据流。在特定方面，信道可以包括多个传输层(例如，层3、层2、层1和层0)。在其他特定方面，多个传输层可以包括与第一星座点相关联的第一传输层(例如，层3)和与第二星座点相关联的第二传输层(例如，层2)。例如，参考图3，基带芯片300可以被配置用于MIMO无线通信并且可以在多个传输层中接收比特流，例如层3、层2、层1、层0等。每个比特流可以包括一个或多个QAM符号。
在504，基带芯片可以从第一传输层的第一星座点中选择第一锚点。例如，参考图3，基带芯片300可以执行QAM切片以从与层3相关联的星座中选择锚点。由于层3具有最高的信号强度，与层2、层1和层0的QAM切片相比，使用层3的QAM切片选择锚点会产生更小的模糊性。
在506，基带芯片可以至少部分地基于第一锚点从第一星座点和第二星座点中选择星座点的第一子集。例如，参考图3，第一子集选择单元306a可以选择层3锚点周围的星座点子集。可以基于预定标准来选择星座点的子集。在其他特定实施方式中，可以基于围绕锚点的方框来选择星座点的子集。在另一实施方式中，可以基于距锚点的距离来选择星座点的子集。子集的大小可以基于例如SINR、RSSI等来确定。
在508，基带芯片可以至少部分地基于与第一锚点相关联的星座点的第一子集来执行递归树搜索操作的第一次迭代。例如，参考图3，递归QR+树搜索可以从第一次迭代开始。此处，第一层排序单元302a可以按照信号强度升序的顺序对每个传输层进行排序。可以至少部分地基于对应于接收信号功率的信号特性来确定传输层的信号强度。第一层排序单元302a可以至少部分地基于传输层的第一排序来生成第一复信道矩阵
第一复信道矩阵H1可以被输入到第一QR分解单元304a中。第一QR分解单元304a可以执行第一复信道矩阵H1的QR分解以产生第一估计信道矩阵
以及接收信号
其可以被输入至第一子集选择单元306a。第一子集选择单元306a可以选择层3锚点周围的星座点子集。可以基于预定标准来选择星座点的子集。在其他特定实施方式中，可以基于围绕锚点的方框来选择星座点的子集。在另一实施方式中，可以基于距锚点的距离来选择星座点的子集。可以将与层3锚点、层3中的星座点子集、
以及接收信号
相关的信息输入到第一树搜索单元308a。第一树搜索单元308a可以基于传输层的第一排序来生成第一搜索树。第一树搜索单元308a可以使用第一搜索树执行树搜索以确定各种路径和相关联的路径度量。
在510，基带芯片可以至少部分地基于递归树搜索操作的第一次迭代来确定第一路径。例如，参考图3，由第一树搜索单元308a确定的各种路径和相关联的路径度量可以被输入到第一路径度量单元310a中。第一路径度量单元310a可以基于路径度量选择最佳路径。
在512，基带芯片可以至少部分地基于第一路径度量从第二传输层的第二星座点中选择第二锚点。在特定方面，第二锚点可以与递归树搜索操作的第二次迭代相关联。例如，参考图3，第一路径度量单元310a可以选择在第二次迭代中使用的层2锚点。在特定实施方式中，可以至少部分地基于例如由第一树搜索单元308a输入的各种路径度量来选择层2锚点。例如，在第一次迭代中选择最佳路径中的层2节点作为锚点。可以将与层2锚点相关联的信息输入到第二子集选择单元306b中。由于与层3相关联的信号功率高于层2，因此使用第一次迭代中的路径度量选择层2锚点可以提高在第二次迭代中确定的路径度量的准确性。
在514，基带芯片可以至少部分地基于第二锚点为层2从第二星座中选择星座点的第二子集。例如，参考图3，第二子集选择单元306b可以选择层2锚点周围的星座点子集。该星座点子集的选择可以使用上面结合为层3锚点选择描述的那些操作相同或相似的操作。
在516，基带芯片可以至少部分地基于星座点的第二子集来执行递归树搜索操作的第二次迭代。例如，参考图3，与为层2选择的星座点子集相关联的信息、
和接收信号
可以被输入到第二树搜索单元308b。第二树搜索单元308b可以基于传输层的第二排序生成第二搜索树。第二树搜索单元308b可以使用第二搜索树执行树搜索以确定各种路径和相关联的路径度量。
在518，基带芯片可以至少部分地基于递归树搜索操作的第二次迭代来确定第二路径度量。例如，参考图3，第二次迭代可以以第二路径度量单元310b基于第二排序选择最佳路径度量而结束。第二排序的路径度量可以输入到LLR单元310d中。
在520，基带芯片可以至少部分地基于第一路径度量和第二路径度量来生成与数据流相关联的LLR。例如，参考图3，在执行四次迭代中的每一者之后，LLR单元310d可以生成与每一层相关联的一个或多个QAM符号相关联的LLR。
图6示出了根据本公开的一些实施例的用于无线通信的第二示例性方法600的流程图。可以执行方法600的操作的装置的示例包括例如图4中绘出的基带芯片400或本文公开的任何其他合适的装置。可以理解的是，方法600中所示的操作并不是穷尽性的，其他操作也可以在任何图示的操作之前、之后或之间执行。此外，一些操作可以同时执行，或者以不同于图6所示的顺序执行。
参考图6，在602，基带芯片可以接收与信道相关联的数据流。在特定方面，信道可以包括多个传输层。在其他特定方面，多个传输层可以包括与资源块(RB)相关联的第一传输层和第二传输层。在其他特定方面，RB可以包括至少一个第一参考RE和多个第一数据资源单元(RE)。例如，参考图4，基带芯片400可以接收包括通过信道中的不同传输层接收的具有不同RE的不同资源块的数据流。
