基于宽度优先树形搜索的MIMO信号检测方法

摘要

本发明公开了一种基于“宽度优先”树形搜索的MIMO信号检测方法，主要解决现有MIMO检测方法复杂度高的问题。其实现步骤为(1)系统预处理，包括信道矩阵QR分解，预计算路径度量因子；(2)利用“宽度优先”树搜索思想逐层检测信号：2a)利用上一层幸存路径扩展本层路径：利用Schnorr-Euchner枚举法依次确定路径扩展顺序、扩展路径和路径度量；2b)利用归并排序法对扩展路径的路径度量排序以确定幸存路径；(3)若所有层信号检测完成，将最小路径度量对应的幸存路径矢量作为最终检测输出；否则将幸存路径传给下一层检测下一层信号。本发明具有复杂度低，性能损失小的优点，可用于下一代宽带无线通信系统MIMO接收机的信号检测。

说明书

技术领域

本发明属于无线通信系统领域，涉及一种MIMO空间复用系统的信号检测方法，适合于下一代宽带无线通信系统中的MIMO接收机。 

背景技术

MIMO技术充分利用空间的多径特性可以达到扩充信道容量或提高信号可靠度的作用，成为下一代无线通讯的关键技术之一，但是在接收端如何可靠的检测多天线信号成为MIMO技术实现的关键之一，最优的最大似然ML检测算法由于其随天线数及调制阶数指数级增长的复杂度而难以在实际中应用，因此如何设计低复杂度，性能近似ML检测的MIMO检测算法，是一个很有实际意义的工作。 

传统的MIMO检测算法主要包括线性与非线性检测部分，线性有迫零ZF、最大均方误差MMSE检测等，非线性包括并行干扰抵消、串行干扰抵消检测等，这些算法复杂度虽低但性能较ML相差较大，因此通常用在一些对误码率要求不高的场合。 

近年来人们研究发现MIMO系统具有树结构特性，因此可以用树形搜索方法来进行检测。树形搜索算法由于低复杂度却近似ML检测性能的特性得到了广泛的应用，Garret在专利(07782984)”Method Of SphereDecoding With Low Complexity And Good Statistical Output”中提出利用基于“深度优先”的球形检测SD算法，但该类算法的复杂度随信道条件变 化，不利于硬件实现；Reuven在专利(7720169)“Multiple-inputmultiple-output(MIMO)detector incorporating efficient signal point searchand soft information refinement”中，提出了针对2发2收MIMO系统的基于“宽度优先”搜索策略的K-best检测方法，但该方法亦不太适合高速并行处理。 

基于“宽度优先”搜索策略的K-Best检测算法由于路径度量计算及排序等过程，还是具有较高的复杂度，不方便硬件实现，因此需要进一步降低检测的复杂度，以便于实际应用。 

发明内容

本发明目的在于克服上述已有技术的不足，提出一种基于“宽度优先”树形搜索的MIMO信号检测方法，在保证其吞吐率的前提下，降低传统K-Best检测方法的复杂度，以满足未来宽带无线通信系统的要求。

本发明是这样实现的： 

一.技术原理： 

定义：具有N_T个发送天线、N_R个接收天线的MIMO系统信号模型为： 

r＝Hs+n 

其中， 是N_R维接收列向量，r_i为第i根接收天线的接收信号，上标T表示转置运算； 为N_T维发送信号列向量，s_i为第i根发射天线的发送信号； 为N_R维噪声列向量，n_i表示第i根接收天线的信号噪声； 是N_R×N_T维信道传输矩阵，h_ij表示发送天线j到接收天线i的信道衰落系数，i＝1，2，..N_R， j＝1，2，..N_T，N_T表示发射天线数，N_R表示接收天线数。 

本发明涉及的MIMO信号检测即根据所述的接收信号r和信道矩阵H估计发射信号s。 

二.技术方案 

本发明基于“宽度优先”树形搜索的MIMO信号检测方法，包括： 

(1)系统预处理步骤： 

1a)对接收信号r及信道矩阵H进行实数化处理，得到实数接收向量r_Re与实数化矩阵H_Re； 

1b)对实数化矩阵H_Re进行QR分解，确定正交阵Q和上三角阵R，并利用Q阵与实数接收向量r_Re计算变换的接收信号；r′＝Q^T·r_Re，上标T表示转置运算； 

