WO2020173161A1 - 带有检测中信道矩阵预处理的mimo-ofdm无线信号检测方法和系统 - Google Patents

带有检测中信道矩阵预处理的mimo-ofdm无线信号检测方法和系统 Download PDF

Info

Publication number
WO2020173161A1
WO2020173161A1 PCT/CN2019/122736 CN2019122736W WO2020173161A1 WO 2020173161 A1 WO2020173161 A1 WO 2020173161A1 CN 2019122736 W CN2019122736 W CN 2019122736W WO 2020173161 A1 WO2020173161 A1 WO 2020173161A1
Authority
WO
WIPO (PCT)
Prior art keywords
search
subcarrier
domain
current
layer
Prior art date
Application number
PCT/CN2019/122736
Other languages
English (en)
French (fr)
Inventor
展睿
孔鲁
Original Assignee
乐鑫信息科技（上海）股份有限公司
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 乐鑫信息科技（上海）股份有限公司 filed Critical 乐鑫信息科技（上海）股份有限公司
Priority to US17/434,899 priority Critical patent/US11509516B2/en
Publication of WO2020173161A1 publication Critical patent/WO2020173161A1/zh

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L27/00—Modulated-carrier systems
    • H04L27/26—Systems using multi-frequency codes
    • H04L27/2601—Multicarrier modulation systems
    • H04L27/2647—Arrangements specific to the receiver only
    • H04L27/2655—Synchronisation arrangements
    • H04L27/2689—Link with other circuits, i.e. special connections between synchronisation arrangements and other circuits for achieving synchronisation
    • H04L27/2695—Link with other circuits, i.e. special connections between synchronisation arrangements and other circuits for achieving synchronisation with channel estimation, e.g. determination of delay spread, derivative or peak tracking
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/0413—MIMO systems
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00—Baseband systems
    • H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/0202—Channel estimation
    • H04L25/0204—Channel estimation of multiple channels
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00—Baseband systems
    • H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/0202—Channel estimation
    • H04L25/022—Channel estimation of frequency response
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00—Baseband systems
    • H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/0202—Channel estimation
    • H04L25/024—Channel estimation channel estimation algorithms
    • H04L25/0242—Channel estimation channel estimation algorithms using matrix methods
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L27/00—Modulated-carrier systems
    • H04L27/26—Systems using multi-frequency codes
    • H04L27/2601—Multicarrier modulation systems
    • H04L27/2647—Arrangements specific to the receiver only
    • H04L27/2655—Synchronisation arrangements
    • H04L27/2689—Link with other circuits, i.e. special connections between synchronisation arrangements and other circuits for achieving synchronisation
    • H04L27/2691—Link with other circuits, i.e. special connections between synchronisation arrangements and other circuits for achieving synchronisation involving interference determination or cancellation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L27/00—Modulated-carrier systems
    • H04L27/32—Carrier systems characterised by combinations of two or more of the types covered by groups H04L27/02, H04L27/10, H04L27/18 or H04L27/26
    • H04L27/34—Amplitude- and phase-modulated carrier systems, e.g. quadrature-amplitude modulated carrier systems
    • H04L27/345—Modifications of the signal space to allow the transmission of additional information
    • H04L27/3461—Modifications of the signal space to allow the transmission of additional information in order to transmit a subchannel
    • H04L27/3483—Modifications of the signal space to allow the transmission of additional information in order to transmit a subchannel using a modulation of the constellation points
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L27/00—Modulated-carrier systems
    • H04L27/26—Systems using multi-frequency codes
    • H04L27/2601—Multicarrier modulation systems
    • H04L27/2602—Signal structure
    • H04L27/2605—Symbol extensions, e.g. Zero Tail, Unique Word [UW]
    • H04L27/2607—Cyclic extensions
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L5/00—Arrangements affording multiple use of the transmission path
    • H04L5/0001—Arrangements for dividing the transmission path
    • H04L5/0003—Two-dimensional division
    • H04L5/0005—Time-frequency
    • H04L5/0007—Time-frequency the frequencies being orthogonal, e.g. OFDM(A), DMT
    • H04L5/001—Time-frequency the frequencies being orthogonal, e.g. OFDM(A), DMT the frequencies being arranged in component carriers

