CN1633051A - 一种接近最大似然检测性能的低复杂度mimo检测器 - Google Patents

Abstract

本发明提供一种接近最大似然检测性能的低复杂度MIMO检测器，其基本处理步骤如下：将信道矩阵H按列分解成为子信道矩阵H₁和H₂；从基带接收信号y中分别删除所有可能来自子信道H₁的干扰，生成矩阵X₁和Y₂；以H₂为信道、Y₂为接收信号进行检测，产生判决输出矩阵Z₂；对Z₂进行分组验证，输出索引u和向量x₂；将X₁的第u列x₁与x₂合并形成最终的输出向量。利用信号星座的结构可进一步降低上述检测处理过程的运算复杂度。本发明提供的检测器的性能接近最大似然检测器，但复杂度仅与传统的线性检测器相当。

Description

一种接近最大似然检测性能的低复杂度MIMO检测器

技术领域

本发明属于无线通信技术领域，涉及一种应用于多入多出(简写为：MIMO)系统的检测器。

背景技术

最新的研究显示：在无线衰落环境下采用多个发射天线和接收天线可以成倍提高无线通信系统的信道容量。这种采用多个收发天线的系统通常被称为MIMO系统。由于MIMO系统能够突破无线频率资源限制，有效提高系统频谱效率，因此被认为是未来高速无线通信系统的主要物理层技术之一。为了充分利用MIMO系统的信道容量，国内外研究人员已经做了大量的工作，提出了许多非常好的方案，例如：基于空间多路复用技术的贝尔实验室分层空时结构(BLAST)、基于空间分集技术的空时格码和空时分组码等。其中，BLAST技术是一种非常有效的高速传输技术，能够近似达到MIMO系统的信道容量，被业界广泛认为是未来高速无线通信系统的主要物理层技术之一。

采用BLAST技术的MIMO系统的发射机结构简单、易于实现，但其接收机(特别是检测器部分)通常具有较高的复杂度。常用的BLAST检测算法有：迫零检测算法、最小均方误差检测算法、干扰消除算法、最大似然检测算法等。在常用的检测算法中提高性能与降低复杂度二者之间存在矛盾，即：算法复杂度越低性能越差，而性能越好算法复杂度也越高，特别是当发射天线较多、传输速率较高时，性能好的检测算法复杂度非常高。例如：迫零检测算法和最小均方误差检测算法是两种常见的线性检测算法，它们的复杂度较低，但性能较差；最大似然检测算法是最优的检测算法，但是其复杂度随发射天线数目、每天线平均传输速率的增长呈指数增长，天线数目较多、传输速率较高时其复杂度极高，难以实现；连续干扰消除算法是一种次优算法，它需要进行多次复杂的矩阵伪逆运算，并且在高信噪比情况下它的性能与最大似然检测性能相比仍有较大差距。

如何在保证性能不显著下降的前提下(与最大似然检测相比)，降低检测器的运算复杂度是当前无线通信领域内的一个重要课题。

发明内容

为了解决传统MIMO检测器中提高性能与降低复杂度之间的矛盾，本发明提供一种新的MIMO检测器，该检测器具有很低的运算复杂度和接近最大似然检测的差错概率性能。

采用BLAST技术的MIMO系统的基带信号输入输出关系可以表示为：

                    y＝Hx+ε                     (1)

上式中， $x={\left[\begin{array}{cccc}{x}_1& x_2& ...& x_{N_T}\end{array}\right]}^T$ 表示发射信号向量，N_T表示发射天线数目，[·]^T表示矩阵或向量的转置，x_n表示从第n根发射天线发射的复信号；

$\mathrm{\ϵ}={\left[\begin{array}{cccc}{\mathrm{\ϵ}}_1& {\mathrm{\ϵ}}_2& ...& {\mathrm{\ϵ}}_{N_R}\end{array}\right]}^T$ 表示噪声向量，N_R表示接收天线数目，ε_m表示第m根接收天线接收到的复高斯白噪声； $y={\left[\begin{array}{cccc}{y}_1& y_2& ...& y_{N_R}\end{array}\right]}^T$ 表示接收信号向量，y_m表示第m根接收天线接收到的复信号；H是N_R×N_T维的复矩阵，表示MIMO系统的等效基带信道矩阵，其第m行第n列的元素(记为h_mn)表示从第n根发射天线到第m根接收天线的等效基带信道衰落因子，在进行MIMO检测处理之前，首先要通过信道估计器获得信道矩阵的估计值。注：为了方便描述，文中把信道矩阵的估计值仍记为H。

