CN1798007A - 在多入多出移动通信系统中检测信号的装置和方法 - Google Patents

Abstract

在MIMO移动通信系统的接收机中的信号检测方法和装置。接收机以码元组合与通过从所接收的信号中消除码间干扰所产生的发射码元之间的差的升序来排序可从发射机发射的码元组合，将具有最小差的码元组合初始化成ML解，计算第一码元组合和发射码元之间的距离和第二码元组合的成本，检测到发射码元的距离等于第一码元组合与发射码元之间的距离并具有最小距离的码元组合，并且如果最小距离超过了第一码元组合与发射码元之间的距离，则将第一码元组合决定为ML解。

Description

在多入多出移动通信系统中检测信号的装置和方法

技术领域

本发明一般涉及在移动通信系统中检测信号的装置和方法，具体地说，涉及在多入多出(MIMO)移动通信系统中的信号检测装置和方法。

背景技术

通信中的基本问题是如何有效和可靠地在多个信道上发送数据。在需要超过传统语音服务的能够处理和发送视频和无线数据的高速通信系统的同时，在当前正在开发的未来一代多媒体移动通信系统中使用适当的信道编码方案增加系统的效率是非常重要的。

通常，在与有线信道环境不同的移动通信系统的无线信道环境中，由于诸如多径干扰、遮蔽、波形衰减、时变噪声和衰落等多种因素使得发送信号不可避免地被丢失。所导致的信息丢失使得实际发送的信号严重失真。进而使得整个系统的性能退化。为了减少信息的丢失，根据信道的特征采用了很多误差控制技术，以便增加系统的可靠性。例如，基本误差校正技术使用了误差校正码。

另外，为了消除由于衰落引起的通信系统的不稳定性，经常使用分集技术。所述分集技术被分类为时间分集、频率分集和天线分集，即空间分集。

天线分集使用多个天线。该分集方案还被分支为使用多个Rx天线的接收(Rx)天线分集和使用多个Tx天线的发送(Tx)天线分集，以及使用多个Tx天线和多个Rx天线的MIMO。

图1简要地示出了在MIMO移动通信系统中的发射机。参看图1，所述发射机包括调制器111、编码器113和多个Tx天线，即，第一到第N_t个Tx天线115-1到115-N_t(Tx.ANT1到Tx.ANT N_t)。在输入信息数据位时，调制器111以预定的调制方案对所述信息数据位进行调制。调制方案是二进制相移键控(BPSK)、正交相移键控(QPSK)、正交幅度调制(QAM)、脉冲幅度调制(PAM)和相移键控(PSK)其中之一。

编码器113以预定的编码方案对从调制器111接收的串行调制信号进行编码并将代码码元提供给第一到第N_t Tx天线115-1到115-N_t。所述编码方案将串行调制码元转换成与Tx天线115-1到115-N_t的数量相同的并行码元。假设具有经过N_t Tx天线发射的信号的发射矢量是x_c，由下述等式(1)表示：

$x_c={[x_1,x_2,...x_{N_t}]}^T...\left(1\right)$

图2简要示出了在MIMO移动通信系统中的接收机。参看图2，所述接收机包括多个例如N_r个Rx天线211-1到211-N_r(Rx.ANT1到RX.ANT N_r)、检测器213和解调器215。虽然在这里假设Rx天线的数量不同于在图1所示发射机中Tx天线的数量，但是它们可以是相等的。

在第一到第N_r Rx天线211-1到211-Nr处接收经过所述N_t个Tx天线从发射机发射的信号。假设具有所接收信号的所接收的矢量是y_c，由等式(2)表示。

y_c＝[y₁，y₂，...，y_Nr]^T        .......(2)

所接收的矢量y_c可以由等式(3)表示：

y_c＝H_cx_c+n_c                           (3)

这里，H_c表示具有第一到第N_r Rx天线211-1到211-N_r的信道响应的信道响应矢量，和n_c表示具有在第一到第N_r Rx天线211-1到211-N_r处接收的噪声信号的噪声矢量。H_c可以被表示为N_t×N_r矩阵并且假设平坦衰落信道位于发射机和接收机之间。

发射矢量x_c、接收矢量y_c和信道响应矢量H_c是复数值。为便于说明，x_c、y_c、n_c和H_c被表示为满足等式(4)的实数值。

y＝Hx+n                      ............(4)

在等式(4)中， $y=\left[\begin{array}{c}\mathrm{Re}\left\{y_c\right\}\\ \mathrm{Im}\left\{y_c\right\}\end{array}\right],x=\left[\begin{array}{c}\mathrm{Re}\left\{x_c\right\}\\ \mathrm{Im}\left\{x_c\right\}\end{array}\right],n=\left[\begin{array}{c}\mathrm{Re}\left\{n_c\right\}\\ \mathrm{Im}\left\{n_c\right\}\end{array}\right],$ 和

$H=\left[\begin{array}{cc}\mathrm{Re}\left\{H_c\right\}& -\mathrm{Im}\left\{H_c\right\}\\ \mathrm{Im}\left\{H_c\right\}& \mathrm{Re}\left\{H_c\right\}\end{array}\right].$

检测器213从在第一到第N_r Rx天线211-1到211-N_r处接收的信号中检测发射信号，即，所接收的矢量y_c。解调器215以与在发射机调制器111中使用的调制方案相对应的解调方案解调检测到的信号，借此恢复原来的信息数据位。

根据在MIMO通信系统中同时接收的码元检测发射码元的主要次优(Major Sub-optimal)算法包括Babai点算法和规则的连续干扰消除(OrderedSuccessive Interference Cancellation，OSIC)算法。

所述Babai点算法通过将所接收的信号y乘以信道响应矩阵H的伪逆矩阵H⁺来消除码间干扰，如等式(5)所示。

        ＝H⁺y                   .......(5)

