本發(fā)明涉及無線通信技術(shù)領(lǐng)域，具體的涉及一種基于分組交替迭代濾波(GAIF)器的低復(fù)雜度MIMO檢測算法。

背景技術(shù)：

作為最受矚目的空間鏈路傳輸技術(shù)，MIMO技術(shù)通過在收/發(fā)端配置多根天線，形成空間上相互獨立的多條通信鏈路，能夠在不改變系統(tǒng)頻譜資源分配和傳輸介質(zhì)的前提下，提高通信系統(tǒng)的數(shù)據(jù)傳輸速率和頻帶利用率。此外，該技術(shù)與空時編碼和波束成形等技術(shù)相結(jié)合，能夠獲得空間分集增益，增強(qiáng)傳輸?shù)目煽啃?。目前，較小規(guī)模的MIMO系統(tǒng)已在第4代移動通信系統(tǒng)(4G)中被廣泛采用。同時，MIMO技術(shù)也將不可避免地在第5代移動通信系統(tǒng)(5G)中成為一項關(guān)鍵的基礎(chǔ)技術(shù)，并且天線配置數(shù)目也會進(jìn)一步增加。大規(guī)模MIMO(LS-MIMO)系統(tǒng)的應(yīng)用將成為一種流行趨勢，多天線終端設(shè)備也將成為5G系統(tǒng)的一個主要特征。

一般來說，為了在MIMO系統(tǒng)中發(fā)揮其巨大的潛在優(yōu)勢，可通過在接收端上設(shè)計高效的信號檢測算法來實現(xiàn)。通過窮盡搜索，最大似然檢測可以實現(xiàn)最優(yōu)性能并獲得全分集增益，但因現(xiàn)有相關(guān)算法的高復(fù)雜度，使得該構(gòu)想難以在實際工程中運用。為了尋求實用的較低復(fù)雜度的MIMO檢測算法，研究者們已對其展開大量的研究并提出了許多低復(fù)雜度的次優(yōu)檢測算法，主要包括線性檢測、連續(xù)干擾抵消檢測、列表檢測和K-best檢測等。

然而，隨著5G MIMO系統(tǒng)配置的天線數(shù)目大幅度地增加，對檢測算法的計算性能要求日益提高，現(xiàn)有檢測方法僅能在保證次優(yōu)計算性能的情況下，實現(xiàn)較低的復(fù)雜度，這將難以適應(yīng)5G MIMO系統(tǒng)配置的要求。

技術(shù)實現(xiàn)要素：

本發(fā)明解決的技術(shù)問題為：為了解決上述技術(shù)問題，提供一種基于分組交替迭代濾波器的低復(fù)雜度MIMO檢測算法，該方法可以對檢測結(jié)果進(jìn)行迭代修正來提升傳統(tǒng)低復(fù)雜度檢測算法的性能。

本發(fā)明提供一種基于分組交替迭代濾波器的低復(fù)雜度MIMO檢測算法，包括以下步驟：

S1：根據(jù)接收信號和信道矩陣信息，采用MIMO檢測器對發(fā)送信號進(jìn)行檢測估計，得到輸入初始值；

S2：通過分組交替迭代濾波器對所得輸入初始值進(jìn)行收斂處理，得到歐氏距離最小的輸出結(jié)果；

S3：將所得輸出結(jié)果作為檢測結(jié)果輸出。

進(jìn)一步地，如果MIMO檢測器為線性檢測或SIC檢測，采用GAIF算法將該檢測結(jié)果作為輸入初始值，使其收斂到輸出結(jié)果，并將所得輸出結(jié)果作為檢測結(jié)果，其中所得輸出結(jié)果的歐氏距離比輸入初始值的歐氏距離小。

