CN1778063A - 在多输入、多输出通信系统中对多数据流进行编码的方法 - Google Patents

Abstract

一种对多输入、多输出通信系统中的多数据流进行编码的方法。在发射机中，在多个层中将输入比特流编码成码字b。对每个层进行调制。对每个层应用准分块对角、低密度奇偶校验码，所述准分块对角、低密度奇偶校验码是矩阵H，矩阵H包括对于每个子码的一行分块和对于每个层的一行分块，使得对于任何有效的码字，Hb＝0。然后将多个层转发给多个发射天线作为发送信号x。

Description

在多输入、多输出通信系统中 对多数据流进行编码的方法

技术领域

本发明一般涉及多输入、多输出通信系统，尤其涉及经由多发射天线来发送多数据流的系统。

背景技术

多输入、多输出(MIMO)无线通信系统，也就是在发射机和接收机都具有多天线的系统，其容量可以随着天线的数量而呈线性增长，这在1998年3月的《无线个人通信》(Wireless Personal Commun.)第6卷第315页-第335页中G.J.Foschini和M.J.Gans所著的为“在衰落环境中使用多天线时无线通信的限制”(On the limits of wirelesscommunications in a fading environment when using multipleantennas)的文章中，以及在1999年11月至12月的《欧洲电信事务》(European Transactions on Telecommunications)第10卷第585页-第595页中Telatar所著的标题为“多天线高斯信道的容量”(Capacityof multi-antenna Gaussian channels)等文章中都有所描述。

决定MIMO系统性能的一个重要因素是用来对数据进行编码的纠错码。对于单输入、单输出(SISO)系统来说，达到接近容量纠错码是公知的，例如低密度奇偶校验码(LDPC)，这在R.G.Gallager编写的、1963年Cambridge，MA，MIT出版社的“Low-DensityParity-Check Codes”书中，在1999年3月的IEEE Trans.Inform.Theory的第45卷第399页-第431页中D.J.C.MacKay所著的“基于极稀疏矩阵的有效纠错码”(Good error-correcting codes based onvery spare matrices)的文章中，以及在2001年11月的IEEE Trans.Inform.Theory的第47卷2711页-2736第页中Y.Kou，S.Lin和M.P.C.Fossorier的“基于有限几何学的低密度奇偶校验码：重新发现和新的结果”(Low-density parity-check codes based on finite geometries：a rediscovery and new results)的文章中都有所描述。这些类型的接近容量纠错码由于其固有的可平行性而非常适合在集成电路中使用。

非常接近于众所周知的香农(Shannon)极限的不规则码也是公知的，这在2001年2月的IEEE Commun.Lett.的第5卷第58页-第60页中S.Y.Chung、G.D.Forney Jr.、T.J.Richardson和R.Urbanke所著的“在香农(Shannon)极限的0.0045dB内的低密度奇偶校验码的设计”(On the design of low-density parity-check codes within0.0045dB of the Shannon limit)的文章中，在2001年2月出版的IEEE Trans.Inform.Theory的第47卷第619页-第637页中T.J.Richardson、M.A.Shokrollahi和R.L.Urbanke的“容量到达不规则低密度奇偶校验码的设计”(Design of capacity-approachingirregular low-density parity-check codes)的文章中，以及在2001年2月的IEEE Trans.Inform.Theory的第47卷第585页-第598页中M.G.Luby、M.Mitzenmacher、M.A.Shokrollahi和D.A.Spielman的“使用不规则图表的改进型低密度奇偶校验码”(Improvedlow-density parity-check codes using irregular graphs)的文章中都有所描述。

MIMO系统中有关直接迭代解码的问题是从接收的信号矢量中提取后验概率比特，所述接收的信号矢量是发送的所有信号的叠加。推导后验概率需要对所有可能的信号组合进行穷尽的查找。

对于采用64位正交幅度调制(QAM)的4×4MIMO系统来说，可能的组合数是64⁴个，这个数量是不可能进行实时查找的。列表译码法可以极大地降低复杂性。但是，这需要一个庞大的列表来达到可接受的高阶调制系统的性能。

可以使用分层时空结构，例如使用V-BLAST的系统，这在1996年8月的Bell Labs Technical Journal的第41页-第59页中G.J.Foschini的“在使用多元天线的衰落环境下无线通信的分层时空结构”(Layered space-time architecture for wireless communication in afading environment when using multi-element antennas)的文章里有所描述。在那篇文章中，每个天线都用于独立发送编码数据流(多个层)。可以通过线性处理成空未解码层(null undecoded layer)以及判决反馈来对所述数据流进行有效的解码，以消除前面解码层的干扰。问题是会存在误差传播。

