KR20040077576A

KR20040077576A - 순차적인 몬테 카를로 방법을 통한 근사-최적 다중-입력다중-출력 채널 검출

Info

Publication number: KR20040077576A
Application number: KR1020040013818A
Authority: KR
Inventors: 왕시아오동
Original assignee: 엔이씨 래버러터리즈 아메리카 인코포레이티드
Priority date: 2003-02-28
Filing date: 2004-02-28
Publication date: 2004-09-04
Also published as: JP4426338B2; GB0404318D0; CN1538700B; US20040174939A1; GB2398979B; JP2004266838A; US7317770B2; GB2398979A; CN1538700A

Abstract

확률론적인 세팅 및 결정론적인 세팅 하에서의 순차적인 몬테 카를로(SMC) 프레임워크에 기초하는, 다중 입력 다중 출력(MIMO) 채널들에 대한 소프트 입력 소프트 출력 복조 방식들의 부류가 개시된다. 확률론적인 SMC 샘플러는 중요도 샘플링 및 리샘플링 기술들에 기초하여 MIMO 심볼 샘플들을 발생시키고, 결정론적인 SMC는 과도한 방식(greedy manner)으로 탐구(exploration) 및 선택 단계들을 반복적으로 시도한다. 널링 및 소거에 기초하는 기존의 간단한 벨 랩스 레이어드 공간 시간(Bell Labs Layered Space Time: BLAST) 검출 방법의 인위적인 순차 구조를 이용함으로써, 제시되는 알고리즘들은 컴퓨팅 복잡도를 낮게 유지하면서 전형적인 BLAST 검출 방식들 보다 우수한 (크기들의 배열인) 에러 확률 성능을 달성한다. 이러한 성능은 훨씬 더 낮은 복잡도로 인해, 구 디코딩 알고리즘의 성능과 비교된다. 확률론적인 SMC 검출기 및 결정론적인 SMC 검출기 모두는 코드화 MIMO 시스템들에서 반복 또는 터보 수신기의 제 1 단 복조기로서 이용될 수 있다.

Description

순차적인 몬테 카를로 방법을 통한 근사-최적 다중-입력 다중-출력 채널 검출{NEAR-OPTIMAL MULTIPLE-INPUT MULTIPLE-OUTPUT(MIMO) CHANNEL DETECTION VIA SEQUENTIAL MONTE CARLO}

본 발명은 일반적으로 디지탈 데이타 수신기에 관한 것이다. 고속 무선 데이타 전송에 대해 끊임없이 증가하는 요구는 제한된 대역폭을 가진 무선채널로 고-처리율 무선 통신을 달성하고자 하는 무선 시스템 설계자의 강한 의욕을 난처하게 해왔다. 대역폭 또는 전송된 파워를 증가시키지 않는 풍부한 산란 환경에서는 이러한 다중-입력 다중-출력(MIMO) 채널의 용량이 전송 및 수신 안테나의 총수 간에 최소한도로 선형적으로 증가하므로, 다중 전송 및 수신 안테나가 미래의 광대역 무선 통신 시스템에서 가장 유력한 해결책일 것 같다. 부록을 참고하라[1, 2, 3]. 극단적으로 높은 스펙트럼 효율 때문에, MIMO 기술은 IEEE 802.11a 무선 LAN, IEEE 802.16 무선 MAN 및 WCDMA 표준과 같은 다양한 무선 응용의 수개의 표준으로 통합되어 왔다.

벨 랩스 레이어드 공간 시간(Bell-labs layered space-time: BLAST) 구조는완성중인 최신의 코드화되지 않은 MIMO 시스템의 한 예이다. 문헌[4, 5, 6]에서는, 상이한 BLAST 검출 개요가 시퀀스화를 가진 제로-포커싱(zero-forcing: ZF) 널링(nulling) 및 IC의 방법과 시퀀스화를 가진 최소제곱오차추정(minimum mean-squared error: MMSE) 널링 및 IC의 방법과 같은 널링 및 간섭 소거(interference cancellation: IC)을 근거로 제안되었다. 이들 단순한 검출 방법의 성능은 최대 가능성(maximum likelihood: ML) 검출의 성능에 비해 현저히 떨어지며, 그 복잡성은 전송 안테나의 총수에 관하여 지수함수적으로 커진다. [7, 8, 9]에서, 구 디코딩(sphere decoding)이 근사-최적 BLAST 검출 방법으로서 제안되나, 그 복잡성은 전송 안테나의 총수에 관하여 3제곱이다. 하드 결정 알고리즘으로서, 상기 개요는 코드화된 MINO 시스템으로 외부 채널 디코더와 연결될 때 성능 손실을 당한다. [8]에서, 기호 시퀀스 후보의 리스트를 저장하므로써 소프트-결정 출력을 산출하기 위해 리스트 구 디코딩 알고리즘이 제안된다. 그러나, 그 복잡서은 원래의 구 디코딩 알고리즘과 비교하여 명백히 증가된다.

본 발명은 순차적인 몬테 카를로 방법(sequential Monte Carlo method)에 기초하여 새로운 동일계열의 복조 알고리즘을 제공한다. 상기 새로운 알고리즘은 소프트 MINO 복조에 유리하게 사용될 수도 있고 낮은 복잡성을 가진 근사-최적 성능을 달성한다.

상기 순차적인 몬테 카를로(SMC) 방법론[10, 11, 12, 13, 14, 15]은 본래 통계학 및 공학의 분야에서 나타나고 아주 엄격하고 동적인 무선 환경에서 빠르고 신뢰가능한 통신을 위한 이론적 최적에 근접한 성능을 가진 낮은 복잡성의 신호 처리 알고리즘의 설계를 위한 유망한 새로운 패러다임을 제공한다. 상기 SMC는 상태 변수 또는 임의의 다른 잠재 변수의 몬테 카를로 샘플을 반복해서 발생하므로써 동적 시스템에서의 온라인 평가 문제를 해결하기 위한 방법의 종류로서 막연히 규정될 수 있다. [10, 11, 12, 15]에서, SMC는 채널 균등화와, 조인트 데이타 검출 및 페이딩 채널에서의 채널 트랙킹을 포함한 무선 통신에서의 다수의 문제와 시간 분산 채널 적응성이 있는 OFDM 수신기에 성공적으로 적용된다

본 발명은 SMC 검출기가 터보 수신기에서 소프트 출력 복조기로서 유리하게 사용될 수도 있다. 특히, 본 발명은 의사-정적 MIMO 페이딩 채널에 대한 소프트-입력 소프트-출력 MINO 검출에 유리하게 사용될 수도 있다.

상기 새로운 종류의 수신기는 SMC 프레임워크에 근거를 두고 확률론적이나 또는 결정론적인 세팅을 구비할 수 있다. 확률론적인 SMC 복조기는 샘플링 및 리샘플링이 기술을 사용하는데, 시험 샘플링 분포는 실존하는 단순한 널링 및 소거 BLAST 검출 개요의 인위적인 연속한 구조를 이용하므로써 형성된다. 결정론적인 SMC 복조는 탐구 및 선택 단계를 반복해서 수행하여 상응하는 중요도 가중치를 가진 최종 생존 신호 경로를 검출한다. 사실상 소프트-입력 및 소프트-출력인 이들 SMC 검출기는 코드화된 MIMO 시스템용 터보 수신기에서의 소프트 복조기로서 취급되는데, 여기서 외부 정보가 소프트 복조기와 소프트 출력 채널 디코더 간에 반복해서 교환되어 수신기 성능을 성공적으로 개선시킨다. 게다가, 채널이 공지되지 않고 파일럿 신호를 사용하므로써 평가될 시엔, 높은 신뢰성을 가진 디코드화된 코드비트가 채널 재판단용 파일럿으로서 작용할 수 있다. 반복해서 채널 재평가를 수행하므로써, 수신기 성능이 더욱 개선될 수 있다. 본 발명은 디코딩 선형 분산 MIMO 시스템에서와 같은 널리 공지된 다른 응용에 사용될 수 있다.

본 발명의 한 양상에서, 채널로 부터의 데이타를 복조하는 방법은 채널을 통해 전송된 심볼에 대한 사전 확률값을 수신하는 단계와, 사전(αpriori) 확률값에 따라, 상기 심볼의 확률 분포에 관련하여 가중된 심볼의 몬테 카를로 샘플의 세트를 결정하는 단계 및, 상기 몬테 카를로 샘플의 세트에 기초하여 심볼에 대한 사후(αposteriori) 확률값을 평가하는 단계를 포함한다.

관련 프로그램 저장 디바이스 및 수신기 장치도 또한 제공된다.

본 발명의 상기 및 다른 특징, 이익 및 장점이 도면을 통해 동일한 구조에 관한 동일한 참조 번호를 가진 이하 텍스트 및 도면에 대한 참조에 의해 명백해질 것이다.