進(jìn)一步地，如果MIMO檢測器為列表檢測或K-best檢測，采用GAIF算法將所得多個候選檢測結(jié)果作為多個輸入初始值，使多個輸入初始值分別收斂到多個輸出結(jié)果，并根據(jù)最大似然準(zhǔn)則從多個輸出結(jié)果中選擇歐氏距離最小的輸出結(jié)果，作為所得檢測結(jié)果，其中所得輸出結(jié)果的歐氏距離比輸入初始值的歐氏距離小。

進(jìn)一步地，步驟S2中所用GAIF算法包括以下步驟：

S21：標(biāo)號選擇：定義第i個符號的輸入初始值的錯誤偏差為其中h_k表示信道矩陣H的第k列，選擇BE_i(1≤i≤N)最大的D個符號進(jìn)行聯(lián)合檢測更新，所選擇的更新標(biāo)號序列為

S22：符號更新：采用干擾抵消方法，得到D個已選擇符號，已選擇符號的信號模型為其中C_{1,2,…,N}{i₁,i₂,…,i_D}表示集合{i₁,i₂,…,i_D}在集合{1,2,…,N}中的補集，基于該信號模型，對所選擇的D個最不可靠符號在其對應(yīng)的子掩空間上進(jìn)行聯(lián)合檢測更新；

S23：收斂條件判決：當(dāng)所選擇的D個符號都再不能被更新時，GAIF算法的收斂條件成立，算法迭代終止；否則，當(dāng)收斂條件不成立時，GAIF算法返回到標(biāo)號選擇過程，繼續(xù)對輸入初始值進(jìn)行迭代更新。

本發(fā)明的技術(shù)效果：

本發(fā)明提供的基于分組交替迭代濾波器的低復(fù)雜度MIMO檢測算法，該算法將傳統(tǒng)檢測器的結(jié)果作為GAIF算法的輸入初始值，使其收斂到與接收信號矢量之間的歐氏距離更小的輸出值。每次迭代過程中，GAIF算法根據(jù)檢測錯誤偏差選擇最不可靠的多個符號在消除其他符號干擾的子掩空間上對其符號進(jìn)行聯(lián)合檢測修正。當(dāng)濾波器的輸出結(jié)果與接收信號矢量的歐氏距離再不能減小時，GAIF算法迭代終止。該算法克服了現(xiàn)有算法存在的高復(fù)雜度或低性能的缺點。通過將高維信號檢測轉(zhuǎn)化為一系列獨立的低維信號檢測，本發(fā)明的MIMO檢測算法以少量復(fù)雜度的增加為代價，顯著提升了傳統(tǒng)檢測算法的性能。

具體請參考根據(jù)本發(fā)明的基于分組交替迭代濾波器的低復(fù)雜度MIMO檢測算法提出的各種實施例的如下描述，將使得本發(fā)明的上述和其他方面顯而易見。

附圖說明

圖1為本發(fā)明提供的基于分組交替迭代濾波器的低復(fù)雜度MIMO檢測算法的原理框圖；

圖2為本發(fā)明提供的基于分組交替迭代濾波器的低復(fù)雜度MIMO檢測算法的流程示意框圖；

圖3為本發(fā)明優(yōu)選實施例中的基于分組交替迭代濾波器的低復(fù)雜度MIMO檢測算法與現(xiàn)有方法在GAIF輔助的迫零(ZF)檢測和連續(xù)干擾抵消(SIC)檢測算法下的性能曲線對比示意圖；

圖4為本發(fā)明優(yōu)選實施例中的基于分組交替迭代濾波器的低復(fù)雜度MIMO檢測算法與現(xiàn)有方法列表檢測算法的性能曲線對比示意圖；

圖5為本發(fā)明優(yōu)選實施例中的基于分組交替迭代濾波器的低復(fù)雜度MIMO檢測算法與現(xiàn)有K-best檢測算法的性能曲線對比示意圖；

圖6為本發(fā)明優(yōu)選實施例中的基于分組交替迭代濾波器的低復(fù)雜度MIMO檢測算法與現(xiàn)有檢測算法的計算復(fù)雜度曲線對比示意圖，調(diào)制階數(shù)等于4。

