TWI392295B - 多輸入多輸出偵測系統之Ｋ－Ｂｅｓｔ球型解碼器及其方法 - Google Patents

多輸入多輸出偵測系統之Ｋ－Ｂｅｓｔ球型解碼器及其方法 Download PDF

Info

Publication number
TWI392295B
TWI392295B TW97138606A TW97138606A TWI392295B TW I392295 B TWI392295 B TW I392295B TW 97138606 A TW97138606 A TW 97138606A TW 97138606 A TW97138606 A TW 97138606A TW I392295 B TWI392295 B TW I392295B
Authority
TW
Taiwan
Prior art keywords
data
circuit
circuit block
detection system
diagonal
Prior art date
Application number
TW97138606A
Other languages
English (en)
Other versions
TW201015926A (en
Inventor
Robert C Chang
Kuang Hao Lin
I Ju Chang
Original Assignee
Nat Univ Chung Hsing
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 Nat Univ Chung Hsing filed Critical Nat Univ Chung Hsing
Priority to TW97138606A priority Critical patent/TWI392295B/zh
Publication of TW201015926A publication Critical patent/TW201015926A/zh
Application granted granted Critical
Publication of TWI392295B publication Critical patent/TWI392295B/zh

Links

Landscapes

  • Error Detection And Correction (AREA)

