CN116708094A - 多输入多输出系统的检测方法和装置、设备、介质 - Google Patents
多输入多输出系统的检测方法和装置、设备、介质 Download PDFInfo
- Publication number
- CN116708094A CN116708094A CN202310508262.8A CN202310508262A CN116708094A CN 116708094 A CN116708094 A CN 116708094A CN 202310508262 A CN202310508262 A CN 202310508262A CN 116708094 A CN116708094 A CN 116708094A
- Authority
- CN
- China
- Prior art keywords
- value
- signal
- decision
- vector
- branches
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 78
- 239000013598 vector Substances 0.000 claims abstract description 120
- 238000000034 method Methods 0.000 claims abstract description 41
- 238000004364 calculation method Methods 0.000 claims abstract description 27
- 239000011159 matrix material Substances 0.000 claims description 86
- 238000010586 diagram Methods 0.000 claims description 28
- 230000005540 biological transmission Effects 0.000 claims description 25
- 238000000354 decomposition reaction Methods 0.000 claims description 15
- 230000008707 rearrangement Effects 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 abstract description 16
- 238000004422 calculation algorithm Methods 0.000 description 18
- 238000005516 engineering process Methods 0.000 description 11
- 238000007476 Maximum Likelihood Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 230000008901 benefit Effects 0.000 description 8
- 230000002829 reductive effect Effects 0.000 description 7
- 230000036961 partial effect Effects 0.000 description 6
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005562 fading Methods 0.000 description 3
- 230000000670 limiting effect Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 241000282326 Felis catus Species 0.000 description 1
- 229920002430 Fibre-reinforced plastic Polymers 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000011151 fibre-reinforced plastic Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Classifications
-
- 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
- H04L25/03006—Arrangements for removing intersymbol interference
- H04L25/03178—Arrangements involving sequence estimation techniques
- H04L25/03312—Arrangements specific to the provision of output signals
- H04L25/03318—Provision of soft decisions
-
- 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
- H04B7/0413—MIMO systems
-
- 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
- H04L25/03006—Arrangements for removing intersymbol interference
-
- 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
- H04L25/03006—Arrangements for removing intersymbol interference
- H04L25/03178—Arrangements involving sequence estimation techniques
- H04L25/03203—Trellis search techniques
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Power Engineering (AREA)
- Radio Transmission System (AREA)
Abstract
本申请实施例提供多输入多输出系统的检测方法和装置、设备、介质,涉及通信技术领域。该方法包括:对接收信号进行信道均衡,获得发送信号的初始估计值;对码树进行搜索,得到幸存路径,包括:根据当前层的初始估计值的实部、以及根据当前层的初始估计值的虚部确定预选星座点集合;确定当前层的父节点数量;若父节点数量等于搜索广度阈值,对于同属于一个父节点的第一数目的分支,根据符号向量元素和预选星座点集合内的星座点计算距离增量值,保留一个最小距离增量值的分支作为幸存路径,得到搜索广度阈值个幸存路径;根据幸存路径进行解映射和计算对数似然比,最终得到软信息。本申请实施例能够降低检测复杂度。
Description
技术领域
本申请涉及通信技术领域,尤其涉及一种多输入多输出系统的检测方法和装置、设备、介质。
背景技术
多输入多输出(Multiple-Input Multiple-Output,MIMO)系统的检测方案可以分为两类:线性和非线性。线性检测算法的优点是复杂度低,缺点是性能相对于非线性检测较差。非线性检测的性能优于线性检测,但其复杂度更高。在非线性检测方案中,最大似然估计检测方案的性能较优,但是由于采用了穷举搜索,其复杂度会随着天线数和星座点数呈指数增加,实际实现较难。基于最大似然估计基础的一类“树搜索检测算法”将搜索最大似然解的过程转化为遍历码树的过程。
相关技术中,对于遍历码树,往往存在复杂度较高的问题。例如,在往下一层扩展时,每个父节点扩展出来的分支个数为星座图大小,需要计算个分支度量。又例如,对星座图进行预选的方案中,候选星座点集是通过计算发送信号和标准星座点之间的欧氏距离来选择的。
