CN1812310A - 一种优化邻域搜索多入多出检测方法 - Google Patents

Abstract

公开了一种优化临域搜索的多入多出检测方法。它的目的是提高MIMO系统中误码性能。这是一种优化邻域搜索的MIMO检测器，其特征包括：a)根据预定的检测方法，得到发送信号的估计，并确定搜索顺序。b)根据接收信号与判决信号在网格点的距离，得到初始的搜索半径，并确定搜索范围。c)从最不可靠的符号开始搜索，并在搜索过程中不断更改搜索范围。在每当得到一个可行解时，重新计算搜索半径，并根据搜索结果，重新确定搜索顺序。直到不能得到更好的解。

Description

一种优化邻域搜索多入多出检测方法

技术领域

本发明涉及多天线无线通信系统中的信号检测技术，具体地，本发明涉及一种优化邻域搜索多入多出检测方法。

背景技术

多入多出(MIMO)技术是无线移动通信领域技术的重大突破。MIMO技术指的是数据的发送和接收都采用了多根天线。研究表明，利用MIMO技术可以提高信道的容量，同时也可以提高信道的可靠性，降低误码率。MIMO系统的最大容量或容量上限随最小天线数的增加而线性增加。而在同样条件下，在接收端或发射端采用多天线或天线阵列的普通智能天线系统，其容量仅随天线数的对数增加而增加。相对而言，MIMO技术对于提高无线通信系统的容量具有极大的潜力，是新一代移动通信系统采用的关键技术。

图1所示为通常的采用的MIMO系统结构示意图。在该结构中，发送端和接收端分别采用n_T和n_R个天线进行信号的发送和接收。在发送端，待发送的数据首先经过串并变换模块101分成n_T个数据流，每个数据流对应一个发送天线。在接收端，首先由n_R个接收天线103将信号接收下来，然后由信道估计模块104根据该接收信号进行信道估计，估计出当前的信道特性矩阵H。MIMO检测模块105利用该信道特性矩阵H对接收信号进行检测，解调出发送端所发送的信息比特。

1.系统模型

令s＝[s₁，…，s_nt]^T表示传送符号的nt×1维向量。其中s_i为第i根天线发送的符号。相应的nr×1根接收天线的信号向量为x＝[x₁，…，x_nr]^T；

                          x＝Hs+n(1)

在(1)中，n＝[n₁，…，n_nr]^T表示在nr根接收天线上的均值为零，方差为σ²的高斯白噪声。H为nr×nt信道矩阵。MIMO接收机检测器的目的是从接收向量x中恢复发送符号s。

2.传统的检测器

a.最大似然检测器

最大似然检测方法可以通过充分统计向量的噪声方差直接推导出来，但是最大似然检测的复杂度是呈指数增长的，难以实现。

b.ZF(迫零)和MMSE(最小均方误差)检测器

迫零检测器的特点是完全消除了各个发送天线之间的干扰，其代价是增强了背景噪声。MMSE检测器的基本思想是使估计的数据与真正的数据之间的均方误差最小化。MMSE检测器考虑了背景噪声的影响，在消除各个天线之间和增强背景噪声之间得到一个折衷，性能要优于迫零检测器。

c.BLAST检测器(ZF-BLAST和MMSE-BLAST)

BLAST检测器包括两部分：一个线性变换器和一个串行干扰消除器。首先通过线性变换得到信噪比最强的第I根发送天线上的数据判决，通过此数据，重建第I个天线的发送数据。然后再从接收信号中减去此符号的影响。接着计算余下的数据中信噪比最强的天线上的数据估计进行干扰消除。然后一直重复此过程直到得到所有数据的估计。

d.基于球译码的检测器

基于球译码的检测器的是最近几年提出的一种接近最大似然检测器的近最优的检测器，它的性能接近于最大似然。其基本思想是寻找与接收的N维空间的点最接近的发送信号形成的N维空间的点。一般通过将H进行QR分解(或将^HH进行choleksy分解)，利用R的上三角结构，寻找小于搜索半径的解，并逐渐缩小搜索的半径，知道找到球译码认为最大似然的解。虽然，球译码的性能好，但它初始半径不好选，而且，复杂度相对较高。

