專利名稱：簡化最大似然檢測方法及檢測設(shè)備的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及MIMO系統(tǒng)中的信號檢測技術(shù)，具體地，涉及一種MIMO系統(tǒng)中的簡化最大似然檢測方法及檢測設(shè)備，能夠降低檢測的復(fù)雜度的同時不降低檢測性能。
背景技術(shù)：
隨著無線網(wǎng)絡(luò)和因特網(wǎng)的逐漸融合，人們對無線通信業(yè)務(wù)的類型和質(zhì)量的要求越來越高。為滿足無線多媒體和高速率數(shù)據(jù)傳輸?shù)囊?，需要開發(fā)新一代無線通信系統(tǒng)。因此，多天線輸入和輸出(MIMO)技術(shù)越來越受到人們的關(guān)注。
在MIMO系統(tǒng)中，發(fā)送端利用多根天線進行信號的發(fā)送，接收端利用多根天線進行信號的接收。研究表明，相比于傳統(tǒng)的單天線傳輸方法，MIMO技術(shù)可以顯著的提高信道容量，從而提高信息傳輸速率。另外，MIMO系統(tǒng)采用的發(fā)送和接收天線數(shù)愈多，其可提供的信息傳輸速率就愈高。眾所周知，空間的天線資源相比于時頻資源幾乎是無限可利用的，因此MIMO技術(shù)有效地突破了傳統(tǒng)研究中的瓶頸，成為了下一代無線通信系統(tǒng)的核心技術(shù)之一。
圖1所示為傳統(tǒng)的MIMO系統(tǒng)結(jié)構(gòu)示意。在該結(jié)構(gòu)中，發(fā)送端和接收端分別采用nT和nR個天線進行信號的發(fā)送和接收。在發(fā)送端，待發(fā)送的數(shù)據(jù)首先在串并變換單元101進行串并變換操作，分成nT路數(shù)據(jù)子流，每個數(shù)據(jù)子流對應(yīng)一根發(fā)送天線。然后，在相應(yīng)的編碼單元102和調(diào)制單元103分別對每個數(shù)據(jù)子流進行信道編碼和調(diào)制。然后，從各自對應(yīng)的發(fā)送天線104上將編碼和調(diào)制后的數(shù)據(jù)子流發(fā)送出去。
在接收端，首先由nR個接收天線111將空間全部信號接收下來。然后，在信道估計單元113，根據(jù)該接收信號中的導(dǎo)頻信號或采用其他方法進行信道估計，估計出當(dāng)前的信道特性矩陣矩陣H(對于MIMO系統(tǒng)來說，其信道特性可以用一個nR×nT的矩陣來描述)。接下來，在MIMO檢測單元112中，根據(jù)信道特性矩陣H，對各個發(fā)送數(shù)據(jù)子流進行檢測。最后，在譯碼單元114和并串變換單元115中對MIMO檢測單元112輸出的信號進行信道譯碼和并串變換，得到原始的發(fā)送數(shù)據(jù)。
對于MIMO檢測單元112來說，在實現(xiàn)時可以采用多種方法，包括(1)最大似然檢測(MLD)；(2)線性檢測方法，如迫零(ZF)，最小均方誤差(MMSE)等等；(3)干擾抵消檢測方法，如串行干擾抵消(SIC)，并行干擾抵消(PIC)等等。相對于其它檢測方法來說，MLD方法可以獲得最優(yōu)異的檢測性能。
●MLD在MIMO系統(tǒng)中，接收信號可以表示為r＝Hs+n其中s為nT×1發(fā)送符號向量，r為nR×1接收信號向量，H為nR×nT信道特性矩陣，n為nR×1加性白高斯噪聲向量。
在MLD中，檢測器計算在所有可能發(fā)送符號組合下接收信號與r之間的距離，其檢測輸出為最小距離所對應(yīng)的發(fā)送符號組合，即MLD的結(jié)果為s^=argmins^||r-Hs^||]]>其中， 為nT×1發(fā)送符號組合，||·||為向量范數(shù)。