Definitions

  • the present invention mainly relates to a low-complexity detection technology for a multi-antenna wireless communication system, and specifically relates to a MIMO-OFDM wireless signal detection method and system with channel matrix preprocessing during detection. Background technique
  • MIMO multi-antenna communication technology
  • VLSI Very Large Scale Integrated Circuits
  • MIMO detection methods can be divided into optimal detection, sub-optimal detection and near-optimal detection according to the level of detection performance.
  • MIMO optimal detection methods such as maximum likelihood detection (Maximum Likelihood, ML)
  • Maximum Likelihood, ML can obtain the best error detection performance, but its detection complexity increases exponentially with the growth of the QAM constellation and the number of antennas . Therefore, under most system configurations, the optimal detection is not practical, and it is only used as a reference for the performance comparison of other MIMO detectors in the simulation.
  • MIMO sub-optimal detection methods can be divided into linear and nonlinear.
  • Linear suboptimal detection methods such as Zero Forcing (ZF), Minimum Mean Square Error (MMSE), use linear equalization to process all parallel data streams at once, with the lowest complexity, and the system The overhead is small, but its Receiver Diversity Gain (RDG) is close to the single antenna system (SISO), so the bit error performance is the worst.
  • Non-linear sub-optimal detection methods such as various forms of Successive Interference Cancellation (SIC), receive hierarchical increase The gain is slightly improved, but it is susceptible to error propagation, and the error performance is limited. When a large antenna and a large constellation scale, the performance is greatly different from the ML.
  • the MIMO near-optimal detection method usually refers to various tree search algorithm variants based on Sphere Decoder (SD).
  • SD Sphere Decoder
  • This type of algorithm can make the detection performance close to the ML method, but the complexity is much lower than that of ML.
  • the breadth-first K-best detector can ensure a throughput rate independent of the signal to noise ratio (SNR) of the signal reception, and its performance is close to that of ML detection. Therefore, it is one of the most commonly used MIMO detection methods.
  • the balance between its detection performance and complexity is achieved by adjusting the K factor in K-best.
  • MIMO technology is not used alone. It is usually combined with other wireless communication technologies, such as orthogonal frequency division multiplexing (OFDM) and high-order quadrature amplitude modulation (M-QAM).
  • OFDM orthogonal frequency division multiplexing
  • M-QAM high-order quadrature amplitude modulation
  • Advanced channel codecs such as low-density check codes (LDPC), Turbo codes, convolutional codes (CC) are used in a comprehensive way to further improve system performance and spectrum utilization, and to combat non-ideal wireless channel conditions.
  • the wireless LAN 802.11n/ac/ax defined by IEEE in recent years, the fourth-generation wireless communication system LTE defined by 3GPP, and the upcoming 5th-generation wireless communication system of 3GPP, etc. are MIMO technology combined with OFDM technology and high-end M-QAM, a typical example of advanced channel coding and decoding technology.
  • Chinese Patent Publication CN105814857A discloses a method for detecting large-scale multiple input multiple output communication
  • the system and method for symbols in the communication system, and the non-MIMO-OFDM system that it processes, cannot cope with the frequency selective fading caused by the multipath channel.
  • the soft value generation is not optimized, and the channel codec gain is not maximized.
  • the LR domain search has no defined boundary, and the expansion efficiency is not maximized.
  • Chinese patent CN103548310B discloses a detection method and receiver for a receiver based on a multiple-input multiple-output antenna communication system.
  • the invention adopts LR domain detection, there are two QR decompositions in the preprocessing, and the processing method is not the most simplified.
  • the search in the LR domain is not based on a reasonable search boundary, but a depth-first ball decoding, which has three consequences: 1) The search range is unreasonable, there are many useless expansions, or the useful expansions are insufficient; 2) The search is not expanded on demand, and the natural expansion sequence is not used, and an additional PED sorting module is required; 3) Since the search expansion depends on the sphere radius d, the value of K is not fixed and fluctuates greatly with factors such as SNR, which is unfavorable for hardware implementation .
  • the patent is designed for MIMO single-carrier systems, not for MIMO-OFDM systems, and cannot deal with frequency selective fading caused by multipath channels.
  • the search range of the antisymmetric LR domain is problematic.
  • the search boundary of the LR domain has almost no positive and anti-symmetric. If it is processed directly according to the positive and anti-symmetric, the search range will be expanded or narrowed improperly, causing serious errors in search detection.
  • the detection accuracy is improved by expanding the search K value, it will directly increase the number of search expansions of the system, extend the decoding detection time, and reduce the system throughput.
  • Chinese Patent CN101917368B discloses a soft output method for MIMO detection based on the lattice basis convention, wherein the method uses the lattice basis convention and the corresponding sorted list of LR transform domain signals to perform K-best detection.
  • this patent is also designed for MIMO single-carrier systems, and does not provide any optimization for soft value generation in the case of frequency selective fading caused by multipath channels in the MIMO-OFDM system.
  • the present invention provides a signal detection method and system for a MIMO-OFDM wireless communication system, which is especially suitable for wireless communication systems with channel coding and decoding in a MIMO-OFDM environment, and is low-complexity, suitable for coding K-best multi-antenna detector structure and method of global dynamic K planning with stable throughput and assisted by lattice protocol for the MIMO-OFDM wireless communication system.
  • a signal detection method for a MIMO-OFDM wireless communication system including processing multiple MIMO-OFDM data packets, the method includes the following steps: For the multiple MIMO-OFDM data For each MIMO-OFDM data packet in the packet, perform the following steps:
  • the preprocessing includes decomposing the channel matrix of the current subcarrier and lattice reduction to generate multiple LR domain matrices of the current subcarrier, wherein the global dynamic K value table includes the global dynamics corresponding to each search layer of each subcarrier K value, and performing MIMO detection processing on the first OFDM symbol includes performing the following steps on each subcarrier of the first OFDM symbol: according to a preset fixed K value or a variable K value calculated for the current subcarrier, Performing K-best search on the subcarrier, and generating the LR domain candidate transmission vector of the current subcarrier;
  • Performing MIMO detection on each subsequent OFDM symbol in the MIMO-OFDM data packet includes: performing the following steps on each subcarrier of the current OFDM symbol: reading multiple LR domain matrices of the current subcarrier And a receiving vector; converting the receiving vector of the current subcarrier to the LR search domain; and performing a K-best search on the current subcarrier to obtain the LR domain candidate transmission vector of the current subcarrier, where in the K-best search
  • the K value applied to each search layer of the current subcarrier is the global dynamic K value corresponding to the search layer in the global dynamic K value table.
  • a signal used in a MIMO-OFDM wireless communication system includes a MIMO detector module that detects multiple MIMO-OFDM data packets, and is characterized in that the MIMO detector module includes a channel matrix preprocessing submodule, a storage submodule, and a K-best search submodule:
  • the MIMO detector module is configured to receive the channel matrix of each subcarrier and the receive vector of each subcarrier obtained through channel estimation as input;
  • the MIMO detector module is configured to perform MIMO detection processing on the first OFDM symbol in the MIMO-OFDM data packet
  • the channel matrix preprocessing sub-module is configured to perform channel matrix on the channel matrix of each subcarrier of the first OFDM symbol Preprocessing to generate a global dynamic K value table
  • the channel matrix preprocessing includes decomposing the channel matrix of the current subcarrier and lattice reduction to generate multiple LR domain matrices of the current subcarrier
  • the value table includes the global dynamic K value corresponding to each search layer of each subcarrier
  • the MIMO detection processing on the first OFDM symbol includes performing the following steps on each subcarrier of the first OFDM symbol: according to a preset fixed K value or a variable K value calculated for the current subcarrier, performing K-best search on the current subcarrier, and generating the LR domain candidate transmission vector of the current subcarrier;
  • the storage sub-module is configured to store a global dynamic K value table and search parameters for each sub-carrier
  • the K-best search submodule is configured to perform MIMO detection on each subsequent OFDM symbol in the MIMO-OFDM data packet, where the MIMO detection includes: performing the following steps on each subcarrier of the current OFDM symbol: read Take multiple LR domain matrices and reception vectors of the current subcarrier; convert the reception vector of the current subcarrier to the LR search domain; and perform a K-best search on the current subcarrier to obtain the LR domain candidate transmission vector of the current subcarrier
  • the K value applied to each search layer of the current subcarrier is the global dynamic K value corresponding to the search layer in the global dynamic K value table.
  • the method and system proposed by the present invention can reasonably allocate K-best search and expansion resources according to the overall condition of the current MIMO system transmission channel, ensure a stable throughput rate, and realize search expansion with high efficiency and less useless expansion. This makes the generation of LLR soft values more reasonable and fully exploits the gains of channel coding and decoding.
  • the method and system of the present invention are suitable for realizing high-efficiency and high-performance MIMO-OFDM detection through VLSI. Description of the drawings
  • Figure 1 is a schematic diagram of a general channel transmission model of a multi-antenna system
  • Figure 2 is a relatively simple MIMO-OFDM transmitting end system structure block diagram of 802.11n/ac;
  • Figure 3 is a MIMO-OFDM receiving end system structure block diagram;
  • Fig. 4 is an overall flowchart of an embodiment of the method according to the present invention in the first scenario
  • Fig. 5 is an overall flowchart of a more detailed embodiment of the method according to the present invention in the first scenario
  • Fig. 6 is an overall flowchart of an embodiment of the method according to the present invention in the second scenario
  • Fig. 7 is an overall flowchart of a more detailed embodiment of the method according to the present invention in the second scenario
  • Figure 8 is a flow chart of LR domain MIMO detection and LLR soft bit generation on a single subcarrier;
  • Figure 9 is a general packet structure diagram of the MIMO-OFDM transmitter;
  • 10 is a schematic diagram showing the packet structure of the time domain data part of the MIMO-OFDM receiver and the OFDM sub-carrier of the signal;
  • Fig. 11 is a flow chart of preprocessing for a channel matrix of one subcarrier
  • Figure 12 is a schematic diagram of real number system from near to far fast enumeration
  • FIG. 13 is a schematic diagram of the on-demand expansion tree search of the LR domain dynamic K value according to the present invention.
  • Fig. 14 is a schematic diagram of an on-demand expansion tree search with a fixed K value in the LR domain according to the prior art
  • Fig. 15 is a schematic block diagram of a signal detection system for a MIMO-OFDM wireless communication system according to an embodiment of the present invention.
  • 16A and 16B show performance comparison curves between the MIMO detection method according to the present invention and the MIMO detection method in the prior art. detailed description
  • Figure 1 is a general model diagram of channel transmission in a multi-antenna system. Assuming that in the MIMO system 100, the number of transmitting antennas 103 at the transmitter 101 is iV tx , and the number of receiving antennas 104 at the receiver 102 is N rx .
  • the MIMO channel is quasi-static flat Rayleigh fading, and the channel moment its A two-dimensional Gaussian random variable with a variance of 1.
  • Tree search detection such as K-best has the best performance when the column vectors of the MIMO channel matrix /7 are orthogonal to each other, which is close to the ML detection performance. Therefore, detecting MIMO on an orthogonal basis is an idea to improve tree search detection.
  • the current received signal vector f as a vector in the lattice (Lattice)
  • the column vector of the current channel matrix is a set of basis vectors of the current lattice.
  • the physical realization of the antenna array and the scattering of the space environment will cause the basis vector of the correlation.
  • Lattice Reduction was introduced into the design of MIMO detection algorithms. See the above paper by H. Yao and G. Wornell, "Lattice-Reduction-Aided Detectors for MIMO Communication Systems ( Lattice reduction assisted detectors for MIMO communication systems) and the above-mentioned paper by D. Wubben, R. Bohnke, V Kuhn, and K.-D. Kammeyer "MMSE-Based Lattice Reduction for Near-ML Detection of MIMO Systems (The MMSE-based lattice rule for approximate ML detection of MIMO systems).
  • LR-Aided Lattice-Aided
  • LRA Lattice-Aided
  • the usual K-best detection is based on Real Value Decomposition (RVD).
  • RVD Real Value Decomposition
  • the MIMO detection assisted by the Lattice Protocol can be based on either a complex number system or a real number system.
  • the method in the present invention is not limited by the real number or complex number system. But for the convenience of explanation, the real number system is usually taken as an example.
  • iV tx xl sends a signal vector, which is a Gaussian white noise vector with a mean value of zero and a variance of S 2 .
  • n /T f.
  • f is a unitary matrix, whose elements belong to the Gaussian integer domain, and the determinant of f is ⁇ 1.
  • LLL complex LLL
  • Seysen Seysen’s, Brnn’s and Element LR
  • Element LR Element LR
  • the constellation points of the LR domain take values as continuous integers.
  • the step size between constellation points is 2 (not normalized), and shifting and scaling are usually required to perform continuous integer domain search on the LR domain.
  • each element is generally a vector of 1 or 1+j (the real number system is 1, and the complex number system is 1+j, and it can also be other). Then the system model will be
  • the present invention takes a simpler 802.11n/ac data part generating and receiving system structural block diagram as an example to illustrate the above-mentioned integrated use process of MIMO technology and multiple technologies.
  • Figure 2 shows the block diagram of the transmitting end of the example system.
  • the transmission system 200 may generally include a physical layer (PHY) padding and scrambler 202, an FEC encoder 204, a stream parser 206, multiple QAM mappers 208, multiple subcarrier mappers 210, and multiple IDFT (Inverse Fourier Transformer) 212, multiple GI (guard interval) and shapers 216, analog and radio frequency signal receivers 216, and multiple transmit antennas 218.
  • PHY physical layer
  • Figure 3 shows the simple receiver block diagram of the example system.
  • the receiving system 300 may generally include multiple receiving antennas 302, multiple analog and radio frequency signal receivers 304, multiple ADCs (analog-to-digital converters) 306, multiple AGC (automatic gain control) modules 308, Multiple synchronizers 310, multiple Fourier transformers 312, channel estimation module 314, MIMO detector 318, LLR generation and List de-mapper 320, stream de-parser 322, FEC decoder 324, and descrambler 326.
  • the method and system of the present invention can be implemented in the hardware part enclosed by the dashed frame 316. It should be understood that all or part of the method and system of the present invention can be implemented as hardware, software, firmware, and/or any combination thereof.
  • the number of OFDM data subcarriers is iV sd .
  • the Interleaver/Deinterleaver (Deinterleaver) required for certain channel coding and decoding is integrated into the FEC (Forward Error Correction) encoder and FEC decoder by default.
  • a channel-encoded data bit stream is split into multiple corresponding data bits through a de-multiplexer or stream parser. Transmission of multiple data bit streams from the antenna.
  • the number of data streams is the rank of the channel matrix N tx ).
  • Each data bit stream undergoes independent M-QAM constellation point mapping, and is loaded on ⁇ corresponding data subcarriers of the OFDM symbol, and then the IDFT module corresponding to the current antenna performs inverse discrete Fourier transform to transform the frequency domain OFDM symbols are transformed into time-domain OFDM symbols.
  • a guard interval is added to the front end of each time-domain OFDM symbol in the time-domain waveform of the transmitted packet, and after windowing and shaping, it is sent to the analog/RF end Signal transmission with the corresponding antenna.
  • the receiving end uses the cooperative work of multiple receiving antennas, RF/analog modules, analog-to-digital converters (ADC) and automatic gain controllers (AGC) to collect the mixed signals filtered through the wireless channel into convenient digital signals.
  • the receiving end completes frequency and time synchronization (SYNC) by processing the packet header (Preamble).
  • the synchronized signal is transformed back to the frequency domain through Discrete Fourier Transform (DFT).
  • DFT Discrete Fourier Transform
  • the receiver uses the auxiliary field loaded in the packet header (such as the HT-LTF field in WiFi) to complete the MIMO channel estimation (Channel Estimation, CE), and obtain the estimated Channel matrix H.
  • the MIMO detector uses current MIMO channel estimation and multi-antenna reception signals to jointly detect multiple data streams transmitted in parallel.
  • the subsequent LLR (Logarithm Likelihood Ratio) generation module can adopt different LLR generation methods to generate soft bit values suitable for the subsequent FEC decoder to fully tap the current FEC coding gain (Coding Gain). Gain, CG).
  • Figure 9 shows a MIMO-OFDM transmission packet structure diagram in the time domain.
  • each antenna On iV tx antennas, different data is sent, that is, the data OFDM symbol part of the picture, each antenna is loaded with different data symbols (Data Symbol, QAM symbol) in the same OFDM symbol period of different antennas in the same OFDM symbol period On the same subcarrier position.
  • the data 902 transmitted by each antenna includes a preamble and packet header 904 and a data OFDM symbol portion 906, where the data OFDM symbol portion further includes N OFDM symbols.
  • FIG. 10 shows a schematic diagram of the packet structure of the time domain data part of the MIMO-OFDM receiver and the OFDM subcarrier of the signal.
  • the receiver After the receiver has processed the preamble and header part 904, the data part is received and detected.
  • the receiver transfers the time-domain signal of the signal received on each antenna in the corresponding OFDM symbol period to the received signal on each subcarrier in the OFDM frequency band in the frequency domain through DFT.
  • the first OFDM symbol period 1006 is shown Schematic diagram of 1008.
  • a MIMO reception detection process is performed separately based on the received signal on a certain subcarrier of each antenna within an OFDM symbol period. For example, in the first OFDM symbol period 1006, It is the input of the first MIMO reception detection for the current packet.
  • the time-domain MIMO channel usually has a non-negligible delay T, so the MIMO channel at this time is not a flat fading channel.
  • T time-domain MIMO channel
  • the used data subcarriers are extracted into a three-dimensional complex matrix of N tx x N rx x N sd , the first transmitting antenna and the jth receiving
  • the iV sd -dimensional channel response vector d GJ) between the antennas is frequency selective.
  • the MIMO channel on the current subcarrier is flat fading
  • the iV tx x iV rx dimensional channel matrix of iV sd data subcarriers/7 sd ( l) /7 sd (iV sd ) can be regarded as mutually independent flat Ruili fading channels.
  • the channel is quasi-static. That is, within the time of receiving a packet, the channel condition remains unchanged, and the channel conditions experienced by each OFDM symbol thereof are basically the same. Therefore, the sequence of different OFDM symbols in the same received data packet is not specially distinguished in the following formulas in the content of the invention. Column number.
  • the channel conditions on different subcarriers differ greatly in their respective fading and correlation in practical applications.
  • the solutions in the prior art usually consider optimizing MIMO detection on a single carrier, but fail to fully consider the channel conditions and differences on different subcarriers. However, if these differences are not considered comprehensively, it will seriously affect the performance of the coded MIMO-OFDM detection.
  • the present invention particularly relates to the MIMO-OFDM system, the MIMO information packet undergoes preamble and header processing, and the MIMO detection part after channel estimation.
  • the receiving conditions of each antenna are different, and the noise variance is also different.
  • the noise variance is also different.
  • the purpose of the MIMO detector on the nth subcarrier is to find the best estimated value of f, given f n , /7 and 5 2 .
  • the purpose is to generate the optimal LLR soft value to maximize the channel coding gain.
  • the K-best-based MIMO detection method based on the K-best dynamic programming assisted by the lattice protocol of the present invention is particularly suitable for two different scenarios.
  • the first scenario After the system obtains the channel estimation result, and the current packet data part detection starts, there is enough time for channel matrix preprocessing.
  • the second scenario After the system obtains the channel estimation result, and the current packet data part detection starts, there is not enough time for channel matrix preprocessing.
  • “sufficient time” means that between the end of channel estimation and the required time point when the current packet detection ends, the MIMO receiver has sufficient resources to provide sufficient computing speed and storage space, so that during detection, Matrix channel preprocessing and subsequent data detection are performed separately.
  • the selection of scenarios usually depends on the system software and hardware environment and parameters. Number and the association used. Usually in the system design stage, those skilled in the art can determine which scenario is suitable for the process to be adopted in the system according to the design requirements.
  • the K-best MIMO detection system in the LR domain can be based on a real number system or a complex number system.
  • Fig. 4 shows an overall flowchart of an embodiment of the method according to the present invention in the first scenario.
  • a signal detection method 400 for a MIMO-OFDM wireless communication system includes processing multiple MIMO-OFDM data packets. Specifically, the method includes: starting from step 402, processing each of the multiple MIMO-OFDM data packets one by one.
  • step 404 the channel matrix of each subcarrier is obtained through channel estimation.
  • step 406 the reception vector of each subcarrier is received.
  • channel matrix preprocessing is performed on the channel matrix of each subcarrier.
  • a global dynamic K value table based on the OFDM symbol is generated.
  • the channel matrix preprocessing in step 410 includes decomposing the channel matrix of the current subcarrier and lattice reduction to generate multiple LR domain matrices of the current subcarrier.
  • the global dynamic K value table generated in step 414 includes the global dynamic K value corresponding to each search layer of each subcarrier.
  • step 420 read multiple LR domain matrices and reception vectors of the current subcarrier; in step 422, convert the reception vector of the current subcarrier to the LR search domain; and in step 424, perform K on the current subcarrier -best search to obtain the LR domain candidate transmission vector of the current subcarrier.
  • the K value applied to each search layer of the current subcarrier is the global dynamic K value corresponding to the search layer in the global dynamic K value table.
  • the signal detection method of the present invention provides specially optimized channel matrix preprocessing for the MIMO-OFDM wireless communication system, and fully considers the frequency selectivity on each subcarrier. Fading, and the dynamic allocation of K value is performed without increasing system search resources.
  • the details of the signal detection method of the present invention in the first scenario will be described in more detail below with reference to FIG. 5.
  • Figure 5 shows an overall flow chart of a more detailed embodiment of the method according to the invention in the first scenario.
  • the signal detection method 500 for a MIMO-OFDM wireless communication system shown in FIG. 5 starts at step 502, and processes each MIMO-OFDM data packet in a plurality of MIMO-OFDM data packets.
  • step 504 perform preamble and packet header processing.
  • step 506 channel estimation is performed.
  • each subcarrier is cyclically processed to perform channel matrix preprocessing on the channel matrix of each subcarrier.
  • step 510 the complex quantity input to the MIMO detection system is subjected to Real Value Decomposition (RVD).
  • RVD Real Value Decomposition
  • the decomposition method, the present invention is not limited to the decomposition method described here.
  • step 512 perform lattice reduction assisted dynamic K preprocessing, that is, channel matrix preprocessing.
  • the channel matrix preprocessing in step 512 can be performed according to the channel matrix preprocessing flowchart shown in FIG. 11. specifically,
  • step 1102 77 is MMSE extended: where f M is an MXM-dimensional diagonal matrix with a diagonal of 1.
  • step 1104 sort (Sorted) QR decomposition of n :
  • H_ n PJ 1 Q n RJ 1 , where n is the permutation matrix
  • the unitary matrix is the upper triangular matrix.
  • step 1108 find the conversion
  • step 1110 find the LR domain search boundary of each MIMO detection layer on the current nth subcarrier, that is, the search range of the LR domain search variable.
  • Valid candidate points refer to integer domain elements between the upper and lower limits of the search in the LR domain. Those within the range may be valid constellation points (QAM constellation points before the original lattice protocol), and outside the range, they must not be valid constellation points .
  • the search parameters may include the upper and lower bounds of the LR domain search corresponding to each search layer of each subcarrier.
  • step 516 after preprocessing the channel matrices of all subcarriers, the dynamic K values of each layer of the current subcarrier MIMO detection are obtained to generate a global dynamic K value table.