Description

多輸入多輸出偵測系統之K-Best球型解碼器及其方法
本發明涉及一種多輸入多輸出偵測系統之K－Best球型解碼器，特別是一種使用具有規則性的方式提供不同的偵測層各自的K值，使其兼具效能與低複雜度的K－Best球型解碼演算法。
隨著人們對於資訊的需求日益增加與網路技術的蓬勃發展，使得近年來無線區域網路一直是市場上最熱門的話題，也帶給人類不少新的科技衝擊。從早期的IEEE 802.11a/b/g到IEEE 802.11n規格的建立，也代表著無線網路的演變與進步。多輸入多輸出(MIMO)結合正交分頻多工(OFDM)技術，為下一世代無線網路最主要的技術，不但有助於提升通訊品質，更使得傳輸速度一舉由54Mbps提升到600Mbps以上，更進一步更鞏固了IEEE 802.11系列在市場上的地位。
無線通訊現已成為人類生活中不可或缺的一部份，但由於無線通訊網路仍有一些困難尚待解決，如訊號隨著距離與空間障礙的關係使得傳輸訊號衰弱，進而影響傳輸品質。下世代的無線通訊網路採用MIMO系統，但其天線間訊號仍會彼此受干擾，有鑑於此，在接收端偵測訊號的技術需要更健全的偵測方法以彌補目前無線通訊網路的不足。
在MIMO－OFDM系統中，多根天線資料同時被傳送，在接收端部分，利用偵測技術幫助系統還原回原始傳送資料，並在合理的硬體複雜度與封包錯誤率的限制中仍然維持其資料輸出量。在本發明 中，著重在最大相似度演算法偵測技術並探討既有技術之比較，如：SD與K－Best SD演算法等。
◆最大相似度偵測法
最大相似度偵測法(MLD)是最佳的偵測演算法，其擁有最佳的偵測效能。方程式(1)為MLD接收器的偵測解法，其中為所偵測出的訊號向量，o 表示系統上的調變群集，∥．∥表示為norm的運算子(operator)：
Y 為接收到的訊號，H 為通道響應。由方程式(1)，MLD接收器為尋找方程式(1)中的所有調變群集來找出最符合的傳送訊號向量。然而，可以觀察到MLD演算法複雜度會隨著傳送天線數與調變群集大小增加而呈指數型成長。假設一個4×4 MIMO系統，使用16－QAM的調變群集，則MLD將要需要考慮65,536個候選向量訊號。MLD固然為最佳演算法，但由於其計算複雜度高，且不利於硬體實現，所以現今有許多研究便針對此方法為基礎，相繼提出新的偵測演算法，其中最著名的偵測演算法如球型解碼演算法(SDA)。
◆球型解碼演算法
球型解碼演算法(Sphere Decoding Algorithm)主要是為了改善MLD演算法太過複雜而發展出來的。球型解碼主要的概念為尋 找符合在球型半徑R 內的點，如方程式(2)所示。
因此顯而易見的是，R 的大小選擇將會影響到球型解碼的運算複雜度。若是R 選擇過大，則球型中包含過多的候選點(candinate)，導致運算複雜度過高；反之，R 選擇太小，有可能導致沒有候選點在球型內或是偵測的效果不佳，因此R 的大小選擇將是球型解碼的決定性因素。
經估測後的訊號帶回(Mr -1 )層其中Mr 為接收天線數，並移除(Mr -1 )層的干擾，最後得到經估測後的訊號，不斷的重覆此步驟直到第1層為止，最後可以得到估測訊號。我們在使用遞迴的方式處理N 個節點，其運算結果可以表示如方程式(3)所示：
在無線通訊系統中，為了使訊號還原到原始調變訊號，所以我們必須將接收的訊號等化到該系統對應的訊號群集，如BPSK、QPSK、16QAM、64QAM等，如方程式(3)所示，X i,N 為經過slicer後得到屬於調變訊號群集中的一個值。
◆K-Best球型解碼演算法
K-Best球型解碼演算法主要的中心概念為breadth-first approach。在前面我們論述過球型解碼演算法，其為在每一層的偵測中，針對每個節點去延伸擴展其相關的下一層節點，但在K-Best球型解碼中，我們只針對K 個節點，再往下層繼續尋找可能的候選點，最後可以得到K 個路徑分支。K-Best球型偵測演算法在決定該層K 個節點，是利用部份歐幾里得距離(Partial Euclidean Distance,PED)來做主要的決策，如方程式(4 )。
其中T i (S i ) 為部份歐幾里得距離，|e i (s i ) | 2 為距離增加量(distance increments)，並且我們假設T Mt +1 (S Mt +1 ) =0。
球型編碼演算法與K-Best球型編碼演算法兩者除了在搜尋路徑方式與搜尋樹上成長方式不同外，由於球型編碼演算法沒有固定的資料的輸出量，加上其搜尋路徑過長，所以不利於硬體實現，因此K-Best球型編碼演算法便由此發展而來。因為K-Best球型編碼演算法利用不同K 參數值的選擇，除了提供了較為固定的資料輸出量外，若系統所採用的K 參數值越大，其效能便更能趨近close-to-ML的目標，但也使得硬體面積較大；反之，K 參數值越小，但效能不佳，但卻可以有較小的硬體設計。所以K 參數值的選擇便是K-Best球型編碼演算法最重要的靈魂所在。
在K-Best球型偵測演算法中，主要是在各層中尋找最可能的K 個候選點，並且針對每個選出的K 個節點再進行延伸尋找下一層的節點，因此K參數值的選擇會嚴重影響在系統實現上的效能與成本，如何才能同時達到系統設計所要求的高效能與低硬體實現成本，便是本發明欲解決之問題及其技術範疇。
