JP2016163078A

JP2016163078A - 復調装置および復調方法

Info

Publication number: JP2016163078A
Application number: JP2015037445A
Authority: JP
Inventors: 宮崎　俊治; Toshiharu Miyazaki; 俊治宮崎
Original assignee: Fujitsu Ltd
Current assignee: Fujitsu Ltd
Priority date: 2015-02-26
Filing date: 2015-02-26
Publication date: 2016-09-05
Also published as: US9634879B2; US20160254939A1

Abstract

【課題】格子縮小法が適用されたＱＲＭ−ＭＬＤよりも処理量を削減すると共に、格子縮小法が適用されたＱＲＭ−ＭＬＤと同等の受信性能を得る。
【解決手段】復調装置２０は、第１の変換部２１、第１の算出部２２、第２の変換部２３、および第２の算出部２４を有する。第１の変換部２１は、チャネル応答行列を格子縮小基底変換する。第１の算出部２２は、格子縮小基底変換されたチャネル応答行列を用いて、受信信号に対して格子縮小基底上での線形検出を行い、格子縮小基底上でのシンボルの期待値を算出する。第２の変換部２３は、シンボルの期待値を、格子縮小基底から元の基底に逆変換する。第２の算出部２４は、逆変換されたシンボルの期待値に対して元の基底上で干渉キャンセル法を実行し、軟判定データを算出する。
【選択図】図３

Description

本発明は、復調装置および復調方法に関する。

ＭＩＭＯ（Multiple Input Multiple Output）多重法を用いた無線通信システムが知られている。ＭＩＭＯでは、送信機からの送信信号は、複数の独立したシンボルが多重化された状態で送信される。受信機は、送信信号を複数の受信アンテナで受信し、受信信号を復調して送信ビットに対応する軟判定データを出力する。ＭＩＭＯ復調では、受信信号から最適なシンボルを推定する処理が行われる。

受信信号から最適なシンボルを推定する手法としては、例えば、網羅的に全てのシンボルについて検索を行うＦｕｌｌ−ＭＬＤ（Maximum Likelihood Detection）や、ＭＭＳＥ（Maximum Mean Square Estimation）が知られている。また、Ｆｕｌｌ−ＭＬＤの処理量を低減する方式として、ＱＲＭ−ＭＬＤ（complexity reduced MLD with QR decomposition and M algorithm）等が知られている。

また、格子縮小基底変換により変換された格子縮小基底において、ＭＭＳＥ等の線形検出法を適用することで、元の基底における線形検出よりも最適シンボルに近いシンボルを検出できる確率が大きくなることが知られている。また、ＱＲＭ−ＭＬＤにおいても、格子縮小基底変換により変換された格子縮小基底においてＱＲＭ−ＭＬＤを適用することで、一定の条件下で誤り率等の受信特性が改善することが知られている。

D. Wubben, R. Bohnke, V. Kuhn, and K. D. Kammeryer, "Near-maximum-likelihood detection of MIMO systems using MMSE-based lattice reduction," IEEE Int. Conf. on Commun. (ICC’04), Vol. 2, June, 2004. X.-F. Qi and K. Holt, "A Lattice-Reduction-Aided Soft Demapper for High-Rate Coded MIMO-OFDM Systems" IEEE Signal Processing Letters, vol. 14, no. 5, pp. 305 - 308, May 2007. S. Aubert, Y. Nasser, and F. Nouvel, "Lattice Reduction-Aided Minimum Mean Square Error K-Best Detection for MIMO Systems" in International Conference on Computing, Networking and Communications, ICNC 2012.

ところで、送信側では、情報ビット系列には、誤り訂正符号等が付加され、符号ビット系列として送信される。受信側では、受信信号系列を復調して軟判定データを生成し、生成した軟判定データに基づいて誤り訂正等の処理を行い、送信された情報ビット系列を推定する。ＱＲＭ−ＭＬＤでは、格子縮小法を適用することにより処理量を削減できるが、ＭＭＳＥ等の線形検出法に比べて、処理量は依然として大きい。

また、格子縮小法が適用された線形検出法では、復調結果として硬判定データが出力される。格子縮小法が適用された線形検出法は、誤り率等の受信性能において、格子縮小法が適用されたＱＲＭ−ＭＬＤと同等の特性を、格子縮小法が適用されたＱＲＭ−ＭＬＤよりも少ない処理量で実現することができる。しかし、軟判定データに基づいて誤り訂正等を行う後段の処理を考慮すると、格子縮小法が適用された線形検出法は、格子縮小法が適用されたＱＲＭ−ＭＬＤよりも受信性能が劣る。

本願に開示の技術は、格子縮小法が適用されたＱＲＭ−ＭＬＤよりも処理量を削減すると共に、格子縮小法が適用されたＱＲＭ−ＭＬＤと同等の受信性能を得る。

１つの側面では、復調装置は、第１の変換部と、第１の算出部と、第２の変換部と、第２の算出部とを有する。第１の変換部は、チャネル応答行列を格子縮小基底変換する。第１の算出部は、格子縮小基底変換された前記チャネル応答行列を用いて、受信信号に対して格子縮小基底上での線形検出を実行し、格子縮小基底上でのシンボルの期待値を算出する。第２の変換部は、前記シンボルの期待値を、格子縮小基底から元の基底に逆変換する。第２の算出部は、逆変換された前記シンボルの期待値に対して元の基底上で干渉キャンセル法を実行し、軟判定データを算出する。

１実施形態によれば、格子縮小法が適用されたＱＲＭ−ＭＬＤよりも処理量を削減することができると共に、格子縮小法が適用されたＱＲＭ−ＭＬＤと同等の受信性能を得ることができる。

図１は、通信システムの一例を示す図である。図２は、格子縮小基底への変換イメージの一例を示す図である。図３は、復調装置の一例を示すブロック図である。図４は、実施例１における復調処理の一例を示すフローチャートである。図５は、実施例１における第１の処理の一例を示すフローチャートである。図６は、実施例１における第２の処理の一例を示すフローチャートである。図７は、実施例２における第１の処理の一例を示すフローチャートである。図８は、実施例２における第２の処理の一例を示すフローチャートである。図９は、実施例２における復調装置の受信特性のシミュレーション結果の一例を示す図である。図１０は、実施例５における復調処理の一例を示すフローチャートである。図１１は、実施例５における第３の処理の一例を示すフローチャートである。図１２は、実施例５における第４の処理の一例を示すフローチャートである。図１３は、復調装置の機能を実現する通信装置の一例を示す図である。

以下に、本願の開示する復調装置および復調方法の実施例を、図面に基づいて詳細に説明する。なお、以下の実施例は開示の技術を限定するものではない。そして、各実施例は、処理内容を矛盾させない範囲で適宜組み合わせることが可能である。

［通信システム１０の概要］
図１は、通信システム１０の一例を示す図である。通信システム１０は、送信装置１１と受信装置１２とが、無線チャネルを通して情報ビットを送受信する。以下に、それぞれの装置の処理の概要を説明する。

［送信装置１１の処理］
送信装置１１は、符号化器１１０、変調シンボルマッピング部１１１、およびＭＩＭＯ送信器１１２を有する。符号化器１１０は、誤り訂正符号化することにより、入力された情報ビット系列を符号ビット系列に変換する。変調シンボルマッピング部１１１は、規定の数のビットの単位で変調処理を行うことにより、符号ビット系列を信号シンボルにマッピングする。信号シンボル（以下「シンボル」と呼ぶ）は、元のビットの値に対応して、複素平面上（信号空間）の異なる点として表される。

ＭＩＭＯ送信器１１２は、信号シンボル系列を、複数の独立な系列（レイヤ）に分割する。そして、ＭＩＭＯ送信器１１２は、各レイヤのシンボルを、そのまま単独か、あるいは、複数のレイヤのシンボルを多重した結果を複数のアンテナのいずれかに対応させ、信号の系列とする。アンテナ毎のデータ信号の系列をストリームと呼ぶ。ストリームは、単位時間毎に、複数のアンテナから同時に搬送波の形に変換してチャネルへと送出される。従って、単位の時間において送信される送信信号は、複数の独立なシンボルが多重された状態で送信される。この意味で、このようなチャネルを「空間多重チャネル」と呼ぶ。

［受信装置１２の処理］
受信装置１２は、ＭＩＭＯ受信器１２０、復調装置２０、および復号器１２１を有する。ＭＩＭＯ受信器１２０は、複数の受信アンテナを介してデータを受信する。各受信アンテナからのデータに含まれる送信シンボルは、複数の送信アンテナから送信されるシンボルが多重されたものである。

復調装置２０は、受信シンボルから各ビットに対応する軟判定データとなる、尤度データを求める。尤度データは、復号処理の観点で軟判定データとも呼ばれる。復号器１２１は、軟判定データを用いて誤り訂正復号処理を行い、送信ビットを推定する。そして、復号器１２１は、推定したビットを推定ビットとして出力する。

本明細書では、レイヤマッピングおよびプレコーディングの詳細は影響しないため、その詳細には立ち入らない。それらは一般にストリームに対しての変換行列の形で表わされ、チャネル応答行列の前後の掛け算となる。よってチャネル応答行列をそれらの行列を含めて再定義することで、以下の定式化に当てはめることができる。またこれに伴って、レイヤと送信アンテナはほぼ同義語として、適宜、使い分けて併用する。

［前提］
各実施例の説明に先立ち、各実施例で前提としている事項について説明する。まず、各用語の定義について下記の表１に示す。

上記の表１において、変調マッピングｍ−ＱＡＭは、２次元上の正方格子空間の一部分として定義されるＱＡＭであることを前提とする。また、信号点（コンステレーション）において、ｃ_iは複素数として表される。ｃ_iの実数成分および虚数成分は、それぞれＩチャネル成分およびＱチャネル成分と呼ばれる。また、シンボルマッピングブロックｂ_kは、符号ビット系列の先頭からｍ_c個毎に小ブロックに分割するものとして、その任意の１つを示している。

