CN1968238A - 排序qr分解方法及mimo检测方法 - Google Patents

Abstract

公开了一种排序QR分解方法及MIMO检测方法，包括步骤：(a)从多个频率单位中选择一个频率单位，并对与其相对应的信道特性矩阵进行QR分解，以得到与其相对相应的Q矩阵、R矩阵和排列顺序，该排列顺序被作为与该频率单位相邻的当前频率单位的初始排列顺序；(b)根据R矩阵对角线元素的幅度来判断交换初始排列顺序中的当前位置和下一位置是否能够减小误码传播；(c)如果能够减小误码传播，则交换当前位置和下一位置，以得到当前频率单位的排序结果；(d)按照当前频率单位的排序结果对与当前频率单位相对应的信道特性矩阵进行QR分解，以得到与其相对应的Q矩阵和R矩阵。与传统方法相比，本方法在保证低复杂度的同时获得了优异的排序性能。

Description

排序QR分解方法及MIMO检测方法

技术领域

本发明涉及MIMO-OFDM系统中的信号检测技术，具体地，涉及一种低复杂度、高性能的排序QR分解方法和基于排序QR分解的MIMO检测方法，以在提高检测的速度的同时不降低检测的精度。

背景技术

随着无线网络和因特网的逐渐融合，人们对无线通信业务的类型和质量的要求越来越高。为满足无线多媒体和高速率数据传输的要求，需要开发新一代无线通信系统。其中多天线输入和输出(MIMO)和正交频分复用(OFDM)相结合的MIMO-OFDM技术越来越受到人们的关注。

在MIMO系统中，发送端利用多根天线进行信号的发送，接收端利用多根天线进行信号的接收。研究表明，相比于传统的单天线传输方法，MIMO技术可以显著的提高信道容量，从而提高信息传输速率。另外，MIMO系统采用的发送和接收天线数愈多，其可提供的信息传输速率就愈高。众所周知，空间的天线资源相比较于时频资源几乎是无限可利用的，因此MIMO技术有效突破了传统研究中的瓶颈，成为了下一代无线通信系统的核心技术之一。

另外，OFDM技术是亦是目前解决高速无线数据传输的主流技术之一。OFDM技术的原理是将要传输的高速数据用许多个正交的子载波(频率单位)来传输，每个子载波上的数据速率相对较低。与通常的频分复用系统相比，OFDM中子载波的正交交迭使得系统有更高的频谱利用率。OFDM中将整个信号带宽划分为多个很窄的子载波频带，由于每个子载波带宽小于信道的相干带宽，从而认为其是平坦衰落的。这样，与单载波系统相比，OFDM中的均衡要容易实现的多。

图1所示为通常的MIMO-OFDM系统结构示意。

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，待发送的频域数据首先在串并变换单元101进行串并变换操作，以分成n_T路数据子流，每个数据子流对应一个发送天线。然后，在编码单元102和调制单元103中分别对每个数据子流进行编码和调制处理。接下来，在并串变换单元104、反傅立叶变换单元105、并串变换单元106中分别对调制单元103输出的频域符号依次进行并串变换处理、反快速傅立叶变换(IFFT)处理和并串变换处理，以转换成时域信号。最后，在插入CP单元107中对并串变换单元106的输出信号进行插入循环前缀(CP)的操作，再从各自对应的发送天线108上发送出去。

在接收端，首先由n_R个接收天线109将空间全部信号接收下来。然后，在去除CP单元110中分别对每个天线上的接收信号进行去除CP的操作。接下来，在串并变换单元111中再将去除CP单元110输出的时域信号进行串并变换操作，然后在快速傅立叶变换(FFT)单元112中将其转换成频域信号。然后，由信道估计单元114根据该接收信号中的导频信号或采用其他方法进行信道估计，估计出当前的信道特性矩阵H。最后，MIMO检测单元115根据信道特性矩阵H，对各个发送数据子流进行检测，并得到原始的发送数据。

