RU2414062C2 - Детектирование и декодирование с уменьшенной сложностью для приемника в системе связи - Google Patents

Детектирование и декодирование с уменьшенной сложностью для приемника в системе связи Download PDF

Info

Publication number
RU2414062C2
RU2414062C2 RU2008124818/09A RU2008124818A RU2414062C2 RU 2414062 C2 RU2414062 C2 RU 2414062C2 RU 2008124818/09 A RU2008124818/09 A RU 2008124818/09A RU 2008124818 A RU2008124818 A RU 2008124818A RU 2414062 C2 RU2414062 C2 RU 2414062C2
Authority
RU
Russia
Prior art keywords
data
llr
detection
symbols
processor
Prior art date
Application number
RU2008124818/09A
Other languages
English (en)
Other versions
RU2008124818A (ru
Inventor
Бьерн БЬЕРКЕ (US)
Бьерн БЬЕРКЕ
Ирина МЕДВЕДЕВ (US)
Ирина Медведев
Джон У. КЕТЧУМ (US)
Джон У. КЕТЧУМ
Марк С. УОЛЛЭЙС (US)
Марк С. УОЛЛЭЙС
Джей Родни УОЛТОН (US)
Джей Родни УОЛТОН
Original Assignee
Квэлкомм Инкорпорейтед
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Квэлкомм Инкорпорейтед filed Critical Квэлкомм Инкорпорейтед
Publication of RU2008124818A publication Critical patent/RU2008124818A/ru
Application granted granted Critical
Publication of RU2414062C2 publication Critical patent/RU2414062C2/ru

Links

Images

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L27/00Modulated-carrier systems
    • H04L27/26Systems using multi-frequency codes
    • H04L27/2601Multicarrier modulation systems
    • H04L27/2647Arrangements specific to the receiver only
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L1/00Arrangements for detecting or preventing errors in the information received
    • H04L1/02Arrangements for detecting or preventing errors in the information received by diversity reception
    • H04L1/06Arrangements for detecting or preventing errors in the information received by diversity reception using space diversity
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04BTRANSMISSION
    • H04B7/00Radio transmission systems, i.e. using radiation field
    • H04B7/02Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/0413MIMO systems
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L1/00Arrangements for detecting or preventing errors in the information received
    • H04L1/004Arrangements for detecting or preventing errors in the information received by using forward error control
    • H04L1/0045Arrangements at the receiver end
    • H04L1/0047Decoding adapted to other signal detection operation
    • H04L1/005Iterative decoding, including iteration between signal detection and decoding operation
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L1/00Arrangements for detecting or preventing errors in the information received
    • H04L1/004Arrangements for detecting or preventing errors in the information received by using forward error control
    • H04L1/0045Arrangements at the receiver end
    • H04L1/0052Realisations of complexity reduction techniques, e.g. pipelining or use of look-up tables
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L1/00Arrangements for detecting or preventing errors in the information received
    • H04L1/004Arrangements for detecting or preventing errors in the information received by using forward error control
    • H04L1/0045Arrangements at the receiver end
    • H04L1/0055MAP-decoding
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00Baseband systems
    • H04L25/02Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/03Shaping networks in transmitter or receiver, e.g. adaptive shaping networks
    • H04L25/03006Arrangements for removing intersymbol interference
    • H04L25/03171Arrangements involving maximum a posteriori probability [MAP] detection
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00Baseband systems
    • H04L25/02Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/03Shaping networks in transmitter or receiver, e.g. adaptive shaping networks
    • H04L25/03006Arrangements for removing intersymbol interference
    • H04L2025/0335Arrangements for removing intersymbol interference characterised by the type of transmission
    • H04L2025/03375Passband transmission
    • H04L2025/03414Multicarrier
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00Baseband systems
    • H04L25/02Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/03Shaping networks in transmitter or receiver, e.g. adaptive shaping networks
    • H04L25/03006Arrangements for removing intersymbol interference
    • H04L2025/0335Arrangements for removing intersymbol interference characterised by the type of transmission
    • H04L2025/03426Arrangements for removing intersymbol interference characterised by the type of transmission transmission using multiple-input and multiple-output channels

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Power Engineering (AREA)
  • Radio Transmission System (AREA)
  • Error Detection And Correction (AREA)

Abstract

Изобретение относится к технике связи и может быть использовано в приемниках систем беспроводной связи. В одном варианте воплощения приемник получает R принятых потоков символов для М потоков данных, выполняет пространственную обработку приема над принятыми символами для получения детектированных символов, выполняет вычисление логарифмических отношений правдоподобия (LLR) независимо для каждого из D наилучших потоков данных и выполняет вычисление логарифмического отношения правдоподобия (LLR) совместно для M-D оставшихся потоков данных, где M>D≥1 и М>1. D наилучших потоков данных могут быть выбраны на основе отношения сигнала к шуму (SNR) и/или других критериев. В другом варианте воплощения приемник выполняет вычисление логарифмического отношения правдоподобия (LLR) независимо для каждого из D наилучших потоков данных, выполняет вычисление LLR совместно для M-D оставшихся потоков данных и сокращает количество рассматриваемых гипотез для совместного вычисления LLR посредством выполнения поиска подходящих гипотез с использованием обнаружения сферы списка, метода Монте-Карло с использованием цепей Маркова или какой-либо другой методики поиска. Технический результат - уменьшение сложности детектирования и декодирования при обеспечении хорошей производительности. 10 н. и 38 з.п. ф-лы, 9 ил., 2 табл.