具體實施方式

構(gòu)成本申請的一部分的附圖用來提供對本發(fā)明的進(jìn)一步理解，本發(fā)明的示意性實施例及其說明用于解釋本發(fā)明，并不構(gòu)成對本發(fā)明的不當(dāng)限定。

參見圖1～2，本發(fā)明的基于分組交替迭代濾波器的低復(fù)雜度MIMO檢測算法，包括以下步驟：

S1：根據(jù)接收信號和信道矩陣信息，采用MIMO檢測器對發(fā)送信號進(jìn)行檢測估計，得到輸入初始值；

此處的MIMO檢測器為各類已有的MIMO檢測器，可以為線性或非線性檢測器，比如ZF檢測器，SIC檢測器，列表檢測器以及K-best檢測器等。

S2：通過分組交替迭代濾波器對所得輸入初始值進(jìn)行收斂處理，得到歐氏距離最小的輸出結(jié)果；此處所用的收斂處理，可以采用各類現(xiàn)有方法進(jìn)行處理。

S3：將所得輸出結(jié)果作為檢測結(jié)果輸出。

優(yōu)選的，步驟S2中根據(jù)所用MIMO檢測器的檢測類型，對輸入初始值分別進(jìn)行處理。如果MIMO檢測器為線性檢測或SIC檢測，采用GAIF算法將該檢測結(jié)果作為輸入初始值，使其收斂到輸出結(jié)果，并將所得輸出結(jié)果作為檢測結(jié)果；其中所得輸出結(jié)果的歐氏距離比輸入初始值的歐氏距離小；

優(yōu)選的，如果步驟S2中所用MIMO檢測器為列表檢測或K-best檢測，采用GAIF算法將所得多個候選檢測結(jié)果作為多個輸入初始值，使多個輸入初始值分別收斂到多個輸出結(jié)果，并根據(jù)最大似然準(zhǔn)則從多個輸出結(jié)果中選擇歐氏距離最小的輸出結(jié)果，作為所得檢測結(jié)果；其中所得輸出結(jié)果的歐氏距離比輸入初始值的歐氏距離小。

對輸入初始值分別根據(jù)所用MIMO檢測器的檢測類型，采用GAIF算法進(jìn)行分組迭代檢測更新處理，能提高所得檢測出結(jié)果的準(zhǔn)確性，同時對檢測過程的復(fù)雜度影響較小。從而實現(xiàn)MIMO檢測具有高的計算性能的前提下，檢測復(fù)雜度未過度增加。

GAIF算法將高維信號檢測轉(zhuǎn)化為一系列獨立的低維信號檢測，并在消除其他符號的低維子掩空間對多個符號進(jìn)行聯(lián)合檢測更新，從而使得輸入的初始值收斂到歐氏距離更小的輸出值。本發(fā)明提供的方法不同于現(xiàn)有的與并行干擾抵消(PIC)類似的分組迭代檢測算法，可以通過對不可靠符號進(jìn)行分組交替迭代更新的方式來有效地提升任意傳統(tǒng)檢測器的性能。所以和參考文獻(xiàn)的算法有本質(zhì)的區(qū)別。

優(yōu)選的，在每次迭代過程中，所用GAIF算法主要包括標(biāo)號選擇、符號更新和收斂條件判決三個過程，包括以下步驟：

S21：標(biāo)號選擇：定義第i個符號的輸入初始值的錯誤偏差(BE)為其中h_k表示信道矩陣H的第k列，選擇BE_i(1≤i≤N)最大的D個符號進(jìn)行聯(lián)合檢測更新，所選擇的更新標(biāo)號序列為