通过搜索最接近没有码间干扰的发射信号的整数点来检测所述信号。信号是Babai点。

由于只需要一个矩阵乘法，即，所接收信号y乘以信道响应矩阵H的伪逆矩阵H⁺，所以，Babai点算法有益地使信号检测具有最小的计算复杂度。但是，Babai点算法相对于其他次优检测算法具有较高的检测误差率。

在OSIC算法中，接收机连续地检测被接收信号的码元并从接收信号中消除每个码元的信号分量。按照最小检测误差率的升序执行码元检测。与干扰为0相比，由于从被接收信号中连续消除具有最小检测误差率的码元导致相对高的自由度，所以，OSIC算法与Babai点算法相比具有较低的检测误差率。但是，与最大似然(Maximum Likelihood)(ML)算法相比，OSIC算法具有相对高的检测误差率且特别是当接收机处的Rx天线的数量减少时它的性能严重下降。

在MIMO移动通信系统中检测被同时接收的码元中，ML算法是最佳的。

在ML算法中，使用等式(6)检测使ML函数最大化的码元组合：

$X_{\mathrm{ML}}=\underset{x\∈Z^{2N_t}}{\min }\left|\right|H_x-y\left|\right|,---\left(6\right)$

其中，‖·‖表示Frobenius范数和‖Hx-y‖表示每个码元组合的成本(之后称为成本)。使用ML算法的ML解的检测已知是NP-难度。检测ML解所需的计算量与Tx天线的数量成比例呈指数地增加。

尽管在MIMO移动通信系统中最优码元检测有很多的优点，但是，所述ML算法的显著缺点是非常高的计算复杂度。由于这个原因，如在ML算法中所做的，对用于检测ML解并相对于ML算法具有低计算复杂度的技术进行了积极的研究。在它们之中的关键算法是球形解码算法(sphere decodingalgorithm)。

球形解码算法被设计用来减少ML算法的平均计算量。这种算法的原理是在具有码元组合(此后称做格点)的空间中绘制具有成本相同的码元组合的球形，并比较位于该球形内的格点的成本(cost)。

图3示出了普通的球形解码算法。参看图3，球形解码算法通过减小具有格点的球形的半径来搜索ML解。所述半径是该球形内格点可能具有的最大成本。因此，当半径减小时，球形内格点的数量也减少。半径的不断减小最后导致具有非常小数量格点的球形和将它们当中具有最小成本的格点选做ML解。如上所述，球形解码算法执行具有低计算量的ML检测。因此，与ML算法比较，它具有很低的计算复杂度。

球形解码算法首先产生具有最大半径的球形，然后连续地减小球形的半径，借此以检测ML解。但是，在移动通信系统中，所述ML解通常存在于靠近Babai点的位置。因此，由于从相对远离Babai点的格点开始搜索并随后向相对靠近所述Babai点的格点前进，所以，因为搜索而ML解而增加计算量所以球形解码算法效率不高。

尽管球形解码算法的计算量相对ML解码较低，但是，它的计算量仍然比垂直-贝尔实验室分层空时(Vertical-Bell Labs Layered Space Time，V-BLAST)算法的计算量大数十倍。因此，球形解码算法难于在实际移动通信系统中实施。

因此，需要一种新颖的检测算法，它具有近似于ML的检测性能和最小的复杂度。

发明内容

因此，本发明试图基本解决至少是上述问题和/或缺点并提供至少下述优点。

本发明的一个目的是提供一种用于在MIMO移动通信系统中以最小计算量的用于检测信号的装置和方法。

本发明的另一个目的是提供一种在MIMO移动通信系统中使用球形解码检测信号的装置和方法，在所述球形解码中，检测始于靠近Babai点的格点。

本发明的还一个目的是提供一种在MIMO移动通信系统中使用以V-BLAST为基础的球形解码来检测信号的装置和方法。

上述和其它目的是通过在MIMO移动通信系统的接收机中提供一信号检测方法和装置实现的。

根据本发明的一个方面，在MIMO移动通信系统的接收机中的信号检测装置中，检测器按照在每个码元组合和通过从所接收的信号中消除码间干扰而产生的发射码元之间的差的升序来排序可从MIMO移动通信系统中的发射机发射的码元组合，将具有最小差的码元组合初始化成ML解，计算任意第一码元组合与发射码元之间的距离和任意第二码元组合的成本，检测与发射码元的距离等于第一码元组合和发射码元之间的距离并具有最小距离的码元组合，并且如果所述最小距离超过了第一码元组合与发射信号之间的距离，则决定将第一码元组合作为ML解。解调器以与在发射机中使用的调制方案对应的解调方法解调ML解。

根据本发明的另一方面，在MIMO移动通信系统的接收机中的信号检测装置中，检测器最初使用MDDF方法检测所接收的信号和使用V-BLAST方法检测通过使用所述MDDF方法初始检测而产生的信道响应矩阵。然后，检测器考虑可从MIMO移动通信系统的发射机发射的码元组合来更新球形半径和参数，并且如果在更新之后一个码元组合位于球形半径之内，将这个码元组合决定为是由发射机发射的码元组合。解调器以与在发射机中所使用的调制方案对应的解调方案解调所决定的码元组合。

根据本发明的再一方面，在MIMO移动通信系统的接收机中的信号检测方法中，按照在每个码元组合与通过从所接收的信号中消除码间干扰所产生的发射码元之间的升序来排序可从MIMO移动通信系统的发射机发射的码元组合。具有最小差的码元组合被初始化为ML解。计算任意第一码元组合与发射码元之间的距离和任意第二码元组合的成本。检测具有到发射码元的距离等于第一码元组合与发射码元之间的距离并具有最小距离的码元组合并且如果最小距离超过了第一码元组合与发射码元之间的距离，则第一码元组合被决定作为ML解。

根据本发明的另一方面，在MIMO移动通信系统的接收机中的信号检测方法中，使用MDDF方法初始检测所接收的信号。使用V-BLAST方法检测通过使用MDDF方法初始检测而产生的信道响应矩阵。考虑可从MIMO移动通信系统的发射机发射的码元组合来更新球形半径和参数。如果在更新之后一个码元组合位于球形半径之内，这个码元组合被决定作为由发射机发射的码元组合。

