在移动环境下高阶调制 MIMO 系统的检测方法 技术领域 本发明属于通信技术领域， 涉及多输入多输出 MIMO 系统的检测， 具体地说是一种 降低 MIMO 检测复杂度的方法， 可用于基于高阶调制的高阶 MIMO 的检测。
背景技术 空间复用 MIMO 系统充分利用了空间资源， 有效地提高了移动通信系统的频带利 用率 ； 随着高质量多媒体通信业务对系统信息传输速率要求的进一步提高， 在有限带宽的 条件下， 空间复用 MIMO 系统需要采用更高阶的调制方式如 64QAM 和更高阶的 MIMO， 以满足 系统对传输速率的需求。已制定无线通信物理层标准， 如 ieee802.11n， ieee802.16e， 和 LTE 等， 已将 64QAM 列为系统必须支持调制模式 ； 据报道在未来的无线通信物理层标准中将 会采用更高阶的调制模式。但具有高阶调制和更多收发天线的应用将导致接收端 MIMO 检 测中一些高性能的非线性检测算法异常复杂， 这使得高性能 MIMO 接收机的设计与实现极 具挑战。
在高性能非线性 MIMO 检测方法中， 最佳的检测算法是最大似然 ML， 其复杂度随 发射天线数及调制阶数呈指数形式增加。为了降低其复杂度同时损失较小的性能， 近年 来研究了大量的非线性检测算法， 比较典型的有 QRM-MLD“KawaiH， Higuchi K， Maeda N， Sawahashi M.Adaptive control of surviving symbol replicacandidates in QRM-MLD for OFDM MIMO multiplexing[J]IEEE Journal onSelected Areas in Communications， 2006， 24(6) ： 1130-1140.” 和 SD“ByonghyoShim， Insung Kang.Sphere Decoding With a Probabilistic Tree Pruning[J].IEEETransactions on Signal Processing， 2008， 56(10) ： 4867-4878.” 这两类方法 ； 其中 QRM-MLD 方法的性能由检测每层的保留点数决定， 为了拥有接近 ML 的性能， 在高 SNR 下， 其复杂度相对较大， 而 SD 方法在高 SNR 下明显地降低 检测复杂度同时兼有了接近 ML 算法的性能。但在高阶调制、 高阶 MIMO 及低 SNR 时， SD 的检 测复杂度仍然很高， 需要进一步降低。为了降低 SD 的复杂度， 国内外从减小搜索的结点数 和减小在每个结点上的运算量两个角度开展了大量的研究， 这些算法明显地降低了 SD 的 复杂度， 但为了更高通信速率而采用的高阶调制及高阶 MIMO 系统对这些低复杂度方法提 出了挑战。 为了降低高阶调制及高阶 MIMO 引起的 MIMO 检测复杂度增加的问题， 多状态球形 检测 MSD“Cui Tao， Tellambura C.Approximate ML Detection for MIMO Systems Using Multistage SphereDecoding[J]Signal Processing Letters， 2005， 12(3) ： 222-225” 从调 制分层的角度出发， 将高阶调制星座点转化为多个低阶调制星座点的线性组合从而将高阶 调制的 SD 检测过程转化为多个低阶调制 SD 检测过程， 该方法虽然在一定程度上降低了低 SNR 下 SD 方法的检测复杂度， 但在高 SNR、 高阶调制及高阶 MIMO 下 MSD 检测复杂度仍然很 高。
发明内容
本发明的目的在于克服已有技术的缺点， 提供一种在移动环境下高阶调制 MIMO系统的检测方法， 以有效地降低在高 SNR、 高阶调制及高阶 MIMO 下的检测复杂度。
为实现上述目的， 本发明包括如下步骤 ：
(1) 根据接收天线接收的数据及信道值， 构建检测的发射天线数据公式 ：