在604，基带芯片可以至少部分地基于参考RE执行信道的初始噪声估计。例如，参考图4，第一噪声估计单元402a可以使用层3中的参考RE来执行第一噪声估计。在不背离本公开的范围的情况下，可以使用本领域已知的任何技术来执行基于参考RE的噪声估计。与第一噪声估计相关联的信息可以被输入到第一噪声白化单元404a中。
在606，基带芯片可以至少部分地基于初始噪声估计对信道和接收信号执行第一噪声白化操作。例如，参考图4，第一噪声白化单元404a可以至少部分地基于第一噪声估计来执行第一排序的信道矩阵的噪声白化。白化变换是一种线性变换，它将具有已知协方差矩阵的噪声向量变换为一组协方差为单位矩阵的新变量。即，这组新变量是不相关的，并且每个变量的方差为1。因为这种变换将输入噪声变为白噪声向量，故称为“白化”。例如，假设X是具有非奇协方差矩阵Σ且均值为0的随机噪声向量。然后，使用满足条件WHW＝Σ-1的白化矩阵W的变换Y＝WX产生具有单位对角协方差的白化随机向量Y。第一噪声白化单元404a的输出可以是与传输层的第一排序相关联的第一复信道矩阵H1和接收信号Y。第一复信道矩阵H1和Y可以被输入到第一QR分解单元406a。第一QR分解单元406a可以对第一复信道矩阵H1进行QR分解，生成第一估计信道矩阵
和
其可被输入至第一树搜索单元408a。
在608，基带芯片可以为第一RB，对多个第一数据RE中的每一个执行递归树搜索操作(例如，QR、树搜索、路径度量选择等)的第一次迭代，以确定与第一传输层相关联的第一符号估计。例如，参考图4，可以将第一复信道矩阵H1输入到第一QR分解单元406a中。第一QR分解单元406a可以对第一复信道矩阵H1进行QR分解，以生成第一估计信道矩阵
和接收信号
其可被输入至第一树搜索单元408a。第一树搜索单元408a可以基于第一估计信道矩阵
生成第一搜索树。第一树搜索单元408a可以使用第一搜索树执行树搜索以确定可以输入到第一路径度量单元410a中的各种路径和相关联的路径度量。可以对在层3中接收的数据块中的每个数据RE执行上面结合第一次迭代描述的技术。然后，第一路径度量单元410a可以将与跨所有层接收的每个估计数据RE相关联的信息输入到第二噪声估计单元402b中。第一路径度量单元410a可以选择具有最佳路径度量的路径。由第一路径度量单元410a选择的路径可以与数据块中的估计数据RE相关联。第一路径度量单元410a可以使用本领域已知的任何硬决策技术来估计(多个)数据RE。
在610，基带芯片可以至少部分地基于参考RE，在第一次迭代中估计的多个数据RE来执行信道的后续噪声估计。例如，参考图4，第二噪声估计单元402b可以至少部分地基于参考RE和由第一路径度量单元410a输入的估计数据RE来执行信道的噪声估计。通过使用估计的数据RE以及稀疏的参考RE，与仅依赖参考RE进行噪声估计的传统系统相比，由第二噪声估计单元402b估计的噪声可以具有提高的准确度。与第二噪声估计相关联的信息可被输入到第二噪声白化单元404b中。
在612，基带芯片可以至少部分地基于后续的噪声估计对信道执行第二噪声白化操作。例如，参考图4，与第二噪声估计相关联的信息可以被输入到第二噪声白化单元404b中。第二噪声白化单元404b可以至少部分地基于第二噪声估计对第二排序的信道矩阵以及接收到的信号进行噪声白化。上面结合第一噪声白化单元404a提供了噪声白化的其他细节。第二噪声白化单元404b的输出可以是与传输层的第二排序相关联的第二复信道矩阵H2。第二复信道矩阵H2可以被输入到第二QR分解单元406b中。
在614，基带芯片可以为第一RB，对多个数据RE中的每一个执行递归树搜索操作(例如，QR、树搜索、路径度量选择等)的第二迭代以确定第二符号估计。例如，参考图4，第二QR分解单元406b可以执行第二复信道矩阵H2的QR分解以生成第二估计信道矩阵
以及
其可以被输入到第二树搜索单元408b。第二树搜索单元408b可以基于第二估计信道矩阵
生成第二搜索树。第二树搜索单元408b可以使用第二搜索树执行树搜索以确定可以输入到第二路径度量单元410b中的各种路径和相关联的路径度量。第二路径度量单元410b可以选择具有最佳路径度量的路径。由第二路径度量单元410b选择的路径可以与数据块中的估计数据RE相关联。
在616，基带芯片可以至少部分地基于与第一传输层相关联的第一符号估计和与第二传输层相关联的第二符号估计生成与数据流相关联的LLR。例如，参考图4，在执行四次迭代中的每一次之后，LLR单元410d可以为一个或多个数据RE生成LLR。使用结合图4描述的连续迭代，相比仅使用稀疏参考RE执行噪声估计的常规技术，基带芯片400利用先前迭代中的估计数据RE能够改进噪声/干扰估计。