Description

Детектирование и декодирование с уменьшенной сложностью для приемника в системе связи
Настоящая заявка притязает на приоритет предварительной заявки на патент США №60/738159, озаглавленной "ИТЕРАЦИОННОЕ ДЕТЕКТИРОВАНИЕ И ДЕКОДИРОВАНИЕ С УМЕНЬШЕННОЙ СЛОЖНОСТЬЮ ДЛЯ СИСТЕМ С МНОЖЕСТВОМ ВХОДОВ И МНОЖЕСТВОМ ВЫХОДОВ (MIMO) И МУЛЬТИПЛЕКСИРОВАНИЕМ С ОРТОГОНАЛЬНЫМ ЧАСТОТНЫМ РАЗДЕЛЕНИЕМ СИГНАЛОВ (OFDM)", зарегистрированной 18 ноября 2005 года, назначенной на заявителя настоящей заявки и включенной в настоящую заявку по ссылке.
Уровень техники
Область техники
Настоящее раскрытие имеет отношение к связи вообще и, в частности, к методикам выполнения детектирования (обнаружения) и декодирования в приемнике в системе связи.
Уровень техники
Система связи с множеством входов и множеством выходов (MIMO) использует несколько (Т) передающих антенн в передатчике и несколько (R) принимающих антенн в приемнике для передачи данных. Канал MIMO, сформированный посредством Т передающих антенн и R принимающих антенн, может быть разложен на М пространственных каналов, где M≤min{T,R}. M пространственных каналов могут использоваться для передачи данных таким образом, чтобы достигнуть более высокой общей пропускной способности и/или большей надежности.
Передатчик может кодировать и передавать M потоков данных параллельно через T передающих антенн. Приемник получает R принятых потоков символов через R принимающих антенн, выполняет обнаружение MIMO для разделения M потоков данных и выполняет декодирование обнаруженных потоков символов для восстановления переданных потоков данных. Для достижения оптимальной производительности приемник должен был бы оценивать много гипотез для всех возможных последовательностей битов данных, которые могли быть переданы, на основе всей информации, доступной в приемнике. Такой полный перебор является интенсивным в вычислительном отношении и чрезмерно затруднительным для многих применений.
Поэтому в области техники имеется потребность в методиках выполнения обнаружения и декодирования с уменьшенной сложностью при достижении хорошей производительности.
Сущность изобререния
Здесь описаны методики выполнения обнаружения и декодирования с уменьшенной сложностью при достижении хорошей производительности. Эти методики воплощены в различных описанных ниже схемах обнаружения с уменьшенной сложностью.
В одной схеме обнаружения с уменьшенной сложностью приемник получает R принятых потоков символов для M потоков данных, переданных передатчиком, выполняет пространственную обработку приема (или пространственную согласованную фильтрацию) над принятыми символами для получения обнаруженных символов, выполняет вычисление логарифмических отношений правдоподобия (LLR) независимо для каждого из D "наилучших" потоков данных и выполняет вычисление логарифмического отношения правдоподобия (LLR) совместно для M-D оставшихся потоков данных, где в общем случае M>D≥1 и M>1. D наилучших потоков данных могут быть выбраны на основе отношения сигнала к шуму и помехе (SNR) и/или других критериев. В другой схеме обнаружения с уменьшенной сложностью приемник выполняет вычисление логарифмического отношения правдоподобия (LLR) независимо для каждого из D наилучших потоков данных, выполняет вычисление логарифмического отношения правдоподобия (LLR) совместно для M-D оставшихся потоков данных и сокращает количество рассматриваемых гипотез для совместного вычисления логарифмического отношения правдоподобия (LLR) посредством выполнения поиска подходящих гипотез с использованием обнаружения сферы списка, метода Монте-Карло с использованием цепей Маркова или какой-либо другой методики поиска.
Для обеих схем обнаружения размерность уменьшается с M до M-D посредством выполнения вычисления логарифмического отношения правдоподобия (LLR) по каждому потоку для D наилучших потоков данных. Сокращение размерности может существенно сократить количество рассматриваемых гипотез для совместного вычисления логарифмического отношения правдоподобия (LLR) для M-D оставшихся потоков данных. Количество гипотез может быть дополнительно сокращено посредством выполнения поиска подходящих гипотез. Эти схемы обнаружения могут использоваться для (1) однопроходного приемника, который выполняет обнаружение и декодирование один раз, и (2) итерационного приемника, который выполняет обнаружение и декодирование итерационно. Эти и другие схемы обнаружения подробно описываются ниже.
Ниже различные аспекты и варианты воплощения изобретения описываются более подробно.
Краткое описание чертежей
Признаки и природа настоящего изобретения станут более понятны из изложенного ниже подробного описания, рассмотренного вместе с чертежами, на которых везде аналогичные символы для ссылок обозначают аналогичные элементы.
Фиг.1 показывает блок-схему передатчика и приемника.
Фиг.2 показывает блок-схему процессора данных передачи и пространственного процессора передачи в передатчике.
Фиг.3 показывает блок-схему пространственного процессора приема и процессора данных приема для однопроходного приемника.
Фиг.4 показывает блок-схему пространственного процессора приема и процессора данных приема для итерационного приемника.
Фиг.5 показывает блок-схему последовательности операций для схемы обнаружения с уменьшенной размерностью.
Фиг.6 показывает устройство для схемы обнаружения с уменьшенной размерностью.
Фиг.7 показывает иллюстративное дерево поиска для обнаружения сферы списка.
Фиг.8 показывает блок-схему последовательности операций для схемы обнаружения с уменьшенным порядком.
Фиг.9 показывает устройство для схемы обнаружения с уменьшенным порядком.
Подробное описание
Слово "иллюстративный" используется здесь в значении "служащий примером, экземпляром или иллюстрацией". Любой вариант воплощения или образец, описанный здесь как "иллюстративный", не должен обязательно рассматриваться как предпочтительный или имеющий преимущества по сравнению с другими вариантами воплощения или образцами.
Описанные здесь методики обнаружения и декодирования могут использоваться для различных систем связи, в которых несколько потоков данных передаются параллельно через канал связи. Например, эти методики могут использоваться для системы с множеством входов и множеством выходов (MIMO) с одним частотным поддиапазоном, для системы MIMO с несколькими поддиапазонами, для системы с множественным доступом с кодовым разделением каналов (CDMA), для системы с множественным доступом с частотным разделением каналов (FDMA), для системы с множественным доступом с временным разделением каналов (TDMA) и так далее. Несколько поддиапазонов могут быть получены с помощью мультиплексирования с ортогональным частотным разделением сигналов (OFDM), множественного доступа с частотным разделением каналов с одной несущей (SC-FDMA) или какой-либо другой методики модуляции. Методики OFDM и SC-FDMA делят всю ширину полосы пропускания системы на несколько (L) ортогональных поддиапазонов, которые также называют поднесущими, тонами и так далее. Каждый поддиапазон имеет отношение к поднесущей, которая может быть независимо модулирована данными. В общем случае символы модуляции отправляют в частотной области с помощью методики OFDM и во временной области с помощью методики SC-FDMA. Для ясности большая часть описания ниже относится к системе MIMO, которая использует методику OFDM.
Фиг.1 показывает блок-схему варианта воплощения передатчика 110 и приемника 150 в системе 100 MIMO. Передатчик 110 оборудован несколькими (T) антеннами, и приемник 150 оборудован несколькими (R) антеннами. Для передачи по нисходящей линии связи (или прямой линии связи) передатчик 110 может являться частью базовой станции, точки доступа, узла B и так далее и может содержать некоторые или все функциональные возможности базовой станции, точки доступа, узла B и так далее. Приемник 150 может являться частью мобильной станции, терминала пользователя, пользовательского оборудования и так далее и может содержать некоторые или все функциональные возможности мобильной станции, терминала пользователя, пользовательского оборудования и так далее. Для передачи по восходящей линии связи (или обратной линии связи) передатчик 110 может являться частью мобильной станции, терминала пользователя, пользовательского оборудования и так далее, и приемник 150 может являться частью базовой станции, точки доступа, узла B и так далее.
В передатчике 110 процессор 120 данных передачи принимает информационные данные от источника 112 данных и обрабатывает (например, форматирует, кодирует, выполняет перемежение и преобразует в символы) информационные данные, чтобы сформировать символы данных, которые являются символами модуляции для информационных данных. Пространственный процессор 130 передачи мультиплексирует символы данных с контрольными символами, которые являются символами модуляции для контрольного сигнала. Контрольный сигнал представляет собой передачу, которая априорно известна и передатчику, и приемнику и также может называться обучающим сигналом, опорным сигналом, преамбулой, пилот-сигналом и так далее. Пространственный процессор 130 передачи выполняет пространственную обработку передатчика и выдает T потоков передаваемых символов T передающим элементам 132a-132t (TMTR). Каждый передающий элемент 132 обрабатывает (например, модулирует с помощью методики OFDM, преобразовывает в аналоговую форму, фильтрует, усиливает и преобразовывает с повышением частоты) свой поток передаваемых символов и формирует модулированный сигнал. T модулированных сигналов из передающих элементов 132a-132t передаются соответственно от антенн 134a-134t.
В приемнике 150 R антенн 152a-152r принимают T модулированных сигналов, и каждая антенна 152 выдает принятый сигнал соответствующему принимающему элементу 154 (RCVR). Каждый принимающий элемент 154 обрабатывает свой принятый сигнал способом, являющимся комплементарным к обработке, выполненной передающими элементами 132, для получения принятых символов, выдает принятые символы для информационных данных пространственному процессору 160 приема и выдает принятые символы для контрольного сигнала процессору 194 канала. Процессор канала 194 оценивает характеристику канала MIMO от передатчика 110 до приемника 150 на основе принятых символов для контрольного сигнала (и, возможно, принятых символов для информационных данных) и выдает оценки канала пространственному процессору 160 приема. Пространственный процессор 160 приема выполняет обнаружение над принятыми символами для информационных данных с помощью оценок канала и выдает мягкие решения, которые могут быть представлены посредством логарифмических отношений правдоподобия (LLR), как описано ниже. Процессор 170 данных приема также обрабатывает (например, выполняет обратное перемежение и декодирует) мягкие решения и выдает декодированные данные приемнику 172 данных. Обнаружение и декодирование могут быть выполнены с одним проходом через процессоры 160 и 170 или итерационно между процессорами 160 и 170.
Приемник 150 может отправить информацию обратной связи, чтобы помочь передатчику 110 в управлении передачей данных приемнику 150. Информация обратной связи может указывать конкретный режим передачи, который следует использовать для передачи, конкретную скорость или формат пакета, которые следует использовать для каждого потока данных, подтверждения (ACK) и/или отрицательные подтверждения (NAK) для пакетов, декодированных приемником 150, информацию о состоянии канала и так далее или любую комбинацию перечисленного. Информация обратной связи обрабатывается (например, кодируется, подвергается перемежению и преобразованию в символы) процессором 180 служебных сигналов передачи, мультиплексируется с контрольными символами и пространственно обрабатывается пространственным процессором 182 передачи и далее обрабатывается передающими элементами 154a-154r, чтобы сформировать R модулированных сигналов, которые передаются через антенны 152a-152r.
В передатчике 110 R модулированных сигналов принимаются посредством антенн 134a-134t, обрабатываются посредством принимающих элементов 132a-132t, пространственно обрабатываются посредством пространственного процессора 136 приема и затем обрабатываются (например, подвергаются обратному перемежению и декодируются) процессором 138 служебных сигналов приема для восстановления информации обратной связи. Контроллер/процессор 140 управляет передачей данных приемнику 150 на основе принятой информации обратной связи. Процессор 144 канала может оценить характеристику канала MIMO от приемника 150 до передатчика 110 и может получить матрицы пространственного отображения, используемые пространственным процессором 130 передачи.
Контроллеры/процессоры 140 и 190 управляют действиями в передатчике 110 и приемнике 150, соответственно. Блоки 142 и 192 памяти хранят данные и программные коды для передатчика 110 и приемника 150 соответственно.
Фиг.2 показывает блок-схему варианта воплощения процессора 120 данных передачи и пространственного процессора 130 передачи в передатчике 110. Для этого варианта воплощения для всех потоков данных используется общая схема кодирования, и для каждого потока данных может использоваться отдельная кодовая скорость и отдельная схема модуляции. Для ясности последующее описание предполагает, что M потоков данных отправляют по M пространственным каналам.
В процессоре 120 данных передачи кодер 220 кодирует информационные данные в соответствии со схемой кодирования и формирует кодовые биты. Схема кодирования может включать в себя сверточный код, турбо-код, код контроля четности с низкой плотностью (LDPC), код циклической проверки избыточности (CRC), блочный код и так далее или их комбинацию. Демультиплексор 222 демультиплексирует (или анализирует) кодовые биты в M потоков и выдает M кодовых битовых потоков M наборам блоков обработки. Каждый набор включает в себя блок 224 перфорации, блок 226 перемежения канала и символьный преобразователь 228. Каждый блок 224 перфорации при необходимости перфорирует (или удаляет) кодовые биты для достижения кодовой скорости, выбранной для его потока, и выдает оставленные кодовые биты соответствующему блоку 226 перемежения канала. Каждый блок 226 перемежения канала перемежает (или изменяет порядок) свои кодовые биты на основе схемы перемежения и выдает биты с перемежением соответствующему символьному преобразователю 228. Перемежение может быть выполнено отдельно для каждого потока данных (как показано на фиг.2) или вместе по некоторым или всем потокам данных (не показано на фиг.2).
Каждый символьный преобразователь 228 преобразовывает свои биты с перемежением в соответствии со схемой модуляции, выбранной для его потока, и выдает поток символов данных {sm}. Преобразование в символы для потока m может быть достигнуто посредством (1) группирования наборов из Qm битов для формирования значений, состоящих из Qm битов, где Qm≥1, и (2) преобразования каждого значения, состоящего из Qm битов, в одну из
Figure 00000001
точек в сигнальной совокупности для выбранной схемы модуляции. Каждая преобразованная сигнальная точка является комплексным значением и соответствует символу данных. Символьное преобразование может быть основано на преобразовании с использованием кода Грея или на преобразовании без использования кода Грея. При преобразовании с использованием кода Грея соседние точки в сигнальной совокупности (и в горизонтальном, и в вертикальном направлениях) отличаются только в одной из Qm битовых позиций. Преобразование с использованием кода Грея сокращает количество ошибок для более вероятных ошибочных событий, которые соответствуют преобразованию принятого символа в местоположение около правильного местоположения, когда только один закодированный бит был обнаружен ошибочно. При преобразовании без использования кода Грея соседние точки могут отличаться более чем в одной битовой позиции. Преобразование без использования кода Грея может привести к большей независимости между закодированными битами и может улучшить производительность для итерационного обнаружения и декодирования.