因此,如何提供一种关于多输入多输出系统的检测方法,能够提高检测性能,又能降低检测复杂度,成为了亟待解决的技术问题。
发明内容
本申请实施例的主要目的在于提出一种多输入多输出系统的检测方法和装置、设备、介质,能够提高检测性能,又能降低检测复杂度。
为实现上述目的,本申请实施例的第一方面提出了一种多输入多输出系统的检测方法,包括:
对接收信号进行信道均衡,获得发送信号的初始估计值;
根据信道估计矩阵和所述接收信号得到处理后的信号;
基于所述处理后的信号生成码树,所述码树包括多层节点,其中,每一层的所述节点对应由所述处理后的信号估计得到的符号向量元素,除了最下面一层,每一层的节点包括第一数目个分支,除了根节点,每一层的节点通过所述分支与父节点连接;
对所述码树进行搜索,得到幸存路径,包括:
根据当前层的所述初始估计值的实部在星座图的实轴上确定第二数目个第一星座点,根据当前层的所述初始估计值的虚部在星座图的虚轴上确定第二数目个第二星座点,根据所述第二数目个第一星座点和所述第二数目个第二星座点得到预选星座点集合;其中,所述第一数目为所述第二数目的平方;
确定当前层的父节点数量;
若所述父节点数量小于搜索广度阈值,保留所有分支,将所有分支均作为幸存路径;其中,所述搜索广度阈值与所述第一数目相同;
若所述父节点数量等于搜索广度阈值,对于同属于一个父节点的第一数目的分支,根据所述符号向量元素和所述预选星座点集合内的星座点计算距离增量值,保留一个最小距离增量值的分支作为幸存路径,得到所述搜索广度阈值个幸存路径;
递归计算所述幸存路径的路径度量值,将所述幸存路径的数量作为下一层的父节点数量,直至搜索完最下面一层;
将所述幸存路径上的所述符号向量元素进行合并,得到估计符号向量,且对所述估计符号向量进行解映射,得到判决比特序列;
对于所述搜索广度阈值个所述判决比特序列中的每个判决比特,根据所述判决比特对应的最小路径度量值计算对数似然比,得到软信息。
在一些实施例,根据所述判决比特对应的最小路径度量值计算对数似然比,得到软信息,包括:
根据所述判决比特对应的最小路径度量值计算对数似然比,得到待修正软信息;
根据所述对接收信号进行信道均衡得到的中间计算结果,确定所述发送信号中每流数据的等效信噪比;
根据所述等效信噪比对所述待修正软信息进行修正,得到所述软信息。
在一些实施例,所述根据所述对接收信号进行信道均衡,确定所述发送信号中每流数据的等效信噪比,包括:
根据噪声协方差RNN和信道估计矩阵H确定信道均衡因子WMMSE:
令A=HHRNN -1H+1,则iA=(HHRNN -1H+I)-1,WMMSE=iA*(HHRNN -1),
保存中间计算结果iA,则每流数据的等效信噪比SINRi:
其中,SINRi为第i个流数据的等效信噪比。
在一些实施例,所述根据所述判决比特对应的最小路径度量值计算对数似然比,得到待修正软信息,包括:
获取第一判决向量和第二判决向量;其中,所述第一判决向量包括第一向量元素,所述第一向量元素的值均为零,所述第二判决向量包括第二向量元素,所述第二向量元素的值均为零;
若所述判决比特的值为第一值,则将所述判决比特对应的最小路径度量值赋给处于判决位置的所述第一向量元素,若所述判决比特的值为第二值,则将所述判决比特对应的最小路径度量值赋给处于判决位置所述第二向量元素;
如果所述第一判决向量还有值为零的第一向量元素,则将第一向量元素的值更新为预设值,如果所述第二判决向量还有值为零的第二向量元素,则将第二向量元素的值更新为所述预设值,
根据所述第二判决向量和所述第一判决向量的差值得到所述待修正软信息。
在一些实施例,所述递归计算所述幸存路径的路径度量,包括:
根据所述幸存路径上的符号向量元素和所述星座点集合内的星座点计算得到每一所述幸存路径的距离增量值;
根据上一层的路径度量值和所述幸存路径的距离增量值得到所述路径度量值。
在一些实施例,所述根据信道估计矩阵和所述接收信号得到处理后的信号,包括:
对所述信道估计矩阵进行正交三角分解,得到酉矩阵;
确定所述酉矩阵的共轭装置矩阵,根据所述共轭装置矩阵和接收信号进行相乘,得到所述处理后的信号。
在一些实施例,所述对所述信道估计矩阵进行正交三角分解,得到酉矩阵,包括:
计算所述信道估计矩阵的各个列元素的信噪比;
根据所述信噪比由小至大确定各个所述列元素的重排顺序;
根据所述重排顺序对所述列元素进行顺序重排,得到重排信道矩阵;
对所述重排信道矩阵进行正交三角分解,得到所述酉矩阵。
为实现上述目的,本申请实施例的第二方面提出了一种多输入多输出系统的检测装置,包括:
信道均衡单元,用于对接收信号进行信道均衡,获得发送信号的初始估计值;
信号处理单元,用于根据信道估计矩阵和所述接收信号得到处理后的信号;
码树生成单元,用于基于所述处理后的信号生成码树,所述码树包括多层节点,其中,每一层的所述节点对应由所述处理后的信号估计得到的符号向量元素,除了最下面一层,每一层的节点包括第一数目个分支,除了根节点,每一层的节点通过所述分支与父节点连接;
码树搜索单元,用于对所述码树进行搜索,得到幸存路径,包括:
根据当前层的所述初始估计值的实部在星座图的实轴上确定第二数目个第一星座点,根据当前层的所述初始估计值的虚部在星座图的虚轴上确定第二数目个第二星座点,根据所述第二数目个第一星座点和所述第二数目个第二星座点得到预选星座点集合;其中,所述第一数目为所述第二数目的平方;
确定当前层的父节点数量;
若所述父节点数量小于搜索广度阈值,保留所有分支,将所有分支均作为幸存路径;其中,所述搜索广度阈值与所述第一数目相同;
若所述父节点数量等于搜索广度阈值,对于同属于一个父节点的第一数目的分支,根据所述符号向量元素和所述预选星座点集合内的星座点计算距离增量值,保留一个最小距离增量值的分支作为幸存路径,得到所述搜索广度阈值个幸存路径;
递归计算所述幸存路径的路径度量值,将所述幸存路径的数量作为下一层的父节点数量,直至搜索完最下面一层;
解映射单元,用于将所述幸存路径上的所述符号向量元素进行合并,得到估计符号向量,且对所述估计符号向量进行解映射,得到判决比特序列;
检测单元,用于对于所述搜索广度阈值个所述判决比特序列中的每个判决比特,根据所述判决比特对应的最小路径度量值计算对数似然比,得到软信息。
为实现上述目的,本申请实施例的第三方面提出了一种电子设备,所述电子设备包括存储器、处理器、所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述第一方面所述的方法。
为实现上述目的,本申请实施例的第四方面提出了一种存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述第一方面所述的方法。
本申请提出的多输入多输出系统的检测方法和装置、设备、介质,利用信道均衡得到的初始估计值对每层的星座图进行预选,在不影响检测性能的前提下,降低了所需的计算资源。通过第二数目控制每个父节点扩展出来的分支个数,仅需要计算个分支度量,可通过选取合适的第二数目,便可在不影响检测性能的条件下,降低计算量。还通过初始估计值的实部和标准星座点实部之间的距离,以及根据初始估计值的虚部和标准星座点虚部之间的距离,得到大小为第一数目的星座点集合,可以节约得到星座点集合的计算资源。综上所述,本申请能够降低检测复杂度。且提高检测性能。
附图说明
图1是根据本申请实施例的多输入多输出系统的检测方法所应用的系统构架图;
图2是根据本申请实施例的多输入多输出系统的结构示意图;
图3是本申请一个实施例提供的多输入多输出系统的检测方法的流程图;
图4是图3中的步骤320的流程图;
图5是图4中的步骤410的流程图;
图6是本申请实施例中的码树的示意图;
图7是本申请实施例中的迭代搜索的实施流程图;
图8是图3中的步骤360的流程图;
图9是图8中的步骤810的流程图;
图10是16QAM星座图的示意图;
图11是对码树进行搜索的实现过程示意图;
图12是一个仿真性能对比图;
图13是一个计算复杂度对比图;
图14是本申请一个实施例提供的多输入多输出系统的检测装置的模块结构框图;
图15是本申请一个实施例提供的电子设备的硬件结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本申请,并不用于限定本申请。
