CN1977486B - 用于多输出无线通信系统中最大似然译码的系统和方法 - Google Patents

Abstract

提供了一种用于MIMO系统的简化的最大似然(ML)译码(203)的系统和方法。完全ML译码给出了CC编码的MIMO系统的译码下界。然而，计算成本太高以致不能在实际系统中实现。对于译码已经提出了很多替代方法。在这些方法中，加权的迫零(WZF)是一种可以以合理的计算复杂度给出能提供的性能的方法，但是对于WZF译码和ML译码，仍存在几个dB的性能差距。本发明公开了一种以担负得起的实现复杂度译码而具有比WZF高的性能的译码系统和方法。

Description

用于多输出无线通信系统中最大似然译码的系统和方法

本发明涉及用于多输入多输出(MIMO)无线通信系统中简化的最大似然(ML)译码方法的系统和方法。

多输入多输出(MIMO)在无线网络应用中正获得越来越多的关注，因为尽管其实现复杂度比单个天线通信系统要高，但MIMO具有提供比单个天线系统更好的频率效率的潜力。

其实现成本较高，不仅仅是因为由于增加的天线数而导致的硬件增加，还因为与译码的更高复杂度相关联的成本。当系统具有多个输入时，该多个输入的联合检测是最佳的。然而，联合检测以非常高的计算复杂度为条件。因此，大多数MIMO译码集中在非最佳但是计算上担负得起的方法，诸如迫零(ZF)和排序连续干扰抵消(OSIC)，参见Wolniansky，P.W.等人的“V-BLAST：an architecture for realizing very high datarates over the rich-scattering wireless channel(V-BLAST：用于在富散射无线信道上实现非常高的数据速率的结构)”，ISSSE 98，第295-300页，其在此被整体引入作为参考。Speth等人的“Low complexityspaced frequency MLSE for multi-user COFDM(用于多用户COFDM的低复杂度间隔频率MLSE)”，GLOBECOM’99，Vol.5，1999，第2395-2399页，其在此被整体引入作为参考，提供了基于最佳ML译码的简化译码。但是主要思想仍然是ZF。其差别在于Speth等人提出的方法使用信道状态信息来对比特量度(bit metric)加权，由此它被称作加权的迫零(WZF)译码。

尽管当前WZF由于其简单性而成为MIMO译码的选择，但是在最佳ML译码和WZF之间仍然有几个dB的性能差距(performance gap)。正在进行研究来找到以合理的实现成本消除该性能差距的译码方法。

因此，需要一种用于改善现有的WZF MIMO译码的系统和方法。

本发明为MIMO无线系统提供了一种与ZF完全不同的译码方法。

本发明的系统和方法基于最佳ML译码，其不是执行联合检测的模(norm)2计算，而是执行更简单的计算。该更简单的计算将所需要的乘法次数减少到对于实现而言的一个更担负得起的级别。

按照本发明的第一方面，提供了一种在多输入多输出无线通信系统中译码接收到的信号的方法，包括步骤：接收至少一对比特流，每个比特流包括至少一个符号；并且由采用具有降低的计算成本的简化比特量度计算的最佳最大似然ML译码器来译码所述接收到的至少一对比特流；在所述简化比特量度计算中，ML准则的距离计算替换成计算强度较小的近似距离计算。

按照本发明第二方面，提供了一种用于在多输入多输出无线通信系统中译码接收到的信号的装置，包括：可操作来接收至少一对比特流的接收机，每个比特流包括至少一个符号；以及被配置来做为最大似然译码器而对所接收到的至少一对比特流实施译码操作的译码器，其利用具有降低的计算成本的简化比特量度计算，在所述简化比特量度计算中，ML准则的距离计算替换成计算强度较小的近似距离计算。

根据仿真，简化的ML译码方法的第一实施例的性能提供了在10^-的分组差错率(PER)级别上、比WZF高2dB的增益.