チャネル応答行列における統計性については、一般的に適用されるフェージング環境に対するモデルが適用されるものと仮定する。特に、時間周波数のシンボルリソースの空間で、シンボルの集合であるブロックの範囲内ではシンボル間の振幅の変動が小さく、ほぼ同一の値として近似されるような場合を想定する。また、軟判定データＬ_kは、対数尤度比あるいは、メトリックに対応する、正負符号および、大きさをもつ、実数値の量である。正負の値は硬判定ビットに対応する。なお、以下の説明において、複素行列Ｘのエルミート転置については、Ｘ^†またはＸ^Hの表記を適宜使用する。

本実施例において、システムモデルは、例えば下記の（１）式のように表される。

［変調スキーム］
一般に複数のビットのブロックを１個の複素数で表わされる信号点にマッピングすることを多値変調と言う。本明細書では、変調スキームをｍ−ＱＡＭに限定する。ＱＡＭは、ＩチャネルおよびＱチャネルのそれぞれの成分が互いに独立で、同じマッピング規則に従う。よって、以下では代表的にＩチャネルについて説明する。

マッピングのパターンによっていくつかの種類はあるが、以下では典型的なＧｒａｙマッピングを仮定する。Ｇｒａｙマッピングは、互いに隣接している信号点に対しては、１つのビットだけが異なる（「反転する」とも言う）ビットパターンが割り当てられる。

シンボルの平均電力が１であるという規格化のもとで、ＱＡＭのＩ（Ｑ）成分は以下のように示される。

ここで、

としている。ただし、

は、Ｉ（Ｑ）成分へマッピングされるビットの数、および異なる信号点の数である。また、Ａは最小振幅である。すなわち、シンボルの振幅の値は、Ａを基準として、正負の奇数値倍となる。

［実数表現］
通常、ベースバンドにおける変調シンボルは複素数で表現される。これに合わせて、チャネル応答、受信信号、雑音信号も複素数で表わされる。しかし、以下では幾何学的で直感的な表現が便利であるため、等価な実数表現を中心に用いる。複素数による行列およびベクトルの演算は、サイズが２倍の実数成分による行列およびベクトルによって表現できる。

例えば、複素数のスカラー値の掛け算は、以下の対応関係で数学的には等価な結果を与える演算として表現される。

なお、複素ベクトルや行列への拡張は、各要素を、自由度を拡張する形にそのまま置き換えることで実現される。この変換を用いることで（１）式のシステムモデルは、実数成分の行列表示に変換される。特に、両方の表現を同時に扱う必要がない限りは、行列やベクトルはいずれかの表現で表わされるものとして、ここでは、特に両者を区別する定義は導入しない。ただし、実数表現では、ベクトルや行列のサイズはちょうど２倍となる。混乱がない限り、アンテナ数は、複素表現での２倍の値をとるものとして読み替えるものとする。つまり、通常２×２のＭＩＭＯシステムでは、４×４の実成分のＭＩＭＯシステムと等価になる。

［ＭＩＭＯ復調］
受信データは（１）式の形にモデリングされるものとする。受信データｙ、チャネル応答行列Ｈ、および、受信端でのアンテナ毎の送信電力Ｅ_s,NはＭＩＭＯ受信器１２０の測定処理によって取得できることを前提とする。ＭＩＭＯ復調は、各送信シンボルにマッピングされる符号ビットｂ_iに対応する、軟判定データＬ_iを生成する処理である。

軟判定データは、数学的には対数尤度比に対応する。対数尤度比は、ある送信ビットについて、０の確率と１の確率との比の対数として定義される。送信シンボルベクトルｓ内の、ある符号ビットｂ_iの値がｂ＝０または１となる確率は、その符号ビットの値がｂ_i＝ｂとなるようなシンボルベクトルの候補のうち、最大の確率を取るシンボルベクトルが送信シンボルベクトルとなる確率として近似的に求められる。

本実施例では、最大確率のシンボル（ベクトル）を「最適シンボル（ベクトル）」と呼ぶ。以下、混乱が生じない限り、シンボルベクトルを単にシンボルと呼ぶものとする。また、最適シンボルに含まれる各ビットの値ｂ＝０または１に対して、反転した値についての最大確率のシンボルを「対抗シンボル」と呼ぶ。各ビットの尤度は、この確率比の対数として与えられる。
手順の大枠は以下のようになる。
１）最適シンボル推定
２）対抗シンボル推定
３）軟判定データ生成

［軟判定と硬判定の区別］
一般的に「ＭＩＭＯ復調」と言う場合、その出力結果が「軟判定データ」なのか、あるいは「硬判定データ」なのかを区別することが必要となる。ＭＩＭＯを利用する無線通信システムにおいて、大きな伝送レートのデータチャネルは、図１に示したシステムモデルに従うのが一般的である。すなわち、変調シンボルマッピングの前には誤り訂正符号化を行い、受信側では誤り訂正復号処理を行うことで、劣悪な無線伝搬環境に対してより信頼度の高い受信処理が可能となる。信頼度の高い強力な復号処理を行うためには、入力データとして各ビットに対応した「軟判定データ」を用いる。以下に、本明細書で用いられるそれぞれの定義を示す。

１）軟判定データ
推定ビットに加えて、その推定値の信頼度からなるデータ。
２）硬判定データ（ビット）
本明細書では、上記の軟判定データに含まれる推定ビットを指す。変調マッピングシンボル（あるいはベクトル）の単位で、各ビットの値が硬判定ビットで構成されるシンボルのことを、「硬判定シンボル」と呼ぶ。また、この硬判定シンボルが、最適な復調処理の結果得られる場合「最適シンボル」と呼ぶ。

一般に使用される復調方式は大きく分けて以下のように分類される。
（１）最大尤度検出（ＭＬＤ）
ＭＬＤは、特性が良好であるが、処理量が多い。
処理量を改善した方式としては、例えば部分選択方式が挙げられる。
具体例としては、ＳＤ（Sphere Decoding）やＱＲＭ−ＭＬＤが知られている。
（２）線形検出
線形検出は、特性はＭＬＤよりも劣るが、処理量は、ＭＬＤよりも少ない。
特性を改善した方式としては、例えば干渉キャンセル方式が挙げられる。
具体例としては、ＳＩＣ（Successive Interference Cancelation）やＰＩＣ（Parallel Interference Cancelation）が知られている。

ＳＩＣは、各シンボルの処理順に、シンボルの推定処理と、推定シンボルから求められる干渉成分を受信データにからキャンセルする処理とを、逐次的に繰り返す方式である。
また、ＰＩＣは、対象のシンボルに対して、それ以外のシンボルを、この時点での仮の推定シンボルを用いて全てキャンセルする方式である。干渉キャンセル法では、従来の線形検出方式に比べて処理量は増加するが、ＭＬＤおよびＭＬＤの処理量改善方式と比べると、処理量は小さい。

［格子縮小法］
ＭＩＭＯでは、複数の送信アンテナから送信される変調シンボルが多重化されて送信される。多重化された信号は、１つの大きなシンボルとみなすことができる。このシンボルが取り得る候補の点は、離散的な格子上の点であると解釈することができる。「格子」は、基底ベクトルによって張られる線形空間である。受信処理は、数学的には、この格子により張られる空間において、受信信号の点から、最も近いと思われる格子上の点を特定する方法であると定式化することができる。この枠組みにおいて、格子を定義する基底ベクトルを適切に変換することにより、線形検出法において、特性が改善される。

格子縮小法は、「最適シンボル」を求めるという目的に対して、「線形検出法の範囲でＭＬＤに近い特性が得られる」ものとして提案された（例えば、下記の非特許文献４参照）。
［非特許文献４］
H. Yao and G. Wornell, ”Lattice-Reduction-Aided Detectors for MIMO Communication Systems”, in IEEE Proc. Globecom, Taipei, Taiwan, November 17-21 2002.

そのため、ＭＬＤの立場からは、ＭＬＤよりも少ない処理量で、ＭＬＤと同等の特性を得るための方法とみることができる。一方、線形検出法の立場からは、従来の線形検出法と同等の処理量で、従来の線形検出法よりも特性の良い硬判定結果を与える方法と見ることができる。従って、従来の復調方式に対して格子縮小法を適用することは、代表的な二つの方式であるＭＬＤと線形検出法との間の、特性と処理量のトレードオフ関係のギャップを埋めることができると考えられる。

これは「硬判定」については正しいことが前述の非特許文献１において示された。しかし「軟判定」については課題を含む。格子縮小基底上では、線形検出により軟判定データを求める方法が知られていない。ただし、ＭＬＤでは、格子縮小基底上で軟判定データを求めることが可能である。例えば、従来の近似的なＭＬＤ方式であるＱＲＭ−ＭＬＤにおいて、格子縮小基底変換を適用し、変換後の基底上でＱＲＭ−ＭＬＤを行うことで、候補の選択数をより小さくしても、特性劣化を抑えることができる。これにより、ＭＬＤの処理量を削減できる。

ただし、上記の効果を有効とするためには、適用される環境が限定される。例えば、フェージング環境が静的であるか、あるいは、チャネルの変動があっても、十分緩やかである「準静的な」フェージング環境の場合に、上記の効果が得られる。しかし、このような環境は、特殊な環境というわけではなく、むしろ伝送レートが大きい場合には典型的に発生し得る環境である。

［格子基底縮小法の詳細］
以下では、実数表現を用いるものとする。受信信号は、付加雑音成分がない場合には、

と表される。ここで表現をシンプルにするため、送信電力は１に規格化している（チャネルあるいはシンボルにスケール係数として含めて再定義すると考えても良い）。これは、各列ベクトルｈ_iが互いに線形独立であれば、線形空間の数学的な定義式となっている。特に送信シンボルｓ_iが整数値のみを取るものとすると、結果として受信信号ベクトルｙが取り得る値は、ｈ_iを基底ベクトルとする格子点となる。雑音がある一般的な場合には、格子点から雑音ベクトルの分だけずれた位置に受信信号は測定される。そこで、この解釈によるとＭＩＭＯ復調処理は、受信信号から、送信シンボルとして定義される「格子上の点を特定すること」と一般化される。

さて、特定の与えられた格子に対して、数学的には格子を表現する方法は上記した（２）式に限定されない。基底ベクトルの和として定義される任意のベクトルはある格子点に対応しており、任意にＮ個の線形独立なものを選択しても、基底となり得る。この変換行列をＴとすると、同じ格子は、下記の（３）式のように表される。