对于MIMO-OFDM系统来说，其信道特性矩阵H为一个三维矩阵，或者表示成一个二维矩阵组。具体说来，H＝{H₁，H₂，...，H_Nc}，其中H_k为MIMO-OFDM系统中第k个子载波上的信道特性矩阵(k＝1，2，...，Nc)，Nc为子载波总数，H_k为一个n_R*n_T的矩阵，其中第i行，第j列上的元素H_k(i，j)为OFDM中第k个子载波信号在第j个天线上发送，在第i个天线上接收后的信道频域增益，i＝1，2，...，n_R，j＝1，2，...，n_T。对于MIMO-OFDM系统来说，其在每个子载波上都可以看作为一个单载波的MIMO系统。因此，MIMO-OFDM的检测单元可以看成由多个并行的单载波MIMO检测单元组成，如图2所示。

图2所示为MIMO-OFDM系统检测过程的示意。如图2所示，检测单元115包括Nc个MIMO检测单元1-Nc 113，MIMO检测单元1-Nc中的每一个对MIMO-OFDM系统中的一个子载波进行检测。这里，MIMO检测单元1-Nc 113的MIMO检测可以采用多种方法，比如常用的迫零(ZF)、最小均方误差(MMSE)、串行干扰抵消(SIC)或者其他方法。MIMO检测单元1-Nc 113中一般包含了两部分操作：用检测子解出发端各天线发送的信号和对每个信号进行解调和译码。在实际的MIMO检测中，解各天线发送信号与解调译码这两部分往往并非独立进行的，前者的输出送给后者，而前者的进行又往往需要后者的输出。这也就是一般把解调与译码单元也归入MIMO检测单元的原因。

对于MIMO检测来说，对矩阵求逆的操作是其实现时运算量上的瓶颈所在。而采用基于QR分解的检测方法可以避免矩阵求逆的操作，从而被认为是一种更为有效的检测方法，其结构如图3所示。

图3所示为基于QR分解的MIMO-OFDM信号检测方法示意图。由图3可见，与传统MIMO检测相比，基于QR分解的MIMO检测中在信号检测之前增加了QR分解部分201和矩阵运算部分202。基于QR分解的MIMO检测过程描述如下。

考虑单载波的情况(MIMO-OFDM在检测时可等价于多个并行的单载波MIMO)，信道特性矩阵为H，H为一个n_R*n_T的矩阵。由矩阵理论可知，信道特性矩阵H可以通过QR分解得到：

                  H＝QR              (1)

其中，Q为一n_R*n_T矩阵，满足Q^HQ＝I，Q^H为Q的共轭转置，I为单位矩阵。同时，R为一n_T*n_T的上三角矩阵。由此，MIMO接收信号y＝Hs+n(其中s为n_T*1发送信号，n为n_R*1接收噪声，y为n_R*1接收信号)可以变换为

                  z＝Q^Hy＝Rs+n’     (2)

其中，n’＝Q^Hn，由于Q的正交性，n’与n有相同的统计特性。由于R为上三角矩阵，因此此时在对s的检测中可以采用一种更为简化的方法，即由下向上(从s(n_T)向s(1))，逐级检测，干扰消除的方法。比如，QR分解后若采用基于ZF检测时，其步骤如下：

(1)检测s(n_T)。由式(2)可知，z(n_T)＝R(n_T，n_T)s(n_T)+n’(n_T)，其中z(n_T)和R(n_T，n_T)皆已知，采用硬判决的方法可得到s(n_T)；

(2)检测s(n_T-1)。由式(2)可知，z(n_T-1)＝R(n_T-1，n_T-1)s(n_T-1)+R(n_T-1，n_T)s(n_T)+n’(n_T-1)，其中z(n_T-1)，R(n_T-1，n_T-1)和R(n_T-1，n_T)皆已知，采用硬判决的方法亦可得到s(n_T-1)；

(3)依此类推，直至检测出所有子流。

当然，基于QR分解的MIMO检测中，在QR分解后，即MIMO检测部分203中所采用的检测方法不限于上面的ZF检测，其它的如MMSE、最大似然(ML)方法等等都可以采用。总的说来，与不采用QR分解的MIMO检测相比，采用QR分解的MIMO检测的主要好处在于降低检测过程的实现复杂度。