В пространственном процессоре 130 передачи мультиплексор 230 принимает M потоков символов данных от символьных преобразователей 228a-228m и преобразовывает символы данных и контрольные символы в надлежащие поддиапазоны в каждом периоде символа. Матричный умножитель 232 умножает символы данных и/или контрольные символы для каждого поддиапазона Z на матрицу
Figure 00000002
пространственного отображения и выдает символы передачи для этого поддиапазона. Разные матрицы пространственного отображения могут использоваться для разных режимов передачи, и разные матрицы пространственного отображения могут использоваться для разных поддиапазонов для некоторых режимов передачи, как описано ниже.
Фиг.2 показывает вариант воплощения, в котором для M потоков данных может использоваться общая схема кодирования и отдельные кодовые скорости и схемы модуляции. Разные кодовые скорости могут быть достигнуты для M потоков данных с использованием разных шаблонов перфорации для этих потоков. В другом варианте воплощения для всех потоков данных используется общая схема кодирования и общая кодовая скорость, и для M потоков данных могут использоваться отдельные схемы модуляции. В еще одном варианте воплощения для всех M потоков данных используется общая схема кодирования, общая кодовая скорость и общая схема модуляции. Во еще одном варианте воплощения каждый поток данных обрабатывается на основе схемы кодирования и модуляции, выбранной для этого потока данных. В общем случае для M потоков данных могут использоваться одинаковые или разные схемы кодирования, одинаковые или разные кодовые скорости и одинаковые или разные схемы модуляции. Кроме того, одинаковые или разные схемы кодирования, одинаковые или разные кодовые скорости и одинаковые или разные схемы модуляции могут использоваться по поддиапазонам.
Передатчик 110 обычно кодирует каждый пакет отдельно. В варианте воплощения M потоков данных кодируются совместно, с тем чтобы один пакет мог быть отправлен по нескольким (например, всем M) пространственным каналам. В другом варианте воплощения M потоков данных кодируются независимо, с тем чтобы каждый пакет был отправлен по одному пространственному каналу. В еще одном варианте воплощения некоторые потоки данных кодируются совместно, в то время как остальные потоки данных кодируются независимо.
Для ясности последующее описание предполагает, что по каждому пространственному каналу отправляют один поток данных. Термины "поток данных" и "пространственный канал", таким образом, являются взаимозаменяемыми для большей части описания ниже. Количество потоков данных может быть конфигурируемым и может быть выбрано на основе состояния канала и/или других факторов. Для ясности последующее описание предполагает, что по M пространственным каналам отправляют M потоков данных.
Фиг.3 показывает блок-схему пространственного процессора 160a приема и процессора 170a данных приема для однопроходного приемника. Процессоры 160a и 170a являются вариантом воплощения процессоров 160 и 170 соответственно в приемнике 150 на фиг.1. Для этого варианта воплощения процессоры 160a и 170a выполняют обнаружение и декодирование с одним проходом через каждый из процессоров 160a и 170a.
В пространственном процессоре 160a приема блок 308 вычисления матриц пространственного фильтра принимает оценки канала от процессора 194 канала и выводит матрицы пространственного фильтра на основе оценки канала и матриц пространственного отображения, используемых передатчиком 110, как описано ниже. Детектор 310 MIMO получает принятые символы от R принимающих элементов 154a-154r, оценки канала от процессора 194 канала и матрицы пространственного фильтра от элемента 308. Детектор 310 MIMO выполняет обнаружение, как описано ниже, и выдает K мягких решений для K битовых кодов M символов данных, отправленных в каждом поддиапазоне в каждый период символа, используемый для передачи данных. Мягкое решение представляет собой значение, состоящее из нескольких битов, которое является оценкой переданного кодового бита. Мягкие решения могут быть представлены как логарифмические отношения правдоподобия (LLR) и могут называться внешними логарифмическими отношениями правдоподобия (LLR). Если M символов данных отправлены в одном поддиапазоне в один период символа, то K может быть вычислено как,
Figure 00000003
где Qm - количество кодовых битов, используемых для формирования символа данных для потока m. Если для всех M потоков данных используется одна и та же схема модуляции, то K может быть вычислено как K=M∙Q, где Q - количество кодовых битов для каждого символа данных.
В процессоре 170a данных приема блоки 316a-316m обратного перемежения канала принимают внешние логарифмические отношения правдоподобия (LLR) для M потоков данных. Каждый блок 316 обратного перемежения канала выполняет обратное перемежение внешних логарифмических отношений правдоподобия(LLR) для своего потока способом, являющимся комплементарным перемежению, выполненному блоком 226 перемежения канала для этого потока. Мультиплексор 318 мультиплексирует (или переводит в последовательную форму) логарифмические отношения правдоподобия (LLR) с обратным перемежением от блоков 316a-316m обратного перемежения канала. Декодер 320 декодирует логарифмические отношения правдоподобия (LLR) с обратным перемежением и выдает декодированные данные. Ниже подробно описываются обнаружение и декодирование.
Фиг.4 показывает блок-схему пространственного процессора 160b приема и процессора 170b данных приема для итерационного приемника. Процессоры 160b и 170b являются другим вариантом воплощения процессоров 160 и 170 соответственно в приемнике 150. Для этого варианта воплощения процессоры 160b и 170b выполняют обнаружение и декодирование итерационно.
В пространственном процессоре 160b приема блок 408 выводит матрицы пространственного фильтра на основе оценки канала и матриц пространственного отображения, используемых передатчиком 110. Детектор 410 MIMO получает принятые символы от R принимающих элементов 154a-154r, оценки канала от процессора 194 канала, матрицы пространственного фильтра от блока 408 и априорные логарифмические отношения правдоподобия(LLR) от декодера 420. Априорные LLRs обозначаются как La(bk) и представляют собой априорную информацию от декодера 420. Детектор 410 MIMO выполняет обнаружение, как описано ниже, и выдает K логарифмических отношений правдоподобия (LLR) детектора для K кодовых битов M символов данных, отправленных в каждом поддиапазоне в каждый период символа, используемый для передачи данных. Логарифмические отношения правдоподобия (LLR) детектора обозначаются как L(bk). K сумматоров 412a-412k вычитают априорные логарифмические отношения правдоподобия (LLR) из логарифмических отношений правдоподобия (LLR) детектора и выдают внешние логарифмические отношения правдоподобия (LLR), которые обозначаются как Le(bk). Внешние логарифмические отношения правдоподобия (LLR) представляют собой внешнюю или новую информацию от детектора 410 MIMO для декодера 420.
В процессоре 170b данных приема блок 416 обратного перемежения канала с M потоками выполняет обратное перемежение внешних логарифмических отношений правдоподобия (LLR) для каждого потока способом, являющимся комплементарным для перемежения, выполненного блоком 226 перемежения канала для этого потока. Блок 416 обратного перемежения канала может включать в себя M блоков 316a-316m обратного перемежения канала, которые показаны на фиг.3. Мультиплексор 418 преобразовывает в последовательную форму логарифмические отношения правдоподобия (LLR) с обратным перемежением, которые обозначаются как
Figure 00000004
. Декодер 420 декодирует логарифмические отношения правдоподобия (LLR) с обратным перемежением и выдает логарифмические отношения правдоподобия (LLR) декодера. Сумматор 422 вычитает логарифмические отношения правдоподобия (LLR) с обратным перемежением из логарифмических отношений правдоподобия (LLR) декодера и выдает априорные логарифмические отношения правдоподобия (LLR), которые представляют собой внешнюю информацию от декодера 420 для детектора 410 MIMO для следующей итерации. Априорные логарифмические отношения правдоподобия (LLR) для детектора 410 MIMO демультиплексируются в M потоков посредством демультиплексора 424. Блок 426 перемежения канала с M потоками выполняет перемежение априорных логарифмических отношений правдоподобия (LLR) для каждого потока таким же образом, как выполняется посредством блока 226 перемежения канала для этого потока. Блок 426 перемежения канала может включать в себя M блоков 226a-226m перемежения канала, которые показаны на фиг.2. Блок 426 перемежения канала выдает априорные логарифмические отношения правдоподобия (LLR) с перемежением для следующей итерации детектору 410 MIMO.
Пространственный процессор 160b приема и процессор 170b данных приема могут выполнять любое количество итераций. В варианте воплощения процессоры 160b и 170b выполняют предопределенное количество итераций (например, 4, 6, 8 или более итераций). В другом варианте воплощения процессоры 160b и 170b выполняют одну итерацию, затем проверяют, правильно ли декодирован пакет и/или достаточно ли высок показатель надежности декодера, и выполняют другую итерацию, если пакет декодирован ошибочно или если показатель надежности декодера является низким. Обнаружение ошибок может быть достигнуто с помощью циклического контроля избыточности (CRC) и/или какого-либо другого кода для обнаружения ошибок. Процессоры 160b и 170b могут, таким образом, выполнить фиксированное количество итераций или переменное количество итераций до некоторого максимального количества итераций. Итерационное обнаружение и декодирование подробно описаны.
Принятые символы в приемнике 150 могут быть выражены как:
Figure 00000005
для l=1,...,L,
Уравнение (1)
где
Figure 00000006
- вектор размерности MЧ1 с M символами данных, отправленными в поддиапазоне l;
Figure 00000007
- матрица пространственного отображения размерности TЧM, используемая передатчиком 110 для поддиапазона l;
Figure 00000008
- матрица характеристики канала MIMO размерности RЧT для поддиапазона l;
Figure 00000009
- действительная матрица характеристики канала MIMO размерности RЧM для поддиапазона l;
Figure 00000010
- вектор размерности RЧ1 с R принятыми символами для поддиапазона l;
Figure 00000011
- вектор размерности RЧ1 шума для поддиапазона l.
Можно предположить, что шум является аддитивным белым Гауссовым шумом (AWGN) с нулевым вектором математического ожидания и матрицей ковариации
Figure 00000012
где
Figure 00000013
- дисперсия шума, и I - единичная матрица. Действительная характеристика канала MIMO включает в себя фактическую характеристику канала MIMO и матрицу
Figure 00000014
пространственного отображения, используемую передатчиком 110.
В варианте воплощения детектор MIMO (например, детектор 310 или 410 MIMO) выполняет обнаружение отдельно для каждого поддиапазона на основе принятых символов и оценки канала для этого поддиапазона и, если они имеются, априорных логарифмических отношений правдоподобия (LLR) для символов данных, отправленных в этом поддиапазоне. В другом варианте воплощения детектор MIMO выполняет обнаружение совместно для нескольких поддиапазонов. Декодер (например, декодер 320 или 420) выполняет декодирование над последовательностью логарифмических отношений правдоподобия (LLR) для пакета, который может быть передан в одном или нескольких поддиапазонах. Для ясности в следующем описании индекс l поддиапазона опускается.
Пакет может быть разделен на несколько блоков, и каждый блок содержит K кодовых битов. K кодовых битов для каждого блока могут быть преобразованы в M символов данных следующим образом:
Figure 00000015
Уравнение (2)
где
Figure 00000016
- вектор с M символами данных;
Figure 00000017
- вектор с K кодовыми битами для одного блока;
b m - вектор с Qm кодовыми битами, используемыми для формирования символа sm данных для потока m;
bm,q, для m=1,..., M и q=1,..., Qm - бит с порядковым номером q в векторе b m;
bk, для k=1,..., K - кодовый бит с порядковым номером k в векторе b.
Существует взаимно-однозначное отображение между заданным битовым вектором b и соответствующим вектором s данных. В общем случае значение Q может являться одинаковым или разным для M символов данных, отправленных в данном поддиапазоне, и значение K может являться одинаковым или разным для L поддиапазонов.
Оптимальный приемник для схемы передачи, которая показана в уравнении (1), является приемником с последовательностью максимального правдоподобия (ML), который выполняет обнаружение и декодирование совместно для всего пакета. Этот оптимальный приемник сделал бы совместные решения на всех битах данных в пакете с использованием знания корреляции, внесенной схемой кодирования по блокам, поддиапазонам и символам OFDM для пакета. Оптимальный приемник выполнил бы полный перебор по всем возможным последовательностям битов данных, которые могли быть переданы для пакета, чтобы найти последовательность, которая наиболее вероятно была передана. Этот оптимальный приемник являлся бы чрезмерно сложным.
Приемник, который выполняет обнаружение и декодирование итерационно, например показанный на фиг.4, может достигнуть почти оптимальной производительности при более низкой сложности. Детектор и декодер вычисляют мягкие решения относительно кодовых битов и итерационно обмениваются этой информацией, что увеличивает надежность мягких решений с количеством выполненных итераций. Детектор MIMO и декодер могут быть реализованы по-разному.
В варианте воплощения детектор MIMO представляет собой детектор с алгоритмом максимальной апостериорной вероятности (MAP), который минимизирует вероятность ошибки для каждого кодового бита и выдает мягкое решение для каждого кодового бита. Детектор с алгоритмом MAP выдает мягкие решения в виде апостериорных вероятностей (APP), которые часто выражаются как логарифмические отношения правдоподобия (LLR). Логарифмическое отношение L(bk) правдоподобия (LLR) детектора для кодового бита bk может быть выражено как:
Figure 00000018
для k=1,...,K,
Уравнение (3)
где - вероятность того, что кодовый бит bk равен +1 для заданного принятого вектора y; и
Figure 00000020
- вероятность того, что кодовый бит bk равен -1 для заданного принятого вектора y.
Логарифмическое отношение правдоподобия (LLR) детектора может быть разделено на две части следующим образом:
L(bk)=La(bk)+Le(bk),
Уравнение (4)
где La(bk) - априорное логарифмическое отношение правдоподобия (LLR) для кодового бита bk, выданное декодером или, возможно, другими источниками детектору MIMO, и Le(bk) - внешнее логарифмическое отношение правдоподобия (LLR) для кодового бита bk, выданное детектором MIMO декодеру. Априорное логарифмическое отношение правдоподобия (LLR) для кодового бита bk может быть выражено как:
Figure 00000021
Уравнение (5)
где
Figure 00000022
- вероятность того, что кодовый бит bk равен +1;
Figure 00000023
- вероятность того, что кодовый бит bk равен -1.
Детектор с алгоритмом MAP может являться детектором с алгоритмом log-MAP, детектором с алгоритмом max-log-MAP или детектором с алгоритмом MAP какого-либо другого типа. Внешнее логарифмическое отношение правдоподобия (LLR) от детектора с алгоритмом log-MAP, которое называется логарифмическим отношением правдоподобия (LLR) по алгоритму log-MAP, может быть вычислено как:
Figure 00000024
Уравнение (6)
где
Figure 00000025
и
Figure 00000026
- векторы, которые гипотетически были переданы;
Figure 00000027
- вектор со всеми кодовыми битами в векторе
Figure 00000028
за исключением кодового бита bk,
Figure 00000029