ここで、

となる。これを「格子縮小基底変換」と呼ぶ。

格子縮小基底変換とは、基底ベクトルが互いになるべく直交関係に近くなるように変換することを言う。図２は、格子縮小基底への変換イメージの一例を示す図である。図２において、白丸は格子点である。送信した変調シンボルが受信側で、雑音成分がなく受信された場合に受信信号が取り得る値に対応している。図２の左側が、チャネルの定義により自然に定義される、格子基底の表現で、相関が高い場合の例となっている。図２の右図は、この同じ格子に対して、格子基底の変換により、互いに直交に近い位置関係にある、別の基底の組を選ぶようにしたものである。

格子縮小基底変換では、まず、基底変換行列およびその逆行列が算出される。ただし、基底変換行列およびその逆行列を算出するアルゴリズムの詳細は、開示の技術には影響しない。そのため、チャネル毎に何らかの方法で基底変換行列およびその逆行列が効率的に求められるものと仮定する。例えば、準最適な方法として広く知られているＬＬＬ（Lenstra-Lenstra-Lovasz）アルゴリズムを用いて、チャネル毎に基底変換行列およびその逆行列を求めることができる。ＬＬＬアルゴリズムの詳細については、例えば前述の非特許文献１等に記載されている。

［格子点の数値的な扱い方］
前述のように、送信シンボルは格子点として表される。数学的にはこれで十分であるが、アルゴリズム上で実際に使用するためには、具体的な数値で表わす必要がある。元の格子基底におけるシンボルベクトルの各成分は多値変調シンボルの実数成分である。よって、これをより具体的に振幅および電力を含めて表すと、下記のようになる。

ここで、システムモデルにおいて、シンボルｓに適当な既知の「定数ベクトルの加算」をしても「定数スケール」をしても、同時に受信データを変換することで特性には影響しないようにできる。これを利用して、格子点としてより扱い易いように下記の表現に変換する。

以下では、無用の変数定義の増加による混乱をさけるため、右辺の表記をｓとして表す。格子縮小基底変換によるシンボル点ｚについては、前述の（５）式により再定義される。

［ＭＭＳＥを用いた軟判定データの生成］
次に、ＭＭＳＥを用いた軟判定データの生成手順について説明する。ＭＭＳＥを用いた軟判定データの生成は、例えば以下の手順で行われる。
１）最適シンボル推定
ＭＭＳＥを用いて推定したシンボル値を最適シンボルとする。
２）対抗シンボル推定
１）でのフィルタ出力の表現において得られる受信信号から、レイヤ毎に独立にＦｕｌｌ−ＭＬＤを実行する。
３）軟判定データの生成
２）での処理に沿って、レイヤ毎のＦｕｌｌ−ＭＬＤにより求められるビット毎の０の尤度値と１の尤度値との差分に基づいて軟判定データを生成する。

［ＭＭＳＥによるシンボル推定の原理］
受信信号ｙに対する線形フィルタ変換の出力において、レイヤ毎に希望信号を残し雑音信号成分が低減されるように、統計的な性質に基づいてフィルタ係数行列Ｗを決定する。ＭＭＳＥでは、推定シンボルの推定誤差の２乗平均が最小になるようなフィルタ係数行列Ｗを算出する。推定シンボルの推定誤差の２乗平均Ｊは、例えば下記の式で表される。

ここで、Ｅ［・］は、付加雑音ｎに対する期待値である（表１参照）。

以下に、結果として得られる基本公式を示す。
＜定義＞

＜公式＞

次に、ＭＭＳＥを用いた軟判定データの生成手順について説明する。
１）ウェイト行列生成
１−１）相関行列演算

１−２）ウェイト行列

あるいは数式として等価な公式として、下記のように表してもよい。

２）軟判定シンボル推定
２−１）ウェイト乗算

２−２）振幅推定除算

２−３）有効雑音成分の分散

ただし、Diag（X）は、行列Ｘの対角成分のみを残した行列を意味する。

３）シンボル単位ＭＬＤ
３−１）レプリカ生成

３−２）メトリック演算

３−３）最小値検索

対応するマッピングビットの奇数番と偶数番をＩおよびＱに対応させる。

４）各ビットの対抗ビットの最小値検索
ｋ＝（ｊ−１）×ｍ_c＋１，・・・，（ｊ−１）×ｍ_c＋ｍ_cに対して以下を行う。

５）事後尤度の算出
Ｌ_k＝−（Ｌ_k（０）−Ｌ_k（１））／２

［ＭＭＳＥＴｕｒｂｏ等化器］
送信シンボルに対しての事前確率が与えられているもとでのＭＭＳＥの拡張方式を考える。ＭＭＳＥ処理を行う単位のブロックを、本明細書では「要素復調処理」と呼ぶ。要素復調処理は、尤度データを入力として、より特性が改善される尤度データを出力する処理である。これを繰り返し実行することで特性の改善が見込まれる。このような処理は、一般に「Ｔｕｒｂｏ等化器」と呼ばれる。要素復調処理として、ＭＭＳＥをベースとした拡張方式を特に「ＭＭＳＥＴｕｒｂｏ等化器」と呼ぶ。ＭＭＳＥＴｕｒｂｏ等化器は、さらに、事前確率の適用の仕方で「Ｓｏｆｔ−ＭＭＳＥ」と「Ｈａｒｄ−ＭＭＳＥ」とに分類される。

［Ｓｏｆｔ−ＭＭＳＥ］
事前確率を考慮することで、前述のＭＭＳＥの原理式が修正される。修正ポイントは、期待値演算Ｅ［・］の意味が修正されることから、それから導かれる各測定量が修正されることである。この場合、期待値演算は、付加雑音だけでなく与えられる送信シンボルに対しての事前確率についても期待値を取るものとして拡張される。また、事前確率は対数尤度比から求められる。以下に詳細を示す。

［Ｓｏｆｔ−ＭＭＳＥによるシンボル推定の原理］
＜定義＞
１）事前確率による期待値
Ｐ（ｘ）を事前確率とする。測定値ｘに対しての関数である測定量Ｘの期待値Ｅ［Ｘ］を下記のように表す。

２）相関関数

＜公式＞

上記（６）式の第ｎ成分は、下記のように表される。

さらに、第ｎ番目のシンボルの推定および事後尤度を求めるためには、第ｎシンボル自身の事前確率の影響を除くべきことが仮定される。これは、下記を仮定することに対応する。

従って、最終的に下記の式を得る。

［対数尤度に対する確率］
＜定義＞

＜公式＞
１）ビット確率

２）シンボル確率

［Ｈａｒｄ−ＭＭＳＥ］
前述のＳｏｆｔ−ＭＭＳＥの特別な場合と解釈できる。即ち、前述の事前確率として、その時点での硬判定シンボルが確率１で選択されるように設定することに対応する。これにより、シンボルの期待値はこの時点で得られる「硬判定シンボル」に一致し、シンボルの分散σ_s ²は１である。従って、前述の公式（７）は、下記のように表すことができる。

ここで、ｗ_j ^Hは、Ｖ＝Ｉと置いた場合のウェイト行列Ｗの列ベクトルである（ＭＭＳＥと同様である）。

［ＭＭＳＥ−ＳＩＣ］
ＭＭＳＥ−ＳＩＣは、前述のＭＭＳＥに対して特性を改善する修正方式である。ＭＭＳＥ−ＳＩＣは、Ｖ−ＢＬＡＳＴ（Vertical Bell Laboratories Layered Space-Time）に相当しており、以下の説明はそれに沿って行う。Ｖ−ＢＬＡＳＴは、Ｈａｒｄ−ＭＭＳＥに対応している。これをＳｏｆｔ−ＭＭＳＥに拡張することも可能である。以下では、Ｈａｒｄ−ＭＭＳＥに対応するＭＭＳＥ−ＳＩＣを、ＭＭＳＥ−ＨＳＩＣ（MMSE-Hard-SIC）と呼ぶ。また、Ｓｏｆｔ−ＭＭＳＥに対応するＭＭＳＥ−ＳＩＣを、ＭＭＳＥ−ＳＳＩＣ（MMSE-Soft-SIC）と呼ぶ。

［ＭＭＳＥ−ＨＳＩＣ］
ＭＭＳＥ−ＨＳＩＣでは、はじめにＭＭＳＥを適用してウェイトによる変換が行われる。そして、後で説明する順番に従って、レイヤ毎の処理が行われる。第１のレイヤではＭＭＳＥと同様にシンボル推定が行われる。続いて、第２のレイヤでは、シンボル推定が行われる前に、第２のレイヤの受信信号成分に含まれる、第１のレイヤのシンボルによる干渉成分が抑制される。そして、干渉雑音が抑制された受信信号に対してシンボル推定が行われる。干渉成分は、推定シンボルから求められる。これを「レプリカ」と呼ぶ。以下同様に、逐次的に、第ｉ＋１番目のレイヤは、第ｉ番目までの推定シンボルによるレプリカにより、干渉成分が除去された受信信号から、ＭＭＳＥと同様のシンボル推定が行われる。

なお、処理毎に逐次的に、推定され結果のＳＮＲが大きくなる順にシンボルが選択されることが好ましい。ただし、厳密にこの方法に従わなければ、大きく特性劣化が発生するというものではない。そのため、より効率的に順番を決定する方式も提案されている。以下で説明する「ＳＱＲＤ−ＭＭＳＥ−ＳＩＣ」は、そのうちの最良な方式の一つである。

以下では説明を簡単化するため、順番は適切に決定され、適当な行列の置換により選択されたレイヤは、常に、未処理のレイヤの、最後のインデックスに置き換えられるものとする。よってレイヤの処理の順番はｊ＝Ｎ，Ｎ−１，・・・，１という順番で実行されるものとする。