附图说明

通过下面结合附图的详细描述，本发明的上述和其它目的、特性和优点将变得更加明显。其中：

图1简要地示出了在MIMO移动通信系统中的发射机；

图2简要地示出了在MIMO移动通信系统中的接收机；

图3示出了普通的球形解码算法；

图4示出了根据本发明实施例的信号检测；

图5示出了根据本发明一实施例的信号检测操作的流程图；

图6示出了在图4中k＝1时r_min和格点的位置；

图7示出了计算格点x和Babai点之间的距离；

图8示出了通过基于最短路径问题建模计算格点x和Babai点之间的距离；

图9示出了当信道响应矩阵H是6×4矩阵和格点x的元素是以16QAM产生时，就相对于信道响应矩阵H的2-范数条件数的实乘法数而言，比较根据本发明实施例的信号检测与普通球形解码的曲线图；

图10示出了当信道响应矩阵H是6×4矩阵和格点x的元素是以16QAM产生时，就相对于信道响应矩阵H的2-范数条件数的实加法数而言，比较根据本发明实施例的信号检测与普通的球形解码的曲线图；

图11的曲线示出了根据本发明一实施例在信号检测中6×4信道响应矩阵H的累积概率分布；

图12示出了当信道响应矩阵H是6×4矩阵、格点x的元素以16QAM产生和使用变换矩阵T_n时，就相对于信道响应矩阵H的2-范数条件数的实乘法数而言，比较根据本发明实施例的信号检测与普通的球形解码的曲线图；

图13示出了信道响应矩阵H是10×6矩阵和格点x的元素以16QAM产生时，就相对于信道响应矩阵H的2-范数条件数的实乘法数而言，比较根据本发明实施例的信号检测与普通的球形解码的曲线图；

图14的曲线示出了根据本发明实施例在信号检测中10×6信道响应矩阵H的累积概率分布；

图15示出了根据本发明实施例描述枚举的树结构；

图16示出了根据本发明该实施例的树结构和子树结构；

图17示出了在4×4MIMO信道和QPSK情况下就平均计算量而言，比较根据本发明实施例的信号检测与普通的球形解码的曲线图；和

图18示出了在6×6MIMO信道和QPSK情况下就平均计算量而言，比较根据本发明实施例的信号检测与普通的球形解码的曲线图。

具体实施方式

下面将结合附图描述本发明的最佳实施例。在下面的描述中，由于公知的功能和结构的不必要的详细描述将使得本发明变得模糊不请，所以这里不详细描述它们。

本发明试图提供一种在使用例如MIMO方案的空间分集方案的移动通信系统中使所需计算量最少的信号检测装置和方法。特别是，根据本发明实施例，所述信号检测装置和方法使用球形解码来检测信号，所述球形解码在靠近MIMO移动通信系统中Babai点的格点中搜索ML解。在另外实施例中，所述信号检测装置和方法使用基于MIMO移动通信系统中的V-BLAST的球形解码来检测信号。

球形解码是一种减少ML检测中平均计算量的信号检测方法。它的原理是在具有格点的空间中利用绘制具有带有相同成本的多个码元组合(下面称之为格点)的球形并比较位于该球形内的格点的成本。如在说明书相关技术中所描述的，由于球形解码通过减小球形的半径来搜索ML解，所以在检测靠近Babai点的ML解中，它需要增加的计算量。

因此，根据本发明，球形的半径从一Babai点被扩大并比较位于该球形中的格点的成本，借此以检测ML解。该信号检测方法相对普通的球形解码方法减少了计算量。

图4示出了根据本发明实施例的信号检测。参看图4，首先检测最靠近Babai点的格点x₁。使用Babai点算法检测Babai点。如上面结合等式(5)所述，Babai点算法通过将所接收的信号y乘以信道响应矩阵H的伪逆矩阵H⁺来消除码间的干扰。因此，Babai点是没有码间干扰的发送信号。

将格点x₁与由ML检索所检测的ML解x_ML进行比较。如果x₁与x_ML相同，对于检测所述ML解不再需要进一步的操作。如果x₁不同于x_ML，那么，检测其次靠近Babai点的格点x₂，并与x_ML进行比较。根据比较结果，不再需要执行检测ML解的进一步操作，或者检测第三靠近Babai点的格点x₃并与x_ML进行比较。通过重复上述操作，检测所述ML解x_ML。

图5的流程示出了根据本发明实施例的信号检测操作。参看图5，检测器在步骤511以‖x-‖的升序排序格点x。在图5所示的情况下，格点被以{x₁，x₂，x₃，...}的顺序进行排序。当格点x的数量增加时，对它们的排序增加了计算量。因此，在初始化过程中，在每个重复的检测级中只对必要的格点x排序，而不是对系统中所有可能的格点排序。

在步骤513，检测器假设格点x₁是ML解x_ML(x_ML＝x₁)以确定x₁是否与x_ML相同。检测器在步骤515计算在格点x_k和Babai点文之间的距离r₁(r₁＝‖Hx_k-y‖)并在步骤517计算格点x_k+1的成本(r₂＝‖x_k+1-‖)。

在步骤519，检测器检测格点 $x\∈R^{2N_t},$ 该格点到Babai点的距离等于格点x_k的距离(‖x-‖＝r₂)，并具有最小的成本，即，最小的距离 $r_{\min }(r_{\min }=\underset{x\∈R^{2N_t}}{\min }||\mathrm{Hx}-y|\left|\right).$ 检测格点 $x\∈R^{{2N}_t}$ 的原因在于检测所述x_k是否是所述x_ML。

图6示出了图4中的对于k＝1的r_min和格点位置。参看图6，对于k＝1，示出了Babai点、具有最小‖x-‖值的格点x₁、具有第二最小‖x-‖值的格点x₂和r_min。

