CN1972173A - 基于软点的符号译码方法 - Google Patents

Abstract

根据本发明，提出了一种基于软点的符号译码方法，所述方法包括以下步骤：确定待译码符号在星座图上的位置以便形成软点；根据星座图上的软点，按照星座图上各星座点的对应排列关系来获得软点中非存在比特的软值；以及根据所获得的软点中非存在比特的软值执行译码以便获得待译码符号。

Description

基于软点的符号译码方法

技术领域

本发明涉及高速无线通信系统中多输入多输出系统下的信号检测方法，更具体地，本发明涉及一种基于软点的符号译码方法，可适用于各种蜂窝体制下的高速无线通信系统及高吞吐量无线局域网系统，特别适用于高速垂直分层空时系统下的信号检测。

背景技术

不论对于3G移动通信系统，还是未来的超三代通信系统来说，高速通信都是所追求的目标。在检测方法当中，与最小均方误差(MMSE)和V-BLAST(贝尔实验室垂向分层空时)相比，最大似然方法(MLD)在更低的信噪比下可获得相同的误码率或误块率，有效地提高了带宽利用率，满足高速通信的要求。然而，众所周知，最大似然方法的复杂度随着调制点数和天线个数成指数增长。NTT都科摩将QR分解与M算法相结合来实现MLD，可以在不损失性能的前提下，有效地降低运算量，成为颇具前途的研究方法，该方法简称为QRM(基于QR分解和M算法)-MLD(最大似然检测)算法。

QRM-MLD算法的原理框图如图1所示，QRM-MLD基于多天线系统，接收端具有多个天线，首先QRM-MLD算法利用导频从接收信号中估计出信道信息，然后根据各个天线信道衰落的信噪比，按照从小到大的顺序对各天线的接收信号以及信道矩阵，重新进行排列。然后QRM-MLD算法对重新排列后的信道矩阵H进行QR分解，从而得到正交矩阵Q和上三角矩阵R。利用Q的共轭矩阵与接收信号相乘，得到向量z。M算法将向量z看作接收信号，矩阵R看作信道，从R的最后一行开始，逐级做M选点的MLD检测方法，利用矩阵R和向量z的MLD检测方法，将在下一小节中详细介绍。由此，检测出所有天线发送的符号及其软值，然后将软值输入Turbo详码器实现详码。

下面将详细描述QRM-MLD基于M算法的MLD检测方法。

QRM-MLD算法的原理框图如图1所示，QRM-MLD基于多天线系统，接收端具有多个天线，首先QRM-MLD算法利用导频从接收信号中估计出信道信息，然后根据各个天线信道衰落的信噪比，按照从小到大的顺序对各天线的接收信号以及信道矩阵重新进行排列。本节主要对排序后的处理过程做一简要介绍。设排序后接收信号为y，信号矩阵为H，y为一个N×1维的列向量，它的第i个元素yi对应了重排后第i个接收天线收到的信号，H的第i行j列的元素分别对应了第i个接收天线到第j个发射天线间的信道衰落，于是有

y＝Hd+n

其中n为噪声信号，d为发射天线发送的符号序列

QRM-MLD算法对重新排列后的信道矩阵H进行QR分解，从而得到正交矩阵Q和上三角矩阵R。利用Q的共轭矩阵与接收信号相乘，得到向量z：

z＝Q^Hy＝Q^HHd+Q^Hn

＝Q^HQRd+Q^Hn

＝Rd+Q^Hn

然后M算法将向量z看作接收信号，矩阵R看作信道，从R的最后一行开始，逐级做M选点的MLD检测方法。R为上三角阵，在第一级，符号d_N的可选节点为星座点所有可能取值，设c_x为一个候选符号，那么z_N与c_x的欧式距离为

e_1，x＝|z₁- r_N，Nc_x|²

然后，从所求得的欧式距离中，求解最小的m个节点，带到第二级求解进行MLD求解。在第二级中，符号d_N-1的可选节点为星座点所有可能取值，设其中一个候选符号为c_y，我们定义e_m，y，x为基于上一级的第x个生存节点，m级采用第y个候选符号得到的欧式距离，那么

e_2，y，x＝|z₂-r_N-1，Nc_1，x-r_N-1，N-1c_y|+e_1，x

同理，可以得到各级MLD检测得到生存节点。检测出所有天线发送的符号后，需要求解其软值，求每个比特的软值时，当某个比特在所有节点中即包含1又包含-1，求其软值时，从所有的节点中选择1对应节点的最小欧式距离e₁选择-1对应节点的最小欧式距离e_-1，其软值为两值开根号后相减，