雖然MLD檢測可以獲得優(yōu)異的檢測性能，然而，從上式可見，其實現(xiàn)復(fù)雜度也相當(dāng)高。具體說來，每檢測一個nR×1接收信號向量r，都需要對所有CnT個發(fā)送符號組合遍歷一次，其中C為發(fā)送符號調(diào)制星座上的星座點總數(shù)。一般來說，CnT的數(shù)值往往較大，尤其是系統(tǒng)采用高進制調(diào)制或發(fā)送天線數(shù)較多時，比如，當(dāng)采用4根發(fā)送天線，16QAM調(diào)制時，CnT=65536.]]>
●QRM-MLD前面提到，MLD在獲得優(yōu)異檢測性能的同時，需要以相當(dāng)高的運算復(fù)雜度為代價。為此，一種新的MIMO檢測方法-基于QRM的MLD(QRM-MLD)方法就被提出來了。研究表明，QRM-MLD方法可以在獲得逼近MLD性能的同時，有效降低檢測的運算復(fù)雜度。采用QRM-MLD的MIMO檢測單元如圖2所示。
圖2所示為采用QRM-MLD的MIMO檢測單元示意圖。
由圖2可見，采用QRM-MLD的MIMO檢測單元112包括四個部分排序部分201、分解部分202、矩陣運算部分203以及樹搜索部分204。與傳統(tǒng)MLD相比，QRM-MLD有兩個特點一是QR，即檢測時利用QR分解；二是M，即在樹搜索中采用了M算法。具體說來，QRM-MLD的實現(xiàn)如下首先，在排序部分201對發(fā)送信號排序。對發(fā)送信號排序的目的是為了使得在基于QR分解的MIMO檢測中能先檢測信道質(zhì)量好的符號，后檢測信道質(zhì)量差的符號，從而降低誤碼傳播對檢測性能的影響。在基于QR分解的MIMO檢測中，s(nT)最先檢測，s(nT-1)次之，依此類推，s(1)最后檢測。因此，排序操作的目的便是將信道質(zhì)量最好的符號交換到s(nT)位置，信道質(zhì)量次好的符號交換到s(nT-1)位置，依此類推。
當(dāng)前，對發(fā)送信號排序的方法有多種，如基于范數(shù)的排序方法。假設(shè)經(jīng)過排序操作，得到對原發(fā)送天線序列{1，2，...，nT}的一種排序結(jié)果p＝{k1，k2，...，knT}，其中天線knT最先檢測，天線k1最后檢測。然后，按排序結(jié)果p＝{k1，k2，...，knT}對發(fā)送序列s進行置換，得到s＝[s(k1)，s(k2)，...，s(knT)]。同時，按排序結(jié)果p對信道特性矩陣H進行列變換，得到新的H為[H(，k1)，H(，k2)，...，H(，knT)]。
其次，在分解部分202對信道特性矩陣H進行QR分解。MIMO檢測中采用QR分解的目的是為了降低檢測的運算復(fù)雜度。由矩陣理論可知，H可以通過QR分解得到H＝QR其中，Q為一nR×nT矩陣，滿足QHQ＝I，QH為Q的共軛轉(zhuǎn)置，I為單位矩陣。同時，R為一nT×nT的上三角矩陣。
第三，在矩陣運算部分203中進行左乘QH操作。接收信號r＝Hs+n左乘矩陣QH后，變換為z＝QHr＝Rs+n’其中，n’＝QHn，由于Q的正交性，n’與n有相同的統(tǒng)計特性。
最后，在樹搜索部分204中進行樹搜索操作。為了表示的更加清楚，將上式用矩陣形式表示，即有 圖3所示為QRM-MLD中樹搜索過程示意。在圖3的樹圖中，橫向共有nT級，其中第一級對應(yīng)發(fā)送符號s(nT)，第二級對應(yīng)發(fā)送符號s(nT-1)，依此類推。第一級中，有1個起始節(jié)點，有C個終了節(jié)點；第二級中，有C個起始節(jié)點，有C×C個終了節(jié)點；依此類推，在第n級中，起始節(jié)點和終了節(jié)點數(shù)分別為Cn-1和Cn，其中C為發(fā)送符號調(diào)制星座上的星座點總數(shù)。另外，每個節(jié)點出來的分支數(shù)亦為C。
