KR100892104B1

KR100892104B1 - 다중 안테나 통신시스템에서 로그 우도 율 생성 장치 및방법

Info

Publication number: KR100892104B1
Application number: KR1020050109584A
Authority: KR
Inventors: 황근철; 윤순영; 권영훈
Original assignee: 삼성전자주식회사
Priority date: 2005-11-16
Filing date: 2005-11-16
Publication date: 2009-04-08
Also published as: KR20070052037A; US20070127589A1; US7746951B2

Abstract

본 발명은 공간 다중화(Spatial Multiplexing) 방식을 사용하는 통신시스템에서 LLR(Log Likelihood Ratio) 생성 장치 및 방법에 관한 것이다. 본 발명에 따른 수신 방법은, 수신 벡터를 적어도 하나의 MIMO(Multiple Input Multiple Output)검출 알고리즘들로 복조하여 적어도 하나의 추정 송신벡터들을 획득하는 과정과, 상기 추정 송신벡터들 중 하나를 최적 추정 송신벡터로 선택하는 과정과, 상기 최적 추정 송신벡터에 대하여 LLR(Log Likelihood Ratio)데이터를 계산하는 과정과, 상기 최적 추정 송신벡터를 구성하는 원소들 각각에 적용할 가중치를 산출하는 과정과, 상기 계산된 LLR데이터에 상기 가중치를 적용하는 과정을 포함한다. 이와 같은 본 발명은 추정된 송신벡터로부터 생성된 LLR들에 가중치(weighting)를 적용함으로써, 최대우도(ML) 수신기에서의 LLR과 유사한 높은 신뢰도를 갖는 LLR를 생성할 수 있는 이점이 있다.

MIMO, LLR, 연판정, 유클리드 거리, 가중치

Description

다중 안테나 통신시스템에서 로그 우도 율 생성 장치 및 방법{APPARATUS AND METHOD FOR GENERATING LLR IN MIMO COMMUNICATION SYSTEM}

도 1은 본 발명의 실시예에 따른 다중 안테나(MIMO : Multiple Input Multiple Output) 시스템에서 송신기와 수신기의 구성을 도시하는 도면.

도 2는 도 1의 구성에서 MIMO복조기(160)의 상세 구성을 도시하는 도면.

도 3은 도 2의 구성에서 LLR생성부(205)의 상세 구성을 도시하는 도면.

도 4는 본 발명의 실시예에 따른 다중 안테나 시스템에서 채널복호기로 입력되는 LLR을 생성하기 위한 절차를 도시하는 도면.

도 5는 본 발명의 실시예에 따른 16QAM 성상도(constellation)를 보여주는 도면.

도 6은 다양한 MIMO수신 알고리즘들을 패킷 에러 율(packet error rate)을 통해 비교한 그래프.

본 발명은 다중 안테나 통신시스템에 관한 것으로, 특히, 공간 다중화 방식을 사용하는 통신시스템에서 높은 신뢰도의 로그 우도 율(LLR : Log Likelihood Ratio) 생성하기 위한 장치 및 방법에 관한 것이다.

최근, 무선 이동통신 시장의 급성장으로 인하여 무선 환경에서의 다양한 멀티미디어 서비스가 요구되고 있으며, 특히, 전송 데이터의 대용량화 및 데이터 전송의 고속화가 진행되고 있다. 따라서, 한정된 주파수를 효율적으로 사용할 수 있는 방법을 찾는 것이 가장 시급한 과제로 떠오르고 있다. 상기 과제를 해결하기 위하여 다중 안테나를 이용한 새로운 전송 기술이 필요하게 되었으며, 그 일 예로서 다중 안테나를 이용한 다중 입력 다중 출력 시스템이 사용되고 있다.

상기 다중 입력 다중 출력(Multiple-Input Multiple-Output : 이하 'MIMO'라 칭함) 기술은 송/수신단 각각 다중 안테나를 사용하는 시스템으로, 단일 안테나를 사용하는 시스템에 비해 추가적인 주파수나 송신 전력 할당 없이도 채널 전송 용량을 안테나 수에 비례하여 증가시킬 수 있어 최근 활발한 연구가 진행되고 있다.

상기 다중 안테나 기술들은 크게 송/수신 안테나 수의 곱에 해당하는 다이버시티(diversity) 이득을 얻어 전송 신뢰도를 향상시키는 공간 다이버시티(spatial diversity) 방식, 동시에 다수의 신호 열을 전송하여 전송률을 높이는 공간 다중화(Spatial Multiplexing: SM) 방식 그리고 공간 다이버시티와 멀티플렉싱을 결합한 방식으로 나눌 수 있다.