- вектор с априорными логарифмическими отношениями правдоподобия (LLR) для всех кодовых битов в векторе
Figure 00000030
;
Figure 00000031
представляет собой функцию стоимости Евклидова расстояния;
"T" обозначает транспонирование.
Уравнение (6) показывает одно выражение для внешнего логарифмического отношения правдоподобия (LLR) от детектора с алгоритмом log-MAP. Внешнее логарифмическое отношение правдоподобия (LLR) также может быть выражено в других видах. Приемник обычно выводит матрицу
Figure 00000032
, которая является оценкой матрицы
Figure 00000033
действительной характеристики канала MIMO, и использует матрицу
Figure 00000032
при вычислении логарифмического отношения правдоподобия (LLR). Для простоты описания предполагается, что нет ошибки оценки канала, то есть
Figure 00000034
.
Уравнение (6) оценивается для каждого кодового бита в переданном битовом векторе
Figure 00000035
. Для каждого кодового бита bk рассматриваются 2K гипотетических битовых векторов
Figure 00000036
для всех возможных последовательностей кодовых битов {b1... bk} (или всех возможных комбинаций значений кодовых битов), которые могли быть переданы для вектора
Figure 00000037
2K-1 гипотетических битовых векторов
Figure 00000036
имеют bk=+1, и другие 2K-1 гипотетических битовых векторов
Figure 00000036
имеют bk=-1. Каждый гипотетический битовый вектор
Figure 00000036
имеет соответствующий гипотетический вектор
Figure 00000038
данных. Выражение внутри суммы вычисляется для каждого гипотетического битового вектора
Figure 00000036
для получения результата для этого битового вектора. Результаты для 2K-1 гипотетических битовых векторов
Figure 00000036
с bk=+1 суммируются для получения полного результата для числителя. Результаты для 2K-1 гипотетических битовых векторов
Figure 00000039
с bk=-1 суммируются для получения полного результата для знаменателя. Логарифмическое отношение правдоподобия (LLR) с логарифмической максимальной апостериорной вероятностью (log-MAP) для кодового бита bk равно натуральному логарифму (ln) от полного результата для числителя, разделенного на полный результат для знаменателя.
Детектор с алгоритмом max-log-MAP приближает логарифмическое отношение правдоподобия (LLR) по алгоритму max-log-MAP в уравнении (6) и выдает логарифмическое отношение правдоподобия (LLR) по алгоритму max-log-MAP следующим образом:
Figure 00000040
Уравнение (7)
Приближение по алгоритму max-log-MAP в уравнении (7) заменяет суммирование в уравнении (6) на операцию max{ }. Лишь небольшое ухудшение в производительности обычно получается от использования приближения по алгоритму max-log-MAP. Также могут использоваться другие приближения логарифмического отношения правдоподобия (LLR) по алгоритму log-MAP.
Детектор с алгоритмом log-MAP в уравнении (6) и детектор с алгоритмом max-log-MAP в уравнении (7) выполняют совместные решения над принятыми символами в векторе
Figure 00000041
и вычисляют внешние логарифмические отношения правдоподобия (LLR) для кодовых битов, относящихся к этим принятым символам. Чтобы вычислить внешние логарифмические отношения правдоподобия (LLR) оптимально, каждый детектор с алгоритмом MAP выполняет полный перебор по всем возможным комбинациям символов данных, которые могли быть переданы для вектора
Figure 00000042
. Этот полный перебор является интенсивным в вычислительном отношении и может являться чрезмерно затруднительным для многих применений. Сложность вычисления логарифмического отношения правдоподобия (LLR) является экспоненциальной от количества битов (K) в переданном битовом векторе
Figure 00000043
и для детектора с алгоритмом log-MAP, и для детектора с алгоритмом max-log-MAP. В частности, оба детектора с алгоритмом MAP рассматривают 2K гипотез для каждого кодового бита bk. Ниже описаны различные схемы обнаружения с уменьшенной сложностью.
Для уменьшения вычислительной сложности приемник может выполнить пространственную обработку приема (или пространственную согласованную фильтрацию) над принятыми символами для получения обнаруженных символов и затем может выполнить вычисление логарифмического отношения правдоподобия (LLR) независимо для каждого обнаруженного символа. Обнаруженные символы представляют собой оценки символов данных, переданных передатчиком. Приемник может выполнить пространственную обработку приема на основе методики обращения в нуль незначащих коэффициентов (ZF), методики минимальной среднеквадратической ошибки (MMSE), методики комбинирования максимального отношения (MRC) или какой-либо другой методики. Матрица пространственного фильтра может быть выведена на основе методики ZF, MMSE или MRC следующим образом:
Figure 00000044
Уравнение (8)
Figure 00000045
Уравнение (9)
Figure 00000046
Уравнение (10)
где
Figure 00000047
Figure 00000048
Figure 00000049
и
Figure 00000050
- матрицы пространственного фильтра размерности MЧR для методик ZF, MMSE и MRC, соответственно;
"H" обозначает комплексно сопряженное транспонирование.
Пространственная обработка приема может быть выражена как:
Figure 00000051
Уравнение (11)
где матрица
Figure 00000052
может быть равна
Figure 00000053
,
Figure 00000054
или
Figure 00000055
;
Figure 00000056
- вектор размерности MЧ1 обнаруженных символов и оценка вектора
Figure 00000057
данных.
Вычисление логарифмического отношения правдоподобия (LLR) может быть выполнено независимо для каждого обнаруженного символа. Внешние логарифмические отношения правдоподобия (LLR) могут быть вычислены для Qm кодовых битов каждого обнаруженного символа
Figure 00000058
с помощью детектора с алгоритмом max-log-MAP следующим образом:
Figure 00000059
Уравнение (12)
где
Figure 00000058
- элемент с порядковым номером m вектора
Figure 00000056
;
Figure 00000058
- гипотетический символ данных для переданного символа sm данных;
Figure 00000060
- вектор со всеми кодовыми битами для символа sm данных за исключением кодового бита bm,q;
Figure 00000061
- вектор с априорными логарифмическими отношениями правдоподобия (LLR) для всех кодовых битов в векторе
Figure 00000062
;
Figure 00000063
- внешнее логарифмическое отношение правдоподобия (LLR) для кодового бита bm,q.
Уравнение (12) оценивается для каждого кодового бита в каждом переданном битовом векторе
Figure 00000064
для m=1,..., M. Для каждого кодового бита bm,q в битовом векторе
Figure 00000064
рассматриваются 2Qm гипотетических битовых векторов
Figure 00000065
для всех возможных последовательностей кодовых битов
Figure 00000066
которые могли быть переданы для вектора
Figure 00000067
. Каждый гипотетический битовый вектор
Figure 00000065
имеет соответствующий гипотетический символ
Figure 00000058
данных. Выражение внутри операции max{ } вычисляется для каждого гипотетического битового вектора
Figure 00000065
для получения результата для этого вектора. Результаты
Figure 00000068
для гипотетических битовых векторов
Figure 00000065
с bm,q=+1 используются в первой операции max{ }. Результаты для
Figure 00000068
гипотетических битовых векторов
Figure 00000065
с bm,q=-1 используются во второй операции max{ }.
Сложность пространственной обработки приема является линейной от количества потоков данных (M) и не зависит от размера сигнальной совокупности. Вычисление внешних логарифмических отношений правдоподобия (LLR) для каждого потока сокращает количество гипотез для оценки с 2M∙Q до M∙2Q, предполагая, что для всех M потоков данных используется одна и та же схема модуляции. Вычисление логарифмического отношения правдоподобия (LLR) для каждого потока может существенно уменьшить вычислительную сложность, но может привести к более высокому ухудшению производительности, чем желательно.
В одном аспекте приемник выполняет пространственную обработку приема над принятыми символами для получения обнаруженных символов, выполняет вычисление логарифмического отношения правдоподобия (LLR) независимо для каждого из D наилучших обнаруженных символов и выполняет вычисление логарифмического отношения правдоподобия (LLR) совместно для M-D оставшихся обнаруженных символов, где M>D≥1. D наилучших обнаруженных символов могут быть для D потоков данных с самыми высокими отношениями сигнала к шуму (SNR), для D потоков данных с наименьшим разбросом отношения сигнала к шуму (SNR), для D потоков данных с самым устойчивым кодированием и так далее. Эта схема обнаружения называется схемой обнаружения с уменьшенной размерностью и может использоваться для однопроходного приемника, показанного на фиг.3, и итерационного приемника, показанного на фиг.4.
Приемник может выполнить пространственную обработку приема над R принятыми символами для получения D наилучших обнаруженных символов (вместо всех M обнаруженных символов). Уменьшенная матрица
Figure 00000069
пространственного фильтра размерности DЧR может быть получена на основе уменьшенной матрицы
Figure 00000070
характеристики канала. Матрица
Figure 00000070
имеет размерность R×D и включает в себя D столбцов матрицы
Figure 00000071
, соответствующих D наилучшим обнаруженным символам. Пространственная обработка приема для D наилучших обнаруженных символов является менее сложной в вычислительном отношении.
Приемник может выполнить вычисление логарифмического отношения правдоподобия (LLR) независимо для каждого из D наилучших обнаруженных символов, например, на основе детектора с алгоритмом max-log-MAP, показанного в уравнении (12), или детектора какого-либо другого типа. Приемник может по-разному выполнить совместное вычисление логарифмического отношения правдоподобия (LLR) для M-D оставшихся обнаруженных символов.
В одном варианте воплощения приемник выполняет совместное вычисление логарифмического отношения правдоподобия (LLR) для оставшихся обнаруженных символов посредством рассмотрения D наилучших обнаруженных символов. Для этого варианта воплощения жесткие решения принимаются для D наилучших обнаруженных символов. Жесткое решение
Figure 00000072
для заданного обнаруженного символа
Figure 00000073
представляет собой символ модуляции, который является самым близким по расстоянию к символу
Figure 00000073
из всех символов модуляции в сигнальной совокупности, используемой для символа
Figure 00000073
. Затем приемник вычисляет внешние логарифмические отношения правдоподобия (LLR) для кодовых битов для оставшихся обнаруженных символов, например, на основе детектора с алгоритмом max-log-MAP, показанного в уравнении (7), или детектора какого-либо другого типа. Для этого вычисления логарифмического отношения правдоподобия (LLR) D наилучших обнаруженных символа ограничиваются или фиксируются к жестким решениям, определенным для этих обнаруженных символов. Следовательно, количество гипотез для оценки сокращается с
Figure 00000074
до
Figure 00000075
, предполагая, что D наилучших обнаруженных символов имеют индексы m=M-D+1,..., M.
В другом варианте воплощения приемник выполняет совместное вычисление логарифмического отношения правдоподобия (LLR) для оставшихся обнаруженных символов без рассмотрения D наилучших обнаруженных символов. Для этого варианта воплощения приемник формирует уменьшенные векторы для векторов
Figure 00000076
,
Figure 00000077
,
Figure 00000078
и
Figure 00000079
а также уменьшенную матрицу для матрицы
Figure 00000080
Уменьшенные векторы и матрица включают в себя только элементы, соответствующие оставшимся обнаруженным символам. Затем приемник вычисляет внешние логарифмические отношения правдоподобия (LLR) для кодовых битов для оставшихся обнаруженных символов, например, на основе детектора с алгоритмом max-log-MAP, показанного в уравнении (7), или детектора какого-либо другого типа. Уменьшенные векторы и матрица используются для вычисления логарифмического отношения правдоподобия (LLR). Следовательно, сокращается количество гипотез для оценки и вычисление для каждой гипотезы.
В варианте воплощения значение D является фиксированным значением, которое может быть выбрано на основе компромисса между сложностью, производительностью и/или на основе других предположений. В другом варианте воплощения значение D является конфигурируемым значением, которое может быть выбрано на основе выбранного режима передачи, состояния канала (например, отношений сигнала к шуму (SNR) для потоков данных) и/или других факторов. Значение D может являться адаптивным и может быть выбрано для каждого пакета, каждого кадра, каждого поддиапазона или каким-либо другим образом.
Схема обнаружения с уменьшенной размерностью может обеспечить хорошую производительность с меньшей сложностью, чем схема полного обнаружения, показанная в уравнениях (6) и (7). Схема обнаружения с уменьшенной размерностью может являться хорошо подходящей для передачи данных, при которой некоторые потоки данных испытывают высокие отношения сигнала к шуму (SNR) и/или низкую избирательность по частоте, и оставшиеся потоки данных испытывают более низкие отношения сигнала к шуму (SNR) и/или более высокую избирательность по частоте. Избирательностью по частоте называется изменение коэффициента усиления канала по частоте, которое приводит к изменению отношения сигнала к шуму (SNR) по частоте. Схема обнаружения с уменьшенной размерностью использует высокие отношения сигнала к шуму (SNR) и/или низкую избирательность по частоте для D наилучших потоков данных, чтобы уменьшить вычислительную сложность. На оставшихся потоках данных с более низкими отношениями сигнала к шуму (SNR) и/или с большей избирательностью по частоте выполняется обнаружение, близкое к оптимальному, для улучшения производительности по схеме обнаружения, которая выполняет вычисление логарифмического отношения правдоподобия (LLR) по потокам для всех M потоков данных.
Фиг.5 показывает процесс 500 для выполнения обнаружения и декодирования на основе схемы обнаружения с уменьшенной размерностью. Пространственная обработка приема выполняется над принятыми символами для нескольких потоков данных (например, на основе методики обращения в нуль незначащих коэффициентов (ZF) или методики MMSE) для получения обнаруженных символов (этап 512). Обнаружение выполняется независимо для каждого из по меньшей мере одного потока данных для получения мягких решений для потока (этап 514). Обнаружение выполняется совместно для оставшихся потоков данных для получения мягких решений для этих потоков (этап 516). Мягкие решения (например, внешние логарифмические отношения правдоподобия (LLR)) для каждого из по меньшей мере одного потока данных могут быть получены независимо на основе обнаруженных символов и априорной информации (например, априорных логарифмических отношений правдоподобия (LLR)) от декодера, если таковые имеются, для этого потока. Мягкие решения для оставшихся потоков данных могут быть получены совместно на основе принятых символов и априорной информации, если таковые имеются. Мягкие решения для нескольких потоков данных могут быть декодированы для получения априорной информации для детектора (этап 518).
Затем производится определение, следует ли выполнить другую итерацию обнаружения и декодирования (этап 520). Ответом для этапа 520 является "нет" после одной итерации для однопроходного приемника и также является "нет" для итерационного приемника, если встречается условие завершения. Если ответом для блока 520 является "да", то априорная информация используется для обнаружения в следующей итерации (этап 522), и процесс возвращается на этап 514. В ином случае мягкие решения от детектора затем обрабатываются для получения декодированных данных (этап 524). Мягкие решения также могут быть декодированы до этапа 520, и результат декодирования может использоваться на этапе 520 для определения, следует ли выполнить другую итерацию.