為達上述之目的，本發明利用部份歐幾里得距離(Partial Euclidean Distance,PED)來做決策。將原K-Best球型偵測演算法之方程式(4 )之第i 層的分支成本函數(Branch Cost Function)改成如方程式(5)所示。
其中T i (S i ) 為部份歐幾里得距離，|e i (s i ) | 2 為距離增加量(distance increments)，在此我們假設T Mt +1 (S Mt +1 ) =0。所以在第i 層做偵測時，我們便針對該層去做各分支點的PED路徑值計算，由先前所累積的總路徑差量T i +1 (S i +1 ) ，加上該層的距離增加量|e i (s i ) | 2 後，以此判斷最小的K 個PED路徑值，繼續偵測其延伸的下一層節點，直到最後第一層結束偵測。
本發明所揭露之K-Best球型解碼演算法，包含下列步驟：(a)先由通道估測後得出通道資訊矩陣H； (b)接著做通道重新排序的動作得到H’與該排序順序資料；(c)再將接收訊號與排序後的H’利用QR分解演算得到Y'=QH Y及上三角矩陣U’；(d)開始進行部份歐幾里得距離(Partial Euclidean Distance,PED)計算；(e)運用,N {Mr ,Mr -1,...,1}計算並排序出最小K個PED路徑值；(L為調變位元數、Rc為編碼率、N為目前所偵測層的層級、int為我們對其取整數部份值、α為依使用者系統環境選擇不同的數值大小。)
(f)得到該N層的K個節點直到第一層偵測結束；(g)輸出訊號。
本發明所揭露之K-Best球型解碼器，係為提供每個偵測層有規則的方式能因應系統環境狀況，適度調整K參數值，使其達到極佳的效能，而該K-Best球型解碼器至少包括：
一對角線運算電路方塊(Diagonal Process,DP)，係對通道資料矩陣H經由QR分解後所得到的上三角矩陣中的對角元素進行運算，並輸出該運算後之對角元素資料；而該對角線運算電路方塊至少包括：四個乘法電路，係為利用標準符號數字(CSD)實現，該標準符號數字可利用移位器與加法器組成；以及四個二補數電路，係為利用邏輯閘硬體電路組成。
一三角運算電路方塊(Triangular Process,TP)，係對通道資料矩陣H經由QR分解後所得到的上三角矩陣中的非對角元素進行運 算，並輸出該運算後之非對角元素資料；而該三角運算電路方塊至少包括：四個乘法電路，係為利用有號數乘法器實現，該乘法器可利用加法器組成；一個二補數電路，係為利用邏輯閘硬體電路組成；以及二個暫存器，係可利用D型、T型、JK型或RS型正反器組成。
一部份歐幾里得距離計算電路方塊(Partial Euclidean Distance,PED)，係為接收運算後之對角元素資料與非對角元素資料，再將該二者資料進行整合運算，並輸出該運算後之整合資料；而該部份歐幾里得距離計算電路方塊至少包括：十八個加法器，係為利用邏輯閘硬體電路組成；以及十六組絕對值運算，係為利用邏輯閘硬體電路組成。
一快速排序電路方塊(Fast Sorting,FS)，係為接收運算後之整合資料，再將該整合資料進行比較與排列，將最後之K個最小值輸出。而該快速排序電路方塊至少包括：一資料暫存器，係為利用反相器串接所組成，用於儲存部份歐幾里得距離計算電路送來之資料；一選擇組合電路，係為利用多工器組成，用於將資料暫存器內之資料進行配對；一資料交換基礎元件電路，係為利用三組多工器、三組暫存器及一組比較器組成，用以接收選擇組合電路配對後之資料，並進行資料的交換與比較，以輸出最小的K值。
有關本發明之詳細特徵與實作，茲配合圖示在實施方式中詳細說明如下，其內容足以使任何熟習相關技藝者了解本發明之技術內容並據以實施，且根據本說明書所揭露之內容及圖式，任何熟習相關技藝者可輕易地理解本發明相關之目的及優點。
請參閱圖一所示，係為本發明之K-Best球型解碼演算法處理流程，至少包含下列步驟：(a)先由通道估測後得出資訊矩陣H 100；(b)接著做通道重新排序的動作得到H’與該排序順序資料200；(c)再將接收訊號yi與排序後的H’利用QR分解演算得到Y'=QH Y及上三角矩陣U’300；(d)開始進行部份歐幾里得距離(Partial Euclidean Distance,PED)計算400； (e)運用,N {Mr ,Mr -1,...,1}計算並排序出最 小K個PED路徑值500；(L為調變位元數、Rc為編碼率、N為目前所偵測層的層級、int為我們對其取整數部份值、α為依使用者系統環境選擇不同的數值大小。)
(f)得到該N層的K個節點直到第一層偵測結束600
(g)輸出訊號700。
請參閱圖二所示，係為本發明之K-Best球型解碼器，至少包括：一對角線運算電路方塊(DP)1、一三角運算電路方塊(TP)2、一部份歐幾里得距離計算電路方塊(PED)3以及一快速排序電路方塊(FS)4。
本發明將原K-Best球型偵測演算法之方程式(1)之第i 層的分支成本函數(Branch Cost Function)改成如方程式(2)所示。