本发明的MIMO检测器的原理为：将信道矩阵H按列分解成为子信道矩阵H₁和H₂；从基带接收信号y中分别删除所有可能来自子信道H₁的干扰，生成矩阵X₁和Y₂；以H₂为信道、Y₂为接收信号进行检测，产生判决输出矩阵Z₂；对Z₂进行分纽验证，产生索引u和向量x₂；将X₁的第u列(记为x₁)与X₂合并形成最终的输出向量。另外，利用信号星座的结构还可进一步降低该检测器的运算复杂度。

本发明的MIMO检测器的基本处理步骤为：

1、信道矩阵分解。此步处理有以下两种方法：

方法一：计算H的每一列的Frobenius范数(简称为范数)，根据列范数大小将H按列分解成为N_R×N维的矩阵H₁和N_R×(N_T-N)维的矩阵H₂。其中，H₁由H中具有较小范数的N个列组成，H₂由H中具有较大范数的N_T-N个列组成。

方法二：计算H的Moore-Penrose伪逆(记为H^)，计算H^的每一行的范数，以H^中具有较大范数的N个行的行号为索引取出H中对应的N个列组成N_R×N维的矩阵H₁，H中剩下的列组成N_R×(N_T-N)维的矩阵H₂。

其中，方法一的复杂度较低，方法二的性能更优。N是一可调参数，可取1，2，…，N_T-1。

2、处理器1从基带接收信号y中分别删除所有可能来自子信道H₁的干扰，生成输出矩阵Y₂和X₁。其具体步骤为：

产生矩阵Y＝1_1×Ky。这里，K＝M^N，1_n×m表示元素全为1的n×m维的矩阵，M表示所采用的信号星座中的信号数量，表示两个矩阵的Kronecker乘积。生成输出矩阵 $X_1=\left[\begin{array}{c}{1}_{1\×M^0}\⊗s\⊗1_{1\×M^{N-1}}\\ 1_{1\×M^1}\⊗s\⊗1_{1\×M^{N-2}}\\ \·\\ \·\\ \·\\ 1_{1\×M^{N-1}}\⊗s\⊗1_{1\×M^0}\end{array}\right].$ 这里，s＝[s₀ s₁ … s_M-1]表示

信号星座中所有信号接任意顺序排列而成的行向量。

生成另一输出矩阵Y₂＝Y-H₁X₁。

3、处理器2以H₂为信道、Y₂为接收信号进行MIMO检测处理，产生判决输出矩阵Z₂。这里，处理器2通常采用低复杂度的线性检测算法，如：迫零检测算法、最小均方误差检测算法等。

4、将Y₂、Z₂和H₂送入处理器3进行分组验证，输出索引u和向量x₂。其具体步骤为：

将矩阵H₂按列分解成N_R×(N_T-N-L)维和N_R×L维的两个矩阵，一共有 $P=C_{N_T-N}^L$ 种分解方法。令i＝1，2，…，P表示不同分解方法的索引，第i种分解产生的两个矩阵记为H_2i1和H_2i2。这里，L是一可调参数，可取1，2，…，N_T-1，且L≤N_T-N。

对应于每一组H_2i1和H_2i2，将Z₂按行分解为(N_T-N-L)×K维的矩阵Z_2i1和L×K维的矩阵Z_2i2，其中Z_2i1和Z_2i2的行在Z₂中的排列次序对应于H_2i1和H_2i2的列在H₂中的排列次序。

每一组H_2i1、H_2i2、Z_2i1和Z_2i2都要经过如下处理：计算矩阵Y_2i2＝Y₂-H_2i1Z_2i1；以Y_2i2为接收信号矩阵、H_2i2为信道进行MIMO检测处理(通常采用低复杂度的线性检测算法)，在信号星座中选择与判决统计量具有最小欧氏距离的信号，产生判决输出矩阵Q_i；将Q_i和Z_2i1合并产生矩阵X_2i；计算矩阵U_i＝Y_2i2-H_2i2Q_i的每一列的范数。

比较矩阵U₁，U₂，…，U_P的每一列的范数，选择具有最小列范数的矩阵的索引(记为q)以及具有最小范数的列在该矩阵中的列号(记为u)，输出u和矩阵X_2q的第u列(记为x₂)。