在圖3的示例中，調(diào)制方式為BPSK，即C＝2。由于采用的是BPSK調(diào)制，對于每個發(fā)送符號s(n)只有兩種情況，即s(n)＝1和s(n)＝-1。在圖3中，每個節(jié)點出來的兩個分支中，上下分支分別對應(yīng)s(n)＝1和s(n)＝-1。
具體說來，QRM-MLD中樹搜索的過程如下(1)I＝1；(2)將第I級中的每個起始節(jié)點向后延伸C個分支，每個分支對應(yīng)該級符號的一個候選星座點；(3)計算該級所有路徑上的度量值e=Σi=nT+1-InT|z(i)-Σj=InTR(i,j)s^(j)|2;]]>(4)從該級所有路徑中選取度量值最低的M個路徑作為幸存路徑。圖3的示例中，M1＝M2＝M3＝2，其中Mi為第i級上的幸存路徑數(shù)目；
(5)判斷I是否為nT，否則I＝I+1并轉(zhuǎn)到步驟(2)。
QRM-MLD可以在獲得逼近MLD性能的同時，有效降低MIMO檢測的實現(xiàn)復(fù)雜度。
圖4所示為QRM-MLD與MLD性能比較。
圖4中，nT＝nR＝4，發(fā)送采用16QAM調(diào)制，采用平衰落準靜態(tài)MIMO信道。由圖4可見，M值(圖4中，Mi＝M，i＝1，2，..，nT)越大，QRM-MLD的性能越逼近MLD。當(dāng)M＝16時，兩者性能相近。從復(fù)雜度上來講，每進行一次QRM-MLD時，需要計算歐氏距離的次數(shù)為NUM＝C(1+M1+M2+...+MnT-1)，該數(shù)值與MLD相比要大為減少。
盡管如此，QRM-MLD的實現(xiàn)復(fù)雜度仍然較高。因為對于QRM-MLD來說，要獲得逼近MLD的檢測性能，需要選取較大的M值。此時對于傳輸高進制符號來說，即C值較大時，QRM-MLD所需的運算量仍然較大。因此，如何在不犧牲檢測性能的前提下，進一步降低QRM-MLD的實現(xiàn)復(fù)雜度仍是當(dāng)前一個重要的研究課題。

發(fā)明內(nèi)容
本發(fā)明的目的在于提供了一種低復(fù)雜度、高性能的MIMO檢測方法和設(shè)備。
在本發(fā)明的一個方面，提出了一種簡化最大似然檢測方法，包括步驟(a)根據(jù)信道特性矩陣對接收信號進行預(yù)檢測，以獲得各個符號的預(yù)檢測結(jié)果和相應(yīng)的信干噪比；(b)根據(jù)各個符號的預(yù)檢測結(jié)果和相應(yīng)的信干噪比確定與各個符號相對應(yīng)的候選星座點集合；(c)根據(jù)與各發(fā)送符號所對應(yīng)的候選星座點集合中星座點的個數(shù)來確定檢測順序，并按照所述檢測順序?qū)π诺捞匦跃仃嚨牧羞M行排序；以及(d)利用各個符號的候選星座點集合和確定的檢測順序，針對各個符號進行基于QR分解和M算法的最大似然檢測。
在本發(fā)明的另一方面，提出了一種檢測設(shè)備，包括預(yù)檢測裝置，用于根據(jù)信道特性矩陣對接收信號進行預(yù)檢測，以獲得各個符號的預(yù)檢測結(jié)果和相應(yīng)的信干噪比；確定裝置，用于根據(jù)各個符號的預(yù)檢測結(jié)果和相應(yīng)的信干噪比確定與各個符號相對應(yīng)的候選星座點集合；排序裝置，用于根據(jù)與各發(fā)送符號所對應(yīng)的候選星座點集合中星座點的個數(shù)來確定檢測順序，并按照所述檢測順序?qū)π诺捞匦跃仃嚨牧羞M行排序；以及最大似然檢測裝置，利用各個符號的候選星座點集合和確定的檢測順序，針對各個符號進行基于QR分解和M算法的最大似然檢測。
利用本發(fā)明的方法和設(shè)備，有效的減少了QRM-MLD之前各發(fā)送符號對應(yīng)的候選星座點數(shù)，從而降低QRM-MLD的實現(xiàn)復(fù)雜度。另外，本發(fā)明還利用發(fā)送符號在星座圖中的位置，對檢測順序進行進一步優(yōu)化，從而進一步提高了檢測性能。