在本公开的各个方面，本公开描述的功能可以在硬件、软件、固件或其任何组合中实现。如果以软件实现，则这些功能可以存储或编码为非暂时性计算机可读介质上的指令或代码。计算机可读介质包括计算机存储介质。存储介质可以是计算设备可以访问的任何可用介质，例如图7中的节点700。作为示例而非限制，此类计算机可读介质可包括RAM、ROM、EEPROM、CD-ROM或其他光盘存储器、HDD，例如磁盘存储器或其他磁性存储设备、闪存驱动器、SSD或任何其他介质，该任何其他介质可用于携带或存储以指令或数据结构的形式并且可由处理系统(例如移动设备或计算机)访问的所需程序代码。本公开所使用的磁盘和光碟包括CD、激光盘、光盘、数字多功能盘(DVD)和软盘，其中磁盘通常以磁性方式再现数据，而光碟使用激光以光学方式再现数据。上述的组合也应包括在计算机可读介质的范围内。
根据本公开的另一方面，包括存储器和耦合到所述存储器的至少一个处理器的基带芯片被配置为执行各种操作。在一些实施例中，所述至少一个处理器被配置为接收与信道相关联的数据流。在特定方面，所述信道包括多个传输层。在其他特定方面，所述多个传输层可以包括与第一星座点相关联的第一传输层和与第二星座点相关联的第二传输层。在一些其他实施例中，所述至少一个处理器可以被配置为从所述第一传输层的所述第一星座点中选择第一锚点。在一些其他实施例中，所述至少一个处理器可以被配置为至少部分地基于所述第一锚点，从所述第一星座点和所述第二星座点中选择星座点的第一子集。在一些其他实施例中，所述至少一个处理器可以被配置为至少部分地基于所述第一锚点和所述星座点的第一子集执行递归树搜索操作的第一次迭代。在一些其他实施例中，所述至少一个处理器可以被配置为至少部分地基于所述递归树搜索操作的所述第一次迭代确定第一路径度量。在一些其他实施例中，所述至少一个处理器可以被配置为至少部分地基于所述第一路径度量从所述第二传输层的所述第二星座点中选择第二锚点。在特定方面，所述第二锚点可以与所述递归树搜索操作的第二次迭代相关联。
在一些实施例中，所述至少一个处理器还可以被配置为至少部分地基于所述第二锚点，从所述第一星座点和所述第二星座点中选择星座点的第二子集。在一些其他实施例中，所述至少一个处理器还可以被配置为至少部分地基于所述第二锚点和所述星座点的第二子集执行所述递归树搜索操作的第二次迭代。在一些其他实施例中，所述至少一个处理器还可以被配置为至少部分地基于所述递归树搜索操作的第二次迭代确定第二路径度量。
在一些实施例中，所述至少一个处理器还可以被配置为至少部分地基于所述第一路径度量和所述第二路径度量生成与所述数据流相关联的LLR。
在一些实施例中，所述至少一个处理器还可以被配置为通过执行所述多个传输层的第一排序，执行递归树搜索的第一次迭代，所述第一传输层为所述第一排序中的底层。在一些实施例中，所述至少一个处理器还可以被配置为通过至少部分地基于对所述多个传输层的所述第一排序生成第一信道矩阵，执行递归树搜索的第一次迭代。在一些实施例中，所述至少一个处理器还可以被配置为通过执行所述第一信道矩阵的第一QR分解，执行递归树搜索的第一次迭代。在一些实施例中，所述至少一个处理器还可以被配置为通过至少部分地基于所述第一QR分解、所述第一锚点和所述星座点的第一子集来执行第一树搜索，以执行递归树搜索的第一次迭代。
在特定方面，第一路径度量可以被确定为所述第一树搜索的结果。
在一些实施例中，所述至少一个处理器还可以被配置为通过执行所述多个传输层的第二排序，执行递归树搜索的第二次迭代。在特定方面，所述第二传输层为所述第二排序中的底层。在一些实施例中，所述至少一个处理器可以被配置为通过至少部分地基于对所述多个传输层的所述第二排序生成第二信道矩阵，执行递归树搜索的第二次迭代。在一些实施例中，所述至少一个处理器还可以被配置为通过执行所述第二信道矩阵的第二QR分解，执行递归树搜索的第二次迭代。在一些实施例中，所述至少一个处理器还可以被配置为通过至少部分地基于所述第二QR分解、所述第二锚点和所述星座点的第二子集来执行第二树搜索，以执行递归树搜索的第二次迭代。
在特定方面，所述第一传输层的功率高于第二传输层。
根据本公开的一个方面，包括存储器和耦合到所述存储器的至少一个处理器的基带芯片被配置为执行各种操作。在一些实施例中，所述至少一个处理器被配置为接收与信道相关联的数据流。在特定方面，所述信道可以包括多个传输层。在其他特定方面，所述多个传输层可以包括与资源块(resource block，RB)相关联的第一传输层和第二传输层。在特定方面，所述RB可以包括至少一个参考资源单元(resource element，RE)和多个数据RE。在一些其他实施例中，所述至少一个处理器被配置为至少部分地基于参考RE执行所述信道的初始噪声估计。在一些其他实施例中，所述至少一个处理器被配置为至少部分地基于所述初始噪声估计对所述信道执行噪声白化操作。在一些其他实施例中，所述至少一个处理器被配置为，为所述RB对所述多个数据RE中的每一个执行递归树搜索操作的第一次迭代，以确定与所述第一和第二传输层相关联的第一符号估计。在一些其他实施例中，所述至少一个处理器被配置为至少部分地基于与所述参考RE、所述多个数据RE以及所述第一次迭代相关联的所述第一符号估计执行所述信道的后续噪声估计。
在一些其他实施例中，所述至少一个处理器被配置为至少部分地基于所述后续噪声估计对所述信道执行第二噪声白化操作。在一些其他实施例中，所述至少一个处理器被配置为，为所述RB对所述多个数据RE中的每一个执行递归树搜索操作的第二次迭代，以确定与所述第二传输层相关联的第二符号估计。
在一些其他实施例中，所述至少一个处理器被配置为至少部分地基于与所述第一次迭代相关联的所述第一符号估计和与所述第二次迭代相关联的所述第二符号估计，生成与所述数据流相关联的LLR。