然而，采用基于QR分解的MIMO检测时有一个需要注意的重要问题，那就是误码传播问题。参照上面的示例，所谓的误码传播指的就是先检测出的信号如果有误的话，就会一级一级的传播下去，带来后检测信号检测性能的恶化。误码传播对于此类MIMO检测的性能影响很大。目前，减少误码传播的主要方法是在QR分解的同时对发送子流进行排序，即所谓的排序QR分解，如图3中的排序QR分解部分201所示。

对发送子流进行排序的基本思想是：通过排序使得信道质量好的信号先检测，信道质量差的信号后检测。对应上面的例子，即是对s(1)，s(2)，...，s(n_T)进行排序，将信道质量最好的某个子流s(k)放到s(n_T)的位置上，使得QR分解后对其最先检测。将信道质量最差的某个子流s(k)放到s(1)的位置上，使得QR分解后对其最后检测。通过排序，可以最大限度的减少先检测信号对后检测信号所带来的误码传播问题。目前，从实现方法上来说，对发送子流进行排序的方法有两类：

(1)最优排序，其基本思想是通过排序使得QR分解后R矩阵的对角元素绝对值最大化(优先级次序为|R_nT，nT|，|R_nT-1，nT-1|，...，|R_1，1|)。该方法的优点是性能好，缺点是复杂度高。比如采用遍历的方法时进行一次排序需要n_T！次QR分解运算，即使采用myopic优化方法，亦需要约n_T ²/2次QR分解运算。

(2)次最优排序，如基于范数的排序方法，冒泡排序方法等等。在基于范数的排序中，其基本思想是计算各发送信号对应信道特性(即H矩阵的列向量)的范数值，范数值大的信号后检测，范数值小的信号先检测。该方法的优点是复杂度低，缺点是性能差，尤其是当存在信道相关性时，此类方法可靠度较差。

在现有的子流排序和QR分解方法中，有的方法中两者分开进行，有的方法中两者同时进行。在本文中，将其统称为排序QR分解。综上所述，现有的排序QR分解方法还有一定的不足之处，如何设计一个低复杂度，同时性能接近最优方法的排序QR分解方法仍是当前一个重要的研究课题。

接下来，回到图3的基于QR分解的MIMO-OFDM信号检测示意图中。其中，排序QR分解部分201根据子载波k上的信道特性矩阵H_k进行排序QR分解操作。排序QR分解部分201的输出有三个：排序后结果p_k＝{k₁，k₂，...，k_nT}，正交Q矩阵Q_k和上三角R矩阵R_k，其中，k₁，k₂...，k_nT为序列1，2，...，n_T的一种排序结果，且有[H_k(：，k₁)，H_k(：，k₂)，...，H_k(：，k_nT)]＝Q_kR_k，其中H_k(：，n)表示信道矩阵H_k的第n列向量。也就是说，要求在QR分解后先检测信号s(k_nT)，再检测信号s(k_nT-1)，依此类推，最后检测s(k₁)。接下来，在矩阵运算部分202中，首先对子载波k上接收信号y_k按照p_k进行排序，经排序后得到[y_k(k₁)，y_k(k₂)，...，y_k(k_nT)]^T，再左乘矩阵Q_k ^H，得到z_k。最后在MIMO检测部分203中进行MIMO检测。

在MIMO-OFDM系统中，传统的方法是对每个子载波k，k＝1，2，...，n_T，进行独立的排序QR分解。即图3中排序QR分解部分201的操作流程可以具体化为图4所示的流程图。

图4所示为MIMO-OFDM系统中传统的排序QR分解方法的流程图。

初始时，已知每个子载波k上的信道特性矩阵H_k，如步骤S301所示。接下来，依次对每个子载波k，k＝1，2，...，n_T，进行独立的排序QR分解，如步骤S302和S303所示，直至所有Nc个子载波都操作完。图4中，步骤S302中所采用的排序QR分解方法可以是任一种传统的方法，如前面所述的最优排序方法、次最优方法等等。

但是，MIMO-OFDM系统中传统的排序QR分解方法仍旧存在两点不足：

(1)没有必要对每个子载波进行独立的排序QR分解。这是因为，在MIMO-OFDM系统中，相邻子载波上的信道特性相关性很强。比如采用M.1225信道A模型，信道带宽10MHz，子载波数Nc＝1024时相邻子载波上信道特性的相关性超过0.95。相邻子载波间信道特性的相关性必然带来各子流排序结果的相关性。实际上，对相邻子载波上的子流排序结果进行微小调整，即可以作为当前子载波上的排序结果。

