專利名稱：通信系統中低復雜度的極大似然檢測方法及裝置的制作方法
技術領域：
本發明涉及一種極大似然檢測方法及其裝置，尤其涉及一種可降低復雜度的極大似然檢測方法及裝置。
背景技術：
多天線傳輸的MIMO-OFDM可以極大地增加傳統OFDM系統的容量并提高傳輸的可靠性。然而分集和復用增益的獲得依賴于好的接收算法，MIMO-OFDM系統中的最優接收算法-極大似然接收算法可以取得最佳性能。然而極大似然接收算法有高的復雜度，在MIMO系統的檢測中，其復雜度與天線數、符號調制的階數相關并隨天線數目呈指數增長，使得此算法在中等大小天線數目的實際MIMO系統也無法直接使用。基于干擾抵消的OSIC、PIC以及ZF、MMSE、DFE等線性非線性接收算法復雜度較低，但是性能與極大似然接收算法相比差距較大，尤其在高階調制、天線數目多的情況下不能獲得令人滿意的性能。為了解決最優接收算法在MIMO系統中的應用瓶頸，一些減小復雜度的極大似然接收算法先后被提出。球形譯碼(Sphere decoding)算法是一種低復雜度的符號檢測算法，通過動態調整球心和半徑，在極大似然搜索空間的子空間中搜索具有最小歐氏距離的符號序列，從而獲得近似極大似然的性能。球形算法是基于子空間搜索，由于最優的符號序列有可能是在第一次也有可能是在最后一次搜索中得到，因此球形算法的復雜度不固定，且最大復雜度與極大似然窮盡搜索相同，尤其是在低信噪比時復雜度仍很高；此外，不存在簡單的算法來確定球形的半徑，常利用經驗值或者實驗值來確定半徑。為了獲得后續信道解碼所需要的比特軟信息，必須通過(List-Sphere)球形算法獲得多個估計序列來生成對數似然比。
考慮NT×NR配置的MIMO-OFDM系統，子載波數目為K，循環前綴的長度Ng，如圖1所示在MIMO-OFDM系統中，信號在多個天線的子載波上發送，各子載波上均經歷平衰落信道，接收機可在各子載波上獨立檢測以恢復出原始信息比特。考慮接收端n時刻第k子載波上信號的接收時，略取序號n和k，多天線基帶信號可以表示為y=1NTHx+z---(1)]]>其中y=[yk1,yk2,L,ykNR]T,]]>yk1，1≤i≤NT為第i個接收天線子載波k上的接收信號，x為子載波k上的多天線發送信號矢量x=[xk1,xk2,L,xkNT]T,]]>維數為NT×1，其元素為M＝2Q階調制符號xki∈S,1≤i≤NT,]]>Q為每個符號中的比特數目，調制符號集S＝{α1，α1，L，αM}經歸一化，其均值和平均符號能量分別為Σi=1Mαi=0;]]>Ex=(Σi=1M|αi|2)/M=1]]>(1)中 為發送端功率歸一化因子，使系統不因天線數目的增減而改變發送功率。H為NR×NT維的復數信道矩陣，可以利用導頻或者訓練序列在接收機通過最小二乘法(LS)、最小均方誤差(MMSE)等方法估計出來，在此假定接收機完全已知H。z為加性白噪聲矢量，其各元素服從獨立同分布的零均值復高斯分布，且方差為σz2。
當多天線發送信號的分布情況在接收端未知時，最優接收算法為極大似然檢測算法。接收機在各子載波上采用極大似然檢測算法時，y服從多變量正態分布。假定符號矢量x對應的比特矢量為b=[b1,b2,L,bNT]T,]]>NTQ×1維，其中bi＝[bi1，bi2，L，biQ]T為符號xi對應的比特，則b中比特bij，1≤i≤NT，1 ≤j≤Q的對數似然比為L(bij)=ln(Σb∈Bij.1Pr(y|H,x)Σb∈Bij.0Pr(y|H,x))---(3)]]>其中Bij，1、Bij，0為2NTQ-1個比特矢量b組成的集合，其中的矢量b均滿足Bij，1＝{b|bij＝1}Bij，0＝{b|bij＝0}，1≤i≤NT，1≤j≤Q(4)(3)式的直接計算涉及指數和對數的運算，在實際硬件實現時比較困難，通常采用MaxLog近似來簡化對數似然比計算，此時(3)可寫成L(bij)≈1σz2(minb∈Bij,0(D)-minb∈Bij.1(D));---(5)]]>D=||y-1NTHx||2]]>由(5)可以看出即使利用MaxLog簡化運算，在計算每個比特的對數似然比信息時，需要在所有可能的序列b中搜索。