被解码的第一层通常具有低信噪比(SNR)，这是由于根据强制归零(zero-forcing)或最小均方误差(MMSE)准则置零(nulling)的信号功率损耗。通过减去错误解码层的重建信号来消除干扰只会增加干扰，使得对后续层进行成功的解码的可能性减少。

发明内容

本发明提供一种对无线信号进行编码和解码的系统和方法。所述系统使用在连续层之间具有相关性的时空传输的分层结构。

我们从后来要进行编码的多个层中提取信息来改善当前层的检测性能，而不是将输入数据分路分解成单个数据流并对每个数据流独立进行编码，这样减少了判决反馈干扰消除检测器中的误差传播。

一种对多输入、多输出通信系统中的数据流进行编码的方法。在发射机中，将输入比特流编码成在多个层中的码字b。对每个层都进行调制。

将准分块对角、低密度奇偶校验码应用到各个层上，所述准分块对角、低密度奇偶校验码是矩阵H，矩阵H包括对于每个子码的一行分块和对于每个层的一行分块，以使得对于任何有效的码字，Hb＝0。

然后将各个层转发给发射天线，作为发送信号x。

附图说明

图1是根据本发明的多输入、多输出无线通信系统的框图；

图2是根据本发明的准分块对角LDPC时空码结构的框图；

图3是根据本发明的解码器的框图；以及

图4是本发明所用的Tanner图的框图。

具体实施方式

系统结构

发射机

图1表示使用二进制、准分块对角、低密度奇偶校验码(QBD-LDPC)的奇偶校验矩阵结构200的多输入、多输出(MIMO)系统100。系统100包括发射机101和接收机102。发射机101包括4个(N_t)发射天线110，接收机有4个(N_r)接收天线120。

发射机包括编码器130。编码器从输入比特流10中在多个层11中中产生码字b。将每个层传送给相应的调制器140。这里给每个编码层一个调制器140。在该例中，调制是根据64QAM进行的。

将矩阵H200形式的准分块对角、低密度奇偶校验码应用到每个层。矩阵H200的结构将在后面参照图2进行详细的描述。

在应用了矩阵H200后，可以使每个层通过反向快速傅立叶变换(IFFT)160，对每个层都有一个变换。然后，将各个层转发给发射天线110以形成发送信号x。要注意的是，与每个层相对应的输出信号都被进行了置换，以便经由不同的发射天线来发送层的不同部分。所述置换是为了保证所有层平均来说都具有相似的信道条件。要理解的是，上面建议的结构并不只局限于OFDM系统。

信道

通过信道103将信号x发送给N_r个接收机天线120。在信道中，发送信号经历白高斯噪声。

接收机

在接收机102中，对接收信号y的每个层都应用FFT 170，然后应用矩阵H 200。然后对信号进行解码300，产生与输入比特流相对应的输出比特流20。

准分块对角、低密度奇偶校验码(QBD-LDPC)

图2表示根据本发明的准分块对角LDPC时空码结构200。在图2中，行表示4个子码1-4，列表示4个相应的层1-4。

整个矩阵200表示为H，并且任何有效的二进制码字b都满足下面的方程式

                           Hb＝0

每个层的码字b都具有相同的长度。但是，不同层的码字的码率是不一样的。这意味着信息比特的数量是不同的。所述码率根据各个层的检测顺序而增长，因为在置零后，检测的第一层与后来检测的层相比具有最差的信道质量。

沿着矩阵H 200的主对角线201的分块表示与每个层对应的校验矩阵H_i。沿着主对角线201下面的对角线202的分块表示连接矩阵C_i。连接矩阵C_i链接两个连续层：层i和层i+1，作为层的子码间的信息交换。对于所有其它分块，连接矩阵C_i都是码字。

在实际应用中，矩阵H 200可以作为Tanner图来实施，其具有如下所述的节点和消息传递。所述Tanner图是众所周知的，尽管Tanner图还未用于根据本发明的二进制、准分块对角、低密度奇偶校验码。