Пакет может быть закодирован и демультиплексирован в несколько подпакетов, которые могут быть отправлены в нескольких потоках данных. Для каждого подпакета или каждого потока может использоваться циклический контроль избыточности (CRC). В этом случае циклический контроль избыточности (CRC) для каждого обнаруженного потока данных может быть проведен после этапа 514, и последующая обработка может быть завершена, если циклический контроль избыточности терпит неудачу для любого потока (потоков) данных, обнаруженного на этапе 514.
Фиг.6 показывает устройство 600 для выполнения обнаружения и декодирования на основе схемы обнаружения с уменьшенной размерностью. Устройство 600 включает в себя средство для выполнения пространственной обработки приема над принятыми символами для нескольких потоков данных для получения обнаруженных символов (блок 612), средство для выполнения обнаружения независимо для каждого из по меньшей мере одного потока данных для получения мягких решений для потока (блок 614), средство для выполнения обнаружения совместно для оставшихся потоков данных для получения мягких решений для этих потоков (блок 616), средство для декодирования мягких решений для нескольких потоков данных для получения априорной информации (блок 618), средство для выполнения дополнительной итерации обнаружения и декодирования, если она применяется, с использованием априорной информации (блок 620) и средство для обработки мягких решений для получения декодированных данных (блок 622).
Количество гипотез для рассмотрения при совместном вычислении логарифмического отношения правдоподобия (LLR) может быть сокращено посредством выполнения поиска подходящих гипотез с использованием обнаружения сферы списка (LSD), который также называется сферическим декодированием, и так далее. Обнаружение сферы списка может использоваться для уменьшения сложности для детектора с алгоритмом log-MAP в уравнении (6), детектора с алгоритмом max-log-MAP в уравнении (7) и детекторов других типов. Обнаружение сферы списка стремится уменьшить область поиска детектора посредством отказа от менее вероятных гипотез на основе функции стоимости. В качестве примера детекторы с алгоритмами log-MAP и max-log-MAP могут рассматривать только гипотезы, которые удовлетворяют следующему условию:
Figure 00000081
Уравнение (13)
где
Figure 00000082
- функция стоимости, r2 - радиус сферы или порог, используемый для сохранения или исключения гипотез из рассмотрения.
Функция стоимости в уравнении (13) может быть раскрыта следующим образом:
Figure 00000083
Figure 00000084
Figure 00000085
Figure 00000086
,
Уравнение (14)
где
Figure 00000087
- верхняя треугольная матрица, полученная из QR-декомпозиции матрицы
Figure 00000088
;
C - константа, которая может быть опущена, поскольку она не является функцией от
Figure 00000089
.
QR-декомпозиция может быть выполнена над действительной матрицей
Figure 00000088
характеристики канала MIMO для получения ортонормированной матрицы
Figure 00000090
и верхней треугольной матрицы
Figure 00000087
или
Figure 00000091
где
Figure 00000092
Верхняя треугольная матрица
Figure 00000087
содержит нули ниже главной диагонали. Четвертое равенство в уравнении (14) может быть получено на основе следующего:
Figure 00000093
.
Для функции стоимости в уравнении (14) обнаруженные символы могут использоваться в качестве средней точки для поиска. Тогда функция стоимости может быть выражена как:
Figure 00000094
Уравнение (15)
где вектор
Figure 00000095
может быть получен из уравнения (11) на основе любой методики пространственной обработки приема (например, методика обращения в нуль незначащих коэффициентов (ZF) или методика MMSE). Функция стоимости в уравнении (15) может быть вычислена для 2K гипотетических векторов
Figure 00000096
данных, которые могли быть переданы для вектора
Figure 00000097
, для получения 2K значений стоимости для этих 2K гипотез. Гипотетические векторы данных со значениями стоимости, которые являются меньше или равны r2, могут быть рассмотрены для вычисления логарифмического отношения правдоподобия (LLR), например, в уравнении (6) или (7).
Структура верхней треугольной матрицы
Figure 00000087
может быть использована для сокращения количества гипотез для вычисления функции стоимости. Уравнение (15) может быть раскрыто следующим образом:
Figure 00000098
Уравнение (16)
Для M = 4 уравнение (16) может быть выражено как:
Figure 00000099
Уравнение (17)
где
Figure 00000100
Уравнение (17) может быть обобщено для любого значения M следующим образом:
Figure 00000101
Уравнение (18)
где
Figure 00000102
Уравнение (19)
Как показано в уравнениях (18) и (19), функция стоимости может быть разложена на сумму из M членов T1М. Член ТМ зависит только от обнаруженного символа
Figure 00000103
для потока M, член ТМ-1 зависит от обнаруженных символов
Figure 00000104
и
Figure 00000103
для потоков M-1 и M и так далее, и член T1 зависит от обнаруженных символов
Figure 00000105
для всех M потоков.
Функция стоимости может быть вычислена с приращением на M уровнях по одному члену Ti для каждого уровня, начиная с последнего члена TM для первого уровня. Это обозначено обратным суммированием для J в уравнении (18), которое начинается с i=M. Для каждого уровня Ti вычисляется для всех гипотез, применимых для этого уровня, и функция стоимости обновляется.
Функция стоимости может быть вычислена посредством рассмотрения одного дополнительного символа за один раз, начиная с
Figure 00000103
и заканчивая
Figure 00000106
Для улучшения производительности поиска потоки могут быть отсортированы таким образом, что
Figure 00000103
соответствует наилучшему потоку (например, с самым высоким отношением сигнала к шуму (SNR)), и
Figure 00000106
соответствует наихудшему потоку (например, с самым низким отношением сигнала к шуму (SNR)). Принятый вектор
Figure 00000107
и матрица
Figure 00000108
характеристики канала могут быть переупорядочены для достижения желательного порядка для обнаруженного вектора
Figure 00000109
.
Поиск по алгоритму обнаружения сферы списка (LSD) может быть выполнен по-разному. В первом варианте воплощения все гипотезы со значениями стоимости, равными или меньше r2, сохраняются, а все другие гипотезы отбрасываются. Во втором варианте воплощения только B наилучших гипотез сохраняются на каждом уровне, а все другие гипотезы отбрасываются. Для обоих вариантов воплощения общее количество гипотез для рассмотрения уменьшается посредством отказа от гипотез с высокими значениями стоимости.
Поиск по алгоритму обнаружения сферы списка (LSD) может быть выполнен следующим образом. Для первого уровня формируется список PМ с
Figure 00000110
гипотетическими символами
Figure 00000103
данных, которые могли быть переданы для символа sМ данных. Для
Figure 00000110
гипотетических символов
Figure 00000103
данных в списке PМ вычисляется TM, как показано в уравнении (19), для получения
Figure 00000110
значений стоимости. Для первого варианта воплощения все гипотетические символы данных со значениями стоимости, являющимися меньше или равными r2, оставляются и сохраняются в списке CМ кандидатов. Для второго варианта воплощения до B гипотетических символов данных с самыми низкими значениями стоимости, которые являются меньше или равны r2, оставляются и сохраняются в списке CМ кандидатов. Для второго варианта воплощения гипотетические символы данных со значениями стоимости, являющимися меньше или равными r2, могут быть отброшены, если эти значения стоимости не находятся среди B самых низких значений стоимости. Для обоих вариантов воплощения все другие гипотетические символы данных отбрасываются, что имеет эффект отсечения гипотетических векторов
Figure 00000111
данных, содержащих отброшенные символы.
Для второго уровня формируется список PМ-1 с
Figure 00000112
гипотетическими символами
Figure 00000113
данных, которые могли быть переданы для символа sМ-1 данных. Для всех допустимых пар
Figure 00000114
гипотетических символов вычисляется TM-1 и суммируется с TM для получения значения стоимости для этих пар гипотетических символов. Допустимые пары гипотетических символов включают в себя все возможные комбинации каждого символа в списке CМ кандидатов с каждым символом в списке PМ-1. Обновленные значения стоимости могут быть вычислены как: JM-1=TM-1+TM. Для первого варианта воплощения все пары гипотетических символов со значениями стоимости, являющимися меньше или равными r2, оставляются и сохраняются в списке CМ-1 кандидатов. Для второго варианта воплощения до B пар гипотетических символов с самыми низкими значениями стоимости, которые меньше или равны r2, оставляются и сохраняются в списке CМ-1 кандидатов. Для обоих вариантов воплощения все другие пары гипотетических символов отбрасываются.
Каждый из оставшихся уровней может быть оценен подобным образом. Формируется список Pi с
Figure 00000115
гипотетическими символами
Figure 00000116
данных, которые могли быть переданы для символа si. Для всех допустимых наборов
Figure 00000117
гипотетических символов вычисляется Ti и суммируется с Ti+1,...,TM для получения значения стоимости для этих наборов гипотетических символов. Допустимые наборы гипотетических символов включают в себя все возможные комбинации каждой гипотезы в списке Ci+1 кандидатов с каждым символом в списке Pi. Обновленные значения стоимости могут быть вычислены как: Ji=Ti+...+TM. Для первого варианта воплощения все наборы гипотетических символов со значениями стоимости, являющимися меньше или равными r2, оставляются и сохраняются в списке Ci кандидатов. Для второго варианта воплощения до B наборов гипотетических символов с самыми низкими значениями стоимости, которые меньше или равны r2, оставляются и сохраняются в списке Ci кандидатов. Для обоих вариантов воплощения все другие наборы гипотетических символов отбрасываются.
После того как оценены все M уровней, могут быть вычислены внешние логарифмические отношения правдоподобия (LLR) для всех гипотез, сохраненных в списке кандидатов C1, например, на основе детектора с алгоритмом max-log-MAP следующим образом:
Figure 00000118
Уравнение (20)
где
Figure 00000119
- подмножество списка C1 кандидатов, содержащее гипотезы, для которых bk=+1;
Figure 00000120
- подмножество списка C1 кандидатов, содержащее гипотезы, для которых bk=-1.
Внешние логарифмические отношения правдоподобия (LLR) также могут быть вычислены на основе детектора с алгоритмом log-MAP или детектора какого-либо другого типа. Значения стоимости, уже вычисленные для подходящих гипотез, могут использоваться для вычисления внешних логарифмических отношений правдоподобия (LLR) для этих гипотез. Для ясности описание выше использует разные списки кандидатов для разных уровней. Для всех M уровней может использоваться один список, и он может обновляться на каждом уровне.
Фиг.7 показывает иллюстративное дерево поиска для второго варианта воплощения, который оставляет B наилучших гипотез на каждом уровне. Для этого примера M = 4, вычисляются четыре члена T1,..., T4, B=2, и список С кандидатов содержит до двух наилучших гипотез на каждом уровне. Для первого уровня с i=4, вычисляется T4 для
Figure 00000121
гипотез для
Figure 00000121
возможных символов данных, которые могли быть переданы для символа s4 данных, которые обозначаются как
Figure 00000122
на фиг.7. Две наилучшие гипотезы показаны с помощью закрашенных черных вершин. Для второго уровня с i=3 вычисляется T3 для
Figure 00000123
гипотез для
Figure 00000123
возможных пар символов, которые могли быть переданы для символов s3 и s4 данных. Две наилучшие гипотезы показаны с помощью закрашенных черных вершин. Для третьего уровня с i=2 вычисляется T2 для
Figure 00000124
гипотез для
Figure 00000124
возможных наборов символов, которые могли быть переданы для символов s2, s3 и s4 данных. Две наилучшие гипотезы показаны с помощью закрашенных черных вершин. Для последнего уровня с i=1 вычисляется T1 для
Figure 00000125
гипотез для
Figure 00000125
возможных наборов символов, которые могли быть переданы для символов s1, s2, s3 и s4 данных. Две наилучшие гипотезы показаны с помощью закрашенных черных вершин. Набор символов, который дает самое низкое значение стоимости, показан жирной линией.
В варианте воплощения количество подходящих гипотез для сохранения в списке C является фиксированным значением, которое может быть выбрано на основе компромисса между производительностью обнаружения, сложностью и/или другими соображениями. Это фиксированное значение (B) может иметься для каждого уровня, как описано выше. Это фиксированное значение может также иметься для каждой вершины данного уровня, в этом случае для каждого уровня рассматриваются
Figure 00000126
гипотез. В другом варианте воплощения количество подходящих гипотез является конфигурируемым и может быть выбрано на основе размера сигнальной совокупности, количестве итераций, производительности обнаружения, сложности и/или других соображений. Например, B может являться функцией от размера сигнальной совокупности, с тем чтобы для более больших сигнальных совокупностей было сохранено больше подходящих гипотез для гарантии достаточной точности при вычислении логарифмического отношения правдоподобия (LLR). Значение B также может быть ограничено, чтобы являться равным или больше некоторого минимального значения (например, Bmin=2), это гарантирует, что на каждом уровне сохраняются по меньшей мере Bmin подходящих гипотез.
Выше были описаны два варианта воплощения для вычисления стоимости для обнаружения сферы списка. Вычисление стоимости также может быть выполнено другими способами.
Обнаружение сферы списка представляет собой одну методику поиска для сокращения количества рассматриваемых гипотез для вычисления логарифмического отношения правдоподобия (LLR). Другие методики также могут использоваться для сокращения количества гипотез для вычисления логарифмического отношения правдоподобия (LLR). В другом варианте воплощения используется метод Монте-Карло с использованием цепей Маркова (MCMC) для формирования списка подходящих гипотез. Метод MCMC последовательно рассматривает M элементов в векторе
Figure 00000127
данных, оценивает одну гипотезу для каждого элемента и циклически проходит эти M элементов для нескольких итераций. Обнаружение сферы списка и метод MCMC являются известными в области техники и описаны в различных статьях.
В другом аспекте приемник выполняет вычисление логарифмического отношения правдоподобия (LLR) независимо для каждого из D наилучших обнаруженных символов, выполняет вычисление логарифмического отношения правдоподобия (LLR) совместно для M-D оставшихся обнаруженных символов и сокращает количество рассматриваемых гипотез для объединенного вычисления логарифмического отношения правдоподобия (LLR) посредством выполнения методики обнаружения сферы списка (LSD), метода MCMC или какой-либо другой методики поиска. Эта схема обнаружения называется схемой обнаружения с уменьшением порядка и может использоваться для однопроходного приемника, показанного на фиг.3, и для итерационного приемника, показанного на фиг.4. Для схемы обнаружения с уменьшенным порядком размерность уменьшается от M до M-D посредством выполнения вычисления логарифмического отношения правдоподобия (LLR) для потока для D лучших потоков, и количество рассматриваемых гипотез для M-D оставшихся потоков может быть сокращено от верхней границы
Figure 00000128
посредством выполнения поиска. Значение D может быть выбрано адаптивно на основе состояния канала (например, отношений сигнала к шуму (SNR)) и/или каких-либо других факторов. Информация об отношении сигнала к шуму (SNR) может быть легко получена из пространственной обработки приема, которая выдает обнаруженные символы, используемые для средней точки поиска по алгоритму обнаружения сферы списка (LSD).
Фиг.8 показывает процесс 800 выполнения обнаружения и декодирования на основе схемы обнаружения с уменьшенным порядком. Пространственная обработка приема выполняется над набором принятых символов (например, над вектором
Figure 00000129
) для получения набора обнаруженных символов (например, вектора