由于噪聲方差在式中為常數，分別取最大值等價于搜索求解。通過在2NTQ-1個序列的集合中搜索所有可能的比特序列b，從而可獲得滿足(5)的符號序列x，由于序列b的長度為NTQ，軟解調極大似然檢測的復雜度與比特矢量b的長度成指數增長，當天線數目和調制階數均較大時，搜索的時延和運算復雜度很高。實現困難是由于搜索求解的集合或者空間比較大，減小復雜度最直接方法就是減小搜索空間的范圍，在一個相對較小的集合中搜索，效率就會大大提高。由(5)可以首先排除使得式D取值較大的序列，從而獲得B的一個子集B′，其中必然包含發送比特序列b的極大似然解，b^ML=argminb∈BD---(6)]]> 是一個唯一解，不能直接用于計算比特似然比(5)，因此B′可以認為是包含極大似然估計的B的子集，在集合B′中搜索不會影響似然比的計算精度。因此(5)式可簡化為L(bij)≈maxb∈Bij.1′{-D/σz2}-maxb∈Bij.0′{-D/σz2}---(7)]]>為確定B′，可以首先考察極大似然解 極大似然解(6)同樣需要通過搜索求解，為減小極大似然檢測的運算復雜度，信道矩陣H可進行矩陣分解H＝QR (8)其中Q為酉矩陣，QHQ＝I，R為上三角矩陣，(7)中的2范數運算可寫為D=||QHy-1NTRx||2+||(I-QHQ)y||2---(9)]]>等式右邊的第二項為常數并不影響x的估計，在搜索時可以略去。令 E(nHQQHn)=σn2INT,]]>則最優搜索等價于 由于R矩陣為上三角矩陣，可以利用此特點減少運算，其中 只包含xNT的影響，不受到其它天線發送信號xi，1≤i≤NT的干擾， 中不僅包含來自第NT-1個天線xNT-1的信號還包含xNT的干擾信號，并可依次類推到直至 其中 包含來自所有發送天線的信號。
由(10)的第二個等式，最優比特或者符號序列等價于使得NT個數值和最小，也即NT個度量和MNT最小， 同時部分和可寫成遞歸形式
由(12)，部分和Mi只依賴于符號xm，m＝i，i+1，L，NT及前一部分和Mi-1。其中MNT對應于整個符號序列x的度量和。
極大似然序列估計需要在狀態數為Q長度為NT的狀態轉移網格圖中搜索，得到對應度量和MNT最小的符號序列估計 。除了利用(8)(12)來簡化路徑度量的計算外，還可以用維特比(Viterbi)算法、序列搜索、球形譯碼(Sphere Decoding)算法等來減少搜索的狀態數，從而減少搜索的復雜度和和運算時間。如(7)所示，計算比特軟信息需要得到包含 的序列集，上述算法都只能產生一個極大似然序列估計，需要調整以產生多個序列估計如List球形譯碼(List Sphere Decoding)算法、堆棧(Stack)算法、M算法等。然而這些算法均是基于符號序列的搜索和運算，以下提出一種簡單的基于線性檢測的算法(L-MLD)來計算比特軟信息，并逼近極大似然性能。
發明內容
本發明所要解決的技術問題是提供一種低復雜度的極大似然檢測方法及裝置，可以逼近極大似然檢測的性能，且簡化算法。
為了解決上述技術問題，本發明所采用的技術方案是提供一種低復雜度的極大似然檢測方法，包括如下步驟步驟1、進行線性檢測，依次得到符號初始估值和比特似然信息；步驟2、根據線性檢測結果，生成一個縮減的空間，該縮減的空間為全空間的子空間；步驟3、在縮減的空間中進行搜索，得到更新的比特似然信息，用于譯碼處理。
優選地，所述生成一個縮減的空間的方法是根據線性檢測結果進行比特硬判，根據硬判值得到縮減的漢明子空間。
相應地，本發明還提供一種低復雜度的極大似然檢測裝置，包括線性檢測裝置、進行線性檢測，依次得到符號初始估值和比特似然信息；子空間生成裝置、根據線性檢測結果，生成一個縮減的空間，該縮減的空間為全空間的子空間；似然信息更新裝置、在縮減的空間中進行搜索，得到更新的比特似然信息，用于譯碼處理。
優選地，所述漢明空間生成裝置包括比特硬判裝置、用于根據線性檢測結果進行比特硬判，根據硬判值得到縮減的漢明子空間；漢明空間生成裝置、用于根據硬判值得到縮減的漢明子空間。