按照从第一层1到最后一层4的顺序对各个层进行解码，并且在检测级i，下一层i+1也根据连接矩阵C_i对前一层i的解码起作用。

具有更高的度(degree)的比特或变量节点趋向于会聚(converge)得更快，这是公知的，这在2001年2月的IEEE Trans.Inform.Theory的第47卷第657页-第670页中Chung等人的“对使用高斯近似法的低密度奇偶校验码的和积解码分析”(Analysis of sum-productdecoding of low-density parity-check codes using a Gaussianapproximation)的文章中有所描述。这还促进了不规则LDPC的设计，因为较快会聚的比特使得更容易对剩余比特进行解码。

这就促使我们使用本发明的连接矩阵C_i。这些矩阵可看成是向在层i中的比特增加度，以便更好地保护这些比特。换句话说，当对层i进行解码时，矩阵H_i、H_i+1和C_i形成一个较小的子码，其中在当前级只对具有较高度的与矩阵H_i相关的比特进行解码。随后再对层i+1进行解码，这样在消除了来自层i中的干扰后具有更好的信号质量，并且具有更多的保护，因为层i+2也对解码起作用。

编码

在发射机101中，在130对输入比特流10进行编码。每个层的每个码字的长度是n。层i的奇偶校验比特的数量是r_i。输入信息比特的(n-r_i)×1矢量表示为u_i。第一层的编码是直接的。

通过执行高斯消除法，我们得到：

W₁H₁＝(P₁I₁)，

其中矩阵W₁是对矩阵H₁执行高斯消除后的r₁×r₁阶的满秩矩阵，矩阵P₁是r₁×(n-r₁)阶的矩阵，矩阵I₁是r₁×r₁阶的单位矩阵。这种结构对应于码是系统的事实。然后，通过下面的方程式来形成层1的码字：

$b_1={\left(\begin{array}{cc}{\left(P_1{u}_1\right)}^T& u_1^T\end{array}\right)}^T$

对于层i(i＞1)来说，通过执行高斯消除，我们得到：

W_iH_i＝(P_i I_i)，

并且通过下面的方程式来形成层i的码字：

$b_i=\left(\begin{array}{cc}{(P_i{u}_i+W_i{C}_{i-1}{b}_{i-1})}^T& u_i^T\end{array}\right)$

其中矩阵W_i是r_i×r_i阶的矩阵。

在采用非码字连接矩阵C_i-1编码的过程中，层i-1的部分信息被注入到下一个层i的码字中。

解码

图3表示解码器300的详细内容。在接收机102中，通过信道103接收的信号y 301是所有经过信道失真的发送信号的叠加：

y＝Gx+n，

其中y是一个N_r×1阶的接收信号矢量，x是一个N_t×1阶的发送信号矢量，矩阵G是一个N_r×N_t阶的考虑了置换的等效信道响应矩阵，n是N_r×1阶的具有每维方差为N₀/2的码字均值白高斯信道噪声矢量。

为了简单起见，我们在下面的总结中没有明确指定副载波或时间索引，其中发射和接收天线的数量分别是N_t和N_r。在不丧失普遍性的前提下，我们假设矢量x的第i个元素(表示为x_i)是第i层的信号，所述第i层与矩阵G的第i列(表示为矢量g_i)相对应。

假设我们现在对层i进行解码。要注意的是，层i的解码器和层i+1的解码器都是活动的。

线性处理

所述解码使用根据下面的方程式的线性处理：

$z_j=w_j^{H}y,j=i,i+1,$

其中根据置零310来确定N_r×1阶单位范数(unit-norm)加权矢量w_j，并且该矢量置零未解码层的信号，所述置零310也就是根据强制归零或MMSE准则的置零。

干扰消除

根据下面的方程式来执行干扰消除320：

${\tilde{z}}_j=z_j-\underset{i<j}{\mathrm{\&Sigma;}}{w}_j^H{g}_i{\hat{x}}_i,j=i,i+1,$

其中

是用于判决反馈302的解码层的重建信号303。

在线性处理和干扰消除后，各个层在各级被解码340成一维码。

按照下式定义对数似然比(LLR)：

$L\left(b\right)\stackrel{\mathrm{\&Delta;}}{=}\ln \left(\frac{p(b=1)}{p(b=0)}\right),$

其中p表示码字b的概率。

则，来自解调器330的软信息，也就是假设的码字是：

$L_{\mathrm{zb}}\left(b_k\right)=\ln \frac{\underset{b:b_k=1}{\mathrm{\&Sigma;}}p\left(z\right|b)e^{{\mathrm{\&Sigma;}}_{i\&Element;V_k}{L}_{\mathrm{bz}}\left(b_i\right)}}{\underset{b:b_k=0}{\mathrm{\&Sigma;}}p\left(z\right|b)e^{{\mathrm{\&Sigma;}}_{i\&Element;V_k}{L}_{\mathrm{bz}}\left(b_i\right)}},j=i,i+1,$

