CN1808959A - 一种传输数据的方法及通信系统 - Google Patents

Abstract

本发明公开了一种自适应低复杂度的软输出最大似然检波器，通过基于对信号质量的确定自适应地选择处理方案对数据进行处理。所述信号质量是关于噪声、调制格式、信道(通信环境)、发射信号功率和接收信号功率的函数。如果信号质量差，使用最大似然检波器对该信号进行处理。但如果信号质量好，则使用简单的次优检波器。通过对信号质量进行估计并选择合适的检波方法，本发明可以在维持最高可能的处理速度的同时，确保对MIMO通信系统内的输入数据信号进行精确检波。

Description

一种传输数据的方法及通信系统

技术领域

本发明涉及无线通信系统，更具体地，本发明涉及一种通过为多天线系统提供改进型检波器来改善无线收发机的性能的方法和系统。

背景技术

现代通信系统支持多种无线和/或有线通信设备之间的无线和有线通信。这样的通信系统范围广泛，从国内和/或国际间蜂窝电话系统到因特网，再到点对点室内无线网络。每种通信系统的构建和运行都遵循一个或多个通信标准。例如，无线通信系统可以遵循一个或多个标准来运作，这些标准包括但不限于IEEE 802.11、蓝牙(BT)、高级移动电话服务(AMPS)、数字AMPS，移动电话全球系统(GSM)、码分多址(CDMA)、本地多点分配系统(LMDS)、多通道多点分配系统(MMDS)和/或其各种不同版本。

根据无线通信系统的类型，无线通信设备(例如移动电话、双向无线电设备、个人数字助理(PDA)、个人电脑、笔记本电脑、家庭娱乐设备等)直接或间接与其他无线通信设备通信。对于直接通信(也即点对点通信)，参与其中的无线通信设备将其发射机和接收机设置到相同的一个或多个频道(例如，无线通信系统的多个射频载波中的一个)，然后在该频道上通信。对于间接通信系统来说，每个无线通信设备通过为其分配的频道直接与相关基站(例如，对于蜂窝服务)和/或相关的接入点(例如，室内或建筑物内的无线网络)进行通信。为完成无线通信设备间的通信连接，相关的基站和/或接入点通过系统控制器、公共电话交换网络、因特网和/或一些其他的广域网服务，彼此间直接通信。

无线通信系统使用内置的或与其连接的无线收发机(即接收机和发射机)彼此间进行通信。一般，发射机包括有数据调制阶、一个或多个中频阶和功率放大器。所述数据调制阶依照特定的无线通信标准，将原始数据转换为基带信号。所述中频阶将所述基带信号与一个或多个本机振荡混频，从而生成射频信号。所述功率放大器对所述射频信号放大，然后通过天线发射。

一般，接收机与天线连接，包括低噪放大器、一个或多个中频阶、滤波阶和数据恢复阶。所述低噪放大器通过天线接收入站射频信号并将其放大。所述中频阶将所述放大后的射频信号与一个或多个本地振荡混频，从而将所述放大后射频信号转换程基带信号或中频信号。所述滤波阶对所述基带信号或中频(IF)信号进行滤波以衰减不想要的信号，从而生成滤波信号。所述数据恢复阶依据所述特定的无线通信标准从所述滤波信号中恢复得到原始数据。

在使用各种802.11标准的无线通信系统中，允许使用的带宽由标准制定组织和政府相关部门来指定。为达到更高的数据吞吐量，许多后代的无线系统，例如基于802.11n标准的系统，使用多入多出(MIMO)天线系统。MIMO系统使用多个发射天线在同一个频谱内发射多个数据流，并且利用多路信道的优点，使用多个接收天线对通过各种数据流传送的信息进行恢复。因此，在MIMO系统中，同时使用多个发射和接收天线进行信息的发射和接收。在这样的系统中，每对发射和接收天线定义从发射机到接收机的一条信号通道。

MIMO技术已经被电气和电子技术人员协会(IEEE)采用，用于下一代无线局域网(WLAN)，提供至少100Mbps的吞吐量。用于如此高吞吐量(WLAN)的传输协议和标准包含在802.11n标准中。因为802.11n是当前WLAN标准(例如802.11a、802.11g)的MIMO扩展，所以802.11n也建立在正交频分复用(OFDM)的传输方案的基础之上。

MIMO系统可以提供两种增益：(1)分集增益和(2)空间复用增益。当承载第一信息的信号通过不同路径发送时，实现分集增益。这种多路传输增加了传输的强度或接收的可靠性。当承载独立信息的信号通过不同路径并行发送时，实现空间复用增益。这增加了无线通信系统的长度吞吐量或数据传输速率。