5、取出矩阵X₁的第u列x₁与x₂合并成为检测输出向量。其中，x₁与x₂的元素在向量中的排列次序分别对应于H₁和H₂的各列在H中的排列次序。

利用信号星座的结构还可进一步降低本发明的检测器的运算复杂度，其简化处理方法如下：

1、在基本检测处理中，当信号星座中的信号与同一个复数的乘法次数大于M时，先将星座中的所有信号与这个复数相乘，存储相应的结果，当计算信号星座中的任意信号与这个复数相乘时，调用已存储的结果既可。此方法适用于任意信号星座。

2、如果系统采用BPSK、QPSK和QAM等方形信号星座，在基本检测处理中，信号星座中的信号与任意复数的乘法运算可简化为加法运算。具体简化方法为：令D表示信号星座图中信号与坐标轴之间的最小距离，调整基带信号处理的单位电平，使得D＝1，则方形信号星座中的任意信号s可表示为a+jb的形式，这里a和b为整数，j为虚单位；由于s与任意复数(记为λ)的乘积可表示为λs＝aλ+jbλ，因此可通过λ的几次加法运算得到aλ和bλ，从而得到λs；当信号星座中的信号与λ的乘法次数大于M时，利用上述加法运算先计算并存储信号星座中的所有信号与这个复数相乘的结果，当计算信号星座中的任意信号与这个复数相乘时，只需要调用已存储的结果既可。

本发明的有益效果在于：所提出的检测器的性能接近最大似然检测器，而运算复杂度与收发天线数目成二元三次多项式关系，仅与传统的线性检测器(如：迫零检测器和最小均方误差检测器)相当。

附图说明

图1基于BLAST技术的MIMO系统原理图。

图2本发明提出的MIMO检测器的基本处理流程图。

图3信道矩阵分解。

图4处理器1的处理流程图。

图5采用线性检测算法的处理器2的处理流程图。

图6处理器3的处理流程图。

图7方形信号星座结构示意图。

图8本发明提出的检测器与几种常用检测器的性能比较(QPSK)。

图9本发明提出的检测器与几种常用检测器的性能比较(16QAM)。

具体实施方式

下面通过附图和实施例对本发明进行详细阐述。

本发明的检测器适用于平坦衰落信道下的MIMO系统，或是能够建模为MIMO平坦衰落信道的系统。例如，本发明可直接用在多入多出正交频分复用(MIMO-OFDM)系统的任意一个子载波上。

图1示出了基于BLAST技术的MIMO系统框图。在发射端，数据比特首先被映射成为信号星座中的信号，经过串并变换后形成多个并行的基带信号，然后经过调制后分别从多个不同的天线同时发射出去；经过无线信道衰落后，来自不同发射天线的信号与噪声叠加后被多个天线同时接收，经过解调后生成多个并行基带信号，MIMO检测器利用信道估计器产生的信道状态信息从基带信号中恢复出原始数据。实际系统中，数据比特在映射之前可以先经过编码和交织，相应的在接收机输出数据之前要经过解交织和译码。该系统的基带信号输入输出关系可以被表示为公式(1)(见发明内容)。本发明涉及其中的MIMO检测器部分。

图2示出了本发明提出的MIMO检测器的基本处理流程图。其步骤为：首先将信道估计器产生的信道矩阵H按列分解成为子信道矩阵H₁和H₂；然后将接收到的基带信号y和H₁送入处理器1，生成输出矩阵X₁和矩阵Y₂；处理器2对H₂和Y₂进行处理产生输出矩阵Z₂；接着处理器3对Y₂、H₂和Z₂进行联合检测后输出索引u和向量x₂；取出X₁的第u列x₁与x₂结合形成最终的检测输出向量，其中x₁与x₂的元素在向量中的排列次序分别对应于H₁和H₂的各列在H中的排列次序。

图3合并给出了两种信道矩阵分解方法的流程图。

其中，方法一的处理步骤为：

1.首先将H分解为N_T个列向量。

2.计算每一个向量的范数。

3.比较范数大小，取出具有较小范数的N个向量的索引(记为i₁，i₂，...，i_N)。这里，N是一可调参数，可取1，2，…，N_T-1。

4.取出H中的第i₁，i₂，…，i_N个列向量组成N_R×N维的矩阵H₁，剩下的N_T-N个列组成N_R×(N_T-N)维的矩阵H₂。

对于方法二，只需要将方法一的第1步改为：首先计算H^，再将H^分解为N_T个行向量；第3步改为：比较范数大小，取出具有较大范数的N个向量的索引(记为i₁，i₂，…，i_N)。