其中b是映射到接收信号

x_j，V_k＝{l|l≠k and x_i＝1}的码字，并且

$p\left(z\right|b)=\frac{1}{\mathrm{\&pi;}{N}_0}{e}^{-\frac{1}{N_0}{|{\tilde{z}}_j-w_j^H{g}_j-x_j|}^2},j=i,i+1,$

用于强制归零置零。

然后将来自解调器330的软输出发送给和积解码器340。

Tanner图

如图4所示，准分块对角、低密度奇偶校验码，也就是矩阵H 200可以表示成Tanner图400的形式，其包括码字或变量节点b_k402、校验节点c_k401和观察节点403。每个码字节点处的更新消息304是：

$L_{\mathrm{bc}}(b_k,c_i)=L_{\mathrm{zb}}\left(b_k\right)+\underset{\underset{c_j\&NotEqual;c_i}{c_j\&Element;\mathrm{\&Omega;}\left(b_k\right)}}{\mathrm{\&Sigma;}}{L}_{\mathrm{cb}}(b_k,c_j),$

其中Ω(b_k)表示是每个码字b_k节点的相邻节点的一组节点。每个校验节点处的更新消息是：

$L_{\mathrm{cb}}(b_k,c_i)=L\left(\underset{b_j\&Element;\mathrm{\&Omega;}\left(c_i\right)\backslash b_k}{\mathrm{\&Sigma;}}{b}_j\right),$

例如，这可以通过任意节点a和b之间的前向-后向处理来有效地实现，如下所示：

$L(a+b)=\ln \frac{e^{L\left(a\right)}+e^{L\left(b\right)}}{l+e^{L\left(a\right)+L\left(b\right)}},$

或者通过2001年11月的《GLOBECOM2001》中第2卷第25页-第29页中Hu等人的“用于对LDPC码进行解码的和积算法的有效实现”(Efficient implementations of the sum-product algorithm fordecoding LDPC codes)的文章中所描述处理来实施。

要注意的是，消息传递304是在层i和层i+1之间进行的，同样也在每个层内进行。

然后，传送给软解调器作为先验信息的消息是：

$L_{\mathrm{bz}}\left(b_k\right)=\underset{c_j\&Element;\mathrm{\&Omega;}\left(b_k\right)}{\mathrm{\&Sigma;}}{L}_{\mathrm{cb}}(b_k,c_j)$

用于假设性判决303的LLR是

$\mathrm{LLR}\left(b_k\right)=L_{\mathrm{zb}}\left(b_k\right)+\underset{c_j\&Element;\mathrm{\&Omega;}\left(b_k\right)}{\mathrm{\&Sigma;}}{L}_{\mathrm{cb}}(b_k,c_j)=L_{\mathrm{zb}}\left(b_k\right)+L_{\mathrm{bz}}\left(b_k\right)$

尽管已经通过优选实施例来描述本发明，但是要理解的是，在本发明的精神的范围内可以作出各种其它的调整和修改。所以，附加的权利要求的目的就在于覆盖在本发明的精神和范围内提出的所有这样的变换和修改。

Claims (14)

1.一种用于对多输入、多输出通信系统中的多数据流进行编码的方法，包括：

在发射机中将输入比特流编码成在多个层中的码字b；

对每个层进行调制；

对每个层应用准分块对角、低密度奇偶校验码，所述准分块对角、奇偶校验码是矩阵H，所述矩阵H包括对于每个子码的一行分块和对于每个层的一行分块，以使得对于任何有效的码字，Hb＝0；以及

将所述多个层转发到多个发射天线，作为发送信号x。

2.如权利要求1所述的方法，其中每个层的码字b具有相同的长度，并且对于不同层，码字的码率是不一样的，其中每层的每个码字b的长度是n，层i的奇偶校验比特的数量是r_i。

3.如权利要求2所述的方法，其中所述码率根据在接收机中各个层的检测顺序而增长。

4.如权利要求1所述的方法，其中沿着所述矩阵H的主对角线的分块表示与各层对应的校验矩阵H_i，其中沿着主对角线下面的对角线的分块表示连接矩阵C_i，所述连接矩阵C_i链接两个连续层：层i和层i+1，作为层的子码之间的信息交换，其中所有其它分块都表示为零的连接矩阵C_i。