根据仿真，简化的ML译码方法的第二实施例的性能提供了在10^-2的PER级别上，对于16/64正交幅度调制(QAM)调制的、比WZF高4dB的增益，以及对于二相相移键控(BPSK)调制的、比WZF高8dB的增益。

图1图示了在其中应用本发明的实施例的、具有多个天线设备的典型无线网络结构；

图2图示了根据本发明的实施例修改的多天线无线设备的简化框图；

图3图示了2×2MIMO系统结构；

图4图示了在第一实施例中BER和PER对SNR的曲线；以及

图5图示了在第二实施例中对于不同调制的PER对SNR的曲线。

本领域的技术人员应当理解：以下描述被提供用于说明而非限制的目的。技术人员明白：存在位于本发明的精神和所附权利要求的范围内的很多变化。已知功能和操作的不必要的细节可从当前描述中被忽略以便于不遮蔽本发明。

图1图示了在其中应用本发明的实施例的、有代表性的多天线无线通信网络100。该网络包括多个无线设备101，每个无线设备根据本发明被修改以执行使用简化的距离计算的ML译码。根据本发明的原理，提供了一种简化的距离计算方案以使能无线设备101接收信号并以计算上成本有效的方式基于ML译码来译码信号。

现在参考图2，图1中示出的WLAN 100内的每个无线设备101可能包括一个系统，该系统包括在图2中图示的结构。每个无线设备101可能包括多个天线205，这些天线被耦合到在信道集102上通信的一个接收机201。设备101各自还包括处理器202和带有简化的距离计算的最大似然译码器。处理器被配置成从接收机接收包括一个或多个符号的序列的信号并且处理所述信号以提供其比特量度给解交织器和维特比译码器204，所述比特量度已经根据本发明、通过使用具有简化距离计算的ML技术来计算。

本发明提供了一种用于根据观察的距离计算的系统和方法。在最佳ML译码中，下列等式被用于计算维特比译码器的比特量度：

$m_{1i}^p=\underset{a_n\∈C}{\underset{a_m\∈C_i^p}{\min }}({\left|\right|r_1-h_{11}{a}_m-h_{21}{a}_n\left|\right|}^2+{\left|\right|r_2-h_{12}{a}_m-h_{22}{a}_n\left|\right|}^2)$

$m_{2i}^p=\underset{a_n\∈C_i^p}{\underset{a_m\∈C}{\min }}({\left|\right|r_1-h_{11}{a}_m-h_{21}{a}_n\left|\right|}^2+{\left|\right|r_2-h_{12}{a}_m-h_{22}{a}_n\left|\right|}^2)$

其中m_1i ^p和m_2i ^p代表发送的符号s₁和s₂中比特i为‘p’的比特量度，p∈{0，1}；C代表整个星座点集并且C_i ^p代表使得比特i等于p的星座点的子集。然后比特量度对(m_1i ⁰，m_1i ¹)(m_2i ⁰，m_2i ¹)被发送到相应的解交织器和维特比译码器用于译码两个比特流。在本发明的第一实施例中，度量计算被简化为：

$m_{1i}^p=\underset{a_n\∈C}{\underset{a_m\∈C_i^p}{\min }}(\max (\mathrm{real}(r_1-h_{11}{a}_m-h_{21}{a}_n),\mathrm{imag}(r_1-h_{11}{a}_m-h_{21}{a}_n))+$

$\max \left(\mathrm{real}(r_2-h_{12}{a}_m-h_{22}{a}_n)\right),\mathrm{imag}(r_2-h_{12}{a}_m-h_{22}{a}_n))$

$m_{2i}^p=\underset{a_n\∈C_i^p}{\underset{a_m\∈C}{\min }}(\max (\mathrm{real}(r_1-h_{11}{a}_m-h_{21}{a}_n),\mathrm{imag}(r_1-h_{11}{a}_m-h_{21}{a}_n))+$

$\max \left(\mathrm{real}(r_2-h_{12}{a}_m-h_{22}{a}_n)\right),\mathrm{imag}(r_2-h_{12}{a}_m-h_{22}{a}_n))$

从而通过用比较来替换乘法而降低计算成本，同时对于10^-2的PER级别提供比WZF高2dB的增益。

在本发明的第二实施例中，度量计算被简化为：

$m_{1i}^p=\underset{a_n\∈C}{\underset{a_m\∈C_i^p}{\min }}[\mathrm{abs}\left(\mathrm{real}(r_1-h_{11}{a}_m-h_{21}{a}_n)\right)+\mathrm{abs}\left(\mathrm{imag}(r_1-h_{11}{a}_m-h_{21}{a}_n)\right)+$

$\mathrm{abs}\left(\mathrm{real}(r_2-h_{12}{a}_m-h_{22}{a}_n)\right)+\mathrm{abs}\left(\mathrm{imag}(r_2-h_{12}{a}_m-h_{22}{a}_n)\right)]$