在MIMO系统中，需要获取高精度的发射信号估计值。但是，这需要在最大精确度和信号处理速度间进行折衷。最佳的检波器是最大似然(maximum-likelihood)检波器。给定接收的符号向量y后，最大似然检波器在所有可能的发射信号/向量x_j中进行搜索，寻找最大化条件概率Pr{x_j/y}的发射向量，从而将接收机的解码错误的可能性最小化。因为通信系统采用特定形式的编码，所以最大似然检波器的输出应该是每个发射比特的可靠性的一个度量。这些可靠性又称为软决策。但是，最大似然检波器对发射符号的所有可能组合进行搜索。对于具有多个发射天线的系统来说，复杂度会随发射天线数量的增加呈指数性增长。幸运的是，当MIMO信道状态良好时，次优的基于均衡(equalization-based)的检波器的表现有可能和最优的最大似然检波器一样好。换句话说，高复杂度的最大似然检波器只有当MIMO信道状态很差时才需要使用。当信道状态处于最佳和最差之间时，可以使用低复杂度的最大似然检波器。2004年12月31日申请的申请号为11/027106、发明人为Min Chuin Hoo(代理案号为BP4054)的美国专利申请“用于多天线系统的低复杂度检波器”中，对低复杂度软输出最大似然检波器进行了相关描述，本申请在此引用该专利申请文件。

通过前面的介绍可以看出，很明显，需要开发一种自适应检波器，可以在不同条件下选择不同复杂度的检波器。自适应检波器根据某些信号质量度量选择合适的检波器，并提供可以与最优的最大似然检波器相媲美的出色性能。

发明内容

本发明提供一种自适应低复杂度的软输出最大似然检波器。在本发明中，软输出检波器根据对信号质量的测定，自适应地选择处理方案。所述信号质量是与噪声、调制格式、信道(通信环境)、发射信号功率和接收信号功率相关的函数。如果信号质量较差，使用最大似然检波器处理该信号。但如果信号质量高，则使用相对简单的次优检波器。通过评估信号质量并选择合适的检测方法，本发明可以保证在维持最高可能性的处理速度的同时，在MIMO通信系统中提供对入站信号的精确检波。

在本发明自适应低复杂度软输出最大似然检波器的实施例中，为了获得每个发射流的信号质量的近似值，使用简单的基于均衡的检波器对接收机端的发射数据流进行分离。每个发射流的信号质量是与信噪比和调制格式相关的函数。在本发明的一个实施例中，相关测定以d/2σ为基础，其中d是2个集群符号(constellation symbol)间的最短距离，σ²是线性均衡后的噪声功率。如果发射能量保持恒定，集群大小越大，d越小。d/2σ越大，信号质量越高，需要的检波方法的复杂度就越低。在多天线系统中，需要为每个发射流计算d/2σ。