其中u ii s i 部分我們將利用DP架構來實現之。由於u ii 為通道資料矩陣H 經由QR分解後所得到的上三角矩陣中的對角元素，其值為實數型態，且s i 必須考慮到所有星座圖上的所有值，所需耗費的乘法器數量龐大，如：16QAM必須要考慮16個星座點位置，硬體需要16個乘法器，若系統使用在高調變下，以硬體成本上來說，將是一個很沉重的負擔。
圖三為DP電路方塊架構圖，在此我們將原先以複數型態來表示所有星座點上的值，將之拆為實數與虛數部份，以16QAM來說，我們只需要{－3,－1,1,3}來做運算即可，而64QAM則只需要{－7,－5,－3,－1,1,3,5,7}。在硬體設計上來說，由於對應的調變係數皆為相同，因此我們取代傳統用乘法器來實現u ii s i 部分的作法，利用標準符號數字(Canonica Signed Digit：CSD)架構來實現此乘法運算，如圖三A所示，可以清楚的了解到CSD電路架構是利用位移與加法的方式來實現，所以可以有效的降低電路面積。接著利用圖三B之狀態機說明DP電路方塊設計流程。
DP電路方塊狀態機的詳細流程如下所示：－狀態零(ST0)：電路中所有值直接歸零，表示電路不動作，直到接收到前一級送出的in_enable訊號時，電路跳至下一個狀態開始電路動作。
－狀態一(ST1)：讀取輸入訊號後，緊接著對應該系統所選擇的調變參數，進行CSD的運算。由於電路設計上我們僅針對調變參數為正值部分進行CSD運算，所以在輸出前我們便對每一個經過CSD輸出值對其做2補數(2’s complement)運算，如此一來，我們便可以得到最後輸出DP1 至DP8 值，並且對下 級送出out_enable訊號，告知下級電路可以開始運作了。
TP架構設計主要為計算方程式(3)中的部分，在一般傳統的作法上使用大量的複數乘法器以便得到該計算值的部份。在本發明複數分為實數與虛數兩部分來實現之，我們將方程式(2)中的改寫為方程式(3)式。
考慮到方程式(3)會隨著目前偵測層級的不同，所需要計算的運算量皆不相同，如偵測第Mr－1層時，只需要計算1次即可輸出，在偵測第2層時則需要計算Mr－2次，偵測第1層時則需要計算Mr－1次。因此我們在硬體設計上採用遞迴(recursive)架構，此架構最大的特性是有較小的電路面積。圖四為TP電路方塊架構圖，接著利用圖四A之狀態機說明TP電路方塊設計流程。
TP電路方塊狀態機的詳細流程如下所示：－狀態零(ST0)：電路中所有值直接歸零，表示電路不動作，且下一狀態為狀態一。
－狀態一(ST1)：當前一級送出S_enable訊號時，電路跳至狀態二，同時並讀取輸入資料Re(S)與Im(S)。
－狀態二(ST2)：當前一級送出U_enable訊號時，電路跳至狀態三，同時並讀取輸入資料Re(uij )與Im(uij )。
－狀態三(ST3)：在此狀態主要進行組合邏輯電路運算，包括電路的相乘與相加動作，用以實現(3)式。
－狀態四(ST4)：首先判斷計算的count數是否與等於目前所偵 測的層級，是否需要繼續進行下一次的資料訊號運算，直到整體電路計算完畢後，我們便可以得到最後累加的輸出訊號Re(TP)與Im(TP)，並同時對下級送出out_enable訊號，告知下級電路可以開始運作了。
本發明整體運算以方程式(2)為主要核心，接著我們利用PED電路方塊架構，將前述我們經由TP與DP運算後所得到的結果，傳遞給PED電路，以完成該偵測層的各分支成本函數值計算，在其後再加上上層所計算累積的路徑分支量，等待下級快速排序電路方塊找到最小K 個PED值。圖五為PED電路方塊架構圖，其中∥．∥方塊便是運用了 I 1 －norm演算法分別對實部與虛部訊號分別做絕對值運算後輸出，以待在做排序程序前累加上前偵測層的分支累積路徑量。接著利用圖五A之狀態機說明PED電路方塊設計流程。
PED電路方塊狀態機的詳細流程如下所示：－狀態零(ST0)：電路中所有值直接歸零，表示電路不動作，且下一狀態為狀態一。
－狀態一(ST1)：當前一級送出tp_enable訊號時，表示前級TP電路以運算結束，讀取上級輸出結果Re(TP)與Im(TP)進來，電路接著跳至狀態二。
－狀態二(ST2)：當前一級送出dp_enable訊號時，表示前級DP電路已運算結束，讀取上級輸入資料，電路接著跳至狀態三。
－狀態三(ST3)：此狀態為電路主要核心運算的部份，利用 I 1 －norm演算法以實現該偵測層的各分支成本函數值計算，最後我們可以得到輸出訊號Re(PED1 )至Re(PED8 )與Im(PED1 ) 至Im(PED8 )，同時對下級電路送出out_enable訊號，告知下級電路可以開始運作。
本發明另一個重要運算為快速排序電路方塊(FS)，利用傳統泡沫搜尋架構改良成為本發明之快速排序電路。由前面的DP、TP與PED電路運算後，可以得到該偵測層所計算出來累積的分支量，接著必須利用快速排序的方式，從前級電路所計算得知的分支量選擇K 個最小分支累積量，才能順利偵測出可能的原始訊號星座點位置。而如何將大量的資料，能夠運用有效的資料處理方式，得到我們所需求的資料訊息，更是一門不容小覷的學問。在本發明中，我們將延伸原始泡沫搜尋法(Bubble Sorting)的架構，提出一種更有效處理資料程序的快速排序電路設計。圖六A的泡沫搜尋架構所有的資料循環式接續進行的，因此在時間上尚未有效運用之，針對此問題，我們提出了如圖六B所示之改良式泡沫搜尋架構，此架構主要特點在於能夠大幅改善整體資料比較速度，使循環比較步驟可以不需等待前一循環完成後，才開始進行，在資料處理量上能夠有大幅的成長。圖六C為架構中的資料交換基礎元件。