$m_{2i}^p=\underset{a_n\∈C_i^p}{\underset{a_m\∈C}{\min }}[\mathrm{abs}\left(\mathrm{real}(r_1-h_{11}{a}_m-h_{21}{a}_n)\right)+\mathrm{abs}\left(\mathrm{imag}(r_1-h_{11}{a}_m-h_{21}{a}_n)\right)+$

$\mathrm{abs}\left(\mathrm{real}(r_2-h_{12}{a}_m-h_{22}{a}_n)\right)+\mathrm{abs}\left(\mathrm{imag}(r_2-h_{12}{a}_m-h_{22}{a}_n)\right)]$

其通过用加法来替换乘法而降低计算成本，同时对于10^-2的PER级别、对于16/64QAM调制提供比WZF高4dB的增益，以及对于BPSK调制提供比WZF高8dB的增益。

最佳单输入单输出SISO编码正交频分复用(COFDM)系统译码

正交频分复用(OFDM)的基本原理是将高速率数据流分离成同时在多个副载波上发送的多个较低速率流。因为对于较低速率并行副载波，符号持续时间增大，所以由多径延迟扩展引起的时间上的相对扩散量减少。符号间干扰通过在每个OFDM符号中引入保护间隔而近乎完全被消除。

在单个载波系统中，由于时间扩散信道(频率选择性衰落信道)将信道记忆带入系统中，所以因为高的计算成本，联合最大似然均衡和译码是不现实的。通常的实践是首先使用最小均方误差(MMSE)作为均衡信道的准则。接着均衡后的信号被发送到最大似然检测器用于进一步译码。这是次最佳系统。在COFDM系统中，因为系统被设计成让每个副载波经历平衰减信道，因此实际的最大似然均衡和译码可以以担负得起的计算成本来实现。

基于IEEE 802.11a的COFDM系统的典型收发信机的结构可以在第11部分中找到：无线LAN介质访问控制(MAC)和物理层(PHY)技术规范：5GHz频带中的高速物理层，IEEE Std 802.11a，199，因此其被整体引入作为参考。在该收发信机中，使用与格雷映射相组合的逐比特交织。该技术被称为比特交织的编码调制(BICM)，其以相似的复杂度在瑞利衰落信道上提供了比TCM好得多的性能。接收到的信号在频域中可以被表示为：

r_k＝h_ks_k+n_k        (1)

其中

h_k是信道频率响应，

s_k是发送的信号，以及

n_k在第k个副载波上具有方差σ_N ²的复高斯白噪声。

BICM允许通过使用与条件概率P(r_k|b_ki)的对数成比例的度量、经由标准软输入维特比译码器而进行的基于ML的译码，其中

$P\left(r_k\right|b_{k,i}=p)=\underset{a\∈C_i^p}{\mathrm{\Π}}\frac{1}{\sqrt{2\mathrm{\π}}{\mathrm{\σ}}_N}{e}^{-\frac{{\left|\right|r_k-h_{k}a\left|\right|}^2}{2\mathrm{\π}{\mathrm{\σ}}_N^2}}---\left(2\right)$

并且其中

b_k，i是符号中在副载波k上发送的比特i，

C_i ^p是使得比特i等于p的星座点的子集，其中p等于0或1。

根据等式(2)确定软比特仍然非常复杂。普通的简化只考虑(2)的最大项，参见，例如Speth，M.；Senst，A.；Meyr，H的“Low complexityspace-frequency Maximum Likelihood Sequence Estimation(MLSE)forMulti-user COFDM(用于多用户COFDM的低复杂空间-频率最大似然序列估计(MLSE))”，GLOBECOM’99，Vol.5，1999，第2395-2399页，因此其被整体引入作为参考。这样，最大似然序列估计要求将如下度量发送给维特比译码器：

$m_i^p=\underset{a\∈C_i^p}{\min }{\left|\right|r_k-h_{k}a\left|\right|}^2,p=\mathrm{0,1}---\left(3\right)$

对于64QAM情形，为了获得对于是“1”或“0”的比特的比特量度，人们需要计算与不同的星座点a的32个距离

||r_k-h_ka||²

其中比特i为“1”或者“0”，以找到这些距离中的最小值。

最佳2×OFDM系统译码

图3中图示了基于IEEE 802.11a 54Mbps模式OFDM系统的2×MIMO系统的图。定义无线信道为：

$H=\left(\begin{array}{cc}{h}_{11}& h_{21}\\ h_{12}& h_{22}\end{array}\right)$

其中

h_ij代表副载波k上从发射机天线i到接收机天线j的信道。因为每个副载波的操作是相同的，因此为了节省空间，在以下讨论中下标k被省略。不失一般性，假设四个信道是独立的瑞利衰落信道。接收到的信号可以表示为