상기 다중 안테나 기술 중 상기 공간 다중화 방식을 사용하여 각 송신기에서 서로 다른 데이터 열을 송신하게 되면, 상기 동시에 전송된 데이터 사이에 상호 간 섭이 발생하게 된다. 따라서, 수신기에서는 상기 간섭 신호 영향을 고려한 최대 우도 수신기(Maximum Likelihood : ML)를 사용하여 상기 신호를 검출하거나, 상기 간섭을 제거한 후 검파하게 된다. 여기서, 상기 간섭 제거 방식에는 제로 포싱(Zero Forcing), 최소 평균 제곱 오차(Minimum Mean Square Error : MMSE) 등이 있다. 일반적인 공간 다중화 방식에서 상기 수신기의 성능은 상기 수신기의 계산 복잡도와 트레이드오프(tradeoff) 관계에 있다. 따라서, 상기 수신기의 계산 복잡도는 낮으면서 최대 우도 수신기에 근접하는 성능을 얻을 수 있는 수신 알고리즘에 대한 연구가 활발히 진행되고 있다.

한편, 상기 공간 다중화 방식의 수신기에서는 채널 복호기(decoder)로 부호화된 비트(bit)의 경판정(hard decision) 값을 전달하는 대신 연판정(soft decision) 값을 전달하여 복호(decoding)하는 것이 성능면에서 우수하다고 알려져 있다. 여기서, 상기 복호기의 입력 연판정(soft decision) 값은 채널 상으로 전송된 변조 심볼의 추정값으로, 로그 우도 율(log Likelihood Ratio : 이하 'LLR'이라 칭함) 값을 사용한다. 따라서, 상기 공간 다중화 방식의 수신기는 복잡도가 낮은 수신 알고리즘 이외에 해당 수신 알고리즘으로부터 최적의 LLR을 생성하는 알고리즘이 필요하게 된다.

상기 공간 다중화 방식에 따른 종래의 신호 검출 방식으로는 최대 우도(ML), 간섭 소거(Successive Interference Cancellation : 이하 'SIC'라 칭함), V-블라스트(Vertical Bell Labs Layered Space-Time : 이하 'V-BLAST'라 칭함) 등이 있다.

여기서, 각 알고리듬에 대하여 간략히 살펴보기 위해 시스템 모델을 정의하 도록 한다. 고려할 시스템은, 도 1과 같이, N_T개의 송신 안테나들과 N_R개의 수신안테나들로 구성된 모델이며, 각 송신 안테나를 통해 전송될 신호를 x_m으로 나타내면, 수신단에서의 수신 신호 y는 하기 <수학식 1>과 같이 나타낼 수 있다. 여기서, 상기 각 송신 안테나로 전송될 신호 x_m은 M-QAM신호를 가정하기로 하며, 이때, 한번에 전송 가능한 부호화된 비트 수는 N_T×log₂(M)가 된다.

여기서, 상기 y는 수신 신호 벡터이고, 상기 x는 송신 심볼 벡터이며, 상기 H는 송수신 안테나 사이에 형성되는 채널 계수 매트릭스로, 하기 <수학식 2>와 같이 정의한다. 또한, 상기 n은 대기 가우스 잡음 벡터(ambient Gaussian noise vector)를 나타낸다.

여기서, 상기 채널 계수 매트릭스 H는 N_R×N_T행렬로, i번째 행과 j번째 열에 해당하는 요소(element) h_ij는 j번째 송신 안테나에서 i번째 수신 안테나 사이의 채널 응답을 나타낸다.

상기 공간 다중화 방식에 따른 신호 검출 방식들을 정리하면 다음과 같다.

우선, 상기 최대 우도(ML) 방식은 성상(constellation) 내의 모든 심볼 벡터들에 대해 하기 <수학식 3>과 같이 유클리드 거리(Euclidean distance)를 계산하여 직선 최단 거리를 가지는 심볼 벡터를 선택하는 방식이다. 다시 말해, 상기 y와 상기 Hx 사이의 거리를 판단하는 방식으로, 최단 거리를 가지는 심볼 벡터를 유사성이 가장 높은, 즉 최소 에러를 가지는 심볼 벡터로 판단한다. 하지만, 상기 최대 우도(ML) 방식은,

와 같이, 송신 안테나의 수와 부호어(codeword)의 길이에 지수승으로 복잡도가 증가하는 단점으로 인해 현실적으로 구현이 어려운 문제점이 있다.

다음으로, 상기 SIC 방식은 이전 단계에서 경판정(hard decision)된 값들을 재구성(reconstruction)하여 수신신호에서 간섭을 제거하는 방식이다. 하지만, 상기 SIC 방식은 이전 단계에서 경판정(hard decision)된 값들에 오류가 발생할 경우 다음 단계 수행시 오류를 가중시켜, 단계를 지날 때마다 상기 경판정(hard decision)된 값에 대한 신뢰도가 떨어지는 문제점이 있다.

따라서, 상기 SIC 방식은 성능 열화 요인인 에러 전파(error propagation)에 대한 고려가 필요하다. 즉, 상기 간섭 소거 과정에서 채널 상태와 관계없이 송신 안테나 인덱스 순서로 디코딩하므로, 신호 세기가 큰 송신 안테나가 제거되지 않은 상태에서 간섭 소거 과정을 거치게 되어 신호 세기가 약한 송신 안테나 신호의 성능은 크게 개선되지 않는다. 이를 개선한 알고리듬이 상기 V-BLAST이며, 상기 V-BLAST는 신호 세기가 큰 송신 안테나 순서로 간섭 소거를 수행하기 때문에 기존 SIC 방식에 비해 향상된 성능을 가진다.