  • the global dynamic K value corresponding to each search layer of each subcarrier can be determined according to one of the following steps or a combination of multiple steps: (1) For poor channel conditions The global dynamic K value corresponding to the search layer of the subcarrier increases; (2) Allocate weights to the global dynamic K value corresponding to each search layer of each subcarrier, where it is closer to the starting search layer The search layer of, assigns a larger weight to the global dynamic K value corresponding to the search layer; (3) Group the subcarriers, and determine the global dynamic K value corresponding to each search layer of each subcarrier for the subcarriers in the group (4)
  • the global dynamic K value corresponding to each search layer of each subcarrier is a positive integer that is positively related to the size of the search range of each search layer; and (5)
  • the search range of all search layers of each subcarrier Large and small segments, each segment of the search range size is assigned a corresponding global dynamic K value, so that a segment with a larger search range corresponds to a larger global dynamic K value
  • the above steps 508 to 516 are executed once when the current packet is detected.
  • the following steps 522 to 526 need to be executed when performing MIMO detection on all data subcarriers in all OFDM symbol periods.
  • step 522 real number decomposition is performed on the received vector of the nth subcarrier of the current OFDM symbol to generate ff n o
  • step 524 the global dynamic K value and search parameters of the current subcarrier are read.
  • step 526 perform LR domain K-best search, LR de-mapping and LLR soft value generation.
  • step 526 may be specifically implemented through the steps shown in FIG. 8.
  • Fig. 8 specifically shows a flow chart of LR domain MIMO detection and LLR soft bit generation on a single subcarrier according to an embodiment of the present invention.
  • step 802 offset scaling is performed on the receiving vector hall processed in step 510.
  • step 804 the dimension of the matrix obtained in step 1106 is (iV rx + iV tx ) x iV tx . Can be split into: ].
  • 5T dimension is ixi ⁇ dimension 4.
  • the received vector ff n after the offset scaling obtained in step 802 is left multiplied by the conjugate turn rank of 5T.
  • X is the sum vector of residual interference and noise, which can be expressed as:
  • L is the number of layers for MIMO detection K-best search.
  • the upper triangular matrix generated by preprocessing.
  • step 806 an on-demand K-best search is performed.
  • L 2N tx .
  • PED partial Euclidean distance
  • the upper layer (that is, the first layer) +1 layer) For each search layer in the K-best search tree except the top layer, that is, a certain search layer between the (L-1)th layer and the first layer, the upper layer (that is, the first layer) +1 layer) provide it
  • PED [l, P) the smallest candidate partial vector, as the first layer needs to output ⁇ : / 1 candidate partial vector The first candidate output vector.
  • the candidate partial vector of the first child node of the first layer will be extracted, and the search direction and step length of the next child node of the first layer will be expanded to the second child node of the first layer, and the corresponding PED. Add the obtained new first layer partial vector to the remaining
  • step 7 discarded path reuse is performed.
  • FIG. 13 shows the on-demand tree search process of the LR domain dynamic K value according to the present invention
  • Fig. 14 shows the on-demand tree search process of the LR domain fixed K value according to the existing technology.
  • the number of tree search layers is 4 layers.
  • the channel matrix of the corresponding sub-carrier passes through the lattice rule, and the system transmission vector is translated and scaled and LR transformed.
  • the search range from layer 1 to layer 4 is both [5 10 5 8].
  • the dynamic K value vector from layer 1 to layer 4 is [3 5 3 5].
  • the fixed K value vector from layer 1 to layer 4 is [4 4 4 4].
  • the tree search starts from the top of the search tree (ie the fourth layer) and proceeds to the first layer.
  • the search range of the fourth layer is larger (8), and the K value is 4, so from the beginning, the search missed a very critical candidate point. This results in a large deviation in the optimal candidate vector obtained in the last layer. This deviation will cause the LLR soft value generation to deviate from the actual noise distribution, thereby causing a great loss in the coding gain of the channel decoder.
  • step 808 the partially expanded path to be discarded during the K-best search intermediate process is reused.
  • the LR domain candidate transmission vector (sub-optimal candidate vector) obtained by reusing the ⁇ + : 0-1 layer 1 discarding path is used to update the bit distance table through subsequent steps 810 to 816.
  • Steps 810 to 816 are processing steps for searching all the trees for the complete LR domain candidate transmission vector that has reached the first level. For the LR domain candidate vectors obtained in step 806, and in step 808
  • step 812 it is determined whether all elements of the candidate vector/ are legal constellation points. If they are all legal constellation points, keep/and their PED value PED n (p). If any element in the p n vector cannot be mapped back to the original constellation domain, then/is not a valid LR domain transmission vector estimation, and the MIMO detector will/discard it.
  • step 814 all constellation points of the legal candidate vectors of the original constellation domain retained in step 812 are subjected to M-QAM constellation point inverse mapping to obtain a corresponding bit sequence.
  • step 816 the bit distance table is updated.
  • Table 1 Bit distance table-64QAM, after the 2X2MIMO system has generated the legal constellation point candidate vector output through step 810 and step 812, in step 814, the legal constellation point candidate vector is demapped into a bit sequence through M-QAM demapping, and Put it
  • step 806 When step 806 reaches the first layer, steps 810 to 816 are performed on all the obtained candidate vectors of the LR domain, and all candidate vectors of the nth subcarrier have completed the bit distance table update. So far, the bit distance table of the nth subcarrier of the current OFDM symbol is completed.
  • step 818 the LLR soft value is generated according to the bit distance table obtained in step 816.
  • the generated LLR soft value can be processed by a reasonable tailoring algorithm, sent to the subsequent stream de-parser module, and then sent to the channel decoder for decoding.
  • Those skilled in the art should understand that the LLR soft value generated by the method and system of the present invention can be processed and decoded in a conventional manner in the art.
  • step 510 the complex number system does not require real number decomposition.
  • the channel matrix preprocessing in the complex number system can be performed in the following manner.
  • step 1104 sorted QR decomposition of n .
  • step 1106 Lattice basis reduction, get a new lattice basis vector matrix.
  • step 1108 find the inverse matrix of the conversion matrix.
  • step 1110 the LR domain search boundary of each MIMO detection layer on the current k-th subcarrier is obtained, that is, the search range of the LR domain search variable. For complex number systems, the search changes in the LR domain
  • step 516 the dynamic K values of each layer of the current subcarrier MIMO detection are obtained.
  • step 526 perform LR domain K-best search, LR demapping and LLR soft value generation.
  • step 526 may be specifically implemented through the steps shown in FIG. 8. For a complex number system, in step 802 in FIG. 8, offset scaling is performed on the received vector product:
  • step 802 the dimension of the matrix obtained in step 1108 is ( x + iV tx :) xiV tx . Can be split into:
  • X is the sum vector of residual interference and noise, which can be expressed as:
  • L is the number of layers for MIMO detection K-best search.
  • the target is the complex LR domain search vector.
  • step 806 the basic steps of expanding the K-best search on demand are the same as the real number system, except that every The on-demand expansion of a layer is a two-dimensional expansion of the complex integer field.
  • Steps 808, 810 to 818 are the same as the real number system.
  • the method of the present invention may be based on a real number system or a complex number system. The following takes the real number system as an example for description, but the implementation of the present invention is not limited to this.
  • Fig. 6 shows an overall flowchart of an embodiment of the method according to the present invention in the second scenario.
  • a signal detection method 600 for a MIMO-OFDM wireless communication system includes processing multiple MIMO-OFDM data packets. Specifically, the method includes: starting from step 602, processing each of the multiple MIMO-OFDM data packets one by one.
  • step 604 the channel matrix of each subcarrier is obtained through channel estimation.
  • step 606 the reception vector of each subcarrier is received.
  • steps 612 to 620 are executed, so that in step 616 the first OFDM symbol is subjected to MIMO detection processing, and in step 614 Perform channel matrix preprocessing on the channel matrix of each subcarrier of the first OFDM symbol to generate a global dynamic K value table in step 620.
  • the channel matrix preprocessing in step 614 includes decomposing the channel matrix of the current subcarrier and lattice reduction to generate multiple LR domain matrices of the current subcarrier.
  • the global dynamic K value table generated in step 620 includes the global dynamic K value corresponding to each search layer of each subcarrier.
  • performing MIMO detection processing on the first OFDM symbol in step 616 includes performing the following steps on each subcarrier of the first OFDM symbol: according to a preset fixed K value or a variable K value calculated for the current subcarrier, Perform K-best search on the current subcarrier, and generate the LR domain candidate transmission vector of the current subcarrier.
  • steps 624 to 632 are performed to perform MIMO detection on the OFDM symbol, where the MIMO detection includes: performing each subcarrier of the current OFDM symbol The following steps: in step 626, read multiple LR domain matrices and reception vectors of the current subcarrier; and in step 628, the reception direction of the current subcarrier The quantity is converted to the LR search domain; and in step 630, a K-best search is performed on the current subcarrier to obtain the LR domain candidate transmission vector of the current subcarrier.
  • the K value applied to each search layer of the current subcarrier is the global dynamic K value corresponding to the search layer in the global dynamic K value table.
  • the signal detection method of the present invention provides specially optimized channel matrix preprocessing for the MIMO-OFDM wireless communication system, and fully considers the frequency selectivity on each subcarrier. Fading, and the dynamic allocation of K value is performed without increasing system search resources.
  • the signal detection method of the present invention combines the generation of a global dynamic K value table in the MIMO detection process of the first OFDM symbol in each MIMO-OFDM data packet, and combines the generated global
  • the dynamic K value table is applied to the MIMO detection optimization of subsequent OFDM symbols, and the optimization of most OFDM symbol detection is obtained with a small additional calculation overhead, and the detection performance is further improved under the constraint of limited system search resources.
  • FIG. 7 shows an overall flow chart of a more detailed embodiment of the method according to the invention in the second scenario.
  • the signal detection method 400 shown in FIG. 7 starts at step 502, and processes each MIMO-OFDM data packet among multiple MIMO-OFDM data packets.
  • step 704 preamble and packet header processing are performed.
  • step 706 channel estimation is performed.
  • step 708 the cyclic processing of each OFDM symbol in the current MIMO-OFDM data packet is started.
  • step 712 it is determined whether the current OFDM symbol is the first OFDM symbol in the current MIMO-OFDM data packet. If it is, the loop from steps 714 to 726 and back to steps 710 and 712 are executed in a loop until the MIMO detection and channel matrix preprocessing of all subcarriers of the first OFDM symbol are completed.
  • step 714 real number decomposition is performed on the complex quantity input to the MIMO detection system. Specifically, the n-th sub-carrier and receiving a plurality of channel vectors yield a complex matrix / 7 n for RVD, generates a Heli hall; split and noise variance estimation vector, so as to double the dimensions.
  • RVD has different decomposition methods, and the present invention is not limited to any specific decomposition method.
  • step 716 perform MIMO on each subcarrier of the received signal in the first OFDM symbol period While detecting, the channel matrix of each subcarrier is preprocessed one by one.
  • the channel matrix preprocessing here can be performed in the same manner as step 512 in FIG. 5. For example, it can be performed according to the example method detailed with reference to FIG. 11. I will not repeat them here.
  • step 722 is executed to perform K-best search based on the fixed K value or the dynamic K value based on the sub-carrier.
  • step 722 when the current OFDM symbol period is the first OFDM symbol period of the currently received data packet, since the system has not completed the preprocessing of all subcarrier channel matrices, the global dynamic K value allocation based on OFDM symbols cannot be obtained. Special processing is needed for the dynamic K value allocation of the first OFDM symbol. For example, the search K value of the first OFDM symbol is fixed, or the first OFDM symbol search uses dynamic K value allocation based on subcarriers.
  • the fixed search K value means that under the condition that the overall K value of the system is preset, the MIMO-OFDM detection system does not consider the channel attenuation status on each subcarrier, nor does it consider the search vector on the same subcarrier in the LR domain.
  • the range difference between different search layers is the situation where the overall K value of the system is uniformly adopted in all search layers of all subcarriers.
  • the preset overall K value of the system refers to the optimal (partial) number of candidate vectors retained in each search layer of the K-best tree search system determined through simulation or experience under the premise of ensuring the design goal of bit error rate.
  • the value of the overall K value of the preset system depends on different system parameters (such as QAM constellation, number of antennas, real/complex system, etc.) and different MIMO K-best detection algorithms (normal K-best,
  • KXLXN sd a L is the total number of MIMO detection layers for each subcarrier.
  • L 2N tx
  • L N tx .
  • the dynamic K value allocation based on subcarriers means that after the overall K value of the system is preset, the MIMO-OFDM detection system does not consider the channel attenuation status on each subcarrier, but only considers the search vector on the same subcarrier in the LR domain.
  • the range difference between the different search layers in the The source K x L is dynamically allocated among search layers.
  • the K-best search expansion method of the present invention is preferably the on-demand expansion (on-demand expansion) with the highest expansion efficiency.
  • the MIMO detection search complexity and time-consuming are mainly the best candidates retained by each layer search
  • the K value of the path is determined.
  • the implementation of the present invention is not limited to this.
  • the global dynamic K value table of the present invention can be applied to different K-best search expansion methods.
  • the total resources of the search and expansion of the MIMO detection system are reasonably allocated among the subcarriers and among the search layers of the subcarriers, which means:
  • the speed of MIMO detection and the throughput of the system are fixed.
  • the optimal performance of system detection under the overall K value setting of the current system is guaranteed.
  • the OFDM symbol-based global search in all subcarriers and all search layers is used to expand resource allocation, that is, a global dynamic K value table based on OFDM symbols is generated to assist MIMO-OFDM detection .
  • the search resources can be equally divided into m parts, and the OFDM symbol sub-carriers can be divided into m groups, and the search and expansion resources are allocated among the sub-carriers and levels in the same group.
  • simple K value hierarchical allocation can be used, such as simply setting two search range thresholds, dividing the dynamic change of K value into three levels, and so on.
  • the importance of the bottom-level search is relatively high. If sufficient search resources are not allocated, subsequent error diffusion will be caused and the deviation of the LLR value will increase. Therefore, it is possible to increase the weight of the search resource allocation of the lower layer, and when the search range is the same, the search resource is shifted to the lower layer, and the best system performance has been achieved.
  • the channel preprocessing and the dynamic allocation of K values compared with the entire MIMO-OFDM detection operation, have a very low computational cost and can be ignored.
  • the application of K value dynamic allocation can make the system search path more reasonable under different channel conditions, the soft value generation is more reliable, and the channel coding and decoding gains can be fully tapped to bring the system reception Great performance improvement. Therefore, however, whether for time-varying or time-invariant channels, and whether for the first scenario or the second
  • the method and system disclosed in the present invention can trade a small additional computational overhead for greater optimization of OFDM symbol detection, and further improve detection performance under the constraints of limited system search resources.
  • step 712 If it is determined in step 712 that the current OFDM symbol is not the first OFDM symbol of the currently received data packet, the channel matrix preprocessing and global dynamic K value allocation based on OFDM symbols have been completed, and the MIMO detector can directly read the stored data in step 732
  • step 730 is performed before step 732 to perform real number decomposition on the receiving vector hall.
  • step 730 can be omitted.
  • step 724 perform LR domain K-best search, LR demapping, and LLR soft value generation.
  • the MIMO detection operation performed in step 724 can be performed in the same manner as step 526 in FIG. 5. For example, it can be performed according to the example method detailed with reference to FIG. 8. I will not repeat them here.
  • the LLR soft value generated in step 724 can be processed by a reasonable tailoring algorithm, sent to the subsequent stream reverse parser module, and then sent to the channel decoder for decoding.
  • Those skilled in the art should understand that the LLR soft value generated by the method and system according to the present invention can be processed and decoded in a conventional manner in the art.
  • Fig. 15 is a schematic block diagram of a signal detection system 1500 for a MIMO-OFDM wireless communication system according to an embodiment of the present invention.
  • the system 1500 includes a MIMO detector module 1510 that detects multiple MIMO-OFDM data packets.
  • the MIMO detector module may further include a channel matrix preprocessing sub-module 1514, a storage sub-module 1516, and a K-best search sub-module 1518.
  • the MIMO detector module 1510 is configured to receive the channel matrix of each subcarrier obtained by channel estimation, and the reception vector of each subcarrier. It should be understood that the channel matrix pre-processing sub-module 1514 and the K-best search sub-module 1518 may be configured to implement the MIMO detection method according to the present invention in the first scenario and/or the second scenario.
  • the MIMO detector module 1512 may be configured to receive the channel matrix of each subcarrier and the receive vector of each subcarrier obtained through channel estimation as input.
  • the channel matrix preprocessing submodule 1514 may be configured to perform channel matrix preprocessing on the channel matrix of each subcarrier to generate a global dynamic K value table, wherein the channel matrix preprocessing includes The channel matrix of the wave is decomposed and the lattice reduction is performed to generate multiple LR domain matrices of the current subcarrier.
  • the global dynamic K value table includes the global dynamic K value corresponding to each search layer of each subcarrier.
  • the storage sub-module 1516 can be configured to store a global dynamic K value table and search parameters for each sub-carrier.
  • the K-best search sub-module 1518 can be configured to perform MIMO detection on each OFDM symbol in the MIMO-OFDM data packet, where the MIMO detection includes performing the following steps on each subcarrier of the current OFDM symbol: read the current subcarrier number An LR domain matrix and a receiving vector; converting the receiving vector of the current subcarrier to the LR search domain; and performing a K-best search on the current subcarrier to obtain the LR domain candidate transmission vector of the current subcarrier.
  • the K value applied to each search layer of the current subcarrier is the dynamic K value corresponding to the search layer in the global dynamic K value table.
  • the K-best search submodule 1518 can also be configured to output the LR domain candidate transmission vector of the current subcarrier.
  • the MIMO detector module 1512 may be configured to perform MIMO detection processing on the first OFDM symbol in the MIMO-OFDM data packet
  • the channel matrix preprocessing submodule 1514 may be configured to The channel matrix of each subcarrier of an OFDM symbol performs channel matrix preprocessing to generate a global dynamic K value table, where the channel matrix preprocessing includes decomposing the channel matrix of the current subcarrier and lattice reduction to generate the multiple of the current subcarrier.
  • the global dynamic K value table includes the global dynamic K value corresponding to each search layer of each subcarrier
  • performing MIMO detection processing on the first OFDM symbol includes performing each subcarrier of the first OFDM symbol
  • the storage sub-module 1516 is configured to store the global dynamic K value table and search parameters for each sub-carrier.
  • the K-best search sub-module can be configured to perform MIMO detection on each subsequent OFDM symbol in the MIMO-OFDM data packet, where the MIMO detection includes performing the following steps on each subcarrier of the current OFDM symbol: read the current subcarrier The multiple LR domain matrices and reception vectors of the current subcarrier are converted to the LR search domain; and the K-best search is performed on the current subcarrier to obtain the LR domain candidate transmission vector of the current subcarrier.
  • the K value applied to each search layer of the current subcarrier is the global dynamic corresponding to the search layer in the global dynamic K value table. State K value.
  • the MIMO detector module 1510 optionally includes a real number decomposition sub-module 1512.
  • the real number decomposition submodule 1512 can be configured to perform real number decomposition on the channel matrix of each subcarrier before the channel matrix preprocessing; and the K-best search submodule can also be configured to perform K-best on the current subcarrier. Real-number decomposition of the received vector before searching.
  • the system 1500 further includes an LLR soft value generating module 1516.
  • the LLR soft value generating module receives all the LR domain candidate transmission vectors of the current subcarrier from the MIMO detector module, and generates corresponding signals according to the soft value generation method described above. The soft value of LLR.
  • the technical improvements provided by the present invention include but are not limited to: channel matrix preprocessing, global dynamic K value table generation, on-demand expansion of K-best MIMO detector, decentralized sorting, discarded path reuse, and use of bit distance tables.
  • the preprocessing of the channel matrix and the generation of the global dynamic K value table generally only need to be performed once at the beginning of the MIMO detection of each received packet, which has little impact on the detection overhead of the entire system.
  • the MIMO detection in the lattice reduction domain is used to make the decision boundary of the MIMO transmission vector close to the optimal;
  • the search process in the LR domain makes full use of the near orthogonalization of the search direction to improve the search efficiency; for the application of large constellation modulation, such as 256QAM, 1024QAM, etc., the gain is particularly significant.
  • the different ranges of the search expansion of each layer of each subcarrier are determined, instead of the general LR domain continuous search, the search efficiency is improved, and it is also used in the subsequent K-best detection.
  • the conditions are provided for applying fast enumeration expansion.
  • the present invention utilizes the search expansion range information obtained by preprocessing to reasonably allocate the total search expansion resources of the system to optimize the search process of the same complexity, thereby optimizing the generation of the LLR soft value, and further maximizing the coding gain of the channel coding.
  • FIG. 16A and 16B show performance comparison curves of the MIMO detection method according to the present invention and the MIMO detection method in the prior art.
  • the horizontal axis of FIG. 16A is the SNR value (dB) of the receiving end, and the vertical axis is the packet error rate (PER).
  • the horizontal axis of Figure 16B is the SNR value (dB) at the receiving end, and the vertical axis is the bit error rate (BER).
  • the lattice-based protocol of the present invention is assisted and based on The bit error curve and packet error corresponding to the MIMO detection of the global dynamic K of the OFDM symbol
  • the traditional detection method only to greatly increase the overall system K value, such as 64QAM, the overall system K value is set to 20-24, 256QAM , The overall K value of the system is set to 36-40, so that the detection complexity of the system is greatly improved.
  • the coded MIMO-OFDM detector in the present invention can approach the performance of maximum likelihood detection with a small K value and low complexity, and its detection complexity increases almost linearly with the number of M-QAM and antennas. It has strong practical application value.
  • the search range of each search layer of each subcarrier can be determined.
  • the total number of points in the search range is:
  • the first layer of the nth subcarrier can be calculated as follows:
  • the sub-carriers are grouped, and the K value is dynamically allocated in the group.
  • the 48 subcarriers are divided into four groups, and the search resources in each group are allocated. If each subcarrier is a group, it is the aforementioned dynamic K value allocation based on subcarrier.
  • the search process of the K-best tree is from bottom to top (layer L to layer 1). Therefore, if there is an error in the result at the beginning of the search, the error will spread to subsequent layers and accumulate.
  • the K value is dynamically allocated globally, the allocation weight of the starting layer can be increased, and the search resources can be tilted to the starting layer.
  • modules and/or units described above may also be combined into larger modules, split into more modules, combined in a different manner than described, and/or omitted.