式中，代表最终确定的发射向量， 为最终检测确定的第 i 层对应的发射数据，1 ≤ i ≤ NT， NT 代表发射天线数， y′＝ QHy， H 代表共轭转置， y 为接收向量， y′ i 代表 y′ 向量的第 i 个数据， HCh ＝ QR， HCh 代表信道矩阵， Q 为列正交矩阵， R 为上三角矩阵， ri， j 是 R q 的第 i 行和第 j 列的元素， sti 代表第 i 根发射天线发射的数据， 1 ≤ i ≤ NT， sti ∈ 4 -QAM， q q 4 -QAM 代表调制方式， q 代表该 4 -QAM 的调制子层数， stj 代表第 j 根发射天线发射的数据， (i+1) ≤ j ≤ NT， C 为球半径 ；
(2) 将 4q-QAM 调制数据用各个子层调制数据的线性组合表示 ：
其中， sik ∈ QQPSK 代表第 i 层第 k 个调制子层数据， QQPSK 代表 QPSK 调制方式所包含 代表各调制子层权重系数， q 代表该 4q-QAM 的调制子层数 ；的星座点，
(3) 将 1) 式中的 sti 用 2) 式代替， 得到 3) 式， 构建检测各层各调制子层的数据公式：
其中， 代表第 i 层第 k 个调制子层检测确定的数据 ； (4) 利用 3) 式逐子层确定第 i 层中各调制子层数据 (5) 将第 i 层中确定的前 q-1 个调制子层数据 直到 k ＝ q-1， (1 ≤ k ≤ q) 按式 2) 进行线性组合， 得到用于第 i 层最终区域范围确定的值 sti(q-1) ：
(6) 利用 4) 式进行第 i 层检测星座点范围的确定 ：
当 |ri，i| ＜ η1 时， 在 4q-QAM 调制星座图中选取距离 sti(q-1) 最近的十六个星座点 作为第 i 层检测星座点范围， 并称此范围为扩展区域二 ；
当 η1 ≤ |ri，i| ＜ η2 时， 在 4q-QAM 调制星座图中选取距离 sti(q-1) 最近的九个星 座点作为第 i 层检测星座点范围， 并称此范围为扩展区域一 ； q
当 η2 ≤ |ri，i| 时， 在 4 -QAM 调制星座图中选取距离 sti(q-1) 最近的四个星座点作 为第 i 层检测星座点范围， 并称此范围为基本区域，
其中， η1 和 η2 是用来确定不同区域划分的两个不同的门限值， 0 ≤ η1 ≤ 1， η2 ＞ 1， 其具体值根据系统性能要求通过信道统计特性确定， |·| 代表取绝对值 ；
(7) 在步骤 (6) 中确定的第 i 层检测星座点范围基础上， 按照区域中星座点与第 i 层接收信号距离大小进行第 i 层星座点的自适应优选， 即删除与第 i 层接收信号距离较大 的区域中的星座点 ：
对于基本区域， 将 φ1 与 |ri，i| 和 η2 进行比较 ： 当 |ri，i| ≥ φ1， 优选星座点的数 目为 Z1 ； 当 η2 ≤ |ri， 优选星座点的数目为 Z2 ； i| ＜ φ1，
对于扩展区域一， 将 φ2 与 |ri，i|， η1 和 η2 进行比较 ： 当 φ2 ≤ |ri，i| ＜ η2， 优 选星座点的数目为 Z3 ； 当 η1 ≤ |ri， 优选星座点的数目为 Z4 ； i| ＜ φ2，
对于扩展区域二， 将 φ3 与 |ri，i| 和 η1 进行比较 ： 当 φ3 ≤ |ri，i| ＜ η1， 优选星 座点的数目为 Z5 ； 当 |ri， 优选星座点的数目为 Z6 ； i| ＜ φ3，
其中 φ1， φ2 和 φ3 是针对不同区域划分确定优选星座点数目的三个不同的门限 值， φ1 ≥ η2， η1 ≤ φ2 ＜ η2， 0 ≤ φ3 ＜ η1， 其具体值和优选星座点的数目 Z1， Z2， Z3， Z4， Z5 和 Z6 基于不同的 η1， η2 及性能需求直接给出 ；
(8) 将第 i 层优选后星座点构成的集合记为 Li， 将 3) 式中的各子层数据的线性组 合项
用各层数据 sti 代替， 且用优选后的星座点集合 Li， 1 ≤ i ≤ NT 给出 sti 的检测范围， 按 5) 式得第 i 层检测的发射数据取值集合式中， 为确定的第 i 层检测的发射数据取值集合， Li 为第 i 层优选后的星座点集Lj 为第 j 层优选后的星座点集合， 令 i ＝ i-1， 合， 为确定的第 j 层检测的发射数据范围， 重复步骤 (4)-(8)， 直到确定出所有层检测的发射数据取值集合。