在本发明自适应的低复杂度软输出最大似然检波器的另一个实施例中，可在处理信道信息中生成信号质量的测量值。所述信号质量测量值可以是但不限于信道奇异值的某些函数。

本发明提供高精确度的信号检波，同时维持很高的处理速度。本发明的方法和设备可应用于具有多个发射流的任何通信系统中。

根据本发明的一个方面，提供一种通信系统，包括：

通过多个信道发射多个符号的多个发射源；

自适应检波器，用于：

    接收对应所述多个发射符号的多个符号；

    测量所述多个符号的信号质量；

    基于所述信号质量的测量值执行检波过程；

    使用所述检波过程生成用于对所述多个发射符号进行检波的决策。

优选地，所述用于对所述发射符号进行检波的决策包括基于所述检波过程的软决策。

优选地，所述用于对所述发射符号进行检波的决策包括基于所述检波过程的硬决策。

优选地，所述对信号质量的测量值通过使用基于均衡的检波器生成所述信道的传输质量的近似值来获得。

优选地，所述信道的信号质量的测量值通过使用信道信息来获得。

优选地，所述信道信息是关于所述信道的奇异值的函数。

优选地，所述信号质量的测量值基于信号功率获得。

优选地，所述信号质量的测量值基于噪声功率获得。

优选地，所述信号质量的测量值基于调制格式获得。

优选地，所述检波器包括最大似然检波器，用于处理通过状态较差的信道传送的所述多个发射符号。

优选地，所述检波器包括基于均衡的检波器，用于处理通过状态较好的信道传送的所述多个发射符号。

优选地，所述检波器还用于：

处理所述接收的符号以获取所述发射信号的初步估计值；

使用所述初步估计值生成多个简化的搜索集；

使用所述简化的搜索集生成用于对所述发射符号进行检波的决策。

优选地，所述初步估计值通过对所述接收符号进行线性均衡来获得。

优选地，所述线性均衡通过使用归零因子(zero-forcing factor)实现。

优选地，所述线性均衡通过使用最小均方误差均衡器实现。

优选地，所述初步估计值通过对对应于所述接收信号的数据归零和取消(nulling and canceling)而获得。

优选地，所述简化的搜索集通过对接收符号的向量进行均衡以获得噪声估计值并将所述噪声估计值分为一组符合条件的集群点来获得。

优选地，所述噪声估计值与用于生成对应所述发射符号的数据输出的发射符号相关。

优选地，所述对应于所述发射符号的数据输出通过使用对数似然概率比来生成。

优选地，所述简化搜索集通过以下方法获取：

(a)找出对应于每个噪声估计发射符号的符合条件的集群点，从而定义用于所述发射符号向量的简化搜索集；

(b)搜索出能最小化‖y-Hx‖²的发射符号向量的简化搜索集，从而生成所

述发射符号的估计值。

优选地，所述噪声估计值与用于生成对应所述发射符号的数据输出的发射符号相关。

优选地，所述对应于所述发射符号的数据输出通过使用对数似然概率比来生成。

根据本发明的一个方面，提供一种传输数据的方法，包括：

在多个信道上发射多个符号；

使用自适应检波器接收对应于所述多个发射符号的多个符号，所述自适应检波器用于：

    测量所述多个符号的信号质量；

    基于所述信号质量的测量值执行检波过程；

    使用所述检波过程生成用于对所述多个发射符号进行检波的决策。

优选地，所述用于对所述发射符号进行检波的决策包括基于所述检波过程的软决策。

优选地，所述用于对所述发射符号进行检波的决策包括基于所述检波过程的硬决策。

优选地，所述对信号质量的测量值通过使用基于均衡的检波器生成所述信道的传输质量的近似值来获得。

优选地，所述信道的信号质量的测量值通过使用信道信息来获得。

优选地，所述信道信息是关于所述信道的奇异值的函数。

优选地，所述信号质量的测量值基于信号功率获得。

优选地，所述信号质量的测量值基于噪声功率获得。

优选地，所述信号质量的测量值基于调制格式获得。

优选地，所述检波器包括最大似然检波器，用于处理通过状态较差的信道传送的所述多个发射符号。

优选地，所述检波器包括基于均衡的检波器，用于处理通过状态较好的信道传送的所述多个发射符号。

优选地，所述检波器还用于：

处理所述接收的符号以获取所述发射信号的初步估计值；

使用所述初步估计值生成多个简化的搜索集；

使用所述简化的搜索集生成用于对所述发射符号进行检波的决策。

优选地，所述初步估计值通过对所述接收符号进行线性均衡来获得。

优选地，所述线性均衡通过使用归零因子(zero-forcing factor)实现。

优选地，所述线性均衡通过使用最小均方误差均衡器实现。

优选地，所述初步估计值通过对对应于所述接收信号的数据赋空和消除噪声而获得。

优选地，所述简化的搜索集通过对接收符号的向量进行均衡以获得噪声估计值并将所述噪声估计值分为一组符合条件的集群点来获得。

优选地，所述噪声估计值与用于生成对应所述发射符号的数据输出的发射符号相关。

优选地，所述对应于所述发射符号的数据输出通过使用对数似然概率比来生成。

优选地，所述简化搜索集通过以下方法获取：

(a)找出对应于每个噪声估计发射符号的符合条件的集群点，从而定义用于所述发射符号向量的简化搜索集；

(b)搜索出能最小化‖y-Hx‖²的发射符号向量的简化搜索集，从而生成所

述发射符号的估计值。

优选地，所述噪声估计值与用于生成对应所述发射符号的数据输出的发射符号相关。

优选地，所述对应于所述发射符号的数据输出通过使用对数似然概率比来生成。

附图说明

下面将结合附图及实施例对本发明作进一步说明，附图中：

图1是实现具有多个发射天线和多个接收天线的MIMO系统的一般功能组件的示意图；

图2是实现用于正交频分复用系统的具有两个发射天线和两个接收天线的MIMO系统的一般功能组件的示意图；

图3a是根据本发明的MIMO软检波器的第一实施例的功能组件示意图；

图3b是根据本发明的MIMO软检波器的第二实施例的功能组件示意图；

图3c是根据本发明的MIMO软检波器的第三实施例的功能组件示意图；

图4是由图1中所示的MIMO软检波器处理的符号的4-QAM集群的示意图。

具体实施方式

本发明提出一种用于改进的无线通信系统的方法和设备。虽然下文介绍了本发明的许多细节，但值应该可以理解，没有这些细节，本发明也可以实施。例如，本发明的实施例以框图的形式来介绍，而不是具体细节，以避免对本发明的理解造成混乱。本申请中的某些细节描述部分用计算机存储器内的数据算法或运算来表示。通信系统领域的技术人员经常使用这些描述或表示方法来向其他同行描述和转达他们的工作内容。通常，一个算法是指产生期望的结果的一系列独立的步骤，其中所述“步骤”是对物理量的操作，尽管这些物理量不是必须采用电信号或磁信号的形式进行存储、传输、合并、比较以及其他操作。通常的做法是把这些信号表示为比特、值、元素、符号、字符、条件、数字等。这些类似的术语与特定的物理量相关，仅仅是出于方便而为这些物理量设置的标识。除非特别声明，否则，如在下文中介绍的那样，整个说明书全文中，描述时使用的处理、计算、运算、确定、显示及其他相关的术语，均指计算机系统或类似的电子计算设备的动作或处理，将计算机系统的寄存器或存储器内以物理的、电的或磁的物理量表示的数据处理和/或转换为计算机系统存储器或寄存器或其他类似的信息存储、传输或显示设备内的以物理量表示的其他类似的数据。