도 1은 코드화된 다중-입력 다중-출력(MIMO) 시스템의 송신기 구조도.

도 2는 코드화된 MIMO 시스템의 수신기 구조도.

도 3은 확률론적인 SMC MIMO 복조 공정도.

도 4는 결정론적인 SMC MIMO 복조 공정도.

도 5는 코드화되지 않은 MIMO 시스템의 다양한 MIMO 복조 알고리즘의 비트 오류율(BER) 도시도.

도 6은 채널 평가가 파일럿에만 근거한 확률론적인 순차적인 몬테 카를로(SMC) MIMO 복조기를 이용하는 터보 MIMO 수신기의 BER 성능 도시도.

도 7은 반복된 채널 평가가 파일럿 및 고 신뢰성을 가진 디코드화된 심볼에 기초하여 확률론적인 SMC MIMO 복조기를 이용하는 터보 MIMO 수신기의 BER 성능 도시도.

도 8은 제니 도움 채널 평가가 파일럿 및 모든 정보 신호에 기초하여 확률론적인 SMC MIMO 복조기를 이용하는 터보 MIMO 수신기의 BER 성능 도시도.

도 9는 채널 평가가 파일럿에만 근거한 결정론적인 SMC MIMO 복조기를 이용하는 터보 MIMO 수신기의 BER 성능 도시도.

도 10은 반복된 채널 평가가 파일럿 및 고 신뢰성을 가진 디코드화된 심볼에 기초하여 결정론적인 SMC MIMO 복조기를 이용하는 터보 MIMO 수신기의 BER 성능 도시도.

도 11은 제니 도움 채널 평가가 파일럿 및 모든 정보 신호에 기초하여 결정론적인 SMC MIMO 복조기를 이용하는 터보 MIMO 수신기의 BER 성능 도시도.

설명은 이하와 같이 편제된다. 섹션 2는 고찰중인 시스템을 설명한다. SMC 방법론의 배경 재료가 섹션 3에 제공된다. 섹션 4에서, 심볼 널링 및 소거 BLAST 검출 개요를 근거로, 확률론적인 SMC 및 결정론적인 SMC를 사용하는 새로운 종류의 소트프 MIMO 복조 알고리즘이 파생된다. 컴퓨터 시뮬레이션 결과는 섹션 5에 제공되고 소거가 섹션 8에서 끌어내어진다.

2 시스템 설명

이 섹션에서, 터보 수신기를 가진 특유의 코드화된 MIMO 시스템이 고려된다.송신기 및 수신기 구조는 도 1 및 도 2에 각기 도시되었다. 도 2에서,은 인터리버(interleaver)를 표시하고는 디인터리버(deinterleaver)를 표시한다.

2.1 송신기 구조

송신기(100)에서 정보 비트{a_i}의 블럭은 채널 엔코더(110)에서 코드 비트{b_i}로 엔코드된다. 상기 코드 비트는 인터리버(120)에서 임의로 인터리브되고 최종 알파벳 세트로 부터의 값을 취하는 QPSK 변조기(130)를 사용하여 M-PSK 또는 M-QAM 변조 심볼로 맵화된다. 각각의 심볼은 역다중화를 통해 S/P 변환기(140)에서n _T 서브-심볼로 직렬-병렬(S/P) 변환되고 각각의 서브-심볼은 다수의n _T 전송 안테나(150)중 한 안테나와 관련된다. 각각의 시간 단계에서, 각각의 서브-스트림으로 부터의 한 심볼이 이에 대응하는 안테나로 부터 전송되어, 동일한 주파수 대역으로 동시에 전송된n _T 심볼을 발생시킨다. 이러한 공간-타임 비트 인터리브화된 코드화된 변조(BICM)는 무선 MIMO 시스템[16]에 유용한 공간, 온도 및 주파수 상이 자원의 보다 양호한 개척을 허용하다.

전송된 데이타 심볼이 수신기에서 유일하게 디코드될 수 있다는 것을 보증하기위해, BLAST 가설하에 즉,n _R ≥n _T 를 가정하는n _T 전송 및n _R 수신 안테나를 가진 MIMO 시스템이 고려된다. 무선 채널은 풍부한 산란 및 균일한 페이딩을 갖는다고 가정된다. 각각의 전송 및 수신 안테나 쌍 간의 페이딩은 독자적이라고 가정된다. 채널은 또한 의사-정적이라고 즉, 채널이 데이타 버스트에 관하여 정적이고 버스트로 부터 버스트로 체인지된다고 가정된다.

수신기(200)에서, 수신기의 안테나(205)에서 필터링 및 심볼 등급 샘플링이 매칭된후 모든n _R 수신 안테나(205)로 부터 수신된 신호 벡터는로서 표시된다.

복잡한 기저대역 표현에선, 수신된 신호는 전송된 신호의 선형 조합으로서 다음과 같이 표현될 수 있는데,

여기서,은 송신기에서의 총 신호 에너지이며,는 복잡한 페이딩 채널 매트릭스이며,는 공간적 및 시간적으로 화이트 가우스 잡음(white Gaussian noise)이고, N은 데이타 버스트 길이이다.

를 표시한다. 수신된 신호는 이하(여기서, 단순하게 하기위해, 시간 인덱스i를 버림)을 얻기 위해 매칭되고 필터화되고 화이트화되는데,

여기서,이다. (2)를 근거로, 최대 가능성(ML) MIMO 검출기는 다음과 같이 주어 진다.

그 후에, 상기 ML 수신기의 복잡성은 전송 안테나의 총수에 있어서 지수함수적으로 커진다. 시퀀스화[1, 6]를 가진 제로-포커싱 널링 및 소거에 기초한 방법시퀀스화를 가진 MMSE 널링 및 소거에 기초한 방법과 같은 대안의 서브-최적 접근법은 낮은 복잡성을 가지나 또한 실제 성능 손실도 초래한다. 구 디코딩 방법은 근사-최적 BLAST 검출 알고리즘으로서 최근에 판명되었다. 그러나, 그 복잡성은 전송 안테나[7, 8]의 총수와 관련하여 3제곱이다.

2.2 터보 수신기

M-PSK 또는 M-QAM 변조 및 심볼 안테나 맵피의 조합이 MIMO 송신기 에 내부 엔코더로서 유효하게 작용을 하기 때문에, 전체 시스템은 일련의 연관된 시스템으로서 이해되고 상호작용(터보) 수신기[17, 18]는 도 2에 도시된 바와같은 시스템에 대해 의도될 수 있다. 터보 수신기(200)는 2개의 단계를 포함하는데, 섹션 4에서 전개되어질 소프트-입력 소프트-출력 SMC 복조기(210)에 소프트 채널 디코더(260)가 뒤이어진다. 사이 2개의 단계는 디인터리버(250) 및 인터리버(230)에 의래 분리된다.

소프트 MIMO 복조기(210)는 앞서의 터보 상호작용으로 채널 디코더(260)에 전달된 외부의 정보λ₂[b_i]외에도 (2)에 의해 주어진 수신된 신호 u 를 입력으로서 선택한다. 우선, 심볼 사전 확률이 다음과 같이 심볼 확률 계산기(220)로 계산된다. QPSK 복조가 사용되며, 비트 쌍은 심볼 α_j로 맵화된다. 부가적으로, 상기 MIMO 시스템에서 전송된 심볼S_k이 k=1,...,n_T에 대하여 인터리브된 코드 비트 쌍에 대응한다. 각각의 심볼에 대한 사전 심볼 확률은 이하 식으로주어지는데,

여기서, 코드 비트 확률은 다음[19]과 같이 대응하는 로그 가능성 비율(LLR)로 부터 계산된다:

QPSK 심볼이 균등하게 예상되도록 최초의 외부 정보가 제로로 세트된다는 것에 주의하자.

소프트 복조기(210)의 출력이 사후 심볼 확률이다. 이하를 표시한다.

의 정확한 표현이 다음과 같이 주어진다.

(6)에서의 합계가내의 모든가능한 벡터 s 에 관하여 존재하기 때문에, 그 복잡성은 전송 안테나의 수에 있어서 지수함수적이고 고 공간-다중화 이득을 가진 신호에대해 비현실적이다. 여기서, (6)에 근접하기 위한 임의의 낮은 복잡성을 전개하자, 소프트 복조기(210)에 의해 계산된 사후 심볼 확률을 근거로, 비트 LLR 컴퓨터(240)는 인터리브된 코드 비트 b_n(i)의 사후 로그 가능성 비율(LLRs)을 계산한다. 상기 코드 비트b_n(i)가 QPSK S_K∈ A에 포함된다고 가정하면, 상기 코드 비트의 LLR은 다음으로 주어진다.