(9) 利用步骤 (8) 中确定的各层检测的发射数据取值集合 1 ≤ i ≤ NT 给出 sti 的取值范围， 找出与 y′距离最近的各层候选星座点组合作为最终检测的各层发射数据 ：
其中，代表最终确定的发射向量， 为最终检测确定的第 i 层对应的发射数据，1 ≤ i ≤ NT， NT 代表发射天线数， 代表确定的第 i 层检测的发射数据范围， 1 ≤ i ≤ NT y′ H ＝ Q y， H 代表共轭转置， y 为接收向量， y′ i 代表 y′向量的第 i 个数据， HCh ＝ QR， HCh 代表 信道矩阵， Q 为列正交矩阵， R 为上三角矩阵， ri， sti 代表第 j 是 R 的第 i 行和第 j 列的元素， i 根发射天线发射的数据， 1 ≤ i ≤ NT 为第 i 层检测确定的发射数据取值集合， stj 代表第 j 根发射天线发射的数据， (i+1) ≤ j ≤ NT， 为第 j 层检测确定的发射数据 取值集合， C 为球半径。
本发明与现有技术相比具有如下优点 ：
(a) 本发明由于将 4q-QAM 调制星座点表示为多个调制子层的线性组合， 在检测中 通过先检测权重系数较大的调制子层， 进而用检测得到的调制子层的检测结果来确定检测 各层对应的星座点范围， 使得各检测层的星座点个数降低， 从而有效地降低 4q-QAM 高阶调 制的检测复杂度。
(b) 本发明由于考虑到多个并行传输子信道之间存在差异， 通过信道矩阵 QR 分解 后 R 对角元素的绝对值 |ri， i| 及调制子层检测数据的线性组合值 sti(q-1) 给出了不同的区域 划分方法， 使得在复杂度降低的情况下保证了系统性能。
(c) 本发明由于在不同的区域划分方法中进行了星座点的优选， 即按区域中星座点与对应接收层接收数据距离的大小， 删除了距离较大的星座点， 使得在保证系统性能的 情况下进一步降低了复杂度。
仿真结果表明 ： 本发明有效地解决了 4q-QAM 高阶调制的复杂度大的问题， 与基于 相同理论的现在技术多状态球形检测相比， 明显地降低了检测复杂度， 且在性能相同的条 件下， 与多状态球形检测相比， 本发明的复杂度降低了 5 倍 ； 与球形检测相比， 在低信噪比 时， 其复杂度方面的收益更大， 而在高信噪比下， 其复杂度依然低于球形检测方法。 附图说明
图 1 是本发明的总流程图 ；
图 2 是本发明确定第 i 层检测星座点范围及优选星座点集合的子流程图 ；
图 3 是本发明与球形检测及多状态球形检测的误比特率性能对比曲线图 ；
图 4 是本发明与球形检测及多状态球形检测的复数乘数次数对比曲线图 ；
图 5 是本发明与球形检测及多状态球形检测的访问结点个数对比曲线图。 具体实施方式 参照图 1， 本发明的具体实施步骤如下 ：
步骤一， 数据准备， 通过信道估计方法获得信道值 HCh， 用球形检测获取球半径的方 法获得本发明球半径 C， 接收向量 y 从各接收天线上直接获得。
步骤二， 对信道值 HCh， 接收向量 y 进行数据处理， 令 HCh ＝ QR， y′＝ QHy 式中， HCh 代表信道矩阵， Q 为列正交矩阵， R 为上三角矩阵， H 代表共轭转置， y 为接收向量。
步骤三， 构建检测各层各调制子层的数据公式。
(3a) 根据接收天线接收的数据及信道值， 构建检测的发射天线数据公式 ：
式中，代表最终确定的发射向量， 为最终检测确定的第 i 层对应的发射数据，1 ≤ i ≤ NT， NT 代表发射天线数， y′＝ QHy， H 代表共轭转置， y 为接收向量， y′ i 代表 y′ 向量的第 i 个数据， HCh ＝ QR， HCh 代表信道矩阵， Q 为列正交矩阵， R 为上三角矩阵， ri， j 是 R q 的第 i 行和第 j 列的元素， sti 代表第 i 根发射天线发射的数据， 1 ≤ i ≤ NT， sti ∈ 4 -QAM， q q 4 -QAM 代表调制方式， q 代表该 4 -QAM 的调制子层数， stj 代表第 j 根发射天线发射的数据， (i+1) ≤ j ≤ NT， C 为球半径 ；