图4示出了处理器1的流程图。它包括以下三个步骤：

1.首先计算矩阵Y＝1_1×Ky。这里表示的Kronecker乘积，令A和B表示两个矩阵， 则：

2.然后计算矩阵， $X_1=\left[\begin{array}{c}{1}_{1\×M^0}\⊗s\⊗1_{1\×M^{N-1}}\\ 1_{1\×M^1}\⊗s\⊗1_{1\×M^{N-2}}\\ \·\\ \·\\ \·\\ 1_{1\×M^{N-1}}\⊗s\⊗1_{1\×M^0}\end{array}\right].$

3.接着生成矩阵Y₂＝Y-H₁X₁。这里，H₁X₁可采用简化处理方法计算。

处理器2执行的操作是：以H₂为信道、Y₂为接收信号进行检测，产生判决输出Z₂。它实际上是一个MIMO检测器，通常采用低复杂度的线性检测算法(如：迫零检测算法、最小均方误差检测算法等)。下面以采用线性检测算法的处理器2说明其具体处理过程(如图5所示)。

1.由H₂产生线性加权矩阵W。这里，如果采用迫零检测算法，则 如果采用最小均方误差检测算法，则 $W=H_2^H{(H_2{H}_2^H+{\mathrm{\σ}}^2{I}_{N_R})}^{-1},$ σ²表示每根接收天线上的噪声方差，I_n表示n×n维的单位矩阵，(·)^H表示矩阵的复共轭转置。

2.计算矩阵Z₁＝WY₂＝WY-WH₁X₁。由于Y＝1_1×Ky，计算WY时只需要先计算Wy再将其按列复制成(N_T-N)×K维的矩阵既可；对于WH₁X₁，先计算WH₁，再利用简化处理方法计算与信号矩阵X₁的乘积。

3.将Z₁的每一个元素判决成信号星座中的离散信号，并保持其对应位置不变，从而产生判决输出矩阵Z₂。

图6示出了处理器3的流程图。其处理步骤如下：

1.将N_R×(N_T-N)维的矩阵H₂按列分解成N_R×(N_T-N-L)维和N_R×L维的两个矩阵，这样的分解共有 ${P=C}_{N_T-N}^L$ 种分法，每一种分法形成了一个支路。令第i个支路N_R×(N_T-N-L)维的矩阵记为H_2i1，N_R×L维的记为H_2i2，对应于H_2i1和H_2i2，将Z₂按行分解成(N_T-N-L)×K维的矩阵Z_2i1和L×K维的矩阵Z_2i2，其中Z_2i1和Z_2i2的行在Z₂中的排列次序对应于H_2i1和H_2i2的列在H₂中的排列次序。这里，L是一可调参数，可取1，2，…，N_T-1，且L≤N_T-N。

2.计算矩阵Y_2i2＝Y₂-H_2i1Z_2i1，其中H_2i1Z_2i1采用简化处理方法计算。

3.以Y_2i2为接收信号矩阵、H_2i2为信道矩阵送入到一个低复杂度MIMO检测器进行处理。以线性检测器为例，其步骤如下：

1)由H_2i2产生线性加权矩阵W_i。

2)计算V_i＝W_iY_2i2＝W_iY-W_iH₁X₁-W_iH_2i1Z_2i1。计算W_iY时只需要计算W_iy再按列成复制L×K维的矩阵既可；对于W_iH₁X₁和W_iH_2i1Z_2i1，先计算W_iH₁和W_iH_2i1，再利用简化处理方法分别计算它们与信号矩阵X₁和Z_2i1的乘积。

