[发明专利]一种多输入多输出数据检测方法及装置

说明书

技术领域

本发明涉及通信技术，尤其涉及一种多输入多输出数据检测方法及装置。

背景技术

在LTE（Long Term Evolution，长期演进）及下一代无线通信系统中，为了提高频谱效率，通常采用多输入多输出（MIMO）技术。在MIMO系统中，线性检测和最大似然（ML）检测的性能差异较大，ML算法的检测性能远好于线性检测。但是ML检测的复杂度较大，与调制阶数和天线数成指数关系。因此，实际系统中，尤其是采用高阶调制时，ML检测因复杂度太高而难以实现。

具体的，以一个N_T×N_RMIMO系统为例，接收信号可以表示为

r＝Hx+n

其中，H为等效的信道响应矩阵，x为发送信号向量，n为噪声向量，N_R表示接收天线数目，N_T表示发送天线数目。

ML检测的原理是找到一个信号向量使得接收信号和重构的接收信号之间距离最小：

x^ML=arg minx^||r-Hx^||22]]>

由上式可知，ML检测需要遍历所有可能的发送信号的组合，才能搜索出使得上式距离最小的信号组合。若调制符号共有Q个星座点，则可能的发送信号的组合共有种，使得ML检测的复杂度太大，与成正比。在高阶调制或者发送天线数较大时，ML检测的遍历搜索的过程将带来非常大的计算复杂度，并耗费大量的时间，因而，在实际系统中，ML检测难以实现。

虽然有一些ML的简化算法提出，比如球形译码，其主要的思想在于构造较小的候选集，且能有效覆盖可能性较大的信号组合，而不必对所有可能的发送信号的组合进行遍历搜索。但是球形检测算法的缺点在于：构造候选集的距离参数σ不好确定，若σ过大，则与ML检测的复杂度相同，若σ过小，则可能需要反复搜索；而且球形检测是逐层顺序构造候选集的，耗时较长；另外，球形检测算法的复杂度变动较大，在实际中，可能带来较大的计算复杂度风险。

因此，这些算法在天线数目较多、调制阶数较高时复杂度仍然满足指数关系，因此不能满足系统的实时性要求。QRM-MLD（QR decomposition with M-algorithm maximum-likelihood detector，基于正交分解和多候选算法的最大似然算法）对于两天线的情况，性能与复杂度仍然不能满足要求。

发明内容

本发明实施例提供一种多输入多输出数据方法及装置，以减小多输入多输出最大似然检测的复杂度。

一种多输入多输出数据检测方法，包括：

对于每个发送信号元素，确定基于其他发送信号元素的最大似然硬判检测结果；

分别将各个基于其他发送信号元素的最大似然硬判检测结果从接收信号中去除，并确定与发送信号元素个数相同个数的基于其他发送信号元素的分支度量值；

组合各个分支度量值，得到数据候选集。

一种多输入多输出数据检测装置，包括：

硬判检测单元，用于对于每个发送信号元素，确定基于其他发送信号元素的最大似然硬判检测结果；

确定单元，用于分别将各个基于其他发送信号元素的最大似然硬判检测结果从接收信号中去除，并确定与发送信号元素个数相同个数的基于其他发送信号元素的分支度量值；

组合单元，用于组合各个分支度量值，得到数据候选集。