在特定方面，所述递归树搜索操作的所述第一次迭代包括与所述第一传输层相关联的第一QR分解和第一树搜索。在其他特定方面，所述递归树搜索操作的所述第二次迭代包括与所述第二传输层相关联的第二QR分解和第二树搜索。
根据本公开的又一方面，公开了一种方法，所述方法可以包括接收与信道相关联的数据流。在特定方面，所述信道可以包括多个传输层。在其他特定方面，所述多个传输层可以包括与第一星座点相关联的第一传输层和与第二星座点相关联的第二传输层。在一些其他实施例中，所述方法可以包括从所述第一传输层的所述第一星座点中选择第一锚点。在一些其他实施例中，所述方法包括至少部分地基于所述第一锚点，从所述第一星座点和所述第二星座点中选择星座点的第一子集。在一些其他实施例中，所述方法可以包括至少部分地基于所述第一锚点和所述星座点的第一子集执行递归树搜索操作的第一次迭代。在一些其他实施例中，该方法可以包括至少部分地基于所述递归树搜索操作的所述第一次迭代确定第一路径度量。在一些其他实施例中，该方法可以包括至少部分地基于所述第一路径度量从所述第二传输层的所述第二星座点中选择第二锚点。所述第二锚点与所述递归树搜索操作的第二次迭代相关联。
在一些其他实施例中，所述方法可以包括至少部分地基于所述第二锚点，从所述第一星座点和所述第二星座点中选择星座点的第二子集。在一些其他实施例中，所述方法可以包括至少部分地基于所述第二锚点和所述星座点的第二子集执行所述递归树搜索操作的第二次迭代。在一些其他实施例中，所述方法可以包括至少部分地基于所述递归树搜索操作的第二次迭代确定第二路径度量。
在一些其他实施例中，所述方法可以包括至少部分地基于所述第一路径度量和所述第二路径度量生成与所述数据流相关联的LLR。
在一些其他实施例中，所述执行所述递归树搜索的第一次迭代可以包括执行所述多个传输层的第一排序，所述第一传输层为所述第一排序中的底层。在一些其他实施例中，所述方法可以包括至少部分地基于对所述多个传输层的所述第一排序生成第一信道矩阵。在一些其他实施例中，所述执行所述递归树搜索的第一次迭代可以包括执行所述第一信道矩阵的第一QR分解。在一些其他实施例中，所述执行所述递归树搜索的第一次迭代可以包括至少部分地基于所述第一QR分解、所述第一锚点和所述星座点的第一子集来执行第一树搜索。
在一些其他实施例中，所述方法可以包括：所述第一路径度量被确定为所述第一树搜索的结果。
在一些其他实施例中，所述执行所述递归树搜索的第二次迭代可以包括执行所述多个传输层的第二排序，所述第二传输层为所述第二排序中的底层。在一些其他实施例中，所述执行所述递归树搜索的第二次迭代可以包括至少部分地基于对所述多个传输层的所述第二排序生成第二信道矩阵。在一些其他实施例中，所述执行所述递归树搜索的第二次迭代可以包括执行所述第二信道矩阵的第二QR分解。在一些其他实施例中，所述执行所述递归树搜索的第二次迭代可以包括至少部分地基于所述第二QR分解、所述第二锚点和所述星座点的第二子集来执行第二树搜索。
根据本公开的又一方面，公开了一种方法，所述方法可以包括接收与信道相关联的数据流。在特定方面，所述信道可以包括多个传输层。在其他特定方面，所述多个传输层包括与RB相关联的第一传输层和第二传输层。在其他特定方面，所述RB包括至少一个参考RE和多个数据RE。在一些实施例中，所述方法还可以包括至少部分地基于参考RE执行所述信道的初始噪声估计。在一些实施例中，所述方法还可以包括至少部分地基于所述初始噪声估计进行所述信道的第一噪声白化操作。在一些实施例中，所述方法还可以包括，为所述RB对所述多个数据RE中的每一个执行递归树搜索操作的第一次迭代，以确定针对所述第一和第二传输层的第一符号估计。在一些实施例中，所述方法还可以包括至少部分地基于所述参考RE、与所述第一次迭代相关联的所述多个估计的数据RE执行所述信道的后续噪声估计。
在一些实施例中，所述方法还可以包括至少部分地基于所述后续噪声估计对所述信道执行第二噪声白化操作。在一些实施例中，所述方法还可以包括为所述RB对所述多个数据RE中的每一个执行递归树搜索操作的第二次迭代，以确定与所述第二传输层相关联的第二符号估计。
在一些实施例中，所述方法还可以包括至少部分地基于与所述第一传输层相关联的所述第一符号估计和与所述第二传输层相关联的所述第二符号估计，生成与所述数据流相关联的LLR。
对具体实施例的上述描述将揭示本公开的一般性质，其他人可以通过应用本领域技术范围内的知识，容易地修改和/或调整这些具体实施例以用于各种应用，而不需要进行过度的实验，也不需要偏离本公开的一般构思。因此，基于本文所呈现的教导和指导，此类修改和调整旨在处于所公开实施例的等同的含义和范围内。应当理解的是，本文中的措辞或术语是出于描述而非限制的目的，使得本说明书的术语或措辞将由本领域技术人员根据教导和指导来解释。
本公开的实施例已经在上文借助于说明特定功能及其关系的实施的功能块进行了描述。为便于描述，这些功能块的边界在此被任意定义。只要指定的功能和关系得到适当的执行，就可以定义替代的边界。
发明内容和摘要部分可以阐述如(多个)发明人所设想的本公开的一个或多个但不是全部的示例性实施例，因此不旨在以任何方式限制本公开和所附权利要求书。
