專利名稱：一種多輸入多輸出數據檢測方法及裝置的制作方法
技術領域：
本發明涉及通信技術，尤其涉及一種多輸入多輸出數據檢測方法及裝置。
背景技術：
在LTE (Long Term Evolution,長期演進)及下一代無線通信系統中，為了提高頻譜效率，通常采用多輸入多輸出(MMO)技術。在MMO系統中，線性檢測和最大似然(ML)檢測的性能差異較大，ML算法的檢測性能遠好于線性檢測。但是ML檢測的復雜度較大，與調制階數和天線數成指數關系。因此，實際系統中，尤其是采用高階調制時，ML檢測因復雜度太高而難以實現。具體的，以一個NtXNkMIMO系統為例,接收信號可以表不為r = Hx+n 其中，H為等效的信道響應矩陣，χ為發送信號向量，η為噪聲向量，Ne表示接收天線數目，Nt表示發送天線數目。ML檢測的原理是找到一個信號向量i ,使得接收信號和重構的接收信號依之間距離最小Xml = arg min |卜—列 |由上式可知，ML檢測需要遍歷所有可能的發送信號的組合，才能搜索出使得卜.式距離最小的信號組合。若調制符號共有Q個星座點，則可能的發送信號的組合共有P種，使得ML檢測的復雜度太大，與成正比。在高階調制或者發送天線數較大時，ML檢歷搜索的過程將帶來非常大的計算復雜度，并耗費大量的時間，因而，在實際系統中，ML檢測難以實現。雖然有一些ML的簡化算法提出，比如球形譯碼，其主要的思想在于構造較小的候選集，且能有效覆蓋可能性較大的信號組合，而不必對所有可能的發送信號的組合進行遍歷搜索。但是球形檢測算法的缺點在于構造候選集的距離參數σ不好確定，若σ過大，則與ML檢測的復雜度相同，若σ過小，則可能需要反復搜索；而且球形檢測是逐層順序構造候選集的，耗時較長；另外，球形檢測算法的復雜度變動較大，在實際中，可能帶來較大的計算復雜度風險。因此，這些算法在天線數目較多、調制階數較高時復雜度仍然滿足指數關系，因此不能滿足系統的實時性要求。QRM-MLD (QR decomposition with M-algorithmmaximum-1 ikelihood detector,基于正交分解和多候選算法的最大似然算法)對于兩天線的情況，性能與復雜度仍然不能滿足要求。

發明內容
本發明實施例提供一種多輸入多輸出數據方法及裝置，以減小多輸入多輸出最大似然檢測的復雜度。
—種多輸入多輸出數據檢測方法，包括對于每個發送信號元素，確定基于其他發送信號元素的最大似然硬判檢測結果；分別將各個基于其他發送信號元素的最大似然硬判檢測結果從接收信號中去除，并確定與發送信號元素個數相同個數的基于其他發送信號元素的分支度量值；組合各個分支度量值，得到數據候選集。一種多輸入多輸出數據檢測裝置，包括硬判檢測單元，用于對于每個發送信號元素，確定基于其他發送信號元素的最大似然硬判檢測結果；確定單元，用于分別將各個基于其他發送信號元素的最大似然硬判檢測結果從接收信號中去除，并確定與發送信號元素個數相同個數的基于其他發送信號元素的分支度量·值；組合單元，用于組合各個分支度量值，得到數據候選集。本發明實施例提供一種多輸入多輸出數據檢測方法及裝置，對于每個發送信號元素，分別將各個基于其他發送信號元素的最大似然硬判檢測結果從接收信號中去除，再確定與發送信號元素個數相同個數的基于其他發送信號元素的分支度量值，組合各個分支度量值，得到數據候選集，該方案相當于將復雜度從P降低到Ag;-1，當Nt值小于Q時，減小了多輸入多輸出最大似然檢測的復雜度。


圖Ia為本發明實施例提供的多輸入多輸出數據檢測方法流程圖；圖Ib和圖Ic為本發明實施例提供的多輸入多輸出數據檢測方法性能仿真示意圖；圖2為本發明實施例提供的多輸入多輸出數據檢測裝置結構示意圖。
具體實施例方式本發明實施例提供一種多輸入多輸出數據檢測方法及裝置，對于每個發送信號元素，分別將各個基于其他發送信號元素的最大似然硬判檢測結果從接收信號中去除，再確定與發送信號元素個數相同個數的基于其他發送信號元素的分支度量值，組合各個分支度量值，得到數據候選集，該方案相當于將復雜度從降低到AfvH，當Nt值小于Q時，減小了多輸入多輸出最大似然檢測的復雜度。如圖Ia所示，本發明實施例提供的多輸入多輸出數據檢測方法，包括步驟S101、對于每個發送信號元素，確定基于其他發送信號元素的最大似然硬判檢測結果；步驟S102、分別將各個基于其他發送信號元素的最大似然硬判檢測結果從接收信號中去除，并確定與發送信號元素個數相同個數的基于其他發送信號元素的分支度量值；步驟S103、組合各個分支度量值，得到數據候選集。由于對于每個發送信號元素，都將基于其他發送信號元素的最大似然硬判檢測結果從接收信號中去除，因此，對于每個發送信號元素，將復雜度從CT降低到0AW，由于總共有Nt個發送信號元素，所以本發明實施例中，進行數據檢測的復雜度為ιρΑ-1。