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的,不是旨在限制本申请。
对本申请实施例进行进一步详细说明之前,对本申请实施例中涉及的名词和术语进行说明,本申请实施例中涉及的名词和术语适用于如下的解释:
多输入多输出(Multiple-Input Multiple-Output,MIMO)系统:是指在发射端和接收端分别使用多个发射天线和接收天线,使信号通过发射端与接收端的多个天线传送和接收,从而改善通信质量。它能充分利用空间资源,通过多个天线实现多发多收,在不增加频谱资源和天线发射功率的情况下,可以成倍的提高系统信道容量,显示出明显的优势、被视为下一代移动通信的核心技术。
MIMO技术大致分为两类:分集MIMO技术和空间复用MIMO技术。分集MIMO技术利用多天线接收或者发射载有同一信息的信号,从而提高传输的可靠性。空间复用MIMO技术中,多个天线同时发送多个独立的数据流,从而实现更高的传输速率。本申请实施例主要所讨论的是空间复用MIMO技术。
最大似然估计(Maximum likelihood Estimation,MLE):一种重要而普遍的求估计量的方法。最大似然法明确地使用概率模型,其目标是寻找能够以较高概率产生观察数据的系统发生树。最大似然法是一类完全基于统计的系统发生树重建方法的代表。
相关技术中,对于遍历码树,往往存在复杂度较高的问题。例如,在往下一层扩展时,每个父节点扩展出来的分支个数为星座图大小,需要计算个分支度量。又例如,对星座图进行预选的方案中,候选星座点集是通过计算发送信号和标准星座点之间的欧氏距离来选择的。
因此,如何提供一种关于多输入多输出系统的检测方法,能够提高检测性能,又能降低检测复杂度,成为了亟待解决的技术问题。
本申请实施例提供的多输入多输出系统的检测方法,与传统的SISO(Single-Input Single-Output)系统相比,空间复用MIMO技术能在不增加带宽和天线发射功率的情况下,显著提升数据速率。该技术广泛应用于WiFi(IEEE802.11 n/ac)、LTE(Long-Termevolution)、5GNR(New Radio)等协议中。在空间复用MIMO技术中,实现难点在于接收机中检测器的设计。线性检测器的性能无法满足高速数据传输的性能需求,而非线性检测器的实现复杂度又太高。
本申请针对的应用场景之一是高速数据传输,通常采用高阶调制以及多流传输来实现高速数据传输。目的是在不增加硬件实现复杂度的前提下,提升软输出的检测性能。
图1是根据本公开的实施例的多输入多输出系统的检测方法所应用的系统构架图。它包括终端110、互联网120、网关130、服务器140等。
终端110是接收信道估计矩阵和接收信号、然后从信道估计矩阵和接收信号中识别出发送信号并进行相应处理的设备。它包括桌面电脑、膝上型电脑、手机、专用终端等多种形式。随着本申请实施例在如上文所述的高速数据传输的MIMO系统等场景的应用,它可以具体体现为具有天线的接收机等形式。另外,它可以是单台设备,也可以是多台设备组成的集合。终端110可以以有线或无线的方式与互联网120进行通信,交换数据。
服务器140是指能对终端110提供某些服务的计算机系统。相对于普通终端110来说,服务器140在稳定性、安全性、性能等方面都要求更高。服务器140可以是网络平台中的一台高性能计算机、多台高性能计算机的集群、一台高性能计算机中划出的一部分(例如虚拟机)、多台高性能计算机中划出的一部分(例如虚拟机)的组合等。服务器110在某些应用场景下(如上文提到的高速数据传输的MIMO系统等),能够对终端110接收到信道估计矩阵和接收信号后提供相关支持(例如,由服务器根据信道估计矩阵和接收信号识别出发送信号之后,再由服务器将发送信号返回给终端110等)。
网关130又称网间连接器、协议转换器。网关在传输层上实现网络互连,是一种充当转换作用的计算机系统或设备。在使用不同的通信协议、数据格式或语言,甚至体系结构完全不同的两种系统之间,网关是一个翻译器。同时,网关也可以提供过滤和安全功能。终端110向服务器140发送的消息要通过网关130发送到相应的服务器140。服务器140向终端110发送的消息也要通过网关130发送到相应的终端110。
参见图2所示的MIMO系统,在发射机(Transmitter)中:数据通过信道编码、QAM调制、层映射后转换为Nt个数据流。在每个符号周期内,发射的符号向量为(相当于图2所示的s),xi是QAM调制星座图Φ中的符号。在接收机(Receiver)中:在每个符号周期内,Nr个接收天线上接收到的符号向量/>对y通过Detector完成检测,检测输出的软信息通过SoftDecoder完成软译码,便可得到估计的信息比特。
MIMO信道用维度为Nr×Nt的频域信道矩阵H来表示,矩阵中的元素hij表示从发送天线j到接收天线i的复信道增益。AWGN信道用MR维的噪声向量w来表示。图2所示的MIMO系统的等价复基带模型可表示为:
y=Hx+w 公式(1)
MIMO系统接收机信号检测的目的就是从接收的符号向量y中估计出发射的符号向量按照最大似然估计准则:
可以理解的是,通过对公式(2)进行求解,得到估计出发射的符号向量
在图2所示的MIMO系统的基础上,详细介绍本申请的多输入多输出系统的检测方法。
如图3所示,根据本申请一个实施例的多输入多输出系统的检测方法可以包括:
步骤310、对接收信号进行信道均衡,获得发送信号的初始估计值;
步骤320、根据信道估计矩阵和接收信号得到处理后的信号;
步骤330、基于处理后的信号生成码树,码树包括多层节点,其中,每一层的节点对应由处理后的信号估计得到的符号向量元素,除了最下面一层,每一层的节点包括第一数目个分支,除了根节点,每一层的节点通过分支与父节点连接;
步骤340、对码树进行搜索,得到幸存路径,包括:
根据当前层的初始估计值的实部在星座图的实轴上确定第二数目个第一星座点,根据当前层的初始估计值的虚部在星座图的虚轴上确定第二数目个第二星座点,根据第二数目个第一星座点和第二数目个第二星座点得到预选星座点集合;其中,第一数目为第二数目的平方;
确定当前层的父节点数量;
若父节点数量小于搜索广度阈值,保留所有分支,将所有分支均作为幸存路径;其中,搜索广度阈值与第一数目相同;
若父节点数量等于搜索广度阈值,对于同属于一个父节点的第一数目的分支,根据符号向量元素和预选星座点集合内的星座点计算距离增量值,保留一个最小距离增量值的分支作为幸存路径,得到搜索广度阈值个幸存路径;
递归计算幸存路径的路径度量值,将幸存路径的数量作为下一层的父节点数量,直至搜索完最下面一层;
步骤350、将幸存路径上的符号向量元素进行合并,得到估计符号向量,且对估计符号向量进行解映射,得到判决比特序列;
步骤360、对于搜索广度阈值个判决比特序列中的每个判决比特,根据判决比特对应的最小路径度量值计算对数似然比,得到软信息。
通过步骤310-360,本实施例的好处包括但不限于,通过利用信道均衡得到的初始估计值对每层的星座图进行预选,在不影响检测性能的前提下,降低了所需计算资源。通过第二数目(N)控制每个父节点扩展出来的分支个数,仅需要计算M·N2个分支度量,可通过选取合适的N值,便可在不影响检测性能的条件下,降低计算量。通过初始估计值的实部和标准星座点实部之间的距离,选出实轴上大小为N的候选集;根据初始估计值的虚部和标准星座点虚部之间的距离,选出虚轴上大小为N的候选集;再将实轴和虚轴上的候选集进行组合,得到大小为第一数目M(M=NxN)的星座点集合,可以节约得到星座点集合的计算资源。
下面对步骤310-360进行详细描述。
在步骤310中,对接收信号进行信道均衡,获得发送信号的初始估计值。
接收信号是指由发射机发出,经过信道传输后,通过天线收集到的信号。例如,图2所示的发射机通过天线发射发送信号经过MIMO Channel之后,接收机通过天线收集到的接收信号为/>
信道均衡(Channel equalization)是指为了提高衰落信道中的通信系统的传输性能而采取的一种抗衰落措施。它主要是为了消除或者是减弱宽带通信时的多径时延带来的码间串扰ISI问题。一般线性检测信道均衡方法包括破零均衡算法(ZF)和最小均方误差算法(MMSE)。