${\mathrm{\Λ}}_b=\sqrt{e_{b,-1}}-\sqrt{e_{b,1}}$

对于某些比特在所有生存节点中所对应的比特均为1或-1(即，非存在比特)，本发明提出了针对这些比特的基于软点的软值计算方法，当所有比特的软值求解完毕，将其输入Turbo译码器进行译码。

下面将描述现有技术中存在的问题。

经过M算法后，得到了M_N个节点，这些节点中包含了各个发射天线所发射符号的M_N个最可能取值。如果发射天线的个数为N，每B个比特调制为一个符号，这样每个节点中包括NB个比特，其某个比特在各节点中可能为1，也有可能为-1，比如在第i个比特在一些节点中为1，而在另一些节点中为-1，也有可能第i个比特在所有节点中都为1，或都为-1。

图2给出了这种情况的示意图，在星座图的16个节点当中，黑色实心园点表示经过M算法选中的节点，求每个比特的软值时，当某个比特在所有节点中即包含1又包含-1，求其软值时，从所有的节点中选择1对应节点的最小欧式距离e₁选择-1对应节点的最小欧式距离e_-1，其软值为两值开根号后相减，这样比特1的软值为 比特2的软值为 比特4的软值为 而对于第3个比特来说，所有选择出的节点对应的比特都为-1，这样无法按照如上所述的方法进行求解。对于这种情况，NTT都科摩提出了软值求解的经验公式，如图3所示，首先得到每个比特所有可能的欧式距离，然后对于节点中即包括1又包括-1的比特，求解该比特为1时所对应各节点的最小欧式距离，为-1时所对应各节点的最小欧式距离，从这两个最小值中，选择较大的值，并将对所有这样的比特(即包含1又包含-1)求解的较大的值求平均，乘以1.5后得到e，如果在欧式距离最小的点中，该比特为1，那么该比特的值为 如果在欧式距离最小的点中，该比特为-1，那么该比特的值为

同采用硬判断的Turbo译码相比，可以有效的提高误码率。然而，这种软值求解参数的选取和设置依赖于经验，当环境(如信噪比，调制方法，码率等条件)发生变化时，无法相应做出调整，通用性较差。

发明内容

本发明提出了基于软点的QRM-MLD的似然值求解算法，提出了基于软点的QRM-MLD的似然值求解算法，传统的方法通过求解星座点与接收信号的距离，来得到各符号中所有比特的软值，本发明首先根据QRM-MLD的检测结果，得到包含噪声的某个符号所在位置，然后利用星座点的分布，确定各个比特的软值，为了保证采用不同方法求得软值的一致性，本发明还对所求的软值进行了修正。

根据本发明，提出了一种基于软点的符号译码方法，所述方法包括以下步骤：确定待译码符号在星座图上的位置以便形成软点；根据星座图上的软点，按照星座图上各星座点的对应排列关系来获得软点中非存在比特的软值；以及根据所获得的软点中非存在比特的软值执行译码以便获得待译码符号。

优选地，所述符号译码方法应用于QR分解-最大似然检测。

优选地，根据所获得的软点中非存在比特的软值执行译码以便获得待译码符号的步骤还包括：对所获得的非存在比特的软值进行修正以使其与存在比特的软值保持一致；以及将所述修正后的软值与存在比特的软值结合在一起来获得待译码符号。

优选地，按照星座图上各星座点的对应排列关系来获得软点中非存在比特的软值的步骤包括：针对非存在比特在软点中的比特位置，通过将星座图上的相邻连续的、在所述比特位置上具有相同值的星座点划分为各星座点组而获得各星座点区域；以及计算所述非存在比特相对于其所位于的星座点组区域与在所述比特位置上具有相反值的另一极性相反星座点组区域的对称轴的距离来获得所述非存在比特的软值。

附图说明

通过参考以下结合附图对所采用的优选实施例的详细描述，本发明的上述目的、优点和特征将变得显而易见，其中：

图1是示出了根据现有技术的QRM-MLD检测方法的方框图；

图2是示出了根据现有技术的利用生存节点求解软值的示意图；

图3是示出了根据现有技术的对于非存在比特的欧式距离估计方法的方框图；

图4是示出了V-BLAST系统模型的方框图；

图5是示出了根据本发明实施例的非存在比特的欧式距离估计方法(即，获取软值)的一个示例的示意图；

图6是示出了根据本发明实施例的非存在比特的欧式距离估计方法的另一示例的示意图；

图7是示出了根据本发明实施例的非存在比特的欧式距离估计方法的再一示例的示意图；

图8是示出了根据本发明实施例的非存在比特的软值计算方法的方框图。

具体实施方式

如上所述，对于某些比特在所有生存节点中所对应的比特均为1或-1(或0)(即，非存在比特)，本发明提出了针对这些比特的基于软点的软值计算和符号译码方法。

下面将参考附图来描述本发明的优选实施例。

V-BLAST系统的示意图如图4所示，设系统有N个发送天线，R个接收天线。导频序列经过串并变换，在分层调制/编码器中生成MIMO系统下的导频序列，分别从多个天线中发送出去。在接收端，接收到带有噪声的各天线发射的信号，假设噪声为高斯白噪声。各个天线上的信道衰落服从瑞利衰落，只要接收天线或发射天线不同，则其天线间的信道衰落相互独立，在接收天线上，各天线接收到的噪声也服从独立分布。为了表达简洁，我们不妨设发射和接收天线个数相等，均为N，信号采用16QAM的调制方式。