$\left(\begin{array}{c}{r}_1\\ r_2\end{array}\right)=\left(\begin{array}{cc}{h}_{11}& h_{21}\\ h_{12}& h_{22}\end{array}\right)\left(\begin{array}{c}{s}_1\\ s_2\end{array}\right)+\left(\begin{array}{c}{n}_1\\ n_2\end{array}\right)---\left(4\right)$

类似于SISO系统的ML检测，对于每个接收到的信号对：r₁和r₂，为了找出对于符号S₁和S₂中比特的比特量度，应当满足下列等式：

$m_{1i}^p=\underset{a_n\∈C}{\underset{a_m\∈C_i^p}{\min }}({\left|\right|r_1-h_{11}{a}_m-h_{21}{a}_n\left|\right|}^2+{\left|\right|r_2-h_{12}{a}_m-h_{22}{a}_n\left|\right|}^2)---\left(5\right)$

$m_{2i}^p=\underset{a_n\∈C_i^p}{\underset{a_m\∈C}{\min }}({\left|\right|r_1-h_{11}{a}_m-h_{21}{a}_n\left|\right|}^2+{\left|\right|r_2-h_{12}{a}_m-h_{22}{a}_n\left|\right|}^2)$

其中m_1i ^p和m_2i ^p代表发送的符号s₁和s₂中比特i为‘p’的比特量度，p∈{0，1}；C代表整个星座点集并且C_i ^p代表使得比特i等于p的星座点的子集。比特量度对(m_1i ⁰，m_1i ¹)(m_2i ⁰，m_2i ¹)被发送到相应的解交织器和维特比译码器用于译码两个比特流。

加权的ZF译码

对了简便起见，只详细给出了2×2MIMO分析。相同的原理可以容易地被n×n MIMO系统使用。以矩阵格式重写(4)中接收到的信号得到：

r＝Hs+n    (6)

利用ZF滤波器，发送信号的估计为

$\hat{s}={\left(H^{H}H\right)}^{-1}{H}^{H}r---\left(7\right)$

利用MMSE滤波器，发送信号的估计为

$\hat{s}({\left(H^{H}H\right)}^{-1}{H}^H+{\mathrm{\σ}}^2)r---\left(8\right)$

估计误差(仅仅对于ZF，MMSE分析将遵从相同的原理，带有附加的噪声方差项)为

$\mathrm{\ϵ}=\hat{s}-s={\left(H^{H}H\right)}^{-1}{H}^{H}n---\left(9\right)$

具有方差

$R_{\mathrm{\ϵ}}=E[\mathrm{\ϵ}\·{\mathrm{\ϵ}}^H]={\mathrm{\σ}}_N^2{\left(H^{H}H\right)}^{-1}---\left(10\right)$

因此多维复联合概率分布为

$p\left(\hat{s}\right|s)=\frac{1}{\sqrt{{\mathrm{\π}}^N\left|R_{\mathrm{\ϵ}}\right|}}{e}^{(-{(\hat{s}-s)}^H{R_r}^{-1}(\hat{s}-s))}---\left(11\right)$

因为R_ε不是对角矩阵，因此对于这些二符号检测，比特量度计算不能被分开。为了简化计算，为(11)的分量假设一个不相关的正态分布。这样比特量度可以计算为：

$m_{1i}^p=\underset{a\∈{C_i}^p}{\min }\left(\frac{{\left|\right|{\hat{s}}_1-a\left|\right|}^2}{R_{\mathrm{\ϵ}11}}\right)$

$m_{2i}^p=\underset{a\∈{C_i}^p}{\min }\left(\frac{{\left|\right|{\hat{s}}_1-a\left|\right|}^2}{R_{\mathrm{\ϵ}22}}\right)---\left(12\right)$

其中m_1i ^p和m_2i ^p代表发送的符号s₁和s₂中比特i为‘p’的比特量度，p∈{0，1}；C_i ^p代表使得比特i等于p的星座点的子集。然后比特量度对(m_1i ⁰，m_1i ¹)(m_2i ⁰，m_2i ¹)被发送到相应的解交织器和维特比译码器用于译码两个比特流。