［手順詳細］
１）レイヤＮの処理
ＭＭＳＥと同様のウェイトを求めて受信信号に乗じる。受信信号のレイヤＮの成分に対してＭＬＤにより軟判定データを求める。

２）レイヤｉ＝Ｎ−１，・・・，１の処理
２−１）レプリカ生成
レイヤｉ＋１までの推定シンボル（硬判定シンボル）

をレプリカシンボルとする。
２−２）干渉キャンセル

２−３）ＭＬＤ
結果として得られる受信データ

をもとに、ＭＭＳＥと同様のウェイトを求めて受信信号に乗じる。受信信号のレイヤｉの成分に対してＭＬＤにより軟判定データを求める。

［補足］
前述の（８）式は、チャネルモデルの形で表すと、下記のように表される。

従って、第ｉ番目レイヤに対して、仮想的なチャネル応答行列

に対してのＭＭＳＥを適用することができる。

［ＭＭＳＥ−ＳＳＩＣ］
処理手順の大枠は「ＭＭＳＥ−ＨＳＩＣ」と同様である。異なる点は、ＭＭＳＥ−ＨＳＩＣにおける、ｉ＝Ｎ−１以降のレイヤ処理に対してＭＭＳＥを用いてシンボル推定を行う部分の処理が、Ｓｏｆｔ−ＭＭＳＥの処理に置き換わる点である。このとき、前提となる「事前確率」は、ｉ＋１番目のレイヤまでに求めた「事後対数尤度比」を対応させる。

［ＭＭＳＥ−ＰＩＣ］
ＭＭＳＥ−ＰＩＣは、前述のＭＭＳＥに対して特性を改善する修正方式である。ＭＭＳＥ−ＳＩＣと同様に、アルゴリズム内で事前確率の元でのＭＭＳＥを利用する方式であり、「Ｈａｒｄ−ＭＭＳＥ」および「Ｓｏｆｔ−ＭＭＳＥ」に対応して、二つの異なる方式があり、それぞれ「ＭＭＳＥ−ＨＰＩＣ」および「ＭＭＳＥ−ＳＰＩＣ」と呼ぶ。ＳＩＣがレイヤ毎に逐次的に処理を行う方式であるのに対し、ＰＩＣは、対象となるレイヤ以外のレイヤについては、この時点での事後確率を前提として処理を行う方式である。

［ＭＭＳＥ−ＨＰＩＣ］
ＭＭＳＥ−ＨＰＩＣの要素復調処理では、全てのレイヤｊ＝１，・・・，Ｎに対して、Ｈａｒｄ−ＭＭＳＥがそれぞれ適用される。それぞれについては、互いに結果が影響しないため、処理順は任意に取ることができる。以下に詳細を説明する。

［手順概要］
・レイヤの処理順は、ｊ＝１，・・・，Ｎとする。
・要素復調処理が規定の回数繰り返される。
・繰り返し処理の前に初期処理としてＭＭＳＥが実行され、各レイヤのシンボル推定が行われる。
・上記事前確率を前提として、以下の要素復調処理が繰り返される。
・レイヤ毎のシンボル推定においてＨａｒｄ−ＭＭＳＥが適用される。
・すなわち、現時点の推定シンボルから得られるレプリカを生成し、受信データから除去することにより、受信データのベクトルに含まれる他のレイヤの干渉成分が除去される。
・結果の受信信号に対して、ＭＭＳＥを適用する。

［手順詳細］
＜初期処理＞
１）ＭＭＳＥ
受信データｙ、チャネル応答行列Ｈに対して、前述のＭＭＳＥを実行することにより、各レイヤのシンボル成分の、各ビットに対しての対数尤度比（軟判定データ）を求める。

＜要素復調処理＞
規定の回数だけ以下の処理を繰り返す。
１）シンボル推定
初期処理、あるいは、前回の要素復調処理の結果の硬判定シンボルを推定シンボル

とする。
２）レプリカ生成およびキャンセル
各レイヤｊ＝１，・・・，Ｎについて以下を順に実行する。

３）軟判定データ生成
各レイヤｊ＝１，・・・，Ｎについて以下を順に実行する。
入力データ

に対して、アンテナ構成１×ＭでのＭＭＳＥを適用し尤度を生成する。

［ＭＭＳＥ−ＳＰＩＣ］
ＭＭＳＥ−ＳＰＩＣでは、ＭＭＳＥ−ＨＰＩＣにおけるＨａｒｄ−ＭＭＳＥの部分の処理を、Ｓｏｆｔ−ＭＭＳＥの処理に置き換えたものである。

＜要素復調処理＞
規定の回数だけ以下の処理を繰り返す。
１）シンボル推定（期待値生成）
初期処理、あるいは、前回の要素復調処理の結果の対数尤度比を事前確率に対応させ、シンボルの期待値

を求める。
２）レプリカ生成およびキャンセル
各レイヤｊ＝１，・・・，Ｎについて以下を順に実行する。

［ＱＲＤ−ＬＤ−ＳＩＣ］
ＱＲＤ−ＬＤ−ＳＩＣでは、初めにチャネル応答行列に対してのＱＲ分解を行い、そこで得られる直交行列により、受信信号ベクトルの座標変換を行う。これにより、受信信号ベクトルのチャネルモデルに含まれる、他シンボル干渉成分の半分を削除することができる。ＱＲＤ−ＬＤ−ＳＩＣは、シンボル間干渉が少ないレイヤから順に、線形検出法とＳＩＣとを組み合わせた処理を行う方式である。線形検出法としてはＺＦ（Zero Forcing）とＭＭＳＥの両方を適用することができ、それぞれ「ＱＲＤ−ＺＦ−ＳＩＣ」、「ＱＲＤ−ＭＭＳＥ−ＳＩＣ」と呼ぶ。

［ＱＲＤ−ＺＦ−ＳＩＣ］
ＱＲＤ−ＺＦ−ＳＩＣは、チャネル応答行列をＱＲ分解し、このとき得られる直交行列により受信信号の変換を行う方式である。ここでは、説明を簡略するため、処理順序は予め決められた順に行列の順序が置換されているものと仮定した上でのレイヤ毎の処理の詳細を示す。

［手順詳細］
＜前処理＞
１）ＱＲ分解
チャネル応答行列に対してＱＲ分解を適用する。

ここでＱは、下記の関係を満たすユニタリ行列である。

また、Ｒは、下記に示す要素を持つ上三角行列である。

２）受信データのＱ変換
受信信号ベクトルが直交行列Ｑにより線形変換される。これにより、チャネル応答行列が行列Ｒに変換される。

成分表示では、以下のように表される。

＜主要処理＞
１）レイヤｊ＝Ｎの処理
受信データのチャネルモデルは以下のように表される。

１−１）同期検波

１−２）軟判定データ生成

に対して１シンボルのＭＬＤを実行することにより、各ビットの尤度を求める。
１−３）シンボル推定
ｉ）硬判定
最も近いシンボルが選択される。

ここで、Ｑ（・）は、選択関数（「量子化関数」とも呼ばれる）である。
ii）軟判定
尤度からシンボルの確率を生成し期待値を求める。

２）レイヤｊ＝Ｎ−１，・・・，１の処理
２−１）レプリカ生成およびキャンセル

２−２）同期検波

２−３）軟判定データ生成

に対して１シンボルのＭＬＤにより、各ビットの尤度を求める。
２−４）シンボル推定
ｉ）硬判定
最も近いシンボルが選択される。

ii）軟判定
尤度からシンボルの確率を生成し期待値を求める。

［ＱＲＤ−ＭＭＳＥ−ＳＩＣ］
ＱＲＤ−ＭＭＳＥ−ＳＩＣでは、ＺＦで生じた雑音成分の増幅を緩和することと、ＱＲ分解によるＳＩＣ処理の簡単化を両立させる方式である。ＱＲ分解を適用するために「拡張チャネル応答行列」が導入される。これにより、以下で示すようにＭＭＳＥによるシンボル推定を、ＺＦと同様の形式に置き換えることが可能となる。

＜定義＞

＜公式＞

［ＳＱＲＤ−ＬＤ−ＳＩＣ］
ＱＲＤ−ＬＤ−ＳＩＣでは、推定シンボルのＳＮＲを指標としてレイヤの処理順について最適化を行うことを考慮すると、処理量が大きくなることが課題であった。そこで、ＳＱＲＤ−ＤＬ−ＳＩＣでは、予めレイヤ処理の順序を決定するものとする。また、その処理順の決定方法としては、電力が小さい順番にＱＲ分解における基底の順番を求め、このように決定された順番の逆順を、処理の順序とする。このようなＱＲ分解を「ＳＱＲＤ（Sorted-QRD）」方式と呼ぶ。これにより、ＱＲ分解はたった１回のみで処理順は決定され、ＳＩＣ処理は処理順の決定と完全に分離された形で実行できるようになり、処理量は大幅に削減される。なお、ＳＱＲＤ方式のＳＩＣに対しても、ＳＳＩＣとＨＳＩＣとをそれぞれ適用可能である。また、ＳＱＲＤ方式が適用されたＱＲＤ−ＭＭＳＥ−ＳＩＣを、ＳＱＲＤ−ＭＭＳＥ−ＳＩＣと呼ぶ。

［ＳＱＲＤ−ＭＭＳＥ−ＨＳＩＣ］
基本的な手順は、最適シンボル推定の範囲で、元の基底の復調方式における「ＳＱＲＤ−ＭＭＳＥ−ＳＩＣ」と同様である。格子縮小基底変換は、一般的に利用できるものとして例示した方法で行う。ただし、この場合は、ＱＲＤ−ＭＭＳＥであることに合わせて、拡張チャネル応答行列に基づくＬＬＬアルゴリズムとなる。これは、一方ではＱＲ分解の一方式としても解釈される。ＬＬＬアルゴリズムは、まさに大きさが「小さい」基底ベクトルから順に選択するアルゴリズムとなっており、ＳＱＲＤによる処理順の決定に適合している。よって、この方法によって決定される順番を処理順として利用することができる。

［手順詳細］
＜前処理＞
以下はチャネルの値が一定とみなせる、処理単位ブロックについて１回実行される。
１）格子基底変換およびＱＲ変換
ＬＬＬアルゴリズム等を用いて格子縮小基底変換を実行する。

格子縮小基底変換行列および逆行列を求める。
ここでは、一例として、チャネル応答行列をＱＲ変換した形で、格子縮小基底変換を行うものとする。従って、元の基底のＱＲ分解