傳統的泡沫搜尋法的原理是將一連串的資料，依序從第一筆資料與第二筆資料做比較，較大者擺在第一個位置，較大者擺在第二個位置，接著比較第二筆與第三筆資料，直到最後一筆比較後，將第一次循環的最小值放置在最後一個位置上。接著再依同樣的循環方式繼續進行，直到比完所有所需比較的資料量，才結束整個泡沫搜尋法的運算。假設欲排序的資料量為M ，所有的資料必須經過M －1次循環才結束。
現在我們假設輸入資料量為N 筆，目標為找到最小的Q 個資料，以圖六A的架構來說，我們需要的時間單位；而圖六B的架構需要N ＋(Q －1)的時間單位。以本發明所提出的多輸入多輸出偵測系統之K－Best球型編碼演算法的應用例子上來說，假設輸入資料量為N ＝512筆，我們欲找出其中最小的Q ＝8筆資料，則原泡沫搜尋架構需要4,060個時間單位，而我們所提出的改良式泡沫搜尋架構僅需要519個時間單位，大大減少了約87%的時間運算單位，大幅提升了整體排序的效能。
圖七為快速排序電路方塊架構圖，其包括暫存器(buffer)電路、選擇組合(SC)電路、資料交換基礎元件(C1~C8)電路。在前級PED電路將會傳遞Re(PED1 )至Re(PED8 )與Im(PED1 )至Im(PED8 )暫存到所對應位置的暫存器上，本發明設計K 參數值的大小設定最大為8，因此在硬體設計上，我們將buffer的需求量考慮進去。接著利用LS與BS訊號控制SC電路來獲得暫存器上的值進行選擇與配對。
在圖六B可以觀察到每個單位時間中，最多需要的資料交換基礎元件即為我們所欲比較尋找的最小K 量，假設我們需要找到最小的4個值，那麼在每個單位時間中，我們所需要的資料交換基礎元件就是4個。因此針對本發明所提出的K－Best球型編碼設計上來說，我們必須將使用到8個資料交換基礎元件幫助本系統架構能在 同一單位時間內做比較運算，即在圖七中所見的電路C1至C8部分。
每一個資料交換基礎元件電路架構如圖八所示，其主要功能在處理每一個專屬的循環比較過程，對資料串流進行交換與比較運算，運算結束後輸出最小的值，並在每個比較的過程中，傳遞經比較後較大的值給下一個處理的資料交換基礎元件，直到全部的循環運算結束停止後，輸出經偵測後得到的可能候選點與對應的分支累積量，暫存到K buffer中。圖九為資料交換基礎元件狀態機說明FS電路方塊設計流程。
FS電路方塊狀態機的詳細流程如下所示：－狀態零(ST0)：電路中所有值直接歸零，表示電路不動作，將sel_1、sel_2與sel_3選擇為0，當trigger＝1時，開始電路動作，下一狀態為狀態一。
－狀態一(ST1)：首先因為電路有延遲的效應關係，所以第一筆資料會先暫存到DFF1中，此狀態並切換sel_1＝1，則下次輸入的資料會暫存到DFF2中，DFF1資料會暫存到DFF3中，下一狀態為狀態二。
－狀態二(ST2)：切換sel_2＝1，此時暫存到DFF1與DFF3的資料會開始進行第一次的比較，並將第一次比較後較小的值暫存到DFF3中，以等待下一次的輸入訊號送至DFF1暫存，同時經比較後較大的bigvalue_out值會開始傳遞給下級資料交換基礎元件電路接續做下個循環運算。
－狀態三(ST3)：新的比較資料送入後，暫存到DFF1，而前一運算所得到的較小值也暫存到DFF3中，當比較次數等於所有資料量num－2時，下一狀態為狀態四，否則持續比較運算。
－狀態四(ST4)：使sel_3＝1，因此我們可以得到此循環中最小的smallest_out值輸出，結束此循環電路運算。
1‧‧‧對角線運算電路方塊
2‧‧‧三角運算電路方塊
3‧‧‧部份歐幾里得距離計算電路方塊
4‧‧‧快速排序電路方塊
100‧‧‧先由通道估測後得出資訊矩陣H
200‧‧‧接著做通道重新排序的動作得到H’與該排序順序資料
300‧‧‧再將接收訊號yi 與排序後的H’利用QR分解演算得到Y'=QH Y及上三角矩陣U’300
400‧‧‧開始進行部份歐幾里得距離(Partial Euclidean Distance,PED)計算
500‧‧‧運用,N {Mr ,Mr -1,...,1}計算並排序出最 小K個PED路徑值
600‧‧‧得到該N層的K個節點直到第一層偵測結束
700‧‧‧輸出訊號
圖一為本發明之K-Best球型解碼演算法處理流程示意圖；圖二為本發明之K-Best球型解碼器示意圖；圖三為本發明之DP電路方塊架構圖；圖三A為本發明之CSD電路架構圖；圖三B為本發明之DP電路方塊狀態機示意圖；圖四為本發明之TP電路方塊架構圖；圖四A為本發明之TP電路方塊狀態機示意圖；圖五為本發明之PED電路方塊架構圖；圖五A為本發明之PED電路方塊狀態機示意圖；圖六A為傳統泡沫搜尋法架構圖；圖六B為本發明之泡沫搜尋法架構圖；圖六C為本發明之資料交換基礎元件示意圖；圖七為本發明之快速排序電路方塊架構圖；圖八為本發明之資料交換基礎元件電路架構圖；圖九為本發明之資料交換基礎元件狀態機示意圖。
1‧‧‧對角線運算電路方塊
2‧‧‧三角運算電路方塊
3‧‧‧部份歐幾里得距離計算電路方塊
4‧‧‧快速排序電路方塊

