[发明专利]面向MIMO检测的格基规约辅助的信道预处理方法及装置

说明书

一种面向MIMO检测的格基规约辅助的信道预处理方法及装置，包括如下步骤：步骤一，对信道矩阵进行cholesky分解和格基规约变换；步骤二，采用广度优先的K‑best树搜索方法，按一定的展开策略和子节点选取策略进行搜索。在步骤一中，本发明通过移除特定的不活跃的子模块和打破数据间的依赖关系来降低复杂度和延时以及提升算法的并行度。本发明能够在具有近最优检测性能的同时，解决传统检测装置延迟高、数据吞吐率低和硬件不容易实现等问题。

技术领域

本发明属于多输入多输出系统(Multiple Input Multiple Output,以下简称为MIMO系统)，特别是一种面向MIMO检测的格基规约辅助的信道预处理方法及装置。

背景技术

随着带宽受限的无线通信系统的快速发展，MIMO系统被研究者们提出作为高传输速率应用的解决方案。MIMO系统能够在不增加额外带宽和发射功率的前提下提升数据的传输速率。因此，它被广泛应用于各种现代通讯标准当中，例如802.11ac和高频率利用率和高数据吞吐的无线局域网技术要求协议(Enhanced Ultra High Throughput,EUHT)。而且，在未来十年中，更大天线规模的MIMO技术仍然是5G通信标准的核心之一。然而随着收发天线数目的规模达到了8天线发送8天线接收，设计一个低复杂度和高数据吞吐的检测器成为了MIMO系统的主要难点之一。

最大似然检测(Maximum Likelihood,ML)能够提供最优的检测性能。但是，由于ML算法的复杂度随着天线规模和调制阶数的增加而呈指数级增长，难以硬件实现。因此我们仅将ML算法作为性能对比的基准。另一方面，线性检测算法例如迫零检测(Zero Forcing,ZF)和最小均方误差检测(Minimum Mean Square Error，MMSE)，在低复杂度的方面具有很大的优势。但是这些线性检测算法有着不可忽视的检测性能的恶化，尤其是针对更大规模的天线阵列，例如8x8。因此，越来越多的学者研究能够在检测性能和复杂度更好折中的近最优检测算法。

其中，树搜索算法是一种广泛应用的非线性算法。它主要被分为两类：深度优先搜索算法(Depth-First Searching,DFS)和广度优先搜索算法(Breadth-First Searching,BFS)。DFS算法，例如球形译码算法(Sphere Decoding,SD),采用直到该条路径没有可以被搜索的节点后才会搜索另一条路径的策略。而且，搜索路径的PED(Partial EuclideanDistance)用来确定下一次的搜索半径。但是由于其不固定的迭代次数和数据吞吐速率，深度优先的搜索算法比较难以硬件实现。另一方面广度优先搜索方式的K-Best检测器和固定复杂度的球形译码检测器(Fixed-ComplexitySphere Decoder,FSD)由于具有固定的复杂度和近最优的检测性能而受到了更多的青睐。

当天线规模扩展到8x8时，相比于FSD，K-Best检测算法在复杂度上具有更大的吸引力。因为FSD算法需要访问更多的节点去保持相同的性能。然而，传统的K-Best检测算法由于过多的展开节点依然不利于硬件实现。因此，在预处理部分，引入了格基规约算法(Lattice Reduction,LR)来减少K-Best检测器的展开节点数。LR的基本原理是寻找一组空间向量基，从而能够提升信道矩阵的正交特性来提升整个系统的检测性能和后续检测模块的计算效率。但是传统的LR算法，例如著名的具有多项式复杂的Lenstra-Lenstra-Lovasz(LLL)算法，有迭代次数不固定和复杂度依赖信道特性的缺点。