圖1為傳統(tǒng)的MIMO系統(tǒng)的結(jié)構(gòu)示意圖；圖2為采用QRM-MLD的MIMO檢測單元的示意圖；圖3為QRM-MLD中樹搜索過程的示意圖；圖4為QRM-MLD與MLD性能比較曲線圖；圖5為根據(jù)本發(fā)明實施例的MIMO檢測單元的示意圖；圖6為根據(jù)預(yù)檢測結(jié)果確定與發(fā)送符號相對應(yīng)的候選星座點集合的操作的示意圖；圖7為根據(jù)本發(fā)明實施例所采用的MIMO檢測的流程圖；圖8為根據(jù)本發(fā)明的方法與傳統(tǒng)方法的性能比較曲線圖；圖9為根據(jù)本發(fā)明的方法與傳統(tǒng)方法的復(fù)雜度比較曲線圖。
具體實施例方式
下面結(jié)合

本發(fā)明的具體實施方式
。
圖5所示為根據(jù)本發(fā)明實施例的MIMO檢測單元的示意圖。
如圖5所示，本發(fā)明的MIMO檢測單元包括六個部分預(yù)檢測部分301、確定部分302、排序部分303、分解部分202、矩陣運算部分203以及樹搜索部分204。與圖2中的傳統(tǒng)QRM-MLD單元相比，本發(fā)明的MIMO檢測單元的不同之處在于(1)在QRM-MLD之前首先在預(yù)檢測部分301中進行預(yù)檢測。
這里，可以采用任一種低復(fù)雜度的MIMO檢測方法來進行預(yù)檢測操作，如常用的ZF或MMSE等等。通過預(yù)檢測，可以得到預(yù)檢測后的結(jié)果y，以及各發(fā)送符號的檢測后SINR。
比如，采用ZF檢測時，則有y＝Hr＝s+Hn其中，H為信道特性矩陣H的偽逆。同時，第i個發(fā)送符號s(i)的檢測后SINR為SINR(i)=PsPin(i)=Psσ2||wi||2]]>其中Ps為發(fā)送信號功率，Pin(i)為第i個發(fā)送符號的干擾和噪聲功率，σ2為噪聲方差，wi為H第i行。
對于MMSE檢測來說，則有SINR(i)=Psσ2[H*H+σ2InT/Ps]ii-1-1]]>(2)在確定部分302中根據(jù)預(yù)檢測的結(jié)果確定與各發(fā)送符號對應(yīng)的候選星座點的集合。
具體地，在星座圖上以預(yù)檢測輸出y為圓心，并根據(jù)檢測后SINR確定半徑，然后選取半徑范圍內(nèi)的星座點為該符號的候選星座點的集合。比如，與第i個發(fā)送符號s(i)相對應(yīng)的候選星座點的集合Q(i)為Q(i)＝{dn||y(i)-dn|≤f(SINR(i))}其中，dn為發(fā)送符號調(diào)制星座點，n＝1，2，...，C，y(i)為第i個符號的預(yù)檢測輸出，f(SINR(i))為SINR(i)的函數(shù)。
在實際系統(tǒng)中，函數(shù)f(SINR(i))可以有以下幾種形式I)f(SINR(i))=K1/SINR(i),]]>這是一種最簡單的形式，即確定候選星座點的圓半徑與SINR-1/2成正比，其中K為系統(tǒng)參數(shù)，i是自然數(shù)。
II)f(SINR(i))=Kj1/SINR(i),]]>當(dāng)SINR(i)∈Ωj時。這是上一種形式的擴展，當(dāng)SINR處于不同的數(shù)值區(qū)間時，選取不同的K系數(shù)。比如，當(dāng)SINR處于數(shù)值區(qū)間Ωj時，K系數(shù)為Kj，i和j是自然數(shù)。
圖6所示為根據(jù)預(yù)檢測結(jié)果確定與發(fā)送符號對應(yīng)的候選星座點集合的操作的示意圖。
在圖6的示例中，發(fā)送符號采用的是16QAM調(diào)制，即C＝16。經(jīng)選取后符號s(i)所對應(yīng)的候選星座點集合為Q(i)＝{d6，d9，d10，d11，d14，d15}。