1c)将实数星座点Ω与上三角阵R相乘，得到预计算度量因子阵Γ； 

1d)令当前层索引i＝2_NT，初始化根节点，即将2N_T+1层的幸存路径为空，将路径度量设为0，确定每层检测要保留的幸存路径数K＝Mc，Mc表示实数星座点的大小； 

(2)从第2N_T层到第1层逐层检测信号步骤： 

2a)利用第i+1层保留的幸存路径扩展第i层节点：扩展前先利用Schnorr-Euchner枚举方法确定路径符号扩展的顺序，再以Schnorr-Euchner枚举结果进行路径扩展；当i＝2N_T时，扩展出Mc条新路径；其它层每条路径扩展出Mc个分支，共扩展得到K×Mc条新路径，确定每条新路径对应的路径度量值； 

2b)利用归并排序方法对步骤2a)中扩展得到的路径按路径度量值的 大小进行排序，确定K个最小度量值，并将这些最小度量值对应的路径放入路径寄存器中； 

(3)更新层索引步骤： 

检验当前层索引，如果当前层索引i＝1，执行步骤(4)，否则将路径寄存器中存放的幸存路径及对应的路径度量值输出到第i-1层，更新当前层索引将i减1，返回步骤(2)，对第i-1层的信号进行检测，直到当前层索引i＝1为止； 

(4)输出检测信号步骤： 

输出路径寄存器中最小度量值对应的路径矢量作为输出，检测完毕。 

本发明与现有技术相比具有如下优点： 

1)本发明由于在预处理步骤预先计算星座点集Ω与上三角阵R的乘积即路径度量因子，并利用星座点集Ω的特性简化了计算过程，从而避免了在路径扩展时对路径度量因子的重复计算，有效的节省了路径度量计算的复杂度和处理时间，降低了逐层检测信号的复杂度； 

2)本发明由于在路径扩展及路径度量计算前，利用Schnorr-Euchner枚举的方法使得每条路径扩展的分支按升序排列，从而简化了后续的排序过程； 

3)本发明由于用归并排序的方法代替传统的冒泡排序方法，能有效降低排序的复杂度，如对于K＝8的64QAM调制信号的检测，采用冒泡排序需要执行约64+63+62+…+57＝484次比较及交换操作，如果采用本发明中的归并排序方法，仅需执行约36*(4+2+1)＝252次比较及交换操作，该方法还采用并行流水结构实现，与冒泡排序相比节省了处理时间。 

仿真结果表明，本发明降低复杂度所造成的检测性能损失很小，在保证吞吐率的情况下，能满足下一代宽带无线通信系统高速处理和误比特率性能的要求。 

附图说明

图1是本发明的检测流程图； 

图2是本发明归并排序的子流程图； 

图3是对图2中子组两两合并排序的子流程图； 

图4是本发明与传统K-Best检测算法的性能仿真比较图。 

具体实施方式

下面将结合附图对本发明的具体实现过程进行详细描述。 

参照附图1，本发明检测方法的具体实现步骤如下： 

步骤一：系统预处理步骤： 

1a)对接收到的N_R维接收信号r及N_R×N_T维的信道矩阵H进行实数化处理，得到2N_R维的实数接收向量r_Re与2N_R×2N_T维的实数矩阵H_Re，并确定对应的实数星座点集Ω，对于QPSK调制信号Ω＝{1，-1}；16QAM调制信号Ω＝{1，3，-1，-3}；64QAM调制信号Ω＝{1，3，5，7，-1，-3，-5，-7}； 

所述的实数化处理按如下公式进行： 

$>\left(\begin{array}{c}\mathrm{Re}\left(r\right)\\ \mathrm{Im}\left(r\right)\end{array}\right)=\left(\begin{array}{cc}\mathrm{Re}\left(H\right)& -\mathrm{Im}\left(H\right)\\ \mathrm{Im}\left(H\right)& \mathrm{Re}\left(H\right)\end{array}\right)\left(\begin{array}{c}\mathrm{Re}\left(s\right)\\ \mathrm{Im}\left(s\right)\end{array}\right)+\left(\begin{array}{c}\mathrm{Re}\left(n\right)\\ \mathrm{Im}\left(n\right)\end{array}\right)---1)$>

这里，Re(g)表示取实部运算，Im(g)表示取虚部运算； 

实数矩阵H_Re及实数接收向量r_Re分别为： 

$>H_{\mathrm{Re}}=\left(\begin{array}{cc}\mathrm{Re}\left(H\right)& -\mathrm{Im}\left(H\right)\\ \mathrm{Im}\left(H\right)& \mathrm{Re}\left(H\right)\end{array}\right)$>