Claims (8)

  1. 一種多輸入多輸出偵測系統之K-Best球型解碼演算法，包含下列步驟：(a)先由通道估測後得出通道資訊矩陣H；(b)接著做通道重新排序的動作得到H’與該排序順序資料；(c)再將接收訊號yi與排序後的H’利用QR分解演算得到Y'=QH Y及上三角矩陣U’；(d)開始進行部份歐幾里得距離(Partial Euclidean Distance,PED)計算；(e)運用,N {Mr ,Mr -1,...,1}計算並排序出最小K個PED路徑值；(f)得到該N層的K個節點直到第一層偵測結束；(g)輸出訊號。
  2. 一種多輸入多輸出偵測系統之K-Best球型解碼器，係為提供每個偵測層有規則的方式能因應系統環境狀況，適度調整K參數值，使其達到極佳的效能，而該K-Best球型解碼器至少包括：一對角線運算電路方塊，係對通道資料矩陣H經由QR分解後所得到的上三角矩陣中的對角元素進行運算，並輸出該運算後之對角元素資料；一三角運算電路方塊，係對通道資料矩陣H經由QR分解後所得到的上三角矩陣中的非對角元素進行運算，並輸出該運算後之非對角元素資料；一部份歐幾里得距離計算電路方塊，係為接收運算後之對角元素資料與非對角元素資料，再將該二者資料進行整合運算，並輸出該運算後之非對角元素資料；一部分歐幾里得距離計算電路方塊，係為接收運算後之對角元素資料與非對角元素資料，再將該二者資料進行整合運算，並輸 出該運算後之整合資料；一快速排序電路方塊，係為接收運算後之整合資料，再將該整合資料進行比較與排列，將最後之K個最小值輸出。
  3. 如申請專利範圍第2項所述之多輸入多輸出偵測系統之K－Best球型解碼器，其中該K參數值之方程式為：
  4. 如申請專利範圍第2項所述之多輸入多輸出偵測系統之K－Best球型解碼器，其中該對角線運算電路方塊至少包括：四個乘法電路，係為利用標準符號數字(CSD)實現，該標準符號數字可利用移位器與加法器組成；四個二補數電路，係為利用邏輯閘硬體電路組成。
  5. 如申請專利範圍第2項所述之多輸入多輸出偵測系統之K－Best球型解碼器，其中該三角運算電路方塊至少包括：四個乘法電路，係為利用有號數乘法器實現，該乘法器可利用加法器組成；一個二補數電路，係為利用邏輯閘硬體電路組成；二個暫存器，係可利用D型、T型、JK型或RS型正反器組成。
  6. 如申請專利範圍第2項所述之多輸入多輸出偵測系統之K－Best球型解碼器，其中該部份歐幾里得距離計算電路方塊至少包括：十八個加法器，係為利用邏輯閘硬體電路組成；十六組絕對值運算，係為利用邏輯閘硬體電路組成。
  7. 如申請專利範圍第2項所述之多輸入多輸出偵測系統之K－Best球型解碼器，其中該快速排序電路方塊至少包括： 一資料暫存器，係為利用反相器串接所組成，用於儲存部份歐幾里得距離計算電路送來之資料；一選擇組合電路，係為利用多工器組成，用於將資料暫存器內之資料進行配對；一資料交換基礎元件電路，係為利用三組多工器、三組暫存器及一組比較器組成，用以接收選擇組合電路配對後之資料，並進行資料的交換與比較，以輸出最小的K值。
  8. 如申請專利範圍第2、4、5或6項所述之多輸入多輸出偵測系統之K－Best球型解碼器，其中該對角線運算電路方塊、三角運算電路方塊與部份歐幾里得距離計算電路方塊均可分別處理調變訊號64QAM或16QAM。
TW97138606A 2008-10-07 2008-10-07 多輸入多輸出偵測系統之Ｋ－Ｂｅｓｔ球型解碼器及其方法 TWI392295B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
TW97138606A TWI392295B (zh) 2008-10-07 2008-10-07 多輸入多輸出偵測系統之Ｋ－Ｂｅｓｔ球型解碼器及其方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW97138606A TWI392295B (zh) 2008-10-07 2008-10-07 多輸入多輸出偵測系統之Ｋ－Ｂｅｓｔ球型解碼器及其方法