图1是用于实现具有两个发射天线和两个接收天线的MIMO系统的通用通信系统100的功能组件示意图。编码器102接收比特流，然后为向量调制器104生成编码输入。多个天线106和108通过多个通信信道110通信，从而定义多个MIMO通信信道。本领域的普通技术人员可以理解，通过天线108接收到的数据含有噪声。MIMO软检波模块112处理输入数据，提供关于接收的数据的软决策。随后，检波器114使用这些软决策来生成没有被噪声损坏的精确输出比特流。

图2是用于实现使用OFDM具有两个发射天线和两个接收天线的MIMO通信的通信系统200的功能组件示意图。图2中所示为使用应用于WLAN的MIMO协议来实现二进制输入数据。图2中的MIMO系统200包括编码器202和光梳复用器204。光梳复用器204的输出被分离为第一和第二数据流，并提供给QAM映射模块206和208。QAM映射模块206和208提供正交调幅数据流，该数据流被分别发送给反转快速傅立叶转换(IFFT)添加保护间隔(guardinterval)模块210和212。IFFT添加保护间隔模块210和212通过天线214和216发射调制的数据流。本领域的普通技术人员可知，天线214和216发射的数据流可以通过各个发射天线和接收天线之间的MIMO多路信道218传播。天线220和222接收到的信号由去除保护间隔快速傅立叶(FFT)模块224和226进行处理，为MIMO软检波模块228生成输入信号。去除保护间隔FFT模块处理后的信号随后由MIMO软检波模块228处理，并提供给解码器230以生成二进制输出数据流。

图3a-图3c所示为本发明自适应MIMO软检波器112的多个实施例。在图3a所示的检波器112a的实施例中，输入数据以包含噪声的接收符号形式由信号质量测量模块302连同信道和传输信息一起接收，然后生成对应该信号质量测量的输出信号。自适应检波器选择器304接收信号质量测量信息，根据信号质量信息选择合适的检波方法，并向LLR计算模块306提供关于所述接收符号的初步估计值。LLR计算模块306使用该初步估计值生成软决策输出，以便图1中的解码器114使用。

在图3b所示的检波器112b的实施例中，包含噪声的接收符号和信道信息由基于均衡的检波器模块308接收，所述检波器对输入数据进行均衡，以下将对其进行详细讨论。基于均衡的检波器308的输出提供给信号质量测量模块302，该信号质量测量模块302生成对应该信号质量测量的输出信号。该信号质量输出信号提供输入给自适应检波器选择器304，以提供关于所述接收符号的初步估计值，然后LLR计算模块306使用该初步估计值生成软决策。

在图3c所示的检波器112c的实施例中，信道信息提供给信道奇异值分解模块310，该模块生成奇异值以由信号质量测量模块302使用其生成信号质量测量值。自适应检波器选择器304接收信号质量测量信息，根据所述信号质量信息选择合适的检波方法，并向LLR计算模块306提供关于所述接收符号的初步估计值。LLR计算模块306使用该初步估计值生成软决策输出，以便图1中的解码器114使用该软决策输出。

本领域的普通技术人员可知，MIMO软解码器对关于接收符号的每个可能的决策的可靠性进行估计，却不作出关于该符号的实际决策。该解码器使用MIMO软检波器提供的估计的可靠性或软决策对所述接收符号进行解码，从而生成解码二进制输出数据流。

考虑图1中所描述的具备N_t个发射天线和N_r个接收天线的通用通信系统中MIMO软决策模块112对接收信号的处理过程，本发明的方法和设备将不难理解。这个N_t×N_r系统可以通过以下模型进行描述：

$\left[\begin{array}{c}{y}_1\left(n\right)\\ y_2\left(n\right)\\ \·\\ \·\\ .\\ y_{\mathrm{Nr}}\left(n\right)\end{array}\right]=\left[\begin{array}{cccc}{H}_{11}\left(n\right)& H_{12}\left(n\right)& \·\·\·& H_{1\mathrm{Nt}}\left(n\right)\\ H_{21}\left(n\right)& H_{22}\left(n\right)& \·\·\·& H_{2\mathrm{Nt}}\left(n\right)\\ \·& \·& \·& \·\\ \·& \·& \·& \·\\ \·& \·& \·& \·\\ H_{\mathrm{Nr}}\left(n\right)& H_{\mathrm{Nr}2}\left(n\right)& \·\·\·& H_{\mathrm{NrNt}}\left(n\right)\end{array}\right]\left[\begin{array}{c}{x}_1\left(n\right)\\ x_2\left(n\right)\\ \·\\ \·\\ \·\\ x_{\mathrm{Nt}}\left(n\right)\end{array}\right]+\left[\begin{array}{c}{N}_1\left(n\right)\\ N_2\left(n\right)\\ \·\\ \·\\ \·\\ N_{\mathrm{Nt}}\left(n\right)\end{array}\right]$ (等式1)

y(n)＝H(n)×(n)+N(n)    (等式2)