本發明可以在無線寬帶通信和移動通信領域獲得廣泛應用，尤其是在第四代移動通信、多天線傳輸系統中將有廣闊的發展前景，根據本發明的方法生成的漢明子空間相對全空間大為減小且具有很高的可靠性，本發明可有效地減少了傳統軟輸出的極大似然序列搜索算法的復雜度并能逼近極大似然性能；具有多項式復雜度，序列誤差矢量可有效地利用比特異或運算預先生成。本發明可簡化多天線接收機算法，提高接收機性能。
圖1是MIMO-OFDM發射機基帶原理框圖。
圖2是本發明的極大似然檢測方法的流程框圖。
圖3是信道時延功率譜。
圖4是QPSK調制，不同天線配置的MIMO-OFDM系統的OSIC性能比較。
圖5是QPSK調制，不同天線配置時的MIMO-OFDM系統的ML性能比較。
圖6是16QAM調制，不同天線配置時的MIMO-OFDM系統的OSIC性能比較。
圖7是16QAM調制，不同天線配置時的MIMO-OFDM系統的ML性能比較。
圖8是QPSK4×4MIMO-OFDM系統不同算法的BER性能。
圖9是16QAM4×4MIMO-OFDM系統不同算法的BER性能。
圖10是64QAM4×4MIMO-OFDM系統不同算法的BER性能。
具體實施例方式
如圖2所示，本發明的低復雜度的極大似然檢測方法包括如下步驟步驟101、進行線性檢測，依次得到符號初始估值和比特似然信息；步驟102、根據線性檢測結果，生成一個縮減的空間，該縮減的空間為全空間的子空間；優選地，所述生成一個縮減的空間的方法是根據線性檢測結果進行比特硬判，根據硬判值得到縮減的漢明子空間。
步驟103、在縮減的空間中進行搜索，得到更新的比特似然信息，用于譯碼處理。
本具體實施例中，具體的極大似然檢測方法如下為避免極大似然搜索的高復雜度，可先由線性檢測接收機得到NT個發送符號的估計，此時比特似然信息只須在單個符號內計算。根據(1)，發送信號的線性估計為x^=Wy---(13)]]>
采用迫零(ZF)檢測算法和最小均方誤差(MMSE)檢測算法時，分別為WZF=NT(HHH)-1HH---(14)]]>WMMSE=NT(HHH+NTσn2I)-1HH]]>第i天線發送信號的估計為x^i=1NT(Wihixi+Σj≠iWihjxj+Wiz)---(15)]]>其中Wi表示線性檢測權系數矩陣W的第i行，hi為矩陣H=[h1,h2,L,hNT]]]>的第i列，第一項為xi的線性估計期望值，第二項為其他天線發送信號對xi的干擾，最后一項為等效噪聲。由于線性濾波器W影響噪聲的分布，發送符號能量歸一化為1，等效噪聲方差和干擾信號方差分別為 σI2=Σj≠i|Wihj|2/NT]]>考慮干擾和噪聲的影響，符號xi的第j比特bij的似然軟信息為 當采用ZF檢測和MMSE檢測時簡化時，可以分別簡化為L(bij)≈maxx∈Sj.1{-|NTx^i-x|2||Wi||2σz2}-maxx∈Sj.0{-|NTx^i-x|2||Wi||2σz2}]]>L(bij)≈maxx∈Sj.1{-|NTx^i-Wihix|2(Σj≠i|Wihj|2+||Wi||2σz2)}-maxx∈Sj.0{-|NTx^i-Wihix|2(Σj≠i|Wihj|2+||Wi||2σz2)}---(18)]]>式(18)分別得到線性檢測器輸出的比特似然信息，此解為次優解，為提高性能，可以在此比特似然信息基礎上進一步搜索獲得一個縮小空間的B的子集B′，從而利用式(7)得到更優的序列比特似然信息。
假定由式(18)或者得到序列的比特似然信息為L0=[L10,L20,L,Li0,L,LQNT0],]]>對應的比特硬判值為b‾=[b‾1,b‾2,L,b‾i,L,b‾QNT],]]>其中
b‾i=1Li0≥00Li0<0---(19)]]>Li0為線性檢測得到的初始軟信息， 為軟判得到的比特硬判值，NT為發送天線數目，Q為每個多天線發送符號中包含的比特數目。利用子空間方法，B的子集B′可定義為所有與 漢明距離小于p的比特矢量構成的集合，此集合中的元素個數遠小于2QNT。比特序列bi，bj間的漢明距離定義為dH(bi，bj)＝|{mbim≠bjm，1≤m≤QNT}|(20)bim為序列bi的第m位比特。