Publications (2)

Publication Number Publication Date
TW201015926A TW201015926A (en) 2010-04-16
TWI392295B true TWI392295B (zh) 2013-04-01

Family

ID=44830240

Family Applications (1)

Application Number Title Priority Date Filing Date
TW97138606A TWI392295B (zh) 2008-10-07 2008-10-07 多輸入多輸出偵測系統之Ｋ－Ｂｅｓｔ球型解碼器及其方法

Country Status (1)

Country Link
TW (1) TWI392295B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2448205B1 (en) * 2010-10-29 2013-05-08 Intel Mobile Communications Technology Dresden GmbH Method and apparatus for soft-decision sphere decoding

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040174939A1 (en) * 2003-02-28 2004-09-09 Nec Laboratories America, Inc. Near-optimal multiple-input multiple-output (MIMO) channel detection via sequential Monte Carlo
US6898757B1 (en) * 2002-04-04 2005-05-24 Legend Silicon Corporation Decoding multi-block product code
US20050141644A1 (en) * 2003-12-31 2005-06-30 Sadowsky John S. Symbol de-mapping methods in multiple-input multiple-output systems
US20060059410A1 (en) * 2004-09-13 2006-03-16 Conexant Systems, Inc. Systems and methods for multistage signal detection in mimo transmissions and iterative detection of precoded OFDM
TWI252641B (en) * 2004-12-17 2006-04-01 Realtek Semiconductor Corp Searching method for maximum likelihood (ML) detection
US7233634B1 (en) * 2003-03-27 2007-06-19 Nortel Networks Limited Maximum likelihood decoding
US7317771B2 (en) * 2002-06-24 2008-01-08 Mitsubishi Denki Kabushiki Kaisha MIMO telecommunication system with accelerated sphere decoding
TW200828822A (en) * 2006-12-21 2008-07-01 Ind Tech Res Inst Sphere decoding method and system