上文公开了各种功能块、模块和步骤。所提供的特定布置是说明性的，没有限制。因此，功能块、模块和步骤可以重新排序或以不同于上面提供的示例的方式进行组合。同样，一些实施例仅包括功能块、模块和步骤的子集，并且任何这样的子集都是允许的。
本公开的广度和范围不应受到上述任何示例性实施例的限制，而应仅根据以下权利要求书及其等同来定义。
Claims (20)
1.一种用于无线通信的基带芯片，包括：
存储器；以及
与所述存储器耦合的至少一个处理器，并被配置为：
接收与信道相关联的数据流，所述信道包括多个传输层，所述多个传输层包括与第一星座点相关联的第一传输层和与第二星座点相关联的第二传输层；
从所述第一传输层的所述第一星座点中选择第一锚点；
至少部分地基于所述第一锚点，从所述第一星座点和所述第二星座点中选择第一星座点子集；
至少部分地基于所述第一锚点和所述第一星座点子集执行递归树搜索操作的第一次迭代；
至少部分地基于所述递归树搜索操作的所述第一次迭代确定第一路径度量；以及
至少部分地基于所述第一路径度量从所述第二传输层的所述第二星座点中选择第二锚点，所述第二锚点与所述递归树搜索操作的第二次迭代相关联。
2.根据权利要求1所述的基带芯片，其中，所述至少一个处理器还被配置为：
至少部分地基于所述第二锚点，从所述第一星座点和所述第二星座点中选择第二星座点子集；
至少部分地基于所述第二锚点和所述第二星座点子集执行所述递归树搜索操作的第二次迭代；以及
至少部分地基于所述递归树搜索操作的所述第二次迭代确定第二路径度量。
3.根据权利要求2所述的基带芯片，其中，所述至少一个处理器还被配置为：
至少部分地基于所述第一路径度量和所述第二路径度量生成与所述数据流相关联的对数似然比LLR。
4.根据权利要求1所述的基带芯片，其中所述至少一个处理器被配置为通过以下方式执行所述递归树搜索操作的所述第一次迭代：
执行所述多个传输层的第一排序，所述第一传输层为所述第一排序中的底层；
至少部分地基于对所述多个传输层的所述第一排序生成第一信道矩阵；
执行所述第一信道矩阵的第一QR分解；以及
至少部分地基于所述第一QR分解、所述第一锚点和所述第一星座点子集来执行第一树搜索。
5.根据权利要求4所述的基带芯片，其中所述第一路径度量被确定为所述第一树搜索的结果。
6.根据权利要求2所述的基带芯片，其中所述至少一个处理器被配置为通过以下方式执行所述递归树搜索操作的所述第二次迭代：
执行所述多个传输层的第二排序，所述第二传输层为所述第二排序中的底层；
至少部分地基于对所述多个传输层的所述第二排序生成第二信道矩阵；
执行所述第二信道矩阵的第二QR分解；以及
至少部分地基于所述第二QR分解、所述第二锚点和所述第二星座点子集来执行第二树搜索。
7.根据权利要求1所述的基带芯片，其中，所述第一传输层的功率高于所述第二传输层。
8.一种用于无线通信的基带芯片，包括：
存储器；以及
与所述存储器耦合的至少一个处理器，并被配置为：
接收与信道相关联的数据流，所述信道包括多个传输层，所述多个传输层包括与资源块RB相关联的第一传输层和第二传输层，所述RB包括至少一个参考资源单元RE和多个数据RE；
至少部分地基于所述参考RE执行所述信道的初始噪声估计；
至少部分地基于所述初始噪声估计对所述信道执行第一噪声白化操作；
为所述RB对所述多个数据RE中的每一个执行递归树搜索操作的第一次迭代，以确定与所述第一传输层相关联的第一符号估计；以及
至少部分地基于所述参考RE、所述多个数据RE和与所述递归树搜索的第一次迭代相关联的所述第一符号估计执行所述信道的后续噪声估计。
9.根据权利要求8所述的基带芯片，其中，所述至少一个处理器还被配置为：
至少部分地基于所述后续噪声估计对所述信道执行第二噪声白化操作；以及
为所述RB对所述多个数据RE中的每一个执行递归树搜索操作的第二次迭代，以确定与所述第二传输层相关联的第二符号估计。
10.根据权利要求9所述的基带芯片，其中，所述至少一个处理器还被配置为：
至少部分地基于与所述第一次迭代相关联的所述第一符号估计和与所述第二次迭代相关联的所述第二符号估计，生成与所述数据流相关联的对数似然比LLR。
11.根据权利要求10所述的基带芯片，其中：
所述递归树搜索操作的所述第一次迭代包括与所述第一传输层相关联的第一QR分解和第一树搜索，并且
所述递归树搜索操作的所述第二次迭代包括与所述第二传输层相关联的第二QR分解和第二树搜索。
12.一种无线通信方法，包括：
接收与信道相关联的数据流，所述信道包括多个传输层，所述多个传输层包括与第一星座点相关联的第一传输层和与第二星座点相关联的第二传输层；
从所述第一传输层的所述第一星座点中选择第一锚点；
至少部分地基于所述第一锚点，从所述第一星座点和所述第二星座点中选择第一星座点子集；
至少部分地基于所述第一锚点和所述第一星座点子集执行递归树搜索操作的第一次迭代；
至少部分地基于所述递归树搜索操作的所述第一次迭代确定第一路径度量；以及
至少部分地基于所述第一路径度量从所述第二传输层的所述第二星座点中选择第二锚点，所述第二锚点与所述递归树搜索操作的第二次迭代相关联。
13.根据权利要求12所述的方法，还包括：
至少部分地基于所述第二锚点，从所述第一星座点和所述第二星座点中选择第二星座点子集；