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Power Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Radio Transmission System (AREA)

Abstract

用于MIMO-OFDM无线通信系统的信号检测方法，包括：对多个MIMO-OFDM数据包中的每个MIMO-OFDM数据包，通过信道估计得出每个子载波的信道矩阵；接收每个子载波的接收向量；对MIMO-OFDM数据包中的第一OFDM符号进行MIMO检测处理，并且对该第一OFDM符号的每个子载波的信道矩阵执行信道矩阵预处理，以生成全局动态K值表；对每个后续OFDM符号进行MIMO检测，其中MIMO检测包括：对当前OFDM符号的每个子载波执行下述步骤：读取当前子载波的信道矩阵预处理结果及接收向量；将当前子载波的接收向量转换至LR搜索域；及对当前子载波进行K-best搜索，以得出当前子载波的LR域候选发送向量，其中在K-best搜索中，对当前子载波的每一搜索层应用的K值为全局动态K值表中与该搜索层对应的全局动态K值。

Description

带有检测中信道矩阵预处理的 MIMO-OFDM无线信号检测方法和系统 技术领域
本发明主要涉及多天线无线通信系统的低复杂度检测技术，具体涉及带有 检测中信道矩阵预处理的 MIMO-OFDM无线信号检测方法和系统。 背景技术
随着无线通信技术的迅猛发展，越来越多的无线通信系统开始采用多天线 通信技术 (MIMO)， 以扩展系统的频谱利用率和数据速率，并兼获得较高的分 级增益 (diversity gain) 以提高系统数据传输的可靠性。 尤其， 伴随着无线通 信理论的演化， 新的 MIMO无线通信技术采用的天线数目正变得或即将变得 越来越庞大。 同时， 用户设备越来越小尺寸化， 集成度越来越高。 这就使得 MIMO信号的高性能检测方法的研究变得十分有意义。 一方面需要检测方法 的复杂度可控， 保证系统数据的大吞吐率； 另一方面需要满足超大规模集成电 路 ( Very Large Scale Integrated circuits， VLSI) 设计实现的低功耗和低面积的 要求。
MIMO检测方法， 按照检测性能的高低， 可以分为最优检测、次优检测和 近优检测。
常用的 MIMO最优检测方法， 如最大似然检测 (Maximum Likelihood， ML) , 可以获得最优的误码检测性能， 但是其检测复杂度是随 QAM星座和天 线数目的增长， 呈指数级增长的。 因此绝大部分系统配置下， 最优检测并不实 用， 仅作为仿真中其他 MIMO检测器的性能对比参照。
MIMO次优检测方法，又可以分为线性和非线性两种。线性次优检测方法， 如迫零检测 (Zero Forcing, ZF)、 最小均方误差检测 (Minimum Mean Square Error, MMSE) , 利用线性均衡方式， 一次性处理所有的并行数据流， 复杂度 最低， 系统开销小， 但是其接收分级增益 (Receiver Diversity Gain， RDG) 接 近单天线系统 ( SISO) , 因此误码性能最差。 非线性次优检测方法， 如多种形 式的连续误差消除法 ( Successive Interference Cancellation， SIC)， 接收分级增 益略有提高， 但易受误差传播的影响， 误码性能提升有限， 在大天线和大星座 规模时， 与 ML性能差别极大。
MIMO近优检测方法， 通常指基于球形译码 （Sphere Decoder, SD） 的各 种树搜索算法变型。 这类算法可以使检测性能接近 ML 方法， 而复杂度相比 ML下降很多。其中广度优先的 K-best检测器， 可以保证独立于信号接收信噪 比（Signal to Noise Ratio, SNR）的吞吐率， 同时性能与 ML检测接近， 因此， 是最常用的 MIMO检测方法之一。 其检测性能和复杂度之间的平衡， 是通过 调节 K-best中的 K因子实现的。
但是， 单纯的 K-best检测， 在大天线数目和大星座规模下， 为了保证一定 的接收性能， 必须加大搜索 K值， 因此其复杂度提升很快， 同时性能相比 ML 迅速下降， 只是单纯依靠调节 K因子已经无法实现 MIMO接收性能和复杂度 的均衡了。
与此同时， 在实际的无线通信系统中， MIMO技术并不是单独使用， 其通 常是与其他无线通信技术，如正交频分复用（OFDM）、高阶正交振幅调制（M- QAM）、 先进的信道编解码器 （如低密度校验码 （LDPC）、 Turbo码、 卷积码 （CC））等综合使用， 以进一步提高系统性能和频谱利用率、 对抗无线信道的 非理想状况。
例如：近年来的 IEEE定义的无线局域网 802.11n/ac/ax, 3GPP定义的第四 代无线通信系统 LTE, 以及即将到来的 3GPP第五代无线通信系统等， 就是 MIMO技术结合 OFDM技术以及高阶 M-QAM, 先进信道编解码技术的典型 实例。
这类系统给高性能的 MIMO检测器设计提出了新的挑战。 如何综合考虑 各种技术的优缺点， 使各部分协同工作， 达到整个链路性能的最优化， 是这类 系统设计思路的重点。
然后，现有技术中当前的大多数技术方案致力于解决单载波 MIMO检测， 而对于频率选择性信道如 MIMO-OFDM的情况， 没有给出实用的方法。 而且 MIMO检测与信道解码所需的软值生成，没有综合考虑，无法充分利用信道编 码增益。
发明人注意到， 现有技术中的单载波 MIMO检测方法和系统至少还未能 很好地解决 MIMO-OFDM环境中的下述问题：
1） MIMO检测加上频域维度 （OFDM） 之后的最优化； 以及
2）MIMO-OFDM检测中应用于信道解码器的 LLR软值最优化， 也即， 搜 索资源的合理配置问题。
例如， H. Yao and G. Wornell,“Lattice-Reduction-Aided Detectors for MIMO Communication Systems（用于 MIMO通信系统的格基规约辅助的检测器），” in IEEE Proc. Globecom, Taipei, Taiwan, November 17-21 2002.作为 LR域 MIMO 检测的理论奠基之作， 给出了清晰的 LR域理论分析和物理意义解释， 但是没 有给出任何具体的实施建议。
D. Wubben, R. Bohnke, V Kuhn, and K.-D. Kammeyer, "MMSE-Based Lattice Reduction for Near-ML Detection of MIMO Systems （用于 MIMO系统的 近似 ML检测 的基于 MMSE的格基规约），” in ITGProc. Workshop on Smart Antennas （WSA）, Munich, Germany, Mar. 2004.提出了 LR域变换的最优操作， 但 是其 MIMO检测基于 MMSE, 因此检测性能差强人意。
M. Shabany and G. Gulak,“The application of lattice-reduction to the K-best algorithm for near-optimal MIMO detection（将格基规约应用于 K-Best算法以进 行近优 MIMO检测），’’ in Proc. IEEE Int. Symp. Circuits Syst., May 2008, pp. 316- 319.是最早给出 LR域 K-best MIMO检测方法的文献， 但是其没有将 LR域展 开边界考虑到算法中。 同时非针对 MIMO-OFDM设计， 软值生成也没有特殊 考虑。
S. Roger, A. Gonzalez, V. Almenar, and M. Vidal, “On decreasing the complexity of lattice-reduction-aided K-best MIMO detectors （降低格基规约辅助 的 K-best MIMO检测器的复杂性），’’ in Proc. Eur. Signal Process. Conf., Glasgow, U.K., Aug. 2009, pp. 2411-2415虽然给出了带 LR域搜索边界的 K-best检测方 法， 也提出了 K的动态调整，但是其预处理过程并不是最优，而且其动态调整 K值的过程， 并不是保证整个资源总量不变， 而是大幅增加了系统搜索资源。 同时， 其不是针对 MIMO-OFDM中常遇到的频率选择性信道， 也没有针对信 道编解码增益进行软值生成优化。
中国专利公开 CN105814857A 公开了一种用于检测大型多输入多输出通 信系统中的符号的系统及方法， 其处理的非 MIMO-OFDM系统， 无法应对多 径信道带来的频率选择性衰落。 同时没有优化软值生成， 没有将信道编解码的 增益最大化。 而且， 其中的 LR域搜索没有定义边界， 展开效率没有最大化。
中国专利 CN103548310B 公开了一种用于基于多输入多输出天线通信系 统的接收器的检测方法和接收器， 其发明虽然采用 LR域检测， 预处理中有两 次 QR分解， 处理方式没有最简化。 而且， LR域的搜索并不是基于合理的搜 索边界， 而是采用的深度优先的球译码， 这样造成三个后果： 1） 搜索范围不 合理， 无用展开多， 或有用展开不充分； 2） 搜索不是按需展开， 并没有利用 天然的展开顺序， 需要额外的 PED排序模块； 3） 由于搜索展开取决于球半径 d, 致使 K值不固定， 随 SNR等因素波动极大， 对于硬件实现不利。 同时， 该 专利针对 MIMO单载波系统设计， 非针对 MIMO-OFDM系统设计， 无法应对 多径信道带来的频率选择性衰落。
此外， 正反对称的 LR域的搜索范围是有问题的。 实际中， LR域的搜索 边界几乎没有正反对称的， 如果直接按照正反对称处理，会造成搜索范围不当 地扩大或缩小， 使搜索检测产生严重错误。
再者， 如果通过扩大搜索 K值的方法来提高检测精度， 会直接增加系统 的搜索展开数量， 延长解码检测时间， 降低系统吞吐率。
另一方面， 现有技术中未能综合考虑 MIMO检测与信道解码所需的软值 生成， 无法充分利用信道编码增益。例如， 中国专利 CN101917368B公开了一 种基于格基规约的 MIMO检测的软输出方法， 其中该方法利用格基规约和相 应的 LR变换域信号的排序列表来执行 K-best检测。 然而， 该专利同样针对 MIMO单载波系统设计， 而并未对 MIMO-OFDM系统中多径信道带来的频率 选择性衰落情况下的软值生成提供任何优化。
因此， 在本领域中需要一种改进的 MIMO-OFDM无线信号检测方法和系 统， 其能够克服现有 MIMO 无线信号检测方法和系统的缺陷， 特别是针对 MIMO-OFDM 中常遇到的频率选择性信道进行优化， 在不增加系统搜索资源 的情况下进行 K值的动态分配，以及针对信道编解码增益进行软值生成优化。 应理解， 上述所列举的技术问题仅作为示例而非对本发明的限制， 本发明并不 限于同时解决上述所有技术问题的技术方案。本发明的技术方案可以实施为解 决上述或其他技术问题中的一个或多个。 发明内容
针对上述的问题， 本发明提供了用于 MIMO-OFDM无线通信系统的信号 检测方法和系统， 其尤其适用于 MIMO-OFDM环境中带信道编解码的无线通 信系统， 低复杂度的， 适用于编码的 MIMO-OFDM无线通信系统的、 以格基 规约辅助的、 稳定吞吐率的全局动态 K规划的 K-best多天线检测器结构和方 法。
在本发明的一方面， 提供一种用于 MIMO-OFDM无线通信系统的信号检 测方法， 包括对多个 MIMO-OFDM数据包进行处理， 该方法包括下述步骤： 对于该多个 MIMO-OFDM数据包中的每个 MIMO-OFDM数据包， 执行 下述步骤：
通过信道估计得出每个子载波的信道矩阵；
接收每个子载波的接收向量；
对 MIMO-OFDM数据包中的第一 OFDM符号进行 MIMO检测处理， 并 且对该第一 OFDM符号的每个子载波的信道矩阵执行信道矩阵预处理， 以生 成全局动态 K值表， 其中所述信道矩阵预处理包括对当前子载波的信道矩阵 进行分解和格基规约以生成当前子载波的多个 LR域矩阵， 其中所述全局动态 K值表包括与每个子载波的每一搜索层对应的全局动态 K值， 且其中对第一 OFDM符号进行 MIMO检测处理包括对第一 OFDM符号的每个子载波执行下 述步骤： 根据预设的固定 K值或对当前子载波计算的可变 K值， 对当前子载 波进行 K-best搜索， 以及生成当前子载波的 LR域候选发送向量；
对所述 MIMO-OFDM数据包中的每个后续 OFDM符号进行 MIMO检测， 其中所述 MIMO检测包括： 对当前 OFDM符号的每个子载波执行下述步骤: 读取当前子载波的多个 LR域矩阵以及接收向量； 将当前子载波的接收向量转 换至 LR搜索域； 以及对当前子载波进行 K-best搜索， 以得出当前子载波的 LR域候选发送向量， 其中在所述 K-best搜索中， 对当前子载波的每一搜索层 应用的 K值为所述全局动态 K值表中与该搜索层对应的全局动态 K值。
在本发明的另一方面， 提供一种用于 MIMO-OFDM无线通信系统的信号 检测系统， 包括对多个 MIMO-OFDM数据包进行检测的 MIMO检测器模块， 其特征在于， 所述 MIMO检测器模块包括信道矩阵预处理子模块、 存储子模 块和 K-best搜索子模块：
所述 MIMO检测器模块配置成接收通过信道估计得出的每个子载波的信 道矩阵以及每个子载波的接收向量以作为输入；
所述 MIMO检测器模块配置成对 MIMO-OFDM数据包中的第一 OFDM 符号进行 MIMO检测处理，并且信道矩阵预处理子模块配置成对该第一 OFDM 符号的每个子载波的信道矩阵执行信道矩阵预处理，以生成全局动态 K值表， 其中所述信道矩阵预处理包括对当前子载波的信道矩阵进行分解和格基规约 以生成当前子载波的多个 LR域矩阵，其中所述全局动态 K值表包括与每个子 载波的每一搜索层对应的全局动态 K值，且其中对第一 OFDM符号进行 MIMO 检测处理包括对第一 OFDM符号的每个子载波执行下述步骤： 根据预设的固 定 K值或对当前子载波计算的可变 K值， 对当前子载波进行 K-best搜索， 以 及生成当前子载波的 LR域候选发送向量；
所述存储子模块配置成存储全局动态 K值表以及用于每个子载波的搜索 参数；
所述 K-best搜索子模块配置成对所述 MIMO-OFDM数据包中的每个后续 OFDM符号进行 MIMO检测， 其中所述 MIMO检测包括： 对当前 OFDM符 号的每个子载波执行下述步骤： 读取当前子载波的多个 LR域矩阵以及接收向 量;将当前子载波的接收向量转换至 LR搜索域；以及对当前子载波进行 K-best 搜索， 以得出当前子载波的 LR域候选发送向量， 其中在所述 K-best搜索中， 对当前子载波的每一搜索层应用的 K值为所述全局动态 K值表中与该搜索层 对应的全局动态 K值。
相比现有技术， 本发明提出的方法和系统能够按当前 MIMO系统传输信 道的整体状况， 合理分配 K-best搜索展开资源， 保证稳定的吞吐率， 实现搜索 展开有效率高、 无用展开少， 从而使 LLR软值生成更合理， 充分挖掘利用信 道编解码的增益。 本发明的方法和系统适合于通过 VLSI 实现高效高性能的 MIMO-OFDM检测。 附图说明
图 1是多天线系统的信道传输通用模型的示意图；
图 2是 802.11n/ac的一种较简单的 MIMO-OFDM传输端系统结构框图； 图 3是 MIMO-OFDM接收端系统结构框图；
图 4是在第一情景中根据本发明的方法的一个实施例的整体流程图； 图 5 是在第一情景中根据本发明的方法的一个更详细实施例的整体流程 图；
图 6是在第二情景中根据本发明的方法的一个实施例的整体流程图； 图 7 是在第二情景中根据本发明的方法的一个更详细实施例的整体流程 图；
图 8是单子载波上的 LR域 MIMO检测及 LLR软比特生成流程图； 图 9是 MIMO-OFDM发送端一般包结构图；
图 10是示出 MIMO-OFDM接收端时域数据部分包结构以及信号的 OFDM 子载波的示意图；
图 11是针对一个子载波的信道矩阵的预处理流程图；
图 12是实数系统由近及远的快速枚举展开的示意图；
图 13是根据本发明的 LR域动态 K值按需展开树搜索示意图；
图 14是根据现有技术的 LR域固定 K值按需展开树搜索示意图； 图 15是根据本发明一个实施例的用于 MIMO-OFDM无线通信系统的信 号检测系统的示意框图； 及
图 16A和 16B示出根据本发明的 MIMO检测方法与现有技术中的 MIMO 检测方法的性能对比曲线。 具体实施方式
在下文中将参考附图更全面地描述本发明，附图构成本发明公开的一部分 并通过图示的方式示出示例性的实施例。应理解， 附图所示以及下文所述的实 施例仅仅是说明性的， 而不作为对本发明的限制。
图 1是多天线系统的信道传输通用模型图。 设 MIMO系统 100中， 发射 机 101 处的发射天线 103数目为 iVtx， 接收机 102处的接收天线 104数目为 Nrx。 该 MIMO信道为准静态平坦瑞丽衰落， 信道矩
Figure imgf000010_0001
其
Figure imgf000010_0002
方差为 1的二维高斯随机变量。
