CN101442390A - 空间相关MIMO的Turbo均衡接收方法与装置 - Google Patents

Abstract

空间相关MIMO的Turbo均衡接收方法与装置给出了一种对发送天线进行联合检测的迭代均衡算法，并提出了列表球型译码(LSD)的检测方法以降低实现复杂度，属于无线通信技术领域。本方法达到以下目的：一、采用迭代均衡将频率选择性信道变为平坦衰落信道，而可使用LSD译码来降低系统信号检测的复杂度。二、采用合并LSD和JAD－based SC/MMSE检测算法，它不但可以降低均衡器的复杂度，还可以降低MIMO信号检测算法对空间信道相关特性的敏感性。该发送天线联合检测的Turbo均衡接收技术可应用于空间相关的MIMO频率选择性信道中，能有效地消除天线间干扰(IAI)、符号间干扰(ISI)及多用户干扰。

Description

空间相关MIMO的Turbo均衡接收方法与装置

技术领域

本发明属于无线通信技术领域，特别涉及Turbo均衡迭代接收技术。

背景技术

比特交织编码调制(ST-BICM)是多入多出(MIMO)系统在平坦衰落信道中应用的简单和主流方案。然而，当它运用于宽带无线通信时，衰落信道会呈现出严重的频率选择性。另一方面，当MIMO系统的多个发送天线数据经过频率选择性衰落后，接收信号是多径叠加信号与多天线叠加信号组成，接收天线接收的信号由于信道的多径和多天线的不同数据传输会形成符号间干扰(ISI)与天线间信号干扰(IAI)。在MIMO系统中，优化的性能得到是通过最大似然序列检测(MLSE)，但MLSE的复杂度随天数与多径数呈指数增长。最近，列表球型译码(LSD)是MIMO系统在平坦落信道下的候选检测方法，它能取得性能与复杂度的最好折衷。

由于在频率选择性衰落信道中，由LSD的候选符号数随LSD的搜索半径成指数倍增长。最近，一种基于多天线联合检测(JAD)的MIMO信号软干扰消除最小均方差(SC/MMSE)迭代均衡技术被采用，它可将频率选择性信道转变为等效平坦衰落信道组，因此，LSD技术可应用于频率选择性信道下的MIMO信号检测，它的前提是采用基于JAD的SC/MMSE检测方法。

发明内容

本发明针对Turbo均衡迭代接收技术对空间相关性敏感的问题，提出了一种对发送天线进行联合检测的迭代均衡算法。由于该算法的复杂度随信道记忆长度、发送天线数的乘积呈指数增加，因此提出了列表球型译码(LSD)的检测方法以降低实现复杂度。该发送天线联合检测的Turbo均衡接收技术可应用于空间相关的MIMO频率选择性信道中，能有效地消除天线间干扰(IAI)、符号间干扰(ISI)及多用户干扰。

本发明的创新之处在于：将频率选择性信道通过迭代均衡变为平坦衰落信道，而可使用LSD译码来降低系统信号检测的复杂度，并将LSD和JAD-based SC/MMSE检测算法合并，它不但可以降低均衡器的复杂度，还可以降低MIMO信号检测算法对空间信道相关特性的敏感性。因为现有的基于每个发送天线数据流单独检测(ABA)的SC/MMSE迭代均衡技术对空间相关信道是非常敏感的，会随着空间相关特性的增强，性能急巨变差。由于JAD-based SC/MMSE信号检测方法将发送天线数据流看成信号矢量，通过对所有可能的发送信号矢量进行近最大似然的检测方式，使得MIMO系统的性能对空间相关特性的敏感性低于基于ABA的SC/MMSE检测方法。

1.发送机与信道模型

空时比特交织编码调制(ST-BICM)是一种简单的空时信号传输方案，运用于本发明作为空时信号传输方法，其发送机结构如说明附图1所示。信息比特系列u经过编码器得到编码数据序列c，经过交织得到数据序列v，采用分路的方式得到与传输天线数相应的数据子序列x，经过调制映射得到每一传输天线上的数据符号S。接收机结构如说明附图2所示。假设理想的信道估计和精确的接收信号同步。接收机由两级软入软出(SISO)构成，通过交织器与去交织器分隔，用对数似然比(LLR)表示的外信息在两级之间进行交换。