在得到了各個基于其他發送信號元素的分支度量值后，只要將各分支度量值的矩陣簡單組合，即可得到包括所有發送信號元素的數據候選集。下面以2*2MM0系統為例進行說明，此時，Nt = Ne = 2，假定接收信號與發送信號滿足如下的線性關系r=Hs+n，其中r表示接收信號,其維數為NkX I ;H = [h1； h2]表示等效的信道響應,其維數為NkXNt ;s = [s1； s2]T表示發送信號，其維數為LXl ;η表示噪聲或者干擾，其維數為NkX I ；Ne表示接收天線數目，Nt表示發送天線數目； b是基于BICM編碼的數據比特流，那么每個比特的后驗(aposteriori)對數似然比(log-likelihoodratio, LLR)可以表不成
"、,1\Iil = +11 r)iD1(6[)-ln—^-—
DlV k> 尸( =-1 Ir)Lm (b'k) min |||r — Hsf | — min |||r — Hsf |其中，g是第k個傳輸天線上的符號的第i個比特，本發明實施例中，將0映射為-I，I映射為+1。對于Nt = Nr = 2，可以將I I r_Hs | |展開與成
P 2||r-Hs|「= r-[h1 h2] 1 = ||r--h2s21|"
|_^2」此時，發送信號中包括兩個發送信號元素S1和s2，時，步驟SlOl中，對于每個發送信號元素，確定基于其他發送信號元素的最大似然硬判檢測結果，具體包括確定第一發送信號元素S1基于第二發送信號元素S2的最大似然硬判檢測結果為
2 |-
,J1(^) = Srgmin r-h2s2 -IilS1 = Quantize (I^h1)—1Ii^y) = Quantized(H^h1 )_1h^(r -h^-,) ;
"s2eS V-v-'V--/L么-」
yL MRC檢測 _確定第二發送信號元素S2基于第一發送信號元素S1的最大似然硬判檢測結果
為
2 Γ -]
S2 (S1) = arg min r—Ji1S1 -h25, = Quantize (h*h,)—1IiRy) = Quantize (h:h2 )_1h* (r-h^,);
''— —> "~~-'L-J
yL MRC檢測 —其中，S1表不第一發送信號兀素，S2表不第二發送信號兀素，S為發送信號的調制星座圖，a.rg I丨i_i、n ||·χ|表示對于χ在x e X所有的可能中取最小值，Quantize [χ]表示量化到最近的星座點，Ii1表不H的第一列，h2表不H的第二列。這時，將通過基于ML檢測出來的見當作已知干擾消除后，再計算對應于已經通過ML檢測消除了 S1的毛的分支度量值，即
步驟S102中，分別將各個基于其他發送信號元素的最大似然硬判檢測結果從接收信號中去除，并確定與發送信號元素個數相同個數的基于其他發送信號元素的分支度量值，具體包括進行與調制階數相同次數的計算，確定第一發送信號元素基于第二發送信號元素的分支度量值為:BMr' = ||r -h2s2 -h,i, (s2)||"；進行與調制階數相同次數的計算，確定第二發送信號元素基于第一發送信號元素的分支度量值為-.BMh =||r-hA-hj2(&)丨|2。進一步，為了進一步降低復雜度，可以采用其它等價方式進行計算，例如，在步驟SlOl中，對于每個發送信號元素，確定基于其他發送信號元素的最大似然硬判檢測結果時，可以先確定U1 = r-h2s2，Zl;然后確定第一發送信號元素基于第二發送信號元素的最大似然硬判檢測結果為= ； 同樣的，先確定U2 = r-hlSl,Z2=(h>2)-1^2U2;再確定第一發送信號元素基于第二發送信號元素的最大似然硬判檢測結果為J2(A) = Quantize^}。相應的，步驟S102中，分別將各個基于其他發送信號元素的最大似然硬判檢測結果從接收信號中去除，并確定與發送信號元素個數相同個數的基于其他發送信號元素的分支度量值，則具體包括進行與調制階數相同次數的計算，確定第一發送信號元素基于第二發送信號元素的分支度量值為:BMh =Iu1-KA(^)II2;進行與調制階數相同次數的計算，確定第二發送信號元素基于第一發送信號元素的分支度量值為=h-〗i:.i2(.v;)||2。從而減少變量數量,進一步降低復雜度。可見，對于Nt = Nk = 2的情況，從數量級來說，本發明實施例提供的數據檢測方法可以將原來需要Q2次度量計算變成2Q次，對高階的MMO系統復雜度降低是非常明顯的，
O2 O
比如2 X 2MIM0系統，64QAM調制方式，這樣的復雜度降低比例是$ = ^- = 32