(2)现有算法本身的不足。传统方法中在每个子载波上独立采用现有算法进行排序QR分解，而现有算法仍存在以下的缺点，即采用高性能的最优排序算法时复杂度太高，而采用低复杂度的次最优排序方法时，性能又难以保证。

本发明的出发点便是基于这两点不足，提出了以下充分利用各子载波信道特性的相关性的新的排序QR分解方法和利用该排序QR分解方法的MIMO检测方法，以在保证低实现复杂度的同时获得优异的排序性能，从而使得能够提高检测性能。

发明内容

本发明的目的是在低复杂度的前提下，提高MIMO-OFDM系统中基于排序QR分解的检测性能。

在本发明的一个方面，提出了一种用于MIMO-OFDM系统中的排序QR分解方法，包括步骤：(a)从多个频率单位中选择一个频率单位，并对与该频率单位相对应的信道特性矩阵进行QR分解，以得到与该频率单位相对相应的Q矩阵、R矩阵和排列顺序，所述排列顺序被作为与该频率单位相邻的当前频率单位的初始排列顺序；(b)根据R矩阵对角线元素的幅度来判断交换所述初始排列顺序中的当前位置和下一位置是否能够减小误码传播；(c)如果交换当前位置和下一位置能够减小误码传播，则交换所述初始排列顺序中的当前位置和下一位置，以得到当前频率单位的排序结果；(d)按照当前频率单位的排序结果对与当前频率单位相对应的信道特性矩阵进行QR分解，以得到与当前频率单位相对应的Q矩阵和R矩阵。

在本发明的另一方面，还提出了一种利用上述排序QR分解方法的MIMO检测方法。

在本发明的另一方面，提出了一种用于慢时变单载波MIMO系统中的排序QR分解方法，包括步骤：(a)从多个时间单位中选择一个时间单位，并对与该时间单位相对应的信道特性矩阵进行QR分解，以得到与该时间单位相对相应的Q矩阵、R矩阵和排列顺序，所述排列顺序被作为与该时间单位相邻的当前时间单位的初始排列顺序；(b)根据R矩阵对角线元素的幅度来判断交换所述初始排列顺序中的当前位置和下一位置是否能够减小误码传播；(c)如果交换当前位置和下一位置能够减小误码传播，则交换所述初始排列顺序中的当前位置和下一位置，以得到当前时间单位的排序结果；(d)按照当前时间单位的排序结果对与当前时间单位相对应的信道特性矩阵进行QR分解，以得到与当前时间单位相对应的Q矩阵和R矩阵。

在本发明的另一方面，还提出了一种利用上述排序QR分解方法的MIMO检测方法。

本发明利用了OFDM系统中子载波间信道特性的相关性，以相邻子载波上排序结果作为当前子载波上的排序初值，再在此基础上进行相邻位置次序调整。与传统方法相比，本方法可以在保证低实现复杂度的同时获得优异的排序性能和检测性能。