K-best之类的树搜索检测，在 MIMO信道矩阵 /7的列向量相互正交时， 性 能最优， 接近 ML检测性能。 因此， 将 MIMO检测在正交基上进行检测， 是 改善树搜索检测的思路。我们将当前的接收信号向量 f看作是格（Lattice）中的 一个向量， 当前信道矩阵 的列向量为当前格的一组基向量。在实际的 MIMO 无线信道中， 天线阵列的物理实现和空间环境的散射等， 都会使 的基向量产 生相关性。
为了改善 MIMO接收机的检测性能， 格基规约 （Lattice Reduction, LR） 被引入 MIMO检测算法的设计， 参见 H. Yao and G. Wornell 的上述论文， “Lattice-Reduction- Aided Detectors for MIMO Communication Systems （用于 MIMO通信系统的格基规约辅助的检测器）以及 D. Wubben, R. Bohnke, V Kuhn, and K.-D. Kammeyer的上述论文” MMSE-Based Lattice Reduction for Near-ML Detection of MIMO Systems （用于 MIMO系统的近似 ML检测的基于 MMSE 的格基规约）。 通过 LR变换， 将 /7转换成近正交的信道矩阵后， 在 LR域展开 检测， 以改善 MIMO近优检测器的检测性能。基于格基规约辅助（LR-Aided, LRA） 的 K-best检测器也得到了一定的发展， 参见 M. Shabany and G. Gulak的 上述论文“The application of lattice-reduction to the K-best algorithm for near- optimal MIMO detection （将格基规约应用于 K-Best算法以进行近优 MIMO检 测）以及 S. Roger, A. Gonzalez, V. Almenar和 M. Vidal的上述论文“On decreasing the complexity of lattice-reduction-aided K-best MIMO detectors （ 降低格基规约 辅助的 K-best MIMO检测器的复杂性） ”。
通常的 K-best检测，是基于实数分解（Real Value Decomposition， RVD） 的。 而格基规约辅助的 MIMO检测， 既可以基于复数系统， 也可以基于实数 系统。 本发明中的方法， 不受实数或复数系统限制。 但为了便于说明， 通常以 实数系统为例进行阐述。
下面过给出格基规约 MIMO检测的大概思路：
Figure imgf000010_0003
iVtx x l发送信号向量， 为高斯白噪声向量， 其均值为零， 方差为 S2。 应用格基规约辅助检测， 首先需要将 通过格基约减， 转换为新的近正交 的格基向量矩阵 和转换矩阵 f: n = /T f。其中 f为幺模矩阵， 其元素属于高 斯整数域， f的行列式为 ±1。 格基规约的算法， 常用的有实数系统的 LLL
（Lenstra,Lanstra and Lovasz）法，复数系统的 CLLL（ complex LLL）法， Seysen‘s， Brnn's以及 Element LR等。 本发明中， 针对实数系统可采用常用的 LLL法， 而针对复数系统可采用 CLLL法。
通过格基规约， 上述系统模型转为： f = H - T - f-1 - x + n, 其中 = H .
Figure imgf000011_0001
（权值向量） 。 由格 的定义， LR域的星座点取值为连续的整数。 而一般的 M-QAM星座取值， 星 座点之间的步长为 2（未归一化），通常需要进行偏移缩放（shifting and scaling）, 才可以在 LR域上进行连续整数域的搜索。对于接收向量 f，其偏移缩放为 f' = 其中 3是一个维度与
Figure imgf000011_0002
f相同的， 各元素一般全为 1或 1+j的向量 （实数 系统为 1， 复数系统为 1+j， 也可为其他） 。 则系统模型在经过偏移缩放后为
Figure imgf000011_0003
检测对象。 本发明下面以 802.11n/ac 的一种较简单的数据部分生成和接收的系统结 构框图为例， 对上述的 MIMO技术与多种技术的综合使用过程进行阐述。
图 2给出了该示例系统的传输端框图。 作为示例而非限制， 传输系统 200 通常可包括物理层（PHY）填充和加扰器 202, FEC编码器 204、流解析器 206、 多个 QAM映射器 208、多个子载波映射器 210、多个 IDFT（傅里叶反变换器） 212、 多个 GI（保护间隔）和整形器 216、模拟和射频信号接收器 216, 以及多 个发射天线 218.
图 3给出了该示例系统的简单接收端框图。作为非限制性示例，接收系统 300通常可包括多个接收天线 302、多个模拟和射频信号接收器 304、多个 ADC （模数转换器） 306、 多个 AGC（自动增益控制）模块 308、 多个同步器 310、 多个傅里叶变换器 312、 信道估计模块 314、 MIMO检测器 318、 LLR生成和 列表反映射器 320、 流反解析器 322、 FEC解码器 324， 以及去加扰器 326。在 优选的实施例中，本发明的方法以及系统可以具体实现在虚线框 316围起的硬 件部分内。应理解， 本发明的方法和系统的全部或者部分可以实现为硬件、 软 件、 固件和 /或其任意组合。
设编码的 MIMO-OFDM系统中， OFDM数据子载波数为 iVsd。 某些信道 编解码所需要的交织器 (Interleaver) /解交织器 (Deinterleaver)， 默认集成于 FEC (Forward Error Correction, 前向纠错) 编码器和 FEC解码器中。
通常， 在上述常见的 MIMO-OFDM系统的发送端， 经过信道编码的一路 数据比特流， 通过解复用器 (de-multiplexer) 或称流解析器 ( stream parser)， 被拆分成对应多个传输天线的多路数据比特流。数据流的数目为信道矩阵的秩
Figure imgf000012_0001
Ntx)。每一路数 据比特流经过独立的 M-QAM星座点映射，加载于 OFDM符号的 ^个相应的 数据子载波 (subcarrier) 上， 再由对应当前天线的 IDFT模块作反离散傅立叶 变换， 将频域的 OFDM符号变换成时域 OFDM符号。 为了对抗多径信道和邻 带干扰， 在发送包时域波形中的每一个时域 OFDM符号前端加上保护间隔 (Guard Interval, GI)， 并通过加窗整型后， 送至模拟 /RF端和对应的天线进行 信号发送。
接收端通过多接收天线、 RF/模拟模块、 模数转换器 (ADC) 和自动增益 控制器 (AGC)等的协同工作， 将通过无线信道滤波后的混合信号， 采集成方 便处理的数字信号。 接收端通过对包头 (Preamble) 的处理， 完成频率和时间 同步 ( SYNC)。 同步后的信号， 通过离散傅立叶变换 (DFT)变换回频域。 接 收机在正式数据包的 MIMO联合解调 (joint detection)之前， 利用包头中加载 的辅助字段 (如 WiFi中的 HT-LTF字段)完成对于 MIMO信道的估计 (Channel Estimation, CE)， 得到估计的信道矩阵 H。
MIMO检测器利用当前 MIMO信道的估计和多天线的接收信号， 对并行 传输的多路数据流进行联合检测。 根据 MIMO检测器给出的不同输出形式， 之后的 LLR (Logarithm Likelihood Ratio ) 生成模块可以采用不同的 LLR生成 方法， 产生适合后续 FEC解码器的软比特值， 以充分挖掘当前 FEC的编码增 益 ( Coding Gain， CG )。 图 9示出时域中的 MIMO-OFDM发送包结构图。 iVtx个天线上， 发送不同 的数据， 也即图片中数据 OFDM符号部分， 各个天线在同一个 OFDM符号周 期内， 加载不同的数据符号 (Data Symbol, QAM symbol) 在不同天线的同一 OFDM符号周期的相同子载波位置上。作为示例，每个天线发射的数据 902包 括前导码和包头 904以及数据 OFDM符号部分 906， 其中数据 OFDM符号部 分进而包含 N个 OFDM符号。
图 10示出 MIMO-OFDM接收端时域数据部分包结构以及信号的 OFDM 子载波的示意图。当接收机处理完前导码和包头部分 904后，进行数据部分的 接收检测。 接收机在一个 OFDM符号周期内， 将各个天线上接收到的信号在 对应的 OFDM符号周期内的时域信号， 经过 DFT转到频域中 OFDM频段内 各个子载波上的接收信号。 图 10中， 给出了第一个 OFDM符号周期 1006内
Figure imgf000013_0001
1008 的示意图。 一个 MIMO接收检测过程， 就是基于一个 OFDM符号周期内的， 各天线的某个子载波上的接收信号， 分别进行的。 例如， 第一 OFDM符号周 期 1006 内，
Figure imgf000013_0002
为当前包第一个 MIMO接收检测的输入。
再简单介绍一下 MIMO-OFDM的无线信道。 在 MIMO-OFDM系统的基 带中， 相对于基带信号采样频率， 时域的 MIMO信道 通常都有不可忽视的 时延 T， 因此这时的 MIMO信道并不是平坦衰落的信道。 我们可以将经过采样
Figure imgf000013_0003
阵。经过 DFT变换 到频域中的频域信道 /7sd， 将已用数据子载波提出后， 为一个 Ntx x Nrx x Nsd 的三维复矩阵， 其第 1根传输天线和第 j根接收天线之间的 iVsd维信道响应向 量 dGJ)， 是频率选择性的。 但是， 针对每一个数据子载波 i的 MIMO接收 信号的检测， 可以认为在当前子载波上的 MIMO信道是平坦衰落， 而且 iVsd个 数据子载波的 iVtx x iVrx维信道矩阵 /7sd(l) /7sd(iVsd)，状况各不相同，可以看 作是相互独立的平坦瑞丽衰落信道。
802.11系统设计场景中， 信道为准静态。 即在一个接收包的时间内， 信道 状况不变， 其各个 OFDM符号所经历的信道状况是基本相同的。 因此， 在以 下发明内容部分的公式中不特殊区分同一接收数据包中不同 OFDM符号的序 列编号。 但同一 OFDM符号中， 不同的子载波上的信道状况， 在实际应用中 在各自衰落和相关性上的差异很大。现有技术中的方案通常考虑对单载波上的 MIMO检测进行优化， 而未能充分考虑不同的子载波上的信道状况以及差异。 然而，这些差异若不综合考虑，会严重影响编码的 MIMO-OFDM检测的性能。
本发明尤其涉及针对 MIMO-OFDM系统中， MIMO信息包经过前导码和 包头处理， 以及信道估计之后的 MIMO检测部分。
假设接收系统对当前包前导码的处理， 使得时间、 频率同步等是理想的， 则系统中没有引入子载波间干扰和符号间干扰， M-QAM星座没有发生旋转。
假设 MIMO接收系统， 已经完成频域信道估计， 对每一个加载数据的子 载波， 得到一个 iVtx x A^x的信道矩阵。
当本发明中的 MIMO检测器针对某一个 OFDM符号的第 n子载波接收信 号进行 MIMO检测时， 其输入有： 第 n子载波上的 MIMO接收复数向量 fn， 第 n子载波上的信道复数矩阵 /7n = Hsd (n) , 噪声方差估计向量 S2。
一般各天线接收状况各不相同， 噪声方差也不同。此处为方便表述， 假设
Figure imgf000014_0001
第 n子载波上的 MIMO检测器的目的是， 给定 fn、 /7 和52， 求解最优的 f的估计值。 对于带信道编解码的 MIMO-OFDM系统， 其目的是生成最优的 LLR软值， 以最大化信道编码增益。
本发明的格基规约辅助的 K动态规划的基于 K-best的 MIMO检测方法， 特别适用于两种不同的情景。
第一情景： 系统在得到信道估计结果之后， 与当前包数据部分检测开始之 间， 有足够的时间进行信道矩阵预处理时的情景。
第二情景： 系统在得到信道估计结果之后， 与当前包数据部分检测开始之 间， 没有足够的时间进行信道矩阵预处理时的情景。
其中， “足够的时间”是指在信道估计结束之后， 到当前包检测结束的要求 时间点之间， MIMO接收机有足够的资源提供充足的运算速度和存储空间，从 而在检测中， 可以将矩阵信道预处理和之后的数据检测分开进行的情况。应理 解，对于本发明的具体实施而言， 情景的选择通常取决于系统软硬件环境和参 数以及所使用的协等。通常在系统设计阶段， 本领域技术人员可以根据设计需 要， 确定系统中采用适于哪一种情景的流程。
另外， LR域的 K-best MIMO检测系统， 可以基于实数系统， 也可以基于 复数系统。 下面首先以实数系统为例， 说明本发明方法的步骤。
第一情景
图 4示出在第一情景中根据本发明的方法的一个实施例的整体流程图。如 图 4所示， 根据本发明的一种用于 MIMO-OFDM无线通信系统的信号检测方 法 400, 包括对多个 MIMO-OFDM数据包进行处理。 具体地， 该方法包括： 从步骤 402开始，逐一对该多个 MIMO-OFDM数据包中的每个 MIMO-OFDM 数据包进行处理。
在步骤 404, 通过信道估计得出每个子载波的信道矩阵。 在步骤 406, 接 收每个子载波的接收向量。
接下来，通过从步骤 408至步骤 412的循环，对每个子载波的信道矩阵执 行信道矩阵预处理。当在步骤 412处判断已处理所有子载波后，在步骤 414生 成基于 OFDM符号的全局动态 K值表。 具体地， 在步骤 410中的所述信道矩 阵预处理包括对当前子载波的信道矩阵进行分解和格基规约以生成当前子载 波的多个 LR域矩阵。另外，在步骤 414所生成的全局动态 K值表包括与每个 子载波的每一搜索层对应的全局动态 K值。
然后， 对当前 MIMO-OFDM数据包中的每个 OFDM符号进行 MIMO检 测， 其中所述 MIMO检测包括通过从步骤 418至步骤 426 的循环， 对当前 OFDM符号的每个子载波进行处理。 具体地， 在步骤 420, 读取当前子载波的 多个 LR域矩阵以及接收向量； 在步骤 422 , 将当前子载波的接收向量转换至 LR搜索域； 以及在步骤 424, 对当前子载波进行 K-best搜索， 以得出当前子 载波的 LR域候选发送向量。其中在所述 K-best搜索中， 对当前子载波的每一 搜索层应用的 K值为所述全局动态 K值表中与该搜索层对应的全局动态 K值。
不同于现有技术中的 MIMO检测方法， 本发明的信号检测方法， 例如信 号检测方法 400， 针对 MIMO-OFDM无线通信系统提供特别优化的信道矩阵 预处理， 充分考虑到个子载波上的频率选择性衰落， 并且在不增加系统搜索资 源的情况下进行 K值的动态分配。 下面参照图 5 对第一情景中本发明的信号检测方法的细节进行更详细的 描述。图 5示出在第一情景中根据本发明的方法的一个更详细实施例的整体流 程图。 图 5所示的用于 MIMO-OFDM无线通信系统的信号检测方法 500开始 于步骤 502,对于多个 MIMO-OFDM数据包中的每个 MIMO-OFDM数据包进 行处理。
在步骤 504, 进行前导码和包头处理。 在步骤 506, 进行信道估计。
从步骤 508到步骤 506, 循环处理每一个子载波， 以对每个子载波的信道 矩阵执行信道矩阵预处理。
具体地，在步骤 510,将输入 MIMO检测系统的复数量进行实数分解 (Real Value Decomposition, RVD) 。 将第 n子载波接收复数向量产和信道复数矩阵 /7 进行 RVD,生成厅 和丽 ；噪声方差估计向量 拆分，使其维度扩大一倍。
Figure imgf000016_0001
分解方法， 本发明并不限制于此处描述的分解方法。
在步骤 512, 进行格基规约辅助动态 K预处理， 即信道矩阵预处理。在本 发明的一个优选实施例中， 步骤 512的信道矩阵预处理可根据参照图 11所示 的信道矩阵预处理流程图进行。 具体地，
Figure imgf000016_0002
基规约预处理的过程可以根据图 11所示的示例方法 1100按如下方式进行： 在步骤 1102， 将77 进行 MMSE扩展： 其中 fM为对角为 1的 M X M维对角矩阵。
Figure imgf000016_0003
在步骤 1104， 对 n进行排序的 (Sorted) QR分解：
H_n PJ1 = Qn RJ1, 其中 n为交换矩阵 ( permutation matrix ) ，
Figure imgf000016_0004
阵 ( unitary matrix ) ， 为上三角矩阵。 在步骤 1106,
Figure imgf000016_0005
约， 得到新的格基向量矩阵： = . = nn . f . TK 记 2；n = 为新的转换矩阵， 则 1 =
Figure imgf000016_0006
将所得 ， 和 In存储， 以备当前包的后续 OFDM符号的 MIMO检测 使用。 在步骤 1108， 求转换
Figure imgf000017_0001
在步骤 1110， 求当前第 n子载波上的各 MIMO检测层的 LR域搜索界 (boundary) ， 也即 LR域搜索变量的搜索范围。
Figure imgf000017_0002
RVD后的实星座点 x_xn， 经过偏移缩放后， 取值范围发生变化， 记为 =
Figure imgf000017_0003