一O同樣的原理，可以推廣到Nt = Nk > 2的情況，例如，對于Nt = Nk = 4的情況，則先去除S1基于發送信號元素S2、S3, S4的最大似然硬判檢測結果，計算基于發送信號元素s2、s3、S4的分支度量值，再去除S2基于發送信號元素Sl、S3, S4的最大似然硬判檢測結果，計算基于發送信號元素Sl、S3、S4的分支度量值，同樣道理，分別計算出基于發送信號元素Sl、S2、S4的分支度量值和基于發送信號元素S1、S2、S3的分支度量值，其復雜度從Q4降低為4Q3，復
雜度降低比例是| = ￥ = 16
O在性能上，本發明實施例與線性接收機在SDM條件下的性能比較如圖lb、圖Ic所示，其中圖Ib是EVA、64QAM、2*2MM0條件下進行的仿真圖，圖Ic是EVA、16QAM、2*2MM0條件下進行的仿真圖，圖Ib和圖Ic中，由于本發明實施例提供的ML(simplified)(最大似然簡化算法)與ML的性能完全一致，沒有標ML的曲線。其中，仿真條件具體如表I所示
表 I
權利要求
1.一種多輸入多輸出數據檢測方法,其特征在于,包括 對于每個發送信號元素，確定基于其他發送信號元素的最大似然硬判檢測結果； 分別將各個基于其他發送信號元素的最大似然硬判檢測結果從接收信號中去除，并確定與發送信號元素個數相同個數的基于其他發送信號元素的分支度量值； 組合各個分支度量值，得到數據候選集。
2.如權利要求I所述的方法，其特征在于，當發送信號中包括兩個發送信號元素時，所述對于每個發送信號元素，確定基于其他發送信號元素的最大似然硬判檢測結果，具體包括 確定第一發送信號元素基于第二發送信號元素的最大似然硬判檢測結果為
3.如權利要求2所述的方法，其特征在于，所述分別將各個基于其他發送信號元素的最大似然硬判檢測結果從接收信號中去除，并確定與發送信號元素個數相同個數的基于其他發送信號元素的分支度量值，具體包括 進行與調制階數相同次數的計算，確定第一發送信號元素基于第二發送信號元素的分支度量值為=||r-h2.v: 進行與調制階數相同次數的計算，確定第二發送信號元素基于第一發送信號元素的分支度量值為:BMSi yir-hA-hAhf。
4.如權利要求I所述的方法，其特征在于，當發送信號中包括兩個發送信號元素時，所述對于每個發送信號元素，確定基于其他發送信號元素的最大似然硬判檢測結果，具體包括確定
5.如權利要求4所述的方法，其特征在于，所述分別將各個基于其他發送信號元素的最大似然硬判檢測結果從接收信號中去除，并確定與發送信號元素個數相同個數的基于其他發送信號元素的分支度量值，具體包括進行與調制階數相同次數的計算，確定第一發送信號元素基于第二發送信號元素的分支度量值為.
6.一種多輸入多輸出數據檢測裝置，其特征在于，包括 硬判檢測單元，用于對于每個發送信號元素，確定基于其他發送信號元素的最大似然硬判檢測結果； 確定單元，用于分別將各個基于其他發送信號元素的最大似然硬判檢測結果從接收信號中去除，并確定與發送信號元素個數相同個數的基于其他發送信號元素的分支度量值；組合單元，用于組合各個分支度量值，得到數據候選集。
7.如權利要求6所述的裝置，其特征在于，當發送信號中包括兩個發送信號元素時，所述硬判檢測單元具體用于 確定第一發送信號元素基于第二發送信號元素的最大似然硬判檢測結果為
8.如權利要求7所述的裝置，其特征在于，所述確定單元具體用于 進行與調制階數相同次數的計算，確定第一發送信號元素基于第二發送信號元素的分支度量值為:
9.如權利要求6所述的裝置，其特征在于，當發送信號中包括兩個發送信號元素時，所述硬判檢測單元具體用于確定 U1 = r-h2s2,
10.如權利要求9所述的裝置，其特征在于，所述確定單元具體用于 進行與調制階數相同次數的計算，確定第一發送信號元素基于第二發送信號元素的分支度量值為-.BM匕=IIu1-Ji1J1(S2)II2; 進行與調制階數相同次數的計算，確定第二發送信號元素基于第一發送信號元素的分支度量值為:BMS' =||u2-V2(S1)If。
全文摘要
本發明公開了一種多輸入多輸出數據檢測方法及裝置，對于每個發送信號元素，分別將各個基于其他發送信號元素的最大似然硬判檢測結果從接收信號中去除，再確定與發送信號元素個數相同個數的基于其他發送信號元素的分支度量值，組合各個分支度量值，得到數據候選集，該方案相當于將復雜度從降低到當NT值小于Q時，減小了多輸入多輸出最大似然檢測的復雜度。
文檔編號H04L25/03GK102882815SQ201210361158
公開日2013年1月16日 申請日期2012年9月25日 優先權日2012年9月25日
發明者戴曉明 申請人:電信科學技術研究院