在步骤521，检测器确定所述最小距离r_min是否超过了格点x_k和Babai点之间的距离r₁(r_min＞r₁)。如果r_min超过了r₁，那么，检测器在步骤523将格点x_k设置为ML解x_ML并且检测过程结束。

但是，如果r_min等于或小于r₁，那么，检测器在步骤525确定在格点x_k和Babai点之间的距离r₁是否超过了在格点x_k+1和Babai点之间的距离‖Hx_k+1-y‖。如果r₁超过了‖Hx_k+1-y‖，那么，检测器转到步骤523。

但是，如果r₁等于或小于‖Hx_k+1-y‖，那么，检测器将变量k增加1(k＝k+1)，以便在步骤527对具有靠近格点x_k的‖x-‖值的下一个较大‖x-‖值的格点执行信号检测，然后返回到步骤515。

对于信号检测，在本发明的该实施例中，必须在每次重复解码处计算最小距离r_min。利用相对小的计算量使用共轭转置矩阵H^H与信道响应矩阵H的矩阵乘积H^HH的本征值和本征矢量计算所述r_min，如等式(7)所示：

r_min＝‖boleH(x+r₂u)-y‖，                 (7)

其中u表示与H^HH的最小本征值相关的本征矢量，满足‖u‖＝1。在等式(7)中计算最小距离r_min中使用本征矢量u的同时，本征值的直接替换能够减少包括在计算最小距离r_min过程中所用的计算量。

检测器在步骤511以‖x-‖的升序排序格点x。该操作通常需要接近于检测所述ML解x_ML计算量的非常大量的计算。但是，由于在典型的移动通信系统中的调制，格点x是有限的。如果它们具有特定的分布，可以通过依据最短路径问题的逼近方法使用相对少量的计算执行排序。

例如，如果发射机使用16QAM，对各Tx天线独立计算每个格点x和Babai点之间的距离并求和所生成的距离。可选的，可以对于实部和虚部分开地计算每个Tx天线的所述格点x和Babai点之间的距离，这将在下面结合图7说明。

参看图7，可以使用实部距离I_k，n ^I和虚部距离I_k，n ^Q计算由第k个Tx天线发射的信号，即格点x_c，k和Babai点_c，k之间的距离。对于N_t个Tx天线，可以考虑所述N_t个Tx天线利用最短路径问题逼近方法建模‖x-‖。

图8示出了通过基于最短路径问题建模计算格点x和Bahai点之间的距离。参看图8，在最短路径问题逼近方法的基础上可以建模以‖x-‖的升序的格点x的排序。与以一般方法的格点x的排序比较，根据以最短路径问题为基础的模型的格点x的排序明显减少了计算量。

当信道响应矩阵H的条件数增加时，根据本发明该实施例的信号检测需要更多的计算。即，H的条件数的减少可以减少信号检测所需的计算量。现在描述减少H的条件数的方法。

减少H的条件数的一种方法是使用对角矩阵D。具体地说，为了减少H的条件数，使用D来衡量H。在这种一晴况下，所接收的信号y如下述等式(8)表示：

y＝Hx+n＝HD^-1Dx+n                     (8)

如从等式(8)看到的，对于根据本发明的该实施例的信号检测，信道响应矩阵H被认为是信道响应矩阵H和对角矩阵D的逆矩阵D^-1的矩阵乘积HD^-1，和发射信号x被认为是发射信号x和对角矩阵D的矩阵乘积Dx。等式(9)示出了使HD^-1的2-范数条件数最小的对角矩阵D：

$D=\mathrm{diag}\{d_1,d_2,...{,d}_{2N_t}\},---\left(9\right)$

利用下述等式(10)计算对角矩阵D的每个元素：

d_k＝‖H的第k列‖，                          (10)

如上所述，当在检测ML解x_ML过程中保持总格点数量的同时，对角矩阵D的使用能够减少信道响应矩阵H的条件数。因此，也减少了在信号检测中使用的计算量。

减少信道响应矩阵H的条件数的另一种方法是使用变换矩阵T_n。

必须将变换矩阵T_n设计成能够减少信道响应矩阵H的条件数而又不会增加总的格点数。如果变换矩阵T_n是任意一个矩阵，最短路径问题逼近方法的计算量将会增加，进而使本发明该实施例中用于信号检测的计算量增加。因此，由于变换矩阵T_n的设计直接与信号检测的计算量相关，所以，它是一个非常重要的因素。

在假设信道响应矩阵H是2×2矩阵的情况下，有6个调节H的条件数的变换矩阵T_n(如下面等式11所示的T₁到T₆)，从而相对于普通的信号检测方法将总的格点数增加了1到4倍。

$T_1=\left[\begin{array}{cc}1& 0\\ 0& 1\end{array}\right],T_2=\left[\begin{array}{cc}1& 1\\ 0& 1\end{array}\right],T_3=\left[\begin{array}{cc}0& 1\\ -1& 1\end{array}\right],T_4\left[\begin{array}{cc}1& 0\\ -1& 1\end{array}\right],T_5=\left[\begin{array}{cc}1& 1\\ -1& 0\end{array}\right],T_6=\left[\begin{array}{cc}1& 1\\ -1& 1\end{array}\right],...\left(11\right)$

减少信道响应矩阵H的条件数的第三种方法可以通过使用对角矩阵D和变换矩阵T_n而仔细考虑。在这种方法中，HT_n ^-1D^-1变成新颖的信道响应矩阵H并且选择使HT_n ^-1D^-1的条件数最小的变换矩阵T_n。

图9示出了当信道响应矩阵H是6×4矩阵和格点x的元素是以16QAM产生时，就相对于信道响应矩阵H的2-范数条件数的实乘法数而言，比较根据本发明实施例的信号检测与普通球形解码的曲线图。所述普通球形解码以Schnorr-Euchner策略为基础并假设信噪比(SNR)为10[dB]。