zHmin = mm(n) - s((inr1m)+ + max(n) - s rT^])—。 其中， (rrw]为矩阵 (rr1的第 i行。 ((r)-i[〖])+为矩阵 (rr1的第 i 行中为正的元素； ((r1)-1^])-为矩阵 (r1)-1的第 1行中为负的元素。 由于 属于格基规约后的连续整数域， 第 n子载波第 1层 LR域的有效备
Figure imgf000017_0004
有效备选点是指， 在 LR域搜索上下限之间的整数域元素， 在范围内的， 可能为有效星座点 (原格基规约前 QAM星座点) ， 范围之外， 一定不是有效 星座点。
将所得所有子载波的所有搜索层的 ， z^max, z[min存储， 以备当前包的 后续 OFDM符号的 MIMO检测和全局动态 K值表生成时使用。
应理解，上述信道矩阵预处理中所示的步骤仅作为能够实现本发明的非限 制性示例步骤示出。 本发明的范围并不局限于此。
回到图 5, 在信道矩阵预处理之后， 得出对当前子载波的信道矩阵进行分 解和格基规约所生成的当前子载波的多个 LR域矩阵。 同时可选地得出用于每 个子载波的搜索参数。优选地，所述搜索参数可包括与每个子载波的每一搜索 层对应的 LR域搜索上界和下界。
在步骤 516, 在对所有子载波的信道矩阵进行预处理后， 得到当前子载波 MIMO检测的各层动态 K值以生成全局动态 K值表。
在本发明的一个实施例中，与每个子载波的每一搜索层对应的全局动态 K 值可以按照下述步骤中的一个步骤或多个步骤的组合来确定： （1）对于信道状 况较差的子载波， 与该子载波的搜索层对应的全局动态 K值增大； （2）向每个 子载波的每一搜索层对应的全局动态 K值分配权重， 其中对于距离起始搜索 层较近的搜索层， 向与该搜索层对应的全局动态 K值分配较大的权重； （3）将 子载波分组，针对分组中的子载波确定每个子载波的每一搜索层对应的全局动 态 K值； （4） 与每个子载波的每一搜索层对应的全局动态 K值为与每一搜索 层的搜索范围大小正相关的正整数； 以及 （5） 将每个子载波的所有搜索层的 搜索范围大小分段， 为搜索范围大小的每个分段分配对应的全局动态 K值， 以使得搜索范围较大的分段对应于较大的全局动态 K值； 其中所述每一搜索 层的搜索范围可根据下述公式确定：
Figure imgf000018_0001
以上步骤 508至 516, 在当前包检测时， 执行一次。 而下面的步骤 522至 526， 在对所有的 OFDM符号周期的所有数据子载波进行 MIMO检测时， 皆 需执行。
在步骤 522中， 对当前 OFDM符号的第 n子载波接收向量进产行实数分 解， 生成， ffn o
在步骤 524中， 读取当前子载波的全局动态 K值及搜索参数。 在一个实 施例中， MIMO检测器读取存储的第 n子载波的信道矩阵预处理结果和当前 第 k子载波的基于 OFDM符号所有子载波的全局动态 K值表中的 K取值向量 Kn = [S ]， 用于后续 MIMO检测。
在步骤 526中， 执行 LR域 K-best搜索， LR反映射以及 LLR软值生成。 作为一个非限制性实施方式， 步骤 526可以具体通过图 8所示的步骤来实现。
图 8具体地示出了根据本发明一个实施例的在单子载波上的 LR域 MIMO 检测及 LLR软比特生成流程图。 在步骤 802， 对经过步骤 510处理的接收向量厅 进行偏移缩放。
Figure imgf000019_0002
在步骤 804， 步骤 1106所得矩阵 维度为 (iVrx + iVtx) x iVtx。 可以拆 分为: ］。 5T维度为 i x i ^维度 4。 对步骤 802所得偏移缩放后的接收向量 ffn， 左乘 5T的共轭转秩。 得 K- best MIMO检测器的输入： yyn = (Qin)H - rfn = Rn - zz + \a
其中 X为残余干扰和噪声的和向量， 可表示为:
Figure imgf000019_0001
L为 MIMO检测 K-best搜索的层数。 由上面 X的表达式可知， SNR较大 时， X项可忽略。
为实 LR域搜索向量。
预处理生成的上三角矩阵。
Figure imgf000019_0003
在步骤 806， 进行按需展开 K-best搜索。
在实数系统中， L = 2Ntx。
针对预处理后的系统方程， 忽略掉残余干扰和噪声项后为 7 n = Rn - zzo 因此，可以从向量 的第 L层开始，递归的估计整个向量，并逐层进行 K- best搜索。 A)对于当前子载波的 K-best搜索树中的顶层， 即第 L层， 发送向量元素 得该层的第一子节点 i :L， 也即按需展开的第
Figure imgf000020_0001
'
一子节点。
然后按照由近及远的快速枚举顺序， 在该层的边界限定范围
Figure imgf000020_0002
分配) 。
同时计算各候选的部分向量，与部分接收向量之间的部分欧氏距离 (Partial Euclidean Distance, PED) 。 欧氏距离的计算有多种方法， 本发明中以平方距 离为例， 但不限于此。
第 L层的第 p个候选部分向量对应的 LR域的 PED为：
Figure imgf000020_0003
B )对于 K-best搜索树中除所述顶层之外的每一搜索层， 即第 (L-1 )层至 第 1层之间的某 1层搜索层， 其上一层 (即第 1+1层)向其提供
部分向量， 以及对应
Figure imgf000020_0005
。对每一个 1+1层的
Figure imgf000020_0004
(此处假设为第 p个候选部分向量)， 计算：
Figure imgf000020_0006
， +1)］。
Figure imgf000020_0007
以及本层的搜索限定范围［Z:iri, ^n max；|， 确 定 \ +：0个快速枚举展开下一子节点的位置。
计算各第一子节点对应的候选部分向量的 LR域 PED值：
PED(L P) = (yyf - Sn=i Ri,m - ZZm.p)2 + PED(l + 1, P)。
Figure imgf000020_0008
PED〔l, P)最小的候选部分向量， 作为第 1层需要输出的^：/1个候选部分向量的 第一候选输出向量。
将被取出第 1层第一子节点的候选部分向量， 按照其快速枚举展开的第 1 层下一子节点的搜索方向和步长， 扩展至第 1层第二子节点， 并计算对应的 PED。 将得到的新的第 1层部分向量， 补充到剩余
分向量中。 更新该点的下一子节点的搜索方向和步
Figure imgf000021_0001
重复上述操作， 直至当前 OFDM符号的第 n子载波第 1层所有 个输出 候选部分向量全部找到为止。
至此，在第 1
值。 除去第 1层
Figure imgf000021_0002
为了充分利用已经展开的次优路径资源， 在步骤 7中， 会进行丢弃路径重用。
C） 当搜索到达第 1层， 其 nf LR域候选向量全部选出时， 对第 n子载 波的 K-best搜索展开结束。
下面参考图 13和图 14对根据本发明的 LR域动态 K值按需展开树搜索 与根据现有技术的 LR域固定 K值按需展开树搜索进行比较。 具体地， 图 13 示出根据本发明的 LR域动态 K值按需展开树搜索的过程， 图 14示出根据现 有技术的 LR域固定 K值按需展开树搜索的过程。
假设两者都基于 2x2的 MIMO实数检测系统， 树搜索层数为 4层。 设相 应子载波的信道矩阵经过格基规约，其系统传输向量经平移缩放和 LR转换后， 两者从 1层到 4层搜索范围均为［5 10 5 8］。
如图 13上部的表格所示， 从 1层到 4层的动态 K值向量 为［3 5 3 5］。 如图 14上部的表格所示， 从 1层到 4层的固定 K值向量为［4 4 4 4］。
如图 13和图 14下部的树形图所示， 树搜索从搜索树的顶层 （即第 4层） 开始， 向第 1层进行。 相比图 13 , 图 14中由于第 4层的搜索范围较大 （为 8） ， 而 K值为 4， 因此从一开始， 其搜索就漏掉了很关键的一个候选点。 造 成最后一层所得最优候选向量出现很大偏差。 这一偏差， 会造成 LLR软值生 成偏离实际的噪声分布， 从而使信道解码器的编码增益受到很大损失。
回到图 8, 在步骤 808, 对 K-best搜索中间过程期间经部分展开的待丢弃 路径进行重用。
对在第 1层中需要被丢弃的 - 1个次优展开， 继续展开其第 1-1直至 第 1层， 各层仅扩展其第一子节点， 并计算对应的 PED值。 将 \ +：0 - 1个第 1层丢弃路径重用展开所得的 LR域候选发送向量 (次优候选向量) ， 经过后 续步骤 810至 816, 用以更新比特距离表。
步骤 810至 816为针对所有的树搜索已经达到第 1层的完整的 LR域候选 发送向量的处理步骤。对于步骤 806所得 个 LR域候选向量，和步骤 808中
Figure imgf000022_0001
在步骤 812, 判断候选向量 /的所有元素是否都为合法星座点。 若都为 合法星座点， 则保留 /及其 PED值 PEDn(p)。 若 p n向量中的任一元素， 无法映射回原星座域， 则 /不是合法 LR域发送向量估计， MIMO检测器将 /丢弃。
在步骤 814, 将步骤 812中所保留的原星座域的合法候选向量的所有星座 点， 进行 M-QAM星座点反映射， 得到对应的比特序列。
在步骤 816, 更新比特距离表。
Figure imgf000022_0002
PED值。
Figure imgf000023_0003
表 1: 比特距离表 -64QAM， 2X2MIMO系统 在经过步骤 810和步骤 812产生了合法星座点候选向量输出后， 在步骤 814通过 M-QAM反映射将合法星座点候选向量反映射为比特序列， 并将其
Figure imgf000023_0001
更新。
当步骤 806到达第 1层， 对所得出的所有 LR域候选向量执行步骤 810至 816, 第 n子载波所有候选向量皆完成了比特距离表更新。 至此， 当前 OFDM 符号的第 n子载波的比特距离表完成。
在步骤 818, 根据步骤 816中所得比特距离表， 生成 LLR软值。在一个实
Figure imgf000023_0002
相减生成， 如下述公式所示：
Figure imgf000024_0001
所生成的 LLR软值可经过合理的剪裁算法处理， 送入后续的流反解析器 模块， 然后送入信道解码器解码。本领域技术人员应理解， 可以通过本领域常 规的方式对根据本发明的方法和系统生成的 LLR软值进行处理和解码。
应理解， 虽然以上示例方法和步骤是基于实数系统描述，但本发明的实施 并不限于此。在天线数目较大的情况下，优选地可以采用复数 K-best树搜索系 统， 以减少搜索层数。 下面参考图 5和图 11， 仅对复数系统与上述步骤的不 同之处进行说明：
对于步骤 510, 复数系统不需要实数分解。
对于步骤 512, 复数系统中的信道矩阵预处理可按下述方式进行。
具体参考图 11，在步骤 1102:将当前在载波的复数信道矩阵；7 进行^/[^/^£ 扩展： 71 = k ]。 其中 为对角为 1的 M X M维对角矩阵。 在步骤 1104， 对 n进行排序的 (Sorted) QR分解。 在步骤 1106，
Figure imgf000024_0002
格基规约， 得到新的格基向量矩阵。 在步骤 1108， 求转换矩阵的逆矩阵。 在步骤 1110， 求当前第 k子载波上的各 MIMO检测层的 LR域搜索界 (boundary) , 也即 LR域搜索变量的搜索范围。对复数系统， LR域的搜索变
Figure imgf000024_0003
原 M-QAM星座点 in， 经过偏移缩放后， 取值范围发生变化。 对复数系
Figure imgf000024_0004
zHmin = ⑼. s((inr m)+ + max(n) - ixrr1^)-。
Figure imgf000025_0001
。 将所得所有子载波的所有搜索层的 ， z^max, z[min存储， 以备当前包的 后续 OFDM符号的 MIMO检测和全局动态 K值表生成时使用。 回到图 5， 在步骤 516， 得到当前子载波 MIMO检测的各层动态 K值。 在步骤 526中， 执行 LR域 K-best搜索， LR反映射以及 LLR软值生成。 作为一个非限制性实施方式， 步骤 526可以具体通过图 8所示的步骤来实现。 对于复数系统， 在图 8中的步骤 802， 对接收向量产进行偏移缩放：
Figure imgf000025_0002
则经过偏移缩放的 MIMO信道传输系统可以写为：
Figure imgf000025_0003
在步骤 802: 步骤 1108所得矩阵 维度为 ( x + iVtx：)xiVtx。 可以拆 分为:
Figure imgf000025_0004
得 K- best MIMO检测器在复数系统中的输入： yfc = (C) -fk = Rk-z + A
其中 X为残余干扰和噪声的和向量， 可表示为：
Figure imgf000025_0005
L为 MIMO检测 K-best搜索的层数。 由上面 X的表达式可知， SNR较大 时， X项可忽略。
目应地为复 LR域搜索向量。
对于步骤 806, 按需展开 K-best搜索的基本步骤与实数系统相同， 只是每 一层的按需展开为复数整数域的二维展开。 步骤 808、 810至 818与实数系统 相同。
第二情景
与第一情景不同， 在第二情景中， 系统在得到信道估计结果之后， 与当前 包数据部分检测开始之间， 没有足够的时间进行信道矩阵预处理。应理解， 本 发明的方法可以基于实数系统， 也可以基于复数系统。下面以实数系统为例进 行说明， 但本发明的实施不限于此。
图 6示出在第二情景中根据本发明的方法的一个实施例的整体流程图。如 图 6所示， 根据本发明的一种用于 MIMO-OFDM无线通信系统的信号检测方 法 600, 包括对多个 MIMO-OFDM数据包进行处理。 具体地， 该方法包括： 从步骤 602开始，逐一对该多个 MIMO-OFDM数据包中的每个 MIMO-OFDM 数据包进行处理。
在步骤 604, 通过信道估计得出每个子载波的信道矩阵。 在步骤 606, 接 收每个子载波的接收向量。
接下来，若在步骤 610判断当前 OFDM符号是 MIMO-OFDM数据包中的 第一 OFDM符号， 则执行步骤 612至 620， 以便在步骤 616对该第一 OFDM 符号进行 MIMO检测处理， 并且在步骤 614对该第一 OFDM符号的每个子载 波的信道矩阵执行信道矩阵预处理， 以在步骤 620生成全局动态 K值表。 具 体地，在步骤 614中的所述信道矩阵预处理包括对当前子载波的信道矩阵进行 分解和格基规约以生成当前子载波的多个 LR域矩阵。 另外， 在步骤 620生成 的全局动态 K值表包括与每个子载波的每一搜索层对应的全局动态 K值。
具体地， 在步骤 616中对第一 OFDM符号进行 MIMO检测处理包括对第 一 OFDM符号的每个子载波执行下述步骤： 根据预设的固定 K值或对当前子 载波计算的可变 K值， 对当前子载波进行 K-best搜索， 以及生成当前子载波 的 LR域候选发送向量。
接下来， 对所述 MIMO-OFDM数据包中的每个后续 OFDM符号， 执行步 骤 624至 632， 以便对该 OFDM符号进行 MIMO检测， 其中所述 MIMO检测 包括： 对当前 OFDM符号的每个子载波执行下述步骤： 在步骤 626, 读取当前 子载波的多个 LR域矩阵以及接收向量； 在步骤 628 , 将当前子载波的接收向 量转换至 LR搜索域； 以及在步骤 630, 对当前子载波进行 K-best搜索， 以得 出当前子载波的 LR域候选发送向量。其中在所述 K-best搜索中， 对当前子载 波的每一搜索层应用的 K值为所述全局动态 K值表中与该搜索层对应的全局 动态 K值。
不同于现有技术中的 MIMO检测方法， 本发明的信号检测方法， 例如信 号检测方法 600， 针对 MIMO-OFDM无线通信系统提供特别优化的信道矩阵 预处理， 充分考虑到个子载波上的频率选择性衰落， 并且在不增加系统搜索资 源的情况下进行 K值的动态分配。特别是，在第二情景中， 本发明的信号检测 方法将全局动态 K值表的生成结合在每个 MIMO-OFDM 数据包中的第一 OFDM符号的 MIMO检测过程中， 并将所生成的全局动态 K值表应用于后续 OFDM符号的 MIMO检测优化， 以较小的额外计算开销换取大部分 OFDM符 号检测的优化， 在有限的系统搜索资源约束下进一步提升了检测性能。
下面参照图 7 对第二情景中本发明的信号检测方法的细节进行更详细的 描述。图 7示出在第二情景中根据本发明的方法的一个更详细实施例的整体流 程图。图 7所示的信号检测方法 400开始于步骤 502,对于多个 MIMO-OFDM 数据包中的每个 MIMO-OFDM数据包进行处理。
在步骤 704, 进行前导码和包头处理。 在步骤 706, 进行信道估计。
在步骤 708 , 开始对当前 MIMO-OFDM数据包中的每个 OFDM符号行循 环处理。
在步骤 712, 判断当前的 OFDM符号是否是当前 MIMO-OFDM数据包中 的第一 OFDM符号。如果是，则循环执行从步骤 714至 726并返回至步骤 710 和 712的循环， 直到完成对第一 OFDM符号的所有子载波的 MIMO检测以及 信道矩阵预处理。
在步骤 714, 将输入 MIMO检测系统的复数量进行实数分解。具体地， 将 第 n子载波接收复数向量产和信道复数矩阵 /7n进行 RVD， 生成厅 和丽 ； 并 对噪声方差估计向量 拆分， 使其维度扩大一倍。