Figure 00000130
) для набора символов данных (например, вектора
Figure 00000127
), переданных через канал MIMO (этап 812). Внешние логарифмические отношения правдоподобия (LLR) вычисляются независимо для каждого из по меньшей мере одного символа данных на основе соответствующего обнаруженного символа и априорных логарифмических отношений правдоподобия (LLR), если таковые имеются, из декодера (этап 814). Для оставшихся символов данных определяется список подходящих гипотез, например, посредством выполнения поиска с использованием методики LSD, метода MCMC или какой-либо другой методики (этап 816). Каждая подходящая гипотеза соответствует различной комбинации символов, которые предположительно были переданы для оставшихся символов данных. Затем внешние логарифмические отношения правдоподобия (LLR) вычисляются совместно для оставшихся символов данных с помощью списка подходящих гипотез (этап 818). Внешние логарифмические отношения правдоподобия (LLR) для всех символов данных декодируются для получения априорных логарифмических отношений правдоподобия (LLR) для детектора (этап 820).
Затем определяется, следует ли выполнять другую итерацию обнаружения и декодирования (этап 822). Если ответом является "да", то априорные логарифмические отношения правдоподобия (LLR) вычисляются для использования при вычислении логарифмического отношения правдоподобия (LLR) в детекторе в следующей итерации (этап 824), и процесс возвращается на этап 814. В ином случае внешние логарифмические отношения правдоподобия (LLR) от детектора обрабатываются для получения декодированных данных (этап 826).
Фиг.9 показывает устройство 900 для выполнения обнаружения и декодирования на основе схемы обнаружения с уменьшенным порядком. Устройство 900 включает в себя средство для выполнения пространственной обработки над набором принятых символов для получения набора обнаруженных символов для набора символов данных, переданных через канал MIMO (блок 912), средство для вычисления внешних логарифмических отношений правдоподобия (LLR) независимо для каждого из по меньшей мере одного символа данных на основе соответствующего обнаруженного символа и априорных логарифмических отношений правдоподобия (LLR), если таковые имеются, из декодера (блок 914), средство для определения списка подходящих гипотез для оставшихся символов данных посредством выполнения поиска (блок 916), средство для вычисления внешних логарифмических отношений правдоподобия (LLR) совместно для оставшихся символов данных с помощью списка подходящих гипотез (блок 918), средство для декодирования внешних логарифмических отношений правдоподобия (LLR) для всех символов данных для получения априорных логарифмических отношений правдоподобия (LLR) (блок 920), средство для выполнения дополнительной итерации вычисления логарифмического отношения правдоподобия (LLR) и декодирования, если это применимо, с использованием априорных логарифмических отношений правдоподобия (LLR) (блок 922) и средство обработки внешних логарифмических отношений правдоподобия (LLR) из детектора для получения декодированных данных (блок 924).
Для итерационного приемника поиск подходящих гипотез может быть выполнен по-разному. В варианте воплощения поиск выполняется только для первой итерации для получения списка подходящих гипотез, и этот список кандидатов используется для всех последующих итераций. Для этого варианта воплощения внешние логарифмические отношения правдоподобия (LLR) для каждой последующей итерации вычисляются с помощью априорных логарифмических отношений правдоподобия (LLR) из декодера и для подходящих гипотез, определенных в первой итерации. В другом варианте воплощения поиск выполняется для каждой итерации. В еще одном варианте воплощения поиск выполняется для каждой итерации, пока не встретится условие завершения. Это условие завершения может быть инициировано, например, после того как было завершено предопределенное количество итераций, если поиск выдает тот же самый список подходящих гипотез для двух последовательных итераций и так далее. Для вариантов воплощения, в которых поиск выполняется для нескольких итераций, порог (например, радиус сферы) может являться фиксированным значением для всех итераций или может являться конфигурируемым значением, которое может устанавливаться для каждой итерации, например, на основе априорной информации от декодера.
Для схемы обнаружения с уменьшенным порядком сокращение сложности относительно оптимального детектора с алгоритмом log-MAP или max-log-MAP зависит от сложности поиска. Для поиска по методике LSD сложность определяется количеством посещаемых вершин в дереве поиска, которое в свою очередь зависит от различных факторов, таких как количество гипотез, которые следует сохранить на каждом уровне (например, значение B), радиус r2 сферы, конкретная матрица
Figure 00000108
характеристики канала, отношение сигнала к шуму (SNR) и так далее.
В другой схеме обнаружения с уменьшенной сложностью приемник выполняет (1) вычисление логарифмического отношения правдоподобия (LLR) отдельно для всех M потоков для первой итерации и (2) совместное вычисление логарифмического отношения правдоподобия (LLR) для M-D наихудших потоков или всех M потоков для последующей итерации, если необходимо, например, если пакет декодируется ошибочно.
Для итерационного приемника оценки канала могут обновляться во время итерационного процесса обнаружения и декодирования для получения улучшенных оценок канала. Например, если контрольные символы принимаются и отслеживаются многократно во время итерационного процесса, то эффективное отношение сигнала к шуму (SNR) оценок канала может быть улучшено с течением времени посредством выполнения усреднения и/или другой обработки. Улучшенные оценки канала могут использоваться для пространственной обработки приема, например, как показано в уравнениях (8) до (10), для вычисления логарифмического отношения правдоподобия (LLR), например, как показано в уравнениях (6), (7) и (12), для вычисления стоимости для поиска подходящих гипотез, например, как показано в уравнениях (18) и (19).
Выше были описаны различные схемы обнаружения с уменьшенной сложностью. Эти схемы сокращают количество рассматриваемых гипотез для вычисления логарифмического отношения правдоподобия (LLR) при достижении хорошей производительности по частоте появления ошибок, которая является близкой к производительности оптимального детектора.
Декодер 320 на фиг.3 и декодер 420 на фиг.4 могут быть реализованы по-разному в зависимости от схем(ы) кодирования, используемых в передатчике 110. Декодер 420 принимает входы мягких решений и формирует выходы мягких решений для детектора 420 MIMO и может являться декодером с алгоритмом Витерби с мягким выходом (SOVA), если в передатчике 110 используется сверточный код, турбо-декодером, если используется параллельный или последовательный составной турбо-код, и так далее. Декодер 320 может являться декодером Витерби или декодером с алгоритмом SOVA для сверточного кода, турбо-декодером для турбо-кода и так далее. Турбо-декодер может являться декодером с алгоритмом MAP, который может реализовывать алгоритм MAP BCJR с мягким входом и мягким выходом или его производную с более низкой сложностью. Эти различные типы декодера известны в области техники и описаны в различной литературе. Например, декодер с алгоритмом SOVA описан авторами J. Hagenauer и др. в статье, озаглавленной "Алгоритм Витерби с выводом мягких решений и его применения", IEEE Globecom, 1989, стр. 47.1.1-47.1.7. Декодер с алгоритмом MAP описан авторами L. R. Bahl и др. в статье, озаглавленной "Оптимальное декодирование линейных кодов для минимизации частоты появления ошибок символов", Бюллетень IEEE по теории информации, март 1974, том 20, стр. 284-287.
Описанные здесь методики обнаружения и декодирования могут использоваться для различных схем передачи MIMO, которые также могут называться режимами передачи, пространственными режимами и так далее. Таблица 1 перечисляет некоторые иллюстративные режимы передачи и их короткие описания. Управляемый режим также может называться режимом с формированием луча, собственным управляемым режимом, режимом системы MIMO с формированием луча и так далее. Неуправляемый режим также может называться основным режимом системы MIMO. Режим с пространственным распределением также может называться псевдослучайным управляемым режимом передачи, режимом с пространственным расширением и так далее,
Таблица 1
Режим передачи Описание
Управляемый Несколько потоков данных передаются по нескольким ортогональным пространственным каналам (или собственным векторам) канала системы MIMO
Неуправляемый Несколько потоков данных передаются по нескольким пространственным каналам (например, от нескольких передающих антенн)
С пространственным распространением Несколько потоков данных пространственно распределяются по пространственным каналам для достижения аналогичной производительности для всех потоков данных
Каждый режим передачи имеет разные возможности и требования. Управляемый режим обычно обеспечивает лучшую производительность, но требует пространственной обработки в передатчике 110 и приемнике 150. Неуправляемый режим не требует пространственной обработки в передатчике 110. Например, передатчик 110 может передавать один поток данных от каждой передающей антенны. Режим с пространственным распределением передает M потоков данных с помощью разных матриц пространственного отображения таким образом, чтобы эти потоки данных представляли собой ансамбль эффективных каналов и достигали аналогичной производительности. Подходящий режим передачи может быть выбран на основе доступности информации о состоянии канала, возможностей передатчика и приемника и так далее.
Для управляемого режима данные передаются по собственным векторам, количество которых достигает M, канала MIMO, которые могут быть посредством диагонализации матрицы
Figure 00000108
характеристики канала MIMO через сингулярную декомпозицию матрицы
Figure 00000108
или через разложение на собственные значения корелляционной матрицы для матрицы
Figure 00000108
, которая представляет собой
Figure 00000131
Разложение на собственные значения матрицы
Figure 00000132
может быть выражено как:
Figure 00000133
Уравнение (21)
где
Figure 00000134
- унитарная матрица размерности TЧT собственных векторов матрицы
Figure 00000132
;
Figure 00000135
- диагональная матрица размерности TЧT собственных значений матрицы
Figure 00000132
.
Передатчик 110 может выполнить пространственную обработку с собственными векторами в матрице
Figure 00000134
для передачи данных по M собственным векторам матрицы
Figure 00000108
. Диагональная матрица
Figure 00000135
содержит возможные неотрицательные действительные значения вдоль диагонали и нули в остальных местах. Эти диагональные элементы называются собственными значениями матрицы
Figure 00000132
и представляют собой коэффициенты усиления по мощности для M собственных векторов.
Таблица 2 показывает пространственную обработку передачи для этих трех режимов передачи и действительную матрицу характеристики канала MIMO для каждого режима передачи. В таблице 2 нижний индекс "es" обозначает управляемый режим, "us" обозначает неуправляемый режим и "ss" обозначает режим пространственного распределения.
Таблица 2
Управляемый режим Неуправляемый режим Пространственное распределение
Передатчик
Figure 00000136
Figure 00000137
Figure 00000138
Действительный канал
Figure 00000139
Figure 00000140
Figure 00000141
Для системы MIMO с несколькими поддиапазонами пространственная обработка передачи, показанная в таблице 2, может быть выполнена для каждого поддиапазона l. В уравнении (1)
Figure 00000142
для управляемого режима,
Figure 00000143
для неуправляемого режима и
Figure 00000144
для режима пространственного распределения.
Figure 00000145
- матрица пространственного отображения размерности TЧT, используемая для пространственного распределения, и она может быть сформирована на основе матрицы Адамара, матрицы Фурье и так далее.
Для системы MIMO с несколькими поддиапазонами M собственных значений для каждого поддиапазона l могут быть упорядочены от наибольшего до наименьшего таким образом, чтобы собственные векторы матрицы
Figure 00000146
были ранжированы от самого высокого отношения сигнала к шуму (SNR) до самого низкого отношения сигнала к шуму (SNR). Широкополосный собственный вектор m может быть сформирован с помощью собственного вектора с порядковым номером m для каждого из L поддиапазонов. Основной широкополосный собственный вектор (с m=1) относится к наибольшим собственным значениям для всех L поддиапазонов, второй широкополосный собственный вектор (с m=2) относится ко вторым по величине собственным значениям для всех L поддиапазонов и так далее. M потоков данных можно отправить по M широкополосных собственным векторам.
Основной широкополосный собственный вектор имеет самое высокое среднее отношение сигнала к шуму (SNR) и обычно также имеет меньшую изменчивость отношения сигнала к шуму (SNR) по времени и частоте. Наоборот, самый слабый широкополосный собственный вектор имеет самое низкое среднее отношение сигнала к шуму (SNR) и обычно имеет большую изменчивость отношения сигнала к шуму (SNR). Описанные здесь методики могут использоваться для передачи данных по M широкополосным собственным векторам. В варианте воплощения приемник может выполнить вычисление логарифмического отношения правдоподобия (LLR) для потоков для одного или более самых сильных широкополосных собственных векторов и совместное вычисление логарифмического отношения правдоподобия (LLR) для оставшихся широкополосных собственных векторов. Количество рассматриваемых гипотез для совместного вычисления логарифмического отношения правдоподобия (LLR) может быть сокращено посредством выполнении поиска с использованием методики LSD, метода MCMC или какой-либо другой методики поиска.
Описанные здесь методики обнаружения и декодирования могут быть реализованы различными средствами. Например, эти методики могут быть реализованы в аппаратном оборудовании, встроенном программном обеспечении, программном обеспечении или их комбинации. Для аппаратной реализации процессоры, используемые для выполнения обнаружения и декодирования, могут быть реализованы в одном или более элементах, представляющих собой специализированные интегральные схемы (ASIC), процессоры цифровых сигналов (DSP), устройства обработки цифровых сигналов (DSPD), программируемые логические устройства (PLD), программируемые вентильные матрицы (FPGA), процессоры, контроллеры, микроконтроллеры, микропроцессоры, электронные устройства, другие электронные элементы, выполненные для выполнения описанных здесь функций, или их комбинацию.
Для реализации с помощью встроенного программного обеспечения и/или программного обеспечения методики могут быть реализованы с помощью модулей (например, процедур, функций и так далее), которые выполняют описанные здесь функции. Программные коды могут быть сохранены в памяти (например, в памяти 192 на фиг.1) и исполняться процессором (например, процессором 190). Память может быть реализована внутри процессора или являться внешней по отношению к процессору.
Предшествующее описание раскрытых вариантов воплощения дано для того, чтобы дать возможность любому специалисту в области техники осуществить или использовать настоящее изобретение. Различные модификации этих вариантов воплощения могут быть очевидны специалистам в области техники, и определенные здесь общие принципы могут быть применены к другим вариантам воплощения без отступления от сущности или объема изобретения. Таким образом, настоящее изобретение не подразумевается ограниченным показанными здесь вариантами воплощения, а должно получить самый широкий объем, совместимый с раскрытыми здесь принципами и новыми признаками.