在步骤310对接收信号进行信道均衡之后,可以得到获得发送信号的初始估计值x%。
在一实施例中,步骤310具体包括:
根据信道估计矩阵和噪声协方差矩阵确定信道均衡因子;
根据信道均衡因子和接收信号线程得到发送信号的初始估计值。
具体地,先计算信道均衡因子WMMSE,然后对接收信号y乘以信道均衡因子WMMSE以逆转信道对发送信号的影响。计算过程可用如下公式表示:
其中,H为信道估计矩阵,RNN -1为噪声协方差的逆矩阵,I为单位阵。
信道估计是指从接收信号中将假定的某个信道模型的模型参数估计出来的过程。如果信道是线性的话,那么信道估计就是对系统冲激响应进行估计。信道估计矩阵是指对信道模型的模型参数进行估计之后得到的矩阵。例如,对图2所示的MIMO信道(MIMOChannel)的信道参数进行估计,得到信道估计矩阵H。
需要说明的是,进行MIMO系统的检测时,信道估计矩阵H和噪声协方差矩阵的逆矩阵RNN -1都是已知的。例如,可以在发射端插入导频,在接收端根据导频估计出噪声协方差矩阵RNN以及信道估计矩阵H等信道信息。
以上是对步骤310的详细描述,接着对步骤320展开描述。
在步骤320中,根据信道估计矩阵和接收信号得到处理后的信号。
对于接收机而言,需从接收信号识别出发送信号,而接收信号是发送信号叠加信道估计矩阵得到的,因此需将接收信号中信道的影响去除,得到处理后的信号,以便进行发送信号的恢复。
在一实施例中,是直接根据信道估计矩阵H去除接收信号y中信道传输的影响,得到处理后的信号
在一实施例中,参照图4,步骤320包括:
步骤410、对信道估计矩阵进行正交三角分解,得到酉矩阵;
步骤420、确定酉矩阵的共轭装置矩阵,根据共轭装置矩阵和接收信号进行相乘,得到处理后的信号。
具体地,对信道估计矩阵H做正交三角分解(又称QR分解),得到酉矩阵Q和上三角矩阵R,对接收信号y左乘QH得到可用如下公式表示:
H=QR公式(5)
其中,表示处理后的信号。
需要说明的是,正交三角分解,又称QR分解。QR分解法是求一般矩阵全部特征值的最有效并广泛应用的方法,一般矩阵先经过正交相似变化成为Hessenberg矩阵,然后再应用QR方法求特征值和特征向量。它是将矩阵分解成一个正规正交矩阵Q与上三角形矩阵R,所以称为QR分解法,与此正规正交矩阵的通用符号Q有关。如果实(复)非奇异矩阵A能够化成正交(酉)矩阵Q与实(复)非奇异上三角矩阵R的乘积,即A=QR,则称其为A的QR分解。
在另一实施例中,信道估计矩阵H中各个列元素的排列顺序会影响检测的准确率。
因此,在一实施例中,参照图5,步骤410包括:
步骤510、计算信道估计矩阵的各个列元素的信噪比;
步骤520、根据信噪比由小至大确定各个列元素的重排顺序;
步骤530、根据重排顺序对所述列元素进行顺序重排,得到重排信道矩阵;
步骤540、对重排信道矩阵进行正交三角分解,得到酉矩阵。
在该实施例具体实施时,以4流数据的检测为例来说明,信道估计矩阵H可表示为:H为4x4的复矩阵,H包括四个列元素。第一个列元素为{H11,i+j*H11,q,H21,i+j*H21,q,H31,i+j*H31,q,H41,i+j*H41,q}。第二个列元素为{H12,i+j*H12,q,H22,i+j*H22,q,H32,i+j*H32,q,H42,i+j*H42,q}。第三个列元素为{H13,i+j*H13,q,H23,i+j*H23,q,H33,i+j*H33,q,H43,i+j*H43,q}。第四个列元素为{H14,i+j*H14,q,H24,i+j*H24,q,H34,i+j*H34,q,H44,i+j*H44,q}。
假定计算出第一个列元素的信噪比为Hnorm1,第二个列元素的信噪比为Hnorm2,第三个列元素的信噪比为Hnorm3,以及第四个列元素的信噪比为Hnorm4。且Hnorm1为4、Hnorm2为1、Hnorm3为8、和Hnorm4为2。则根据信噪比由小至大确定出:第二个列元素的重排顺序为1、第四个列元素的重排顺序为2、第一个列元素的重排顺序为3、以及第三个列元素的重排顺序为4。得到的重排信道矩阵H1可表示为:
然后根据重排信道矩阵H1和接收信号y得到处理后的信号
步骤510-540的好处是,基于信噪比对信道估计矩阵进行升序重排,然后对H按照信噪比进行重排后得到的H1进行检测,这样可以优先检测信噪比较高的列元素,可以避免误码扩散,提高检测的性能。
在一实施例中,根据列元素中的子元素的平方和确定列元素的信噪比。例如,第一个列元素为{H11,i+j*H11,q,H21,i+j*H21,q,H31,i+j*H31,q,H41,i+j*H41,q},该列元素的子元素包括四个,也就是H11,i+j*H11,q、H21,i+j*H21,q、H31,i+j*H31,q、以及H41,i+j*H41,q。则与Hnorm1计算公式类似,易知Hnorm2、Hnorm3、和Hnorm4的计算公式,此处不在赘述。
通过上述计算方式,利用列元素中的子元素的平方和表征该列元素的信噪比,在确保准确率的情况下,还降低了计算复杂度。
除了上述计算方式,本申请实施例还提供了能够进一步降低计算复杂度的计算方式。
在一实施例中,列元素包括子元素,步骤510,包括:
根据子元素得到复数形式的流数据;
将流数据进行分解,得到实部流数据和虚部流数据;
根据实部流数据的模与虚部流数据的模进行求和,得到子元素对应的子信噪比;
根据子元素对应的子信噪比进行求和,得到信噪比。
具体地,以第一个列元素为{H11,i+j*H11,q,H21,i+j*H21,q,H31,i+j*H31,q,H41,i+j*H41,q}为例,第一个子元素为H11,i+j*H11,q,因此得到复数形式的流数据可表示为H11,i+j*H11,q。然后将流数据分解得到实部流数据为H11,i,虚部流数据为j*H11,q。
则第一个子元素对应的子信噪比为|H11,i|+|H11,q|。然后,第一个列元素的信噪比表示为:
HnormLinear1=|H11,i|+|H11,q|+|H21,i|+|H21,q|+|H31,i|+|H31,q|+|H41,i|+|H41,q|。
与第一个列元素的信噪比的计算公式类似,易知第二个列元素的信噪比、第三个列元素的信噪比、和第四个列元素的信噪比的计算公式,此处不在赘述。
该实施例的好处是,通过采用实部流数据和虚部流数据分别取模再求和的方式计算信噪比,这样的近似处理不会影响检测性能,降低了计算复杂度。尤其是相对上述实施例的计算方案,该实施例能够省去先求平方再开方的计算量和计算难度。
以上是对步骤320的详细描述,接着对步骤330展开描述。
在步骤330中,基于处理后的信号生成码树,码树包括多层节点,其中,每一层的节点对应由处理后的信号估计得到的符号向量元素,除了最下面一层,每一层的节点包括第一数目个分支,除了根节点,每一层的节点通过分支与父节点连接。
具体地,本实施例的码树通常是一种多叉树。码树拥有树结构的所有特点,树结构常常包含多个节点(如图6所示的节点),多个节点中至少包括至少一个叶子节点、一个根节点,通常情况下还包含叶子节点和根节点之间的多个中间节点。
继续参照图6,在一实施例中,树的深度为5层,根节点位于第5层,叶子节点位于第1层。除了最下面一层(也就是叶子节点位于的第1层),其他层的每个节点包括第一数目个分支,且该第一数目具体为星座点集合的大小N*N(图6所示的第一数目为4,N=2)。
需要说明的是,对于MI MO系统而言,为了能够提高从接收信号检测出发送信号的处理效率,可基于接收信号将发送信号包括的数据符号的所有可能的组合映射到一个树搜索模型中,然后通过对该树搜索模型进行求解,可以得到从根节点到叶子节点之间的最优路径,也就是根据最优路径上的估计值恢复出发送信号的数据符号。
而在本申请实施中,根据处理后的信号可以估计得到符号向量元素,该一个分支节点上的符号向量元素用于表征发送信号的一个估计值,根节点至叶子节点之间的路径上的所有符号向量元素用于表征发送信号的一种可能的组合。而码树包括多个根节点至叶子节点之间的路径,也就是存在多种可能的组合,所以需要求得路径度量值最优的路径,从而得到软信息。