を初期状態として、格子縮小基底変換アルゴリズムにより変換後のＱＲ分解

を直接的に求める。

＜主要処理＞
以下の処理は、ブロック内の全てのシンボル毎に適用される。
１）直交行列Ｑを用いて受信信号ベクトルを線形変換
これにより、拡張チャネル応答行列が上三角行列に変換される。

２）レイヤｊ＝Ｎの処理
受信データのチャネルモデルは、以下のように表される。

２−１）同期検波

２−２）軟判定データ生成

に対して１シンボルのＭＬＤを実行することにより、各ビットの尤度を求める。
２−３）シンボル推定
最も近いシンボルを推定シンボルとして選択する。

３）レイヤｊ＝Ｎ−１，・・・，１の処理
３−１）レプリカ生成およびキャンセル

３−２）同期検波

３−３）シンボル推定
最も近いシンボルを推定シンボルとして選択する。

４）元の基底への逆変換
元の基底での表現に逆変換を行う。ただし、この結果は元の基底で変調シンボルに対応しているとは限らない。そこで、範囲を超える場合にはクリッピング処理が行われる。
４−１）逆変換

４−２）クリッピング

次に、実施例１について説明する。本実施例では、図１の通信システム１０を前提とする。より具体的なシステムの例としては、３ＧＰＰ（Third Generation Partnership Project）のＬＴＥ（Long Term Evolution）およびＬＴＥ−Ａｄｖａｎｃｅｄにおける下りのデータパケットチャネルを想定する。下りのデータパケットチャネルとしては、例えばＰＤＳＣＨ（Physical Downlink Shared Channel）を想定する。

図３は、復調装置２０の一例を示すブロック図である。復調装置２０は、第１の変換部２１、第１の算出部２２、第２の変換部２３、および第２の算出部２４を有する。

第１の変換部２１は、チャネル応答行列を直交行列と上三角行列との積に分解する。また、第１の変換部２１は、チャネル応答行列について格子縮小基底変換行列およびその逆行列を算出し、直交行列と上三角行列とをそれぞれ格子縮小基底変換する。

第１の算出部２２は、格子縮小基底変換された直交行列を用いて、受信信号に対して格子縮小基底上での線形検出を実行することにより、格子縮小基底上でのシンボルの期待値を算出する。本実施例において、第１の算出部２２は、シンボルの期待値として、硬判定シンボルを出力する。本実施例において、第１の算出部２２によって実行される、格子縮小基底上での線形検出法としては、例えばＳＱＲＤ−ＭＭＳＥ−ＨＳＩＣが用いられる。

第２の変換部２３は、第１の算出部２２によって算出されたシンボルの期待値を、格子縮小基底から元の基底に逆変換する。

第２の算出部２４は、第２の変換部２３によって逆変換されたシンボルの期待値に対して元の基底上で干渉キャンセル法を実行し、軟判定データを算出する。本実施例において、第２の算出部２４によって実行される、元の基底上での干渉キャンセル法としては、例えばＭＭＳＥ−ＨＰＩＣが用いられる。

［手順の詳細］
＜前処理＞
第１の変換部２１は、チャネルの値が一定とみなせる処理単位ブロックについて例えば１回、以下の手順で前処理を実行する。
１）格子基底変換およびＱＲ変換
第１の変換部２１は、例えばＬＬＬアルゴリズム等を用いて、ＭＩＭＯ受信器１２０から受信したチャネル応答行列Ｈに基づいて下記に示す格子縮小基底変換を実行し、変換行列およびその逆行列を算出する。

また、第１の変換部２１は、例えばＬＬＬアルゴリズム等を用いて、拡張チャネル応答行列を、直交行列および上三角行列にＱＲ分解し、ＱＲ分解した形で格子縮小基底変換を行う。従って、第１の変換部２１は、下記に示す元の格子のＱＲ分解を初期状態として、格子縮小基底変換アルゴリズムを実行する。

そして、第１の変換部２１は、下記に示すように、格子縮小基底変換後のＱＲ分解を求める。

そして、第１の変換部２１は、格子縮小基底変換行列、その逆行列、格子縮小基底変換後の直交行列、および格子縮小基底変換後の上三角行列を、第１の算出部２２へ出力する。

＜主要処理＞
第１の算出部２２は、ブロック内の全てのシンボルについて下記の処理を実行する。
１）直交行列を用いて受信信号ベクトルを線形変換
これにより、拡張チャネル応答行列が上三角行列に変換される。

２）レイヤｊ＝Ｎ，・・・，１の処理
受信データのチャネルモデルは下記のように表される。

２−１）レプリカ生成およびキャンセル
ｊ＝Ｎの場合、第１の算出部２２は、下記の式に基づいて、レプリカ生成およびキャンセルを実行する。

ｊ＜Ｎの場合、第１の算出部２２は、下記の式に基づいて、レプリカ生成およびキャンセルを実行する。

２−２）同期検波
第１の算出部２２は、下記の算出式に基づいて同期検波を行う。

２−３）シンボル推定
第１の算出部２２は、下記の算出式に基づいて、硬判定を行う。そして、第１の算出部２２は、最も近いシンボルを選択し、選択された硬判定シンボルを、推定シンボルとして第２の変換部２３へ出力する。

ここで、

は、雑音を含む推定シンボルを示し、

は、雑音を含まない、格子上に推定された推定シンボルを示す。

３）元の基底への逆変換
次に、第２の変換部２３は、第１の算出部２２によって推定されたシンボルを、元の格子縮小基底の表現に逆変換する。ただし、この結果は元の格子基底で変調シンボルに対応しているとは限らない。そこで、第２の変換部２３は、範囲を超える場合にはクリッピング処理を行う。
３−１）逆変換
第２の変換部２３は、下記の式に基づいて逆変換を行う。

３−２）クリッピング
第２の変換部２３は、下記の式に基づいてクリッピングを行う。

４）ＭＭＳＥ−ＨＰＩＣの要素復調処理
次に、第２の算出部２４は、第２の変換部２３によって元の基底に逆変換された推定シンボルを用いて、ＭＭＳＥ−ＨＰＩＣの要素復調処理の処理をｋ_max回繰り返す。ｋ_maxは、繰り返し回数を規定する定数である。本実施例において、ｋ_maxの値は例えば２である。

なお、通常のＭＭＳＥ−ＨＰＩＣでは、前述のように、初期処理により硬判定シンボルが算出され、算出された硬判定シンボルを用いて要素復調処理が実行される。これに対し、本実施例におけるＭＭＳＥ−ＨＰＩＣの要素復調処理では、第２の算出部２４は、ｋ_max回の繰り返しのうち、最初の１回目の処理では、第２の変換部２３によって元の基底に逆変換された硬判定シンボルを用いて要素復調処理を実行する。そして、ｋ_max回の繰り返しのうち、２回目以降の処理では、第２の算出部２４は、前回のＭＭＳＥ−ＨＰＩＣの要素復調処理の過程で算出された硬判定シンボルを用いて要素復調処理を実行する。

４−１）レプリカ生成およびキャンセル
第２の算出部２４は、各レイヤｊ＝１，・・・，Ｎについて、下記の式に基づいて、レプリカの生成およびキャンセルを実行する。

４−２）軟判定データ生成
第２の算出部２４は、各レイヤｊ＝１，・・・，Ｎについて、

を入力データとし、１×Ｍのアンテナ構成において、前述のＭＭＳＥを実行することにより、軟判定データを生成する。そして、第２の算出部２４は、４−１）および４−２）で説明した処理をｋ回繰り返した後、生成した軟判定データを復号器１２１へ出力する。

［復調装置２０の動作］
図４は、実施例１における復調処理の一例を示すフローチャートである。例えば、ＭＩＭＯ受信器１２０から受信信号データが出力される都度、復調装置２０は、本フローチャートに示す復調処理を開始する。

まず、第１の変換部２１は、リソースブロックの先頭のデータがＭＩＭＯ受信器１２０から出力されたか否かを判定する（Ｓ１００）。リソースブロックの先頭のデータがＭＩＭＯ受信器１２０から出力されていない場合（Ｓ１００：Ｎｏ）、第１の算出部２２は、ステップＳ２００に示す処理を実行する。

一方、リソースブロックの先頭のデータがＭＩＭＯ受信器１２０から出力された場合（Ｓ１００：Ｙｅｓ）、第１の変換部２１は、前述の＜前処理＞を実行する。具体的には、第１の変換部２１は、ＬＬＬアルゴリズム等を用いて、拡張チャネル応答行列に基づいて格子縮小基底変換を実行する。そして、第１の変換部２１は、変換行列およびその逆行列を算出する。

また、第１の変換部２１は、拡張チャネル応答行列に対してＱＲ分解を適用し、チャネル応答行列を直交行列と上三角行列との積に分解する。そして、第１の変換部２１は、拡張チャネル応答行列をＱＲ分解した形で格子縮小基底変換を実行する。そして、第１の変換部２１は、格子縮小基底変換行列、その逆行列、格子縮小基底変換後の直交行列、および格子縮小基底変換後の上三角行列を、第１の算出部２２へ出力する（Ｓ１０１）。

次に、第１の算出部２２は、後述する第１の処理を実行することにより、格子縮小基底変換された直交行列を用いて、受信信号に対して格子縮小基底上での線形検出を実行し、格子縮小基底上でのシンボルの期待値を算出する（Ｓ２００）。第１の処理には、前述の＜主要処理＞のうち、「１）直交行列を用いて受信信号ベクトルを線形変換」する処理、および、「２）レイヤｊ＝Ｎ，・・・，１の処理」が含まれる。本実施例において、シンボルの期待値は、硬判定シンボルである。そして、第２の変換部２３は、第１の算出部２２から出力された硬判定シンボルを、格子縮小基底から元の基底の表現に逆変換する（Ｓ１０２）。そして、第２の変換部２３は、所定の範囲を超える硬判定シンボルをクリッピングする（Ｓ１０３）。

次に、第２の算出部２４は、後述する第２の処理を実行することにより、逆変換された硬判定シンボルに対して元の基底上で干渉キャンセル法を実行し、軟判定データを生成する（Ｓ３００）。そして、第２の算出部２４は、生成した軟判定データを復号器１２１へ出力する。第２の処理には、前述の＜主要処理＞のうち、「４）ＭＭＳＥ−ＨＰＩＣの要素復調処理」が含まれる。そして、復調装置２０は、本フローチャートに示した処理を終了する。