Figure imgf000027_0001
RVD有不同的分解方法， 本发明不限于任何特定的分解方法。
在步骤 716， 在对第一 OFDM符号周期接收信号的各子载波进行 MIMO 检测的同时， 逐一对各子载波的信道矩阵进行预处理。此处的信道矩阵预处理 可以按照与图 5中步骤 512相同的方式进行。 例如可以根据参照图 11详述的 示例方法进行。 在此不再赘述。
若在步骤 718判断尚未对所有子载波进行处理， 则执行步骤 722, 基于固 定 K值或基于子载波的动态 K值进行 K-best搜索。
在步骤 722, 在当前 OFDM符号周期为当前接收数据包的第一 OFDM符 号周期时， 由于系统还没有完成所有子载波信道矩阵的预处理，所以无法得到 基于 OFDM符号的全局动态 K值分配，因此需要对第一 OFDM符号的动态 K 值分配进行特殊处理。如固定第一 OFDM符号的搜索 K值， 或第一 OFDM符 号搜索采用基于子载波的动态 K值分配等。
固定搜索 K值是指， 在预设系统整体 K值的情况下， MIMO-OFDM检测 系统， 不区分考虑各个子载波上的信道衰减状况， 也不考虑同一子载波上的搜 索向量在 LR域中不同搜索层之间的范围差异， 而是在所有子载波的所有搜索 层， 统一采用系统整体 K值的情况。
预设的系统整体 K值， 是指在保证误码率设计目标的前提下， 通过仿真 或经验， 确定的 K-best树搜索系统的每搜索层保留的最优 （部分） 候选向量 数。
例如， 设 16QAM实数搜索系统 K=6; 设 64QAM实数搜索系统 K=10; 设 256QAM实数搜索系统 K=16等。
预设系统整体 K值的取值， 取决于不同的系统参数（如 QAM星座， 天线 数目， 实数 /复数系统等） 和不同的 MIMO K-best检测算法 （normal K-best,
SQRD, LRA等）。系统的参数和算法确定后， 在当前设定下的系统整体 K值 就被固定下来。
在 MIMO-OFDM系统检测中， 当系统整体 K值确定了之后， 总的系统搜 索展开资源消耗也确定了， 即 K X L X Nsd a L为每一个子载波的 MIMO检测总 层数， 对于实数系统， L = 2Ntx， 对于复数系统， L = Ntx。
基于子载波的动态 K值分配是指，在预设系统整体 K值后， MIMO-OFDM 检测系统，不区分考虑各个子载波上的信道衰减状况， 只考虑同一子载波上的 搜索向量在 LR域中不同搜索层之间的范围差异， 将当前子载波的所有搜索资 源 K x L在各搜索层之间进行动态分配的情况。
在步骤 718， 若n = Nsd , 第一 OFDM符号周期结束， 所有子载波的信道 矩阵预处理结束，可以执行步骤 720,得到当前子载波 MIMO检测的各层动态 K值， 以生成基于 OFDM符号所有子载波的全局动态 K值表。 然后， 执行步 骤 724， 进行 LR域搜索、 LR反映射及 LLR软值生成。
应理解，本发明的 K-best搜索展开方式，优选地是展开效率最高的按需展 开 ( on-demand expansion ) ， 其 MIMO检测搜索复杂度和耗时， 主要由各层搜 索保留的最优候选路径的 K值决定。 但本领域技术人员应理解， 本发明的实 施并不局限于此。 相反， 本发明的全局动态 K值表可以适用于不同的 K-best 搜索展开方式。
由步骤 1100可知， 由于各子载波信道状况不同， 转换矩阵 In差异较大， 造成不同子载波之间、以及同一子载波不同搜索层之间的搜索范围 ^波动巨大。
因此， 采用固定的 K值， 会使一些信道状况较差 /搜索范围较大的子载波 的相应搜索层损失搜到最优点的概率， 从而降低了后续 LLR软值生成的可靠 度， 使得编解码增益大幅下降， 接收性能出现误码底 (例如， 参见图 16A和 16B以及下文中相应的描述) 。
根据本发明， 在保证 MIMO检测系统搜索展开总资源消耗固定前提下， 将 MIMO检测系统的搜索展开总资源在各个子载波之间， 以及子载波各搜索 层之间进行合理分配， 意味着： 一方面， 固定了 MIMO检测的速度， 和系统 的吞吐量， 另一方面， 保证了当前系统整体 K值设定下的系统检测的最优性 能。
上述固定搜索展开资源分配的前提，仅是实际应用中的考虑， 本发明所提 方法， 不受该前提的限制。
信道状况差的子载波传输系统， 经过 LR域转换后， 其 LR域搜索范围相 对原星座域扩大，相应分配更多的搜索展开资源， 即相应的增大相关层的搜索 K值； 信道状况较好的子载波传输系统， 经过 LR域转换后， LR域搜索范围 相对原星座域变化不大， 可以相应减少其分配的搜索展开资源， 即相应的减少 相关层的搜索 K值。
也即需要在 OFDM所有子载波和所有搜索层， 按照系统状况， 全局动态 地分配搜索资源。
具体地， LR域搜索展开资源的分配方法很多， 包括但不限于下述方法： a. 根据不同信道状况：
对于最为普遍的频率选择性信道， 采用基于 OFDM符号的、 在所有子载 波和所有搜索层的全局搜索展开资源分配， 也即生成基于 OFDM符号的全局 动态 K值表， 以辅助 MIMO-OFDM的检测。
对于平坦衰落信道或近似平坦衰落信道，采用前述的较简单的基于子载波 的动态 K值分配。
或可以将搜索资源等分为 m份， 并将 OFDM符号子载波分为 m组， 在同 一组的各个子载波和层级之间， 进行搜索展开资源的分配。
b. 根据系统的检测性能和分配策略资源消耗的要求：
对于检测性能要求高， 计算资源消耗不敏感的系统， 可以采用高精度的分 配策略。
若是检测性能要求有余量， 并对计算资源消耗敏感的系统， 可以采用简单 的 K值分级分配， 如简单设置两个搜索范围阈值， 将 K值的动态变化分为三 级， 等策略。
c. 根据搜索权重不同：
一般底层搜索的重要性较高， 如果不分配足够的搜索资源，会造成后续误 差扩散，使 LLR值的偏差变大。因此，可以加大较低层的搜索资源分配权重， 在同样搜索范围的时候， 将搜索资源向较低层偏移， 已达到最好的系统性能。
复杂度分析： 本发明中的 K值搜索展开资源的动态分配， 仅在每个接收 包 MIMO检测最前端的预处理过程中进行一次； 或对于时变信道， 在每一个 信道相干时间周期内， 系统都需要进行一次信道估计， 生成新的信道矩阵， 因 此每进行一次信道估计， 就需要重新进行信道预处理和 K值动态分配。
但是， 信道预处理和 K值动态分配， 相对于整个 MIMO-OFDM的检测运 算来说， 运算成本很低， 可以忽略不计。跟付出的运算成本相比， 应用 K值动 态分配， 在不同的信道状况下， 可以使系统的搜索路径更合理， 软值生成更可 靠，充分挖掘信道编解码增益，从而给系统的接收带来很大的性能提升。因此， 然而， 无论是对于时变信道还是非时变信道， 以及无论是在第一情景还是第二 情景中，本发明所公开的方法和系统都能够以较小的额外计算开销换取 OFDM 符号检测的较大优化， 在有限的系统搜索资源约束下进一步提升检测性能。
若在步骤 712判断当前 OFDM符号不为当前接收数据包的第一 OFDM符 号，则信道矩阵预处理和基于 OFDM符号的全局动态 K值分配已完成， MIMO 检测器可在步骤 732直接读取存储的第 n子载波的信道矩阵预处理结果和当 前第 n子载波的全局动态 K值表中的 K取值向量 n = [/^ ]， 用于在 步骤 724执行后续的 MIMO检测。
对于实数系统， 在执行步骤 732之前执行步骤 730， 以对接收向量厅 进 行实数分解。 对于复数系统则可以省略步骤 730。
在步骤 724， 执行 LR域 K-best搜索， LR反映射以及 LLR软值生成。 步 骤 724所执行的 MIMO检测操作可以按照与图 5中步骤 526相同的方式进行。 例如可以根据参照图 8详述的示例方法进行。 在此不再赘述。
步骤 724所生成的 LLR软值可经过合理的剪裁算法处理， 送入后续的流 反解析器模块， 然后送入信道解码器解码。本领域技术人员应理解， 可以通过 本领域常规的方式对根据本发明的方法和系统生成的 LLR软值进行处理和解 码。
图 15是根据本发明一个实施例的用于 MIMO-OFDM无线通信系统的信 号检测系统 1500的示意框图。 系统 1500包括对多个 MIMO-OFDM数据包进 行检测的 MIMO检测器模块 1510。该 MIMO检测器模块可进一步包括信道矩 阵预处理子模块 1514、 存储子模块 1516和 K-best搜索子模块 1518。
如图 15所示， MIMO检测器模块 1510配置成接收通过信道估计得出的 每个子载波的信道矩阵， 以及每个子载波的接收向量。应理解， 信道矩阵预处 理子模块 1514以及 K-best搜索子模块 1518可配置成实施为执行第一情景中 和 /或第二情景中根据本发明的 MIMO检测方法。
在第一情景中的一个实施例中， MIMO检测器模块 1512可配置成接收通 过信道估计得出的每个子载波的信道矩阵以及每个子载波的接收向量以作为 输入。
信道矩阵预处理子模块 1514可配置成对每个子载波的信道矩阵执行信道 矩阵预处理， 以生成全局动态 K值表， 其中信道矩阵预处理包括对当前子载 波的信道矩阵进行分解和格基规约以生成当前子载波的多个 LR域矩阵， 其中 全局动态 K值表包括与每个子载波的每一搜索层对应的全局动态 K值。
存储子模块 1516可配置成存储全局动态 K值表以及用于每个子载波的搜 索参数。
K-best搜索子模块 1518可配置成对 MIMO-OFDM数据包中的每个 OFDM 符号进行 MIMO检测， 其中 MIMO检测包括对当前 OFDM符号的每个子载 波执行下述步骤： 读取当前子载波的多个 LR域矩阵以及接收向量； 将当前子 载波的接收向量转换至 LR搜索域； 以及对当前子载波进行 K-best搜索， 以得 出当前子载波的 LR域候选发送向量。在该 K-best搜索中， 对当前子载波的每 一搜索层应用的 K值为全局动态 K值表中与该搜索层对应的动态 K值。 K- best搜索子模块 1518还可配置成输出当前子载波的 LR域候选发送向量。
在第二情景中的一个实施例中， MIMO 检测器模块 1512 可配置成对 MIMO-OFDM数据包中的第一 OFDM符号进行 MIMO检测处理，并且信道矩 阵预处理子模块 1514可配置成对该第一 OFDM符号的每个子载波的信道矩 阵执行信道矩阵预处理， 以生成全局动态 K值表， 其中信道矩阵预处理包括 对当前子载波的信道矩阵进行分解和格基规约以生成当前子载波的多个 LR域 矩阵， 其中全局动态 K值表包括与每个子载波的每一搜索层对应的全局动态 K值， 且其中对第一 OFDM符号进行 MIMO检测处理包括对第一 OFDM符 号的每个子载波执行下述步骤： 根据预设的固定 K值或对当前子载波计算的 可变 K值， 对当前子载波进行 K-best搜索， 以及生成当前子载波的 LR域候 选发送向量。
存储子模块 1516配置成存储全局动态 K值表以及用于每个子载波的搜索 参数。
K-best搜索子模块可配置成对 MIMO-OFDM数据包中的每个后续 OFDM 符号进行 MIMO检测， 其中所述 MIMO检测包括对当前 OFDM符号的每个 子载波执行下述步骤： 读取当前子载波的多个 LR域矩阵以及接收向量； 将当 前子载波的接收向量转换至 LR搜索域； 以及对当前子载波进行 K-best搜索， 以得出当前子载波的 LR域候选发送向量。在该 K-best搜索中， 对当前子载波 的每一搜索层应用的 K值为所述全局动态 K值表中与该搜索层对应的全局动 态 K值。
MIMO检测器模块 1510可选地包括实数分解子模块 1512。该实数分解子 模块 1512可配置成在所述信道矩阵预处理之前对每个子载波的信道矩阵进行 实数分解;并且所述 K-best搜索子模块还可配置成在对当前子载波进行 K-best 搜索之前对接收向量进行实数分解。
可选地， 系统 1500还包括 LLR软值生成模块 1516， 该 LLR软值生成模 块从 MIMO检测器模块接收当前子载波的所有 LR域候选发送向量， 并根据 上文描述的软值生成方法生成对应的 LLR软值。
本发明所提供的技术改进包括但不限于： 信道矩阵的预处理， 全局动态 K 值表生成和 K-best MIMO检测器的按需展开、 分散排序、 丢弃路径重用以及 比特距离表的使用上。
信道矩阵的预处理和全局动态 K值表的生成，一般在每个接收包的 MIMO 检测开始时仅需进行一遍， 对整个系统的检测开销影响很小。
同时， 采用格基规约域的 MIMO检测， 使 MIMO发送向量的判决边界接 近最优； LR域的搜索过程充分利用搜索方向的近正交化， 使搜索效率提高； 对于大星座调制的应用， 如 256QAM， 1024QAM等， 增益尤其显著。
另外， 在信道矩阵预处理阶段， 根据信道状况， 确定各子载波的各层的搜 索展开的不同范围， 而不是一般的 LR域连续搜索， 提高了搜索效率， 也为后 续的 K-best检测中应用快速枚举展开提供了条件。
而且， 本发明利用预处理所得搜索展开范围信息， 合理分配系统的总搜索 展开资源， 使同样复杂度的搜索过程最优化， 从而最优化 LLR软值的生成， 进一步最大化信道编码的编码增益。
图 16A和图 16B 示出根据本发明的 MIMO 检测方法与现有技术中的 MIMO检测方法的性能对比曲线。 具体地， 图 16A的横轴为接收端的信噪比 SNR值 （dB） ， 纵轴为误包率 （PER） 。 图 16B 的横轴为接收端的 SNR值 （dB） ， 纵轴为比特误码率 （BER） 。
从图 16A和图 16B可以看到，在 64QAM时，预设的系统整体 K值为 12， 256QAM时，预设的系统整体 K值为 16的前提下，本发明的格基规约辅助的、 基于 OFDM符号的全局动态 K的 MIMO检测所对应的比特误码曲线和错包 率曲线都接近最大似然检测 （ML） 曲线的性能； 在图 16B中， 在 BER=10e-5 的 SNR损失，在多种 QAM星座和 LDPC编解码率的情况下，都在 ldB之内。
如图 16A和图 16B所示，根据现有技术的格基规约辅助的固定 K值 MIMO 检测的 BER和 PER曲线， 在大 SNR时， 仍然存在较大误码概率， 也即出现 了误码底（error floor） 。 误码底， 是一种严重影响系统性能的现象， 因此在系 统设计中， 需要竭力避免。
若不用本发明的思路， 要解决这个问题， 使性能接近本发明的方法， 传统 检测方法， 只有大幅增大系统整体 K值， 比如 64QAM时， 将系统整体 K值 设为 20-24， 256QAM时， 将系统整体 K值设为 36-40， 从而使系统的检测复 杂度大大提高。
需要指出的是， 增大 K值， 全局动态 K值分配的格基规约 K-best检测与 固定 K值的格基规约 K-best检测的性能，都趋近于最大似然检测曲线（ML）。
因此， 本发明中的编码的 MIMO-OFDM检测器， 可以在小 K值低复杂度 的情况下，接近最大似然检测的性能，其检测复杂度随 M-QAM和天线数目几 乎为线性增长， 有很强的实际应用价值。
下面对本发明中全局动态 K值分配的几个实施例作进一步说明。
以 2 X 2、 16QAM, Nsd = 48的 MIMO-OFDM的 K-best实数检测系统为 例进行说明。 假设预设的系统整体 K值为 3 , 实数系统搜索层数为 4, 正常 16QAM星座域， 实数搜索每一层的候选展开数为 4。 本系统总搜索展开资源 为 K x L x Nsd = 3 x 4 x 48。
实施例 1 :
基于 OFDM符号的全局动态 K值分配。
当 OFDM符号中加载数据的 iVsd = 48个信道矩阵的预处理都结束之后， 每一个子载波的每一个搜索层的搜索范围都可以确定 。则总的搜索范围内的 点数为：
T j n
^sum — Z n=l ZJZ=I Ll °
若做精细的线性分配， 则第 n子载波的第 1层， 全局动态 K值， 可以如下 计算：
Figure imgf000035_0001
实施例 2:
简单分级 （二级） 分配。
找到所有 ^的中位数/^M， 并设置一个系统整体 K值的偏移量 < K -
1。
Figure imgf000035_0002
实施例 3 :
将子载波分组， 在分组内动态分配 K值。
比如， 将 48个子载波分为四组， 每一组中的搜索资源， 进行分配。 若每 一个子载波为一组， 就是前述的基于子载波的动态 K值分配。
实施例 4:
加权重分配。
K-best树搜索的过程是从下向上 （L层至 1层）， 因此， 搜索开始时候的 结果如果出现错误， 错误会向后续各层扩散累积。 在全局动态分配 K值的时 候， 可以加大起始层的分配权重， 将搜索资源想起始层倾斜。
以上实施例以示例的方式给出了具体操作过程，但应理解， 本发明的保护 范围不限于此。
虽然出于本公开的目的已经描述了本发明各方面的各种实施例，但是不应 理解为将本公开的教导限制于这些实施例。在一个具体实施例中公开的特征并 不限于该实施例， 而是可以和不同实施例中公开的特征进行组合。例如， 在第 一情景中描述的根据本发明的 MIMO检测方法和系统的一个或多个特征和 /或 操作， 亦可单独地、组合地或整体地应用于在第二情景中描述的根据本发明的 MIMO检测方法和系统， 反之亦然。此外， 应理解， 上文所述方法步骤可以顺 序执行、 并行执行、 合并为更少步骤、 拆分为更多步骤， 以不同于所述方式组 合和 /或省略。上文所述模块和 /或单元亦可组合为更大模块、拆分为更多模块、 以不同于所述方式组合，和 /或省略。本领域技术人员应理解，还存在可能的更 多可选实施方式和变型， 可以对上述部件和构造进行各种改变和修改， 而不脱 离由本发明权利要求所限定的范围。