参看图9，当信道响应矩阵的2-范数条件数低于25时，根据本发明实施例的信号检测相比普通的球形解码需要较少的实乘法数。

图10示出了当信道响应矩阵H是6×4矩阵和格点x的元素是以16QAM产生时，就相对于信道响应矩阵H的2-范数条件数的实加法数而言，比较根据本发明实施例的信号检测与普通的球形解码的曲线图。所述普通球形解码以Schnorr-Euchner策略为基础并假设SNR为10[dB]。

参看图10，当信道响应矩阵的2-范数条件数低于15时，根据本发明该实施例的信号检测需要比普通球形解码更少的实加法数。

图11的曲线示出了根据本发明该实施例在信号检测中6×4信道响应矩阵H的累积概率分布。参看图11，就在从0到0.3，0.5，和0.7变化的H的相邻元素之间的关联性、即信道关联性方面示出了信道响应矩阵H的累积概率分布。

如从所述曲线看到的，在0.5的信道关联性处低于25的H的条件数的概率为80％，当信道关联性是0.3时，其接近90％。由于认为典型的MIMO通信系统通常考虑0.3到0.5的信道关联，所以，根据本发明实施例，低于25的H的条件数的概率是80-90％，从而在所述信号检测方法中，获得小于球形解码的实乘法数。

图12示出了当信道响应矩阵H是6×4矩阵、格点x的元素以16QAM产生和使用变换矩阵T_n时，就相对于信道响应矩阵H的2-范数条件数的实乘法数而言，比较根据本发明实施例的信号检测与普通的球形解码的曲线图。参看图12，注意，与图9所示的非T_n的应用相比，T_n的应用进一步减少了计算量，并且即使当信道响应矩阵的条件数是25时，与球形解码相比也只需要较少量的实乘法。

图13示出了信道响应矩阵H是10×6矩阵和格点x的元素以16QAM产生时，就相对于信道响应矩阵H的2-范数条件数的实乘法数而言，比较根据本发明实施例的信号检测与普通的球形解码的曲线图。参看图13，当信道向应矩阵H的条件数接近15时，在实乘法数量方面，本发明和球形解码是相反的。

图14的曲线示出了根据本发明该实施例在信号检测中6×4信道响应矩阵H的累积概率分布。参看图14，针对在从0到0.3，0.5，和0.7变化的H的相邻元素之间的关联性(即，信道关联性)示出了信道响应矩阵H的累积概率分布，如从该曲线可以看到的，在信道关联性为0.3处低于15的H的条件数的概率近似为70％。

下面将说明根据本发明另外实施例的信号检测。

等式(12)给出了在MIMO通信系统中在窄带、平坦衰落和准静态信道环境下的基本信号模型：

r[n]＝H[n]d[n]+w[n]，n＝1，...，L，    (12)

其中，r[n]表示N×1接收的矢量，H[n]表示N×M信道响应矩阵，d[n]表示M×q发射矢量，w[n]表示N×1附加白高斯噪声(AGWN)，和L表示多径的数量。

使用等式(13)计算发射矢量d[n]的ML解

${\hat{d}}_{\mathrm{ML}}=\underset{d\∈C^M}{\arg \max }p\left(r\right|d,H)=\underset{d\∈C^M}{\arg \min }{\left|\right|r-\mathrm{Hd}\left|\right|}^2---\left(13\right)$

使用下述方式的球形解码来检测ML解

等式(14)示出了信道响应矩阵H的QR沉积：

$H=Q\left[\begin{array}{c}R\\ 0_{(N-M)\×M}\end{array}\right]=\left[\begin{array}{cc}{Q}_1& Q_2\end{array}\right]\left[\begin{array}{c}R\\ 0_{(N-M)\×M}\end{array}\right],---\left(14\right)$

其中，R＝[r_i，j]表示M×M上三角矩阵，和Q表示满足N≥M的N×N酉矩阵。矩阵Q的前M列形成矩阵Q₁和矩阵Q的剩余(N-M)列形成矩阵Q₂。

Hd处于球形的半径ρ内的条件是ρ≥‖r-Hd‖²，满足等式(15)。

${\mathrm{\ρ}}^2\≥{\left|\right|r-\left[\begin{array}{cc}{Q}_1& Q_2\end{array}\right]\left[\begin{array}{c}R\\ 0\end{array}\right]d\left|\right|}^2={\left|\right|\left[\begin{array}{c}{Q}_1^H\\ Q_2^H\end{array}\right]r-\left[\begin{array}{c}R\\ 0\end{array}\right]d\left|\right|}^2={\left|\right|Q_1^{H}r-\mathrm{Rd}\left|\right|}^2+{\left|\right|Q_2^{H}r\left|\right|}^2...\left(15\right)$

假设 ${\mathrm{\ρ}}^{\′2}\≡{\mathrm{\ρ}}^2-{\left|\right|Q_2^{H}r\left|\right|}^2$ 和 $y\≡Q_1^{H}r={[y_1,y_2,...,y_M]}^T,$ 等式(15)可以被重写为等式(16)：

ρ^′2≥‖y-Rd‖²＝(y-r_M，Md_M)²+(y_M-1-y_M-1，Md_M-r_M-1，M-1d_M-1)²+...