3)将V_i的每一个元素判决成信号星座中的离散信号，并保持其对应位置不变，从而产生输出矩阵Q_i。

4.将Z_2i1与Q_i进行合并产生矩阵X_2i。其中，Z_2i1与Q_i的元素分别对应于Z_2i1与Z_2i2在Z₂中的位置。

5.计算矩阵U_i＝Y_2i2-H_2i2Q_i的每一列的范数。其中，H_2i2Q_i采用简化处理方法计算。

6.比较矩阵U₁，U₂，…，U_P的每一列的范数，选择具有最小列范数的矩阵的索引(记为q)以及具有最小范数的列在该矩阵中的索引(记为u)。

7.最后输出u和矩阵X_2q的第u列x₂。

在上述处理步骤中，当信号星座中的信号与同一个复数的乘法次数大于M时，先将星座中的所有信号与这个复数相乘，存储相应的结果，当计算信号星座中的任意信号与这个复数相乘时，调用已存储的结果既可。此方法适用于任意信号星座。具体实施方法如下：

1.对于H₁X₁、H_2i1Z_2i1和H_2i2Q_i，先计算并存储信号星座中的所有信号与H的各个元素相乘的结果，计算H₁X₁、H_2i1Z_2i1和H_2i2Q_i时均从这个存储空间中调用相应的结果。

2.对于WH₁X₁、W_iH₁X₁和W_iH_2i1Z_2i1，先计算WH₁、W_iH₁和W_iH_2i1，再计算并存储信号星座中的所有信号与WH₁、W_iH₁和W_iH_2i1的各个元素相乘的结果，计算WH₁X₁、W_iH₁X₁和W_iH_2i1Z_2i1时分别从相应的存储空间中调用相应的结果。

如果系统采用BPSK、QPSK和QAM信号星座，可将信号星座中的信号与任意复数的乘法运算简化成加法运算。图7以QPSK和16QAM信号星座为例说明了方形信号星座的基本结构。其中，D表示信号星座图中信号与坐标轴之间的最小距离，则星座中的任意信号s可表示为s＝aD+jbD(a和b为整数)。s与任意复数λ的乘积可表示为：λs＝aλD+jbλD。通过增益控制，使得D＝1，则λD＝λ。因为a和b为整数，aλD和bλD可分别由λ的几次自相加得到，也就是说λs可由λ的几次加法获得。因此，如果系统采用BPSK、QPSK和QAM等方形信号星座，可将信号与复数的乘法运算简化为加法运算，从而大幅度降低运算复杂度。当信号星座中的信号与λ乘法次数的不大于M时，直接通过上述加法运算计算乘法结果；当信号与λ乘法次数的超过M个时，通过加法运算计算并存储信号星座中的所有信号与λ相乘的结果，计算信号星座中的任意信号与这个复数相乘时，只需要调用已存储的结果既可。由上述方法可将检测处理中的H₁X₁、WH₁X₁、H_2i1Z_2i1、W_iH₁X₁、W_iH_2i1Z_2i1和H_2i2Q_i进一步简化，具体实施方法如下：

1.对于H₁X₁、H_2i1Z_2i1和H_2i2Q_i，先通过加法运算计算并存储信号星座中的所有信号与H的各个元素相乘的结果，计算H₁X₁、H_2i1Z_2i1和H_2i2Q_i时均从这个存储空间中调用相应的结果。

2.对于WH₁X₁、W_iH₁X₁和W_iH_2i1Z_2i1，先计算WH₁、W_iH₁和W_iH_2i1，再通过加法运算计算并存储信号星座中的所有信号与WH₁、W_iH₁和W_iH_2i1的各个元素相乘的结果，计算WH₁X₁、W_iH₁X₁和W_iH_2i1Z_2i1时分别从相应的存储空间中调用相应的结果。

图8和图9中示出了采用本发明检测器的MIMO系统的两组性能仿真结果。该系统的收发天线数目均为4，信道是独立同分布的MIMO平坦瑞利衰落信道，N＝L＝1，处理器2采用最小均方误差检测算法。注：由于L＝1，则H_2i2为N_R×1维的列向量，其迫零检测等效于最优的最大似然检测，因此在处理器3中采用迫零算法计算加权矩阵W_i。其中，图8仿真的系统采用QPSK调制，频谱效率为8bits/Hz；图9仿真的系统采用16QAM调制，频谱效率为16bit/s/Hz；检测器1表示本发明检测器采用方法一进行信道矩阵分解的情况，本发明检测器2表示本发明检测器采用方法二进行信道矩阵分解的情况。为了进行性能比较，图中也给出了相应的迫零检测器、最小均方误差检测器以及最大似然检测器的性能曲线。显然，本发明检测器性能远远优于迫零检测器、最小均方误差检测器，接近最大似然检测器的误比特性能。以图8而言，检测器1在达到10^-5误比特率时所需的信噪比与最大似然检测器的相差不到2dB，而检测器2的整个性能曲线几乎与最大似然检测器重合。