其中，n是时间或频率指数，y是N_r×1接收向量，H是N_r×N_t信道矩阵，x是N_t×1发射向量，N是N_r×噪声向量。

可以假设在期望的期间内信道矩阵H是静态的。因此，在接下来的讨论中，忽略时间/频率指数，该模型变为：

y＝Hx+N  (等式3)

此外，可以假设在接收机中，信道矩阵H是已知的，噪声样本N_i(n)是带有零平均值(zero mean)和方差σ²的独立复合高斯变量。

在等式1中，天线j的接收信号y_j(n)是N_t个发射符号x_i(n)的噪声叠加，被信道矩阵H损坏，如以下等式描述：

$y_j=\underset{i=1}{\overset{N_t}{\mathrm{\Σ}}}{H}_{\mathrm{ji}}{x}_i+N_j,j=1,...,N_r$ (等式4)

每个符号x_i从log₂(M)个比特映射得到，其中M是集群的大小。例如，如果x_i是从4-QAM集群中提取的，那么每个x_i就是从2个比特映射过来的。在等式4中，发射比特的总量是N_tlog₂(M)。这将在下文中表示为发射比特向量[b₁ b₂…b_L]，其中L＝N_tlog₂(M)。

如上所述，软输出最大似然检波器是最优的，因为其能将错误决策的可能性降低到最小。软输出最大似然检波器接收到y，并在所有可能的发射符号向量x中进行搜索，以生成关于发射比特b₁的可能性的软信息，其中1＝1，…，N_tlog₂(M)，N_tlog₂(M)为a0或者a1。

每个b₁＝0或1的软信息是采用b₁＝0或1的先验概率的对数似然比(LLR)形式。

对于等式3定义的N_t×N_rM-QAM系统，[b₁ b₂…b_L]比特向量被映射为[x₁x₂…x_Nt]个符号并发射，其中L＝N_tlog₂(M)。比特b₁(1＝1，2，…，L)的LLR是：

$\mathrm{LLR}\left(b_i\right)=\ln \frac{\mathrm{Pr}(b_i=0|y)}{\mathrm{Pr}(b_i=1|y)}=\ln \frac{\underset{\∀x_{j}s.t.b_i=0}{\mathrm{\Σ}}\mathrm{Pr}\left(x_j\right|y)}{\underset{\∀x_{j}s.t.b_i=1}{\mathrm{\Σ}}\mathrm{Pr}\left(x_j\right|y)}$ (等式5)

其中j＝1，…，M^Nt表示素有可能的发射符号向量，y是接收符号向量。

使用贝叶斯定则(Bayes’rule)，LLR(b₁)可以重写为：

$\mathrm{LLR}\left(b_i\right)=\ln \frac{\underset{\∀x_{j}s.t.b_i=0}{\mathrm{\Σ}}}{\underset{\∀x_{j}s.t.b_i=1}{\mathrm{\Σ}}}=\ln \frac{\underset{{\∀x}_{j}s.t.b_i=0}{\mathrm{\Σ}}\mathrm{Pr}\left(y\right|x_j)}{\underset{\∀x_{j}s.t.b_j=1}{\mathrm{\Σ}}\mathrm{Pr}\left(y\right|x_j)}$ (等式6)

其中最后的简化是建立在假设x_j’是等概率的(equi-probable)基础上的。给定信道矩阵H，

$\mathrm{LLR}\left(b_i\right)=\ln \frac{\underset{\∀x_{j}s.t.b_i=0}{\mathrm{\Σ}}{e}^{(-\frac{{\left|\right|y-{\mathrm{Hx}}_j\left|\right|}^2}{{\mathrm{\σ}}^2})}}{\underset{\∀x_{j}s.t.b_i=1}{\mathrm{\Σ}}{e}^{(-\frac{{\left|\right|y-{\mathrm{Hx}}_j\left|\right|}^2}{{\mathrm{\σ}}^2})}}$ (等式7)

通过仅对分子和分母的求和保留最大条件，上述等式还可以进一步简化为：

$L\hat{L}R\left(b_i\right)=\frac{1}{{\mathrm{\σ}}^2}(\underset{{\∀x}_{j}s.t.b_i=0}{\min }{\left|\right|y-{\mathrm{Hx}}_j\left|\right|}^2-\underset{\∀x_{j}s.t.b_i=0}{\min }{\left|\right|y-{\mathrm{Hx}}_j\left|\right|}^2),$ (等式8)

在2×2的4-QAM系统中，等式1中的发射符号x1、x2分别从图4所示的4-QAM集群中提取出。

表格1列出了发射符号向量[x1 x2]的所有16个组合。

j	xj＝x1 x2	b1b2b3b4
			1	C1C1	0000
2	C1C2	0001
			3	C1C3	0010
4	C1C4	0011
			5	C2C1	0100
6	C2C2	0101
			7	C2C3	0110
8	C2C4	0111
			9	C3C1	1000
10	C3C2	1001
			11	C3C3	1010
12	C3C4	1011
			13	C4C1	1100
14	C4C2	1101
			15	C4C3	1110
16	C4C4	1111