베이(Bay)의 룰을 이용하면, (7)은 다음과 같이 기술될 수 있는데:

여기서,로 표시된 (8)의 제 2항목은 코드 비트b_n(i)의 사후 LLR을 표현하는데, 이는 앞서의 반복으로 채널 디코더(260)에서 계산되며, 인터리버(230)에서 인터리브되고 그후에 소프트 MIMO 복조기(210)로 피드백된다. 제 1항목에 대하여는, 모든코드 비트가 마찬가지로 균일하다고 가정된다.로 표시된 (8)의 제 1항목은 수신된 신호u와, MIMO 신호 구조 및 모든 다른 코드 비트에 관한 사전 정보를 근거로, 상기 소프트 MIMO 복조기(210)에 의해 전달된 외부 정보를 표현한다. 그 후에 외부 정보는 채널 디인터리버(250)에서 디인터리브되고 디코더용 사전 정보로서 채널 디코덩 피드백된다. 소프트 디코더(210)는 코드 비트의 사전 LLRs를 입력으로서 취하고 상기 코드 비트의 상기 LLRs외에도 코드 강제에 기초하여 정보 비트의 LLRs의 갱신을 출력으로서 전달한다. 소프트 채널 디코딩 알고리즘[20]은 각각의 코드 비트의 사후 LLR을 포함하는데:

여기서, 인수분해(9)는 [19]에 도시되었다. 소프트 디코더의 출력이 사전 정보와 채널 디코더(260)에 의해 전달된 외부 정보와의 합이다. 상기 외부 정보는 다른 코드 비트에 관한 사전 정보로 부터 수집된 코드 비트b_i에 관한 정보이다. 제 1반복에서, 외부 정보및는 통계적으로 독자적이다. 그러나, 그 후에, 이들이 간접적으로 동일한 정보를 사용하기 때문에, 이들은 점점 더 상관되고 마지막으로 왜곡을 통한 개선이 감소할 것이다.

2.3 MIMO 채널 평가

수신기(200)가 사실적인 MIMO 시스템에서의 채널 상태 정보의 아무런 인식도 갖지 못하기 때문에, 데이타 스트림에 파묻힌 파일럿 심볼이 채널 임펄스 응답을 평가하는데 요구된다.T≥n _T 라 가정하면, 시간 슬롯이 공지된 파일럿 심볼을 전송하기 위해 각각의 데이타 버스트의 시작에 사용된다.로서 대응하는 수신된 신호가 표시된다. 그래서, 다음을 갖는데:

여기서,이다. [21]에서, 채널 평가기(270)에서의 2가지 형태의 채널 평가기 즉,

에 의해 주어진 최대 가능성(ML) 평가기와

에 의해 주어진 최소제곱오차추정(MMSE) 채널 평가기가 주어진다.

채널 평가 오차를 최소화하는 의미로 최적 트레이닝 시퀀스가 이하 직교성 조건을 만족시켜야 한다는 것이 [21, 22]에 또한 도시되었다.

이러한 트레이닝 시퀀스를 형성하기 위한 한 방법이 아다마르 매트릭스(Hadamard matrix)에 의해 발생된 복잡한 월시(Walsh) 코드를 사용하는 것이다. 도 2에 도시된 바와같이, 각각의 터보 반복의 끝에서, 코드 비트의 사후 LLRs가 인터리버(280)을 통해 소프트 채널 디코더(260)으로 부터 채널 재평가를 위한 MIMO 채널 평가기(270)로 피드백된다. 만약 한 QPSK MIMO 심볼에 대응하는 모든 2n _T 코드 비트의 상기 LLRs가 선정된 임계이상이라면, 대응하는 디코드된 MIMO 심볼이 고 신뢰성을 갖는 것으로 고려되고 그 다음의 터보 반복의 시작에서 채널 억제용 트레이닝 심볼로서 작용할 것이다. 직관적으로, 터보 수신기(200)이 반복하므로, 이러한 개요가 점점 더 트레이닝 심볼의 사용하기 때문에, 상기 개요는 점점 더 정확한 채널 평가를 획득한다. 따라서, 전체 수신기 성능은 상기 채널이 제 1터보 반복전에 파일럿 심볼을 한번만 사용하여 평가되는 개요와 비교하여 개선될 것이다.

3 순차적인 몬테 카를로의 배경

순차적인 몬테 카를로(SMC)는 평균화한 상수에 이르기까지만 공지된 일련의확률 분포로 부터의 임의의 샘플을 획득하기 위한 한 종류의 유효한 방법이다. 상기 SMC 방법을 위한 일반적인 프레임워크가 그 다음에 간략히 설명된다. 상기 사후 확률 분포의 이하 일반적인 시퀀스가로 고려되는데, 여기서는 평가되어질 관찰되지 않은 파라미터 세트이고는 인덱스k는 유용한 관찰의 세트이다.k가 시간 인덱스를 필요로 하지 않는다는 사실을 강조한다. 통상, 사후 분포는가 폐쇄된 형태로 유용하지 않을시에 정상화한 상수에 이르기까지만 공지되고 따라서 SMC는 이러한 관계에 있어서는 가장 흥미롭다. 사람은

에 의해 주어진h(X _K )의 최소제곱오차추정(MMSE) 평가를 계산하기를 원하다. 여기서m이에 따라 분포된 임의 샘플로 주어지면, 상기 예상은

를 통하여 수치로 평가될 수 있다.로 부터의 직접적인 샘플링은 종종 실행할 수 없고 대략의 방법을 파생하는데 필요하다.

3.1 중요도 샘플링

로 부터의 직접적인 샘플링은 종종 실행할 수 없거나 또는 계산에 관해서 값비싸나, 흥미로운 분포에 대한 임의의 시험 밀도"클로즈(close)"로 부터 파생된 샘플은 종종 쉽다. 이 경우엔, 중요도 샘플링이 개념을 사용할 수 있다.에 따라 분포된 한 세트의 임의 샘플이 유용하다고 제안하자.와간의 불일치에 대해 정정하므로써 (14)의 확실한 평가를 여전히 제안할 수 있다. 샘플에 중요도 가중치를 결합시키므로써,에 대해

로서(14)를 실제로 평가할 수 있다. 쌍이 상기 분포에 관하여 적당히 가중된 샘를이라 명명된다.의 인식이 필요치 않을 정도로 정상화한 상수에 이르기까지 사람만이 가중치를 계산할 필요가 있다는 것을 인지하는 것이 결정적이다.인 "최적" 경우엔, 모든 가중치는 동등하고 제로 변이를 갖는다. 대충 말하면, 상기 방법의 실행은 가중치의 변이가 증가할 시에 통상 나빠진다.

중요도 샘플링 방법은 연속하지 않는 일반적인 방법이다. 그러나, 사람은 상기 샘플링 방법의 일련의 버젼을 제안할 수도 있다.에 관련하여 한 세트의 적당히 가중된 샘플이 인덱스k-1에서 유용하다고 제안하자. 이들 샘플을 근거로,에 관련하여 새로운 한 세트의 적당히 가중된 샘플을 발생시키기를 원한다. 일련의 중요도 샘플링(SIS) 알고리즘이 다음과 같이 처리된다.

ㆍ시험 분포로 부터 샘플을 유도하고이 되게하자.

ㆍ중요도 가중치

를 갱신하자.

사람은 상기 알고리즘이에 관련하여 적당히 가중된 샘플을 필요로 하는지를 체크할 수 있다. 이는를 만족시키는 시험 분포에 대해 중요도 샘플링 방법을 단순히 필요로 한다. 상기는 매우 일반적이나 양호한 실행을 획득하기 위해 "양호한" 시험 분포를 설계하는 것이 결정적이다. 최적 중요도 분포가 가중치 바[23]의 조건부 변이를 최소화할 시에 최적인 최적 중요도 분포를

에 의해 주어지게 설정하는 것은 쉽다.

이 경우엔, 상기 중요도 가중치 반복이이다.

3.2 리샘플링

중요도 가중치는 대응하는 입력된 신호 시퀀스의 "질(quality)"을 증가시킨다. 비교적 적은 가중치는 상기 샘플이 사후 분포의 메인 바디로 부터 멀리 끌어내어지고 최종 평가에서 적은 분포를 갖는 것을 의미한다. 사용된 중요도 분포인 것이 무엇이든지, SIS 알고리즘은 k 증가만큼 효과가 없게한다. 이는와간의 불일치가 k에 대해 증가만할 수 있기 때문이다. 실제로, 상기 절차의 소수 단계 이후에, 한 스트림만이 모든 다른 스트림을 지배한다. 즉, 상기 한 스트림의 중요도 가중치는 1에 가까운 반면에 다른 스트림의 중요도 가중치는 0에 가깝다. 상기 SIS 절차가 실제로 유효하게 하기 위해선, [24]에 제시된 바와같은 리샘플링 절차를 사용할 것이 요구된다. 대충 말하면, 리샘플링의 목적은 큰 중요도 가중치를 가진 스트림을 두배로 하는 동시에 적은 중요도 가중치를 가진 스트림을 제거하는 것이다. 즉, 스페이스의 유망한 지역에 계산에 관한 노력을 집중하는 것이다. 각각의 샘플은에 대하여 K_j배 복제된다. 많은 샘플링 절차가 문헌[11, 14, 15, 24, 25]에 제안되었다. 여기서 [25]에 제안된 조직적인 리샘플링 절차를 사용한다.