发明目的

本发明的目的在于，提供了一种优化邻域搜索MIMO检测方法，以尽可能小的复杂度提供接近最大似然的误码性能。

为了提高传统检测器的性能，本发明提供一种优化邻域搜索MIMO检测方法，来提高MIMO检测器的性能。该方法根据预定的检测方法，得到发送信号的估计，并确定搜索顺序。根据接收信号与判决信号在网格上的距离，得到初始的搜索半径，并确定搜索范围。从最不可靠的网格符号开始搜索，并在搜索过程中不断更改搜索范围。在每当得到一个可行解时，重新计算搜索半径，并根据搜索结果，重新确定搜索顺序，直到不能得到更好的解。

本发明的技术方案如下：

一种优化临域搜索的多入多出检测方法，其特征在于包括以下步骤：a)输入信道矩阵H和接收信号x；b)将所述信道矩阵H和接收信号x转换成实数信道矩阵H’和实数接收信号x’，及x’的维数N；c)根据预定的检测方法，得到发送信号的一个解，作为输出候选解；d)根据可靠性大小来重排H’各列以得到重排的信道矩阵H1，重排实数接收信号x’各个元素以得到重排的接收信号x1，并计算所述重排的信道矩阵H1的QR分解以得到Q和R矩阵；e)根据所述Q矩阵、R矩阵、重排的接收信号x1以及所述输出候选解确定搜索半径r，搜索范围和搜索顺序；f)从最不可靠的符号开始，按照所述搜索顺序，在所述搜索范围中搜索，以找到满足所述搜索半径r的可行解，作为新的输出候选解；g)重复执行步骤e)到f)，直到找到所述输出候选解中的最佳解；h)将所述最佳解从整数形式转换成小数形式，并变换成星座点输出

与传统的检测方法相比，本发明的方法避免了重复的搜索过程，并优化了搜索顺序，减少了搜索的次数。

附图说明

图1为MIMO系统结构示意图；

图2为归一化16-QAM调制星座图；

图3为优化邻域搜索MIMO检测方法流程图；

图4给出了优化搜索的方法和ZF-BLAST，最大似然的比较；以及

图5给出了优化搜索的方法与传统的方法需要搜索的点数的比例。

具体实施方式

初始条件：假设采用图1所示的MIMO系统结构。其中，发送端和接收端分别采用n_T和n_R个天线进行信号的发送和接收。在发送端，待发送的数据首先经过串并变换模块101分成n_T个数据流，每个数据流对应一个发送天线。在接收端，首先由n_R个接收天线103将信号接收下来，然后由信道估计模块104根据该接收信号进行信道估计，估计出当前的信道特性矩阵H。

下面结合图3详细描述本发明的具体流程。

在步骤S301，输入信道矩阵H和接收信号x。然后，在步骤S301对信道矩阵H和接收信号x进行预处理，得到H’，x’以及x’的维数N。

具体说明如下：

系统模型如公式(1)所示，由于基于网格(lattice)的检测方法是s取值为整数，而在实际中却不是这样，这就要求在检测前对接收信号以及已经估计出来的信道矩阵进行变换来满足要求。首先，将公式(1)从复数表达式变为实数表达式：

$H\_r=\left[\begin{array}{cc}R\left(H\right)& -I\left(H\right)\\ I\left(H\right)& R\left(H\right)\end{array}\right]X=\left[\begin{array}{c}R\left(x\right)\\ I\left(x\right)\end{array}\right]s^{\′}=\left[\begin{array}{c}R\left(s\right)\\ I\left(s\right)\end{array}\right]n\_r=\left[\begin{array}{c}R\left(n\right)\\ I\left(n\right)\end{array}\right]---\left(2\right)$

公式(2)中，R(...)代表实部，I(...)代表虚部。通过公式(2)，公式(1)的实数表达式为X＝H_r*s′+n_r，令X的维数为N。

图2给出了16-QAM的归一化星座图。实部和虚部的取值范围是[±0.3162  ±0.9487]，小数与整数的对应关系是

                   f＝a×(z+0.5)   (3)

