[发明专利]一种MIMO系统的检测方法及装置

说明书

技术领域

本发明涉及无线通信技术领域，尤其涉及一种多输入多输出（MIMO）系统的检测方法及装置。

背景技术

高速无线数据接入业务与用户数量的迅速增长，需要更高速率、更大容量的无线链路的支持，而决定无线链路传输效能的最根本因素在于信道容量。空间复用MIMO技术有效提高了信道容量，是长期演进（LTE）系统的核心技术。

对于空间复用MIMO系统的检测，现有的检测算法主要包括线性检测、序列干扰抵消（SIC）检测、最大似然检测（ML）。

线性检测算法和SIC算法的硬件实现复杂度比较低，但是二者在衰落严重的无线信道下性能很差，与ML算法的性能有较大的差距。

ML算法计算接收信号和所有可能向量之间的欧几里得距离，并找到一个最小的距离。当所有的发射向量等可能时，ML算法达到最大后验概率（MAP）检测的最佳性能。然而它的复杂度随调制阶数和发射天线数量的增加而上升。

ML算法遍历式的搜索因为其繁重的计算复杂度使得在实际系统中不能或者很难实现。目前主要采用基于树搜索的球形译码（SD）检测算法来降低ML算法的复杂度。

球形译码检测算法的基本思想是将ML检测的全遍历搜索缩小到一个确定半径的多维球形空间内，以达到减少ML检测复杂度的目的。其基本的算法流程类似ML的点搜索过程，性能方面接近ML。

基于树搜索的SD检测算法可以将MIMO信号的检测等效为对树结构的搜索。在这个树结构中，每个父节点所需要展开的子节点数目是由此层所使用的星座图中星座点个数决定的。每个节点对应一组部分信息向量，每两个相连的节点之间的线段权重是对应的部分欧几里得距离。MIMO信号检测问题可以被转化为在一个树结构中搜索权重最小的节点的问题，这是最短路径问题的一种简化。

基于树搜索的SD检测算法的核心思想在于对ML检测中的搜索向量进行约束，从而减小搜索的范围和扩展的节点数目。根据基本的算法理论，遍历一个树结构的方法有深度优先算法、广度优先算法和度量值优先算法。其中，广度优先SD检测算法更适于硬件实现。

广度优先SD检测算法从根节点开始，按照广度优先的原则遍历树结构，在树搜索的过程中，每一层只保留K条具有最小部分欧几里得距离之和的路径（幸存路径）。主要步骤是：假设当前已经进行到k+1层，算法首先基于每层保留的K个幸存路径的父节点扩展子节点，每个父节点扩展出M个子节点，得到K*M条新的路径。然后，将扩张后的K*M条路径按照累积欧几里得距离之和（即累积度量值）进行排序，保留最小的K条作为下一层的幸存路径，并将其他路径删除。重复这一操作直到达到树结构的叶节点为止。

在广度优先SD检测算法的树搜索过程中，主要的运算量是每一层的两种操作带来的：

（1）每个父节点扩展出M个子节点，计算每个子节点分支度量值带来的乘法和加法运算。在此过程中，每个父节点所需要扩展的子节点数目是由此层所使用的星座图中星座点个数决定的。例如正交相移键控（Quadrature Phase Shift Keying，QPSK）调试方式下，一个父节点扩展出4个子节点；而在64正交振幅调制（Quadrature Amplitude Modulation，QAM）调制方式，一个父节点扩展出64个子节点。每个子节点扩展后，都要计算新路径的欧几里得距离，涉及到一定的乘法和加法运算。一个父节点扩展的子节点数目越多，带来的乘法和加法运算量也成比例增加。

（2）扩展K*M条路径后进行排序带来的比较运算。在此过程中，每一层需要将K*M条路径由小到大排序，保留最小的K条作为下一层的幸存路径，并将其他路径删除。在K*M较大时，会带到大量的排序运算，使硬件实现非常复杂。

针对每一层运算量大的问题，已有改进算法通过限制扩展子节点的数目来降低运算量。例如基于候选集的广度优先算法：对于不同的调制方式设定子节点候选集，其仅仅是星座图中所有星座点的一个子集。因此，通过候选集扩展的子节点数目M是明显小于星座图中星座点总数目。相比原始算法，减小了M值，降低整体运算量。但是，由于M数值较小时会对检测性能带来显著影响，M数值的设定受到一定限制。