다음으로, MML(Modified ML : 이하 'MML'이라 칭함) 방식은 임의의 하나의 송신 안테나로부터 전송된 신호를 제외한 나머지 송신 안테나들로부터 전송 가능한 심볼 벡터들에 대하여 최대 우도 디코딩(ML decoding)을 하면, 하기 <수학식 4>와 같이, 간단한 슬라이싱(slicing) 연산 Q()로 남은 하나의 송신 안테나로부터 전송된 신호를 결정할 수 있다. 여기서, 상기 MML 방식은 상기 최대 우도(ML) 방식과 동일한 성능을 가지며, 계산 복잡도는 송신 안테나 수에서 1을 뺀 값에 지수 승으로 증가한다. 즉, 상기 최대 우도(ML) 방식은

개의 송신 벡터들에 대해서 유클리드 거리(Euclidean distance)를 계산하는 반면, 상기 수정된 최대 우도(MML) 방식은

개의 송신 벡터들에 대해서 유클리드 거리를 계산하고 나머지 한 심볼은 하기 수학식 4와 같이 슬라이싱 연산으로 신호를 검출하게 된다.

다음으로, 반복 MML(Recursive MML : 이하 'RMML'라 칭함)방식은, 상기 MML의 복잡도를 한층 더 감소시키기 위해 제안된 방식으로, 기븐스 로테이션(Givens rotation)을 이용하여 채널을 널링(nulling)함으로써 여러 개의 작은 채널(subsystem)들을 만들고, 최소 단위 2x2 채널에서 MML로 판정(decision)을 내리는 방식이다. 이와 같이, 상기 RMML 방식은 서브 시스템(subsystem)(예. 3x3, 2x2)을 여러개 생성함으로써, ML에 근접한 성능을 가지고 계산 복잡도를 낮출 수 있다. 하지만. 여러 개의 서브 시스템들을 생성한다는 것은 여러 개의 후보 전송 벡터들을 가진다는 의미이고, 이는 복잡도(complexity)를 줄이는데 한계가 있다. 또한, 2x2 서브시스템에서 바로 판정을 내려 줌으로써 SIC계열과 마찬가지로 에러 전파(error propagation)에 따른 성능 열화가 발생한다.

한편, MIMO 수신기에서 LLR 계산은 수신 알고리즘별로 다르며, 신호 간에 간섭이 존재하는 MIMO환경에서 LLR 값의 신뢰도는 상기 MIMO 수신 알고리즘별로 상당한 차이를 보이게 된다. 상기 LLR 값의 신뢰도는 복호기(decoder)의 복호(decoding) 성능에 직접적인 영향을 미친다. 다양한 MIMO 수신 알고리즘들 중 최적의 수신기로 알려진 최대 우도(ML) 수신기에서의 최적의 LLR 계산 방식은 하기 <수학식 5>와 같다.

여기서, 상기 b_i는 i번째 비트를 나타낸다. 상기 P(b_i=+1│y)는 수신 신호 벡터 y가 수신됐을 시 i번째 비트가 '+1'일 확률을 의미하고, 상기 P(b_i=+1)는 i번째 비트가 '+1'일 확률을 의미한다. 또한, 상기 C⁺ _i는 송신 신호 벡터 x중에서 i번째 비트가 '+1'인 경우의 x들의 집합을 나타내며, 상기 C^― _i는 송신 신호 벡터 x중에서 i번째 비트가 '-1'인 경우의 x들의 집합을 나타낸다. 상기 <수학식 5>에서 알 수 있듯이 상기 최대 우도(ML) 수신기에서의 LLR 계산은 상기 송신 신호 벡터 x의 모든 조합에 대해 유클리드 거리를 계산해야 하므로, 많은 수의 안테나 또는 높은 변조 수준을 갖는 변조 방식에 대해서는 적용하기 힘든 단점이 있다.

이상 살펴본 바와 같이, 공간 다중화 방식을 사용할 경우, 복잡도가 낮으면서도 최대 우도(ML)에서의 LLR과 유사한 높은 신뢰도를 가지는 수신기 구조가 필요하다.

따라서, 본 발명의 목적은 공간 다중화 방식을 사용하는 시스템에서 높은 신뢰도를 갖는 LLR을 생성하기 위한 수신 장치 및 방법을 제공함에 있다.

본 발명의 다른 목적은 공간 다중화 방식을 사용하는 시스템에서 복잡도가 낮으면서도 최대우도 방식과 유사한 성능을 가지는 수신 장치 및 방법을 제공함에 있다.

상기 목적들을 달성하기 위한 본 발명의 일 견지에 따르면, 공간 다중화(Spatial Multiplexing) 방식을 사용하는 통신시스템에서 수신 장치에 있어서, 수신 벡터를 적어도 하나의 MIMO(Multiple Input Multiple Output)검출 알고리즘들로 복조하여 적어도 하나의 추정 송신벡터들을 발생하는 MIMO검출부와, 송신벡터를 구성하는 원소들 각각에 적용할 가중치를 산출하는 신뢰도 예측부와, 상기 MIMO검출부로부터의 상기 추정 송신벡터들 중 최적 추정 송신벡터를 선택하여 LLR(Log Likelihood Ratio)데이터를 계산하고, 상기 계산된 LLR데이터에 상기 신뢰도 예측부로부터의 가중치를 곱하여 출력하는 LLR생성부를 포함하는 것을 특징으로 한다.