ㆍ누적 분포를 계산하자.

ㆍ[0, 1]에 균일하게 임의 숫자U를 끌어내자.를 계산하자.

ㆍ를 세트하자

ㆍ새로운 세트의 스트림에 균일한 가중치를 할당하자.

이 알고리즘은 계산상 매우 효율적이다. 바이어스되지 않은 리샘플링 방식(unbiased resampling scheme) 즉, E{k_j} = mw^(j) _k-1의 경우에, 이 알고리즘은분산(variance) var{k_j} 을 최소화시키고, 다른 알고리즘들보다 더 우수한 성능을 보인다.

리샘플링이 최적의 중요도 분포(importance distribution)(17)와 결합하여 이용되는 경우, 이러한 매우 특정한 경우에, 시간(k)에서의 중요도 가중치는 샘플들 x^(j) _k과 관계가 없기 때문에, 시간(k)에서의 샘플링 단계전에 리샘플링 단계를 수행해야 한다.

리샘플링은 고정 길이의 시간 간격마다(즉, 5의 시간 스텝(time step)마다 또는 주기적으로) 행해질 수 있거나 또는 동적으로 수행될 수 있다. 효과적인 샘플 크기는 샘플 스트림들의 중요도 가중치의 변동을 모니터하여 시스템이 서서히 발전하는 것으로서, 언제 리샘플링을 수행할지를 결정하는데 이용될 수 있는 판단기준이다. 상기 효과적인 샘플 크기는로서 정의되며, 여기서, 변동 계수 v_k는에 의해 주어지며, 여기서,이다. 대체로, 상기 효과적인 샘플 크기는 상기 가중치들에 대한 변동의 척도이다. 모든 가중치들이 동일한, 최적의 경우, 그것은 최대가 되고, m 과 같다. 하나의 가중치가 다른 가중치들을 압도할 때, 그것은 매우 작다. 동적 리샘플링시, 일단 상기 효과적인 샘플 크기가 어떤 한계치보다 작으면, 리샘플링 단계가 수행된다. 상기 가중치들의 엔트로피(entropy)와 같은 대안적인 판단기준이 또한 이용될 수 있다.

발견적으로, 리샘플링은 양호한 샘플 스트림들 자체를 증폭할 수 있는 기회를 제공하고, 이것으로 인해 상기 샘플들을 원래 상태로 회복시켜 후속 단계들에서 더 좋은 결과를 가져올 수 있게 한다. m 이 충분히 큰 경우, 상기 리샘플링 방식에 의해 얻어진 리샘플링된 스트림들이 p(X_k｜Y_k)에 대하여 또한 적절하게 가중됨을 볼 수 있다. 실제로, 적당한 m 에 비해 작은 값이 이용될 때(본원에서는, m = 64를 이용함), 리샘플링 절차는 바이어스와 변동 사이의 트레이드 오프(trade off)로 볼 수 있다. 즉, 상기 리샘플링 절차로부터 얻어진 가중치들을 갖는 새로운 샘플들은 단지 대략적으로 적당할 뿐이어서, 몬테 카를로 평가들(Monte Carlo estimates)에 작은 바이어스가 생기게 된다. 다른 한편으로, 리샘플링은 추후 샘플들에 대한 몬테 카를로 변동을 현저하게 감소시킨다.

3.3 대안적인 결정론적인 절차

SMC는 원하는 임의의 공간상의 확률 분포를 샘플링하는 방법들의 매우 일반적인 집합이다. 전기통신에서 매우 유익한 경우 즉, x_k가 단지 X 라 칭하는 유한 집합내의 값들만을 취할 수 있는 경우로 제한한다. 이 경우, 사후 분포 p(X_k｜Y_k) 는 정확하게 계산될 수 있지만, X_k가 ｜X｜^k가능한 값들을 취할 수 있기 때문에 k 가 클 때 전형적으로 계산상 매우 비용이 많이 들게 되며, 여기서, ｜X｜는 X 내의 원소들의 수이다.

이러한 매우 특정한 경우, 최적의 중요도 분포(17)를 갖는 SIS 절차는 다음의 형태를 취한다.

·로부터 샘플을 얻어내어,를 한다.

·상기 중요도 가중치를 갱신한다.

상기 중요도 가중치는 다음 식을 이용하여 계산된다.

이 알고리즘에 대해 2가지 문제점이 지적될 수 있다. 첫째, 스트림들의 수 m 가 l < n 인과 동일하다고 가정한다. (l ≥k이면, p(X_k｜Y_k)를 정확하게 계산할 수 있다.) 상기 알고리즘은 먼저확률을 열거하고, 그들의 사후 확률을 계산해야 한다. 즉, p(｜)를 정확하게 계산해야 한다. 이것은 SMC 알고리즘의 초기화 단계에서 쉽게 결합될 수 있다. 둘째,스트림들의 정규화 상수까지 사후 분포를 계산하는 것을 수반한다는 것을 알 수 있다. 각각의에 대해 실제로,에 대하여을 계산해야 한다.를 샘플링함으로써, 이 정보는 어떻게 해서든지 폐기된다. 대안적인 결정론적인 방식은 시간 k에서의"후보자(candidate)" 궤도들중에서, 높은 사후 분포를 갖는 상기 m 궤도들을 킵핑(keeping)하는 것으로 이루어진다. 이 알고리즘은 m개의 잔존물(survivor)들을 갖는 확장된 비터비(Viterbi) 알고리즘으로 해석될 수 있다. 명백하게는, 이 결정론적인 기법을 이용하는 선택 단계에서의 국부적인 근사 오차는 랜덤화 기법을 이용하는 경우보다 낮다. 그럼에도 불구하고, 전체 성능이 더 좋아지는 것을 보장하지 않는다.

간단히 말하면, (정규화 상수까지 알려진) 사후 분포들과 함께이 주어진 경우, 상기 알고리즘은 시간(k)에서 다음과 같이 진행한다.

·다음 식을 계산한다.

·상기가설들 중에서 단지 m "최적의(best)" 별개의 스트림들만을 선택하여 보존한다.

이 방식의 단점은 가중치 계산에 있어서 명백히 과거의 관찰결과들이 현재의 관찰결과만큼 중요하다는 점이다. 오차가 생겼다면 다른 결정들에 큰 영향을 미치게 된다. 랜덤화 알고리즘은 상기 스트림들이 리샘플링될 때 그들의 가중치들이 1/m 로 설정되는 경우 이 문제점에 덜 민감하게 된다.

확률론적인 알고리즘과 결정론적인 알고리즘 둘다 병렬 실행에 적합하다는 것을 주목할 필요가 있다.

4 소프트 MIMO 복조 알고리즘

이 절에서는, 순차적인 몬테 카를로 원리에 근거하여 소프트-입력 소프트-출력 MIMO 복조 알고리즘을 이끌어낼 것이다. 기존의 간단한 널링 및 소거 BLAST 검출(simple nulling and cancellation BLAST detection) 방식의 인위적 순차 구조를 이용함으로써 중요도 샘플링 밀도(importance sampling density)가 얻어진다. 먼저, 채널 파라미터들은 검출전에 짧은 트레이닝 시퀀스를 통하여 수신기에서 완벽하게 평가되었다고 가정된다. 그 다음, 고품질 심볼 결정 피드백과 함께 파일럿 심볼들에 의한 시스템 성능에 대한 채널 평가 오차의 효과를 검사한다.

4.1 간단한 널링 및 소거 BLAST 검출 알고리즘

신호 모델(2)을 고려하여, 다음과 같이의 QR-분해를 표시한다.

(20)

여기서, Q는 단일 행렬(unitary matrix)이고, R은 상부 삼각 행렬(upper triangular matrix)이다. 널링 연산은 (2)에 대한 벡터 u에를 좌측에 곱하여 다음의 충분 통계량을 생기게 하는 좌표 회전(coordinate rotation)이다.

여기서,이다. Q가 단일 행렬이기 때문에, 잡음 증대가 없으며, 잡음 백색화 특성은 널링 즉,에 의해 유지한다. (21)을 다음과 같이 다시 쓸 수 있다.

널링 연산 즉, z 곱하기 R^-1에 의해 직접 데이터 심볼들을 검출할 수 있다. 그러나, [5]에서, R의 상부 삼각 구조를 이용함으로써, 다음의 성공적인 간섭 소거방법으로 제로 강제(zero-forcing)를 통해 상당한 개선이 얻어질 수 있다.