简化的ML译码

如果信道矩阵是病态的(ill-conditioned)，则ZF译码具有提升噪声的问题。加权的ZF通过将低权重给予从病态信道计算的比特量度而部分地解决了该问题。利用该方法，维特比译码器不被一些错误严重的比特量度干扰。这类似于对一个序列凿孔以将那些错误的比特量度近乎设置为零。下面的译码器试图通过使用在那些比特周围的一些可靠比特信息来恢复那些比特。

在本发明中，使用了一种具有与ML译码相同的基本原理的译码方法。唯一的不同是将ML准则的距离计算替换成计算强度较小的近似距离计算。这样，比特量度可以如下地简化：

(1)在第一实施例中

$m_{1i}^p=\underset{a_n\∈C}{\underset{a_m\∈C_i^p}{\min }}(\max (\mathrm{real}(r_1-h_{11}{a}_m-h_{21}{a}_n),\mathrm{imag}(r_1-h_{11}{a}_m-h_{21}{a}_n))+$

$\max \left(\mathrm{real}(r_2-h_{12}{a}_m-h_{22}{a}_n)\right),\mathrm{imag}(r_2-h_{12}{a}_m-h_{22}{a}_n))$

$m_{2i}^p=\underset{a_n\∈C_i^p}{\underset{a_m\∈C}{\min }}(\max (\mathrm{real}(r_1-h_{11}{a}_m-h_{21}{a}_n),\mathrm{imag}(r_1-h_{11}{a}_m-h_{21}{a}_n))+$

$\max \left(\mathrm{real}(r_2-h_{12}{a}_m-h_{22}{a}_n)\right),\mathrm{imag}(r_2-h_{12}{a}_m-h_{22}{a}_n))---\left(13\right)$

通过用比较来替换乘法而降低了计算成本，同时对于10^-2的PER级别提供比WZF高2dB的增益。

对于简化的ML译码而言，为找到在一个分组中发送的所有比特的比特量度而需要的乘法次数是4*M，其中M是星座阶(constellationorder)，假设信道对一个OFDM分组保持准静态。对于WZF方法，一个分组所需要的乘法是8*N*K，其中N是一个OFDM符号中数据副载波的数量并且K是一个分组中的OFDM符号的数量。

仅仅作为示例，对于SML、WZF和ML译码器的乘法次数被计算如下：

a.分组包含-

(i)1000字节，

(2)一个OFDM符号中96个数据副载波；并且

b.64QAM被用于利用第一实施例的2×2MIMO系统发送数据。

对于整个分组：-

a.SML需要4*64*96＝24567次复数乘法，

b.WZF需要6*96+8*96*10＝8256次复数乘法，而

c.最佳ML译码需要4*64*96+96*10*2+64*64*96*10*2＝7890816次复数乘法。

对于单个比特：-

a.SML需要大约24567/(1000*8)～＝3次复数乘法，

b.WZF需要大约8256/(1000*8)～＝1次复数乘法，而

c.最佳ML译码需要大约7890816/(1000*8)～＝986次复数乘法。

通过对比，在第一实施例中为了搜索最小距离的比较次数为：-

a.对于SML，64*64＝4096

b.对于WZF，64*2＝128，而

c.对于最佳ML译码，64*64＝4096。

第一实施例已被仿真来测量简化的ML译码方法相比于SML和WZF的性能。结果呈现为图4中图示的PER对SNR曲线。仿真参数列于表1中。

表1.对于图4的仿真参数

系统配置	速率*Mbps	信道带宽MHz	GI长度	OFDM符号长度	FFT长度	副载波数	调制	CC率	RS率
										2×MIMO	120	20	0.8	6.4	128	96	64QAM	3/4	(220，200)

从图4显而易见，在没有RS码的情况下，在10-2的PER级别上SML比WZF高大约2dB增益.如果RS码是有效的，则性能增益更大，因为正如人们可以从图中看出，在28dB之后，PER为0.