본 발명의 다른 견지에 따르면, 공간 다중화(Spatial Multiplexing) 방식을 사용하는 통신시스템에서 수신 방법에 있어서, 수신 벡터를 적어도 하나의 MIMO(Multiple Input Multiple Output)검출 알고리즘들로 복조하여 적어도 하나의 추정 송신벡터들을 획득하는 과정과, 상기 추정 송신벡터들 중 하나를 최적 추정 송신벡터로 선택하는 과정과, 상기 최적 추정 송신벡터에 대하여 LLR(Log Likelihood Ratio)데이터를 계산하는 과정과, 상기 최적 추정 송신벡터를 구성하는 원소들 각각에 적용할 가중치를 산출하는 과정과, 상기 계산된 LLR데이터에 상기 가중치를 적용하는 과정을 포함하는 것을 특징으로 한다.

이하 첨부된 도면을 참조하여 본 발명의 동작 원리를 상세히 설명한다. 하기에서 본 발명을 설명함에 있어 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다. 그리고 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.

이하, 본 발명은 공간 다중화(SM : Spatial Multiplexing) 방식을 사용하는 시스템에서 높은 신뢰도를 갖는 LLR(log Likelihood Ratio)를 생성하기 위한 수신 장치 및 방법에 대해 설명하기로 한다.

도 1은 본 발명의 실시예에 따른 다중 안테나(MIMO : Multiple Input Multiple Output) 시스템에서 송신기와 수신기의 구성을 도시하고 있다.

도시된 바와 같이, 본 발명에 따른 송신기는 채널부호기(100), 인터리버(interleaver)(110), 변조기(120), 역다중화기(130), 복수의 송신안테나들(140-1 내지 140-N_T)을 포함하여 구성되고, 수신기는 복수의 수신안테나들(150-1 내지 150-N_R), MIMO복조기(160), 디인터리버(170), 채널복호기(180)를 포함하여 구성된다.

먼저 송신기를 살펴보면, 채널부호기(100)는 전송할 정보비트열을 주어진 부호율로 부호화(coding)하여 부호 심볼들을 출력한다. 여기서, 입력되는 정보비트의 개수가 k이고, 부호율이 R이라 할 때, 출력되는 심볼의 개수는 k/R이 된다. 예를 들어, 상기 채널부호기(100)는 길쌈부호기(convolutional encoder), 터보부호기(turbo encoder), LDPC(low density parity check) 부호기 등으로 구성될 수 있다.

상기 인터리버(interleaver)(110)는 상기 채널부호기(100)로부터의 심볼들을 연집 에러(Burst error)에 강하도록 소정 규칙에 의해 인터리빙하여 출력한다.

상기 변조기(120)는 상기 인터리버(110)로부터의 상기 인터리빙된 심볼들을 소정 변조 방식으로 변조하여 출력한다. 즉, 소정 사상방식에 따른 성상도(constellation)에 신호점 사상(mapping)하여 복소 신호를 출력한다. 예를 들어, 상기 변조 방식에는 1개의 비트(s=1)를 하나의 복소 신호에 사상하는 BPSK(Binary Phase Shift Keying), 2개의 비트(s=2)를 하나의 복소 신호에 사상하는 QPSK(Quadrature Phase Shift Keying), 3개의 비트(s=3)를 하나의 복소 신호에 사상하는 8QAM(8ary Quadrature Amplitude Modulation), 4개의 비트(s=4)를 하나의 복소 신호에 사상하는 16QAM 등이 있다.

상기 역다중화기(DEMUX)(130)는 상기 변조부(120)로부터의 복소 신호들을 역다중화하여 N_T개의 송신안테나들을 통해 송신한다. 도시하지는 않았지만, 예를들어 OFDM(Orthogonal Frequency Division Multiple)통신 방식을 사용할 경우, 상기 역다중화기(130)에서 출력되는 복수의 스트림들은 각각 OFDM변조되고, 상기 OFDM변조된 신호는 실제 에어(air)상에서 전송 가능하도록 RF(RF : Radio Frequency) 처리된 후 대응되는 안테나(antenna)를 통해 에어(air)상으로 전송된다. 여기서, 상기 복수의 송신안테나들(140-1 내지 140-N_T)을 통해 송신되는 송신벡터를

라고 가정하기로 한다.

다음으로, 수신기를 살펴보면, 복수의 수신 안테나들(150-1 내지 150-N_R)은 상기 복수의 송신안테나들(140-1 내지 140-N_T)이 전송한 신호들을 수신한다. 도시하지는 않았지만, 상기 복수의 수신안테나들(150-1 내지 150-N_R)을 통해 수신되는 고주파(Radio Frequency : RF) 신호들은 각각 기저대역 샘플데이터로 변환되고, 상기 샘플데이터는 OFDM복조된 후 MIMO복조기(160)로 입력된다. 여기서, 상기 MIMO복조기(160)로 입력되는 수신벡터를

라고 가정하기로 한다.

