[发明专利]使用具有不明确性的串行局部化的解调器的度量校正

说明书

技术领域

本发明一般地涉及在多输入多输出(MIMO)接收机中的解调，更特别地，涉及基于具有不明确性的串行局部化的MIMO信号的联合解调。

背景技术

很多无线通信标准中，例如EDGE(增强数据速率的GSM演进)、HSPA(高速分组接入)、LTE(长期演进)和WiMax(全球微波接入互操作性)已采用了相对大的调制信号星座，例如16-、32-以及64-QAM(正交幅度调制)。这些标准采用的多输入多输出(MIMO)方案创建了更大的调制星座。

大调制星座增加了解调器的复杂度。例如，MLSE(最大似然序列估计)解调的复杂度随调制星座的大小呈指数级增长。较不复杂的解决方案是可用的，例如，DFSE(判定反馈序列估计)、DFE(判定反馈均衡)等。这些解决方案试图在精确度和复杂度之间找到平衡。在MIMO情景下，用于解调信号的其它有用技术包括多级仲裁(MSA)和迭代树搜索(ITS)。

具有不明确性的串行局部化(SLI)是一种近似于具有降低复杂度的MLSE解调器的解调技术。SLI的基本思想是在一系列更简单的级中解调，其中每个非最终级都试图为下一级使搜索局部化。在第一级，符号星座被分解为四个重叠的子集，并且每个子集由它的质心代表。第一级选择一个子集并且输出对应的质心作为中间符号估计。质心的使用导致了形成下一级的输入的残留信号。在下一级，被选择的子集进一步被分解为四个重叠的子集，并且重复该过程直至到达最终级。每个非最终级在减少的子集中做出选择，并输出中间的符号估计。来自于各级的中间符号估计相加以得到最终的符号估计。不明确性产生于将调制星座表示为重叠的子集。不明确性在多级结构中是有利的，因为在早期级中不明确性阻止了不可逆的错误判定。

在SLI接收机中，来自于每个级的残留信号一般建模为高斯噪声。这是因为以下原因。首先，高斯噪声模型已被用于建模接收机内部的噪声，并且将该模型推广到其它噪声源(例如残留信号)是自然而然的。第二，高斯噪声模型是最坏情况的噪声模型，因此具有鲁棒性。第三，高斯噪声模型是很好理解的模型，对于此模型，优化处理相对简单，并且合适的度量是熟悉的欧几里得度量。然而，高斯模型对于离散的残留信号不是精确的匹配，特别是当数据样本数量少时。

相应地，仍然需要开发解决残留信号的离散特性的调制技术以便改进SLI解调器的性能。

发明内容

本发明的示例性实施例提供了用于在SLI接收机中解调的方法和装置。将残留信号的概率密度函数结合在用于选择最佳候选符号估计的似然度量的计算中，而不是将来自于每个解调级的残留信号建模为高斯噪声。

在每一级，连同对应的减少的符号星座，接收对应于多个数据流的输入符号。从符号星座中的符号生成候选序列的集合。对于候选序列的这个集合，导出未分辨的信号的对应的有限集合，并基于输入符号和未分辨的信号的概率质量函数为每个候选序列计算似然度量。基于似然度量从候选序列的集合中选择来自每一级的输出符号估计。来自每一级的输出符号估计相加以生成累积的符号估计。

还公开了一种用于实现所述改进的SLI解调技术的解调器。该解调器包括输入、候选符号生成器、似然估计器和选择器。输入被配置为接收对应于多个数据流的输入符号和符号星座。候选符号生成器被配置为从符号星座中的符号生成候选序列的集合。对于候选序列的这个集合，候选符号生成器还生成未分辨的信号的有限集合。似然估计器被配置为基于输入符号和未分辨的信号的概率质量函数为每个候选序列计算似然度量。选择器被配置为基于为候选序列的集合计算的似然度量，从候选序列的所述集合中选择最佳候选序列作为输出符号估计。

附图说明

图1示出了接收机的方框图，该接收机包括多级SLI解调器和星座处理模块。

图2示出了多级SLI解调器。

图3示出了多级SLI解调器的一个级的实施例。

图4示出了16-QAM星座及四个重叠的SLI子集。

图5示出了9-QAM星座及四个重叠的SLI子集。

图6示出了多级SLI解调器的示例性实施例。

图7示出了在多级SLI解调器中利用校正的度量解调MIMO信号的流程图。

具体实施方式