여기서,이다. 비록 상기 간단한 널링 및 소거 방식이 매우 낮은 복잡도를 갖지만은, 그 성능은 정렬에 의한 제로 강제 또는 MMSE 널링 및 간섭 소거에 기반한 방법들의 성능 뿐만 아니라 구 디코딩 알고리즘의 성능보다 훨씬 좋지 않다(도 5 참조). 이에 따라서, 핵심(kernel)으로서 상기 간단한 널링 및 소거 방법을 이용하여 SMC 기반의 MIMO 복조 알고리즘을 개발하였다. 제 5 절에서 알 수 있는 바와 같이, 이들 새로운 알고리즘들은 코딩되지 않은 및 코딩된 MIMO 시스템들 둘다에서의 최적에 가까운 성능을 제공한다.

4.2 확률론적인 SMC MIMO 복조기

(22)로부터, 상부 삼각 구조로 인한 상기 간단한 널링 및 간섭 소거 방식의 인위적인 순차적 구조는 상기 SMC 방법을, 안테나 n_T로부터 시작하여 안테나 1 까지의 공간 영역에서 동작하는 특수성을 갖는 MIMO 데이터 검출에 적용하기에 적합하다. 실제로, 다음을 갖는다.

여기서,이고,이다. 이에 따라, SMC 방법들을이용하여 확률 분포들의 시퀀스로부터 시뮬레이션(simulate)한다. "인위적인" 분포들의 이러한 시퀀스가 다음과 같이 정의된다.

SMC MIMO 검출의 목적은 널링후의 수신된 신호(z)에 기반한 사후 심볼 확률 즉,

,,(26)

의 평가를 계산하는 것이다. 각각의 심볼 간격에서의 SMC에 의해 얻어진 샘플을이라고 한다. 상기 SMC를 실행하기 위하여,의 분포에 대해 적절하게 가중된 전송 심볼들 {s^(j) _k, w^(j) _k}의 몬테 카를로 샘플들의 집합을 얻을 필요가 있다. MIMO 복조의 응용에서, (15)에서의 함수 h(ㆍ)는 지시 함수 1(ㆍ)에 의해 다음과 같이 특정된다.

이에 따라서, 정보 심볼(s_k)의 사후 확률은 다음과 같이 평가될 수 있다.

여기서,이다.

그 다음, 제 3.1 절의 (17)에서, 시행 분포(trial distribution)를 다음과같이 선택한다.

이 시행 분포에 대하여, 중요도 가중치는 다음 식에 따라서 갱신된다.

그 다음에, (29) 및 (30)에서 예측 분포의 계산을 특정한다. 먼저, (29)의 상기 시행 분포를 다음과 같이 고려한다.

(21)의 잡음은 백색 가우스 분포(white Gaussian) 즉,이기 때문에, 다음과 같이 된다.

여기서, 평균은 다음과 같이 주어진다.

다음과 같이 표시할 수 있다.

따라서, (30)의 예측 분포는 다음과 같이 주어진다.

도 3을 참조하면, 확률론적인 SMC MIMO 복조 프로세스를 요약할 수 있다. 이 프로세스는 블록(300)에서 시작하며, 그 다음에

0. 초기화: 모든 중요도 가중치들이 w^(j) _-1= 1, j=1,..., m 으로 초기화된다(블록(305)).

블록(310)에서, k번째 귀납(k=n_T, n_T-1,..., 1)에서 각각의 가중된 샘플을 갱신하도록 다음의 단계들이 수행된다. j = 1,..., m 에 대하여:

1. 블록(315)에서, (4)를 이용하여 계산된, 최종의 터보 반복으로부터 얻어진 사후 심볼 확률 P(s_k=a_i)을 갖는 (35)에 따라서 각각의 a_i∈A 에 대해 시행 샘플 밀도를 계산한다.

2. 블록(320)에서, 다음의 확률을 갖는 집합 A로부터 샘플 s^(j) _k을 얻어낸다.

3. 블록(325)에서, 다음의 중요도 가중치를 계산한다.

4. 블록(330)에서, (28)에 따라 정보 심볼(s_k)의 사후 확률을 계산한다.

5. 블록(335)에서, 최종(j=m) 샘플에 도달할 때까지 귀납적으로 다음 샘플에 대하여 프로세스가 반복된다. 블록(340)에서, 제 3.2 절에 설명된 바와 같이 리샘플링이 수행될 수 있다. 상기 리샘플링은 반드시 도 3에 나타낸 시퀀스로 일어날 필요는 없음을 주목한다. 블록(345)에서, 최종 귀납(k=1)에 도달할 때까지 다음 귀납에 대하여 프로세스가 반복된다.

본 발명의 확률론적 및 결정론적 복조 프로세스는 임의의 알려진 하드웨어, 펌웨어 및/또는 스프트웨어를 이용하여 수행될 수 있다. 예를 들면, 상기 복조기(210)는 원하는 계산들을 수행하도록 프로그램되는 ASIC를 포함할 수 있다. 메모리와 같은 프로그램 저장 장치는 상기 복조를 수행하도록 마이크로프로세서와 같은 장치에 의해 실행가능한 명령들의 프로그램을 포함할 수 있다. 상기 프로그램 저장 장치 및 마이크로프로세서는 상기 복조기(210) 및 가능하게는 수신기(200)내의 다른 구성요소들의 부분 또는, 그와 결합된 것일 수 있다. 또한, 상기 수신기(200)내의 구성요소들 중 임의의 구성요소의 기능은 유사하게 실시될 수 있다.

4.3 결정론적인 SMC MIMO 복조기

확률 분포들의 시퀀스를 평가하는 결정론적인 방법은 다음과 같이 진행한다. 상기 확률론적인 경우와 유사하게, 각각의 반복에서 m 샘플들이 얻어지며, 여기서일 때이다.일 때, 그것은 최대 가능성검출(maximum likelihood detection)과 동치이고,계산들을 의미한다. 조사 단계에서, 안테나에서 안테나까지에 대해 모든 m개의 작은 조각들 즉, 샘플들을 열거함으로써 상기 분포를 정확하게 계산한다. 결과로써, 다음의 식 (39)을 만족하는 가중치들을 갖는 m개의 별개의 QPSK 시퀀스들의 집합을 가질 수 있다.

여기서,이고, 식(33)에 의하여가 주어진다.

두번째 단계는 안테나로부터 안테나 1까지(즉, k=,...,1) 수행된 제 3.3 절에 설명된 바와 같은 확장된 비터비 알고리즘이다. 다음 식에 따라 중요도 가중치를 갱신할 필요가 있다.

여기서, 가장 높은 중요도 가중치들을 갖는 상기 m개의 별개의 QPSK 심볼 시퀀스들은가설들을 통한 잔존물 경로들로서 선택된다. 상기 결정론적인 SMCMIMO 복조 알고리즘은 블록(400)에서 시작하며, 다음과 같이 도 4에 요약된다.

0. 초기화:에 대하여, 모든 m개의 작은 조각들(샘플들)을 열거함으로써 (41)을 통하여 확률 분포의 정확한 표현식을 계산한다(블록(405)).

블록(410)에서, k번째 귀납에서 각각의 가중치 샘플을 갱신하도록 다음의 단계들이 수행된다. j = 1,..., m 에 대하여:

1. 블록(415)에서, 다음의 중요도 가중치를 계산한다.

(43)

여기서,는 (41)에 의하여 주어진다.

2. 블록(420)에서, 가중치들 집합 {w^(j) _k,i}을 갖는가설들 중에서 가장 높은 가중치들을 갖는 m개의 "최적의" 별개의 스트림들만을 선택하여 보존한다.

3. 블록(425)에서, 식(28)에 따라 정보 심볼(s_k)의 사후 확률을 계산한다.

블록(430)에서, 최종(j=m) 샘플에 도달할 때까지 귀납적으로 다음 샘플에 대하여 프로세스가 반복된다. 블록(435)에서, 최종 귀납에 도달할 때까지 다음 귀납에 대하여 프로세스가 반복된다. 블록(440)에서, 프로세스가 종료된다.

5 시뮬레이션 결과들

이 절에서는, 컴퓨터 시뮬레이션 결과들을 제공하여, n_T= n_R= 8 인 플랫-페이딩(flat-fading) MIMO 채널들에서의 제안된 터보 수신기들의 성능을 예시한다.페이딩 계수들은에 따라 발생되며, 여기서 i.i.d. 는 "독립적이며 동일한 분포를 따르는(independent, identically distributed)"을 표시한다. 채널들은 준-정적(quasi-static) 즉, 채널들이 N개의 심볼들의 전체 프레임에 대한 상수를 유지하는 것으로 가정되지만, 프레임마다 변한다. 500 채널 구현들에 대해 평균함으로써 시뮬레이션 결과들이 얻어진다. 상기 확률론적인 SMC 알고리즘으로 얻어진 샘플들의 수는 m=64 이다. 상기 결정론적인 알고리즘으로 얻어진 샘플들의 수는 코딩되지 않은 경우, m=64(즉,)이고, 코딩된 경우, m=16(즉,)이다.