以上是对步骤330的详细描述,接着对步骤340展开描述。
在步骤340中,对码树进行搜索,得到幸存路径,包括:
根据当前层的初始估计值的实部在星座图的实轴上确定第二数目个第一星座点,根据当前层的初始估计值的虚部在星座图的虚轴上确定第二数目个第二星座点,根据第二数目个第一星座点和第二数目个第二星座点得到预选星座点集合;
确定当前层的父节点数量;
若父节点数量小于搜索广度阈值,保留所有分支,将所有分支均作为幸存路径;其中,搜索广度阈值与第一数目相同;
若父节点数量等于搜索广度阈值,对于同属于一个父节点的第一数目的分支,根据符号向量元素和预选星座点集合内的星座点计算距离增量值,保留一个最小距离增量值的分支作为幸存路径,得到搜索广度阈值个幸存路径;
递归计算幸存路径的路径度量值,将幸存路径的数量作为下一层的父节点数量,直至搜索完最下面一层。
需要说明的是,步骤340中的递归计算幸存路径的路径度量,包括:
根据幸存路径上的符号向量元素和星座点集合内的星座点计算得到每一幸存路径的距离增量值;
根据上一层的路径度量值和幸存路径的距离增量值得到路径度量值。
具体地,参照图7,步骤330迭代搜索的具体过程如下:
1)对码树搜索相关的变量做初始化:定义部分信号向量s(i)=[si,si+1,...,sNSS]T,其对应的部分路径度量为PM(i),路径度量初值置为零;距离增量/>的初值置为无穷大,父节点个数parentsNodeNum的初值置为1。
2)递归计算路径度量,for i=Nss,…,3,2,1层:
计算当前层的预选星座点格图latticei:根据当前层的初始估计值的实部,在实轴(I轴)上找到距离其最近的N个点{I1,I2,...,IN};根据当前层的初始估计值/>的虚部,在虚轴(Q轴)上找到距离其最近的N个点{Q1,Q2,...,QN}。将I轴和Q轴组合,得到大小为N*N的星座点集合lattici,组合方式为{(I1,Q1),(I1,Q2),...,(I1,QN),(I2,Q1),...,(I2,QN),...,(IN,Q1),...,(IN,QN)}。
对每条幸存路径在预选星座点格图lattici={S0,S1,…,S|O|-1}上进行扩展,并计算距离增量DI(i)。
更新部分路径度量PM(i),PM(i)=PM(i+1)+DI(i),i=Nss,Nss-1,...,1。
如果该层的分支个数branchNum超过了M,则需要进行路径选择。路径选择的方法为:从一个父节点扩展得到的N*N个分支中选择一个距离增量(D I)最小的分支作为幸存路径。
将parentsNodeNum更新为幸存路径的数量,进行下一层的处理,重复上述步骤2),直至搜索完最下面一层。
在一实施例中,步骤340中的最小距离增量值通过以下方式确定:
根据节点的符号向量元素和父节点的符号向量元素得到复数形式的距离数据;
将距离数据进行分解,得到实部距离数据和虚部距离数据;
根据实部距离数据的模与虚部距离数据的模求和,得到距离增量值;
根据多个距离增量值的排序结果确定最小距离增量值。
在该实施例中,计算距离增量值时,采用了实部与虚拟分别求模的近似算法,不仅降低了计算复杂度,而且据此计算出的软信息更接近理论值。
需要说明的是,在QRM检测算法中:在计算距离增量值时,可以按照公式计算。令X=Xi+iXq,则|e(x(i))|2=|X|2=Xi 2+Xq 2。而本实施例中:在计算距离增量时,按照公式|e(x(i))|2≈|Xi|+|Xq|的近似计算。每个距离增量的计算复杂度由“两个乘法器+1个加法器”降低为“1个加法器”。以采用了256QAM调制的QRM检测为例:每层需要计算的距离增量个数是256个。传统方案中,所需的硬件资源为“512个乘法器+256个加法器”;而本实施例中,所需的硬件资源为“256个加法器”。可见本实施例大大降低了硬件资源。除了降低计算复杂度,该近似算法计算出的LLR与采用了简化译码算法的LDPC译码器更适配。仿真结果表明:当LDPC采用OMS(Offse Min-Sum)译码算法时,采用近似算法计算距离增量,比采用原公式计算距离增量,能提升约3dB的性能增益。
以上是对步骤340的详细描述,接着对步骤350-360展开描述。
在步骤350中,将幸存路径上的符号向量元素进行合并,得到估计符号向量,且对估计符号向量进行解映射,得到判决比特序列。在步骤360中,对于搜索广度阈值个判决比特序列中的每个判决比特,根据判决比特对应的最小路径度量值计算对数似然比,得到软信息。
参照图8,在一实施例中,步骤360具体包括:
步骤810、根据判决比特对应的最小路径度量值计算对数似然比,得到待修正软信息;
步骤820、根据对接收信号进行信道均衡得到的中间计算结果,确定发送信号中每流数据的等效信噪比;
步骤830、根据等效信噪比对待修正软信息进行修正,得到软信息。
具体地,先得到步骤810的待修正软信息LLRtmp,然后每流数据的等效信噪比SINR修正后作为权重因子SINRcomp,与LLRtmp相乘,便可得到最终的软信息LLR,如公式表示:LLR=SINRcomp·LLRtmp。
该实施例的好处是,利用MMSE均衡过程的中间计算结果计算出SINR,对SINR值补偿后,作为检测软输出的修正因子,提升了检测性能。
在一实施例中,参照图9,步骤810具体包括:
步骤910、获取第一判决向量和第二判决向量;其中,第一判决向量包括第一向量元素,第一向量元素的值均为零,第二判决向量包括第二向量元素,第二向量元素的值均为零;
步骤920、若判决比特的值为第一值,则将判决比特对应的最小路径度量值赋给处于判决位置的第一向量元素,若判决比特的值为第二值,则将判决比特对应的最小路径度量值赋给处于判决位置第二向量元素;
步骤930、如果第一判决向量还有值为零的第一向量元素,则将第一向量元素的值更新为预设值,如果第二判决向量还有值为零的第二向量元素,则将第二向量元素的值更新为预设值;
步骤940、根据第二判决向量和第一判决向量的差值得到待修正软信息。
具体地,码树搜索完毕后,对所有幸存路径进行如下的遍历:
对幸存路径对应的估计符号向量做解映射,得到判决比特序列,该判决比特序列包括Nss*Qm个判决比特;
对于每个判决比特,如果判决比特的值为第一值(例如为0),将该判决位置上的第一向量元素都置为最小路径度量值;如果判决比特的值为第二值(例如为1):将该判决位置上的第二向量元素置为最小路径度量值。其中,判决位置由判决比特在判决比特序列中的位置确定。
在另一实施例中,如果判决比特的值为第一值(例如为0):当其对应的最小路径度量值小于第一度量阈值(cost0)时,将该判决位置上的第一向量元素和cost0都置为该路径度量值;如果判决比特的值为第二值(例如为1):当其对应的最小路径度量小于第二度量阈值(cost1)时,将该判决位置上的第二向量元素和cost1都置为该路径度量值。相比上一方式,进一步降低了误码率。
当搜索结束后,如果第一判决向量(LLR0)和第二判决向量LLR1中还有值为“零”的元素,则用一个较大的预设值(例如为2)来代替。
计算软信息LLRtmp:LLRtmp=LLR1-LLR0。还可按照上述实施例中的重排顺序将LLR进行重排,恢复至原来的流顺序。
该实施例的好处是,排除了第一判决向量和第二判决向量中“零”元素的可能,进一步降低了误码率。
在一实施例中,步骤820具体包括:
根据噪声协方差RNN和信道估计矩阵H确定信道均衡因子WMMSE:
令A=HHRNN -1H+1,则iA=(HHRNN -1H+I)-1,WMMSE=iA*(HHRNN -1),
保存中间计算结果iA,则每流数据的等效信噪比SINRi:
其中,SINRi为第i个流数据的等效信噪比,iA为方阵,,[iA]i,i表示方阵的对角线。可见,只需要加一个“求倒数”操作,就可以得到SIINR。对SINR值按照comp值进行补偿后得到:SINRcomp=SINR+comp。例如comp值为1。
结合图10和图11,本申请实施例提供以下具体应用示例。