至少部分地基于所述第二锚点和所述第二星座点子集执行所述递归树搜索操作的第二次迭代；以及
至少部分地基于所述递归树搜索操作的所述第二次迭代确定第二路径度量。
14.根据权利要求13所述的方法，还包括：
至少部分地基于所述第一路径度量和所述第二路径度量生成与所述数据流相关联的对数似然比LLR。
15.根据权利要求12所述的方法，其中所述执行递归树搜索操作的所述第一次迭代，包括：
执行所述多个传输层的第一排序，所述第一传输层为所述第一排序中的底层；
至少部分地基于对所述多个传输层的所述第一排序生成第一信道矩阵；
执行所述第一信道矩阵的第一QR分解；以及
至少部分地基于所述第一QR分解、所述第一锚点和所述第一星座点子集来执行第一树搜索。
16.根据权利要求15所述的方法，其中所述第一路径度量被确定为所述第一树搜索的结果。
17.根据权利要求12所述的方法，其中所述执行递归树搜索操作的所述第二次迭代，包括：
执行所述多个传输层的第二排序，所述第二传输层为所述第二排序中的底层；
至少部分地基于对所述多个传输层的所述第二排序生成第二信道矩阵；
执行所述第二信道矩阵的第二QR分解；以及
至少部分地基于所述第二QR分解、所述第二锚点和所述第二星座点子集来执行第二树搜索。
18.一种无线通信的方法，包括：
接收与信道相关联的数据流，所述信道包括多个传输层，所述多个传输层包括与资源块RB相关联的第一传输层和第二传输层，所述RB包括至少一个参考资源单元RE和多个数据RE；
至少部分地基于所述第一参考RE执行所述信道的初始噪声估计；
至少部分地基于所述初始噪声估计对所述信道执行第一噪声白化操作；
为所述RB对所述多个数据RE中的每一个执行递归树搜索操作的第一次迭代，以确定与所述第一传输层相关联的第一符号估计；以及
至少部分地基于所述参考RE、所述多个数据RE和与所述递归树搜索的第一次迭代相关联的所述第一符号估计执行所述信道的后续噪声估计。
19.根据权利要求18所述的方法，还包括：
至少部分地基于所述后续噪声估计对所述信道执行第二噪声白化操作；以及
为所述RB对所述多个数据RE中的每一个执行递归树搜索操作的第二次迭代，以确定与所述第二传输层相关联的第二符号估计。
20.根据权利要求19所述的方法，还包括：
至少部分地基于与所述第一次迭代相关联的所述第一符号估计和与所述第二次迭代相关联的所述第二符号估计，生成与所述数据流相关联的对数似然比LLR。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US202063024845P | 2020-05-14 | 2020-05-14 | |
| US63/024,845 | 2020-05-14 | ||
| PCT/US2021/015141 WO2021062448A2 (en) | 2020-05-14 | 2021-01-26 | Apparatus and method of recursive tree search based multiple-input multiple-output detection |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115668854A true CN115668854A (zh) | 2023-01-31 |
Family
ID=75166902
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202180035386.8A Pending CN115668854A (zh) | 2020-05-14 | 2021-01-26 | 基于递归树搜索的多进多出检测装置及方法 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US11956055B2 (zh) |
| CN (1) | CN115668854A (zh) |
| WO (1) | WO2021062448A2 (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024091283A1 (en) * | 2022-10-27 | 2024-05-02 | Zeku Technology (Shanghai) Corp., Ltd. | Two dimensional linear minimum mean square error channel estimation |
Family Cites Families (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6785341B2 (en) * | 2001-05-11 | 2004-08-31 | Qualcomm Incorporated | Method and apparatus for processing data in a multiple-input multiple-output (MIMO) communication system utilizing channel state information |