상기 MIMO복조기(160)는 입력되는 수신벡터 y를 다양한 MIMO검출방식들에 따라 복조하여 복수의 추정 벡터들(

)을 생성하고, 상기 복수의 추정 벡터들중 하나를 선택하여 LLR데이터(LLR값들)를 산출하며, 상기 산출된 LLR데이터에 신뢰도에 따른 가중치(weighting)를 곱하여 출력한다. 상기 MIMO복조기(160)의 상세 구성 및 동작은 이후 도 2의 참조와 함께 상세히 설명하기로 한다.

디인터리버(170)는 상기 MIMO복조기(160)로부터의 LLR데이터를 주어진 규칙에 의해 디인터리빙하여 출력한다. 채널복호기(180)는 상기 디인터리버(170)로부터의 LLR데이터를 연판정 복호(soft decision decoding)하여 정보비트열을 복원한다.

도 2는 상술한 도 1의 구성에서 MIMO복조기(160)의 상세 구성을 도시하고 있다.

도시된 바와 같이, 본 발명에 따른 MIMO복조기(106)는, 복수(K개)의 MIMO검출기들(201-1 내지 201-K), 신뢰도 예측부(203), LLR생성부(205)를 포함하여 구성된다.

먼저, 복수의 MIMO검출기들(201-1 내지 201-K)은 수신벡터

를 서로 다른 MIMO검출 방식에 따라 복조하여 복수의 추정 벡터(송신벡터)들을 발생한다. 예를들어, MMSE-OSIC(Odered SIC) 알고리즘에서 검출(detection) 순서로 서로 다르게 적용하여 복수의 MIMO검출기들을 구성할 수 있다. 또한, Sorted MML에서 오름차순 파트와 내림차순 파트를 서로 다른 2개의 MIMO검출기들로 구성할 수도 있다. 이와 같이, 상기 복수의 MIMO검출기들(201-1 내지 201-K)은 현존하는 혹은 향후의 다양한 MIMO검출 알고리즘들을 이용해 구성하는 것으로 가정한다. 여기서, 상기 복수의 MIMO검출기들(201-1 내지 201-K)로부터 출력되는 추정 벡터들을

로 가정기로 한다.

신뢰도 예측부(203)는 최적 추정 벡터를 구성하는 원소들(추정 심볼들) 각각에 대한 신뢰도를 예측하고, 상기 원소들 각각에 곱할 가중치(weighting)를 산출하여 출력한다. 이때, 신뢰도가 높은 원소(추정 심볼)에 대해서는 높은 가중치를 적용하고, 신뢰도가 낮은 심볼에 대해서는 낮은 가중치를 적용한다. 상기 신뢰도 예측부(203)에서 가중치를 생성하는 간단한 예를 살펴보면 하기 <수학식 6>과 같다.

여기서,

는 k번째 추정 벡터

의 n번째 원소를 나타낸다. 즉, 모든 추정 벡터들에 대해서 동일한 위치의 원소들이 모두 같은 값을 가지면, 그 위치의 원소에 대해서 가중치를 '1'로 결정하고, 그렇지 않은 경우에 대해서는 가중치를 '0'으로 결정한다.

또한, 상기 신뢰도 예측부(203)에서 가중치를 생성하는 다른 예를 살펴보면 하기 <수학식 7>과 같다.

여기서, 가중치(weighting)는 K개의 추정 벡터들중 n번째 원소가

(추정 벡터들 중 최적으로 선택된 벡터)의 n번째 원소와 같은 확률로 해석할수 있으며, 이는 n번째 원소(또는 추정 심볼)

가 올바로 판정된 심볼일 때의 신뢰도로 해석할 수 있다.

한편, LLR생성부(205)는 상기 복수의 MIMO검출기들(201-1 내지 201-K)로부터의 K개의 추정 벡터들중 최적 추정 벡터를 선택하여 LLR데이터를 생성하고, 상기 생성된 LLR데이터에 상기 신뢰도 예측부(203)에서 구한 가중치를 곱하여 출력한다. 상기 LLR생성부(205)의 상세 구성 및 동작은 이후 도 3의 참조와 함께 상세히 살펴보기로 한다.

도 3은 상술한 도 2의 구성에서 LLR생성부(205)의 상세 구성을 도시하고 있다.

도시된 바와 같이, 본 발명에 따른 LLR생성부(205)는 최소거리 벡터 선택부(301), 연판정 변수 생성부(303), 복수의 LLR계산부들(305-1 내지 305-K), 복수의 곱셈기들(307-1 내지 307-K) 및 다중화기(309)를 포함하여 구성된다.

먼저, 최소거리 벡터 선택부(301)는 상기 복수의 MIMO검출기들(201-1 내지 201-K)로부터의 K개의 추정 벡터들(

) 각각과 수신벡터

사이의 유클리드 거리를 산출하고, 그중 최소 유클리드 거리에 해당하는 최적 추정 벡터

를 선택하여 출력한다. 상기 최소거리 벡터 선택부(301)의 동작을 모델링하면 하기 <수학식 8>과 같다.