$>r_{\mathrm{Re}}=\left(\begin{array}{c}\mathrm{Re}\left(r\right)\\ \mathrm{Im}\left(r\right)\end{array}\right);$>

1b)对实数矩阵H_Re进行QR分解，计算2N_T×2N_T维的上三角阵R及2N_T维的变换接收信号r′， ，上标T表示转置运算；采用Givens变换实现QR分解，对QR分解模块输入[H_Re|r_Re]，经过QR分解，输出[R|r′] 

$>\left[R\right|r^{\prime }]=\left(\begin{array}{cccc}{r}_{11}& r_{12}& L& r_{\mathrm{1,2}{N}_T}\\ 0& r_{22}& L& r_{\mathrm{2,2}{N}_T}\\ M& M& O& M\\ 0& 0& L& r_{2N_T,2N_T}\end{array}\right)\left(\begin{array}{c}{r_1}^{\prime }\\ {r_2}^{\prime }\\ M\\ {r_{2N_T}}^{\prime }\end{array}\right)---2)$>

其中r_ij表示上三角阵R第i行第j列元素，i＝1，2，..2N_T，j＝1，2，..2N_T，N_T表示发送天线数； 

1c)执行预计算，即将实数星座点集Ω与上三角阵R相乘，得到路径度量因子阵Γ＝Ω·R，这里根据Ω中元素正负对称的特性，只计算Ω正数部分点与R的乘积，如64QAM调制，实数星座点集为Ω＝{1，3，5，7，-1，-3，-5，-7}，只计算子集{1，3，5，7}与三角阵R的乘积，以此简化计算结构，得到2N_T×2N_T×Mc维的度量因子阵Γ；其中Mc表示实数星座点集Ω的大小，N_T表示发送天线数； 

1d)令当前层索引i＝2N_T，初始化根节点，即将2N_T+1层的幸存路径为空，将路径度量设为0，确定每层检测要保留的幸存路径数K＝Mc，Mc表示实数星座点的大小。 

步骤二：从第2N_T层到第1层逐层检测信号。 

2a)：利用i+1层保留的幸存路径扩展第i层的符号节点： 

2a1)利用Schnorr-Euchner枚举方法确定路径的符号扩展顺序， 

Schnorr-Euchner枚举方法是E.Agrell等在文献“Closet Point Searchin Lattice”中提出的一种快速搜索最近符号点的方法，本发明中采用的Schnorr-Euchner枚举步骤如下： 

首先，计算第i层第j条路径符号估计点d_j＝[r′_i+1，j]i/R_i，i，r′_i+1，j表示第i+1层第j条幸存路径对应的接收信号矢量，R_i，i表示上三角R阵第i行第i列值，i为当前层索引，j＝1，2，..K； 

接着，利用符号估计点d_j确定符号扩展顺序， 

对于64QAM信号Ω＝{1，3，5，7，-1，-3，-5，-7}，第i层第j条路径符号扩展顺序为下面Φ矩阵的第m行所给出的符号顺序； 

$>\Phi =\left(\begin{array}{cccccccc}-7& -5& -3& -1& 1& 3& 5& 7\\ -5& -7& -3& -1& 1& 3& 5& 7\\ -5& -3& -7& -1& 1& 3& 5& 7\\ -3& -5& -1& -7& 1& 3& 5& 7\\ -3& -1& -5& 1& -7& 3& 5& 7\\ -1& -3& 1& -5& 3& -7& 5& 7\\ -1& 1& -3& 3& -5& 5& -7& 7\\ 1& -1& 3& -3& 5& -5& 7& -7\\ 1& 3& -1& 5& -3& 7& -5& -7\\ 3& 1& 5& -1& 7& -3& -5& -7\\ 3& 5& 1& 7& -1& -3& -5& -7\\ 5& 3& 7& 1& -1& -3& -5& -7\\ 5& 7& 3& 1& -1& -3& -5& -7\\ 7& 5& 3& 1& -1& -3& -5& -7\end{array}\right)$>

对于16QAM信号，Ω＝{1，3，-1，-3}，第i层第j条路径符号扩展顺序为下面Φ矩阵的第m行所给出的符号顺序； 

$>\Phi =\left(\begin{array}{cccc}-3& -1& 1& 3\\ -1& -3& 1& 3\\ -1& 1& -3& 3\\ 1& -1& 3& -3\\ 1& 3& -1& -3\\ 3& 1& -1& -3\end{array}\right)$>