Claims (48)

1. Устройство детектирования и декодирования для использования в системе беспроводной связи, содержащее:
по меньшей мере один процессор, выполненный с возможностью выполнять детектирование независимо для каждого из по меньшей мере одного потока данных, выбранного из нескольких принятых потоков данных, и выполнять детектирование совместно для оставшихся потоков данных из нескольких принятых потоков данных; и
память, соединенную с упомянутым по меньшей мере одним процессором.
2. Устройство по п.1, в котором по меньшей мере один процессор выполнен с возможностью принимать мягкие решения независимо для каждого из по меньшей мере одного потока данных и принимать мягкие решения совместно для оставшихся потоков данных.
3. Устройство по п.1, в котором по меньшей мере один процессор выполнен с возможностью выполнять пространственную обработку приема по меньшей мере для одного потока данных для получения по меньшей мере одного детектированного потока символов и получения мягких решений независимо для каждого из по меньшей мере одного детектированного потока символов.
4. Устройство по п.3, в котором по меньшей мере один процессор выполнен с возможностью выполнять пространственную обработку приема на основе методики обращения в нуль незначащих коэффициентов (ZF) или методики минимальной среднеквадратической ошибки (MMSE).
5. Устройство по п.1, в котором по меньшей мере один процессор выполнен с возможностью вычислять логарифмические отношения правдоподобия (LLR) для кодовых битов для каждого из по меньшей мере одного потока данных независимого от других потоков данных и вычислять логарифмические отношения правдоподобия (LLR) для кодовых битов совместно для оставшихся потоков данных.
6. Устройство по п.5, в котором по меньшей мере один процессор выполнен с возможностью вычислять логарифмические отношения правдоподобия (LLR) на основе детектора с алгоритмом максимальной апостериорной вероятности (MAP).
7. Устройство по п.2, в котором по меньшей мере один процессор выполнен с возможностью декодировать мягкие решения для нескольких потоков данных для получения априорной информации и выполнять детектирование для дополнительной итерации с использованием априорной информации.
8. Устройство по п.2, в котором по меньшей мере один процессор выполнен с возможностью декодировать мягкие решения на основе декодера по алгоритму Витерби с мягким выходом (SOVA) или декодера с максимальной апостериорной вероятностью (MAP).
9. Устройство по п.1, в котором по меньшей мере один процессор выполнен с возможностью проверять каждый из по меньшей мере одного потока данных после независимого детектирования и выполнять совместное детектирование для оставшихся потоков данных, если по меньшей мере один поток данных проходит проверку.
10. Устройство по п.1, в котором по меньшей мере один поток данных имеет самые высокие отношения "сигнала к шуму и помехе" (SNR) среди отношений SNR для нескольких потоков данных.
11. Способ детектирования и декодирования для использования в системе беспроводной связи, содержащий этапы, на которых:
выполняют детектирование независимо для каждого из по меньшей мере одного потока данных, выбранных из нескольких принятых потоков данных; и
выполняют детектирование совместно для оставшихся потоков данных из числа упомянутых принятых нескольких потоков данных.
12. Способ по п.11, в котором независимое выполнение детектирования содержит этап, на котором независимо выводят мягкие решения для каждого из по меньшей мере одного потока данных и в котором совместное выполнение детектирования содержит этап, на котором совместно выводят мягкие решения для оставшихся потоков данных.
13. Способ по п.12, дополнительно содержащий этапы, на которых:
декодируют мягкие решения для нескольких потоков данных для получения априорной информации и
выполняют детектирование для дополнительной итерации с использованием априорной информации.
14. Устройство детектирования и декодирования для использования в системе беспроводной связи, содержащее:
средство для выполнения детектирования независимо для каждого из по меньшей мере одного потока данных, выбранного из нескольких принятых потоков данных; и
средство для выполнения детектирования совместно для оставшихся потоков данных из числа упомянутых нескольких принятых потоков данных.
15. Устройство по п.14, в котором средство для независимого выполнения детектирования содержит средство для выведения мягких решений независимо для каждого из по меньшей мере одного потока данных и в котором средство для совместного выполнения детектирования содержит средство для выведения мягких решений совместно для оставшихся потоков данных.
16. Устройство по п.15, дополнительно содержащее:
средство для декодирования мягких решений для нескольких потоков данных для получения априорной информации и
средство для выполнения детектирования для дополнительной итерации с использованием априорной информации.
17. Устройство детектирования и декодирования для использования в системе беспроводной связи, содержащее:
по меньшей мере один процессор, выполненный с возможностью вычислять логарифмические отношения правдоподобия (LLR) независимо для каждого из по меньшей мере одного символа данных в наборе символов данных, переданных через канал с множеством входов и множеством выходов (MIMO), и вычислять логарифмические отношения правдоподобия (LLR) совместно для оставшихся символов данных в наборе символов данных; и
память, соединенную с упомянутым по меньшей мере одним процессором.
18. Устройство по п.17, в котором по меньшей мере один процессор выполнен с возможностью вычислять логарифмические отношения правдоподобия (LLR) для оставшихся символов данных с использованием фиксированных значений по меньшей мере для одного символа данных.
19. Устройство по п.17, в котором по меньшей мере один процессор выполнен с возможностью вычислять логарифмические отношения правдоподобия (LLR) для оставшихся символов данных посредством исключения по меньшей мере одного символа данных.
20. Устройство по п.17, в котором по меньшей мере один процессор выполнен с возможностью вычислять логарифмические отношения правдоподобия (LLR) на основе детектора с алгоритмом максимальной апостериорной вероятности (MAP).
21. Устройство по п.1, в котором по меньшей мере один процессор выполнен с возможностью декодировать логарифмические отношения правдоподобия (LLR) для набора символов данных для получения априорных логарифмических отношений правдоподобия (LLR) и вычислять логарифмические отношения правдоподобия (LLR) совместно для оставшихся символов данных для дополнительной итерации с использованием априорных логарифмических отношений правдоподобия (LLR).
22. Устройство по п.17, в котором по меньшей мере один процессор выполнен с возможностью выполнять пространственную обработку над набором принятых символов для получения по меньшей мере одного символа по меньшей мере для одного символа данных и вычислять логарифмические отношения правдоподобия (LLR) для каждого из по меньшей мере одного символа.
23. Устройство по п.17, в котором по меньшей мере один процессор выполнен с возможностью выводить оценку канала на основе матрицы характеристики канала для канала MIMO и матрицы пространственного отображения, используемой для передачи набора символов данных, выводить матрицу пространственного фильтра на основе оценки канала, выполнять пространственную обработку приема над набором принятых символов на основе матрицы пространственного фильтра для получения по меньшей мере одного детектированного символа и вычислять логарифмические отношения правдоподобия (LLR) для каждого из по меньшей мере одного детектированного символа.
24. Устройство по п.17, в котором по меньшей мере один процессор выполнен с возможностью вычислять логарифмические отношения правдоподобия (LLR) отдельно для каждого из нескольких наборов символов данных, переданных через канал MIMO в нескольких частотных поддиапазонах.
25. Способ детектирования и декодирования для использования в системе беспроводной связи, содержащий этапы, на которых:
вычисляют логарифмические отношения правдоподобия (LLR) независимо для каждого из по меньшей мере одного символа данных в наборе символов данных, переданных через канал с множеством входов и множеством выходов (MIMO); и
вычисляют логарифмические отношения правдоподобия (LLR) совместно для оставшихся символов данных в наборе символов данных.
26. Способ по п.25, дополнительно содержащий этапы, на которых:
декодируют логарифмические отношения правдоподобия (LLR) для набора символов данных для получения априорных логарифмических отношений правдоподобия (LLR) и
совместно вычисляют логарифмические отношения правдоподобия (LLR) для оставшихся символов данных для дополнительной итерации с использованием априорных логарифмических отношений правдоподобия (LLR).
27. Способ по п.25, дополнительно содержащий этапы, на которых
вычисляют логарифмические отношения правдоподобия (LLR) отдельно для каждого из нескольких наборов символов данных, переданных через канал MIMO в нескольких частотных поддиапазонах.
28. Устройство детектирования и декодирования для использования в системе беспроводной связи, содержащее:
средство для вычисления логарифмических отношений правдоподобия (LLR) независимо для каждого из по меньшей мере одного символа данных в наборе символов данных, переданных через канал с множеством входов и множеством выходов (MIMO); и
средство для вычисления логарифмических отношений правдоподобия (LLR) совместно для оставшихся символов данных в наборе символов данных.
29. Устройство по п.28, дополнительно содержащее:
средство для декодирования логарифмических отношений правдоподобия (LLR) для набора символов данных для получения априорных логарифмических отношений правдоподобия (LLR) и
средство для совместного вычисления логарифмических отношений правдоподобия (LLR) для оставшихся символов данных для дополнительной итерации с использованием априорных логарифмических отношений правдоподобия (LLR).
30. Устройство по п.28, дополнительно содержащее
средство для вычисления логарифмических отношений правдоподобия (LLR) отдельно для каждого из нескольких наборов символов данных, переданных через канал MIMO в нескольких частотных поддиапазонах.
31. Устройство детектирования и декодирования для использования в системе беспроводной связи, содержащее:
по меньшей мере один процессор, выполненный с возможностью выполнять детектирование независимо для каждого из по меньшей мере одного потока данных, выбранных из числа нескольких потоков данных, выполнять детектирование совместно для оставшихся потоков данных из числа упомянутых нескольких потоков данных, повторно выполнять декодирование для упомянутых нескольких потоков данных и выполнять детектирование независимо для каждого из упомянутого по меньшей мере одного потока данных, выполнять детектирование совместно для оставшихся потоков данных и выполнять декодирование для упомянутых нескольких потоков данных по меньшей мере один дополнительный раз; и
память, соединенную с упомянутым по меньшей мере одним процессором.
32. Устройство детектирования и декодирования для использования в системе беспроводной связи, содержащее:
по меньшей мере один процессор, выполненный с возможностью вычислять логарифмические отношения правдоподобия (LLR) независимо для каждого из по меньшей мере одного символа данных в наборе символов данных, переданных через канал с множеством входов и множеством выходов (MIMO), определять список подходящих гипотез для оставшихся символов данных в наборе символов данных и вычислять логарифмические отношения правдоподобия (LLR) совместно для оставшихся символов данных с помощью списка подходящих гипотез; и
память, соединенную с упомянутым по меньшей мере одним процессором.
33. Устройство по п.32, в котором по меньшей мере один процессор выполнен с возможностью определять список подходящих гипотез с использованием детектирования сферы списка.
34. Устройство по п.32, в котором по меньшей мере один процессор выполнен с возможностью определять список подходящих гипотез с использованием метода Монте-Карло с использованием цепей Маркова.
35. Устройство по п.32, в котором по меньшей мере один процессор выполнен с возможностью выбирать для рассмотрения один из оставшихся символов данных за один раз и после выбора каждого оставшегося символа данных определять список подходящих гипотез для всех выбранных оставшихся символов данных на основе функции стоимости.
36. Устройство по п.35, в котором список подходящих гипотез включает себя по большей мере В наилучших гипотез для выбранных оставшихся символов данных, где В≥1.
37. Устройство по п.35, в котором выбранные оставшиеся символы данных соответствуют множеству вершин в дереве поиска и в котором список подходящих гипотез включает в себя по большей мере В наилучших гипотез для каждой из множества вершин, где В≥1.
38. Устройство по п.36, в котором значение В выбирается на основе схемы модуляции, используемой для набора символов данных.
39. Устройство по п.35, в котором список подходящих гипотез включает в себя минимум Вmin наилучших гипотез для выбранных оставшихся символов данных, где Вmin≥1.
40. Устройство по п.35, в котором список подходящих гипотез включает в себя все гипотезы со значениями стоимости, являющимися меньше или равными порогу.
41. Устройство по п.40, в котором порог определяется на основе информации от декодера.
42. Устройство по п.32, в котором по меньшей мере один процессор выполнен с возможностью выполнять пространственную обработку приема над набором принятых символов для получения набора детектированных символов, выводить верхнюю треугольную матрицу на основе оценки канала и определять набор подходящих гипотез на основе функции стоимости набора детектированных символов и верхней треугольной матрицы.
43. Способ детектирования и декодирования для использования в системе беспроводной связи, содержащий этапы, на которых:
вычисляют логарифмические отношения правдоподобия (LLR) независимо для каждого из по меньшей мере одного символа данных в наборе символов данных, переданных через канал с множеством входов и множеством выходов (MIMO);
определяют список подходящих гипотез для оставшихся символов данных в наборе символов данных и
вычисляют логарифмические отношения правдоподобия (LLR) совместно для оставшихся символов данных с помощью списка подходящих гипотез.
44. Способ по п.43, в котором определение списка подходящих гипотез содержит этап, на котором
определяют список подходящих гипотез для оставшихся символов данных с использованием детектирования сферы списка.
45. Способ по п.43, дополнительно содержащий этапы, на которых: выполняют пространственную обработку приема над набором принятых символов для получения набора детектированных символов и выводят верхнюю треугольную матрицу на основе оценки канала, и
в котором определение списка подходящих гипотез содержит этап, котором определяют набор подходящих гипотез на основе функции стоимости набора детектированных символов и верхней треугольной матрицы.
46. Устройство детектирования и декодирования для использования в системе беспроводной связи, содержащее:
средство для вычислительных логарифмических отношений правдоподобия (LLR) независимо для каждого из по меньшей мере одного символа данных в наборе символов данных, переданных через канал с множеством входов и множеством выходов (MIMO);
средство для определения списка подходящих гипотез для оставшихся символов данных в наборе символов данных и
средство для вычисления логарифмических отношений правдоподобия (LLR) совместно для оставшихся символов данных с помощью списка подходящих гипотез.
47. Устройство по п.46, в котором средство для определения списка подходящих гипотез содержит
средство для определения списка подходящих гипотез для оставшихся символов данных с использованием детектирования сферы списка.
48. Устройство по п.46, дополнительно содержащее:
средство для выполнения пространственной обработки приема над набором принятых символов для получения набора детектированных символов и
средство для выведения верхней треугольной матрицы на основе оценки канала, и
в котором средство для определения списка подходящих гипотез содержит средство для определения набора подходящих гипотез на основе функции стоимости набора детектированных символов и верхней треугольной матрицы.
RU2008124818/09A 2005-11-18 2006-11-20 Детектирование и декодирование с уменьшенной сложностью для приемника в системе связи RU2414062C2 (ru)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US73815905P 2005-11-18 2005-11-18
US60/738,159 2005-11-18
US11/345,976 US8467466B2 (en) 2005-11-18 2006-02-01 Reduced complexity detection and decoding for a receiver in a communication system
US11/345,976 2006-02-01