연판정 변수 생성부(303)는 상기 최소거리 벡터 선택부(301)로부터의 상기 최적 추정 벡터

에 대하여 하기 <수학식 9>를 이용해 각 추정 심볼에 대한 연판정 변수를 산출하여 출력한다.

여기서, d_n은 n번째 송신 안테나의 송신심볼에 대응하는 연판정 변수를 나타내고, h_n은 채널계수 매트릭스 H의 n번째 열 벡터(column vector)를 나타내며,

는

의 i번째 원소를 나타내고,

는 h_n의 복소공액 전치(Hermitian transpose)를 나타내며, y는 수신벡터를 나타내고, N_T는 송신 안테나를 개수를 나타낸다.

상기와 같이 산출된 연판정 변수는 벡터가 아닌 스칼라 값이므로, LLR은 잘 알려진 SISO(Single Input Single Output)시스템의 LLR산출 알고리즘을 이용하여 산출할 수 있다.

따라서, 복수의 LLR계산부들(305-1 내지 305-N_T)은 각각 입력되는 연판정 변수 d_n를 이용해 하나의 신호점에 매핑되는 부호 심볼(부호 비트)들 각각에 대한 LLR값을 산출하여 출력한다. 여기서, 도 5와 같은 16QAM를 가정할 경우, SISO시스템의 LLR산출 알고리즘은 하기 <수학식 10>과 같이 나타낼 수 있다.

여기서, b_n,i는 n번째 송신안테나의 i번째 부호 심볼을 나타내고, real(.)은 실수성분을, image(.)는 허수성분을 나타내며, d_n'은 하기 수학식 11과 같다.

즉, 상기 LLR계산부들(305-1 내지 305-N_T)은 각각 n번째 송신안테나에 해당하는 log₂(M)개의 LLR값들을 산출하여 출력한다.

복수의 곱셈기들(307-1 내지 307-N_T)은 각각 대응되는 LLR생성부로부터의 LLR값들과 상기 신뢰도 예측부(203)로부터의 가중치를 곱하여 출력한다.

다중화기(309)는 상기 복수의 곱셈기들(307-1 내지 307-N_T)로부터의 가중치가 적용된 LLR값들을 직렬데이터로 변환하여 디인터리버(170)로 출력한다.

도 4는 본 발명의 실시예에 따른 다중 안테나 시스템에서 채널복호기로 입력되는 LLR을 생성하기 위한 절차를 도시하고 있다.

도 4를 참조하면, 먼저 수신기는 401단계에서 신호가 수신되는지 검사한다. 신호가 수신될 경우, 상기 수신기는 403단계에서 수신벡터

을 복수의 MIMO검출 알고리즘들을 통해 복조하여 복수의 추정 벡터(송신벡터)들을 획득한다. 여기서, 서로 다른 MIMO검출 알고리즘을 사용하였다고 해서 추정벡터들

이 반드시 상이하다는 것을 의미하지는 않는다.

이와 같이, 복수의 추정 벡터들을 획득한후, 상기 수신기는 405단계로 진행하여 상기 수신벡터

와 상기 추정 벡터들 사이의 유클리드 거리를 계산하고, 최소 유클리드 거리를 갖는 추정벡터를 선택한다.

그리고, 상기 수신기는 407단계에서 상기 선택된 벡터

을 구성하는 각 원소에 대하여 연판정 변수(soft decision variable)를 생성한다. n번째 송신안테 나의 송신심볼에 대응하는 연판정 변수는 상기 <수학식 9>를 이용해 산출할 수 있다.

이와 같이, 추정벡터를 구성하는 원소들 각각에 대한 연판정 변수를 생성한후, 상기 수신기는 409단계에서 각 연판정 변수를 이용해 해당 송신안테나에 대응하는 log₂(M)개의 LLR값들을 생성한다. 이때, 수신기는 SISO시스템의 LLR산출 알고리즘을 이용해 LLR값들을 생성한다.

한편, 상기 수신기는 411단계에서 상기 생성된 LLR값들의 신뢰도를 예측하고, 상기 예측된 신뢰도에 따라 각 LLR값에 적용할 가중치(weighting)를 계산한다. 상기 가중치는 앞서 <수학식 6>과 <수학식 7>에서 설명한 바와 같이, 복수의 MIMO검출 알고리즘들을 이용해 생성된 복수의 추정 벡터들을 이용해 산출될 수 있다.

이와 같이, 각 LLR값에 적용할 가중치를 산출한후, 상기 수신기는 413단계에서 채널복호기로 입력될 LLR값들 각각에 상기 가중치(weighting)를 곱한 후 본 알고리즘을 종료한다.

한편, 상술한 본 발명의 실시예는 복수의 MIMO검출 알고리즘들을 통해 복수의 추정 벡터들을 생성하고, 상기 추정 벡터들중 하나를 선택하여 본 발명에 따른 LLR생성 방법을 적용하는 것을 특징으로 한다. 하지만, 다른 실시예로, 하나의 MIMO검출 알고리즘을 통해 하나의 추정 벡터를 생성하고, 상기 추정 벡터에 대하여 본 발명에 따른 LLR생성 방법을 적용할수 있다. 이 경우, 본 발명에서 제안하는 신 뢰도 예측(가중치 산출) 방법은 사용할 수 없기 때문에, 가장 간단한 예로 채널 계수 매트릭스(H)를 이용해서 각 LLR에 적용할 가중치를 산출한다.