C1＝-1-j

C2＝-1+j

C3＝1-j

C4＝1+j

表1

在等式8中，b₁，b₂，b₃和b₄的近似LLR可以通过如下方法计算：

$L\hat{L}R\left(b_i\right)=\frac{1}{{\mathrm{\σ}}^2}(\underset{{\∀x}_j,j=9,...,16}{\min }{\left|\right|y-{\mathrm{Hx}}_j\left|\right|}^2-\underset{\∀x_j,j=1,...,8}{\min }{\left|\right|y-{\mathrm{Hx}}_j\left|\right|}^2)$ (等式9)

$L\hat{L}R\left(b_2\right)=\frac{1}{{\mathrm{\σ}}^2}({\underset{13,...,16}{\underset{{\∀x}_j,j=5,...,8}{\min }}\left|\right|y-{\mathrm{Hx}}_j\left|\right|}^2-{\underset{9,...,12}{\underset{\∀x_j,j=1,...,4}{\min }}\left|\right|y-{\mathrm{Hx}}_j\left|\right|}^2)$ (等式10)

$L\hat{L}R\left(b_3\right)=\frac{1}{{\mathrm{\σ}}^2}({\underset{\mathrm{11,12,15,}16}{\underset{{\∀x}_j,j=\mathrm{3,4,7,}8}{\min }}\left|\right|y-{\mathrm{Hx}}_j\left|\right|}^2-{\underset{9,\mathrm{10,13,14}}{\underset{\∀x_j,j=1,\mathrm{2,5,6}}{\min }}\left|\right|y-{\mathrm{Hx}}_j\left|\right|}^2)$ (等式11)

$L\hat{L}R\left(b_i\right)=\frac{1}{{\mathrm{\σ}}^2}(\underset{{\∀x}_j,j=\mathrm{even}}{\min }{\left|\right|y-{\mathrm{Hx}}_j\left|\right|}^2-\underset{\∀x_j,j=\mathrm{odd}}{\min }{\left|\right|y-{\mathrm{Hx}}_j\left|\right|}^2)$ (等式12)

本领域的普通技术人员可知，ML检波器是最优的，并且能充分开发信道矩阵H内的可用分集特性。因此，ML检波器能通过次优的基于均衡检波实现性能的实质性改善。但是，ML检波器的缺点在于，其需要非常详尽的搜索来找到每个比特的LLR。此外，ML检波器的计算复杂度随着发射天线的数量N_t呈指数性增长。

获得发射符号的初步估计值后，使用其将搜索集降低到对某些标准来说最接近发射符号估计值的N(N＜M)个符号内，并且在该简化搜索集中进行搜索，且每个比特的最小软度量值为a0或a1。本发明的各个实施例使用最优化标准确定简化搜索集，相关的内容在2004年12月31日申请的申请号为11/027106、发明人为Min Chuin Hoo(代理案号为BP4054)的美国专利申请“用于多天线系统的低复杂度检波器”中给出了描述，本申请在此引用该美国专利申请公开的相关内容。

次优的基于均衡的检波器使用均衡器来处理接收的符号向量，以分离出发射流并生成所述发射符号的包含噪声的估计值。尽管该检波器是次优的，但却易于实现，而且当MIMO信道状况良好的情况下，可以很好的工作。线性均衡器可由以下等式定义：

＝Q(Wy)    (等式13)

其中W是线性均衡矩阵，Q(.)表示根据所使用的集群的分割操作(slicingopeartion)。在本发明的一个实施例中，该线性均衡矩阵由归零均衡器定义：

W＝(H^HH)^-1H^H    (等式14)

其为H的伪倒值。在该等式中，假设N_r＞N_t。在本发明的另一实施例中，均衡矩阵由最小均方误差(MMSE)均衡器定义：

$W={(H^{H}H+\frac{1}{\mathrm{SNR}}I)}^{-1}{H}^H$ (等式15)

在本发明另一个可选择的实施例中，最优化标准包括赋空和消除噪声。与对所有分量共同估算的线性均衡相反，归零和取消方法顺序地对发射符号向量的分量进行估算。例如，如果首先使用ZR或MMSE线性均衡方法估算发射符号向量的第一个分量，则其对接收矩阵y的作用被从y中减掉。然后使用修改后的接收向量y来估算发射符号向量的下一个分量。整个过程不断重复，直到完成对发射符号向量的所有分量的估算。

使用通过基于均衡的检波器生成的包含噪声的估计值，可对每个等于a0或a1的发射比特的软度量值进行估算。设定b_1，i为通过第i个发射路径发射的第1个比特。换句话说，b_1，i是发射符号向量的第i个分量的第1个比特。指数1的范围是从1到log₂(M)，其中M是集群的大小。