(3)在排序部分303根據(jù)與各發(fā)送符號所對應(yīng)的候選星座點集合中星座點的個數(shù)確定檢測順序。
前面提到，在進行QRM檢測之前，一般都需要事先對發(fā)送信號進行排序。排序的目的是先檢測信道質(zhì)量好的符號，后檢測信道質(zhì)量差的符號，從而降低誤碼傳播對檢測性能的影響。在具體實現(xiàn)上，將信道質(zhì)量最好的符號交換到s(nT)位置，信道質(zhì)量次好的符號交換到s(nT-1)位置，依此類推。具體說來，即是按排序結(jié)果p＝{k1，k2，...，knT}對發(fā)送序列s進行置換，得到s＝[s(k1)，s(k2)，...，s(knT)]。同時，按排序結(jié)果p對信道特性矩陣H進行列變換，得到新的H為[H(，k1)，H(，k2)，...，H(，knT)]。
當(dāng)前，對發(fā)送信號排序的方法有多種，如基于范數(shù)的排序方法，基于SNR的排序方法等等。但是，傳統(tǒng)的排序方法中都沒能利用到發(fā)送符號在星座中的位置信息。從調(diào)制相關(guān)理論知道，在相同的SNR下，對于調(diào)制星座中的不同符號來說，其誤碼率(BER)是不同的。星座圖邊界處的符號的BER要比星座圖中心處的符號的BER要低(因為星座圖邊界處符號的相鄰符號少)。也就是說，單純的依據(jù)SNR數(shù)值的高低來確定排序順序并不完全合理。
本發(fā)明中，依據(jù)確定部分303中確定的與每個發(fā)送符號對應(yīng)的候選星座點集合來確定檢測順序，具體如下(3.1)候選星座點數(shù)越少的符號越先檢測，候選星座點數(shù)越多的符號越后檢測；(3.2)對于候選星座點數(shù)相同的符號來說，依據(jù)其檢測后SINR進行判別。即，檢測后SINR越高的符號越先檢測，檢測后SINR越低的符號越后檢測。
經(jīng)過以上的三個部分中的操作后，剩下的操作同傳統(tǒng)的QRM-MLD相似，即先在分解部分202中進行QR分解，然后在矩陣運算部分203中進行左乘QH操作，最后在樹搜索部分204中進行樹搜索。在本發(fā)明中，樹搜索部分204中不需要對每個節(jié)點延伸的所有C個分支都進行遍歷，而只需要對與包含在候選星座點集合中的星座點相對應(yīng)的分支進行遍歷即可。從實現(xiàn)流程上來說，本發(fā)明的方法可以用圖7來描述。
圖7所示為根據(jù)本發(fā)明實施例的MIMO檢測方法的流程圖。
如圖7所示，在步驟S601，已通過信道估計得到當(dāng)前的信道特性矩陣H，且接收信號為r。
在步驟S602，利用信道特性矩陣H對接收信號r進行預(yù)檢測。如上所述，這里可以采用任一種低復(fù)雜度的MIMO檢測方法作為預(yù)檢測方法，如常用的ZF或MMSE等等。通過預(yù)檢測，可以得到預(yù)檢測后的結(jié)果y，以及各發(fā)送符號的檢測后SINR。上面已經(jīng)給出了采用ZF作為預(yù)檢測方法時y和SINR的表達式。
在步驟S603，根據(jù)預(yù)檢測的結(jié)果確定與各發(fā)送符號對應(yīng)的候選星座點集合。
本發(fā)明的基本思想之一是利用MIMO預(yù)檢測后的結(jié)果縮小與各發(fā)送符號對應(yīng)的候選星座點集合，即將可能性不大的星座點從候選星座點集合中排除出去，從而簡化后續(xù)MIMO檢測的運算復(fù)雜度。