以采用16QAM调制的4T4R4S MIMO系统为例,来说明QRM64算法的迭代搜索过程。16QAM的星座图如图10所示,星座点集合为{S0,S1,S2,S3,S4,S5,S6,S7,S8,S9,S10,S11,S12,S13,S14,S15},其中S0为{0000}、S1为{1000}、S2为{0100}、S3为{1100}、S4为{0010}、S5为{1010}、S6为{0110}、S7为{1110}、S8为{0001}、S9为{1001}、S10为{0101}、S11为{1101}、S12为{0011}、S13为{1011}、S14为{0111}、S15为{1111}。
在发射机中:假如发送信号为长度为16bit的编码比特流为{1101001010010100},经过星座点映射后得到长度为4的符号向量S=[S(1),S(2),S(3),S(4)]=[S11,S4,S9,S2]。将其串并转换为ST后,从4个发射天线上发出去。在接收机中,4个接收天线上接收到的数据为y=[y1,y2,y3,y4]T,假设信道矩阵H是已知的。软输出QRM检测算法需要根据y和H估计出16个软比特值。
参照图11,构造一棵码树:树的深度为5层,根节点位于第5层,叶子节点位于第1层,每个节点的分支数为星座点格图集合的大小M=N*N,si为树的第i层节点。对码树进行搜索的具体过程如下:
1)第5层无父节点,进入第4层。
2)计算第4层的M条幸存路径的部分路径度量:
第4层的父节点数量(parentsNodeNum)为1,分支数量(branchNum)为M=4,幸存路径数量(survivalPathNum)为M=4。路径增量其中,将lattic4集合中星座点的M种可能取值{S0,S1,…,SM-1}代入s4,计算出第4层的M个距离增量/>然后更新这M条路径的路径度量/>其中:/>PM(5)=0。
3)计算第3层的M条路径的部分路径度量:
第3层的父节点数量(parentsNodeNum),分支数量(branchNum)为M,幸存路径数量(survi va l PathNum)为M。路径增量其中,从父节点S0开始依次计算:首先,将S0代入s4,将lattic3集合中星座点的M种可能取值{S0,S1,…,SM-1}代入s3,便可得到由父节点S0扩展而来的M个距离增量/>然后从这M个分支中选择距离增量最小的一个分支保留,删除其余的分支;接着更新这条幸存路径的路径度量/> 接着,对其余的父节点按照同样的方法进行扩展,最终得到M条幸存路径的路径度量。
4)计算第2层的M条路径的部分路径度量:
第2层的父节点数量(parentsNodeNum)为M,分支数量(branchNum)为M,幸存路径数量(survi va l PathNum)为M。路径增量其中,从父节点S0,0开始依次计算:首先,将S0,0向量对应的第二个星座点代入s4,将S0,0向量对应的第一个星座点代入s3,将lattic2集合中星座点的M种可能取值{S0,S1,…,SM-1}代入s2,便可得到由父节点S0,0扩展而来的M个距离增量然后从这M个分支中选择距离增量最小的一个分支保留,删除其余的分支;接着更新这条幸存路径的路径度量/> 接着,对其余的父节点按照同样的方法进行扩展,最终得到M条幸存路径的路径度量。
5)计算第1层的M条路径的路径度量:
第1层的父节点数量(parentsNodeNum)为M,分支数量(branchNum)为M,幸存路径数量(survi va l PathNum)为M。路径增量其中,从父节点S0,0,0开始依次计算:首先,将S0,0,0向量对应的第三个星座点代入s4,将S0,0,0向量对应的第二个星座点代入s3,将S0,0,0向量对应的第一个星座点代入s2,将lattic1集合中星座点的M种可能取值{S0,S1,…,SM-1}代入s1,便可得到由父节点S0,0,0扩展而来的M个距离增量/>然后从这M个分支中选择距离增量最小的一个分支保留,删除其余的分支;接着更新这条幸存路径的路径度量/> 接着,对其余的父节点按照同样的方法进行扩展,最终得到M条幸存路径的路径度量。
6)对M条幸存路径对应的信号向量S0,0,0,0做解映射,得到M个长度为16的判决比特序列{b0,b1,b2,b3,b4,b5,b6,b7,b8,b9,b10,b11,b12,b13,b14,b15}。对每个判决比特bi,将所有bi=0对应的幸存路径集合中,路径度量的最小值赋给LLR0;将所有bi=1对应的幸存路径集合中,路径度量的最小值赋给LLR1。
7)进行解映射:
对M条路径都重复过step6的操作以后,如果LLR0向量和LLR1向量中还有“零”元素,则令其取值为2。
8)输出软信息:
计算LLRtmp=LLR1-LLR0,最终的软信息LLR,LLR=(SINR+1)·LLRtmp。
综合上述实施例,其中的关键点包括:
(1)通过步骤310-360,利用MMSE检测结果对每层的星座图进行预选,在不影响检测性能的前提下,降低了QRM检测算法中的计算资源。
(2)通过步骤810-830,利用MMSE均衡过程的中间计算结果计算出SI NR,对SI NR值补偿后,作为QRM检测软输出的修正因子,提升了检测性能。
接下来结合图12-13示出关于关键点(1)和关键点(2)的检测性能对比图。
如图12所示,横坐标为信噪比SNR,纵坐标为误包率PER。信道为LTE中的典型衰落信道模型EPA5,采用了4发4收4流(4T4R4S)的MI MO传输,采用了64QAM调制以及LDPC信道编译码。
其中,图12所示的“MMSE”表示仅采用MMSE检测。
图12所示的“QRMor ig”表示采用QRM原始算法(M=64)。
图12所示的“QRMopt i LaS i ze16 LLRsca l edBy SI NR”表示采用本实施例中提出的关键点(1)和关键点(2),星座点格图大小为16(N=4,M=16)。
图12所示的“QRMopt i LaS i ze16 LLRsca l edBy PnMean”表示采用本实施例中的关键点(1),但没有采用关键点(2),星座点格图大小为16(N=4,M=16)。
图12所示的“QRMopt i LaSi ze36 LLRsca l edBy SI NR”表示采用本实施例中提出的关键点(1)和关键点(2),星座点格图大小为36(N=6,M=36)。
图12所示的“QRMopt i LaSi ze16 LLRsca l edBy PnMean”表示采用本实施例中的关键点(1),但没有采用关键点(2),星座点格图大小为36(N=6,M=36)。
从上面的仿真结果可以看出:本申请实施例中提出的检测方法,性能要好于MMSE,且随着星座点格图大小的增加,性能会趋近于QRM原始算法。但其复杂度相比于原始的QRM算法,大大降低了。原始算法QRMor ig(M=64)和本申请的算法QRMopt i(LaSi ze=16)的计算复杂度对比如图13所示。
请参阅图14,本申请实施例还提供多输入多输出系统的检测装置,可以实现上述多输入多输出系统的检测方法,图14为本申请实施例提供的多输入多输出系统的检测装置的模块结构框图,该装置包括:信道均衡单元1410、信号处理单元1420、码树生成单元1430、码树搜索单元1440、解映射单元1450和检测单元1460。其中,信道均衡单元1410,用于对接收信号进行信道均衡,获得发送信号的初始估计值;信号处理单元1420,用于根据信道估计矩阵和接收信号得到处理后的信号;码树生成单元1430,用于基于处理后的信号生成码树,码树包括多层节点,其中,每一层的节点对应由处理后的信号估计得到的符号向量元素,除了最下面一层,每一层的节点包括第一数目个分支,除了根节点,每一层的节点通过分支与父节点连接;码树搜索单元1440,用于对码树进行搜索,得到幸存路径,包括:根据当前层的初始估计值的实部在星座图的实轴上确定第二数目个第一星座点,根据当前层的初始估计值的虚部在星座图的虚轴上确定第二数目个第二星座点,根据第二数目个第一星座点和第二数目个第二星座点得到预选星座点集合;其中,第一数目为第二数目的平方;确定当前层的父节点数量;若父节点数量小于搜索广度阈值,保留所有分支,将所有分支均作为幸存路径;其中,搜索广度阈值与第一数目相同;若父节点数量等于搜索广度阈值,对于同属于一个父节点的第一数目的分支,根据符号向量元素和预选星座点集合内的星座点计算距离增量值,保留一个最小距离增量值的分支作为幸存路径,得到搜索广度阈值个幸存路径;递归计算幸存路径的路径度量值,将幸存路径的数量作为下一层的父节点数量,直至搜索完最下面一层;解映射单元1450,用于将幸存路径上的符号向量元素进行合并,得到估计符号向量,且对估计符号向量进行解映射,得到判决比特序列;检测单元1460,用于对于搜索广度阈值个判决比特序列中的每个判决比特,根据判决比特对应的最小路径度量值计算对数似然比,得到软信息。