下面以一个典型的实施例分析本发明的运算复杂度。

设系统采用方形信号星座；由性能分析可知，当N＝L＝1时检测器的性能已接近最大似然检测，因此以下分析中令N＝L＝1；处理器2采用线性检测算法；处理器3采用迫零检测算法。这里以一次复数乘法的运算量为算法复杂度的单位，忽略加减法、比较、选择等相对简单的处理，只计算乘除法的复杂度。令F(H^)、F(W)和F(W_i)分别表示求H^、W和W_i的复杂度。由于L＝1则F(W_i)＝N_R。

如果信道矩阵分解采用方法一，则本发明的复杂度为：

$F\left(W\right)+N_R{N}_T^2+\frac{1}{2}M{N}_R(N_T-1)+\frac{5}{2}{N}_R{N}_T-3N_R$

如果信道矩阵分解采用方法二，则本发明的复杂度为：

其中，F(H^)与N_R和N_T成二元三次多项式关系；F(W)与N_R和N_T-1成二元三次多项式关系；另外，由于无线通信系统常用星座的信号数目(M)通常为2、4、8、16，最大一般不超过64，因此M不会对检测器的复杂度产生太大的影响。由上述分析可知：本发明提出的检测器的复杂度与N_R和N_T成二元三次多项式关系。

综上所述，本发明的检测器不仅具有接近最大似然检测的性能，而且复杂度仅与迫零检测器、最小均方误差检测器等线性检测器相当(与N_R和N_T成二元三次多项式关系)；另外，本发明的检测器中的大多数处理是并行处理(如：信道矩阵分解、处理器1～3等)，实际中可用并行计算方法提高处理速度。

Claims (15)

1、一种接近最大似然检测性能的低复杂度多入多出(MIMO)检测器，其特征在于该检测器包括以下基本处理步骤：

将信道矩阵H按列分解成为子信道矩阵H₁和H₂。

处理器1从基带接收信号y中分别删除所有可能来自子信道H₁的干扰，生成输出矩阵Y₂和X₁。

处理器2以H₂为MIMO信道、Y₂为接收信号进行MIMO检测处理，产生判决输出矩阵Z₂。

处理器3对Z₂进行分组验证，输出索引u和向量x₂。

取出X₁的第u列(记为x₁)与x₂合并成为检测输出向量。

2、根据权利要求1所述的检测器，其特征在于，信道矩阵分解的方法包含以下处理步骤：

将H分解为N_T个列向量。为进一步增强性能，此步可改为：将H⁺分解为N_T个行向量。这里，H⁺为H的Moore-Penrose伪逆，N_T表示发射天线数目。

计算上述N_T个向量的Frobenius范数(简称为范数)。

比较上述范数的大小，得到一组索引i₁，i₂，...，i_N。如果这些范数为H的列范数，i₁，i₂，...，i_N表示具有较小范数的N个列向量的索引；如果这些范数为H⁺的行范数，i₁，i₂，...，i_N表示具有较大范数的N个行向量的索引。

取出H中的第i₁，i₂，...，i_N个列向量组成N_R×N维的矩阵H₁，剩下的N_T-N个列向量组成N_R×(N_T-N)维的矩阵H₂。这里，N_R表示接收天线数目。

3、根据权利要求2所述的信道矩阵分解方法，其特征在于，N是一可调参数，可取1，2，…，N_T-1。

4、根据权利要求1所述的检测器，其特征在于，处理器1包括以下处理步骤：

产生矩阵Y＝1_l×Ky。这里，K＝M^N，1_n×m表示元素全为1的n×m维的矩阵，M表示所采用的信号星座中的信号数量，表示Kronecker乘积。

生成输出矩阵 $X_1=\left[\begin{array}{c}{1}_{{1\×M}^0}\⊗s\⊗1_{{1\×M}^{N-1}}\\ 1_{{1\×M}^1}\⊗s\⊗1_{{1\×M}^{N-2}}\\ \·\\ \·\\ \·\\ 1_{{1\×M}^{N-1}}\⊗s\⊗1_{{1\×M}^0}\end{array}\right].$ 这里，s＝[s₀  s₁…s_M-1]表示信号星座中所有信号按一定顺序排列而成的行向量。