具體地，在星座圖上以預(yù)檢測輸出y為圓心，并根據(jù)檢測后SINR確定半徑，然后選取圓內(nèi)的星座點為符號的候選星座點集合。第i個發(fā)送符號s(i)相對應(yīng)的候選星座點集合Q(i)為Q(i)＝{dn||y(i)-dn|≤f(SINR(i))}其中，dn為發(fā)送符號調(diào)制星座點，n＝1，2，...，C，y(i)為第i個符號的預(yù)檢測輸出，f(SINR(i))為SINR(i)的函數(shù)。函數(shù)f(SINR(i))可以多種形式，具體同上面。根據(jù)預(yù)檢測結(jié)果確定各發(fā)送符號對應(yīng)的候選星座點集合的操作如圖6所示。
在步驟S604，根據(jù)與各發(fā)送符號所對應(yīng)的候選星座點集合中星座點的個數(shù)確定檢測順序。
本發(fā)明的另一基本思想是在對發(fā)送符號進行排序時除了利用信道信息之外，還充分利用各發(fā)送符號在調(diào)制星座中的具體位置。前面提到，傳統(tǒng)方法中單純的依據(jù)SNR數(shù)值的高低來確定排序順序并不完全科學(xué)。在相同的SNR下，對于調(diào)制星座中的不同符號來說，其BER也不盡相同。具體說來，步驟S604中對發(fā)送符號的排序遵循兩個準則(1)候選星座點集合中點數(shù)越少的符號越先檢測，候選星座點數(shù)越多的符號越后檢測；(2)對于候選星座點數(shù)相同的符號來說，依據(jù)其檢測后SINR進行判別。即檢測后SINR越高的符號越先檢測，檢測后SINR越低的符號越后檢測。
也就是說，即是得到對原發(fā)送天線序列{1，2，...，nT}的一種排序結(jié)果p＝{k1，k2，...，knT}，其中天線knT最先檢測，天線k1最后檢測。然后，按排序結(jié)果p＝{k1，k2，...，knT}對發(fā)送序列s進行置換，得到s＝[s(k1)，s(k2)，...，s(knT)]。同時，按排序結(jié)果p對信道特性矩陣H進行列變換，得到新的H為[H(，k1)，H(，k2)，...，H(，knT)]。
在步驟S605，進行QR分解。這里，按照傳統(tǒng)方法對按步驟S604中排序結(jié)果排序后的信道特性矩陣H進行QR分解，同時將接收信號r左乘QH。
在步驟S606，進行樹搜索操作。這里，按照傳統(tǒng)的M方法進行樹搜索，其具體實現(xiàn)過程在背景技術(shù)部分已經(jīng)介紹，同時可參考圖3。不同的是，在本發(fā)明的方法中，樹搜索中不需要對每個節(jié)點延伸的所有C個分支都進行遍歷，而只需要對與包含在候選星座點集合中的星座點相對應(yīng)的分支進行搜索即可。
圖8所示為根據(jù)本發(fā)明的方法與傳統(tǒng)方法的性能比較的曲線圖；圖9所示為根據(jù)本發(fā)明的方法與傳統(tǒng)方法的復(fù)雜度比較的曲線圖。在仿真中，給出了采用傳統(tǒng)QRM-MLD方法與本發(fā)明方法下的BER性能和實現(xiàn)復(fù)雜度比較，其中，發(fā)送天線數(shù)nT為4，接收天線數(shù)nR為4，收端采用的預(yù)檢測方法為ZF檢測，調(diào)制參數(shù)為16QAM。信道為平衰落、準靜態(tài)MIMO信道。
圖8中，在M＝8和12時，在選取K＝4或更大值時本發(fā)明的方法即可以獲得與傳統(tǒng)方法相近的BER性能。對于復(fù)雜度而言，MLD檢測中計算歐氏距離的操作占用了所有復(fù)雜度中的大部分，因此圖9中比較了傳統(tǒng)方法與本發(fā)明的方法下進行一次檢測所需的計算歐氏距離的次數(shù)。從圖9可見，本發(fā)明的方法在計算歐氏距離的次數(shù)上可以獲得有效的降低。
雖然，本發(fā)明的方法中增加了預(yù)檢測的操作，但是預(yù)檢測中計算H偽逆的操作是逐幀進行，而不需要逐符號進行。另外，確定與各發(fā)送符號對應(yīng)的候選星座點集合可以通過查找表的方式實現(xiàn)。如下表1(參照圖6所示的星座圖)表1 因此，根據(jù)y(i)在星座坐標系下的位置以及f(SINR(i))所在的區(qū)間，就可以迅速確定與該符號相對應(yīng)的候選星座點的集合。