［第１の処理］
図５は、実施例１における第１の処理の一例を示すフローチャートである。

まず、第１の算出部２２は、変数ｉに送信アンテナ数（レイヤ数）Ｎをセットする（Ｓ２０１）。そして、第１の算出部２２は、変数ｉの値が１以上か否かを判定する（Ｓ２０２）。変数ｉの値が１以上である場合（Ｓ２０２：Ｙｅｓ）、第１の算出部２２は、変数ｉの値がＮか否かを判定する（Ｓ２０３）。

変数ｉの値がＮである場合（Ｓ２０３：Ｙｅｓ）、第１の算出部２２は、前述の（９）式に基づいて、受信信号ベクトルを線形変換する。そして、第１の算出部２２は、前述の（１０）式に基づいて、レプリカの生成およびキャンセルを行い（Ｓ２０４）、ステップＳ２０６に示す処理を実行する。

一方、変数ｉの値がＮではない場合（Ｓ２０３：Ｎｏ）、第１の算出部２２は、前述の（９）式に基づいて、受信信号ベクトルを線形変換する。そして、第１の算出部２２は、前述の（１１）式に基づいて、レプリカの生成およびキャンセルを行う（Ｓ２０５）。そして、第１の算出部２２は、前述の（１２）式に基づいて、干渉成分がキャンセルされた受信信号ベクトルに対して同期検波を行う（Ｓ２０６）。

次に、第１の算出部２２は、同期検波の出力に対して選択関数を適用して硬判定を行い、シンボルの推定を行う（Ｓ２０７）。そして、第１の算出部２２は、推定シンボルを第２の変換部２３へ出力する。そして、第１の算出部２２は、変数ｉから１を減じ（Ｓ２０８）、再びステップＳ２０２に示した処理を実行する。一方、変数ｉの値が１未満となった場合（Ｓ２０２：Ｎｏ）、第１の算出部２２は、本フローチャートに示した第１の処理を終了する。

［第２の処理］
図６は、実施例１における第２の処理の一例を示すフローチャートである。

まず、第２の算出部２４は、繰り返し回数をカウントする変数ｋに１をセットする（Ｓ３０１）。そして、第２の算出部２４は、変数ｋの値が、ｋ_max以下か否かを判定する（Ｓ３０２）。変数ｋの値がｋ_max以下である場合（Ｓ３０２：Ｙｅｓ）、第２の算出部２４は、変数ｉに送信アンテナ数（レイヤ数）Ｎをセットする（Ｓ３０３）。そして、第２の算出部２４は、変数ｉの値が１以上か否かを判定する（Ｓ３０４）。

変数ｉの値が１以上である場合（Ｓ３０４：Ｙｅｓ）、第２の算出部２４は、変数ｋの値が１か否かを判定する（Ｓ３０５）。変数ｋの値が１である場合（Ｓ３０５：Ｙｅｓ）、第２の算出部２４は、第１の算出部２２によって算出された硬判定シンボルを推定シンボルとして選択する（Ｓ３０６）。一方、変数ｋの値が１ではない場合（Ｓ３０５：Ｎｏ）、第２の算出部２４は、前回（１つ前の繰り返し処理）における軟判定データ生成（後述するステップＳ３０９の処理）の過程で算出された硬判定シンボルを、推定シンボルとして選択する（Ｓ３０７）。

次に、第２の算出部２４は、ステップＳ３０６またはＳ３０７において選択された推定シンボルを用いて、前述の（１４）式に基づいて、レプリカの生成およびキャンセルを行う（Ｓ３０８）。そして、第２の算出部２４は、干渉成分がキャンセルされた受信信号ベクトルを入力として、１×Ｍのアンテナ構成において、前述のＭＭＳＥを実行することにより、軟判定データを生成する（Ｓ３０９）。そして、第２の算出部２４は、変数ｉから１を減じ（Ｓ３１０）、再びステップＳ３０４に示した処理を実行する。

一方、変数ｉの値が１未満になった場合（Ｓ３０４：Ｎｏ）、第２の算出部２４は、変数ｋに１を加え（Ｓ３１１）、再びステップＳ３０２に示した処理を実行する。また、変数ｋの値がｋ_maxより大きい場合（Ｓ３０２：Ｎｏ）、第２の算出部２４は、推定シンボル毎の軟判定データを復号器１２１へ出力し、本フローチャートに示した処理を終了する。

上述したように、本実施例の復調装置２０によれば、格子縮小基底上で線形検出を行って仮の最適シンボルを求め、求めた仮の最適シンボルに対して、元の基底で、干渉キャンセル法を適用することにより、軟判定データを出力する。これにより、格子縮小法が適用されたＱＲＭ−ＭＬＤよりも処理量を削減することができると共に、格子縮小法が適用されたＱＲＭ−ＭＬＤと同等の受信性能を得ることができる。

次に、実施例２について説明する。実施例１では、格子縮小基底上での線形検出法において硬判定シンボルが推定される。これに対し、本実施例では、格子縮小基底上での線形検出法において軟判定シンボルが推定される点が実施例１とは異なる。格子縮小基底上での線形検出において軟判定シンボル推定を行う本実施例の方法を、ＳＱＲＤ−ＭＭＳＥ−ＳＳＩＣと呼ぶ。

また、本実施例において、格子縮小基底上での線形検出において推定される軟判定シンボルは、送信シンボルの候補そのものでなく、確率分布を重みとして算出される期待値となる。本実施例では、格子縮小基底上での線形検出により算出されたシンボルの期待値を、元の基底に逆変換した後、ＭＭＳＥ−ＳＰＩＣを用いた干渉キャンセル法により尤度データを求める。最適シンボルの期待値を求めるためには、格子縮小基底上で、各レイヤのシンボル毎に期待値を求めることになる。そのため、格子縮小基底上での、各レイヤのシンボルが取り得る値の範囲を推定する。

［手順詳細］
＜前処理＞
実施例１において説明した処理と同様であるため、説明を省略する。

＜主要処理＞
１）直交行列を用いて受信信号ベクトルを線形変換
実施例１において説明した処理と同様であるため、説明を省略する。

２）レイヤｊ＝Ｎ，・・・，１の処理
２−１）レプリカ生成およびキャンセル
実施例１において説明した処理と同様であるため、説明を省略する。
２−２）同期検波
実施例１において説明した処理と同様であるため、説明を省略する。
２−３）シンボル範囲の推定
第１の算出部２２は、ｊ＋１以上のレイヤにおいて、現時点での最適シンボルを仮定し、下記の変換式により、元のシンボルの取り得る値の条件を満たす範囲を算出する。

算出された値の範囲に含まれるシンボルの集合は下記のように表される。

２−４）シンボル期待値演算
第１の算出部２２は、下記の算出式を用いて、シンボル期待値を算出する。

上記の（１５）式では、雑音がガウス分布であることを仮定している。ここで、Ｌ_j（ｚ）は、候補シンボルｚのメトリックであり、格子縮小基底が直交関係に近いことから、以下のように表すことができる。

３）元の基底への逆変換
３−１）逆変換
第２の変換部２３は、下記の式に基づいて、第１の算出部２２によって算出されたシンボルの期待値を、格子縮小基底から元の基底に逆変換する。

３−２）クリッピング
実施例１において説明した処理と同様であるため、説明を省略する。

４）ＭＭＳＥ−ＳＰＩＣの要素復調処理
次に、第２の算出部２４は、第２の変換部２３によって元の基底に逆変換されたシンボル期待値を用いて、以下の処理をｋ_max回繰り返す。なお、通常のＭＭＳＥ−ＳＰＩＣでは、前述のように、初期処理により軟判定シンボルが算出され、算出された軟判定シンボルを用いて要素復調処理が実行される。

これに対し、本実施例におけるＭＭＳＥ−ＳＰＩＣの要素復調処理では、第２の算出部２４は、ｋ_max回の繰り返しのうち、最初の１回目の処理では、第２の変換部２３によって元の基底に逆変換された期待値を用いて要素復調処理を実行する。一方、ｋ_max回の繰り返しのうち、２回目以降の処理では、第２の算出部２４は、前回のＭＭＳＥ−ＳＰＩＣによって算出されたシンボルの期待値を用いて要素復調処理を実行する。

４−１）レプリカ生成およびキャンセル
第２の算出部２４は、各レイヤｊ＝１，・・・，Ｎについて、前述の（１４）式に基づいて、レプリカの生成およびキャンセルを実行する。なお、繰り返し回数ｋが１の場合、第２の算出部２４は、第２の変換部２３によって元の基底に逆変換された期待値を、（１４）式における推定シンボルに代入してレプリカの生成およびキャンセルを実行する。一方、繰り返し回数ｋが２以上の場合、第２の算出部２４は、前回のＭＭＳＥ−ＳＰＩＣによって算出されたシンボルの期待値を、（１４）式における推定シンボルに代入してレプリカの生成およびキャンセルを実行する。
４−２）軟判定データ生成
第２の算出部２４は、各レイヤｊ＝１，・・・，Ｎについて、

を入力データとし、１×Ｍのアンテナ構成において、前述のＭＭＳＥを実行することにより、軟判定データを生成する。
４−３）軟判定シンボル推定
第２の算出部２４は、生成した軟判定データを事前確率に対応させ、シンボルの期待値

を求める。

［復調装置２０の動作］
本実施例における復調装置２０の動作の概要は、図４を用いて説明した実施例１における動作と同様である。ただし、本実施例における第１の処理（Ｓ２００）および第２の処理（Ｓ３００）は、実施例１とは一部が異なる。

［第１の処理］
図７は、実施例２における第１の処理の一例を示すフローチャートである。なお、以下に説明する点を除き、図７において、図５と同じ符号を付した処理は、図５において説明した処理と同様であるため説明を省略する。

ステップＳ２０６に示した処理の後、第１の算出部２２は、ｊ＋１以上のレイヤにおいて、現時点での最適シンボルを仮定し、元のシンボルの取り得る値の条件を満たす範囲を推定する（Ｓ２２０）。次に、第１の算出部２２は、前述の（１５）式に基づいて、シンボル期待値を推定する（Ｓ２２１）。そして、第１の算出部２２は、ステップＳ２０８に示した処理を実行する。