+(y₁-r_1，Md_M-r_1，M-1d_M-1...-r_1，1d₁)

                                           ...(16)

如等式17所示，元素d_M的满足等式(16)的必要条件是ρ^′2≥(y_M-r_M，Md_M)²。

$\left(\frac{{-\mathrm{\ρ}}^{\′}+y_M}{r_{M,M}}\right)\≤d_M\≤\left(\frac{{\mathrm{\ρ}}^{\′}+y_M}{r_{M,M}}\right)...\left(17\right)$

使用等式(18)递归获得除d_M以外的剩余元素d_k满足等式(16)的必要条件：

$\left(\frac{-{{\mathrm{\ρ}}^{\′}}_k+y_{k|k+1}}{r_{k,k}}\right)\≤d_k\≤\left(\frac{{{\mathrm{\ρ}}^{\′}}_k+y_{k|k+1}}{r_{k,k}}\right),$ (k＝M-1，...，1)

                                         ...(18)

其中， ${\mathrm{\ρ}}_k^{\′2}={\mathrm{\ρ}}_{k+1}^{\′2}-{(y_{k+1|k+2}-r_{k+1,k+1}{d}_{k+1})}^2,y_{k|k+1}=y_k-{\mathrm{\Σ}}_{j=k+1}^M{r}_{\mathrm{kj}}{d}_j,$ 和初始值是 ${\mathrm{\ρ}}_M^{\′2}={\mathrm{\ρ}}^{\′2}$ 和y_M|M+1＝y_M。

为简便起见，等式(17)和(18)的条件可以被简化为等式(19)：

d_k∈I_k＝[L_k，U_k]，(k＝M，...，1)         ...(19)

其中L_k和U_k由等式(20)和(21)定义：

$L_k=\left(\frac{-{{\mathrm{\ρ}}^{\′}}_k+y_{k|k+1}}{r_{k,k}}\right)...\left(20\right)$

$U_k=\left(\frac{{{\mathrm{\ρ}}^{\′}}_k+y_{k|k+1}}{r_{k,k}}\right)...\left(21\right)$

上述枚举将以树结构的形式表示，这将参照图15说明。

参见图15，树结构中的级对应于等式(18)中的k和从根节点到叶节点的连线是位于球形内的格点，即，满足等式(17)和(18)的格点d。

如上所述，在本发明的另外实施例中，使用球形解码的信号检测遵循使用修改的去关联决定反馈(Modified Decorrelating Decision Feedback，MDDF)方法、即等式(22)所示算法的信号检测：

步骤1(初始化)

$k=M,{\mathrm{\ρ}}_M^{\′2}={\mathrm{\ρ}}^{\′2},y_{M|M+1}=y_M$

步骤2(确定生成集)

α_m＝y_k|k+1/r_k，k

下部边界L_k＝-ρ′_k/r_k，k+α_k

上部边界U_k＝ρ′_k/r_k，k+α_k

生成集S_k＝E(α_K)∩I_k，其中，I_k＝[L_K，U_K]

i_k＝0

前进到步骤4。

步骤3(更新生成集)

 如果f_k＝1

  清除和设置标记f_k＝0，f_k+1＝1

${\mathrm{\ρ}}_k^{\′2}={\mathrm{\ρ}}_{k-1}^{\′2}+{(y_{k|k+1}-r_{k,k}{d}_k)}^2,$ 其， ${\mathrm{\ρ}}_0^{\′2}=0$

  更新下部边界L_k＝-ρ′_k/r_k，k+α_k

  更新上部边界U_k＝ρ′_k/r_k，k+α_k

  更新生成集S_k＝E(α_K)∩I_k

结束

步骤4(生成)

如果i_k＜Card(S_k)

  增加i_k：i_k＝i_k+1

  d_K＝S_k[i_k]，其中，S_k[i_k]的意思是S_k的第i_k个元素

前进到步骤6。

否则

前进到步骤5。

结束

步骤5(向下移动一级)

 如果k＝M，

    结束算法

  否则

    增加k：k＝k+1

    前进到步骤3。

  结束

步骤6(向上移动一级)

  如果k＝1，

    前进到步骤7

否则

${\mathrm{\ρ}}_{k-1}^{\′2}={\mathrm{\ρ}}_k^{\′2}-{(y_{k|k+1}-r_{k,k}{d}_k)}^2$

减小k：k＝k-1

$y_{k|k+1}=y_k-{\mathrm{\Σ}}_{k=k+1}^M{r}_{k,j}{d}_j$

前进到步骤2。

                                    ...(22)

其中，k表示图15所示树结构中的级，f_k表示第k个更新标记，并且E_p(α_k)表示格点集P的枚举函数。

例如，如果L_k＝-8，U_k＝4，P＝{-7，-5，-3，-1，1，3，5，7}(8PAM)，α_k＝0.5，和使用Pohst枚举，E_p(α_k)＝{-7，-5，-3，-1，1，3，5，7}和生成顺序S_k＝E_P(α_k)∩I_k＝{-7，-5，-3，-1，1，3}。在Schnorr-Euchner枚举中，当根据到α_k的距离排序格点集P的元素时，E_p(α_k)＝{1，-1，3，-3，5，-5，7，-7}。因此，生成顺序S_k＝E_p(α_k)∩I_k＝{1，-1，3，-3，-5，-7}。步骤4中的Card(S_k)表示生成顺序S_k的的基数。

如从等式(22)看到的，虽然以6个步骤执行以普通球形解码为基础的信号检测，但是由于作为一个独立的步骤，即步骤3执行参数的再计算，所以以7个步骤执行根据本发明另外实施例的球形解码。下面将详细地说明在根据本发明另外实施例的球形解码中球形半径和参数的再计算。

一旦在步骤7检测到位于球形内的格点 时，球形半径ρ′被更新为‖y-Rd‖。如等式(23)表示是M×M上三角矩阵的矩阵R＝[r_i，j]：

${\mathrm{\ρ}}^{\′2}={(y_M-r_{M,M}{\hat{d}}_M)}^2+{(y_{M-1}-r_{M-1,M}{\hat{d}}_m-r_{M-1,M-1}{\hat{d}}_{M-1})}^2+$

$...+(y_1-r_{1,M}{\hat{d}}_M-r_{1,M-1}{\hat{d}}_{M-1}...-r_{\mathrm{1,1}}{\hat{d}}_1),$

                                         ...(23)