本申请实施例的多输入多输出系统的检测装置用于执行上述实施例中的多输入多输出系统的检测方法,其具体处理过程与上述实施例中的多输入多输出系统的检测方法相同,此处不再一一赘述。
本申请实施例还提供了电子设备,电子设备包括:存储器、处理器、存储在存储器上并可在处理器上运行的程序以及用于实现处理器和存储器之间的连接通信的数据总线,程序被处理器执行时实现上述多输入多输出系统的检测方法。该电子设备可以为包括平板电脑、车载电脑等任意智能终端。
请参阅图15,图15示意了另一实施例的电子设备的硬件结构,电子设备包括:处理器1510,可以采用通用的CPU(Centra l Process i ng Un it,中央处理器)、微处理器、应用专用集成电路(App l i cat i on Spec i f i c I ntegrated Ci rcu it,AS I C)、或者一个或多个集成电路等方式实现,用于执行相关程序,以实现本申请实施例所提供的技术方案;存储器1520,可以采用只读存储器(Read On l yMemory,ROM)、静态存储设备、动态存储设备或者随机存取存储器(Random Access Memory,RAM)等形式实现。存储器1520可以存储操作系统和其他应用程序,在通过软件或者固件来实现本说明书实施例所提供的技术方案时,相关的程序代码保存在存储器1520中,并由处理器1510来调用执行本申请实施例的多输入多输出系统的检测方法;输入/输出接口1530,用于实现信息输入及输出;通信接口1540,用于实现本设备与其他设备的通信交互,可以通过有线方式(例如USB、网线等)实现通信,也可以通过无线方式(例如移动网络、WI F I、蓝牙等)实现通信;总线1550,在设备的各个组件(例如处理器1510、存储器1520、输入/输出接口1530和通信接口1540)之间传输信息;其中处理器1510、存储器1520、输入/输出接口1530和通信接口1540通过总线1550实现彼此之间在设备内部的通信连接。
本申请实施例还提供了存储介质,存储介质为计算机可读存储介质,用于计算机可读存储,存储介质存储有一个或者多个程序,一个或者多个程序可被一个或者多个处理器执行,以实现上述多输入多输出系统的检测方法。
存储器作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外,存储器可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中,存储器可选包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至该处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
本申请实施例描述的实施例是为了更加清楚的说明本申请实施例的技术方案,并不构成对于本申请实施例提供的技术方案的限定,本领域技术人员可知,随着技术的演变和新应用场景的出现,本申请实施例提供的技术方案对于类似的技术问题,同样适用。
本领域技术人员可以理解的是,图3-5和图7-9中示出的技术方案并不构成对本申请实施例的限定,可以包括比图示更多或更少的步骤,或者组合某些步骤,或者不同的步骤。
以上所描述的装置实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、系统、设备中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括多指令用以使得一台电子设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-On ly Memory,简称ROM)、随机存取存储器(Random Access Memory,简称RAM)、磁碟或者光盘等各种可以存储程序的介质。
以上参照附图说明了本申请实施例的优选实施例,并非因此局限本申请实施例的权利范围。本领域技术人员不脱离本申请实施例的范围和实质内所作的任何修改、等同替换和改进,均应在本申请实施例的权利范围之内。
Claims (10)
1.一种多输入多输出系统的检测方法,其特征在于,包括:
对接收信号进行信道均衡,获得发送信号的初始估计值;
根据信道估计矩阵和所述接收信号得到处理后的信号;
基于所述处理后的信号生成码树,所述码树包括多层节点,其中,每一层的所述节点对应由所述处理后的信号估计得到的符号向量元素,除了最下面一层,每一层的节点包括第一数目个分支,除了根节点,每一层的节点通过所述分支与父节点连接;
对所述码树进行搜索,得到幸存路径,包括:
根据当前层的所述初始估计值的实部在星座图的实轴上确定第二数目个第一星座点,根据当前层的所述初始估计值的虚部在星座图的虚轴上确定第二数目个第二星座点,根据所述第二数目个第一星座点和所述第二数目个第二星座点得到预选星座点集合;其中,所述第一数目为所述第二数目的平方;
确定当前层的父节点数量;
若所述父节点数量小于搜索广度阈值,保留所有分支,将所有分支均作为幸存路径;其中,所述搜索广度阈值与所述第一数目相同;
若所述父节点数量等于搜索广度阈值,对于同属于一个父节点的第一数目的分支,根据所述符号向量元素和所述预选星座点集合内的星座点计算距离增量值,保留一个最小距离增量值的分支作为幸存路径,得到所述搜索广度阈值个幸存路径;
递归计算所述幸存路径的路径度量值,将所述幸存路径的数量作为下一层的父节点数量,直至搜索完最下面一层;
将所述幸存路径上的所述符号向量元素进行合并,得到估计符号向量,且对所述估计符号向量进行解映射,得到判决比特序列;
对于所述搜索广度阈值个所述判决比特序列中的每个判决比特,根据所述判决比特对应的最小路径度量值计算对数似然比,得到软信息。
2.根据权利要求1所述的方法,其特征在于,根据所述判决比特对应的最小路径度量值计算对数似然比,得到软信息,包括:
根据所述判决比特对应的最小路径度量值计算对数似然比,得到待修正软信息;
根据所述对接收信号进行信道均衡得到的中间计算结果,确定所述发送信号中每流数据的等效信噪比;
根据所述等效信噪比对所述待修正软信息进行修正,得到所述软信息。
3.根据权利要求2所述的方法,其特征在于,所述根据所述对接收信号进行信道均衡,确定所述发送信号中每流数据的等效信噪比,包括:
根据噪声协方差RNN和信道估计矩阵H确定信道均衡因子WMMSE:
令A=HHRNN -1H+1,则iA=(HHRNN -1H+I)-1,WMMSE=iA*(HHRNN -1),
保存中间计算结果iA,则每流数据的等效信噪比SINRi:
其中,SINRi为第i个流数据的等效信噪比。
4.根据权利要求2所述的方法,其特征在于,所述根据所述判决比特对应的最小路径度量值计算对数似然比,得到待修正软信息,包括:
获取第一判决向量和第二判决向量;其中,所述第一判决向量包括第一向量元素,所述第一向量元素的值均为零,所述第二判决向量包括第二向量元素,所述第二向量元素的值均为零;
若所述判决比特的值为第一值,则将所述判决比特对应的最小路径度量值赋给处于判决位置的所述第一向量元素,若所述判决比特的值为第二值,则将所述判决比特对应的最小路径度量值赋给处于判决位置所述第二向量元素;
如果所述第一判决向量还有值为零的第一向量元素,则将第一向量元素的值更新为预设值,如果所述第二判决向量还有值为零的第二向量元素,则将第二向量元素的值更新为所述预设值;
根据所述第二判决向量和所述第一判决向量的差值得到所述待修正软信息。
5.根据权利要求1所述的方法,其特征在于,所述递归计算所述幸存路径的路径度量,包括:
根据所述幸存路径上的符号向量元素和所述星座点集合内的星座点计算得到每一所述幸存路径的距离增量值;
根据上一层的路径度量值和所述幸存路径的距离增量值得到所述路径度量值。