此外，在本發(fā)明中，改變檢測順序所帶來的復(fù)雜度上的增加也不大，這是因為在一幀中信道和噪聲平均功率基本上不變，所以由于發(fā)送符號在星座圖中位置的變化所帶來的檢測順序的變化只是一種微小波動，而其在種類上的增加并不大，往往在一幀只有若干個。因此，復(fù)雜度的增加是很小的。
以上所述，僅為本發(fā)明中的具體實施方式
，但本發(fā)明的保護范圍并不局限于此，任何熟悉該技術(shù)的人在本發(fā)明所揭露的技術(shù)范圍內(nèi)，可輕易想到的變換或替換，都應(yīng)涵蓋在本發(fā)明的包含范圍之內(nèi)。因此，本發(fā)明的保護范圍應(yīng)該以權(quán)利要求書的保護范圍為準。
權(quán)利要求
1.一種簡化最大似然檢測方法，包括步驟(a)根據(jù)信道特性矩陣對接收信號進行預(yù)檢測，以獲得各個符號的預(yù)檢測結(jié)果和相應(yīng)的信干噪比；(b)根據(jù)各個符號的預(yù)檢測結(jié)果和相應(yīng)的信干噪比確定與各個符號相對應(yīng)的候選星座點集合；(c)根據(jù)與各發(fā)送符號所對應(yīng)的候選星座點集合中星座點的個數(shù)來確定檢測順序，并按照所述檢測順序?qū)π诺捞匦跃仃嚨牧羞M行排序；以及(d)利用各個符號的候選星座點集合和確定的檢測順序，針對各個符號進行基于QR分解和M算法的最大似然檢測。
2.如權(quán)利要求1所述的簡化最大似然檢測方法，其特征在于，所述步驟(d)包括步驟對排序后的信道特性矩陣進行QR分解，以得到Q矩陣和R矩陣；將接收信號左乘Q矩陣的共軛轉(zhuǎn)置矩陣；以及按照M算法對與包含在候選星座點集合中的星座點相對應(yīng)的分支進行搜索。
3.如權(quán)利要求1所述的簡化最大似然檢測方法，其特征在于，所述步驟(b)包括在星座圖上以各個符號的預(yù)檢測結(jié)果為圓心，將作為信干噪比的函數(shù)的半徑的范圍內(nèi)的星座點確定為該符號的候選星座點。
4.如權(quán)利要求3所述的簡化最大似然檢測方法，其特征在于，如下確定作為信干噪比的函數(shù)的半徑f(SINR(i))=K1/SINR(i);]]>其中SINR(i)是針對第i個符號進行預(yù)檢測得到的信干噪比，K為系統(tǒng)參數(shù)，i是自然數(shù)。
5.如權(quán)利要求3所述的簡化最大似然檢測方法，其特征在于，如下確定作為信干噪比的函數(shù)的半徑f(SINR(i))=Kj1/SINR(i),]]>當(dāng)SINR(i)∈Ωj時；SINR(i)是針對第i個符號進行預(yù)檢測得到的信干噪比，Ωj是與系數(shù)Kj相對應(yīng)的數(shù)值區(qū)間，i和j是自然數(shù)。
6.如權(quán)利要求3所述的簡化最大似然檢測方法，其特征在于，采用查表的方式確定各個符號的候選星座點。
7.如權(quán)利要求1所述的簡化最大似然檢測方法，其特征在于，候選星座點集合中點數(shù)少的符號先于候選星座點數(shù)多的符號被檢測。
8.如權(quán)利要求7所述的簡化最大似然檢測方法，其特征在于，對于候選星座點數(shù)相同的符號，信干噪比高的符號先于信干噪比低的符號被檢測。
9.如權(quán)利要求1所述的簡化最大似然檢測方法，其特征在于，在所述步驟(a)中，利用ZF檢測方法或MMSE檢測方法對接收信號進行預(yù)檢測。