Claims

权 利 要 求
1. 一种用于 MIMO-OFDM无线通信系统的信号检测方法， 包括对多个 MIMO-OFDM数据包进行处理， 其特征在于， 包括：
对于该多个 MIMO-OFDM数据包中的每个 MIMO-OFDM数据包， 执行 下述步骤：
通过信道估计得出每个子载波的信道矩阵；
接收每个子载波的接收向量；
对 MIMO-OFDM数据包中的第一 OFDM符号进行 MIMO检测处理， 并 且对该第一 OFDM符号的每个子载波的信道矩阵执行信道矩阵预处理， 以生 成全局动态 K值表， 其中所述信道矩阵预处理包括对当前子载波的信道矩阵 进行分解和格基规约以生成当前子载波的多个 LR域矩阵， 其中所述全局动态 K值表包括与每个子载波的每一搜索层对应的全局动态 K值， 且其中对第一 OFDM符号进行 MIMO检测处理包括对第一 OFDM符号的每个子载波执行下 述步骤： 根据预设的固定 K值或对当前子载波计算的可变 K值， 对当前子载 波进行 K-best搜索， 以及生成当前子载波的 LR域候选发送向量；
对所述 MIMO-OFDM数据包中的每个后续 OFDM符号进行 MIMO检测， 其中所述 MIMO检测包括：
对当前 OFDM符号的每个子载波执行下述步骤：
读取当前子载波的多个 LR域矩阵以及接收向量； 将当前子载波的接收向量转换至 LR搜索域； 以及 对当前子载波进行 K-best搜索，以得出当前子载波的 LR域候选 发送向量， 其中在所述 K-best搜索中， 对当前子载波的每一搜索层 应用的 K值为所述全局动态 K值表中与该搜索层对应的全局动态 K 值。
2. 根据权利要求 1所述的信号检测方法， 其特征在于， 所述对每个子载波 的信道矩阵执行信道矩阵预处理的步骤还包括生成用于每个子载波的搜索参 数， 其中所述搜索参数包括与每个子载波的每一搜索层对应的 LR域搜索上界 和下界； 及 所述对当前子载波进行 K-best搜索的步骤还包括在所述 K-best搜索中， 对当前子载波的每一搜索层应用所述搜索参数中与该搜索层对应的 LR域搜索 上界和下界。
3. 根据权利要求 1所述的信号检测方法， 其特征在于， 若所述 MIMO- OFDM无线通信系统为实数系统， 则在所述信道矩阵预处理之前对每个子载 波的信道矩阵进行实数分解， 并且在对当前子载波进行 K-best搜索之前对接 收向量进行实数分解。
4. 根据权利要求 1所述的信号检测方法， 其特征在于， 所述对当前子载波 的信道矩阵进行分解和格基规约包括： 对当前子载波的信道矩阵进行 MMSE 扩展、 排序的 QR分解， 以得到酉矩阵、 上三角矩阵和交换矩阵， 以及
对所述酉矩阵、 所述上三角矩阵和所述交换矩阵进行 LLL格基规约以生 成所述多个 LR域矩阵， 其中所述多个 LR域矩阵包括格基酉矩阵、 格基上三 角矩阵和格基转换矩阵。
5. 根据权利要求 4所述的信号检测方法， 其特征在于， 将当前子载波的接 收向量转换至 LR搜索域包括对接收向量进行偏移缩放并将偏移缩放后的接收 向量与所述格基酉矩阵的共轭转秩相乘， 以得到在 LR域中的接收向量。
6. 根据权利要求 4所述的信号检测方法， 其特征在于， 所述 LR域搜索上 界和下界按下述方式得出：
对于第 n子载波的第〖搜索层的 LR域搜索上界：
Figure imgf000037_0001
对于第 n子载波的第〖搜索层的 LR域搜索下界：
Zimin = in⑻ . Z ((ln)_1[/])+ + max⑼ . E ((rn)_1[/])_； 其中 n为第〖搜索层的星座元素的定义域； 矩阵 (i -1为 LLL格基规约后 得到的格基转换矩阵的逆矩阵； (rTw]为矩阵 (rT1的第〖行； ((in) i [^])+ 为矩阵 -1的第〖行中为正
Figure imgf000037_0002
〖行中为负 的元素。
7. 根据权利要求 1所述的信号检测方法， 其特征在于， 所述与每个子载波 的每一搜索层对应的全局动态 K值是按照下述步骤中的一个步骤或多个步骤 的组合来确定的：
( 1 ) 对于信道状况较差的子载波， 与该子载波的搜索层对应的全局动态 K值增大；
(2 ) 向每个子载波的每一搜索层对应的全局动态 K值分配权重， 其中对 于距离起始搜索层较近的搜索层， 向与该搜索层对应的全局动态 K值分配较 大的权重； 以及
( 3 ) 将子载波分组， 针对分组中的子载波确定每个子载波的每一搜索层 对应的全局动态 K值。
8. 根据权利要求 6所述的信号检测方法， 其特征在于， 所述与每个子载波 的每一搜索层对应的全局动态 K值是按照下述步骤中的一个步骤或多个步骤 的组合来确定的：
( 1 ) 对于信道状况较差的子载波， 与该子载波的搜索层对应的全局动态 K值增大；
(2 ) 向每个子载波的每一搜索层对应的全局动态 K值分配权重， 其中对 于距离起始搜索层较近的搜索层， 向与该搜索层对应的全局动态 K值分配较 大的权重；
( 3 ) 将子载波分组， 针对分组中的子载波确定每个子载波的每一搜索层 对应的全局动态 K值；
(4 )与每个子载波的每一搜索层对应的全局动态 K值为与每一搜索层的 搜索范围大小正相关的正整数； 以及
( 5 ) 将每个子载波的所有搜索层的搜索范围大小分段， 为搜索范围大小 的每个分段分配对应的全局动态 K值， 以使得搜索范围较大的分段对应于较 大的全局动态 K值；
其中所述每一搜索层的搜索范围根据下述公式确定：
Figure imgf000038_0001
9. 根据权利要求 1所述的信号检测方法， 其特征在于， 对当前子载波进行 K-best搜索的步骤包括： 对于当前子载波的 K-best搜索树中的顶层， 从起始点进行由近及远的快 速枚举展开以得出起始搜索层的所有候选输出部分向量，其中起始搜索层的所 有候选输出部分向量的个数为与起始搜索层对应的全局动态 K值， 并计算起 始搜索层的候选输出部分向量与部分接收向量之间的部分欧氏距离；
对于所述 K-best搜索树中除所述顶层之外的每一搜索层， 执行下述展开 步骤：
根据上一层的每个候选输出部分向量在当前搜索层中确定一个起始点，从 每个起始点进行独立的展开；
(a) 在每个独立的展开中， 从该起始点展开第一子节点；
(b) 在与展开的子节点对应的部分候选向量集合中， 选择部分欧氏距离 最小的部分候选向量作为当前搜索层的候选输出部分向量；
(c) 从所述部分候选向量集合中取出与所述部分欧氏距离最小的部分候 选向量；
(d) 从与所述部分欧氏距离最小的部分候选向量对应的子节点展开得出 当前搜索层的下一子节点，并将与所述下一子节点对应的部分候选向量补充到 所述部分候选向量集合中；
(e)重复执行步骤 (b)至 (d)， 直至得出当前搜索层的所有候选输出部 分向量，其中当前搜索层的所有候选输出部分向量的个数为与当前搜索层对应 的全局动态 K值； 以及
当完成对所述 K-best搜索树中的底层的搜索时， 得出当前子载波的所有 LR域候选发送向量， 对当前子载波的 K-best搜索结束。
10. 根据权利要求 9所述的信号检测方法，其特征在于，对于当前子载波的 当前搜索层中丢弃的次优的 LR域候选发送向量，向下逐层展开至第 1搜索层 ， 但仅扩展第一子节点，以得到次优的 LR域候选发送向量，并将所述次优的 LR 域候选发送向量增加到当前子载波的所有 LR域候选发送向量中。
11. 根据权利要求 1所述的信号检测方法，其特征在于，对于当前子载波， 创建当前子载波的比特距离表， 其中在所述比特距离表中，对于每个发射天线 的 QAM符号的每个比特， 包含当前比特为 0的所有 LR域候选发送向量中的 最小部分欧氏距离以及当前比特为 1的所有 LR域候选发送向量中的最小部分 欧氏距离。
12. 根据权利要求 11所述的信号检测方法， 其特征在于， 还包括： 将当前子载波的所有 LR域候选发送向量转换成原星座域的候选发送向 量；
判断原星座域的候选发送向量中的所有元素是否均为合法星座点， 若是， 则保留该原星座域的候选发送向量及其部分欧氏距离，若否， 则将该该原星座 域的候选发送向量丢弃； 以及
将所保留的原星座域的合法候选发送向量的所有星座点，进行 M-QAM星 座点反映射， 得到反映射的比特序列。
13. 根据权利要求 12所述的信号检测方法， 其特征在于， 将反映射的比特 序列中的逐个比特与比特距离表中的对应的位置进行比较， 若当前比特为 0且 其部分欧氏距离小于比特距离表中对应的最小部分欧氏距离，则用当前比特的 部分欧氏距离更新比特距离表中对应的最小部分欧氏距离， 若当前比特为 1且 其部分欧氏距离小于比特距离表中对应的最小部分欧氏距离，则用当前比特的 部分欧氏距离更新比特距离表中对应的最小部分欧氏距离。
14. 根据权利要求 13所述的信号检测方法， 其特征在于， 使用所述比特距 离表计算对应比特的 LLR软值：
LLR(bi t) = PEDmin,0 - PEDmiri l
Figure imgf000040_0001
以及
P miru为该比特 为1的所有候选发送向量中的最小部分欧氏距离值。
15. 根据权利要求 4所述的信号检测方法，其特征在于，对于复数系统，所 述 LLL格基规约为复数域的 LLL格基规约。
16. 一种用于 MIMO-OFDM无线通信系统的信号检测系统， 包括对多个 MIMO-OFDM数据包进行检测的 MIMO检测器模块，其特征在于，所述 MIMO 检测器模块包括信道矩阵预处理子模块、 存储子模块和 K-best搜索子模块； 所述 MIMO检测器模块配置成接收通过信道估计得出的每个子载波的信 道矩阵以及每个子载波的接收向量以作为输入；
所述 MIMO检测器模块配置成对 MIMO-OFDM数据包中的第一 OFDM 符号进行 MIMO检测处理，并且信道矩阵预处理子模块配置成对该第一 OFDM 符号的每个子载波的信道矩阵执行信道矩阵预处理，以生成全局动态 K值表， 其中所述信道矩阵预处理包括对当前子载波的信道矩阵进行分解和格基规约 以生成当前子载波的多个 LR域矩阵，其中所述全局动态 K值表包括与每个子 载波的每一搜索层对应的全局动态 K值，且其中对第一 OFDM符号进行 MIMO 检测处理包括对第一 OFDM符号的每个子载波执行下述步骤： 根据预设的固 定 K值或对当前子载波计算的可变 K值， 对当前子载波进行 K-best搜索， 以 及生成当前子载波的 LR域候选发送向量；
所述存储子模块配置成存储全局动态 K值表以及用于每个子载波的搜索 参数；
所述 K-best搜索子模块配置成对所述 MIMO-OFDM数据包中的每个后续 OFDM符号进行 MIMO检测， 其中所述 MIMO检测包括：
对当前 OFDM符号的每个子载波执行下述步骤：
读取当前子载波的多个 LR域矩阵以及接收向量； 将当前子载波的接收向量转换至 LR搜索域； 以及 对当前子载波进行 K-best搜索，以得出当前子载波的 LR域候选 发送向量， 其中在所述 K-best搜索中， 对当前子载波的每一搜索层 应用的 K值为所述全局动态 K值表中与该搜索层对应的全局动态 K 值。
17. 根据权利要求 16所述的信号检测系统， 其特征在于， 所述对每个子载 波的信道矩阵执行信道矩阵预处理的步骤还包括生成用于每个子载波的搜索 参数， 其中所述搜索参数包括与每个子载波的每一搜索层对应的 LR域搜索上 界和下界； 及
所述对当前子载波进行 K-best搜索的步骤还包括在所述 K-best搜索中， 对当前子载波的每一搜索层应用所述搜索参数中与该搜索层对应的 LR域搜索 上界和下界。
18. 根据权利要求 16所述的信号检测系统， 其特征在于， 若所述 MIMO- OFDM无线通信系统为实数系统， 则所述信号检测系统还包括实数分解子模 块，该实数分解子模块配置成在所述信道矩阵预处理之前对每个子载波的信道 矩阵进行实数分解； 并且
所述 K-best搜索子模块还配置成 在对当前子载波进行 K-best搜索之前对 接收向量进行实数分解。
19. 根据权利要求 16所述的信号检测系统， 其特征在于， 所述信道矩阵预 处理子模块中还包括 MMSE扩展单元、排序 QR分解单元以及 LLL格基规约 单元， 分别配置成对当前子载波的信道矩阵进行 MMSE扩展、 排序的 QR分 解， 以及 LLL格基规约， 以生成多个 LR域矩阵；
其中所述排序的 QR分解产生酉矩阵、上三角矩阵和交换矩阵， 所述 LLL 格基规约包括对所述酉矩阵、 所述上三角矩阵和所述交换矩阵进行 LLL格基 规约以生成所述多个 LR域矩阵， 其中所述多个 LR域矩阵包括格基酉矩阵、 格基上三角矩阵和格基转换矩阵。
20. 根据权利要求 19所述的信号检测系统， 其特征在于， 所述 K-best搜索 子模块还包括偏移缩放单元， 该偏移缩放单元配置成在对当前子载波进行 K- best搜索之前，对接收向量进行偏移缩放并将偏移缩放后的接收向量与所述格 基酉矩阵的共轭转秩相乘， 以得到在 LR域中的接收向量。
21. 根据权利要求 19所述的信号检测系统， 其特征在于， 所述信道矩阵预 处理子模块还包括 LR域搜索上界和下界确定单元， 该单元配置成按下述方式 得出 LR域搜索界：
对于第 n子载波的第〖搜索层的 LR域搜索上界：
Figure imgf000042_0001
对于第 n子载波的第〖搜索层的 LR域搜索下界：
Zimin = in⑻ . Z ((ln)_1[/])+ + max⑼ . E ((rn)_1[/])_； 其中 n为第〖搜索层的星座元素的定义域； 矩阵 (i -1为 LLL格基规约后 得到的格基转换矩阵的逆矩阵； (rTw]为矩阵 (rT1的第〖行； ((in) i [^])+ 为矩阵 -1的第〖行中为正
Figure imgf000043_0001
第〖行中为负 的元素。
22. 根据权利要求 16所述的信号检测系统， 其特征在于， 所述 K-best搜索 子模块配置成按照下述步骤中的一个步骤或多个步骤的组合来确定所述与每 个子载波的每一搜索层对应的全局动态 K值：
( 1 ) 对于信道状况较差的子载波， 与该子载波的搜索层对应的全局动态 K值增大；
(2 ) 向每个子载波的每一搜索层对应的全局动态 K值分配权重， 其中对 于距离起始搜索层较近的搜索层， 向与该搜索层对应的全局动态 K值分配较 大的权重； 以及
( 3 ) 将子载波分组， 针对分组中的子载波确定每个子载波的每一搜索层 对应的全局动态 K值。
23. 根据权利要求 21所述的信号检测系统， 其特征在于， 所述 K-best搜索 子模块配置成按照下述步骤中的一个步骤或多个步骤的组合来确定所述与每 个子载波的每一搜索层对应的全局动态 K值：
( 1 ) 对于信道状况较差的子载波， 与该子载波的搜索层对应的全局动态 K值增大；
(2 ) 向每个子载波的每一搜索层对应的全局动态 K值分配权重， 其中对 于距离起始搜索层较近的搜索层， 向与该搜索层对应的全局动态 K值分配较 大的权重；
( 3 ) 将子载波分组， 针对分组中的子载波确定每个子载波的每一搜索层 对应的全局动态 K值；
(4 )与每个子载波的每一搜索层对应的全局动态 K值为与每一搜索层的 搜索范围大小正相关的正整数； 以及
( 5 ) 将每个子载波的所有搜索层的搜索范围大小分段， 为搜索范围大小 的每个分段分配对应的全局动态 K值， 以使得搜索范围较大的分段对应于较 大的全局动态 K值；
其中所述每一搜索层的搜索范围根据下述公式确定： Ll一 Zl， max Z/， m/ + 1
24. 根据权利要求 16所述的信号检测系统， 其特征在于， 所述 K-best搜索 子模块对当前子载波进行 K-best搜索包括：
对于当前子载波的 K-best搜索树中的顶层， 从起始点进行由近及远的快 速枚举展开以得出起始搜索层的所有候选输出部分向量，其中起始搜索层的所 有候选输出部分向量的个数为与起始搜索层对应的全局动态 K值， 并计算起 始搜索层的候选输出部分向量与部分接收向量之间的部分欧氏距离；
对于所述 K-best搜索树中除所述顶层之外的每一搜索层， 执行下述展开 步骤：
根据上一层的每个候选输出部分向量在当前搜索层中确定一个起始点，从 每个起始点进行独立的展开；
(a) 在每个独立的展开中， 从该起始点展开第一子节点；
(b) 在与展开的子节点对应的部分候选向量集合中， 选择部分欧氏距离 最小的部分候选向量作为当前搜索层的候选输出部分向量；
(c) 从所述部分候选向量集合中取出与所述部分欧氏距离最小的部分候 选向量；
(d) 从与所述部分欧氏距离最小的部分候选向量对应的子节点展开得出 当前搜索层的下一子节点，并将与所述下一子节点对应的部分候选向量补充到 所述部分候选向量集合中；
(e)重复执行步骤 (b)至 (d)， 直至得出当前搜索层的所有候选输出部 分向量，其中当前搜索层的所有候选输出部分向量的个数为与当前搜索层对应 的全局动态 K值； 以及
当完成对所述 K-best搜索树中的底层的搜索时， 得出当前子载波的所有 LR域候选发送向量， 对当前子载波的 K-best搜索结束。
25. 根据权利要求 24所述的信号检测系统， 其特征在于， 所述 K-best搜索 子模块还包括丢弃路径重用单元，该丢弃路径重用单元配置成对于当前子载波 的当前搜索层中丢弃的次优的 LR域候选发送向量， 向下逐层展开至第 1搜索 层 ， 但仅扩展第一子节点， 以得到次优的 LR域候选发送向量， 并将所述次 优的 LR域候选发送向量增加到当前子载波的所有 LR域候选发送向量中。
26. 根据权利要求 16所述的信号检测系统， 其特征在于， 还包括对于当前 子载波创建的比特距离表， 其中在所述比特距离表中， 对于每个发射天线的 QAM符号的每个比特，包含当前比特为 0的所有 LR域候选发送向量中的最小 部分欧氏距离以及当前比特为 1的所有 LR域候选发送向量中的最小部分欧氏 距离。
27. 根据权利要求 26所述的信号检测系统，其特征在于，还包括 LLR软值 生成模块， 该 LLR软值生成模块配置成从 MIMO检测器模块接收当前子载波 的所有 LR域候选发送向量， 并将所述 LR域候选发送向量转换成原星座域的 候选发送向量；
判断原星座域的候选发送向量中的所有元素是否均为合法星座点， 若是， 则保留该原星座域的候选发送向量及其部分欧氏距离，若否， 则将该该原星座 域的候选发送向量丢弃； 以及
将所保留的原星座域的合法候选发送向量的所有星座点，进行 M-QAM星 座点反映射， 得到反映射的比特序列。
28. 根据权利要求 27所述的信号检测系统，其特征在于，该 LLR软值生成 模块还配置成将反映射的比特序列中的逐个比特与比特距离表中的对应的位 置进行比较， 若当前比特为 0且其部分欧氏距离小于比特距离表中对应的最小 部分欧氏距离，则用当前比特的部分欧氏距离更新比特距离表中对应的最小部 分欧氏距离， 若当前比特为 1且其部分欧氏距离小于比特距离表中对应的最小 部分欧氏距离，则用当前比特的部分欧氏距离更新比特距离表中对应的最小部 分欧氏距离。
29. 根据权利要求 28所述的信号检测系统，其特征在于，所述 LLR软值生 成模块配置成使用所述比特距离表计算对应比特的 LLR软值：
LLR(bi t) = PEDmin,0 - PEDmiri l
Figure imgf000045_0001
以及
P miru为该比特 ^为1的所有候选发送向量中的最小部分欧氏距离值; 并且 所述 LLR软值生成模块还配置成输出计算出的 LLR软值。
30. 根据权利要求 19所述的信号检测系统， 其特征在于， 对于复数系统， 所述 LLL格基规约为复数域的 LLL格基规约。
PCT/CN2019/122736 2019-02-28 2019-12-03 带有检测中信道矩阵预处理的mimo-ofdm无线信号检测方法和系统 WO2020173161A1 (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US17/434,899 US11509516B2 (en) 2019-02-28 2019-12-03 MIMO-OFDM wireless signal detection method and system capable of channel matrix pre-processing during detection

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201910152084.3A CN111628952B (zh) 2019-02-28 2019-02-28 带有检测中信道矩阵预处理的mimo-ofdm无线信号检测方法和系统
CN201910152084.3 2019-02-28

Publications (1)

Publication Number Publication Date
WO2020173161A1 true WO2020173161A1 (zh) 2020-09-03

Family

ID=72238357

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2019/122736 WO2020173161A1 (zh) 2019-02-28 2019-12-03 带有检测中信道矩阵预处理的mimo-ofdm无线信号检测方法和系统

Country Status (3)

Country Link
US (1) US11509516B2 (zh)
CN (1) CN111628952B (zh)
WO (1) WO2020173161A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022078064A1 (zh) * 2020-10-16 2022-04-21 中兴通讯股份有限公司 球形译码检测方法和装置、电子设备、存储介质
WO2023054925A1 (ko) * 2021-09-30 2023-04-06 삼성전자주식회사 수신 장치 및 이의 동작 방법
CN117081677A (zh) * 2023-10-13 2023-11-17 湖北大学 一种对sefdm系统中载波间损伤的处理方法及设备

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111628951B (zh) * 2019-02-28 2021-08-31 乐鑫信息科技（上海）股份有限公司 带有检测前信道矩阵预处理的mimo-ofdm无线信号检测方法和系统
WO2022094778A1 (zh) * 2020-11-04 2022-05-12 华为技术有限公司 多输入多输出mimo系统的检测方法和装置
TWI774199B (zh) * 2021-01-19 2022-08-11 緯創資通股份有限公司 通道狀態資訊之表示方法及其相關接收裝置
CN113114603B (zh) * 2021-04-20 2022-02-18 西安科技大学 一种mimo-ofdm系统的信息恢复方法及装置
CN114254713B (zh) * 2022-02-28 2022-05-27 北京理工大学 一种基于时频变换与动态模式分解的分类系统及方法
CN114915321B (zh) * 2022-04-29 2024-05-07 清华大学 一种mimo系统中信号的动态检测方法及装置
CN115001546B (zh) * 2022-05-26 2023-09-08 西安电子科技大学 基于并行K-Best搜索的MIMO系统信号检测方法
CN115333583B (zh) * 2022-08-10 2024-02-06 比科奇微电子(杭州)有限公司 多发多收通信系统的信号检测方法及装置
US12052081B2 (en) * 2022-08-16 2024-07-30 Qualcomm Incorporated Antenna switching in frequency bands with power spectral density (PDS) limits
CN115987746A (zh) * 2022-12-15 2023-04-18 东南大学 一种涅斯捷罗夫梯度加速的马尔可夫链蒙特卡罗检测方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101917368A (zh) * 2010-07-30 2010-12-15 北京邮电大学 基于格基规约的mimo检测的软输出方法
EP2458747A1 (en) * 2010-11-30 2012-05-30 ST-Ericsson SA Detection process for a receiver of a wireless MIMO communication system
CN105814857A (zh) * 2013-10-17 2016-07-27 乔治亚技术研究公司 用于低复杂度和高性能通信的改进的格基约减辅助的k-best 算法
KR101949031B1 (ko) * 2017-08-28 2019-02-15 세종대학교산학협력단 Mimo-ofdm 시스템에서, 신호 검출 방법 및 장치

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080279298A1 (en) * 2007-05-10 2008-11-13 Comsys Communication & Signal Processing Ltd. Multiple-input multiple-output (mimo) detector incorporating efficient signal point search
EP2525537B1 (en) * 2011-05-19 2014-11-19 ST-Ericsson SA MIMO receiver using lattice reduction and K-Best detection
CN103997474A (zh) * 2014-06-12 2014-08-20 安徽工业大学 一种基于次佳检测的mimo-ofdm的通信装置及其通信方法和实验装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101917368A (zh) * 2010-07-30 2010-12-15 北京邮电大学 基于格基规约的mimo检测的软输出方法
EP2458747A1 (en) * 2010-11-30 2012-05-30 ST-Ericsson SA Detection process for a receiver of a wireless MIMO communication system
CN105814857A (zh) * 2013-10-17 2016-07-27 乔治亚技术研究公司 用于低复杂度和高性能通信的改进的格基约减辅助的k-best 算法
KR101949031B1 (ko) * 2017-08-28 2019-02-15 세종대학교산학협력단 Mimo-ofdm 시스템에서, 신호 검출 방법 및 장치

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022078064A1 (zh) * 2020-10-16 2022-04-21 中兴通讯股份有限公司 球形译码检测方法和装置、电子设备、存储介质
WO2023054925A1 (ko) * 2021-09-30 2023-04-06 삼성전자주식회사 수신 장치 및 이의 동작 방법
CN117081677A (zh) * 2023-10-13 2023-11-17 湖北大学 一种对sefdm系统中载波间损伤的处理方法及设备
CN117081677B (zh) * 2023-10-13 2023-12-15 湖北大学 一种对sefdm系统中载波间损伤的处理方法及设备

Also Published As

Publication number Publication date
CN111628952A (zh) 2020-09-04
CN111628952B (zh) 2021-06-15
US20220060365A1 (en) 2022-02-24
US11509516B2 (en) 2022-11-22

Similar Documents

Publication Publication Date Title
WO2020173161A1 (zh) 带有检测中信道矩阵预处理的mimo-ofdm无线信号检测方法和系统
JP4468373B2 (ja) マルチ・キャリアｍｉｍｏシステムのための速度選択
CN105554865B (zh) 一种基于stbc的mimo-scma系统下行链路设计方法
CN108736936B (zh) 一种多天线系统中抗窃听的索引调制正交频分复用传输方法
CN105306175B (zh) 基于v-blast编码方式的mimo-scma系统上行链路构架方法
US20060215781A1 (en) Method for detecting and decoding a signal in a MIMO communication system
KR101578935B1 (ko) 다중 입출력 시스템에서 수신 방법 및 장치
JP4130821B2 (ja) 多重アンテナを使用する直交周波数分割多重システムでの干渉信号を除去する装置及び方法
CN107995139B (zh) 一种正交频分复用索引调制传输方法
JP2009060616A (ja) Ｍｉｍｏシステムに用いる低複雑度の信号検出方法及びその検出装置
CN104753643B (zh) 一种基于信道状态信息的自适应交织方法及装置
CN100380856C (zh) 用于比特交织cofdm-mimo系统的简化解码器
CN109274630B (zh) 抗频率选择性衰落的多载波信号矢量分集合并方法
WO2020173160A1 (zh) 带有检测前信道矩阵预处理的mimo-ofdm无线信号检测方法和系统
Wang et al. Exploring smart pilot for wireless rate adaptation
US10063402B1 (en) Sub-carrier adaptation in multi-carrier communication systems
CN101141167A (zh) 一种dft-cdma系统中单载波频域均衡方法和系统
CN103929386B (zh) 一种无线干扰消除方法
CN109688083B (zh) 一种基于子块设计的正交多载波全索引通信传输方法
Divyatha et al. Design and BER performance of MIMO-OFDM for wireless broadband communications
Tran et al. ASIC design of 600Mbps 4× 4 MIMO wireless LAN system
CN203039714U (zh) 一种mimo-ofdm的无线通信系统
JP6565089B2 (ja) フレームエラーレート予測装置、無線通信装置および無線通信システム
JP2019092014A (ja) フレームエラーレート予測装置、無線通信装置および無線通信システム
Upadhyay et al. BER performance of CC-OFDM system with NNLMS equalization technique

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 19916610

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 19916610

Country of ref document: EP

Kind code of ref document: A1