(2)在第二实施例中

$m_{1i}^p=\underset{a_n\∈C}{\underset{a_m\∈C_i^p}{\min }}[\mathrm{abs}\left(\mathrm{real}(r_1-h_{11}{a}_m-h_{21}{a}_n)\right)+\mathrm{abs}\left(\mathrm{imag}(r_1-h_{11}{a}_m-h_{21}{a}_n)\right)+$

$\mathrm{abs}\left(\mathrm{real}(r_2-h_{12}{a}_m-h_{22}{a}_n)\right)+\mathrm{abs}\left(\mathrm{imag}(r_2-h_{12}{a}_m-h_{22}{a}_n)\right)]$

$m_{2i}^p=\underset{a_n\∈C_i^p}{\underset{a_m\∈C}{\min }}[\mathrm{abs}\left(\mathrm{real}(r_1-h_{11}{a}_m-h_{21}{a}_n)\right)+\mathrm{abs}\left(\mathrm{imag}(r_1-h_{11}{a}_m-h_{21}{a}_n)\right)+---\left(14\right)$

$\mathrm{abs}\left(\mathrm{real}(r_2-h_{12}{a}_m-h_{22}{a}_n)\right)+\mathrm{abs}\left(\mathrm{imag}(r_2-h_{12}{a}_m-h_{22}{a}_n)\right)]$

简化的ML译码需要4*M次复数乘法以找到一个副载波中发送的所有比特的比特量度，其中M是星座阶。对于WZF方法，不论使用什么调制方案，一个副载波需要的乘法是8。仅仅作为例子，比较SML、WZF和ML译码器的乘法次数。假设一个分组包含1000个信息字节，一个OFDM符号中96个数据副载波，64QAM被用于发送数据并且根据本发明与2×2MIMO系统相比较。对于给定的OFDM和调制参数，一个分组包含大约10个OFDM符号。

为了译码一个分组：

SML需要4*64*96＝24576次复数乘法，

WZF需要大约6*96+8*96*10＝8256次复数乘法，

最佳ML译码需要大约4*64*96+64*64*96*10*2＝7888896次。

对于单个比特：

SML需要大约24576/(1000*8)～＝3次复数乘法，

WZF需要8256/(1000*8)～＝1次乘法，并且

最佳ML需要7888896/(1000*8)～＝986次乘法。

为了找到最小距离：

SML需要64*64＝4096次加法，

WZF需要64*2＝128次加法，并且

最佳ML需要64*64＝4096次加法。

第二实施例被仿真以确定简化的ML译码方法相比于SML和WZF的性能。结果表示为图5a-c中图示的不同调制方案的PER对SNR曲线。仿真参数在表2中列出。

表2图5a-c的仿真参数

系统配置	数据速率*(Mbps)	信道带宽(MHz)	GI长度(μs)	OFDM符号长度(μs)	FFT长度	数据副载波数	调制	CC率	RS率
										2×MIMO	13.3	20	0.8	6.4	128	96	BPSK	3/4	(220，200)
2×MIMO	53.3	20	0.8	6.4	128	96	16QAM	3/4	(220，200)
										2×MIMO	120	20	0.8	6.4	128	96	64QAM	3/4	(220，200)

*数据速率在没有RS码的情况下计算。如果考虑RS码，则相应的数据速率应当根据RS码速率被减小。

现在参考图5a-c，可以看出，在10^-2的PER级别上，对于16QAM和64QAM调制，在没有RS码的情况下，SML比WZF高大约8dB的增益，而对于BPSK调制，比WZF高大约8dB的增益。

根据本发明的MIMO系统和方法可以用在根据IEEE 802.11n标准的系统和方法中，因为本发明中的译码方法可以在任何11n译码器中使用。然而，本发明的应用不仅仅限于11n设备，因为提供了通用译码系统和方法。也就是，本发明的系统和方法可以用于任何卷积编码的BICMMIMO系统，以及尤其对具有很少数量天线的无线系统有益，诸如2×2MIMO。由于本发明的系统和方法包括简化的ML译码方法，所以任何使用ML译码的通信系统可以利用本发明来降低系统实现的计算成本。

根据本发明系统和方法的译码器提供了近似最大似然译码器ML所提供的误差性能级别的误差性能级别。

尽管已经图示并描述了本发明的优选实施例，本领域的技术人员将会理解这里描述的超帧是说明性的，且可以进行各种变化和修改以及等价物可以替换其元素而不偏离本发明的真实范围。此外，可以进行很多修改来使本发明的教义适应特定的情形而不偏离其中心范围。因此，并不打算使本发明限于作为为了实现本发明预期的最佳模式而公开的特定实施例，而是本发明包括在所附权利要求范围内的所有实施例。

Claims (10)

1.一种在多输入多输出无线通信系统(100)中译码接收到的信号的方法，包括步骤：

接收(201)至少一对比特流，每个比特流包括至少一个符号；并且

由采用具有降低的计算成本的简化比特量度计算的最佳最大似然ML译码器来译码(203)所述接收到的至少一对比特流；在所述简化比特量度计算中，ML准则的距离计算替换成计算强度较小的近似距离计算。