其中，y_i和

表示第i个元素，r_i，j表示矩阵R中的第i行和第j列的元素。

与普通的球形解码相比较，在本发明的另外实施例中，更新标记f₁恰好被设置成1，然后在步骤3重新计算ρ′₁ ²、I₁和S₁，而不是利用等式(23)直接计算球形半径ρ’。但是，由于 ${\mathrm{\ρ}}_k^{\′2}={\mathrm{\ρ}}_{k+1}^{\′2}-{(y_{k+1|k+2}-r_{k+1,k+1}{d}_{k+1})}^2$ 和 $y_{k|k+1}=y_k-{\mathrm{\Σ}}_{j=k+1}^M{r}_{\mathrm{kj}}{d}_j,$ 所以，ρ′₁ ²满足等式(24)。

${\mathrm{\ρ}}_0^{\′2}={\mathrm{\ρ}}_1^{\′2}-{(y_{1|2}-r_{\mathrm{1,1}}{\hat{d}}_1)}^2=0...\left(24\right)$

由此，ρ′₁ ²可以如等式(25)所示：

${\mathrm{\ρ}}_1^{\′2}={(y_{1|2}-r_{\mathrm{1,1}}{\hat{d}}_1)}^2...\left(25\right)$

因此，I₁和S₁被再计算以用于ρ′₁ ²。

当级k超过1时，从 ${\mathrm{\ρ}}_k^{\′2}={\mathrm{\ρ}}_{k+1}^{\′2}-{(y_{k+1|k+2}-r_{k+1,k+1}{\hat{d}}_{k+1})}^2$ 得到：

${\mathrm{\ρ}}_k^{\′2}={\mathrm{\ρ}}_{k-1}^{\′2}-{(y_{k|k+1}-r_{k,k}{\hat{d}}_k)}^2...\left(26\right)$

如从等式(26)看到的，只有f_k是1和在所述树结构中第(k-1)级被变换到第k级，才可以使用先前计算的ρ′_k-1 ²来更新ρ′_k ²。更新标记用来消除重新计算球形半径和参数的不必要的操作，这将在下面结合图16说明。

图16示出了根据本发明另外实施例的树结构和子树结构。参看图16，与其中每当在球形内发现格点时都重新计算它们的普通球形解码方法相比，只有当检查在第k级处具有根节点的子树结构中的第k级时，才重新计算在第k级处的ρ′_k和其它参数。即，虽然在子树中发现了5个格点，但在图16中，ρ′₂只被更新两次。

图17示出了在4×4MIMO信道和QPSK情况下就平均计算量而言，比较根据本发明实施例的信号检测与普通的球形解码的曲线图。假设所述4×4MIMO信道是准静态瑞利(Rayleigh)平坦衰落信道，接收机具有该信道的知识并且信道编码不应用于该信道。还假设在普通的球形解码方法中，(1)使用满足P{‖r-Hd‖²≤ρ²}＝0.99的球形半径ρ通过球形解码执行信号检测，(2)如果信号检测失败，通过扩展球形半径ρ以满足P{‖r-Hd‖²≤ρ²}＝0.99来执行信号检测，和(3)如果使用扩展的球形半径ρ的信号检测再次失败，结束该信号检测。

参看图17，在根据本发明另外实施例的信号检测中的平均计算量远远少于在普通球形解码中的平均计算量。特别是，在本发明信号检测方案中的平均计算量在相对高的SNR处接近于基于V-BLAST的信号检测的平均计算量。

图18示出了在6×6MIMO信道和QPSK情况下就平均计算量而言，比较根据本发明实施例的信号检测与普通的球形解码的曲线图。假设6×6MIMO信道是准静态瑞利平坦衰落信道、接收机具有该信道的知识和信道编码不被应用于该信道。还假设在普通球形解码方法中，(1)使用满足P{‖r-Hd‖²≤ρ²}＝0.99的球形半径ρ通过球形解码执行信号检测，(2)如果该信号检测失败，通过将球形半径ρ扩展到满足P{‖r-Hd‖²≤ρ²}＝0.99来执行信号检测，和(3)如果使用扩展的球形半径ρ的信号检测再次失败，结束该信号检测。

参看图18，在根据本发明另外实施例的信号检测中的平均计算量远远少于在普通球形解码中的平均计算量。特别是，在本发明信号检测方案中的平均计算量在相对高的SNR处接近于基于V-BLAST的信号检测的平均计算量。

如上所述，本发明通过提供一种使用其中信号检测从靠近在MIMO移动通信系统中的Babai点的格点开始的球形解码的信号检测方案，使能带有最小计算量的精确的信号检测。本发明还提供一种在MIMO通信系统中基于V-BLAST的球形解码的信号检测方法，以便使能精确的信号检测。

尽管已经参照本发明的某些最佳实施例示出和描述了本发明，但是，本领域普通技术人员应当理解，在不脱离由所附权利要求定义的本发明的精神和范围的前提下，可以在形式和细节方面做出各种变化。

Claims (20)

1.一种在多入多出移动通信系统的接收机中的信号检测方法，包括下述步骤：

以每个码元组合与通过从所接收的信号中消除码间干扰所产生的发射码元之间的差的升序来排序可从多入多出移动通信系统中的发射机发射的码元组合；

将具有最小差的码元组合初始化为最大似然解；

计算任一第一码元组合与发射码元之间的距离，以及任一第二码元组合的成本；

检测到发射码元的距离等于第一码元组合与发射码元之间的距离并具有最小距离的码元组合；和

如果所述最小距离超过了第一码元组合与发射码元之间的距离，则将第一码元组合决定为最大似然解。

2.如权利要求1所述的信号检测方法，还包扩下述步骤：如果所述最小距离等于或小于第一码元组合与发射码元之间的距离并且第一码元组合与发射码元之间的距离超过第二码元组合与发射码元之间的距离，将第一码元组合决定为最大似然解。