附图说明

图1为通常的MIMO-OFDM系统的结构示意图；

图2为MIMO-OFDM系统检测过程的示意图；

图3为基于QR分解的MIMO-OFDM信号检测的示意图；

图4为MIMO-OFDM系统中传统的排序QR分解方法的流程图；

图5为根据本发明实施例的排序QR分解部分的示意图；

图6为根据本发明实施例的排序QR分解过程的流程图；

图7为如图6所示的排序QR分解步骤的详细流程图；

图8为根据本发明的方法应用于慢时变单载波MIMO系统中时的流程图；

图9为根据本发明的方法应用于在逐子带排序QR分解MIMO-OFDM系统中时的流程图；

图10为根据本发明的方法与传统方法的性能比较。

具体实施方式

下面结合附图以具体实施例的方式对本发明进行详细的说明。

图5所示为根据本发明实施例的排序QR分解部分的示意图。

如图5所示，本发明的排序QR分解部分201包含两个子部分：第一排序QR分解部分401和第二排序QR分解部分402。

具体地，首先由第一排序QR分解部分401完成对某一子载波的的排序QR分解。这里可以采用任一种传统的排序QR分解方法。

然后，由第二排序QR分解部分402根据第一排序QR分解部分401输出的结果依次对相邻子载波执行基于本发明方法的排序QR分解。

图6所示为根据本发明实施例的排序QR分解的流程图。

首先，在步骤S501，已通过信道估计得到当前的信道特性矩阵H，H＝{H₁，H₂，...，H_Nc}，其中H_k为MIMO-OFDM中第k个子载波上的信道特性矩阵(k＝1，2，...，Nc)。初始时，选取任一c值，c∈{1，2，...，Nc}，且令k＝c。

其次，在步骤S502，利用传统方法根据H_k来对子载波k进行排序QR分解，并得到p_k、Q_k和R_k，其中p_k是排序结果、Q_k和R_k分别是QR分解之后获得的Q矩阵和R矩阵。

这里，可以采用任一种传统的排序QR分解方法，因此实现上不再赘述。但建议采用性能较好的算法，复杂度方面可适当放宽。这是因为，下面剩余Nc-1个子载波上的排序结果都基于该子载波上的排序结果调整而得，所以该子载波上排序结果的准确度很重要。另外，由于OFDM系统中子载波数往往较多，比如超过1000，因此仅仅这一个子载波上排序复杂度的增加不会对系统平均复杂度带来多大影响。

在步骤S503到S509，依次对相邻子载波进行排序QR分解，直至所有子载波都排序QR分解完。

本发明的基本思想是利用相邻子载波上的排序结果作为当前子载波上的排序初值，再在此基础上进行调整得到本子载波上的排序结果。在步骤S502中已经计算出了子载波c上的排序结果p_c，因此接下来的操作便是：

(1)根据子载波c上排序结果p_c，子载波c+1上信道特性H_c+1，对子载波c+1进行排序QR分解，得到p_c+1、Q_c+1和R_c+1；再根据子载波c+1上排序结果p_c+1、子载波c+2上信道特性H_c+2，对子载波c+2进行排序QR分解，得到p_c+2、Q_c+2和R_c+2；依此类推，直至得到p_nT、Q_nT和R_nT；

(2)根据子载波c上排序结果p_c，子载波c-1上信道特性H_c-1，对子载波c-1进行排序QR分解，得到p_c-1、Q_c-1和R_c-1；再根据子载波c-1上排序结果p_c-1，子载波c-2上信道特性H_c-2，对子载波c-2进行排序QR分解，得到P_c-2、Q_c-2和R_c-2；依此类推，直至得到p₁、Q₁和R₁。

这一步里，如何利用相邻子载波上的排序结果，对当前子载波进行排序QR分解，即S504和S507的操作可以用图7的流程图来描述。

图7所示为根据本发明实施例的排序QR分解方法的详细流程图。

具体地，在步骤S601，通过先前的操作已经确定出某个子载波上的最终排序结果p，p＝{k₁，k₂，...，k_nT}，k₁，k₂，...，k_nT为序列1，2，...，n_T的一种排序结果。将该子载波的相邻子载波记作子载波k，信道矩阵H_k已通过信道估计获得。同时令n＝1，R_k＝0，Q_k＝H_k。那么，在接下来的操作中，将根据实际信道特性矩阵H_k，在相邻子载波排序结果p基础之上进行调整，从而得到子载波k上的排序结果p_k，同时输出Q_k和R_k。

在步骤S602和S603，判断交换p(n)和p(n+1)是否可以减小误码传播，若是则交换之。

误码传播的程度主要通过QR分解后R矩阵对角线元素的幅度来衡量。这里，交换p(n)和p(n+1)的次序影响到的R矩阵对角线元素主要是R_n，n和R_n+1，n+1。由于有两个数值，同时根据QR分解的性质，本发明中可以采取以下两个准则：

准则1：选择使|R_n，n|更小的排序方法；

准则2：选择使|R_n+1，n+1|更大的排序方法。

令p’＝{p(1)，...，p(n-1)，p(n+1)，p(n)，p(n+2)，...}，即为交换p(n)和p(n+1)后的排序方法。则当采用准则1时，这一步骤的操作描述如下：