对于QPSK信号，当d_j＞0时，符号扩展顺序为{1，-1}，当d_j＜0时，符号扩展顺序为{-1，1}；这里Φ为符号扩展顺序矩阵， 表示根据d_j取值确定在符号扩展顺序矩阵Φ中的行索引， 表示取不大于d_j的最大整数；按照Schnorr-Euchner枚举确定的符号扩展顺序调整Γ_i中每一行顺序，得到新的度量因子向量Γ′_i，这样在计算路径度量时，每条路径扩展出的分支按路径度量值升序排列，便于后续的排序操作，其中Γ_i表示度量因子阵Γ第i列； 

2a2)计算扩展的路径矢量对应的路径度量值P_i，j，l。 

路径度量P_i，j，l的计算通过如下公式进行： 

P_i，j，l＝P_i+1，j+([r′_i+1，j]_i-[Γ′_i，i]_l)²，j∈1，2，..K，l∈1，2，..Mc    5) 

j＝1，2，..K，l＝1，2，...Mc  6) 

上式中，P_i，j，l表示第i层第j条幸存路径第1条分支对应的路径度量，r′_i，j，l表示第i层第j条幸存路径第1条分支在去除2N_T：(2N_T-i)层干扰后的剩余接收向量，Γ_i表示度量因子阵Γ的第i列，Γ′_i表示Γ_i由2.1)调整顺序后得到的向量，Γ′_i，i表示Γ′_i的第i行元素，K表示上一层检测得到的幸存路径数，Mc表示实数星座点的大小，[·]_n表示矢量的第n个分量， 表示矢量的前n个分量，i＝2N_T....1； 

通过式5)-6)的计算公式，第i层符号扩展时，输入K个幸存路径矢量，输出K个新的路径矢量分组，每个分组有Mc条路径，且该分组中 路径以路径度量P_i，j，l大小按升序排列，即P_i，j，1＜P_i，j，2＜L＜P_i，j，Mc，j＝1，2，LK； 

2b)利用归并排序对步骤2a)扩展得到的K×Mc条新路径进行排序，得到K个最小路径度量值节点及其所对应的路径矢量。 

参照图2，本步骤的归并排序如下： 

2b1)将每条路径扩展的分支作为一个子组，则共有K个子组，每个子组中度量值按升序排列； 

2b2)将这些升序排列的子组两两合并排序： 

首先，设定一个大小为K的最小值列表，定义该最小值列表的长度L＝K； 

接着，将两个子组奇偶间隔合并为一个队列，定义该队列长度N＝2n，n表示子组的长度； 

接着，将队列相邻元素进行两两比较，并将队头元素输出到最小值列表的第K-L+1位置处，更新最小值列表长度，将最小值列表长度L减1；删除队头元素，更新队列长度，将队列长度N减1；比较更新后的队列长度N与更新后的最小值列表长度L：如果N＞L，则将队尾元素删除，并再次更新队列长度将队列长度N减1；否则不删除队尾元素；对队列更新K次，将最小值列表填满，再将最小值列表中的元素作为本次合并排序的输出，如图3所示； 

2b3)重复执行步骤2b2)，直到当前只有一个子组为止，再将该子组作为本层的幸存路径输出。 

归并排序完成后，从K×Mc条扩展路径中得到K个最小路径度量值 P_i，0，P_i，1，...P_i，K-1，i为当前层索引，将这K个最小路径度量值对应的路径矢量作为第i层的幸存路径存入路径寄存器中。 

步骤三：更新层索引： 

检验当前层索引，如果当前层索引i＝1，执行步骤四；否则将路径寄存器中存放的幸存路径及对应的路径度量值输出到第i-1层，更新当前层索引将i减1，返回步骤二，对下一层信号进行检测，直到当前层索引i＝1为止； 

步骤四：将路径寄存器中最小路径度量值对应的路径矢量作为输出，检测完毕。 

本发明的效果可以通过仿真说明： 

1)仿真条件：系统使用2发2收MIMO系统，信道采用瑞利块衰落信道，调制方式选择为64-QAM。 

2)仿真内容与结果： 

用本发明的K-Best方法与传统的K-Best方法在上述仿真条件下针对误比特率随信噪比变化的性能进行仿真比较，仿真结果如图4所示。 

由图4可见，对64QAM调制方式，本发明与传统的K-Best方法相比，其误比特率性能损失可以忽略，且本发明的实现复杂度仅为传统PD方法的60％左右。