S22：符號更新：采用干擾抵消方法，得到D個已選擇符號，已選擇符號的信號模型為其中C_{1,2,…,N}{i₁,i₂,…,i_D}表示集合{i₁,i₂,…,i_D}在集合{1,2,…,N}中的補集，基于該信號模型，對所選擇的D個最不可靠符號在其對應(yīng)的子掩空間上進(jìn)行聯(lián)合檢測更新。D表示每次迭代選擇的不可靠符號數(shù)目，在每次迭代的符號更新過程中，對所選擇的這D個符號進(jìn)行聯(lián)合檢測更新，本發(fā)明提供方法通過選擇參數(shù)D可以實現(xiàn)算法性能與復(fù)雜度的靈活折中。

S23：收斂條件判決：當(dāng)所選擇的D個符號都再不能被更新時，GAIF算法的收斂條件成立，算法迭代終止。否則，當(dāng)收斂條件不成立時，GAIF算法返回到標(biāo)號選擇過程，繼續(xù)對輸入初始值進(jìn)行迭代更新。當(dāng)收斂條件滿足時，即為本次迭代的符號更新后，檢測結(jié)果和上次迭代的結(jié)果完全一致時，不再更新。

在符號更新過程中，GAIF算法采用ML檢測、列表檢測或K-best檢測在低維子掩空間進(jìn)行多符號聯(lián)合檢測。GAIF算法的計算性能取決于每次迭代所選擇檢測符號的數(shù)目。檢測符號的數(shù)目越多，算法性能越好，但復(fù)雜度也會越高。因而本發(fā)明中優(yōu)選檢測符號的數(shù)目即為參數(shù)D的選擇，D可以選擇1～N，其中N為發(fā)送天線數(shù)目，在本仿真測試即具體實例中選擇D＝2，且已經(jīng)可以達(dá)到較好的檢測性能提升效果。當(dāng)然，D的選擇越大，性能提升越大，但復(fù)雜度也越高，因此不同的D實現(xiàn)性能與復(fù)雜度不同的折中。

本發(fā)明提出的基于分組交替迭代濾波器的MIMO檢測算法，以少量復(fù)雜度的增加為代價獲得比傳統(tǒng)檢測器更優(yōu)異的檢測性能。

以下以V-BLAST系統(tǒng)模型(典型的復(fù)用MIMO系統(tǒng))為例來詳細(xì)說明本發(fā)明的實施方法和實驗結(jié)果。

下面將結(jié)合附圖，給出本發(fā)明的具體實施例。需要說明的是：實施例中的參數(shù)并不影響本發(fā)明的一般性。

考慮具有N根發(fā)送天線和M(M≥N)根接收天線的MIMO系統(tǒng)。數(shù)據(jù)被復(fù)用為N個子數(shù)據(jù)流，然后通過N個發(fā)送天線進(jìn)行發(fā)射。令s表示N×1維的復(fù)發(fā)送信號矢量，每個發(fā)送天線的平均發(fā)送功率歸一化為1，即E{ss^H}＝I_N，那么M×1維的接收信號矢量y可表示為：

y＝Hs+n

其中n表示M個接收天線上的加性高斯噪聲矢量，其方差為σ²，E{nn^H}＝σ²I_M。M×N維的復(fù)信道矩陣H的元素為獨立復(fù)高斯衰落增益，其均值為0，方差為1。假設(shè)信道為慢衰落信道，信道矩陣在一幀內(nèi)保持恒定，在幀與幀間獨立變化，且信道信息在接收端完全已知。

MIMO檢測是根據(jù)接收信號矢量和信道狀態(tài)信息對發(fā)送信號矢量進(jìn)行估計的過程。在每次迭代過程中，GAIF算法采用列表檢測器在二維的子掩空間對兩個符號進(jìn)行檢測更新。在本發(fā)明中雖然點對點MIMO系統(tǒng)為例對發(fā)明算法進(jìn)行說明，但是本發(fā)明并不局限于點對點MIMO系統(tǒng)，對用戶MIMO系統(tǒng)同樣適用。采用本發(fā)明提供方法以及現(xiàn)有檢測算法處理該實例所得結(jié)果列于圖3～6中，下面結(jié)合圖3～6以具體實例的形式對本發(fā)明進(jìn)行詳細(xì)的說明。