下面将描述基于软点的软值计算，这通过估算非存在比特的欧式距离来实现。

具体地，本发明提出了一种基于软点求解软值并由此进行符号译码的方法，该方法在于：求解QRM-MLD检测后、所有节点中对应比特为全零或全1(非存在比特)的软值，其原理框图如图8所示。首先，在步骤S801利用接收信号及信道信息，得到包含噪声的检测信号，然后在步骤S802根据所求比特与检测点在复平面上的x和y坐标的关系，提取检测点的x坐标或y坐标。检测点在复平面的位置便被称为软点。如果比特的取值与x坐标或y坐标的正负号有关，则将检测信号的x坐标或y坐标乘以相应符号作为所求比特的软值；如果比特的取值与x坐标或y坐标的幅度，则将检测信号的x坐标或y坐标减去相应实数作为所求比特的软值。另外，由于对于0，1都存在比特采用的是参考文件(Hiroyuki Kawai，Kenichi Higuchi，Noriyuki Maed等人所写的“Likelihood function for QRM-MLD suitable for soft-decisionturbo decoding and its performance for OFCDM-MIMO multiplexingin multipath fading channel”，IEICE Trans.Commun.Vol.E88-B，No.1，January，2005，pp.47-57)中的软值求解方法，为了保证与0，1都存在比特(即，存在比特)软值的一致性，在步骤S803还需对求得全0和全1比特软值进行修正和调整。最后，在步骤S804对得到的软值进行加权，乘以系数x，得到最终软值解。

下面将参考图5、图6和图7来说明非存在比特的欧式距离估计方法(即，获取软值)的示例。

下面以16QAM(如图5和图6所示)为例说明如何利用检测信号的位置得到所需比特的软值的。

设16QAM的星座点分布如图5所示，图5中的空心圆为检测到包含噪声的信号在复平面上的位置r_x+jr_y(即，待译码符号)，对于比特0(即，四比特符号的最低位，注意，比特1、2、3的位置依次类推)求解其软值时，令检测点的y坐标与 $y=2/\sqrt{10}$ 或 $y=-2/\sqrt{10}$ 相减，即 $\mathrm{\Λ}=r_y\±2/\sqrt{10}.$ 如果检测信号的y坐标大于零，则与 $y=2/\sqrt{10}$ 相减，如果y坐标小于零，则与 $y=-2/\sqrt{10}$ 相减，图5给出了示意说明。

同理可以求得比特2的软值，为检测点的x坐标与 $x=2/\sqrt{10}$ 或 $x=-2/\sqrt{10}$ 相减，即Λ＝rx±2。

总之，该方法是按照星座图上各星座点的对应排列关系来获得软点中非存在比特的软值。当这样来获得非存在比特的软值时，需要针对非存在比特在软点中的比特位置，通过将星座图上的相邻连续的、在所述比特位置上具有相同值的星座点划分为各星座点组而获得各星座点区域；以及计算所述非存在比特相对于其所位于的星座点组区域与在所述比特位置上具有相反值的另一极性相反星座点组区域的对称轴的欧氏距离来获得所述非存在比特的软值。例如，如图5所示，当对位于图5下方的空心圆所示检测点求解比特0的软值时，1111、1011、0011、0111构成了该检测点所位于的星座点组区域，而1110、1010、0010、0110构成了另一极性相反星座点组区域， $y=-2/\sqrt{10}$ 即为这两个星座点组区域的对称轴。同样，对于上方的空心圆所示检测点求解比特0的软值时，1100、1000、0000、0100构成了该检测点所位于的星座点组区域，而1101、1001、0001、0101构成了另一极性相反星座点组区域 $y=-2/\sqrt{10}$ 即为这两个星座点组区域的对称轴。而当对位于图5下方的空心圆所示检测点求解比特2的软值时，1101、1100、1110、1111构成了该检测点所位于的星座点组区域，而1001、1000、1010、1011构成了另一极性相反星座点组区域， $x=-2/\sqrt{10}$ 即为这两个星座点组区域的对称轴。对于图5上方的空心圆所示检测点情况也是如此。