其中|A|表示集合A的基數(cardinality)。此時集合B′可寫成B′={b∈B|dH(b,b‾)≤p}]]>B′可以方便地利用比特矢量的異或運算來實現，由此可以構建由線性檢測得到的一個子空間B′，在此減小的空間中搜索必然獲得比式(17)更優的比特似然軟信息。
L(bij)≈maxb∈Bij.1′{-||y-1NTHx||2/σn2}-maxb∈bij.0′{-||y-1NTHx||2/σn2}---(22)]]>其中，L(bij)為第i個發送天線第j比特bij的似然信息，y為多天線基帶接收信號，H為等效信道矩陣，x為多天線基帶發送信號，σn2為噪聲方差。p的取值大，集合B′張成的空間就越大，則式(22)搜索的范圍越廣，求得的似然信息越可靠，復雜度越高，其極限情況即為全空間B的極大似然搜索。
相應地，本發明還提供一種低復雜度的極大似然檢測裝置，包括線性檢測裝置、進行線性檢測，依次得到符號初始估值和比特似然信息；子空間生成裝置、根據線性檢測結果，生成一個縮減的空間，該縮減的空間為全空間的子空間；似然信息更新裝置、在縮減的空間中進行搜索，得到更新的比特似然信息，用于譯碼處理。
優選地，所述的漢明空間生成裝置包括比特硬判裝置、用于根據線性檢測結果進行比特硬判，根據硬判值得到縮減的漢明子空間；漢明空間生成裝置、用于根據硬判值得到縮減的漢明子空間。
本發明的的檢測器分為兩部分進行，首先利用線性檢測裝置得初始比特似然信息，由此擴展得到一個縮減的解空間B′，從而在此空間搜索比特似然信息，其復雜度分別取決于兩部分的復雜度。式子(14)需要矩陣求逆運算，復雜度為o(NT3)，式子(21)可以有效地利用比特異或運算并不需要主要的復雜度，計算軟信息所需的比特序列數目主要取決于p的大小，在實際中p取較小值即可滿足計算精度。表1為MLD、List-Sphere及提出算法的L-MLD復雜度比較。
表1MIMO-OFDM系統檢測器復雜度比較復數乘法 復數加法MLD NTNRQNTNTNRQNTL-MLDNTNRΣi=0pQNTi+NT3]]>NTNRΣi=0pQNTi+NT3]]>List-Sphere NTNRP+NT3NTNRP+NT3從表中可以看出當P取值較小時，算法復雜度遠小于MLD，與List-Sphere算法復雜度相似，均為多項式復雜度。
以下部分給出MIMO-OFDM系統中基于L-MLD算法的性能及其比較。所提算法優越于傳統接收算法并逼近極大似然的性能。為驗證系統整體性能，MIMO-OFDM系統參數如表2所示，并采用ITU R M.1225中定義的室外信道PA信道模型。
圖3、圖4、圖5分別為未加信道編碼時MIMO-OFDM系統中OSIC和ML檢測器BER性能比較，調制方式為QPSK和16QAM，天線配置分別為2×2、2×4、4×4、4×2。由圖可知在MIMO系統中增加接收天線數目可以獲得接收分集提高系統性能，2×4的系統在OSIC和ML檢測時均優于2×2的性能，4×4的系統吞吐量比2×2系統高，BER性能在高信噪比時也同樣優于2×2的系統。當采用高階調制時，OSIC的性能迅速惡化，此外當接受天線數目少于發送天線數目時，傳統OSIC檢測器不能工作，此時ML檢測仍然可以獲得較好性能，由此說明ML檢測算法雖然復雜度高但是具有好的性能和傳統檢測不可替代的作用，減少復雜度的ML檢測器同樣具有好的應用前景。
表2MIMO-OFDM系統仿真參數參數 取值系統帶寬B 20MHz子載波數目K 2048有效子載波數目NA1536子載波間隔Δf 12.207kHz信號持續時間TU81.92μsCP占用的時間TCP18.08μsOFDM符號周期TS100μs