(1)分别计算采用排序p和排序p’时的对角线元素R_n，n和R_n，n’。R_n，n和R_n，n’的计算方法可以参考经典的Gram-Schmidt算法，即QR分解算法，这里不再赘述。

(2)比较|R_n，n|和|R_n，n’|，若|R_n，n’|更小，则表示交换p(n)和p(n+1)次序可以减小误码传播，则交换之，即p＝p’。

如果采用准则2时，这一步骤的操作描述如下：

(1)分别计算采用排序p和p’时的对角线元素R_n+1，n+1和R_n+1，n+1’。

(2)比较|R_n+1，n+1|和|R_n+1，n+1’|，若|R_n+1，n+1’|更大，则表示交换p(n)和p(n+1)次序可以减小误码传播，则交换之，即p＝p’。

在步骤S604，计算矩阵Q_k的第n列，矩阵R_k的第n行。

这一步骤的计算方法也可以参考经典的Gram-Schmidt算法。具体说来，Q_k＝[Q_k(：，p(1))，Q_k(：，p(2))，...，Q_k(：，p(n_T))]，R_n，n＝|Q_k(：，n)|，Q_k(：，n)＝Q_k(：，n)/R_n，n，R_n，j＝Q_k(：，n)^H Q_k(：，j)，Q_k(：，j)＝Q_k(：，j)-R_n，jQ_k(：，n)，j＝n+1，...，n_T。

在步骤S605到S607，n数值加1，并判断是否已排序完，如未排序完，则转到第一步继续进行排序，否则结束，输出p_k＝p、Q_k和R_k。

以上给出了根据本发明的一个实施例，其主要用于逐子载波进行排序QR分解的MIMO-OFDM系统。实际上，还可以对本发明的方法进行进一步扩展，从而应用到其它系统中，比如慢时变单载波MIMO系统和逐子带排序QR分解的MIMO-OFDM系统。

●慢时变单载波MIMO系统

在慢时变单载波MIMO系统中，当MIMO信道时变足够慢时，相邻时间单位内的MIMO信道具有足够的相关性。此时，也可以采用本发明的方法，即以相邻时间单位上已排序的结果作为当前时间上的排序初值，再在此基础上进行相邻位置次序调整，从而实现低复杂度和高性能的排序QR分解。如图8所示。

图8所示为根据本发明的方法应用于慢时变单载波MIMO系统中时的流程图。

在步骤S801，已知各个时刻MIMO信道特性矩阵。在步骤S802，利用传统方法对某个时刻k进行排序QR分解，并得到结果p_k、Q_k和R_k。接下来，依次以已排序好的结果作为未排序相邻时刻上的排序初始值，按图7方法进行排序并输出结果，直至所有时刻都计算完成，如S802～S806。

另外，本发明的方法还可以应用到MIMO中时域上分块(时间段)检测中。在MIMO分块检测中，每一时间块内采用同一信道特性矩阵H进行MIMO检测。此时，首先利用传统方法对某个时间块k内信道特性矩阵H_k进行排序QR分解，并得到结果p_k、Q_k和R_k。接下来，依次以已排序好的结果作为未排序相邻下一时间块上的排序初始值，并按与图7相似方法进行排序并输出结果。

●逐子带排序QR分解的MIMO-OFDM系统

所谓的逐子带排序QR分解指的是首先将OFDM中若干相邻的子载波划分为一个子带，然后在同一子带内的所有子载波上采用相同的排序结果。根据本发明，可以以相邻子带上已排序好的结果作为当前子带上的排序初值，再在此基础上进行相邻位置次序调整，从而实现低复杂度和高性能的排序QR分解。如图9所示。

图9所示为根据本发明的方法应用于逐子带排序QR分解MIMO-OFDM系统中时的流程图。

在步骤S901，已知各个子带上的等效MIMO信道特性矩阵。在步骤S902，利用传统方法对某个子带k进行排序QR分解，并得到结果p_k、Q_k和R_k。接下来，依次以已排序好的结果作为未排序相邻子带上的排序初始值，按图7方法进行排序并输出结果，直至所有时刻都计算完成，如步骤S902～S909。