［第２の処理］
図８は、実施例２における第２の処理の一例を示すフローチャートである。なお、以下に説明する点を除き、図８において、図６と同じ符号を付した処理は、図６において説明した処理と同様であるため説明を省略する。

変数ｋの値が１である場合（Ｓ３０５：Ｙｅｓ）、第２の算出部２４は、第１の算出部２２によって算出された期待値を推定シンボルとして選択する（Ｓ３３０）。一方、変数ｋの値が１ではない場合（Ｓ３０５：Ｎｏ）、第２の算出部２４は、前回（１つ前の繰り返し処理）におけるシンボル期待値推定（後述するステップＳ３３３の処理）によって算出された期待値を、推定シンボルとして選択する（Ｓ３３１）。

次に、第２の算出部２４は、ステップＳ３３０またはＳ３３１において選択された推定シンボルを用いて、前述の（１４）式に基づいて、レプリカの生成およびキャンセルを実行する（Ｓ３３２）。そして、第２の算出部２４は、ＭＭＳＥを実行して軟判定データを生成した後（Ｓ３０９）、生成した軟判定データを事前確率に対応させ、シンボルの期待値を算出する（Ｓ３３３）。そして、第２の算出部２４は、ステップＳ３１０に示した処理を実行する。

［シミュレーション結果］
図９は、実施例２における復調装置２０の受信特性（ＢＬＥＲ：Block Error Rate）のシミュレーション結果の一例を示す図である。図９では、比較のため、Ｆｕｌｌ−ＭＬＤ、格子縮小基底におけるＱＲＭ−ＭＬＤ（Ｍ＝３）、ＭＭＳＥ、およびＭＭＳＥ−ＳＰＩＣの受信特性も併せて示されている。なお、図９に示したＭＭＳＥおよびＭＭＳＥ−ＳＰＩＣは、格子縮小基底ではなく元の基底での処理である。また、図９に示したシミュレーションの条件は、情報ビットサイズＫが１５３６、変調方式が１６ＱＡＭ、符号化率Ｒが８／９、送信および受信のアンテナ数が２×２としている。また、フェージングモデルとしては、レイリーフェージングを仮定している。

図９に示すように、本実施例の復調装置２０は、代表的な線形検出法である、ＭＭＳＥやＭＭＳＥ−ＳＰＩＣよりも、受信特性が良好である。また、本実施例の復調装置２０は、Ｍ＝３の場合の格子縮小基底におけるＱＲＭ−ＭＬＤよりも受信特性が良好である。また、本実施例の復調装置２０は、Ｆｕｌｌ−ＭＬＤに比べると、受信特性が多少劣るものの、Ｆｕｌｌ−ＭＬＤに近い受信特性が得られている。本実施例の復調装置２０は、格子縮小基底における線形検出と、干渉キャンセル法とを組み合わせた方式であり、ＭＬＤに比べて処理量が少ない。図９から明らかなように、本実施例の復調装置２０は、格子縮小法が適用されたＱＲＭ−ＭＬＤよりも処理量を削減することができると共に、格子縮小法が適用されたＱＲＭ−ＭＬＤと同等またはそれ以上の受信性能を得ることができる。

次に、実施例３について説明する。実施例２では、格子縮小基底上のＳＱＲＤ−ＭＭＳＥ−ＳＳＩＣにおいてシンボル期待値を生成する場合、各レイヤのシンボルが取り得る値の範囲を推定した。これに対し、本実施例３では、範囲の推定は行わず、最適な推定シンボル（硬判定シンボル）の周辺のシンボルの中から、最適な推定シンボルに近い順に、規定数のシンボルを選択して期待値を求める点が、実施例２とは異なる。

具体的には、実施例２に示した「２−２）同期検波」の後に、第２の算出部２４は、「２−３）シンボル範囲の推定」に代えて、前述の（１３）式を実行することにより、レイヤ毎に最適シンボルの推定を行う。そして、第２の算出部２４は、推定した最適シンボルの周辺に位置するシンボルの中から、最適シンボルからのユークリッド距離が短い順に、規定数のシンボルを選択する。そして、第２の算出部２４は、選択した所定数のシンボルを用いて、「２−４）シンボル期待値演算」を実行し、期待値を算出する。

次に、実施例４について説明する。実施例２では、格子縮小基底上のＳＱＲＤ−ＭＭＳＥ−ＳＳＩＣにおいてシンボル期待値を生成する場合、各レイヤのシンボルが取り得る値の範囲を推定し、推定した範囲内の全てのシンボルを対象としてシンボル期待値を算出した。これに対し、本実施例４では、最適な推定シンボル（硬判定シンボル）の周辺のシンボルであって、推定した範囲内のシンボルの中から、最適な推定シンボルに近い順に、規定数のシンボルを選択して期待値を求める点が、実施例２とは異なる。

具体的には、実施例２に示した「２−３）シンボル範囲の推定」の処理の後に、第２の算出部２４は、前述の（１３）式を実行することにより、レイヤ毎に最適シンボルの推定を行う。そして、第２の算出部２４は、推定したシンボル範囲内において、最適シンボルの周辺に位置するシンボルの中から、最適シンボルからのユークリッド距離が短い順に、規定数までのシンボルを選択する。そして、第２の算出部２４は、選択した所定数のシンボルを用いて、「２−４）シンボル期待値演算」を実行し、期待値を算出する。

次に、実施例５について説明する。実施例１では、格子縮小基底から元の基底に逆変換された後に実行される干渉キャンセル法として、ＭＭＳＥ−ＨＰＩＣが用いられる。これに対し、本実施例５では、格子縮小基底から元の基底に逆変換された後に実行される干渉キャンセル法として、ＭＭＳＥ−ＨＰＩＣが初めに１回実行され、その後に、ＭＭＳＥ−ＳＰＩＣが１回以上実行される。

［復調装置２０の動作］
図１０は、実施例５における復調処理の一例を示すフローチャートである。なお、以下に説明する点を除き、図１０において、図４と同じ符号を付した処理は、図４において説明した処理と同様であるため説明を省略する。

第２の変換部２３によってクリッピングが行われた後、第２の算出部２４は、後述する第３の処理を実行することにより、軟判定データを生成する（Ｓ４００）。第３の処理には、実施例１において説明した「４）ＭＭＳＥ−ＨＰＩＣの要素復調処理」が含まれる。

次に、第２の算出部２４は、第３の処理によって生成された軟判定データを元に、後述する第４の処理を実行することにより、軟判定データを生成する（Ｓ５００）。第４の処理には、実施例２において説明した「４）ＭＭＳＥ−ＳＰＩＣの要素復調処理」が含まれる。そして、復調装置２０は、本フローチャートに示した処理を終了する。

［第３の処理］
図１１は、実施例５における第３の処理の一例を示すフローチャートである。

まず、第２の算出部２４は、変数ｉに送信アンテナ数（レイヤ数）Ｎをセットする（Ｓ４０１）。そして、第２の算出部２４は、変数ｉの値が１以上か否かを判定する（Ｓ４０２）。変数ｉの値が１以上である場合（Ｓ４０２：Ｙｅｓ）、第２の算出部２４は、シンボル推定を行う（Ｓ４０３）。具体的には、第２の算出部２４は、第１の算出部２２によって算出された硬判定シンボルを、推定シンボルとして推定する。そして、第２の算出部２４は、ステップＳ４０３で推定した推定シンボルを用いて、前述の（１４）式に基づいて、レプリカの生成およびキャンセルを実行する（Ｓ４０４）。

次に、第２の算出部２４は、干渉成分がキャンセルされた受信信号ベクトルを入力として、１×Ｍのアンテナ構成において、前述のＭＭＳＥを実行することにより、軟判定データを生成する（Ｓ４０５）。そして、第２の算出部２４は、生成した軟判定データを事前確率に対応させ、シンボルの期待値を推定する（Ｓ４０６）。そして、第２の算出部２４は、変数ｉから１を減じ（Ｓ４０７）、再びステップＳ４０２に示した処理を実行する。

一方、変数ｉの値が１未満になった場合（Ｓ４０２：Ｎｏ）、第２の算出部２４は、本フローチャートに示した処理を終了する。

［第４の処理］
図１２は、実施例５における第４の処理の一例を示すフローチャートである。

まず、第２の算出部２４は、変数ｋに２をセットする（Ｓ５０１）。そして、第２の算出部２４は、変数ｋの値がｋ_max以下か否かを判定する（Ｓ５０２）。変数ｋの値がｋ_max以下である場合（Ｓ５０２：Ｙｅｓ）、第２の算出部２４は、変数ｉに送信アンテナ数（レイヤ数）Ｎをセットする（Ｓ５０３）。そして、第２の算出部２４は、変数ｉの値が１以上か否かを判定する（Ｓ５０４）。変数ｉの値が１以上である場合（Ｓ５０４：Ｙｅｓ）、第２の算出部２４は、変数ｋの値が２であるか否かを判定する（Ｓ５０５）。

変数ｋの値が２である場合（Ｓ５０５：Ｙｅｓ）、第２の算出部２４は、図１１を用いて説明した第３の処理によって推定された期待値を、推定シンボルとして選択する（Ｓ５０６）。一方、変数ｋの値が２ではない場合（Ｓ５０５：Ｎｏ）、第２の算出部２４は、第４の処理の中で、前回のシンボル期待値推定の処理（後述するステップＳ５１０の処理）において算出された期待値を、推定シンボルとして選択する（Ｓ５０７）。

次に、第２の算出部２４は、ステップＳ５０６またはＳ５０７において選択された推定シンボルを用いて、前述の（１４）式に基づいて、レプリカの生成およびキャンセルを実行する（Ｓ５０８）。そして、第２の算出部２４は、干渉成分がキャンセルされた受信信号ベクトルを入力として、１×Ｍのアンテナ構成において、前述のＭＭＳＥを実行することにより、軟判定データを生成する（Ｓ５０９）。そして、第２の算出部２４は、生成した軟判定データを事前確率に対応させ、シンボルの期待値を推定する（Ｓ５１０）。そして、第２の算出部２４は、変数ｉから１を減じ（Ｓ５１１）、再びステップＳ５０４に示した処理を実行する。