圖3為分別在4*4發(fā)送天線數(shù)和8PSK調(diào)試方式下，以及在8*8發(fā)送天線數(shù)和4QAM調(diào)試方式下，分別以ZF、SIC檢測方法以及采用本發(fā)明提供方法(GAIF輔助的ZF和GAIF輔助的SIC)所得信噪比結(jié)果進(jìn)行對比的檢測算法的性能曲線。從圖中可以看出，GAIF算法可以較好地改善線性檢測和SIC檢測算法的性能。相比未經(jīng)GAIF輔助的原始的ZF和SIC檢測器，GAIF輔助的ZF和SIC檢測器可以獲得3dB的性能增益。

圖4為分別在4*4發(fā)送天線數(shù)和8PSK調(diào)試方式下，以及在8*8發(fā)送天線數(shù)和4QAM調(diào)試方式下，GAIF輔助的列表SIC檢測算法以及未經(jīng)GAIF輔助的列表SIC檢測算法的性能曲線，其中p表示列表檢測器的列表長度。從圖4中可見，在兩種條件下，相比未經(jīng)輔助的列表SIC檢測，GAIF輔助的列表SIC檢測算法的性能均獲得了明顯的提升。對于8×8MIMO系統(tǒng)4QAM調(diào)制時，通過GAIF算法進(jìn)行濾波后，列表SIC檢測器(p＝4)在BER＝10^-4時獲得3dB的性能增益。

圖5為分別在4*4發(fā)送天線數(shù)和8PSK調(diào)試方式下，以及在8*8發(fā)送天線數(shù)和4QAM調(diào)試方式下，GAIF輔助的K-best檢測算法與未經(jīng)GAIF輔助的K-best檢測算法的性能對比曲線圖，其中K為K-best算法保留的節(jié)點數(shù)目。GAIF算法可以較好地改善K-best檢測算法的性能。對于8×8MIMO系統(tǒng)4QAM調(diào)制，SAIF輔助的K-best(K＝4)檢測器的性能比原始K-best算法要好2dB。

圖6為GAIF輔助的MIMO檢測算法與未經(jīng)的GAIF輔助的MIMO檢測算法的計算復(fù)雜度對比曲線圖，其中接收天線數(shù)與發(fā)射天線數(shù)相等。GAIF算法在每次迭代中的復(fù)雜度為二次多項式量級，它一般只需要1～3次迭代即可收斂。從圖中可以看出，相比未經(jīng)的GAIF輔助的MIMO檢測器，經(jīng)過GAIF輔助的檢測器的計算復(fù)雜度增加幅度較小。說明本發(fā)明提供方法可以在較小的計算復(fù)雜度增加的前提下，實現(xiàn)較大的計算性能提升。從而實現(xiàn)了，計算復(fù)雜度和計算性能的更好的協(xié)調(diào)。

本領(lǐng)域技術(shù)人員將清楚本發(fā)明的范圍不限制于以上討論的示例，有可能對其進(jìn)行若干改變和修改，而不脫離所附權(quán)利要求書限定的本發(fā)明的范圍。盡管己經(jīng)在附圖和說明書中詳細(xì)圖示和描述了本發(fā)明，但這樣的說明和描述僅是說明或示意性的，而非限制性的。本發(fā)明并不限于所公開的實施例。

通過對附圖，說明書和權(quán)利要求書的研究，在實施本發(fā)明時本領(lǐng)域技術(shù)人員可以理解和實現(xiàn)所公開的實施例的變形。在權(quán)利要求書中，術(shù)語“包括”不排除其他步驟或元素，而不定冠詞“一個”或“一種”不排除多個。在彼此不同的從屬權(quán)利要求中引用的某些措施的事實不意味著這些措施的組合不能被有利地使用。權(quán)利要求書中的任何參考標(biāo)記不構(gòu)成對本發(fā)明的范圍的限制。