由说明附图1的发射机及说明附图2接收机模型，编码器的输出序列经交织器交织后的序列为v＝[v₁，v₂…，v_B]，其中B是交织器帧长。根据发送天线数n_T划分为子块，在每一个子块中： $x^{\left(m\right)}={[x_1^{\left(m\right)},x_2^{\left(m\right)},\&CenterDot;\&CenterDot;\&CenterDot;x_P^{\left(m\right)}]}^T,$ m＝1，…，n_T，m是传输天线顺序，P是每一个调制符号的比特数，调制符号可由s^(m)＝map(x^<m>)的映射函数在2^P个调制符号 $S=\{{\mathrm{\&alpha;}}_0,{\mathrm{\&alpha;}}_1,\&CenterDot;\&CenterDot;\&CenterDot;,{\mathrm{\&alpha;}}_{2^P-1}\}$ 中得到。再对每个天线可传输符号组成符号帧 $\{s_1^{\left(m\right)},s_2^{\left(m\right)},\&CenterDot;\&CenterDot;\&CenterDot;s_{L_s}^{\left(m\right)}\}\&Element;S,$ 传输符号构成传输符号矩阵 $s\left(l_s\right)=[s^{\left(1\right)}{\left(l_s\right)}^T,s^{\left(2\right)}{\left(l_s\right)}^T,\&CenterDot;\&CenterDot;\&CenterDot;,s^{\left(n_T\right)}{\left(l_s\right)}^T],$ 经过频率选择性多径衰落信道后到达接收端。接收机经过相干解调，由n_R个接收天线采样到时域多径合成信号，在采样时刻k的空时信号y(k)可表示为：

y(k)＝HS(k)+n(k)                 (1)

其中 $y\left(k\right)\&Element;C^{{\mathrm{Ln}}_R\&times;1}$ 是空时采样接收信号矢量，L是频率选择性信道的多径数，假设理想信道估计，每帧多径信号的径数及各径幅度已知，接收采样信号矢量由式(2)结合接收信号产生：

y(k)＝[r^T(k+L-1)，…，r^T(k)]^T             (2)

$r\left(k\right)\&Element;C^{n_R\&times;1}$ 为

$r\left(k\right)={[r_1\left(k\right),\&CenterDot;\&CenterDot;\&CenterDot;,r_{n_R}\left(k\right)]}^T---\left(3\right)$

r_n(k)定义第n个天线上的接收采样信号，矢量 $n\left(k\right)\&Element;C^{n_R\&times;1}$ 是空时高斯白噪声采样，协方差为 $E\left\{n\left(k\right)n^H\left(k\right)\right\}={\mathrm{\&sigma;}}_n^{2}I.$ $H\&Element;C^{{\mathrm{Ln}}_R\&times;n_T(2L-1)}$ 是已知信道矩阵，对非相关MIMO信道，可由各径各天线相互独立同分布(i.i.d.)的复高斯过程得到，表示为：

其中

与接收信号k时刻采样相对应的传输符号矢量 $S\left(k\right)\&Element;C^{n_T(2L-1)\&times;1}$ 为：

S(k)＝[s^T(k+L-1)，…，s^T(k)，…，s^T(k-L+1)]^T         (5)

其中 $s\left(k\right)=[s^{\left(1\right)}\left(k\right),\&CenterDot;\&CenterDot;\&CenterDot;,s^{\left(n_T\right)}\left(k\right)].$

2.迭代接收机

本发明提出一种基于对发送天线进行联合检测(JAD)的软干扰消除最小均方误差(JAD-SC/MMSE)算法的接收机结构。JAD-SC/MMSE检测器是接收机的内部软入软出(SISO)级，将频率选择性信道变换成一个等效平坦衰落信道组，同时合并多径分集，将接收信号变成发送数据经衰减与高斯噪声干扰叠加后的输出矢量，每一分量与相应发送天线上的传输数据相对应，但经历了独立的平坦衰落。将输出矢量进行列表球型译码(LSD)，LSD将选择出与发送天线发送数据最接近的候选数据符号。再将候选符号输入符号到比特似然率计算器(MAP)，计算出每一编码数据比特LLR，LLR序列经去交织送入采用BCJR算法的SISO信道译码器，得到编码序列的LLR，与输入LLR相减得到用于下次迭代的编码比特外信息。充分迭代后，译码器输出信息序列的对数概率，经判决得到信息比特。外信息经过比特到符号的概率计算，得到用于SC/MMSE及符号到比特似然率转换器的先验信息。

2.1 Turbo MIMO均衡器

本发明的Turbo均衡器是基于单天线接收算法的扩展，并扩展到PSK及QAM星座方式。信道译码器反馈的软符号估计

在接收时刻k可表示为：

${\tilde{s}}^{\left(m\right)}\left(k\right)=E\left\{s^{\left(m\right)}\left(k\right)\right\}=\underset{{\mathrm{\&alpha;}}_j\&Element;S}{\mathrm{\&Sigma;}}{\mathrm{\&alpha;}}_j{P}_a(s^{\left(m\right)}\left(k\right)={\mathrm{\&alpha;}}_j)---\left(6\right)$

和 $E\left\{{\left|{\tilde{s}}^{\left(m\right)}\left(k\right)\right|}^2\right\}=\underset{{\mathrm{\&alpha;}}_j\&Element;S}{\mathrm{\&Sigma;}}{\left|{\mathrm{\&alpha;}}_j\right|}^2{p}_a(s^{\left(m\right)}\left(k\right)={\mathrm{\&alpha;}}_j)---\left(7\right)$