3.如权利要求1所述的信号检测方法，其中，使用最短路径问题方法以每个码元组合与发射码元之间的差的升序来排序所述码元组合。

4.如权利要求1所述的信号检测方法，其中，排序码元组合的步骤包括下述步骤：

计算与在发射机中使用的调制方案对应的每个码元组合与独立用于发射机每个发射天线的发射码元之间的距离；

求和为各发射天线所计算的每个码元组合的距离作为每个码元组合与发射码元之间的距离；和

以所述码元组合的和的升序来排序所述码元组合。

5.如权利要求4所述的信号检测方法，其中以实部和虚部分开计算每个码元组合与发射码元之间的距离。

6.如权利要求5所述的信号检测方法，还包括下述步骤：

通过将信道响应矩阵决定为信道响应矩阵和预定对角矩阵的逆矩阵的矩阵乘积，并且通过将发射码元决定为所述对角矩阵和所述发射码元的矩阵乘积，来减少表示发射机和接收机之间信道的信道响应矩阵的条件数。

7.如权利要求6所述的信号检测方法，其中，对角矩阵的每个元素是信道响应矩阵每列的绝对值。

8.如权利要求5所述的信号检测方法，还包括下述步骤：

通过将信道响应矩阵决定为信道响应矩阵、对角矩阵的逆矩阵和预定变换矩阵的逆矩阵的矩阵乘积来减少该信道响应矩阵的条件数。

9.如权利要求8所述的信号检测方法，其中，如果信道响应矩阵是2×2矩阵，变换矩阵是T₁到T₆中的一个，其中，

$T_1=\left[\begin{array}{cc}1& 0\\ 0& 1\end{array}\right],T_2=\left[\begin{array}{cc}1& 1\\ 0& 1\end{array}\right],T_3=\left[\begin{array}{cc}0& 1\\ -1& 1\end{array}\right],T_4=\left[\begin{array}{cc}1& 0\\ -1& 1\end{array}\right],T_5\left[\begin{array}{cc}1& 1\\ -1& 0\end{array}\right],$ 和 $T_6=\left[\begin{array}{cc}1& 1\\ -1& 1\end{array}\right].$

10.一种在多入多出移动通信系统的接收机中的信号检测装置，包括：

检测器，用于以每个码元组合与通过从所接收的码元中消除码元间干扰而产生的发射码元之间的差的升序来排序可从多入多出移动通信系统中的发射机发射的码元组合，将具有最小差的码元组合初始化为最大似然解，计算任一第一码元组合与发射码元之间的距离，和任一第二码元组合的成本，检测到发射码元的距离等于第一码元组合与发射码元之间的距离并具有最小距离的码元组合，并且如果最小距离超过第一码元组合与发射码元之间的距离，将第一码元组合决定为最大似然解；和

解调器，用于以和发射机中使用的调制方法对应的解调方法解调所述最大似然解。

11.如权利要求10所述的信号检测装置，其中，如果最小距离等于或小于第一码元组合与发射码元之间的距离并且第一码元组合与发射码元之间的距离超过了第二码元组合与发射码元之间的距离，检测器将第一码元组合决定为最大似然解。

12.如权利要求10所述的信号检测装置，其中，检测器使用最短路径问题方法以每个码元组合与发射码元之间的差的升序来排序码元组合。

13.如权利要求10所述的信号检测装置，其中，检测器计算与在发射机中使用的调制方案对应的每个码元组合与独立用于发射机每个发射天线的发射码元之间的距离，将为各发射天线计算的每个码元组合的距离求和作为每个码元组合与发射码元之间的距离，并且以码元组合之和的升序来排序所述码元组合。

14.如权利要求13所述的信号检测装置，其中，检测器以实部和虚部分开计算在每个码元组合与发射码元之间的距离。

15.如权利要求14所述的信号检测装置，其中，检测器通过将信道响应矩阵决定为信道响应矩阵和预定对角矩阵的逆矩阵的矩阵乘积，并且通过将发射码元决定为对角矩阵和发射码元的矩阵乘积，来减少表示发射机和接收机之间信道的信道响应矩阵的条件数。

16.如权利要求15所述的信号检测装置，其中对角矩阵的每个元素是所述信道响应矩阵每一列的绝对值。

17.如权利要求14所述的信号检测装置，其中，检测器通过将信道响应矩阵决定为信道响应矩阵、对角矩阵的逆矩阵和预定变换矩阵的逆矩阵的矩阵乘积的来减少信道响应矩阵的条件数。

18.如权利要求17所述的信号检测装置，其中，如果信道响应矩阵是2×2矩阵，则所述变换矩阵是T₁到T₆之一，其中

$T_1=\left[\begin{array}{cc}1& 0\\ 0& 1\end{array}\right],T_2=\left[\begin{array}{cc}1& 1\\ 0& 1\end{array}\right],T_3=\left[\begin{array}{cc}0& 1\\ -1& 1\end{array}\right],T_4=\left[\begin{array}{cc}1& 0\\ -1& 1\end{array}\right],T_5\left[\begin{array}{cc}1& 1\\ -1& 0\end{array}\right],$ 和 $T_6=\left[\begin{array}{cc}1& 1\\ -1& 1\end{array}\right].$

19.一种在多入多出移动通信系统的接收机中的信号检测方法，包括下述步骤：

使用经修改的去关联决定反馈方法初始检测所接收的信号；

使用垂直贝尔实验室分层空时方法检测信道响应矩阵，所述信道响应矩阵是通过使用修改的去关联决定反馈方法进行初始检测而产生的，并且考虑可从多入多出移动通信系统中的发射机发射的码元组合来更新球形半径和参数；和

如果在更新之后一个码元组合位于该球形半径内，将这个码元组合决定为由发射机发射的码元组合。

20.一种在多入多出移动通信系统的接收机中的信号检测装置，包括：

检测器，用于使用修改的去关联决定反馈方法来初始检测所接收的信号，使用垂直贝尔实验室分层空时方法检测信道响应矩阵，所述信道响应矩阵是通过使用修改的去关联决定反馈方法进行初始检测而产生的，考虑可从多入多出移动通信系统中的发射机发射的码元组合来更新球形半径和参数；并且如果在更新之后一个码元组合位于该球形半径内，则将这个码元组合决定为由发射机发射的码元组合；和

解调器，用于以对应于在发射机中使用的调制方案的解调方法解调所决定的码元组合。

Images