도 6은 다양한 MIMO수신 알고리즘들을 패킷 에러 율(packet error rate)을 통해 비교한 그래프이다.

모의 실험은 링크 레벨 시뮬레이션(link-level simulation)으로 이루어졌으며, 성능은 패킷 에러 율(Packet Error Rate : 이하 'PER'이라 칭함)을 통해 비교한다. 여기서, 송/수신 안테나 수는 4로 동일하고, 64개의 부반송파(subcarrier)를 가지는 OFDM 시스템(system)이며, 송신 채널 환경은 안테나가 상관(correlation)이 없는 9 탭 주파수 선택(9 tap frequency selective) 채널을 가정한 것이다. 또한, 한 패킷(packet)은 10240비트(10 OFDM 심볼들)이고, 16QAM 변조 기법을 사용한 것이다.

도시된 바와 같이, MMSE-OSIC, Sorted MML 그리고 일본 도코모사(NTT-DoCoMo)의 QRM-MLD(QR decomposition and the M-algorithm - Maximum Likelihood Detection)에 대하여 성능을 비교한 것이다. 본 발명에서 제안하는 LLR생성방법은 Sorted MML에 대해서만 적용하였으며, 이 경우 가중치(weighting)는 하기 수학식 12와 같이 가정하였다.

여기서,

와

는 각각 sorted MML에서 오름차순과 내림차순으로 검 출하는 브랜치(branch)의 판정(decision) 값을 나타내고, 1/8 값은 실험을 통해 구한 최적값이다.

그래프에서 알 수 있듯이, 1% PER에서, 본 발명(Sorted MML(soft decision)은 경판정(hard decision)을 사용하는 기존 방식(Sorted MML(hard decision))보다 약 4.0dB 이득을 가진다. QRM-MLD방식의 경판정 방식과 비교하면 약 2.0dB의 성능 개선을 보임을 알 수 있다. 또한, 일반적으로 간단한 MIMO수신 알고리즘으로 알려진 MMSE-OSIC의 연판정 방식과 비교하면, 약 7.5dB 정도의 성능 개선이 있음을 알 수 있다.

한편 본 발명의 상세한 설명에서는 구체적인 실시 예에 관해 설명하였으나, 본 발명의 범위에서 벗어나지 않는 한도 내에서 여러 가지 변형이 가능함은 물론이다. 그러므로 본 발명의 범위는 설명된 실시 예에 국한되어 정해져서는 안되며 후술하는 특허청구의 범위뿐만 아니라 이 특허청구의 범위와 균등한 것들에 의해 정해져야 한다.

상술한 바와 같이, 본 발명은 공간 다중화 방식을 사용하는 시스템에서 추정된 송신벡터로부터 생성된 LLR들에 가중치(weighting)를 적용함으로써, 최대우도(ML) 수신기에서의 LLR과 유사한 높은 신뢰도를 갖는 LLR를 생성할 수 있는 이점이 있다.

Claims

공간 다중화(Spatial Multiplexing) 방식을 사용하는 통신시스템에서 수신 장치에 있어서,

수신 벡터를 적어도 하나의 MIMO(Multiple Input Multiple Output)검출 알고리즘들로 복조하여 적어도 하나의 추정 송신벡터를 발생하는 MIMO검출부와,

송신벡터를 구성하는 원소들 각각에 적용할 가중치를 산출하는 신뢰도 예측부와,

상기 MIMO검출부로부터의 상기 적어도 하나의 추정 송신벡터 중 최적 추정 송신벡터를 선택하여 LLR(Log Likelihood Ratio)데이터를 계산하고, 상기 계산된 LLR데이터에 상기 신뢰도 예측부로부터의 가중치를 곱하여 출력하는 LLR생성부를 포함하는 것을 특징으로 하는 장치.
제1항에 있어서,

상기 신뢰도 예측부는, 상기 적어도 하나의 추정 송신벡터를 이용해서 상기 가중치를 산출하는 것을 특징으로 하는 장치.
제1항에 있어서,

상기 신뢰도 예측부는, n번째 원소가 상기 최적 추정 송신벡터의 n번째 원소와 같은 추정 송신 벡터의 개수를 이용해서 n번째 원소에 적용할 가중치를 산출하는 것을 특징으로 하는 장치.
제1항에 있어서,

상기 신뢰도 예측부는, 채널 계수 매트릭스를 이용해서 상기 가중치를 산출하는 것을 특징으로 하는 장치.
제1항에 있어서, 상기 LLR생성부는,

상기 MIMO검출부로부터의 상기 적어도 하나의 추정 송신벡터 각각과 상기 수신벡터 사이의 거리를 계산하고, 최소 거리를 갖는 추정 송신벡터를 상기 최적 추정 송신벡터로 출력하는 벡터 선택기와,