信道編碼Turbo code，生成式(13，15)8信道解碼MaxLogMap，8次迭代碼率1/3調制方式QPSK、16QAM、64QAM多天線配置 2×2、4×4、2×4、4×2圖6、圖7、圖8是4×4 MIMO-OFDM系統中調制方式分別采用QPSK、16QAM和64QAM，信道編碼為Turbo Code時，提出的算法和MMSE OSIC、List-Sphere、ML檢測算法的誤比特率性能比較。由圖可以看出提出的算法在p＝2時可以獲得相對基于MMSE的OSIC算法1dB的增益，增加p的取值時性能得到進一步提高，圖6中p＝5時生成的誤差矢量個數為219其復雜度與L＝256的List-Sphere算法復雜度近似相同，兩者性能差別很小，大約0.5dB逼近于ML的性能，與MMSE OSIC相比有1.9dB的增益。圖8中高階調制時，增大p的取值時生成的誤差矢量個數急劇增長，為減少運算復雜度，設定最大個數為1024與List-Sphere算法中備選序列數目相同，由仿真可以看出提出算法與List-Sphere算法具有相同性能，與ML的性能僅差0.7dB、1dB，與MMSE OSIC相比分別有2.1dB、2.7dB的增益。
權利要求
1.一種低復雜度的極大似然檢測方法，其特征在于，包括如下步驟步驟1、進行線性檢測，依次得到符號初始估值和比特似然信息；步驟2、根據線性檢測結果，生成一個縮減的空間，該縮減的空間為全空間的子空間；步驟3、在縮減的空間中進行搜索，得到更新的比特似然信息，用于譯碼處理。
2.根據權利要求1所述的低復雜度的極大似然檢測方法，其特征在于，所述生成一個縮減的空間的方法是根據線性檢測結果進行比特硬判，根據硬判值得到縮減的漢明子空間。
3.根據權利要求2所述的低復雜度的極大似然檢測方法，其特征在于，所述比特硬判的值為b‾=[b‾1,b‾2,L,b‾i,L,b‾QNT],]]>其中b‾i=1Li0≥00Li0<0]]>Li0為線性檢測得到的初始軟信息， 為軟判得到的比特硬判值，Nr為發送天線數目，Q為每個多天線發送符號中包含的比特數目。
4.根據權利要求3所述的低復雜度的極大似然檢測方法，其特征在于，根據所述硬判值得出的漢明距離為dH(bi，bj)＝|{mbim≠bjm，1≤m≤QNT}|其中，bim為序列bi的第m位比特。
5.根據權利要求4所述的低復雜度的極大似然檢測方法，其特征在于，漢明空間是B′={b∈B|dH(b,b‾)≤p}.]]>
6.根據權利要求5所述的低復雜度的極大似然檢測方法，其特征在于，更新的比特似然信息為L(bij)≈maxb∈Bij.1′{-||y-1NrHx||2/σn2}-maxb∈Bij.0′{-||y-1NrHx||2/σn2}]]>其中，L(bij)為第i個發送天線第j比特bij的似然信息，y為多天線基帶接收信號，H為等效信道矩陣，x為多天線基帶發送信號，σn2為噪聲方差。
7.一種低復雜度的極大似然檢測裝置，其特征在于，包括線性檢測裝置、進行線性檢測，依次得到符號初始估值和比特似然信息；子空間生成裝置、根據線性檢測結果，生成一個縮減的空間，該縮減的空間為全空間的子空間；似然信息更新裝置、在縮減的空間中進行搜索，得到更新的比特似然信息，用于譯碼處理。
8.根據權利要求7所述的低復雜度的極大似然檢測方法，其特征在于，所述的漢明空間生成裝置包括比特硬判裝置、用于根據線性檢測結果進行比特硬判，根據硬判值得到縮減的漢明子空間；漢明空間生成裝置、用于根據硬判值得到縮減的漢明子空間。
全文摘要
本發明提供一種低復雜度的極大似然檢測方法，包括如下步驟步驟1.進行線性檢測，依次得到符號初始估值和比特似然信息；步驟2.根據線性檢測結果，生成一個縮減的空間，該縮減的空間為全空間的子空間；步驟3.在縮減的空間中進行搜索，得到更新的比特似然信息，用于譯碼處理。本發明可有效地減少了傳統軟輸出的極大似然序列搜索算法的復雜度并能逼近極大似然性能；具有多項式復雜度，序列誤差矢量可有效地利用比特異或運算預先生成。本發明可簡化多天線接收機算法，提高接收機性能。
文檔編號H04L27/26GK101026435SQ20061002413
公開日2007年8月29日 申請日期2006年2月24日 優先權日2006年2月24日
發明者周志剛, 張小東, 卜智勇 申請人:中國科學院上海微系統與信息技術研究所, 上海無線通信研究中心