使用基于均衡的检波器时，b_1，i＝0，1的软度量值由以下等式给出：

$m_{i,i}=\frac{{\left|\right|{\hat{x}}_i-Q_{\mathrm{bi}=0}\left({\hat{x}}_i\right)\left|\right|}^2}{{{\mathrm{\σ}}_i}^2}$

${\stackrel{\‾}{m}}_{i,i}=\frac{{\left|\right|{\hat{x}}_i-Q_{\mathrm{bi}=1}\left({\hat{x}}_i\right)\left|\right|}^2}{{{\mathrm{\σ}}_i}^2}$

其中Q_b1＝0或1表示对第一比特位置具有a0或1的最接近集群点的分割。

如上所述，本发明提供一种自适应的低复杂度MIMO软输出最大似然检波器112(下文中的某些地方称为“ARML”)，根据对信号质量的确定来选择处理方案。如果信号质量差，则通过使用上文技术的最大似然检波器来处理信号；如果情况相反，信号质量非常好，就可以使用相对简单的次优检波器。通过估算信号的质量，并根据信号质量估计值选择合适的检波方法，本发明可以保证在保持最高可能的处理速度的同时，提供对MIMO通信系统内的输入数据信号的精确检波。

在本发明的ARML 112的一个实施例中，使用基于均衡的检波器在接收机中分离发射数据流，以便获得每个发射流的信号质量的近似值。每个发射流的信号质量是关于信噪比和调制格式的函数。在本发明的一个实施例中，相关测定以d/2σ为基础，其中d是2个集群符号间的最短距离，σ²是线性均衡后的噪声功率。如果发射能量保持恒定，集群大小越大，d越小。d/2σ越大，信号质量越高，需要的检波方法的复杂度就越低。在多天线系统中，例如图1所示的系统中，需要为每个发射流计算d/2σ。

对于平方-QAM(square-QAM)集群，d可以通过以下等式计算：

$d=\sqrt{\frac{E_x\×12}{M-1}}$

其中M是集群大小，Ex是每维度的平均能量。

下面的表2列出了3个已知的平方-QAM集群的d值。Ex是0.5，表示平均能量是1。

集群	M	D
			4-QAM	4	1.4142
16-QAM	16	0.6325
			64-QAM	64	0.3086

表2

如果使用线性均衡方法，均衡后的噪声功率具有近似值，因此，d/2σ可以很容易的计算出来。使用(d/2σ)_i，其中I表示第i个发射流，可以实现合适的软输出检波方法。(d/2σ)_i越大，信号质量越好，检波方法所需的复杂度就越低。

总的来说，结合2×2 MIMO系统可以理解以上介绍的本发明的方法。首先，使用任何基于线性均衡的发射符号估算方法来为2条发射路径的每一个计算(d/2σ)_i。其次，基于(d/2σ)₁和(d/2σ)₂，选择合适的检波方法。本领域的普通技术人员可知，如果2条发射路径的调制格式一样，则因为d是一样的，而只需要计算噪声功率。

在本发明的一个实施例中，ARML使用下面的实现自适应的选择软输出检波方法：

-如果(d/2σ)₁或(d/2σ)₂大于1，

    如果绝对差|(d/2σ)₁-(d/2σ)₂|＞0.4，则

    选择基于赋空和消除噪声的检波方法；

    否则

    选择基于线性均衡的检波方法；

-否则如果(d/2σ)₁和(d/2σ)₂都小于0.2，

    则消除；

-否则如果0.2＜((d/2σ)₁和(d/2σ)₂)＜0.35，

    选择基于最大似然的检波方法；

-否则

    选择基于低复杂度最大似然的检波方法。这时，需要进行进一步检

查以选择N_i，N_i是对某些标准来说最接近第i路径上的发射符号估计值的

符号的数量。例如，对于2×2 64-QAM MIMO系统来说，

    如果(d/2σ)_i＞0.6，选择N_i＝4；

    如果(d/2σ)_i＞0.4，选择N_i＝8；

    如果(d/2σ)_i＞0.2，选择N_i＝16。

在本发明的另一个实施例中，ARML可用于使用OFDM协议处理数据。在OFDM系统中，符号由多个子符号组成，其中每个子符号都要进行线性均衡。因此，每个子符号与(d/2σ)_i，k有关，其中i表示发射流，k表示子符号。下面是ARML 228处理OFDM数据的处理顺序的一个实现：

-1、对每个子符号的(d/2σ)_i的最大值或最小值进行升序排列；

-2、选择第一A子符号进行软输出最大似然检波；

-3、选择下一B子符号进行软输出低复杂度最大似然检波；

-4、对于剩下的子符号，按照升序排列最小(d/2σ)_i/最大(d/2σ)_I的

    比值。选择第一C子符号进行软输出赋空和消除噪声检波；

-5、对于剩下的子符号，选择软输出线性均衡检波。

在另一个实施例中，可以在步骤1后面加上一个处理步骤以忽略第一Z子符号，即将他们消除。在这个实施例中，对于剩下的子符号，选择第一A子符号进行软输出最大似然检波，后续步骤同上。