6.根据权利要求4所述的方法,其特征在于,所述根据信道估计矩阵和所述接收信号得到处理后的信号,包括:
对所述信道估计矩阵进行正交三角分解,得到酉矩阵;
确定所述酉矩阵的共轭装置矩阵,根据所述共轭装置矩阵和接收信号进行相乘,得到所述处理后的信号。
7.根据权利要求6所述的方法,其特征在于,所述对所述信道估计矩阵进行正交三角分解,得到酉矩阵,包括:
计算所述信道估计矩阵的各个列元素的信噪比;
根据所述信噪比由小至大确定各个所述列元素的重排顺序;
根据所述重排顺序对所述列元素进行顺序重排,得到重排信道矩阵;
对所述重排信道矩阵进行正交三角分解,得到所述酉矩阵。
8.一种多输入多输出系统的检测装置,其特征在于,包括:
信道均衡单元,用于对接收信号进行信道均衡,获得发送信号的初始估计值;
信号处理单元,用于根据信道估计矩阵和所述接收信号得到处理后的信号;
码树生成单元,用于基于所述处理后的信号生成码树,所述码树包括多层节点,其中,每一层的所述节点对应由所述处理后的信号估计得到的符号向量元素,除了最下面一层,每一层的节点包括第一数目个分支,除了根节点,每一层的节点通过所述分支与父节点连接;
码树搜索单元,用于对所述码树进行搜索,得到幸存路径,包括:
根据当前层的所述初始估计值的实部在星座图的实轴上确定第二数目个第一星座点,根据当前层的所述初始估计值的虚部在星座图的虚轴上确定第二数目个第二星座点,根据所述第二数目个第一星座点和所述第二数目个第二星座点得到预选星座点集合;其中,所述第一数目为所述第二数目的平方;
确定当前层的父节点数量;
若所述父节点数量小于搜索广度阈值,保留所有分支,将所有分支均作为幸存路径;其中,所述搜索广度阈值与所述第一数目相同;
若所述父节点数量等于搜索广度阈值,对于同属于一个父节点的第一数目的分支,根据所述符号向量元素和所述预选星座点集合内的星座点计算距离增量值,保留一个最小距离增量值的分支作为幸存路径,得到所述搜索广度阈值个幸存路径;
递归计算所述幸存路径的路径度量值,将所述幸存路径的数量作为下一层的父节点数量,直至搜索完最下面一层;
解映射单元,用于将所述幸存路径上的所述符号向量元素进行合并,得到估计符号向量,且对所述估计符号向量进行解映射,得到判决比特序列;
检测单元,用于对于所述搜索广度阈值个所述判决比特序列中的每个判决比特,根据所述判决比特对应的最小路径度量值计算对数似然比,得到软信息。
9.一种电子设备,其特征在于,所述电子设备包括存储器、处理器、所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现权利要求1至7任一项所述的方法。
10.一种存储介质,所述存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310508262.8A CN116708094A (zh) | 2023-05-06 | 2023-05-06 | 多输入多输出系统的检测方法和装置、设备、介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310508262.8A CN116708094A (zh) | 2023-05-06 | 2023-05-06 | 多输入多输出系统的检测方法和装置、设备、介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116708094A true CN116708094A (zh) | 2023-09-05 |
Family
ID=87830211
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310508262.8A Pending CN116708094A (zh) | 2023-05-06 | 2023-05-06 | 多输入多输出系统的检测方法和装置、设备、介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116708094A (zh) |
-
2023
- 2023-05-06 CN CN202310508262.8A patent/CN116708094A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6092193B2 (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 | |
US8213540B1 (en) | System and method of transmit beam selection | |
JP2009100478A (ja) | 無線通信装置 | |
JP2009135906A (ja) | 無線通信装置 | |
US8488721B2 (en) | Adaptive QRD-M algorithm based signal detecting method by using constellation set grouping in spatial multiplexing multiple-input multiple-output system | |
KR101578935B1 (ko) | 다중 입출력 시스템에서 수신 방법 및 장치 | |
CN101997652B (zh) | 基于ldpc-mimo通信系统的接收检测方法和装置 | |
CN107276935B (zh) | 用于顺序球形解码的方法和设备 | |
CN107040336B (zh) | 用于加权序贯解码的设备、方法和介质 | |
JP2016163078A (ja) | 復調装置および復調方法 | |
WO2011035481A1 (zh) | 预编码矩阵码书生成方法和装置 | |
JP5121753B2 (ja) | 空間多重受信装置、及び空間多重受信方法 | |
JP5235932B2 (ja) | 信号検出方法、信号検出プログラム、信号検出回路、及び無線局 | |
CN105610484B (zh) | 大规模mimo低复杂度迭代接收方法 | |
JP2010506435A (ja) | 無線通信装置 | |
JP6180333B2 (ja) | 無線周波数受信機において信号を復号化する方法 | |
WO2016121625A1 (en) | Method for decoding block of data received over communication channel and receiver | |
WO2008119040A1 (en) | Systems and methods for n-dimensional leaf-node prediction for mimo detection | |
CN109818891B (zh) | 一种格基约减辅助的低复杂度贪心球形译码检测方法 | |
US20170117944A1 (en) | Systems and Methods for Detecting Data in a Received multiple-Input-Multiple-Output (MIMO) Signal | |
CN112187332B (zh) | 大规模多输入多输出软检测系统及方法 | |
CN116708094A (zh) | 多输入多输出系统的检测方法和装置、设备、介质 | |
Bhagawat et al. | Dynamically reconfigurable soft output MIMO detector | |
US20080232491A1 (en) | Systems and methods for low-complexity mimo detection with analytical leaf-node prediction | |
CN116708093A (zh) | 多输入多输出系统的检测方法和装置、设备、介质 |
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 |