| US20060045169A1 (en) * | 2004-08-27 | 2006-03-02 | Qualcomm Incorporated | Coded-bit scrambling for multi-stream communication in a mimo channel |
| US7817740B2 (en) * | 2006-02-09 | 2010-10-19 | Broadcom Corporation | Method and system for minimum mean squared error soft interference cancellation (MMSE-SIC) based suboptimal maximum likelihood (ML) detection for multiple input multiple output (MIMO) wireless system |
| EP2086140B1 (en) * | 2006-11-22 | 2016-03-09 | Fujitsu Limited | Mimo-ofdm communication system and mimo-ofdm communication method |
| EP1928115A1 (en) * | 2006-11-30 | 2008-06-04 | Nokia Siemens Networks Gmbh & Co. Kg | Adaptive modulation and coding in a SC-FDMA system |
| US8042031B2 (en) * | 2006-12-21 | 2011-10-18 | Industrial Technology Research Institute | Maximum likelihood detection method and system |
| US7720169B2 (en) * | 2007-05-10 | 2010-05-18 | Ilan Reuven | Multiple-input multiple-output (MIMO) detector incorporating efficient signal point search and soft information refinement |
| US9288097B2 (en) * | 2014-02-11 | 2016-03-15 | Samsung Electronics Co., Ltd | Interference cancellation scheme using constellation diagram |
| JP6507047B2 (ja) * | 2015-02-10 | 2019-04-24 | 日本放送協会 | 送信装置、受信装置、及び半導体チップ |
| CN107852319B (zh) * | 2015-04-22 | 2020-12-29 | 苹果公司 | 用于无线接入技术的传输设计 |
| DE102015115716B4 (de) * | 2015-09-17 | 2022-12-08 | Apple Inc. | Funkempfänger und Verfahren zum Detektieren einer Schicht eines mehrschichtigen Signals |
| US10873373B2 (en) * | 2018-03-16 | 2020-12-22 | Huawei Technologies Co., Ltd. | Simplified detection for spatial modulation and space-time block coding with antenna selection |
-
2021
- 2021-01-26 WO PCT/US2021/015141 patent/WO2021062448A2/en active Application Filing
- 2021-01-26 CN CN202180035386.8A patent/CN115668854A/zh active Pending
-
2022
- 2022-09-22 US US17/950,332 patent/US11956055B2/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| US11956055B2 (en) | 2024-04-09 |
| WO2021062448A2 (en) | 2021-04-01 |
| WO2021062448A3 (en) | 2021-07-15 |
| US20230027975A1 (en) | 2023-01-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8693588B2 (en) | Two-step joint demapping algorithm for LLR computation of MIMO signal based on sphere decoding | |