5.1 코딩되지 않은 MIMO 시스템들에서의 성능

먼저, 코딩되지 않은 MIMO 시스템에서의 제안된 확률론적 및 결정론적인 SMC MIMO 복조 알고리즘들의 성능을 예시한다. (구 디코딩 알고리즘, 정렬에 의한 MMSE 널링 및 소거에 기반한 방법, 정렬에 의한 제로 강제 널링 및 소거에 기반한 방법, 그리고 간단한 널링 및 소거 방법을 포함하는) 어떤 기존의 검출 알고리즘들과 함께, 이들 2개의 새로운 알고리즘들의 BER 성능이 도 5에 도시되어 있다. QPSK 변조가 이용된다. 몇가지 관찰결과들이 정리되어 있다. 첫째, 간단한 널링 및 소거 방법은 매우 나쁜 성능을 나타낸다. 그러나, 간단한 널링 및 소거 방법이 SMC(결정론적 또는 확률론적)와 결합되면, 훨씬 더 강력한 MIMO 검출기를 얻을 수 있다. 둘째, 상기 결정론적인 검출기는 상기 확률론적인 검출기보다 성능이 우수하고, 지금까지 알려진 가장 차선의 MIMO 검출기인 상기 구 디코딩 알고리즘들보다 실제로 약간 더 우수하다.

5.2 코딩된 MIMO 시스템들에서의 성능

상기 코딩된 MIMO 시스템에 대하여, 전송기에서는 (8진 표기의 발생기들(23 및 35)를 구비한) 부호화율이 1/2이고, 구속장 길이(constraint length)가 5인 컨볼루셔널 코드가 이용된다. 비트 보간기는 시뮬레이션들을 통하여 무작위적으로 발생되어 고정된다. 코드 비트 블록 크기는 256 정보 비트들 및 32 QPSK MIMO 심볼들에 대응하는 512이다. 본원에서 이용된 채널 평가기는 (12)에 의해 주어진 MMSE MIMO 채널 평가기이며, 여기서 T = n_T= 8이며, QPSK 직교 MIMO 파일럿 심볼들이 이용된다. 각각의 시뮬레이션 런(simulation run)의 터보 반복들의 수는 4이다.

도 6, 도 7 및 도 8에는, 확률론적인 SMC 복조기를 이용하는 터보 수신기의 BER 성능이 도시되어 있다. "Iter"은 "반복(iteration)"을 표시하고, "ch"는 "채널(channel)"을 표시하고, 그리고 "est."는 "평가됨(estimated)"을 표시한다. 이들 도면들에서의 실선(solid curve)들은 완전히 알려진 채널에 의한 BER 성능에 해당하는 반면, 파선(dashed curve)들은 다른 채널 평가 방식들에 의한 BER 성능에 해당한다. 도 6에서, 채널은 파일럿들에 기초하여 단지 한번 평가되어 모든 터보 반복들에 대해 이용된다. 도 7에서, 채널은 상기 2.3절에서 설명한 바와 같이, 높은 신뢰도를 갖는 디코드된 심볼들 및 파일럿들을 이용하여 각 터보 반복의 시작시 재평가된다. 그리고, 도 8에서는, 채널이 파일럿 심볼들 및 모든 정보 심볼들을 알고 있는 제니에 의해 평가되는 것으로 가정한다. 이러한 제니 도움 채널 평가는 모든 터보 반복들에 대해 이용된다. 도 8의 플롯(scenario)은 서로 다른 채널 평가 방식들을 갖는 터보 수신기들에 대해 달성할 수 있는 성능에 있어서의 상위 경계를제공한다. 반복적인 채널 평가 및 심볼 검출을 수행함으로써, 터보 수신기는 제니 도움 경계에 가까이가는 성능을 제공한다는 것을 알 수 있다.

도 9, 10 및 11은 결정론적인 SMC 복조기를 이용하는 터보 수신기의 대응하는 BER 성능을 도시한다. 결정론적인 SMC 알고리즘은 그의 확률론적인 SMC 알고리즘 보다 개선되고 안정한 성능을 제공한다는 것을 알 수 있다.

6 결론

본 발명은 소프트 입력 소프트 출력 MIMO 복조에 특히 유용한 복조 알고리즘들의 새로운 패밀리를 제공한다. 이러한 새로운 기술들은 핵심(kernel)으로서 단순한 널링(nulling) 및 소거(cancellation)에 기초한 통상적인 BLAST 검출을 예시적으로 이용하고, 베이스 추론(Bayesian inference)을 위한 순차적인 몬테 카를로(SMC) 방법에 기초한다. 이러한 2가지 형태의 SMC MIMO 복조 알고리즘들은 각각 확률론적인 샘플링 및 결정론적인 샘플링에 기초하여 개발되었다. 하드 MIMO 검출 알고리즘들로서, 제시되는 SMC 복조 알고리즘들은 기존의 모든 BLAST 검출 방법들을 상당히 능가한다. 또한, 결정론적인 SMC MIMO 검출기는 구 디코딩 알고리즘을 약간 능가한다. 또한, 코드화 MIMO 시스템들에서, 제시된 SMC 알고리즘들은 물론 터보 수신기에서 소프트 MIMO 복조기의 역할을 할 수 있다. 시뮬레이션 결과들은, 전체적으로, 결정론적인 SMC MIMO 복조기가 비코드화 MIMO 시스템 및 코드화 MIMO 시스템 모두에서 그의 확률론적인 복조기와 비교하여 보다 우수하고 안정한 성능을 제공함을 나타낸다.

본 발명은 특정하고 예시적인 실시예들에 관련하여 설명되었다. 본 발명의범위를 벗어나지 않으면서, 특정한 변형들 및 수정들이 이루어질 수 있음은 당업자에게 명백하다. 상기 실시예들은 단지 예시적인 것으로서, 첨부된 청구항들에 의해 규정되는 본 발명의 범위를 한정하지 않는다.

상기 설명한 바와 같이, 본 발명의 결정론적인 SMC MIMO 복조기는 통계론적인 복조기와 비교하여 보다 우수하고 안정한 성능을 제공할 수 있는 효과를 갖는다.

부록-참고 문헌 리스트

[1] G.J. Foschini 및 M.J. Gans. "다수의 안테나들을 이용할 때 페이딩 환경에서의 무선 통신의 한계(On the limits of wireless communications in a fading environment when using multiple antennas)". Wireless Personal Commun. 6(3):311-335, 1998.

[2] I.E. Telatar. "다수 안테나 가우션 채널들의 용량(Capacity of multi-antenna Gaussian channels)". Euro. Trans. Telecommun., 10(6):585-595, Nov. 1999.

[3] C.N. Chuah, D.N.C. Tse, J.M.Kahn 및 R.A. Valenzuela. "상관된 페이딩하에서 MIMO 무선 시스템들에 있어서의 용량 스케일링(Capacity scaling in MIMO wireless systems under correlated fading)". IEEE Trans. Inform. Theory, 48(3):637-650, Mar. 2002.

[4] P.W. Wolniansky, G.J. Roschini, G.D. Golden 및 R.A. Valenzuela. "V-BLAST: 풍부한 스캐터링 무선 채널을 통해 매우 높은 데이터 속도를 달성하는 아키텍쳐(V-BLAST: an architecture for realizing very high data rates over the rich-scattering wireless channel)". In Proc.1998 Inc. Symp. Sig. Sys. Elect. (ISSSE'98), Pisa, Italy, Sep. 1998.

[5] G.J. Foschini. "다수 요소 안테나들을 이용할 때 페이딩 환경에서의 무선 통신을 위한 층을 이룬 공간 시간 아키텍쳐(Layed space-time architecture for wireless communication in a fading environment when using multi-element antennas)". Bell Labs. Tech.J., 1(2):41-59, 1996.

[6] G.D. Golden, G.J. Foschini, R.A. Valenzuela 및 P.W. Wolniansky. "V-BLAST 공간 시간 통신 아키텍쳐를 이용한 검출 알고리즘 및 초기 실험실 결과(Detection algorithm and initial laboratory results using V-BALST space-time communication architecture)". Elect. Let., 35:14-16, Jan. 1999.

[7] O.Damen, A. Chkeif 및 J. Belfiore. "공간 시간 코드들을 위한 격자 코드 설계(Lattice code design for space-time codes)". IEEE Commun. Let., 4(5):161-163, May 2000.

[8] B.M. Hochwald 및 S.T.Brink. "다수 안테나 채널에 대한 근접 용량의 달성(Achieving near-capacity on a mulitple-antenna channel)". Submitted to IEEE Trans. Commun., Apr. 2002.