图6示出了对比特1、3的软值进行求解的示意图。

如图6所示，比特1，3的软值分别对应了检测信号的y坐标和x坐标，由于在图6所示的星座图中，当星座点的x或y坐标大于零时，所对应的比特为0，而当星座点的x或y坐标大于零时，所对应的比特为1，因此，比特1的软值为y坐标与-1相乘，比特3的软值为x坐标与-1相乘。在图6中，对于空心圆所示的检测点，当求比特1的软值时，1110、1010、0010、0110、1111、1011、0011、0111构成了该检测点所位于的星座点组区域，而1101、1001、0001、0101、1100、1000、0000、0100构成了另一极性相反星座点组区域，自然，x轴即为这两个星座点组区域的对称轴。当求比特3的软值时，1101、1100、1110、1111、1001、1000、1010、1011构成了该检测点所位于的星座点组区域，而0001、0000、0010、0011、0101、0100、0110、0111构成了另一极性相反星座点组区域，自然，y轴即为这两个星座点组区域的对称轴。

按照如上做法，同理，我们可以在各种调制方式(如BPSK，8PSK，64QAM)由检测点确定软值。图7给出了64QAM的星座图，比如对于b0，如果检测点的y坐标小于0，如果其绝对值大于4，则考虑y坐标和 $y=-6/\sqrt{42}$ 间的距离，如果其绝对值小于4，则考虑y坐标和 $y=-2/\sqrt{42}$ 间的距离。其他比特的软值同理可得，在此不再赘述。

下面将描述如何获得检测信号在复平面的位置。我们采用迫零算法，利用上三角矩阵的逆与z向量相乘，得到p向量，即

p＝R^-1z

如果全0或全1比特为第i个天线所发射符号中的某个比特，那么取p向量的第i个元素，令p_i为前文所述的检测信号，利用p_i按照前文所述方法，求得所需比特的软值。

由于前文描述的本发明的软值计算方法与0，1均存在的比特(存在比特)软值计算的方法(传统方法)不同。为此，还需对本文中软值计算进行调整。设欧式距离最小节点中各个符号取值为(s_i1，s_i2…s_iN)，其中第j个符号中有个比特为全零或全1比特，需要按照本节中所述方法求解，得到1₁令(s_i1，s_i2…s_iN)中第j个元素为零，得到向量s′，令向量p中第j个元素为零，得到向量p′，然后z′＝p′-s′，令z′＝p′-s′中第j个元素元素为1₁得向量z″，所得欧式距离为e＝‖z″‖

本发明针对V-BLAST系统QRM-MLD检测方法，提出了基于软点的QRM-MLD的似然值求解算法，传统的方法通过求解星座点与接收信号的距离，来得到各符号中所有比特的软值，本发明首先根据QRM-MLD的检测结果，得到包含噪声的某个符号所在位置，然后利用星座点的分布，确定各个比特(主要是非存在比特)的软值，为了保证采用不同方法求得软值的一致性，本发明还对所求的软值进行了修正。

尽管以上已经结合本发明的优选实施例示出了本发明，但是本领域的技术人员将会理解，在不脱离本发明的精神和范围的情况下，可以对本发明进行各种修改、替换和改变。因此，本发明不应由上述实施例来限定，而应由所附权利要求及其等价物来限定。

Claims (4)

1、一种基于软点的符号译码方法，所述方法包括以下步骤：

确定待译码符号在星座图上的位置以便形成软点；

根据星座图上的软点，按照星座图上各星座点的对应排列关系来获得软点中非存在比特的软值；以及

根据所获得的软点中非存在比特的软值执行译码以便获得待译码符号。

2、根据权利要求1所述的符号译码方法，其特征在于所述符号译码方法应用于基于QR分解和M算法-最大似然检测。

3、根据权利要求2所述的符号译码方法，其特征在于根据所获得的软点中非存在比特的软值执行译码以便获得待译码符号的步骤还包括：对所获得的非存在比特的软值进行修正以使其与存在比特的软值保持一致；以及将所述修正后的软值与存在比特的软值结合在一起来获得待译码符号。

4、根据权利要求1到3任一个所述的符号译码方法，其特征在于按照星座图上各星座点的对应排列关系来获得软点中非存在比特的软值的步骤包括：

针对非存在比特在软点中的比特位置，通过将星座图上的相邻连续的、在所述比特位置上具有相同值的星座点划分为各星座点组而获得各星座点区域；以及计算所述非存在比特相对于其所位于的星座点组区域与在所述比特位置上具有相反值的另一极性相反星座点组区域的对称轴的欧氏距离来获得所述非存在比特的软值。

Images