其中p_a(s^(m)(k)＝α_j)是符号先验概率，并假设反馈对数似然比

基于比特独立，一个传输符号s^(m)(k)由P个编码比特映射而成，表示为

p_a(s^(m)(k)＝α_j)可表示为：

$P_a(s^{\left(m\right)}\left(k\right)={\mathrm{\&alpha;}}_j)={\left(\frac{1}{2}\right)}^p\underset{p=1}{\overset{P}{\mathrm{\&Pi;}}}(1-x_{k,p}^{\left(m\right)}\tanh (L_a\left(x_{k,p}^{\left(m\right)}\right)/2))---\left(8\right)$

的符号方差

为：

$\mathrm{var}\left({\tilde{s}}^{\left(m\right)}\left(k\right)\right)=E\left\{{\left|{\tilde{s}}^{\left(m\right)}\left(k\right)\right|}^2\right\}-{\left|E\left\{{\tilde{s}}^{\left(m\right)}\left(k\right)\right\}\right|}^2.---\left(9\right)$

的表达式与调制星座方式有关，如果|α_j|＝const， ${\&ForAll;\mathrm{\&alpha;}}_j\&Element;S$ (如P-PSK)，

是常数并等于传输符号能量

方差的计算不需要调制符号的先验信息。对于其它星座(i.e.2^P-QAM，P>2)，均值与方差可由式(9)计算：

$\hat{S}\left(k\right)=\hat{S}\left(k\right)-\tilde{S}\left(k\right)\&CircleTimes;e_k---\left(10\right)$

其中 $e_k=[0_{1\&times;(L-1)n_T},1_{1\&times;n_T},0_{1\&times;(L-1)\&times;n_T}],$

定义基于矢量的每一项相乘的矢量积。

由软信息代替式(5)中每一个传输符号项得到。

传输符号

m＝1，…，n_T由软干扰消除接收信号

滤波进行联合检测得到：

$\hat{y}\left(k\right)=y\left(k\right)-H\hat{s}\left(k\right),k=0,\&CenterDot;\&CenterDot;\&CenterDot;,L_s-1.---\left(11\right)$

用线性最小均方差(MMSE)滤波器滤波，加权矩阵W(k)满足判据式(11)：

$[W\left(k\right),A\left(k\right)]=\arg \underset{W,A}{\min }{\left|\right|W^H\hat{y}\left(k\right)-A^H\mathrm{\&beta;}\left(k\right)\left|\right|}^2---\left(12\right)$

矩阵 $W\left(k\right)\&Element;C^{{\mathrm{Ln}}_R\&times;n_T},$ $W\left(k\right)=[w^{\left(1\right)}\left(k\right),\&CenterDot;\&CenterDot;\&CenterDot;,w^{\left(n_T\right)}\left(k\right)],$ 矢量 $\mathrm{\&beta;}\left(k\right)\&Element;C^{n_T\&times;1}$ 由 $\mathrm{\&beta;}\left(k\right)={[s^{\left(1\right)}\left(k\right),\&CenterDot;\&CenterDot;\&CenterDot;,s^{\left(n_T\right)}\left(k\right)]}^T$ 给定， $A\left(k\right)\&Element;C^{n_T\&times;n_T}$ 是对角矩阵，满足 $a_{\mathrm{1,1}}\left(k\right)=\&CenterDot;\&CenterDot;\&CenterDot;a_{n_T,n_T}\left(k\right)=1$ 以避免虚拟解[W(k)，A(k)]＝[0，0]。

优化加权矩阵W(k)的列矢量 $w^{\left(m\right)}\left(k\right)\&Element;C^{{\mathrm{Ln}}_R\&times;1},$ m为发射天线顺序，w^(m)(k)＝M(k)^-1h^(m)，其中：

$M\left(k\right)=\mathrm{H\&Lambda;}\left(k\right)H^H+{\mathrm{\&sigma;}}_n^{2}I-\underset{m=1}{\overset{n_T}{\mathrm{\&Sigma;}}}{h}^{\left(m\right)}{h}^{{\left(m\right)}^H}$                     (13)

$=R_{\mathrm{cov}}-\underset{m=1}{\overset{n_T}{\mathrm{\&Sigma;}}}{h}^{\left(m\right)}{h}^{{\left(m\right)}^H}$

h^(m)是矩阵H的[Ln_T+m]-th列矢量， $R_{\mathrm{cov}}=\mathrm{H\&Lambda;}\left(k\right)H+{\mathrm{\&sigma;}}_n^{2}I.$