在本发明自适应的低复杂度软输出最大似然检波器的另一个实施例中，信号质量测量值可在处理信道信息中获得。信号质量测量值可以是但不限于信道奇异值的某些函数。为获取该信道的奇异值，需要在信道H上执行奇异值分解。通过奇异值分解，H可以被表示为H＝USV^H，其中矩阵U和V是一元矩阵，并分别包含H的左和右奇异矩阵；S是对角矩阵，包含H的奇异值s_i。不考虑通常性损失，我们假设奇异值s_i按照非升序排列。H信道的条件数c_H定义为最大和最小奇异值的比。在数学上，c_H＝s_i/s_Nt总是大于或等于1。对于所有状态很差的信道，c_H很大。理想状态下，c_H应该等于1。如前面所述，最优的最大似然检波器可以对状态较差的信道进行加强，而次优检波器的性能明显的依赖于信道的状态。因此，我们建议将信道的条件数或信道的最大、最小奇异值作为信号质量测量的最佳选择。在OFDM系统中，每个子符号都会经历不同的H。因此，需要对每个子符号在H上执行奇异值分解，以生成基于H的奇异值的信号质量测量值。

下面是ARML 228处理OFDM数据的处理顺序的一个实现：

-1、对每个子符号的H(s)_I的最大或最小奇异值进行升序排列；

-2、选择第一A子符号进行软输出最大似然检波；

-3、选择下一B子符号进行软输出低复杂度最大似然检波；

-4、对于剩下的子符号，对条件数(最小(s)_i/最大(s)_I的比值)取反

并按升序排列。选择第一C子符号进行软输出赋空和消除噪声检波；

-5、对于剩下的子符号，选择软输出线性均衡检波。

在另一个实施例中，可以在步骤1后面加上一个处理步骤以忽略第一Z子符号，也即将他们消除。然后，对于剩下的子符号，选择第一A子符号进行软输出最大似然检波，后续步骤同上。本领域的普通技术人员可知，这里列出的可用的检波器并未穷尽，并且如果选择的检波器列表更小，那么算法可以更简单。

本发明还可以计算所有子符号的奇异值的最大值、最小值或其比值的平均值，代替使用上述步骤1中的奇异值的最大值、最小值或其比值。依据奇异值的最大值、最小值或其比值与均值的差别有多大，可以使用合适的软输出检波器。

所述软输出最大似然检波器被认为是最优的，因为其利用MIMO信道中所有可用的分集。但是它并不是实用的方案，因为它的复杂度会随发射天线数量的增加呈指数增长。与此相比，在信道状况良好的情况下，简单很多的次优检波方法可以表现出与最大似然检波器一样的性能。

如前所述，本发明提供一种自适应低复杂度最大似然检波器，可以在维持高处理速度的同时，提供高度精确的信号检波。本领域的普通技术人员可知，根据本发明的教导可以使用不同的方案对本发明作出修改，并且本发明可应用于任何具有多个发射天线的通信系统中。

尽管以上已对本发明进行了详细的描述，可以理解，在不脱离本发明的精神实质和范围的情况下，可以对本发明进行各种改变、等效替换和变更。

Claims (10)

1、一种通信系统，包括：

通过多个信道发射多个符号的多个发射源；

自适应检波器，用于：

接收对应所述多个发射符号的多个符号；

测量所述多个符号的信号质量；

基于所述信号质量的测量值执行检波过程；

使用所述检波过程生成用于对所述多个发射符号进行检波的决策。

2、根据权利要求1所述的通信系统，其特征在于，所述用于对所述发射符号进行检波的决策包括基于所述检波过程的软决策。

3、根据权利要求1所述的通信系统，其特征在于，所述用于对所述发射符号进行检波的决策包括基于所述检波过程的硬决策。

4、根据权利要求1所述的通信系统，其特征在于，所述对信号质量的测量值通过使用基于均衡的检波器生成所述信道的传输质量的近似值来获得。

5、根据权利要求1所述的通信系统，其特征在于，所述信道的信号质量的测量值通过使用信道信息来获得。

6、一种传输数据的方法，包括：

在多个信道上发射多个符号；

使用自适应检波器接收对应于所述多个发射符号的多个符号，所述自适应检波器用于：

测量所述多个符号的信号质量；

基于所述信号质量的测量值执行检波过程；

使用所述检波过程生成用于对所述多个发射符号进行检波的决策。

7、根据权利要求6所述的传输数据的方法，其特征在于，所述用于对所述发射符号进行检波的决策包括基于所述检波过程的软决策。

8、根据权利要求6所述的传输数据的方法，其特征在于，所述用于对所述发射符号进行检波的决策包括基于所述检波过程的硬决策。

9、根据权利要求6所述的传输数据的方法，其特征在于，所述对信号质量的测量值通过使用基于均衡的检波器生成所述信道的传输质量的近似值来获得。

10、根据权利要求6所述的传输数据的方法，其特征在于，所述信道的信号质量的测量值通过使用信道信息来获得。

Images