2.权利要求1所述的方法，其中，所述简化的比特量度计算是用一个比较操作来替换所述距离计算中的至少一个乘法。

3.权利要求2所述的方法，其中所述译码步骤还包括步骤：

利用以下等式来计算(203)所述简化的比特量度：

$m_{1i}^p=\underset{\underset{a_n\∈C}{a_m\∈C_i^p}}{\min }(\max (\mathrm{real}(r_1-h_{11}{a}_m-h_{21}{a}_n),\mathrm{imag}(r_1-h_{11}{a}_m-h_{21}{a}_n))+$

$\max (\mathrm{real}(r_2-h_{12}{a}_m-h_{22}{a}_n),\mathrm{imag}(r_2-h_{12}{a}_m-h_{22}{a}_n)))$

$m_{2i}^p=\underset{\underset{a_n\∈C_i^p}{a_m\∈C}}{\min }(\max (\mathrm{real}(r_1-h_{11}{a}_m-h_{21}{a}_n),\mathrm{imag}(r_1-h_{11}{a}_m-h_{21}{a}_n))+$

$\max (\mathrm{real}(r_2-h_{12}{a}_m-h_{22}{a}_n),\mathrm{imag}(r_2-h_{12}{a}_m-h_{22}{a}_n)))$

其中

m_1i ^p和m_2i ^p代表发送的符号s₁和s₂中比特i为‘p’的比特量度，p∈{0，1}；

r₁和r₂代表接收的符号；

h₁₁，h₁₂，h₂₁，h₂₂代表信道频率响应；

C代表整个星座点集并且C_i ^p代表使得比特i等于p的星座点的子集；并且

发送所计算的比特量度对(m_1i ⁰，m_1i ¹)和(m_2i ⁰，m_2i ¹)到相应的解交织器和维特比译码器(204)用于译码所述比特流。

4.权利要求1所述的方法，其中，所述简化的比特量度计算是用一个加法操作来替换所述距离计算中的至少一个乘法。

5.权利要求4所述的方法，其中所述译码步骤还包括步骤：

利用以下等式来计算(203)所述简化的比特量度：

$m_{1i}^p=\underset{\underset{a_n\∈C}{a_m\∈C_i^p}}{\min }[\mathrm{abs}\left(\mathrm{real}(r_1-h_{11}{a}_m-h_{21}{a}_n)\right)+\mathrm{abs}\left(\mathrm{imag}(r_1-h_{11}{a}_m-h_{21}{a}_n)\right)+$

$\mathrm{abs}\left(\mathrm{real}(r_2-h_{12}{a}_m-h_{22}{a}_n)\right)+\mathrm{abs}\left(\mathrm{imag}(r_2-h_{12}{a}_m-h_{22}{a}_n)\right)]$

$m_{2i}^p=\underset{\underset{a_n\∈C_i^p}{a_m\∈C}}{\min }[\mathrm{abs}\left(\mathrm{real}(r_1-h_{11}{a}_m-h_{21}{a}_n)\right)+\mathrm{abs}(\mathrm{imag}(r_1-h_{11}{a}_m-h_{21}{a}_n))+$

$\mathrm{abs}\left(\mathrm{real}(r_2-h_{12}{a}_m-h_{22}{a}_n)\right)+\mathrm{abs}\left(\mathrm{imag}(r_2-h_{12}{a}_m-h_{22}{a}_n)\right)]$

其中

m_1i ^p和m_2i ^p代表发送的符号s₁和s₂中比特i为‘p’的比特量度，p∈{0，1}；

r₁和r₂代表接收的符号；

h₁₁，h₁₂，h₂₁，h₂₂代表信道频率响应；

C代表整个星座点集并且C_i ^p代表使得比特i等于p的星座点的子集；并且

发送所计算的比特量度对(m_1i ⁰，m_1i ¹)和(m_2i ⁰，m_2i ¹)到相应的解交织器和维特比译码器(204)用于译码所述比特流。

6.一种用于在多输入多输出无线通信系统中译码接收到的信号的装置，包括：

可操作来接收至少一对比特流的接收机(201)，每个比特流包括至少一个符号；以及

被配置来做为最大似然译码器而对所接收到的至少一对比特流实施译码操作的译码器(203)，其利用具有降低的计算成本的简化比特量度计算，在所述简化比特量度计算中，ML准则的距离计算替换成计算强度较小的近似距离计算。