$\mathrm{\&Lambda;}\left(k\right)=\mathrm{diag}\{v^{\left(1\right)}(k+L-1),\&CenterDot;\&CenterDot;\&CenterDot;v^{\left(n_T\right)}(k+L-1),\&CenterDot;\&CenterDot;\&CenterDot;,v^{\left(1\right)}(L-1),\&CenterDot;\&CenterDot;\&CenterDot;,v^{\left(n_T\right)}(L-1),$  （14)

${\mathrm{\&delta;}}_s^2\&times;1_{1\&times;n_T},v^{\left(1\right)}\left(1\right),\&CenterDot;\&CenterDot;\&CenterDot;,v^{\left(n_T\right)}\left(1\right),\&CenterDot;\&CenterDot;\&CenterDot;,v^{\left(1\right)}(k-L+1),\&CenterDot;\&CenterDot;\&CenterDot;,v^{\left(n_T\right)}(k-L+1)\}$

其中v^(m)(.)是软估计符号

的方差。假设MMSE滤波器的输出 $z\left(k\right)\&Element;C^{n_T\&times;1}$ 能近似为等效高斯噪声信道，可写为：

$z\left(k\right)=W^H\left(k\right)\hat{y}\left(k\right)=H_e\left(k\right)\mathrm{\&beta;}\left(k\right)+{\mathrm{\&psi;}}_e\left(k\right)---\left(15\right)$

其中矩阵 $H_e\left(k\right)\&Element;C^{n_R\&times;n_T}$ 是等效平坦衰落信道增益，其求解可由式(15)得到：

H_e(k)＝E{z(k)β^H(k)}＝W^H(k)H_ML，(16)

$H_{\mathrm{ML}}=[h^{\left(1\right)},\&CenterDot;\&CenterDot;\&CenterDot;,h^{\left(n_T\right)}],$ 矢量 ${\mathrm{\&psi;}}_e\left(k\right)\&Element;C^{n_T\&times;1}$ 是等效高斯噪声协方差矩阵：

$R_e\left(k\right)=E\left\{{\mathrm{\&psi;}}_e\left(k\right){\mathrm{\&psi;}}_e^H\left(k\right)\right\}=W^H\left(k\right)R_{\mathrm{cov}}W\left(k\right)-H_e\left(k\right)H_e^H\left(k\right)---\left(17\right)$

因此，当接收信号由JAD-SC/MMSE均衡器处理后，可等效为传输符号经过一个平坦信道后得到的结果。但对于天线数较多，调制阶数较高时，可能的传输符号数为2ⁿ _T ^*P，根据MAP算法计算传输符号的比特对数似然比(LLR)非常复杂。文献[8]提出的球型译码(SD)在可能的选择符号中选取一个最接近传输符号的子集，但只能应用于频率平坦衰落信道。而本文提出的JAD-SC/MMSE均衡器可将频率选择性信道变成频率平坦信道，即可应用列表球型译码LSD算法。

具有等效信道参数H_e(k)和R_e(k)的矢量z(k)，经过LSD译码得到最可能的候选传输符号集，由符号到比特映射的MAP算法得到每一比特的外信息对数似然概率，并送软入软出(SISO)信道译码器译码。对均衡器高斯等效输出矢量可表示为：

z(k)＝H_eβ(k)+Ψ_e(k)                                                    (18)

可能的传输子集β(k)由式(19)计算其最大似然检测概率：

$\underset{\mathrm{\&beta;}\&Element;D^{\mathrm{nT}}}{\max }{p}_{z|S}\left(z\left(k\right)\right|\mathrm{\&beta;}\left(k\right))---\left(19\right)$

搜索空间

是n_T维整数格，其条件概率分布为：

$p\left(z\left(k\right)\right|\mathrm{\&beta;}\left(k\right))=\frac{\exp [-\frac{1}{{2R}_e\left(k\right)}{\left|\right|z\left(k\right)-H_e\mathrm{\&beta;}\left(k\right)\left|\right|}^2]}{{\left(2\mathrm{\&pi;}{R}_e\left(k\right)\right)}^{n_R}}---\left(20\right)$

式(19)可等效为求解式(20)的优化目标函数：

$\underset{\mathrm{\&beta;}\&Element;D^{\mathrm{nT}}}{\min }{\left|\right|z\left(k\right)-H_e\mathrm{\&beta;}\left(k\right)\left|\right|}^2---\left(21\right)$