生成另一输出矩阵Y₂＝Y-H₁X₁。

5、根据权利要求1所述的检测器，其特征在于，处理器2可采用任意MIMO检测算法。本发明推荐采用复杂度较低的算法，如：迫零检测算法、最小均方误差检测算法等。

6、根据权利要求1所述的检测器，其特征在于，判决输出矩阵Z₂的元素产生方法是：在信号星座中选择与相应的判决统计量具有最小欧氏距离的信号。

7、根据权利要求1所述的检测器，其特征在于，处理器3包括以下处理步骤：

将矩阵H₂按列分解成N_R×(N_T-N-L)维和N_R×L维的两个矩阵，一共有 $P=C_{N_T-N}^L$ 种分解方法。令i＝1，2，…，P表示不同分解方法的索引，第i种分解产生的两个矩阵分别记为H_2i1和H_2i2。这里C^m _n表示在m个不同元素中取n个元素的组合数量。

对应于每一组H_2i1和H_2i2，将Z₂的按行分解为(N_T-N-L)×K维的矩阵Z_2i1和L×K维的矩阵Z_2i2，其中Z_2i1和Z_2i2的行在Z₂中的排列次序对应于H_2i1和H_2i2的列在H₂中的排列次序。

每一组H_2i1、H_2i2、Z_2i1和Z_2i2都要经过如下处理：计算矩阵Y_2i2＝Y₂-H_2i1Z_2i1；以Y_2i2为接收信号矩阵、H_2i2为信道进行MIMO检测处理，产生判决输出矩阵Q_i，这里推荐采用复杂度较低的算法，如：迫零检测算法等；合并Q_i和Z_2i1产生矩阵X_2i，其中Z_2i1和Q_i的元素分别对应于Z_2i1和Z_2i2的元素在Z₂中的位置；计算矩阵U_i＝Y_2i2-H_2i2Q_i的每一列的范数。

比较矩阵U₁，U₂，...，U_P的每一列的范数，选择具有最小列范数的矩阵的索引(记为q)以及具有最小范数的列在该矩阵中的列号(记为u)，输出列号u和X_2q的第u列(记为x₂)。

8、根据权利要求7所述的处理器3，其特征在于，L是一可调参数，可取1，2，…，N_T-1，且L≤N_T-N。

9、根据权利要求7所述的处理器3，其特征在于，判决输出矩阵Q_i的元素产生方法是：在信号星座中选择与相应的判决统计量具有最小欧氏距离的信号。

10、根据权利要求1所述的检测器，其特征在于，当合并x₁和x₂时，x₁与x₂的元素在向量中的排列次序分别对应于H₁和H₂的各列在H中的排列次序。

11、根据权利要求1适用于所述的检测器，其特征在于：当信号星座中的信号与同一个复数的乘法次数大于M时，先将星座中的所有信号与这个复数相乘，存储相应的结果，当计算信号星座中的任意信号与这个复数相乘时，调用已存储的结果既可。

12、根据权利要求1所述的检测器，其特征在于，如果系统采用BPSK、QPSK和QAM等方形信号星座，可将信号星座中的信号与任意复数(记为λ)的乘法运算简化成加法运算。具体简化方法如下：

令D表示信号星座图中信号与坐标轴之间的最小距离，调整基带信号处理的单位电平，使得D＝1。

方形信号星座中的任意信号s可表示为a+jb(a和b为整数，j为虚单位)，则s和任意复数(记为λ)相乘可写为：λs＝aλ+jbλ。通过λ的几次加法运算得到aλ和bλ，从而得到λs。

当信号星座中的信号与λ的乘法次数大于M时，利用上述加法运算先计算并存储信号星座中的所有信号与这个复数相乘的结果。当计算信号星座中的任意信号与这个复数相乘时，只需要调用已存储的结果既可。

13、根据权利要求1所述的检测器，其特征在于，该检测器适用于平坦衰落信道下的MIMO系统，或是能够建模为MIMO平坦衰落信道的系统(例如：多入多出正交频分复用系统)。

14、根据权利要求1所述的检测器，其特征在于，该检测器适用于采用BLAST技术或类似发射技术的MIMO系统。

15、根据权利要求1所述的检测器，其特征在于，信道矩阵分解、处理器1、处理器2和处理器3均是并行处理系统，可用并行计算方法提高运算速度。

Images