7.权利要求6所述的装置，其中，所述简化的比特量度计算是用一个比较操作来替换所述距离计算中的至少一个乘法。

8.权利要求7所述的装置，其中：

所述装置还包括可操作来耦合到所述译码器(203)的至少一个解交织器和维特比译码器(204)；

所述译码器(203)还被配置来-

a.利用以下等式去计算所述简化的比特量度：

$m_{1i}^p=\underset{\underset{a_n\∈C}{a_m\∈C_i^p}}{\min }(\max (\mathrm{real}(r_1-h_{11}{a}_m-h_{21}{a}_n),\mathrm{imag}(r_1-h_{11}{a}_m-h_{21}{a}_n))+$

$\max (\mathrm{real}(r_2-h_{12}{a}_m-h_{22}{a}_n),\mathrm{imag}(r_2-h_{12}{a}_m-h_{22}{a}_n)))$

$m_{2i}^p=\underset{\underset{a_n\∈C_i^p}{a_m\∈C}}{\min }(\max (\mathrm{real}(r_1-h_{11}{a}_m-h_{21}{a}_n),\mathrm{imag}(r_1-h_{11}{a}_m-h_{21}{a}_n))+$

$\max (\mathrm{real}(r_2-h_{12}{a}_m-h_{22}{a}_n),\mathrm{imag}(r_2-h_{12}{a}_m-h_{22}{a}_n)))$

其中

m_1i ^p和m_2i ^p代表发送的符号s₁和s₂中比特i为‘p’的比特量度，p∈{0，1}；

r₁和r₂代表接收的符号；

h₁₁，h₁₂，h₂₁，h₂₂代表信道频率响应；

C代表整个星座点集并且C_i ^p代表使得比特i等于p的星座点的子集，并且

b.发送所计算的比特量度对(m_1i ⁰，m_1i ¹)和(m_2i ⁰，m_2i ¹)到所述至少一个解交织器和维特比译码器(204)的相应的解交织器和维特比译码器用于译码所述比特流。

9.权利要求6所述的装置，其中所述简化的比特量度计算是用一个加法操作来替换所述距离计算中的至少一个乘法。

10.权利要求9所述的装置，其中：

所述装置还包括可操作来耦合到所述译码器(203)的至少一个解交织器和维特比译码器(204)；

所述译码器(203)还被配置来-

a.利用以下等式去计算所述简化的比特量度：

$m_{1i}^p=\underset{\underset{a_n\∈C}{a_m\∈C_i^p}}{\min }[\mathrm{abs}\left(\mathrm{real}(r_1-h_{11}{a}_m-h_{21}{a}_n)\right)+\mathrm{abs}\left(\mathrm{imag}(r_1-h_{11}{a}_m-h_{21}{a}_n)\right)+$

$\mathrm{abs}\left(\mathrm{real}(r_2-h_{12}{a}_m-h_{22}{a}_n)\right)+\mathrm{abs}\left(\mathrm{imag}(r_2-h_{12}{a}_m-h_{22}{a}_n)\right)]$

$m_{2i}^p=\underset{\underset{a_n\∈C_i^p}{a_m\∈C}}{\min }[\mathrm{abs}\left(\mathrm{real}(r_1-h_{11}{a}_m-h_{21}{a}_n)\right)+\mathrm{abs}(\mathrm{imag}(r_1-h_{11}{a}_m-h_{21}{a}_n))+$

$\mathrm{abs}\left(\mathrm{real}(r_2-h_{12}{a}_m-h_{22}{a}_n)\right)+\mathrm{abs}\left(\mathrm{imag}(r_2-h_{12}{a}_m-h_{22}{a}_n)\right)]$

其中m_1i ^p和m_2i ^p代表发送的符号s₁和s₂中比特i为‘p’的比特量度，p∈{0，1}；

r₁和r₂代表接收的符号；

h₁₁，h₁₂，h₂₁，h₂₂代表信道频率响应；

C代表整个星座点集并且C_i ^p代表使得比特i等于p的星座点的子集，并且

b.发送所计算的比特量度对(m_1i ⁰，m_1i ¹)和(m_2i ⁰，m_2i ¹)到所述至少一个解交织器和维特比译码器(204)的相应的解交织器和维特比译码器用于译码所述比特流。

Images