图10所示为根据本发明的方法与传统方法的性能比较。

如图10所示，给出了采用传统排序QR分解方法与本发明的方法下的系统BER(误码率)性能比较，其中，发送天线数n_T为4，接收天线数n_R为4，接收端采用基于QR分解的ZF检测，调制参数为QPSK。由图10的结果可见，从BER性能上来说，采用本发明的方法可以获得接近最优排序的BER性能。另外，从复杂度上来说，本发明的方法的复杂度要远远低于最优方法，与基于范数排序的方法相近。

以上所述，仅为本发明中的具体实施方式，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揭露的技术范围内，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 (14)

1、一种用于MIMO-OFDM系统中的排序QR分解方法，包括步骤：

(a)从多个频率单位中选择一个频率单位，并对与该频率单位相对应的信道特性矩阵进行QR分解，以得到与该频率单位相对相应的Q矩阵、R矩阵和排列顺序，所述排列顺序被作为与该频率单位相邻的当前频率单位的初始排列顺序；

(b)根据R矩阵对角线元素的幅度来判断交换所述初始排列顺序中的当前位置和下一位置是否能够减小误码传播；

(c)如果交换当前位置和下一位置能够减小误码传播，则交换所述初始排列顺序中的当前位置和下一位置，以得到当前频率单位的排序结果；

(d)按照当前频率单位的排序结果对与当前频率单位相对应的信道特性矩阵进行QR分解，以得到与当前频率单位相对应的Q矩阵和R矩阵。

2、如权利要求1所述的排序QR分解方法，其特征在于，还包括步骤：

(e)将当前频率单位的排序结果作为与当前频率单位相邻的下一频率单位的初始排列顺序；以及

(f)重复所述步骤(b)到(d)。

3、如权利要求1或2所述的排序QR分解方法，其特征在于，如果交换当前位置和下一位置使得R矩阵中与当前位置相对应的对角线元素的绝对值变小，则判断能够减小误码传播。

4、如权利要求1或2所述的排序QR分解方法，其特征在于，如果交换当前位置和下一位置使得R矩阵中与下一位置相对应的对角线元素的绝对值变大，则判断能够减小误码传播。

5、如权利要求1或2所述的排序QR分解方法，其特征在于，所述频率单位是子载波。

6、如权利要求1或2所述的排序QR分解方法，其特征在于，所述的频率单位是子带。

7、一种利用如权利要求1或2所述的排序QR分解方法的MIMO检测方法。

8、一种用于慢时变单载波MIMO系统中的排序QR分解方法，包括步骤：

(a)从多个时间单位中选择一个时间单位，并对与该时间单位相对应的信道特性矩阵进行QR分解，以得到与该时间单位相对相应的Q矩阵、R矩阵和排列顺序，所述排列顺序被作为与该时间单位相邻的当前时间单位的初始排列顺序；

(b)根据R矩阵对角线元素的幅度来判断交换所述初始排列顺序中的当前位置和下一位置是否能够减小误码传播；

(c)如果交换当前位置和下一位置能够减小误码传播，则交换所述初始排列顺序中的当前位置和下一位置，以得到当前时间单位的排序结果；

(d)按照当前时间单位的排序结果对与当前时间单位相对应的信道特性矩阵进行QR分解，以得到与当前时间单位相对应的Q矩阵和R矩阵。

9、如权利要求8所述的排序QR分解方法，其特征在于，还包括步骤：

(e)将当前时间单位的排序结果作为与当前时间单位相邻的下一时间单位的初始排列顺序；以及

(f)重复所述步骤(b)到(d)。

10、如权利要求8或9所述的排序QR分解方法，其特征在于，如果交换当前位置和下一位置使得R矩阵中与当前位置相对应的对角线元素的绝对值变小，则判断能够减小误码传播。

11、如权利要求8或9所述的排序QR分解方法，其特征在于，如果交换当前位置和下一位置使得R矩阵中与下一位置相对应的对角线元素的绝对值变大，则判断能够减小误码传播。

12、如权利要求8或9所述的排序QR分解方法，其特征在于，所述时间单位是时刻。

13、如权利要求8或9所述的排序QR分解方法，其特征在于，所述的时间单位是时间段。

14、一种利用如权利要求8或9所述的排序QR分解方法的MIMO检测方法。

Images