5.如权利要求4所述的方法，其中按照从第一层到最后一层的顺序在接收机中对所述层进行解码，并且在检测级i，下一层i+1也根据所述连接校验矩阵C_i对上一层i的解码起作用。

6.如权利要求1所述的方法，还包括：

接收所述多个层作为接收信号y；

对每个层应用准分块对角、低密度奇偶校验码；以及

对每个层进行解码以产生与所述输入比特流相对应的输出比特流。

7.如权利要求6所述的方法，其中所述接收信号y是：

y＝Gx+n，

其中所述接收信号y是一个N_r×1阶的矢量，其中N_r是接收天线的数量，矩阵G是一个N_r×N_t阶的等效信道响应矩阵，其中N_t是发射天线的数量，n是N_r×1阶的具有每维的方差为N₀/2的零均值的白高斯信道噪声矢量，其中表示为x_i的矢量x的第i个元素，是与第i层相对应的接收信号，所述第i层与表示为矢量g_i的矩阵G的第i列相对应，其中根据下式利用线性处理来进行解码：

$z_j=w_j^{H}y,j=i,i+1,$

其中N_r×1阶单位范数加权矢量w_j将未解码层的信号置零。

8.如权利要求7所述的方法，其中所述置零是由强制归零来确定的。

9.如权利要求7所述的方法，其中所述置零是由最小均方误差准则来确定的。

10.如权利要求7所述的方法，还包括：

根据下式来消除所述接收信号中的干扰：

${\tilde{z}}_j=z_j-\underset{i<j}{\mathrm{\&Sigma;}}{w}_j^H{g}_i{\hat{x}}_i,j=i,i+1,$

其中_i是用于判决反馈的解码层。

11.如权利要求7所述的方法，还包括：

按照下式定义对数似然比：

$L\left(b\right)\stackrel{\mathrm{\&Delta;}}{=}\ln \left(\frac{p(b=1)}{p(b=0)}\right),$

其中p表示特定码字b的概率，以及

根据下式解调码字b：

$L_{\mathrm{zb}}\left(b_k\right)=\frac{\underset{b:b_k=1}{\mathrm{\&Sigma;}}p\left(z\right|b)e^{{\mathrm{\&Sigma;}}_{t\&Element;v_k}{L}_{\mathrm{bz}}\left(b_i\right)}}{\underset{b:b_k=0}{\mathrm{\&Sigma;}}p\left(z\right|b)e^{{\mathrm{\&Sigma;}}_{t\&Element;v_k}{L}_{\mathrm{bz}}\left(b_i\right)}},j=i,i=1,$

其中b是映射到接收信号

x_j，V_k＝{l|l≠k且x_i＝1}的码字，并且

$p(z/b)=\frac{1}{{\mathrm{\&pi;N}}_0}{e}^{-\frac{1}{N_0}|{\tilde{z}}_j-w_j^H{g}_j{x}_j{|}^2},j=i,i+1,$ 用于置零。

12.如权利要求11所述的方法，还包括：

将所述准分块对角、低密度奇偶校验码表示成Tanner图的形式，所述Tanner图包括码字节点b_k和校验节点c_k，其中在每个码字节点b_k处的更新消息是：

$L_{\mathrm{bc}}(b_k,c_i)=L_{\mathrm{zb}}\left(b_k\right)+\underset{c_j=c_i}{\underset{c_j\&Element;\mathrm{\&Omega;}\left(b_k\right)}{\mathrm{\&Sigma;}}}{L}_{\mathrm{cb}}(b_k,c_j),$

其中Ω(b_k)表示与各码字b_k节点相邻的一组节点，在每个校验节点处的更新消息是：

$L_{\mathrm{cb}}(b_k,c_i)=L(\underset{b_j\&Element;\mathrm{\&Omega;}\left(c_i\right)\backslash b_k}{\mathrm{\&Sigma;}{b}_j}).$

13.如权利要求12所述的方法，还包括：

将所述更新消息实现为和积解码器。

14.如权利要求13所述的方法，其中所述和积解码器使用如下的前向-后向处理：

$L(a+b)=\ln \frac{e^{L\left(a\right)}+e^{L\left(b\right)}}{1+e^{L\left(a\right)+L\left(b\right)}}.$

Images