式(21)的求解问题就变成整数格最小均方问题，“最近”格点的选择由LSD实现。

2.2 基于JAD与ABA的SC/MMSE的比较

JAD-SC/MMSE是多天线传输信号进行联合检测，式(12)为其优化设计准则。ABA-SC/MMSE以 $w_{\mathrm{ABA}}^{\left(m\right)}=\arg \underset{w_{\mathrm{ABA}}^{\left(m\right)}}{\min }\left|\right|w_{\mathrm{ABA}}^{\left(m\right)}\hat{y}{\left(k\right)}^{\left(m\right)}-s_k^{\left(m\right)}\left|\right|$ 为基础，基于每一发送天线检测信号，编码比特的LLR由均衡器输出直接计算，反馈的软信息也基于每一天线进行计算。然而，JAD-SC/MMSE输出一个符号矢量，用所有传输符号与在所有传输天线上传输的所有组合符号矢量来计算每个比特的LLR，采用LSD降低实现复杂度，同时以所有天线为基础实现其软信息的反馈。当MIMO信道空间非相关时，两种算法的系统性能没有差别；但对空间相关信道，当传输数据符号到达接收端时，有一定的相关模糊性，通过基于每天线处理的ABA-SC/MMSE均衡方法难以分离每天线上的传输数据；基于发送天线联合检测的JAD-SC/MMSE均衡算法，未采用分离每一发送天线传输数据的方式，而采用由接收信号搜索与发送天线最接近的传输数据相结合与LSD的方法获得候选传输数据矢量集，进行比特LLR计算，降低了对空间信道相关性的敏感程度。

3.改进的列表球型译码

在第2.1节中，已将ML检测问题变为一个最小均方问题，首先利用式(21)的实数等效形式，在本发明中，只考虑实数球型译码。定义M＝2n_T，N＝2n_R，和矢量S_r(k)，Z_r(k)，H_r是从β(k)，Z(k)，H_e得到的实矢量。

S_r(k)＝[Re(β(k))^T Im(β(k))^T]^T，Z_r(k)＝[Re(z(k))^T Im(z(k))^T]^T；(22)

其中H_r∈R^N×M可由定义为

$H_r=\left[\begin{array}{cc}\mathrm{Re}\left(H_e\right)& \mathrm{Im}\left(H_e\right)\\ -\mathrm{Im}\left(H_e\right)& \mathrm{Re}\left(H_e\right)\end{array}\right]---\left(23\right)$

式(21)可写为：

$\underset{S_r\&Element;D^{2\mathrm{nT}}}{\min }{\left|\right|Z_r\left(k\right)-H_r{S}_r\left(k\right)\left|\right|}^2---\left(24\right)$

对Γ＝H_eH_e ^T矩阵进行Cholesky分解，可得到Γ＝AA^T，它的下三角矩阵是A＝{a_ij}。然而，在本专利中，需要用列表球型译码得实数候选符号后，再用式(22)得到复数传输符号。.

现有的球型译码只适用于整数格，调制符号在通常情况下不是整数，需要有一个非整数符号增加或减去一个偏移量来变为整数格；另一种方法是枚举点迫使星座点在一个整数范围而形成整数格，这种格方案在本论文中采用。列表球型译码(LSD)与球型译码(SD)的差别在于LSD只是在一个给定的半径范围内进行候选符号搜索，而SD是选择最好的距离半径点，因此，SD算法的性能好于LSD。本论文采用的LSD算法流程如说明附图3所示。

是候选符号表，根据LSD算法，可以得到在半径C下的列表格点，将所选的符号一并用于最大后验概率的计算，作为输入输出(SISO)译码器的先验信息。

4.对数比特似然率的计算

每个等效输出矢量z(k)所承载的比特数为p_c＝P×n_T个编码比特，相应于接收采样时刻k的编码比特 $X\left(k\right)=[x^{\left(1\right)}\left(k\right),x^{\left(2\right)}\left(k\right),\&CenterDot;\&CenterDot;\&CenterDot;,x^{\left(n_T\right)}\left(k\right)],$ 其中 $x^{\left(m\right)}\left(k\right)=[x_{k,1}^{\left(m\right)},x_{k,2}^{\left(m\right)},\&CenterDot;\&CenterDot;\&CenterDot;x_{k,P}^{\left(m\right)}]$ 。符号失量 $\mathrm{\&beta;}\left(k\right)=\{s^{\left(1\right)}\left(k\right),\&CenterDot;\&CenterDot;\&CenterDot;s^{\left(n_T\right)}\left(k\right)\}$ 的先验符号概率为

。这个编码比特的LLR为

可由LSD得到的候选符号矢量集计算产生，计算过程如下：

$L\left(x_{k,p}^{\left(m\right)}\right|z\left(k\right))=\log \frac{p[x_{k,p}^{\left(m\right)}=+1|z\left(k\right)]}{p[x_{k,p}^{\left(m\right)}=-1|z\left(k\right)]},---\left(25\right)$

其中，假设二进制符号信息{0，1}映射到{-1，+1}，式(25)可变为：

$L\left(x_{k,p}^{\left(m\right)}\right|z\left(k\right))=\log \frac{p[x_{k,p}^{\left(m\right)}=+1|z\left(k\right)]}{p[x_{k,p}^{\left(m\right)}=-1|z\left(k\right)]}=\log \frac{p[z\left(k\right),x_{k,p}^{\left(m\right)}=+1]}{p[z\left(k\right),x_{\mathrm{pk}}^{\left(m\right)}=-1]}$    (26)