10.一種檢測設(shè)備，包括預(yù)檢測裝置，用于根據(jù)信道特性矩陣對接收信號進行預(yù)檢測，以獲得各個符號的預(yù)檢測結(jié)果和相應(yīng)的信干噪比；確定裝置，用于根據(jù)各個符號的預(yù)檢測結(jié)果和相應(yīng)的信干噪比確定與各個符號相對應(yīng)的候選星座點集合；排序裝置，用于根據(jù)與各發(fā)送符號所對應(yīng)的候選星座點集合中星座點的個數(shù)來確定檢測順序，并按照所述檢測順序?qū)π诺捞匦跃仃嚨牧羞M行排序；以及最大似然檢測裝置，利用各個符號的候選星座點集合和確定的檢測順序，針對各個符號進行基于QR分解和M算法的最大似然檢測。
11.如權(quán)利要求10所述的檢測設(shè)備，其特征在于，所述最大似然檢測裝置包括分解部分，對排序后的信道特性矩陣進行QR分解，以得到Q矩陣和R矩陣；矩陣運算部分，用于將接收信號左乘Q矩陣的共軛轉(zhuǎn)置矩陣；以及樹搜索部分，用于按照的M算法對與包含在候選星座點集合中的星座點相對應(yīng)的分支進行搜索。
12.如權(quán)利要求10所述的檢測設(shè)備，其特征在于，所述確定裝置在星座圖上以各個符號的預(yù)檢測結(jié)果為圓心，將作為信干噪比的函數(shù)的半徑的范圍內(nèi)的星座點確定為該符號的候選星座點。
13.如權(quán)利要求12所述的檢測設(shè)備，其特征在于，如下確定作為信干噪比的函數(shù)的半徑f(SINR(i))=K1/SINR(i);]]>其中SINR(i)是針對第i個符號進行預(yù)檢測得到的信干噪比，K為系統(tǒng)參數(shù)，i是自然數(shù)。
14.如權(quán)利要求12所述的檢測設(shè)備，其特征在于，如下確定作為信干噪比的函數(shù)的半徑f(SINR(i))=Kj1/SINR(i);]]>當(dāng)SINR(i)∈Ωj時；SINR(i)是針對第i個符號進行預(yù)檢測得到的信干噪比，Ωj是與系數(shù)Kj相對應(yīng)的數(shù)值區(qū)間，i和j是自然數(shù)。
15.如權(quán)利要求12所述的檢測設(shè)備，其特征在于，采用查表的方式確定各個符號的候選星座點。
16.如權(quán)利要求10所述的檢測設(shè)備，其特征在于，候選星座點集合中點數(shù)少的符號先于候選星座點數(shù)多的符號被檢測。
17.如權(quán)利要求16所述的檢測設(shè)備，其特征在于，對于候選星座點數(shù)相同的符號，信干噪比高的符號先于信干噪比低的符號被檢測。
18.如權(quán)利要求10所述的檢測設(shè)備，其特征在于，所述預(yù)檢測裝置利用ZF檢測方法或MMSE檢測方法對接收信號進行預(yù)檢測。
全文摘要
公開了一種簡化最大似然檢測方法和設(shè)備。該方法包括(a)根據(jù)信道特性矩陣對接收信號進行預(yù)檢測，以獲得各個符號的預(yù)檢測結(jié)果和相應(yīng)的信干噪比；(b)根據(jù)各個符號的預(yù)檢測結(jié)果和相應(yīng)的信干噪比確定與各個符號相對應(yīng)的候選星座點集合；(c)根據(jù)與各發(fā)送符號所對應(yīng)的候選星座點集合中星座點的個數(shù)來確定檢測順序，并按照所述檢測順序?qū)π诺捞匦跃仃嚨牧羞M行排序；以及(d)利用各個符號的候選星座點集合和確定的檢測順序，針對各個符號進行基于QR分解和M算法的最大似然檢測。利用上述方案，有效的減少了QRM－MLD之前各發(fā)送符號對應(yīng)的候選星座點數(shù)，從而降低QRM－MLD的實現(xiàn)復(fù)雜度。
文檔編號H04L1/00GK1968067SQ200510125390
公開日2007年5月23日 申請日期2005年11月16日 優(yōu)先權(quán)日2005年11月16日
發(fā)明者佘小明, 李繼峰 申請人:松下電器產(chǎn)業(yè)株式會社