公式(3)中a＝sqrt(6/(M-1))，M表示M-QAM(比如16-QAM)。公式(3)中，z表示整数，f表示小数。相应地，也要对信道矩阵H_r(H_r为(2)中的实数矩阵)，及接收信号的实数形式X，进行变换，分别为

     H′＝a*H_r，x′＝X-0.5*a*H_r*1_2×nt    (4)

根据公式(3)，传送的数据从s∈[±0.3162  ±0.9487]变为z∈[-2，-1，0，1]，同样，x′的维数是N，即2×nt。

在步骤S303，根据诸如MMSE、ZF和BLAST之类预定的检测方法，从公式(1)的实数表达式得到其解z₀。

在步骤S304，根据由预定的检测方法输出的解在解调前与解调后的距离(距离越小，可靠性越大)，对变换后的信道矩阵H’的各列进行排序，即，使H1的1:N列所对应的检测数据的可靠性为由低到高排列，从而得到排序的信道矩阵H1，然后计算H1的QR分解，并令计数值i＝1。

例如，预定的检测方法可以采用MMSE检测器，由于MMSE考虑了背景噪声的影响，使估计的数据与真正的数据之间的均方误差最小化。如果对MMSE的估计

不加约束，即

不一定要在调制星座图中取值，即可以取得二维欧氏空间的所有点，那么MMSE就是最优解。也就是说，此种情况下从统计上来说，未经解调的MMSE的解就是最优解。但由于信号的估计 是有约束的，即

的所有的值都在调制星座图中(在二维欧氏空间中某些离散的点)。因此，MMSE经过解调之后就不是最优解。在此情况下，最大似然解是统计上的最优解。其无约束的解应当在真正发送信号的星座点的附近。

所以，根据传统检测器的解在在解调前与解调后的距离，可以估计解调信号的可靠性。

例如，经过MMSE检测器的解在解调前与解调后的距离为[0.3，0.2，0.4，0.1]，则第4个数据最可靠，第三个最不可靠。这样，H’各个列的排列顺序和x的排列顺序为[3，1，2，4]。即，H1的第三列重排在第一列，第一列重排到第二列，第二列重排到第三列，第四列重排到第四列。

类似地，相应的x’的各个元素也按照上述方法交换顺序，得到x1。

然后，在步骤S305得到新的候选解，确定搜索半径、搜索范围、和搜索顺序。具体说明如下：

1).得到新的候选解

A.从步骤S304到步骤S305

此时的候选解z_out为预定的检测方法所得到的解z₀。

B.从步骤S307到步骤S305

此时，已经有搜索半径r存在，如果，本次的搜索中，得到的 满足 ${|x1-H1\&times;\tilde{z}|}^2<r,$ 则 $z_{\mathrm{out}}=\tilde{z},$ 并且搜索半径按照下面公式(5)来改变，否则，搜索半径不变。

2)新的搜索半径r的确定

|x1-H1×z_out|²＝|x1-Q×R×z_out|²＝|Q^T×x1-R×z_out|²＝|y-R×z_out|²＝r  (5)

公式(5)中

                   y＝Q^T×x1  (6)

而且在公式(5)中，z_out代表了对信号的整数估计的当前候选解。在确定了搜索半径之后，则满足

                  |y-R×z|²≤r    (7)

的z为可行解。

3).搜索范围的确定

根据候选解z_out、搜索半径r及下三角矩阵R，确定第i个符号的取值范围。

而且，还要使LB(i)，UB(i)∈允许取值点。在本例中允许取值点为(-2，-1，0，1)。比如，算出来的值为-3，取值为-2，算出的值为2，取值为1。

公式(8)中LB(i)为z_out(i)取值的下界，UB(i)为z_out(i)取值的上界

为上取整， 为下取整。N为z_out的维数。

4).搜索顺序的确定

A.从步骤S304到步骤S305

在可行解中，根据解调前的值与各个可行解之间距离确定各个符号的搜索顺序。令z(1)对应最不可靠的符号，从z(1)开始，按照预定的搜索顺序在可行解([LB(i)UB(i)])(i＝1:N)中搜索。比如，一个符号的可行范围是[-2，-1，0]，经过MMSE检测器解调前的输出是-1.1，则搜索顺序为解调前的值与可行范围中的点的距离按升序排列，即，上述的搜索顺序为[-1，-2，0]。