一方、変数ｉの値が１未満になった場合（Ｓ５０４：Ｎｏ）、第２の算出部２４は、変数ｋに１を加え（Ｓ５１２）、再びステップＳ５０２に示した処理を実行する。また、変数ｋの値がｋ_maxより大きくなった場合（Ｓ５０２：Ｎｏ）、第２の算出部２４は、推定シンボル毎の軟判定データを復号器１２１へ出力し、本フローチャートに示した処理を終了する。

［その他］
なお、上記した実施例１において、第２の算出部２４は、元の基底上での干渉キャンセル法としてＭＭＳＥ−ＨＰＩＣを実行するが、開示の技術はこれに限られない。例えば、実施例１における第２の算出部２４は、元の基底上での干渉キャンセル法としてＭＭＳＥ−ＳＰＩＣを実行してもよい。また、上記した各実施例において、第２の算出部２４は、元の基底上での干渉キャンセル法としてＰＩＣを実行するが、開示の技術はこれに限られない。例えば、各実施例における第２の算出部２４は、元の基底上での干渉キャンセル法としてＳＩＣ、特にＳＳＩＣを実行してもよい。

［ハードウェア］
なお、これまで説明した図に示された各部の各構成要素は、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各部の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況等に応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。

さらに、各装置で行われる各種処理機能は、ＣＰＵ（Central Processing Unit）（またはＭＰＵ（Micro Processing Unit）、ＭＣＵ（Micro Controller Unit）等のマイクロ・コンピュータ）上で、その全部または任意の一部を実行するようにしてもよい。また、各種処理機能は、ＣＰＵ（またはＭＰＵ、ＭＣＵ等のマイクロ・コンピュータ）で解析実行するプログラム上、またはワイヤードロジックによるハードウェア上で、その全部または任意の一部を実行するようにしてもよいことは言うまでもない。

ところで、上記した実施例で説明した各種の処理は、予め用意されたプログラムを通信装置で実行することで実現される。そこで、以下では、上記した実施例と同様の機能を有する通信装置の一例を説明する。図１３は、復調装置の機能を実現する通信装置の一例を示す図である。

図１３において、復調処理プログラムを実行する通信装置４０は、無線通信インターフェイス４１、操作インターフェイス４２、表示インターフェイス４３、ＣＰＵ４４、ＲＡＭ４５、およびＲＯＭ４６を有する。

ＲＯＭ４６には、例えば図１３に示すように、復調処理プログラム４６０が予め記憶される。ＣＰＵ４４は、復調処理プログラム４６０をＲＯＭ４６から読み出してＲＡＭ４５に展開する。復調処理プログラム４６０は、図３に示した各々の構成要素と同様、適宜統合または分離してもよい。また、ＲＯＭ４６に格納される各データは、常に全てのデータがＲＯＭ４６内に格納される必要はなく、処理に必要なデータのみがＲＯＭ４６に格納されればよい。

ＣＰＵ４４は、復調処理プログラム４６０を、復調処理プロセス４５０として機能させる。復調処理プロセス４５０は、ＲＯＭ４６から読み出した各種データを適宜ＲＡＭ４５上の自身に割り当てられた領域に展開し、展開した各種データに基づいて各種処理を実行する。上記した各実施例では、ＣＰＵ４４が、復調処理プログラム４６０を読み込んで実行することにより、第１の変換部２１、第１の算出部２２、第２の変換部２３、および第２の算出部２４と同様の機能を発揮する。

また、上記した実施例１、３、および４における復調処理プロセス４５０は、図３に示した第１の変換部２１、第１の算出部２２、第２の変換部２３、および第２の算出部２４において実行される処理、例えば図４から図６に示した処理を実行する。また、上記した実施例２における復調処理プロセス４５０は、図３に示した第１の変換部２１、第１の算出部２２、第２の変換部２３、および第２の算出部２４において実行される処理、例えば図７および図８に示した処理を実行する。また、上記した実施例５における復調処理プロセス４５０は、図３に示した第１の変換部２１、第１の算出部２２、第２の変換部２３、および第２の算出部２４において実行される処理、例えば図９から図１１に示した処理を実行する。なお、ＣＰＵ４４によって仮想的に実現される各処理部は、全ての処理部がＣＰＵ４４によって常に実現される必要はなく、処理に必要な処理部のみが仮想的に実現されればよい。

また、上記の復調処理プログラム４６０については、必ずしも最初からＲＯＭ４６内に記憶させておく必要はない。例えば、通信装置４０に挿入されるメモリカードなどの可搬型記録媒体に各プログラムが記憶され、通信装置４０がこのような可搬型記録媒体から各プログラムを取得して実行するようにしてもよい。また、各プログラムを記憶させた他のコンピュータまたはサーバ装置などから、無線通信回線、公衆回線、インターネット、ＬＡＮ、ＷＡＮなどを介して、通信装置４０が各プログラムを取得して実行するようにしてもよい。

なお、上記した各実施例では、第１の変換部２１が、チャネル応答行列Ｈを、直交行列Ｑと上三角行列Ｒとの積にＱＲ分解し、チャネル応答行列について格子縮小基底変換行列Ｔおよびその逆行列Ｔ^-1を算出し、直交行列Ｑと上三角行列Ｒとをそれぞれ格子縮小基底変換する。そして、第１の算出部２２が、格子縮小基底変換された直交行列Ｑを用いて、受信信号に対して格子縮小基底上での線形検出を実行し、格子縮小基底上でのシンボルの期待値を算出する。しかし、開示の技術はこれに限られない。

例えば、第１の変換部２１は、チャネル応答行列ＨをＱＲ分解しなくてもよい。この場合、第１の変換部２１は、チャネル応答行列Ｈを格子縮小基底変換し、第１の算出部２２は、格子縮小基底変換されたチャネル行列を用いて、受信信号に対して格子縮小基底上での線形検出を実行し、格子縮小基底上でのシンボルの期待値を算出する。

なお、開示の技術を実施の形態を用いて説明したが、開示の技術の技術的範囲は上記実施の形態に記載の範囲には限定されない。上記実施の形態に多様な変更または改良を加えることが可能であることが当業者には明らかである。また、そのような変更または改良を加えた形態も開示の技術の技術的範囲に含まれ得ることが、特許請求の範囲の記載から明らかである。

１０通信システム
１２受信装置
１２０ＭＩＭＯ受信器
１２１復号器
２０復調装置
２１第１の変換部
２２第１の算出部
２３第２の変換部
２４第２の算出部

Claims

チャネル応答行列を格子縮小基底変換する第１の変換部と、
格子縮小基底変換された前記チャネル応答行列を用いて、受信信号に対して格子縮小基底上での線形検出を実行し、格子縮小基底上でのシンボルの期待値を算出する第１の算出部と、
前記シンボルの期待値を、格子縮小基底から元の基底に逆変換する第２の変換部と、
逆変換された前記シンボルの期待値に対して元の基底上で干渉キャンセル法を実行し、軟判定データを算出する第２の算出部と
を有することを特徴とする復調装置。
前記第１の算出部は、
格子縮小基底上で、同期検波による推定シンボルに対して適用した量子化関数の結果である硬判定シンボルを、前記シンボルの期待値として算出することを特徴とする請求項１に記載の復調装置。
前記第１の算出部は、
格子縮小基底上で、確率分布の重みによる期待値である軟判定シンボルを、前記シンボルの期待値として算出することを特徴とする請求項１に記載の復調装置。
前記第１の算出部は、
格子縮小基底上で、同期検波による推定シンボルに対して適用した量子化関数の結果である硬判定シンボルを算出し、レイヤ毎に、格子縮小基底上でシンボルが取り得る値の範囲を特定し、特定した範囲内のシンボルに対するガウス分布を前記確率分布として用いて前記シンボルの期待値を算出することを特徴とする請求項３に記載の復調装置。
前記第１の算出部は、
格子縮小基底上で、同期検波による推定シンボルに対して適用した量子化関数の結果である硬判定シンボルを算出し、レイヤ毎に、格子縮小基底上で、前記硬判定シンボルからのユークリッド距離が近い順に所定数のシンボルを選択し、選択したシンボルに対するガウス分布を前記確率分布として用いて前記シンボルの期待値を算出することを特徴とする請求項３に記載の復調装置。
前記第１の算出部は、
格子縮小基底上で、同期検波による推定シンボルに対して適用した量子化関数の結果である硬判定シンボルを算出し、レイヤ毎に、格子縮小基底でシンボルが取り得る値の範囲を特定し、特定した範囲内において、格子縮小基底における格子上で、前記硬判定シンボルからのユークリッド距離が近い順に所定数までのシンボルを選択し、選択したシンボルに対するガウス分布を前記確率分布として用いて前記シンボルの期待値を算出することを特徴とする請求項３に記載の復調装置。
前記第２の算出部は、
前記干渉キャンセル法として、ＳＰＩＣ（Soft Parallel Interference Cancelation）を実行することを特徴とする請求項１から６のいずれか一項に記載の復調装置。
前記第２の算出部は、
前記干渉キャンセル法として、ＳＳＩＣ（Soft Successive Interference Cancelation）を用いることを特徴とする請求項１から６のいずれか一項に記載の復調装置。
前記第２の算出部は、
元の基底上で前記干渉キャンセル法を複数回実行して前記軟判定データを算出し、
初回に実行される干渉キャンセル法は、線形検出により算出された硬判定シンボルを用いた干渉キャンセル法であり、
２回目以降の干渉キャンセル法は、軟判定シンボルを用いた干渉キャンセル法であることを特徴とする請求項１に記載の復調装置。
無線通信装置が、
チャネル応答行列を格子縮小基底変換し、
格子縮小基底変換された前記チャネル応答行列を用いて、受信信号に対して格子縮小基底上での線形検出を実行し、格子縮小基底上でのシンボルの期待値を算出し、
前記シンボルの期待値を、格子縮小基底から元の基底に逆変換し、
逆変換された前記シンボルの期待値に対して元の基底上で干渉キャンセル法を実行し、軟判定データを算出する
処理を実行することを特徴とする復調方法。