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6898757B1 (en) * 2002-04-04 2005-05-24 Legend Silicon Corporation Decoding multi-block product code
US7317771B2 (en) * 2002-06-24 2008-01-08 Mitsubishi Denki Kabushiki Kaisha MIMO telecommunication system with accelerated sphere decoding
US20040174939A1 (en) * 2003-02-28 2004-09-09 Nec Laboratories America, Inc. Near-optimal multiple-input multiple-output (MIMO) channel detection via sequential Monte Carlo
US7233634B1 (en) * 2003-03-27 2007-06-19 Nortel Networks Limited Maximum likelihood decoding
US20050141644A1 (en) * 2003-12-31 2005-06-30 Sadowsky John S. Symbol de-mapping methods in multiple-input multiple-output systems
US20060059410A1 (en) * 2004-09-13 2006-03-16 Conexant Systems, Inc. Systems and methods for multistage signal detection in mimo transmissions and iterative detection of precoded OFDM
US7216267B2 (en) * 2004-09-13 2007-05-08 Conexant Systems Inc. Systems and methods for multistage signal detection in mimo transmissions and iterative detection of precoded OFDM
TWI252641B (en) * 2004-12-17 2006-04-01 Realtek Semiconductor Corp Searching method for maximum likelihood (ML) detection
TW200828822A (en) * 2006-12-21 2008-07-01 Ind Tech Res Inst Sphere decoding method and system

Also Published As

Publication number Publication date
TW201015926A (en) 2010-04-16

Similar Documents

Publication Publication Date Title
JP4429945B2 (ja) Ｍｉｍｏ多重通信装置および信号分離方法
EP2520055B1 (en) Branch processing of search tree in a sphere decoder
TWI591973B (zh) A signal detection method and device
TWI629880B (zh) Non-orthogonal multiple access signal detection method and device
TWI434536B (zh) 通訊系統接收器及其解碼方法
TWI650984B (zh) 一種調製方式檢測方法和裝置
KR100943519B1 (ko) 로그우도비 산출 방법 및 송신 신호 검출 방법
CN107210981B (zh) 用于解码通过通信信道接收到的数据块的方法和接收器
TWI392295B (zh) 多輸入多輸出偵測系統之Ｋ－Ｂｅｓｔ球型解碼器及其方法
WO2012103716A1 (zh) 一种多输入多输出系统的检测方法和系统
WO2008119040A1 (en) Systems and methods for n-dimensional leaf-node prediction for mimo detection
CN105471778B (zh) 一种信号检测方法及装置
Chen et al. Performance analysis of cyclic-priority input access method for a multicast switch
EP2524483A1 (en) Method and apparatus for received signal processing in a wireless communication receiver
TWI599183B (zh) 最大可能性偵測器與偵測方法
Lee et al. A pipelined VLSI architecture for a list sphere decoder
Bello et al. VLSI implementation of a scalable K-best MIMO detector
JP2012522446A (ja) Ｍｉｍｏ受信信号を検出するための深さ優先探索による木探索方法
Moezzi-Madani et al. An energy-efficient 64-QAM MIMO detector for emerging wireless standards
Zheng et al. Decentralized recursive MMSE equalizer for massive MIMO systems
CN114500184B (zh) 一种信道估计方法和装置及设备
Piao et al. Dynamic K-best sphere decoding algorithms for MIMO detection
Cui et al. Decentralized Bidirectional-Chain Equalizer for Massive MIMO
Zhu et al. Design and Implementation of An Improved K-Best Detection Algorithm
Liu et al. A high throughput K-best detector on FPGA

Legal Events

Date Code Title Description
MM4A Annulment or lapse of patent due to non-payment of fees