B.从步骤S307到步骤S305

从步骤S307到步骤S305要计算可行解的可靠性，需要得到可行解在解调前的信息。根据公式(7)，令

                     y＝R×z    (9)

可以解得

$z\left(i\right)=\left(y\left(i\right)-\underset{k=i+1}{\overset{N}{\mathrm{\&Sigma;}}}{R}_{i,k}\tilde{z}\left(k\right)\right)/\left(R_{i,i}\right)---\left(10\right)$

公式(10)中 为先前得到的对z的第k(k＝i+1:N)个数据的估计。由于R为下三角矩阵。而且知道了 到 的值，就可以得到z(i)的值(解调前)。

在这里z(i)表示的是已经确定z(k+1)到z(N)值是 到 的情况下，最有可能的z(i)的值(解调前)。

在步骤S306，对z(i)来说，判断从上次搜索的点开始，按照排好的顺序搜索，是否能够找到满足约束半径r的可行解。如果是，流程进入步骤S307，如果否，进入步骤S308。具体过程说明如下：

令 $x_i=\underset{k=i}{\overset{N}{\mathrm{\&Sigma;}}}{R}_{i,k}\tilde{z}\left(k\right),$

为当前对z(i)的估计。在搜索z(i)时，需要计算部分和 $\underset{k=i}{\overset{N}{\mathrm{\&Sigma;}}}{|y_k-x_k|}^2$ (例如，z(2)对应i＝2，z(3)对应i＝3)。如果在搜索z(i)时，得到某个z(i)满足 $\underset{k=i}{\overset{N}{\mathrm{\&Sigma;}}}{|y_k-x_k|}^2<r$ (z(i+1)到z(N)不变)，则根据公式(8)，确定z(i-1)的允许范围，即确定其上界和下界。如果在搜索z(i)时，无法找到z(i)满足 $\underset{k=i}{\overset{N}{\mathrm{\&Sigma;}}}{|y_k-x_k|}^2<r,$ 则从z(i+1)开始搜索部分和 $\underset{k=i+1}{\overset{N}{\mathrm{\&Sigma;}}}{|y_k-x_k|}^2<r$ 的解(相当于进入步骤S308)。当k＝1时，如果找到一个点 ${|y-R\tilde{z}|}^2<r,$ 则重新计算搜索半径 ${|y-R\tilde{z}|}^2=r,z_{\mathrm{out}}=\tilde{z}$ 为候选输出点(相当于步骤S305)，并重新确定搜索顺序。

当搜索过程回到z(i)时(相当于从步骤S311到步骤S306)，要记录上次搜索的值。比如搜索范围是[-2，-1，0]，搜索顺序是[-1，-2，0]，上一次搜索的是-1，再向前搜索到z(i-1)，在z(i-1)这个节点上找不到更好的解，然后又回到z(i)来搜索，这时的搜索值就是-2。

在步骤307判断i是否为1，如果是，进入步骤S305，否则进入步骤S309。

在步骤S309，根据公式(8)和现在的z_out(i)、z_out(i+1)、...、z_out(N)，确定z(i-1)的范围。且令i＝i-1，然后流程转入步骤S306。

在步骤S308判断i是否等于N，如果是，转到步骤S310，否则，转到步骤S312，无法找到比候选输出点更好的点，输出此最佳候选点。

在步骤S311令i＝i+1，然后流程进入S306。

在步骤S310，根据在步骤S305得到的整数候选解z，根据公式(3)，将整数变换小数，然后映射到星座点输出。比如，经过公式(3)的变换后，得到f＝[-0.3162  -0.3162  -0.9487  0.9487](f的前半部分表示实部，后半部分表示虚部)。则最后的估计为两个符号，分别为-0.3162-0.9487i，-0.3162+0.9487i。