상기 벡터 선택기로부터의 상기 최적 추정 송신벡터에 대하여 LLR데이터를 계산하는 계산부와,

상기 계산부로부터의 LLR데이터에 상기 신뢰도 예측부로부터의 가중치를 곱하여 출력하는 곱셈부를 포함하는 것을 특징으로 하는 장치.
제5항에 있어서, 상기 계산부는,

상기 벡터 선택기로부터의 상기 최적 추정 송신벡터를 구성하는 원소들 각각에 대하여 연판정 변수(soft decision variable)를 생성하는 변수 생성부와,

상기 변수 생성부로부터의 연판정 변수들 각각을 가지고 소정 LLR산출 알고리즘에 수행하여 부호심볼들 각각에 대한 LLR값을 계산하는 LLR계산부를 포함하는 것을 특징으로 하는 장치.
제6항에 있어서,

상기 연판정 변수는 다음 수식으로 산출되는 것을 특징으로 하는 장치.

여기서, d_n은 n번째 송신 안테나의 송신심볼에 대응하는 연판정 변수를 나타내고, h_n은 채널계수 매트릭스 H의 n번째 열 벡터(column vector)를 나타내며,
는 최적 추정 송신벡터
의 i번째 원소를 나타내고,
는 h_n의 복소공액 전치(Hermitian transpose)를 나타내며, y는 수신벡터를 나타내고, N_T는 송신 안테나를 개수를 나타냄.
제6항에 있어서,

상기 LLR계산부는 SISO(Single Input Single Output)시스템의 LLR산출 알고리즘을 이용해서 LLR데이터를 계산하는 것을 특징으로 하는 장치.
제5항에 있어서,

상기 곱셈부로부터의 가중치가 적용된 LLR데이터를 디인터리빙하여 출력하기 위한 디인터리버와,

상기 디인터리버로부터의 LLR데이터를 연판정 복호하여 정보비트열을 복원하는 채널복호기를 더 포함하는 것을 특징으로 하는 장치.
공간 다중화(Spatial Multiplexing) 방식을 사용하는 통신시스템에서 수신 방법에 있어서,

수신 벡터를 적어도 하나의 MIMO(Multiple Input Multiple Output)검출 알고리즘들로 복조하여 적어도 하나의 추정 송신벡터를 획득하는 단계와,

상기 적어도 하나의 추정 송신벡터 중 하나를 최적 추정 송신벡터로 선택하는 단계와,

상기 최적 추정 송신벡터에 대하여 LLR(Log Likelihood Ratio)데이터를 계산하는 단계와,

상기 최적 추정 송신벡터를 구성하는 원소들 각각에 적용할 가중치를 산출하는 단계와,

상기 계산된 LLR데이터에 상기 가중치를 적용하는 단계를 포함하는 것을 특징으로 하는 방법.
제10항에 있어서,

상기 가중치는 상기 적어도 하나의 추정 송신벡터를 이용해서 산출되는 것을 특징으로 하는 방법.
제10항에 있어서,

상기 최적 추정 송신벡터를 구성하는 원소들 중 n번째 원소에 적용될 가중치는 n번째 원소가 상기 최적 추정 송신벡터의 n번째 원소와 같은 추정 송신 벡터의 개수를 이용해서 산출되는 것을 특징으로 하는 방법.
제10항에 있어서,

상기 가중치는 채널 계수 매트릭스를 이용해서 산출되는 것을 특징으로 하는 방법.
제10항에 있어서, 상기 선택 단계는,

상기 적어도 하나의 추정 송신벡터 각각과 상기 수신벡터 사이의 거리를 계산하는 단계와,

상기 계산된 거리들중 가장 작은 거리를 갖는 추정 송신벡터를 상기 최적 추정 송신벡터로 선택하는 단계를 포함하는 것을 특징으로 하는 방법.
제10항에 있어서, 상기 LLR데이터 계산 단계는,

상기 최적 추정 송신벡터를 구성하는 원소들 각각에 대하여 연판정 변수(soft decision variable)를 생성하는 단계와,

상기 생성된 연판정 변수들 각각을 가지고 소정 LLR산출 알고리즘에 수행하여 부호심볼들 각각에 대한 LLR값을 생성하는 단계를 포함하는 것을 특징으로 하는 방법.
제15항에 있어서,

상기 연판정 변수는 다음 수식으로 산출되는 것을 특징으로 하는 방법.

여기서, d_n은 n번째 송신 안테나의 송신심볼에 대응하는 연판정 변수를 나타내고, h_n은 채널계수 매트릭스 H의 n번째 열 벡터(column vector)를 나타내며,
는 최적 추정 송신벡터
의 i번째 원소를 나타내고,
는 h_n의 복소공액 전치(Hermitian transpose)를 나타내며, y는 수신벡터를 나타내고, N_T는 송신 안테나를 개수를 나타냄.
제10항에 있어서,

상기 가중치가 적용된 LLR데이터를 디인터리빙하는 단계와,

상기 디인터리빙된 LLR데이터를 연판정 복호하여 정보비트열을 복원하는 단계를 더 포함하는 것을 특징으로 하는 방법.