(3b) 将 4q-QAM 调制数据用各个子层调制数据的线性组合表示 ：
其中， sik ∈ QQPSK 代表第 i 层第 k 个调制子层数据， QQPSK 代表 QPSK 调制方式所包含 代表各调制子层权重系数 ；的星座点，
(3c) 将 1) 式中的 sti 用 2) 式代替， 得到 3) 式， 即构建出检测各层各调制子层的 数据公式 ：其中， 代表第 i 层第 k 个调制子层检测确定的数据。 步骤四， 逐调制子层确定第 i 层中各调制子层数据 步骤五， 将第 i 层中确定的前 q-1 个调制子层数据 直到 k ＝ q-1， k 代表第 k 个 (1 ≤ k ≤ q) 按式 2) 进行线调制子层。 性组合， 得到用于第 i 层最终区域范围确定的值 sti(q-1) ：
步骤六， 确定第 i 层检测星座点的范围， 并在此基础上确定自适应优选星座点的 参照图 2， 本步骤的具体实现如下 ： (6a) 利用第 i 层最终区域范围确定的值 sti(q-1) 进行第 i 层检测星座点范围的确集合。
定： 当 |ri，i| ＜ η1 时， 在 4q-QAM 调制星座图中选取距离 sti(q-1) 最近的十六个星座点 作为第 i 层检测星座点范围， 并称此范围为扩展区域二 ；
当 η1 ≤ |ri，i| ＜ η2 时， 在 4q-QAM 调制星座图中选取距离 sti(q-1) 最近的九个星 座点作为第 i 层检测星座点范围， 并称此范围为扩展区域一 ； q
当 η2 ≤ |ri，i| 时， 在 4 -QAM 调制星座图中选取距离 sti(q-1) 最近的四个星座点作 为第 i 层检测星座点范围， 并称此范围为基本区域，
其中， η1 和 η2 是用来确定不同区域划分的两个不同的门限值， 0 ≤ η1 ≤ 1， η2 ＞ 1， 其具体值根据系统性能要求通过信道统计特性确定， |·| 代表取绝对值 ；
(6b) 在 (6a) 中确定的第 i 层检测星座点范围基础上， 按照区域中星座点与第 i 层 接收信号距离大小进行第 i 层星座点的自适应优选， 即删除与第 i 层接收信号距离较大的 区域中的星座点 ：
对于基本区域， 将 φ1 与 |ri，i| 和 η2 进行比较 ： 当 |ri，i| ≥ φ1， 优选星座点的数 目为 Z1 ； 当 η2 ≤ |ri， 优选星座点的数目为 Z2 ； i| ＜ φ1，
对于扩展区域一， 将 φ2 与 |ri，i|， η1 和 η2 进行比较 ： 当 φ2 ≤ |ri，i| ＜ η2， 优 选星座点的数目为 Z3 ； 当 η1 ≤ |ri， 优选星座点的数目为 Z4 ； i| ＜ φ2，
对于扩展区域二， 将 φ3 与 |ri，i| 和 η1 进行比较 ： 当 φ3 ≤ |ri，i| ＜ η1， 优选星 座点的数目为 Z5 ； 当 |ri， 优选星座点的数目为 Z6 ； i| ＜ φ3，
其中 φ1， φ2 和 φ3 是针对不同区域划分确定优选星座点数目的三个不同的门限 值， φ1 ≥ η2， η1 ≤ φ2 ＜ η2， 0 ≤ φ3 ＜ η1， 其具体值和优选星座点的数目 Z1， Z2， Z3， Z4， Z5 和 Z6 基于不同的 η1， η2 及性能需求直接给出 ；
将第 i 层优选后星座点构成的集合记为 Li。
步骤七， 将 3) 式中的各子层数据的线性组合项用各层数据 sti 代替， 且用优选后的星座点集合 Li， 1 ≤ i ≤ NT 给出 sti 的检测范围， 按 5) 式得第 i 层检测的 发射数据取值集合
式中， 为确定第 i 层检测确定的发射数据取值集合， Li 为第 i 层优选后的星座点集合， 为确定的第 j 层检测确定的发射数据取值集合， Lj 为第 j 层优选后的星座点集合。 步骤八， 令 i ＝ i-1， 重复步骤三至步骤八， 直到 i ＝ 0， 确定出所有层检测的发射 数据取值集合。
步骤九， 利用步骤八中确定的各层检测的发射数据取值集合 1 ≤ i ≤ NT 给出 sti 的取值范围， 找出与 y′距离最近的各层候选星座点组合作为最终检测的各层发射数据 ：