$+\log \frac{\underset{X\left(k\right):x_{k,p}^{\left(m\right)}=+1}{\mathrm{\&Sigma;}}p\left[z\left(k\right)\right|x_{k,p}^{\left(m\right)}][p\left(X\left(k\right)\right]}{\underset{X\left(k\right):x_{k,p}^{\left(m\right)}=-1}{\mathrm{\&Sigma;}}p\left[z\left(k\right)\right|x_{k,p}^{\left(m\right)}]p\left[X\left(k\right)\right]}$

假设X(k)中的比特相互独立，式(26)变为：

$L\left(x_{k,p}^{\left(m\right)}\right|z\left(k\right))=\log \frac{p[x_{k,p}^{\left(m\right)}=+1]}{p[x_{k,p}^{\left(m\right)}=-1]}+\log \frac{\underset{X\left(k\right):x_{k,p}^{\left(m\right)}=+1}{\mathrm{\&Sigma;}}p\left[z\left(k\right)\right|X\left(k\right)]\underset{j,j\&NotEqual;p}{\mathrm{\&Pi;}}p\left[x_{k,j}^{\left(m\right)}\right]}{\underset{X\left(k\right):x_{k,p}^{\left(m\right)}=-1}{\mathrm{\&Sigma;}}p\left[z\left(k\right)\right|X\left(k\right)]\underset{j,j\&NotEqual;p}{\mathrm{\&Pi;}}p\left[x_{k,j}^{\left(m\right)}\right]}$

式(27)的第一项为先验对数概率第二项称为编码比特外部对数概率

。比特块x^(m)表示的唯一符号矢量β^(m)在高斯等效信道下可表示为：

$L\left(x_{k,p}^{\left(m\right)}\right|z\left(k\right))=\log \frac{\underset{\mathrm{\&beta;}\left(k\right):x_{k,p}^{\left(m\right)}=+1}{\mathrm{\&Sigma;}}p\left[z\left(k\right)\right|\mathrm{\&beta;}\left(k\right)]\underset{m}{\mathrm{\&Pi;}}p\left[s_k^{\left(m\right)}\right]}{\underset{\mathrm{\&beta;}\left(k\right):x_{k,p}^{\left(m\right)}=-1}{\mathrm{\&Sigma;}}p\left[z\left(k\right)\right|\mathrm{\&beta;}\left(k\right)]\underset{m}{\mathrm{\&Pi;}}p\left[s_k^{\left(m\right)}\right]}=\log \frac{\underset{\mathrm{\&beta;}\left(k\right):x_{k,p}^{\left(m\right)}=+1}{\mathrm{\&Sigma;}}{e}^{-\frac{1}{{\mathrm{\&sigma;}}^2}\left|\right|z\left(k\right)-H_e\mathrm{\&beta;}\left(k\right)\left|\right|+{\mathrm{\&Sigma;}}_m\log p\left[s_k^{\left(m\right)}\right]}}{\underset{\mathrm{\&beta;}\left(k\right):x_{k,p}^{\left(m\right)}=-1}{\mathrm{\&Sigma;}}{e}^{-\frac{1}{{\mathrm{\&sigma;}}^2}\left|\right|z\left(k\right)-H_e\mathrm{\&beta;}\left(k\right)\left|\right|+{\mathrm{\&Sigma;}}_j\log p\left[s_k^{\left(m\right)}\right]}}---\left(28\right)$

如果计算式(28)是对整个符号空间进行，它的复杂度是非常高的，但对于一些候选的传输符号，复杂度可达到合理的范围。

附图说明

图1BCIM方案的传输机结构图

图2基于LSD和SC/MMSE的Turbo均衡器接收结构

图3列表球形译码的算法流程图。

Claims (6)

1.一种基于空间相关特性多入多出(MIMO)多天线无线通信信号的检测方法与装置，其特征在于，对于频率选择性MIMO信道，通过一种发送符号联合矢量检测算法。其核心为：将多天线发送符号作为一个发送矢量，通过对接收信号的进行时域均衡，使频率选性衰落信道等可效为平坦衰落信道，然后，利用候选发送信号矢量计算发送符号的输出软信息而检测出发送信号。这种方法使MIMO信号检测装置能应用于空间相关信道与空间非相关信道的无线设备使用场境。

2.如权利1要求所述的检测算法，基特征在于从接收矢量中检测发送信号时，需要将发送信号的所有可能的候选发送矢量作为发送符号软信息的估计矢量。

3.如权利2要求所述的检测计算法，基特征在于，发送信号的软信息估计需要满足以下条件：

信道译码器反馈的软符号估计

在接收时刻k可表示为：

${\tilde{s}}^{\left(m\right)}\left(k\right)=E\left\{s^{\left(m\right)}\left(k\right)\right\}=\underset{{\mathrm{\&alpha;}}_j\&Element;S}{\mathrm{\&Sigma;}}{\mathrm{\&alpha;}}_j{p}_a(s^{\left(m\right)}\left(k\right)={\mathrm{\&alpha;}}_j)---\left(1\right)$