与传统的球检测方法相比，本发明的方法避免了重复的搜索过程，并优化了搜索顺序，减少了搜索的次数。

图4给出了nt＝nr＝2时，优化搜索的方法和ZF-BLAST，最大似然的比较，其中预定的检测器为ZF。从图中可以看出，优化搜索的方法已经比较接近最大似然的方法。

图5给出了优化搜索的方法与传统的球检测的方法需要搜索的点数的比例，其中传统方法为1，从中可以看出，本发明的领域优化搜索方法需要搜索的点数大大减少。

以上所述，仅为本发明中的一种具体实施方式，但本发明的保护范围并不局限于此，任何熟悉该技术的人在本发明所披露的技术范围内，可轻易想到的变换或替换，都应涵盖在本发明的包含范围之内。因此，本发明的保护范围应该以权利要求书的保护范围为准。

Claims (5)

1、一种优化临域搜索的多入多出检测方法，其特征在于包括以下步骤：

a)输入信道矩阵H和接收信号x；

b)将所述信道矩阵H和接收信号x转换成实数信道矩阵H’和实数接收信号x’，及x’的维数N；

c)根据预定的检测方法，得到发送信号的一个解，作为输出候选解；

d)根据可靠性大小来重排H’各列以得到重排的信道矩阵H1，重排实数接收信号x’各个元素以得到重排的接收信号x1，并计算所述重排的信道矩阵H1的QR分解以得到Q和R矩阵；

e)根据所述Q矩阵、R矩阵、重排的接收信号x1以及所述输出候选解确定搜索半径r，搜索范围和搜索顺序；

f)从最不可靠的符号开始，按照所述搜索顺序，在所述搜索范围中搜索，以找到满足所述搜索半径r的可行解z，作为新的输出候选解；

g)重复执行步骤e)到f)，直到找到所述输出候选解中的最佳解；

h)将所述最佳解从整数形式转换成小数形式，并变换成星座点输出。

2、根据权利要求1所述的多入多出检测方法，其特征在于，所述步骤e)包括：

e1)根据下式确定搜索半径：

|y-R×z_out|²＝r

其中y＝Q^T×x1，z_out是输出候选解；

e2)根据下式确定可行范围：

其中LB(i)和UB(i)是可行范围的上界和下界；

e3)所述搜索顺序为解调前的值与可行范围中的点的距离按升序排列。

3、根据权利要求2所述的多入多出检测方法，其特征在于，所述步骤f)包括：

f1)在矩阵R第一列所对应的估计符号的允许范围内，按照所述搜索顺序进行搜索，判断在z的第二个元素z(2)到第N个元素z(N)都不变的情况下，在z(1)的允许范围内，能否找到满足|y-x|²＜r解，如果不能，从z(2)开始，计算部分和 k大于等于2；

f2)一旦得到某个z(k)满足 $\underset{i=k}{\overset{N}{\mathrm{\&Sigma;}}}{|y_i-x_i|}^2<r,$ 则根据 $\underset{i=k-1}{\overset{N}{\mathrm{\&Sigma;}}}{|y_i-x_i|}^2<r,$ 确定z(k-1)的允许范围；以及

f3)如果在搜索z(k)时，无法找到 $\underset{i=k}{\overset{N}{\mathrm{\&Sigma;}}}{|y_i-x_i|}^2<r,$ 则从z(k+1)开始搜索部分和 $\underset{i=k+1}{\overset{N}{\mathrm{\&Sigma;}}}{|y_i-x_i|}^2<r.$

4、根据权利要求2或3所述的多入多出检测方法，其特征在于，所述可靠性是由所述输出候选解在解调前与解调后的距离的大小所确定的。

5、根据权利要求2或3所述的多入多出检测方法，其特征在于，所述预定的检测方法包括迫零检测方法或者最小均方误差检测方法或者迫零排序干扰消除检测方法。

Images