[9] A.M. Chan 및 I. Lee. "다수 안테나 시스템들에 대한 새로운 감소된 구 디코더(A new reduced sphere decoder for multiple antenna systems)". In Proc.2002 Inc. Commun. Conf. (ICC'02), New York, N.Y., Apr. 2002.

[10] A. Doucet, N. DeFreitas 및 N.J. Gordon(eds.). "실행시의 순차적인 몬테 카를로 방법들(Sequential Monte Carlo Methods in Practice)". New York: Springer-Verlag. 620pp., 2001.

[11] X. Wang, R. Chen 및 J.S. Liu. "무선 통신을 위한 몬테 카를로 베이스 신호 처리(Monte Carlo Bayesian signal processing for wireless communications)". J. VLSI Sig. Proc., 30(1-3):89-105, Jan.-Feb.-Mar.2002.

[12] R. Chen, X. Wang 및 J.S.Liu. "혼합 칼만 필터링을 통한 플랫 페이딩 채널들에서의 적응형 조인트 검출 및 디코딩(Adaptive joint detection and decoding in flat-fading channels via mixture Kalman filtering)". IEEE Trans. Info. Theory, 46(6):2079-2094. Sep. 2000.

[13] R. Chen 및 J.S. Lin. "다이내믹 시스템들을 위한 순차적인 몬테 카를로 방법들(Sequential Monte Carlo methods for dynamic systems)". J. Amer. Stat.Assoc., 93:1302-1044, 1998.

[14] R. Chen 및 J.S. Lin. "혼합 칼만 필터(Mixtre Kalman filters)". J. Amer. Stat.Assoc.(B). 62:493-509, 2000.

[15] Z. Yang 및 X. Wang. "주파수 선택 페이딩 채널들에서 OFDM 시스템들을 위한 순차적인 몬테 카를로 블라인드 수신기(A sequential Monte Carlo blind receiver for OFDM systems in frequency-selective fading channels)". IEEE Trans. Sig. Proc., 50(2):271-280, Feb. 2002.

[16] A.M. Tonello. "인터리브된 공간 시간 코드들의 터보 등화(On turbo equalization of interleaved space-time codes)". In Proc. 2001 Fall Vehi. Tech. Conf. (VTC-fall'01), Oct.2001.

[17] H. Dai 및 A.F. Molisch. "간섭이 제한된 MIMO 시스템들을 위한 다중 사용자 검출(Multiuser detection for interference-limited MIMO systems)". In Proc. 2001 Spring Vehi. Tech. Conf. (VTC-spring'01), May 2002.

[18] M. Sellathurai 및 S. Haykin. "무선 통신을 위한 TURBO-BLAST: 이론 및 실험(TURBO-BLAST for wireless communications: theory and experiments)". IEEE Trans. Sig. Proc., 50(10):2538-2546, Oct. 2002.

[19] X. Wang 및 H.V. Poor. "코드화 CDMA를 위한 반복적인 (터보) 소프트 간섭 소거 및 디코딩(Iterative (Turbo) soft interference cancellation and decoding for coded CDMA". IEEE Trans. Commun., 47(7):1046-1061, Jul. 1999.

[20] L.R. Bahl, J.Cocke, F.Jelinek 및 J.Raviv. "심볼 에러율을 최소화하기 위한 선형 코드들의 최적의 디코딩(Optimal decoding of linear codes for minimizing symbol error rate". IEEE Trans, Info. Theory, 20(3):284-287, Mar. 1974.

[21] T.L. Marzetta. "BLAST 트레이닝: 높은 용량의 공간 시간 무선을 위한 평가 채널 특성(BLAST training: estimation channel characteristics for high-capacity spacetime wireless)". In Proc. 37th Annual Allerton Conf. Commun., Comput. & Control, Sep. 1999.

[22] Q. Sun, D.C. Cox, A. Lozano 및 H.C. Huang. "연속적인 플랫 페이딩 BLAST를 위한 트레이닝 기반 채널 평가(Training-based channel estimation for continuous flat fading BLAST)". In Proc. 2002 Int. Conf. Commun. (ICC'02), New York, N.Y., Apr. 2002.

[23] A.Doucet, S.J. Godsill 및 C. Andrieu. "베이스 필터링을 위한 순차적인 몬테 카를로 샘플링 방법들(On sequential Monte Carlo sampling methods for Bayesian filtering)". Stat. & Comp., 10(3):197-208, 2000.

[24] N.J. Gordon, D.J. Salmond 및 A.F.M. Smith. "비선형 비가우션 베이스 상태 평가에 대한 새로운 시도(Novel approach to nonlinear non-Gaussian Bayesian state estimation)". In 1993 IEE Proc., F. Radar Sonar and Navigations, 140(2), Apr. 1993.

[25] G. Kitagawa. "비가우션 비선형 상태 공간 모델들을 위한 몬테 카를로 필터 및 평활기(Monte Carlo filter and smoother for non-Gaussian nonlinear state space models)". J. Comput. Graph. Statist., 5(1):1-25, 1996.

Claims

채널로부터 데이터를 복조하는 방법에 있어서,

상기 채널을 통해 전송된 심볼들에 대한 사전 확률값들을 수신하는 단계와;

상기 사전 확률값들에 따라, 상기 심볼들의 확률 분포에 대해 가중된 심볼들의 몬테 카를로 샘플들의 세트를 결정하는 단계와; 그리고

상기 몬테 카를로 샘플들의 세트에 기초하여 상기 심볼들에 대한 사후 확률값들을 평가하는 단계를 포함하는 것을 특징으로 하는 방법.
제 1 항에 있어서,

상기 사전 확률값들은 P(s_k=a_i)에 의해 표현되며, 여기서 심볼 간격 내의 심볼들은 s_k로 표현되고, 상기 k는 전송 안테나를 식별하는 인덱스이고, a_i는 상기 심볼들이 자신의 값들을 취하는 알파벳 세트의 i번째 값인 것을 특징으로 하는 방법.
제 1 항에 있어서,

상기 몬테 카를로 샘플들은 확률론적인 몬테 카를로 샘플들을 포함하는 것을 특징으로 하는 방법.
제 1 항에 있어서,

상기 심볼들의 확률 분포는 p(s｜z)에 의해 표현되고, 여기서 상기 s는 상기 심볼 간격 내의 서로 다른 전송 안테나들에 대해 전송된 신호값들의 벡터이고, 상기 z는 널링 이후 상기 서로 다른 전송 안테나들로부터 수신된 신호들의 벡터인 것을 특징으로 하는 방법.
제 1 항에 있어서,

{(s_k ^(j), w_k ^(k))}로 표현되는, 상기 심볼 간격 내의 심볼들의 몬테 카를로 샘플들의 세트를 결정하는 단계는:

이전의 반복으로부터의 상기 사전 확률값 P(s_k=a_i)을 이용하여, 상기 심볼들이 자신의 값들을 취하는 알파벳 세트(A)에서, 각각의 i번째 값(a_i)에 대한 시행 샘플링 밀도를 결정하는 단계와, 여기서 상기 심볼들은 s_k에 의해 표현되고, 상기 k는 전송 안테나를 식별하는 인덱스이며;

상기 알파벳 세트(A)로부터 j번째 샘플 심볼(s_k ^(j))을 끌어내는 단계와, 여기서 j=1,2,...m이고, 상기 m은 상기 심볼 간격에 대해 결정된 몬테 카를로 샘플들의 수이며; 그리고

상기 s_k ^(j)에 대한 중요도 가중치(w_k ^(j))를 컴퓨팅하는 단계를 포함하는 것을 특징으로 하는 방법.
제 5 항에 있어서,

갱신된 중요도 가중치(w_k ^(j))를 얻기 위해 재샘플링을 수행하는 단계를 더 포함하는 것을 특징으로 하는 방법.
제 5 항에 있어서,

상기 중요도 가중치를 w_-1(j)=1로 초기화하는 단계를 더 포함하는 것을 특징으로 하는 방법.
제 1 항에 있어서,

상기 m은 상기 심볼 간격에 대해 결정된 몬테 카를로 샘플들의 수이고;

상기 몬테 카를로 샘플들은 {(s_k ^(j), w_k ^(k))}로 표현되며,

각각의 사후 확률값 P(s_k=a_i｜z)는로부터 얻어지고, 여기서 상기 z는 널링 이후 서로 다른 전송 안테나들로부터 수신된 신호들의 벡터이고, 상기 k는 전송 안테나를 식별하는 인덱스이며;

상기 심볼들(s_k)에 대한 중요도 가중치는 w_k로 표현되고;

상기 A는 상기 심볼들이 자신의 값들을 취하는 알파벳 세트이고, 상기 a_i는상기 A 내의 i번째 값이며;