和

$E\left\{{\left|{\tilde{s}}^m\left(k\right)\right|}^2\right\}=\underset{{\mathrm{\&alpha;}}_i\&Element;S}{\mathrm{\&Sigma;}}{\left|{\mathrm{\&alpha;}}_j\right|}^2{p}_a(s^{\left(m\right)}\left(k\right)={\mathrm{\&alpha;}}_j)---\left(2\right)$

其中p_a(s^(m)(k)＝α_j)是符号先验概率，并假设反馈对数似然比

基于比特独立，一个输符号s^(m)(k)由P个编码比特映射而成，表示为

p_a(s^(m)(k)＝α_j)可表示为：

$p_a(s^{\left(m\right)}\left(k\right)={\mathrm{\&alpha;}}_j)={\left(\frac{1}{2}\right)}^p\underset{p=1}{\overset{P}{\mathrm{\&Pi;}}}(1-x_{k,p}^{\left(m\right)}\tanh (L_a\left(x_{k,p}^{\left(m\right)}\right)/2))---\left(3\right)$

的符号方差为：

$\mathrm{var}\left({\tilde{s}}^{\left(m\right)}\left(k\right)\right)=E\left\{{\left|{\tilde{s}}^{\left(m\right)}\left(k\right)\right|}^2\right\}-{\left|E\left\{{\tilde{s}}^{\left(m\right)}\left(k\right)\right\}\right|}^2.---\left(4\right)$

的表达式与调制星座方式有关，如果|α_j|＝const， $\&ForAll;{\mathrm{\&alpha;}}_j\&Element;S$ (如P-PSK)，

是常数并等于传输符号能量

方差的计算不需要调制符号的先验信息。对于其它星座(i.e.2^P-QAM，P>2)，均值与方差可由式(4)计算：

$\hat{S}\left(k\right)=\hat{S}\left(k\right)-\hat{S}\left(k\right)\&CircleTimes;e_k---\left(5\right)$

其中 $e_k=[0_{1\&times;(L-1)n_T},1_{1\&times;n_T},0_{1\&times;(L-1)\&times;n_T}],$ 定义基于矢量的每一项相乘的矢量积。由软信息代替

S(k)＝[s^T(k+L-1)，…，s^T(k)，…，s^T(k-L+1)]^T

中每一个传输符号项得到。

4.如权利要求3所述的发送信号软息信检测，基特征在于，需要计算滤波器的抽头系数，其计算方法如下：

传输符号m＝1，…，n_T由软干扰消除接收信号

滤波进行联合检测得到：

$\hat{y}\left(k\right)=y\left(k\right)-H\hat{s}\left(k\right),k=0,\&CenterDot;\&CenterDot;\&CenterDot;,L_s-1.---\left(6\right)$

用线性最小均方差(MMSE)滤波器滤波，加权矩阵W(k)满足判据式(6)：

$[W\left(k\right),A\left(k\right)]=\arg \underset{W,A}{\min }{\left|\right|W^H\hat{y}\left(k\right)-A^H\mathrm{\&beta;}\left(k\right)\left|\right|}^2---\left(7\right)$

矩阵 $W\left(k\right)\&Element;C^{{\mathrm{Ln}}_R\&times;n_T},$ $W\left(k\right)=[w^{\left(1\right)}\left(k\right),\&CenterDot;\&CenterDot;\&CenterDot;,w^{\left(n_T\right)}\left(k\right)],$ 矢量 $\mathrm{\&beta;}\left(k\right)\&Element;C^{n_T\&times;1}$ 由 $\mathrm{\&beta;}\left(k\right)={[s^{\left(1\right)}\left(k\right),\&CenterDot;\&CenterDot;\&CenterDot;s^{\left(n_T\right)}\left(k\right)]}^T$ 给定， $A\left(k\right)\&Element;C^{n_T\&times;n_T}$ 是对角矩阵，满足 $a_{\mathrm{1,1}}\left(k\right)=\&CenterDot;\&CenterDot;\&CenterDot;a_{n_T,n_T}\left(k\right)=1$ 以避免虚拟解[W(k)，A(k)]＝[0，0]。

5.如权利3、4所述要求，基特征在于，需计算发送符号的软信息，可由以下算法得到：矩阵W(k)的列矢量 $w^{\left(m\right)}\left(k\right)\&Element;C^{{\mathrm{Ln}}_R\&times;1},$ m为发射天线顺序，w^(m)(k)＝M(k)^-1h(m)，其中：