其中，代表最终确定的发射向量， 为最终检测确定的第 i 层对应的发射数据，NT 代表发射天线数， 代表确定的第 i 层检测的发射数据范围， 1 ≤ i ≤ NT y′ 1 ≤ i ≤ NT， H ＝ Q y， H 代表共轭转置， y 为接收向量， y′ i 代表 y′向量的第 i 个数据， HCh ＝ QR， HCh 代表 信道矩阵， Q 为列正交矩阵， R 为上三角矩阵， ri， sti 代表第 j 是 R 的第 i 行和第 j 列的元素， i 根发射天线发射的数据， 1 ≤ i ≤ NT 为第 i 层检测确定的发射数据取值集合， stj 代表第 j 根发射天线发射的数据， (i+1) ≤ j ≤ NT， 为第 j 层检测确定的发射数据 取值集合， C 为球半径。
本发明的效果可以通过以下的仿真得到验证 ：
1. 仿真条件 ：
为了验证所本发明的效果， 在 WINNERII 典型的城市微小区 (B1)NLOS 信道模型的 条件下， 对球形检测 SD， 多状态球形检测 MSD 和本发明方法在 MIMO-OFDMA 系统中进行仿真 测试， 多状态球形 MSD 中的列表个数 LSD 参数分别取 LSD ＝ 40 和 LSD ＝ 10， 采用 42-QAM 调 制， 收发天线为 4×4， 子载波数目为 64， 采用 (2， 1， 7) 卷积编码， 检测星座点范围的两个门 限值分别取值 ： η1 ＝ 0.4， η2 ＝ 1 ； 自适应星座点优选数目的三个门限值分别取值 ： φ1 ＝ η2， φ2 ＝ η1， φ3 ＝ 0 ； 取星座点优选数目 Z1 ＝ 2， Z4 ＝ 2， Z5 ＝ 4， 由于门限值的取值， 不 会出现星座点优选数目为 Z2， Z3， Z6 的情况。 2. 仿真内容 ：
在上述仿真条件下， 为了保证性能， 将检测第一层取值集合直接取为通过球形半 径检测的所有调制星座点上， 在此基础上分别对如下内容进行仿真 ：
用本发明方法与球形检测 SD 及多状态球形检测 MSD 在不同信噪比 SNR 下的误码 率曲线进行对比， 其对比曲线图如图 3 所示。
用本发明方法与球形检测 SD 及多状态球形检测 MSD 在不同信噪比 SNR 下的复数 乘法次数进行对比， 其对比曲线图如图 4 所示。
用本发明方法与球形检测 SD 及多状态球形检测 MSD 在不同信噪比 SNR 下的访问 结点数进行对比， 其对比曲线图如图 5 所示。
其中误码率对比曲线图代表本发明与球形检测 SD 及多状态球形检测 MSD 的性能 对比图， 复数乘法次数和访问结点数对比图代表本发明与球形检测 SD 及多状态球形检测 MSD 的复杂度对比图。
3. 仿真结果 ：
从图 3 中可以明显地看出， 在信噪比 SNR 大于 17dB 后， 随着信噪比 SNR 的增加， 与 球形检测 SD 相比， 本发明的信噪比 SNR 损失小于多状态球形检测 MSD， LSD ＝ 10 和 MSD， LSD -3 ＝ 40。在 BER ＝ 10 时， 本发明的信噪比损失为 0.3dB， 而多状态球形检测 MSD， LSD ＝ 10 和多状态球形检测 MSD， LSD ＝ 40 的信噪比损失为 3dB 和 1dB。随着信噪比的进一步增大， 多状态球形检测 MSD， LSD ＝ 10 的信噪比损失逐渐加大。
图 4 和图 5 可见， 随着信噪比 SNR 的变化， 本发明方法的复数乘法次数和访问的节 点数始终小于多状态球形检测 MSD， LSD ＝ 40 和多状态球形检测 MSD， LSD ＝ 10 以及球形 检测 SD 方法。同性能比较接近的多状态球形检测 MSD， LSD ＝ 40 相比， 从复数乘法次数方 面， 本发明的复杂度降低了 5 倍， 如图 4 所示， 而从访问结点数方面， 本发明的复杂度降低了 十几倍， 如图 5 所示。多状态球形检测 MSD 在信噪比较高时， 其复杂度高于球形检测 SD 方 法， 主要是由于多状态球形检测 MSD 中预检测的误差， 即使在高信噪比下， 其第一状态搜索 半径也要足够大， 否则性能将会产生较大的损失， 如图 3 中多状态球形检测 MSD， LSD ＝ 10 的曲线所示， 这样无形中就增大了多状态球形检测 MSD 的检测复杂度， 而本发明方法在高 低信噪比 SNR 时的复杂度始终低于球形检测 SD。