이며; 그리고

1은에 의해 정의되는 표시자 함수인 것을 특징으로 하는 방법.
제 1 항에 있어서,

상기 사후 확률값들에 기초하여, 인터리브된 코드 비트들의 사후 로그-가능성 비율을 계산하는 단계를 더 포함하는 것을 특징으로 하는 방법.
제 1 항에 있어서,

상기 몬테 카를로 샘플들은 결정론적인 몬테 카를로 샘플들을 포함하는 것을 특징으로 하는 방법.
제 1 항에 있어서,

상기 {(s_k ^(j), w_k ^(k))}로 표현되는, 상기 심볼 간격 내의 심볼들의 몬테 카를로 샘플들의 세트를 결정하는 단계는:

m개의 데이터 시퀀스들을 얻기 위해 모든 전송 안테나들 보다 적은 수에 대해 m개의 샘플들을 열거함으로써 확률 분포에 대한 정확한 표현을 계산하는 단계와, 여기서 상기 m은 상기 심볼 간격에 대해 결정된 몬테 카를로 샘플들의 수이고;

상기 각 샘플(s_k ^(j))에 대한 중요도 가중치(w_k ^(j))를 컴퓨팅하는 단계와, 여기서 상기 k는 전송 안테나를 식별하는 인덱스이며; 그리고

가장 높은 가중치들을 갖는 m개의 별개의 데이터 시퀀스들을 선택하고 유지하는 단계를 포함하는 것을 특징으로 하는 방법.
제 1 항에 있어서,

상기 채널은 다중 입력 다중 출력(MIMO) 채널을 포함하는 것을 특징으로 하는 방법.
채널로부터의 데이터를 복조하는 방법을 수행하기 위해 머신에 의해 실행될 수 있는 명령어들의 프로그램을 확실하게 구현하는 프로그램 저장 장치에 있어서, 상기 방법은:

상기 채널을 통해 전송된 심볼들에 대한 사전 확률값들을 수신하는 단계와;

상기 사전 확률값들에 따라, 상기 심볼들의 확률 분포에 대해 가중된 심볼들의 몬테 카를로 샘플들의 세트를 결정하는 단계와; 그리고

상기 몬테 카를로 샘플들의 세트에 기초하여 상기 심볼들에 대한 사후 확률값들을 평가하는 단계를 포함하는 것을 특징으로 하는 프로그램 저장 장치.
채널로부터의 데이터를 복조하는 복조기에 있어서,

상기 채널을 통해 전송된 심볼들에 대한 사전 확률값들을 수신하는 수단과;

상기 사전 확률값들에 따라, 상기 심볼들의 확률 분포에 대해 가중된 심볼들의 몬테 카를로 샘플들의 세트를 결정하는 수단과; 그리고

상기 몬테 카를로 샘플들의 세트에 기초하여 상기 심볼들에 대한 사후 확률값들을 평가하는 수단을 포함하는 것을 특징으로 하는 복조기.
제 14 항에 있어서,

상기 몬테 카를로 샘플들은 확률론적인 몬테 카를로 샘플들을 포함하는 것을 특징으로 하는 복조기.
제 14 항에 있어서,

상기 몬테 카를로 샘플들은 결정론적인 몬테 카를로 샘플들을 포함하는 것을 특징으로 하는 복조기.
제 14 항에 있어서,

상기 채널은 다중 입력 다중 출력(MIMO) 채널을 포함하는 것을 특징으로 하는 복조기.
채널로부터 데이터를 수신하는 수신기에 있어서,

소프트 외부 채널 디코더와;

소프트 내부 복조기와; 그리고

심볼 확률 컴퓨터를 포함하며;

상기 심볼 확률 컴퓨터는 상기 소프트 외부 채널 디코더로부터 수신된 비트 데이터에 기초하여 사전 심볼 확률값들을 계산하고; 그리고

상기 소프트 내부 복조기는, 상기 사전 확률값들에 따라, 상기 심볼들의 확률 분포에 대해 가중된 심볼들의 몬테 카를로 샘플들의 세트를 결정하고, 상기 몬테 카를로 샘플들의 세트에 기초하여 상기 심볼들에 대한 사후 확률값들을 평가하는 것을 특징으로 하는 수신기.
제 18 항에 있어서,

상기 비트 데이터의 사후 로그 가능성 비율(LLR)들을 결정하기 위해 상기 사후 확률값들에 응답하는 비트 로그 가능성 비율 컴퓨터를 더 포함하는 것을 특징으로 하는 수신기.
제 18 항에 있어서,

상기 데이터가 수신되는 채널은 다중 입력 다중 출력(MIMO) 채널을 포함하는 것을 특징으로 하는 수신기.
다중 입력 다중 출력(MIMO) 채널을 포함하는 채널로부터의 데이터를 복조하는 방법으로서,

(a) 상기 채널을 통해 전송된 심볼들에 대한 사전 확률값들을 수신하는 단계와;

(b) (b)(1) m개의 데이터 시퀀스들을 얻기 위해 모든 전송 안테나들 보다 적은 수에 대해 m개의 샘플들을 열거함으로써 확률 분포에 대한 정확한 표현을 계산하고, 여기서 상기 m은 상기 심볼 간격에 대해 결정된 결정론적인 몬테 카를로 샘플들의 수이고, (b)(2) 각 샘플(s_k ^(j))에 대한 중요도 가중치(w_k ^(j))를 컴퓨팅하고, 여기서 상기 k는 전송 안테나를 식별하는 인덱스이며, 그리고 (b)(3) 가장 높은 가중치들을 갖는 m개의 별개의 데이터 시퀀스들을 선택하고 유지함으로써, 상기 사전 확률값들에 따라, 상기 심볼들의 확률 분포에 대해 가중된 심볼 간격 내의 심볼들의 결정론적인 몬테 카를로 샘플들의 세트({(s_k ^(j), w_k ^(k))}로 표시됨)를 결정하는 단계와; 그리고

(c) 상기 결정론적인 몬테 카를로 샘플들의 세트에 기초하여 상기 샘플들에 대한 사후 확률값들을 평가하는 단계를 포함하며;

(d) 상기 심볼들의 확률 분포는 p(s｜z)에 의해 표현되고, 상기 s는 심볼 간격 내의 서로 다른 전송 안테나들에 대해 전송된 신호값들의 벡터이고, 상기 z는 널링 이후 상기 서로 다른 전송 안테나들로부터 수신된 신호들의 벡터인 것을 특징으로 하는 방법.
다중 입력 다중 출력(MIMO) 채널을 포함하는 채널로부터의 데이터를 복조하는 방법으로서,

(a) 상기 채널을 통해 전송된 심볼들에 대한 사전 확률값들을 수신하는 단계와;

(b) (b)(1) m개의 데이터 시퀀스들을 얻기 위해 모든 전송 안테나들 보다 적은 수에 대해 m개의 샘플들을 열거함으로써 확률 분포에 대한 정확한 표현을 계산하고, 여기서 상기 m은 상기 심볼 간격에 대해 결정된 결정론적인 몬테 카를로 샘플들의 수이고, (b)(2) 각 샘플(s_k ^(j))에 대한 중요도 가중치(w_k ^(j))를 컴퓨팅하고, 여기서 상기 k는 전송 안테나를 식별하는 인덱스이며, 그리고 (b)(3) 가장 높은 가중치들을 갖는 m개의 별개의 데이터 시퀀스들을 선택하고 유지함으로써, 상기 사전 확률값들에 따라, 상기 심볼들의 확률 분포에 대해 가중된 심볼 간격 내의 심볼들의 결정론적인 몬테 카를로 샘플들의 세트({(s_k ^(j), w_k ^(k))}로 표시됨)를 결정하는 단계와;

(c) 상기 결정론적인 몬테 카를로 샘플들의 세트에 기초하여 상기 샘플들에 대한 사후 확률값들을 평가하는 단계와;

(d) 여기서, 상기 심볼들의 확률 분포는 p(s｜z)에 의해 표현되고, 상기 s는 심볼 간격 내의 서로 다른 전송 안테나들에 대해 전송된 신호값들의 벡터이고, 상기 z는 널링 이후 상기 서로 다른 전송 안테나들로부터 수신된 신호들의 벡터이며;

(e) 상기 m은 상기 심볼 간격에 대해 결정된 결정론적인 몬테 카를로 샘플들의 수이고;

각각의 사후 확률값 P(s_k=a_i｜z)는로부터 얻어지고, 여기서 상기 z는 널링 이후 서로 다른 전송 안테나들로부터 수신된 신호들의 벡터이고, A는 상기 심볼들이 자신의 값들을 취하는 알파벳 세트이고, 상기 a_i는 상기 A의 i번째 값이며;

이고; 그리고

1은에 의해 정의되는 표시자 함수이며; 그리고

(f) 상기 사후 확률값들에 기초하여, 인터리브된 코드 비트들의 사후 로그 가능성 비율들을 계산하는 단계를 포함하는 것을 특징으로 하는 방법.