| US9014253B2 (en) | Apparatus and method for detecting communications from multiple sources | |
| US8654910B1 (en) | Co-channel interference cancellation with multiple receive antennas for BICM | |
| US10419253B2 (en) | Blind classification of modulation scheme of an interfering signal | |
| JP2014515568A (ja) | 無線ｍｉｍｏ通信システムの受信機のための検出プロセスおよび同システムのための受信機 | |
| WO2015192704A1 (zh) | 最大似然ml接收机数据处理的方法及装置 | |
| WO2016034051A1 (zh) | 一种干扰抑制方法和装置 | |
| US10097288B2 (en) | Single-stream sliced maximum likelihood aided successive interference cancellation | |
| US11956055B2 (en) | Apparatus and method of recursive tree search based multiple-input multiple-output detection | |
| CN114629534A (zh) | 基于树搜索的mimo检测方法及装置、芯片及存储介质 | |
| WO2021104020A1 (zh) | 数据传输方法、发送设备和接收设备 | |
| US9374175B2 (en) | Joint spatial processing for space frequency block coding and/or non space frequency block coding channels | |
| KR102274959B1 (ko) | 무선 통신 시스템에서 신호 검출을 위한 방법 및 장치 | |
| US20150146546A1 (en) | Method and nodes in a wireless communication system | |
| US9066247B2 (en) | Communication devices and methods for signal detection | |
| CN103840918B (zh) | 无线通信系统中的方法和节点 | |
| EP2757750A1 (en) | Apparatuses, methods, and computer programs for a channel estimator and a base station transceiver | |
| Hedstrom et al. | A capacity achieving MIMO detector based on stochastic sampling | |
| Sarieddeen et al. | Likelihood-based modulation classification for MU-MIMO systems | |
| CN115298979A (zh) | 具有连续传输层检测和软干扰消除的多输入多输出检测装置和方法 | |
| Desai et al. | Low complexity quasi-MLM modulation classification based optimal overloaded MU-MIMO receiver | |
| Hu | Channel shortening in wireless communication | |
| Lai et al. | Channel-aware local search (CA-LS) for iterative MIMO detection | |
| Thomas et al. | Detection using Block QR decomposition for MIMO HetNets | |
| KR20130124565A (ko) | 데이터 검출 정보를 제공하기 위한 개념 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20230724 Address after: Room 01, 8th Floor (7th Floor, Property Registration Floor), No. 1, Lane 61, Shengxia Road, China (Shanghai) Pilot Free Trade Zone, Pudong New Area, Shanghai Applicant after: Zheku Technology (Shanghai) Co.,Ltd. Address before: California Applicant before: Zheku Technology Co.,Ltd. |