Publications (2)

Publication Number Publication Date
RU2008124818A RU2008124818A (ru) 2009-12-27
RU2414062C2 true RU2414062C2 (ru) 2011-03-10

Family

ID=37890794

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2008124818/09A RU2414062C2 (ru) 2005-11-18 2006-11-20 Детектирование и декодирование с уменьшенной сложностью для приемника в системе связи

Country Status (9)

Country Link
US (1) US8467466B2 (ru)
EP (4) EP2262130A3 (ru)
JP (2) JP5123199B2 (ru)
KR (1) KR101125497B1 (ru)
CN (1) CN101322328B (ru)
BR (1) BRPI0618716A2 (ru)
CA (1) CA2628742C (ru)
RU (1) RU2414062C2 (ru)
WO (1) WO2007062021A2 (ru)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2513725C2 (ru) * 2012-06-01 2014-04-20 Федеральное государственное образовательное бюджетное учреждение высшего профессионального образования "Сибирский государственный университет телекоммуникаций и информатики" (ФГОБУ ВПО "СибГУТИ") Способ обеспечения целостности передаваемой информации

Families Citing this family (85)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8045604B2 (en) * 2004-07-07 2011-10-25 University Of Utah Research Foundation Estimation of log-likelihood using constrained markov-chain monte carlo simulation
US7852951B2 (en) * 2005-09-30 2010-12-14 Intel Corporation Multicarrier receiver for multiple-input multiple-output wireless communication systems and method
US7613260B2 (en) 2005-11-21 2009-11-03 Provigent Ltd Modem control using cross-polarization interference estimation
KR100863702B1 (ko) * 2005-12-14 2008-10-15 삼성전자주식회사 다중 안테나 통신시스템에서 반복적 검출 및 복호를 위한장치 및 방법
GB2434946B (en) * 2006-02-01 2008-07-23 Toshiba Res Europ Ltd Wireless communications apparatus
US7796708B2 (en) * 2006-03-29 2010-09-14 Provigent Ltd. Adaptive receiver loops with weighted decision-directed error
CA2541567C (en) * 2006-03-31 2012-07-17 University Of Waterloo Parallel soft spherical mimo receiver and decoding method
KR100866805B1 (ko) * 2006-04-06 2008-11-04 삼성전자주식회사 다중 안테나 통신시스템에서 로그 우도 율 생성 장치 및방법
JP4836186B2 (ja) * 2006-05-31 2011-12-14 三洋電機株式会社 送信装置
WO2007138467A2 (en) * 2006-06-01 2007-12-06 Nokia Corporation Iterative extended soft-rls algorithm for joint channel and frequency offset estimation for coded mimo-ofdm systems
US7643512B2 (en) 2006-06-29 2010-01-05 Provigent Ltd. Cascaded links with adaptive coding and modulation
US7580469B2 (en) * 2006-07-06 2009-08-25 Provigent Ltd Communication link control using iterative code metrics
WO2008038626A1 (fr) * 2006-09-25 2008-04-03 Panasonic Corporation Dispositif et procédé de séparation de signal
US8001452B2 (en) * 2006-11-17 2011-08-16 Agere Systems Inc. Methods and apparatus for soft decision decoding using reliability values based on a log base two function
US7839952B2 (en) * 2006-12-05 2010-11-23 Provigent Ltd Data rate coordination in protected variable-rate links
US7720136B2 (en) * 2006-12-26 2010-05-18 Provigent Ltd Adaptive coding and modulation based on link performance prediction
US8418035B2 (en) * 2007-01-19 2013-04-09 Koninklijke Philips Electronics N.V. Method and system of single carrier block transmission with parallel encoding and decoding
US20080181324A1 (en) * 2007-01-30 2008-07-31 Texas Instruments Incorporated Systems and methods for scaling to equalize noise variance
GB2447675B (en) * 2007-03-20 2009-06-24 Toshiba Res Europ Ltd Wireless communication apparatus
US8315574B2 (en) 2007-04-13 2012-11-20 Broadcom Corporation Management of variable-rate communication links
US8059764B2 (en) * 2007-04-17 2011-11-15 Texas Instruments Incorporated Systems and methods for low-complexity max-log MIMO detection
US20120114054A1 (en) * 2007-04-17 2012-05-10 Texas Instruments Incorporated Systems and Methods for Low-Complexity Max-Log MIMO Detection
US7821938B2 (en) * 2007-04-20 2010-10-26 Provigent Ltd. Adaptive coding and modulation for synchronous connections
KR101508700B1 (ko) 2007-06-12 2015-04-08 중앙대학교 산학협력단 다중 입출력 무선통신 시스템에서 신호 검출 장치 및 방법
KR100944994B1 (ko) * 2007-07-04 2010-03-05 삼성전자주식회사 다중 입출력 무선통신 시스템에서 스트림별 유효 신호대잡음비 생성 장치 및 방법
US8001445B2 (en) * 2007-08-13 2011-08-16 Provigent Ltd. Protected communication link with improved protection indication
JP4818228B2 (ja) * 2007-08-24 2011-11-16 日本電信電話株式会社 信号検出装置及び信号検出方法並びにそのプログラムと記録媒体
JP4818227B2 (ja) * 2007-08-24 2011-11-16 日本電信電話株式会社 信号検出装置及び信号検出方法並びにそのプログラムと記録媒体
KR101408866B1 (ko) 2007-09-03 2014-06-17 삼성전자주식회사 단일반송파 주파수분할 다중접속방식의 다중입출력시스템에서 신호 검출 방법 및 장치
US8040985B2 (en) 2007-10-09 2011-10-18 Provigent Ltd Decoding of forward error correction codes in the presence of phase noise
KR101041945B1 (ko) * 2007-11-06 2011-06-16 중앙대학교 산학협력단 다중 안테나 시스템에서 신호 검출 장치 및 방법
US8711984B2 (en) * 2008-01-22 2014-04-29 Agere Systems Llc Methods and apparatus for map detection with reduced complexity
US8000416B2 (en) 2008-02-27 2011-08-16 Mitsubishi Electric Research Laboratories, Inc. System and method for generating soft output in hybrid MIMO systems
US8576959B2 (en) * 2008-04-16 2013-11-05 Nec Laboratories America, Inc. Receiver with prefiltering for discrete fourier transform-spread-orthogonal frequency division multiplexing (DFT-S-OFDM) based systems
EP2134017B1 (en) * 2008-05-09 2015-04-01 Vodafone Holding GmbH Method and system for data communication
US8385439B2 (en) * 2008-05-27 2013-02-26 Nec Laboratories America, Inc. Polarization mode dispersion compensation in multilevel coded-modulation schemes using blast algorithm and iterative polarization cancellation
KR101447202B1 (ko) * 2008-06-10 2014-10-30 삼성전자주식회사 다중 입력 다중 출력 시스템에서 신호 검출을 위한 장치 및방법
WO2010011500A1 (en) * 2008-07-25 2010-01-28 Smith International, Inc. Pdc bit having split blades
US8750439B2 (en) * 2008-12-31 2014-06-10 St-Ericsson Sa Process and receiver for interference cancellation of interfering base stations in a synchronized OFDM system
DE102009010661B3 (de) * 2009-01-19 2010-01-28 Technische Universität Dresden Verfahren zur Steuerung des Datenflusses bei baumsuchbasierter Detektion von MIMO-Empfangssignalen
US8306089B2 (en) * 2009-03-10 2012-11-06 Qualcomm Incorporated Precoding technique for multiuser MIMO based on eigenmode selection and MMSE
WO2010139008A1 (en) * 2009-06-04 2010-12-09 National Ict Australia Limited Detection of a communication signal
US8559543B1 (en) 2009-10-09 2013-10-15 Marvell International Ltd. Soft sphere decoder for MIMO maximum likelihood demodulation
US8923424B2 (en) * 2010-02-23 2014-12-30 Qualcomm Incorporated Multi-term demapping for multi-channel wireless communication
US20120045024A1 (en) * 2010-02-24 2012-02-23 Qualcomm Incorporated Methods and apparatus for iterative decoding in multiple-input-multiple-output (mimo) communication systems
JP2011259242A (ja) * 2010-06-09 2011-12-22 Ntt Docomo Inc 移動端末装置、無線基地局装置及び無線通信方法
EP2458747A1 (en) * 2010-11-30 2012-05-30 ST-Ericsson SA Detection process for a receiver of a wireless MIMO communication system
US9473300B2 (en) * 2011-11-03 2016-10-18 Savannah River Nuclear Solutions, Llc Authenticated sensor interface device
CN104137106B (zh) * 2012-02-21 2017-09-15 亚历山德罗斯·索帕萨基斯 为工业过程或技术系统提供控制输入信号的装置、方法及计算机可读介质
GB2502344B (en) * 2012-05-25 2014-05-14 Broadcom Corp Method, apparatus and computer program for signal to noise and interference ratio estimation
EP2680520B1 (en) * 2012-06-29 2015-11-18 Telefonaktiebolaget L M Ericsson (publ) Method and apparatus for efficient MIMO reception with reduced complexity
JP2014060616A (ja) * 2012-09-18 2014-04-03 Samsung Electronics Co Ltd 通信装置、および信号検出方法
US9036992B2 (en) * 2012-10-09 2015-05-19 Nec Laboratories America, Inc. LDPC-coded modulation for ultra-high-speed optical transport in the presence of phase noise
SG2013077953A (en) * 2012-10-18 2014-05-29 Agency Science Tech & Res Joint detector/decoder devices and joint detection/decoding methods
US9191256B2 (en) 2012-12-03 2015-11-17 Digital PowerRadio, LLC Systems and methods for advanced iterative decoding and channel estimation of concatenated coding systems
KR101831002B1 (ko) 2013-01-18 2018-02-21 삼성전자주식회사 다중 안테나 시스템의 연판정 정보 생성 장치 및 방법
US9225468B1 (en) 2013-04-01 2015-12-29 Marvell International Ltd. Systems and methods for detecting data in a received multiple-input-multiple-output (MIMO) signal
US9197267B2 (en) * 2013-04-09 2015-11-24 Qualcomm Incorporated Methods and apparatus for joint demodulation with max-log MAP (MLM)
CN105850054A (zh) * 2013-09-26 2016-08-10 乔治亚技术研究公司 Schnorr-Euchner扩展及其快速实现
US9071316B2 (en) * 2013-10-04 2015-06-30 Huawei Technologies Co., Ltd. Method for detection of symbols in communication signals
US10068577B2 (en) * 2014-04-25 2018-09-04 Dolby Laboratories Licensing Corporation Audio segmentation based on spatial metadata
CN105337685B (zh) * 2014-07-28 2018-12-07 华为技术有限公司 一种图拨检测方法及其装置
US20160065275A1 (en) * 2014-08-27 2016-03-03 MagnaCom Ltd. Multiple input multiple output communications over nonlinear channels using orthogonal frequency division multiplexing
KR102375951B1 (ko) 2015-07-29 2022-03-17 삼성전자주식회사 오류 감소를 위한 디코딩 장치 및 방법
US10135503B2 (en) * 2016-01-20 2018-11-20 ZTE Canada Inc. Detection of spatially multiplexed signals for over-determined MIMO systems
US20170257181A1 (en) * 2016-03-07 2017-09-07 National Taiwan University Method and Computer System for Reducing Inter-Cell Interference and Inter-Antenna Interference in Wireless Communication System
US20170288933A1 (en) * 2016-03-30 2017-10-05 Intel IP Corporation Wireless signal receiver
CN106911374B (zh) * 2017-01-16 2020-08-04 重庆邮电大学 一种低复杂度软输出空间调制检测方法
US10237025B2 (en) * 2017-02-03 2019-03-19 At&T Intellectual Property I, L.P. Detecting data in multiantenna wireless communication systems
US10411836B2 (en) * 2017-03-17 2019-09-10 Uurmi Systems Pvt. Ltd System and method for detecting spatially multiplexed and space time block coded multiple-input multiple-output (MIMO) signals
CN109302265B (zh) * 2017-07-24 2021-11-12 展讯通信(上海)有限公司 软调制的方法、装置及计算机可读存储介质
CN107493124B (zh) * 2017-08-09 2020-12-18 深圳先进技术研究院 一种多天线微波无线充电的波束成形算法
CN108270702B (zh) * 2018-01-19 2020-11-03 中国民航大学 基于MCMC的turbo迭代均衡检测方法
US10715276B2 (en) 2018-05-26 2020-07-14 Ntwine, Llc Bandwidth constrained communication systems with optimized low-density parity-check codes
US10615912B2 (en) * 2018-08-22 2020-04-07 Samsung Electronics Co., Ltd. Apparatuses, computer-readable media, and methods for single dimension maximal likelihood symbol detection
CN109495114B (zh) * 2018-10-10 2022-07-26 东南大学 基于马尔可夫蒙特卡罗方法的ldpc译码器构造方法
US10778300B2 (en) 2018-12-03 2020-09-15 Samsung Electronics Co., Ltd Method and apparatus for high rank multiple-input multiple-output (MIMO) symbol detection
KR102118899B1 (ko) * 2019-03-07 2020-06-04 한양대학교 산학협력단 연판정 기반으로 선형 부호를 고속 복호화하는 방법 및 장치
KR102174601B1 (ko) * 2019-10-21 2020-11-05 한국과학기술원 확률론적 성상 성형된 세기 변조 및 직접 검출 전송 시스템에 대하여 오류 정정 기술을 구현하는 새로운 매핑 방법
WO2021181278A1 (en) 2020-03-10 2021-09-16 Ntwine, Llc Bandwidth constrained communication systems with frequency domain information processing
US11990922B2 (en) 2021-01-11 2024-05-21 Ntwine, Llc Bandwidth constrained communication systems with neural network based detection
US11223447B1 (en) 2021-03-31 2022-01-11 Seagate Technology Llc Multiple detector data channel and data detection utilizing different cost functions
CN115622665B (zh) * 2022-10-31 2024-06-25 电子科技大学 一种基于自适应概率计算的mcmc-mimo检测方法、设备及系统
CN116015495A (zh) * 2022-12-14 2023-04-25 东南大学 一种基于马尔可夫链蒙特卡罗的分布式检测方法
CN116015547A (zh) * 2022-12-15 2023-04-25 东南大学 一种基于深度展开的马尔可夫链蒙特卡罗检测方法

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US738159A (en) 1901-06-03 1903-09-08 Globe Automatic Telephone Company Calling mechanism for automatic telephone systems.
US5566209A (en) * 1994-02-10 1996-10-15 Telefonaktiebolaget Lm Ericsson Transceiver algorithms of antenna arrays
JP2000269825A (ja) 1999-03-12 2000-09-29 Casio Comput Co Ltd ビタビ復号装置及びビタビ復号方法
CN1108071C (zh) 2000-04-11 2003-05-07 信息产业部电信科学技术研究院 码分多址移动通信系统中终端设备端的一种信号处理方法
US7912014B2 (en) * 2001-09-28 2011-03-22 At&T Intellectual Property Ii, Lp Method and apparatus for reducing interference in multiple-input-multiple-output (MIMO) systems
US7154936B2 (en) 2001-12-03 2006-12-26 Qualcomm, Incorporated Iterative detection and decoding for a MIMO-OFDM system
US6757337B2 (en) * 2002-09-05 2004-06-29 Motorola, Inc. Coding-assisted MIMO joint detection and decoding
US7394860B2 (en) * 2002-10-02 2008-07-01 Nortel Networks Limited Combined space-time decoding
KR100515472B1 (ko) * 2002-10-15 2005-09-16 브이케이 주식회사 채널 부호화, 복호화 방법 및 이를 수행하는 다중 안테나무선통신 시스템
US7317770B2 (en) * 2003-02-28 2008-01-08 Nec Laboratories America, Inc. Near-optimal multiple-input multiple-output (MIMO) channel detection via sequential Monte Carlo
US7349496B2 (en) * 2003-06-27 2008-03-25 Nortel Networks Limited Fast space-time decoding using soft demapping with table look-up
EP1521414B1 (en) 2003-10-03 2008-10-29 Kabushiki Kaisha Toshiba Method and apparatus for sphere decoding
US7428260B2 (en) 2003-10-30 2008-09-23 Marvell World Trade Ltd. Unified MMSE equalization and multi-user detection approach for use in a CDMA system
EP1545082A3 (en) 2003-12-17 2005-08-03 Kabushiki Kaisha Toshiba Signal decoding methods and apparatus
RU2297713C2 (ru) 2004-01-09 2007-04-20 Корпорация "Самсунг Электроникс" Способ приема многолучевого сигнала и устройство для его осуществления
US20050201478A1 (en) * 2004-03-10 2005-09-15 Holger Claussen Modulation in a mobile telecommunications system
CN1691539A (zh) 2004-04-30 2005-11-02 皇家飞利浦电子股份有限公司 用于多入多出无线通信系统的通用多入多出-联合检测方法和装置
US7433432B2 (en) * 2004-12-31 2008-10-07 Broadcom Corporation Adaptive detector for multiple-data-path systems

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2513725C2 (ru) * 2012-06-01 2014-04-20 Федеральное государственное образовательное бюджетное учреждение высшего профессионального образования "Сибирский государственный университет телекоммуникаций и информатики" (ФГОБУ ВПО "СибГУТИ") Способ обеспечения целостности передаваемой информации

Also Published As

Publication number Publication date
EP2262129A3 (en) 2011-02-16
CN101322328B (zh) 2016-03-16
CA2628742C (en) 2013-02-05
EP2262130A3 (en) 2011-02-16
EP2262129A2 (en) 2010-12-15
EP1949561A2 (en) 2008-07-30
EP2262130A2 (en) 2010-12-15
CN101322328A (zh) 2008-12-10
JP2013031192A (ja) 2013-02-07
US8467466B2 (en) 2013-06-18
US20070116143A1 (en) 2007-05-24
CA2628742A1 (en) 2007-05-31
KR101125497B1 (ko) 2012-03-20
WO2007062021A3 (en) 2007-10-18
JP5612041B2 (ja) 2014-10-22
BRPI0618716A2 (pt) 2011-09-06
EP2262128A2 (en) 2010-12-15
WO2007062021A2 (en) 2007-05-31
JP2009516960A (ja) 2009-04-23
RU2008124818A (ru) 2009-12-27
EP2262128A3 (en) 2011-02-23
JP5123199B2 (ja) 2013-01-16
KR20080069258A (ko) 2008-07-25

Similar Documents

Publication Publication Date Title
RU2414062C2 (ru) Детектирование и декодирование с уменьшенной сложностью для приемника в системе связи
JP5479430B2 (ja) Mimo通信の球検出及びレート選択
JP4426338B2 (ja) 逐次モンテカルロによる準最適多入力多出力(mimo)チャネル検出
US8194801B1 (en) Efficient decoding of spatially-multiplexed signals
EP1609265B1 (en) Signal processing apparatus and method
AU2020369979B2 (en) M-MIMO receiver
Malladi et al. Set-partitioning based forward/backward soft decision algorithms for MIMO detection
US9917723B2 (en) Efficient methods and recursive/scalable circuit architectures for QAM symbol mean and variance estimations
US8792595B2 (en) Wireless communications device and method

Legal Events

Date Code Title Description
MM4A The patent is invalid due to non-payment of fees

Effective date: 20181121