$M\left(k\right)=\mathrm{H\&Lambda;}\left(k\right)H^H+{\mathrm{\&sigma;}}_n^{2}I-\underset{m=1}{\overset{n_T}{\mathrm{\&Sigma;}}}{h}^{\left(m\right)}{h}^{{\left(m\right)}^H}$                 (8)

$=R_{\mathrm{cov}}-\underset{m=1}{\overset{n_T}{\mathrm{\&Sigma;}}}{h}^{\left(m\right)}{h}^{{\left(m\right)}^H}$

h^(m)是矩阵H的[Ln_T+m]-th列矢量， $R_{\mathrm{cov}}=\mathrm{H\&Lambda;}\left(k\right)H+{\mathrm{\&sigma;}}_n^{2}I.$

$\mathrm{\&Lambda;}\left(k\right)=\mathrm{diag}\{v^{\left(1\right)}(k+L-1),\&CenterDot;\&CenterDot;\&CenterDot;v^{\left(n_T\right)}(k+L-1),\&CenterDot;\&CenterDot;\&CenterDot;,v^{\left(1\right)}(L-1),\&CenterDot;\&CenterDot;\&CenterDot;,v^{\left(n_T\right)}(L-1),$

                                               (9)

${\mathrm{\&delta;}}_s^2\&times;1_{1\&times;n_T},v^{\left(1\right)}\left(1\right),\&CenterDot;\&CenterDot;\&CenterDot;,v^{\left(n_T\right)}\left(1\right),\&CenterDot;\&CenterDot;\&CenterDot;,v^{\left(1\right)}(k-L+1),\&CenterDot;\&CenterDot;\&CenterDot;,v^{\left(n_T\right)}(k-L+1)\}$

其中v^(m)(.)是软估计符号

的方差。假设MMSE滤波器的输出 $z\left(k\right)\&Element;C^{n_T\&times;1}$ 能近似为等效高斯噪声信道，可写为：

$z\left(k\right)=W^H\left(k\right)\hat{y}\left(k\right)=H_e\left(k\right)\mathrm{\&beta;}\left(k\right)+{\mathrm{\&psi;}}_e\left(k\right)---\left(10\right)$

其中矩阵 $H_e\left(k\right)\&Element;C^{n_R\&times;n_T}$ 是等效平坦衰落信道增益，其求解可由式(10)得到：

H_e(k)＝E{z(k)β^H(k)}＝W^H(k)H_ML，           (11)

$H_{\mathrm{ML}}=[h^{\left(1\right)},\&CenterDot;\&CenterDot;\&CenterDot;,h^{\left(n_T\right)}],$ 矢量 ${\mathrm{\&psi;}}_e\left(k\right)\&Element;C^{n_T\&times;1}$ 是等效高斯噪声协方差矩阵：

$R_e\left(k\right)=E\left\{{\mathrm{\&psi;}}_e\left(k\right){\mathrm{\&psi;}}_e^H\left(k\right)\right\}=W^H\left(k\right)R_{\mathrm{cov}}W\left(k\right)-H_e\left(k\right)H_e^H\left(k\right)---\left(12\right)$

因此，当接收信号由JAD-SC/MMSE均衡器处理后，可等效为传输符号经过一个平坦信道后得到的结果。

6.基于权利1、5所述发送符号集选择，其特征在于，可以采用列表球形译码进行简化，其简化过程为：

具有等效信道参数H_e(k)和R_e(k)的矢量z(k)，经过LSD译码得到最可能的候选传输符号集，由符号到比特映射的MAP算法得到每一比特的外信息对数似然概率，并送软入软出(SISO)信道译码器译码。对均衡器高斯等效输出矢量可表示为：

z(k)＝H_eβ(k)+Ψ_e(k)                      (13)

可能的传输子集β(k)由式(14)计算其最大似然检测概率：

$\underset{\mathrm{\&beta;}\&Element;D^{\mathrm{nT}}}{\max }{p}_{z|S}\left(z\left(k\right)\right|\mathrm{\&beta;}\left(k\right))---\left(14\right)$

搜索空间是n_T维整数格，其条件概率分布为：

$p\left(z\left(k\right)\right|\mathrm{\&beta;}\left(k\right))=\frac{\exp [-\frac{1}{{2R}_e\left(k\right)}{\left|\right|z\left(k\right)-H_e\mathrm{\&beta;}\left(k\right)\left|\right|}^2]}{{\left(2\mathrm{\&pi;}{R}_e\left(k\right)\right)}^{n_R}}---\left(15\right)$

式(14)可等效为求解式(15)的优化目标函数：

$\underset{\mathrm{\&beta;}\&Element;D^{\mathrm{nT}}}{\min }{\left|\right|z\left(k\right)-H_e\mathrm{\&beta;}\left(k\right)\left|\right|}^2---\left(16\right)$

式(16)的求解问题就变成整数格最小均方问题，“最近”格点的选择由LSD实现。

Images