[发明专利]格基规约算法辅助的无线MIMO系统的接收机检测方法

说明书

技术领域

本发明涉及的是一种无线通信技术领域的方法，具体地涉及一种格基规约算法辅助的无线多输入多输出系统的接收机检测方法。

背景技术

无线通信领域中采用多个发送与接收天线的多输入与多输出(MIMO)系统，是近年来无线技术中最为重要的进展之一。MIMO技术为数据速率、信号可靠性等提供巨大的增益，使其被很多顶尖的无线标准所选中。MIMO检测技术对于实现系统性能增益有很大的影响。MIMO检测器的目标是在给定的接收信号向量的基础上对发送符号向量做观测。不同的MIMO检测算法能够实现这一功能。基于它们检测准确性的关联程度，这些检测算法可以被分为三类：最优、次优以及近优的检测方案。

最常见的最优MIMO检测器为最大似然(ML)检测器。ML检测器可以获得最低的误比特率(BER)。在加性高斯白噪声信道中，可以看到，ML检测器相当于在星座图中寻找格点，该格点与接收到的点距离最近。这样的方法可以获得最优的检测性能。但是，该方法的缺点是检测复杂度太高。ML检测的复杂度随着发送天线数以及星座图的大小成指数增长。因此，ML检测在实际的MIMO接收机实现中并不实用，一般是作为仿真中与其它MIMO检测器BER性能对比的参照点。

次优检测器可以分为两种，线性以及非线性次优检测器。线性检测器利用线性均衡算法消除信道的影响。这种线性消除方法一次性处理所有并行数据流，复杂度低。但是这类线性检测器所能实现的空分复用阶数为较低，导致BER性能不及ML检测。两种最常用的线性检测器为迫零(ZF)检测器与最小均方误差(MMSE)检测器。此外，非线性次优检测器需要按照从最强到最弱的顺序检测符号，并且后一个符号的判决依赖于前一个符号的判决，这类检测器称之为干扰消除(SIC)检测器。相比于线性检测方案，SIC方法在每一次迭代中增加了复用阶数。SIC检测可以获得相比于线性检测更好的BER性能。但是，SIC检测器受到误差传播的影响，其BER性能主要受到先被检测的数据流的影响。

近优MIMO检测是非线性的，可以获得接近ML检测的性能，但是复杂度远低于ML。MIMO检测是在给定的列空间中寻找最近的格点，该格点必须是星座图中的点。这个问题可以被重新表述为一个搜索树问题，树的叶子代表可能解的集合。ML检测在求解时考虑树中所有的叶子，它是最优的，但是复杂度指数增长。但是，如果先从搜索树中移除明显不可能获得想要的结果的叶子，那么复杂度将显著降低。这可以通过剪枝算法实现，移除不可能得到最优解的整棵子树。运用剪枝算法的搜索树方法，主要分为两类，分别为深度优先方法与广度优先算法。球形译码(SD)是最常用的深度优先方法。SD方法将搜索树的范围限制在预先给定半径的球中。SD算法的性能可以接近于ML检测。SD算法的主要缺点是它的吞吐量依赖于SNR值，因为SNR被用于决定球的半径。这导致吞吐率的变化，使得硬件实现上需要一些额外的开销，硬件利用率低。最常见的广度优先方法是K-Best算法。K-Best算法保证了独立于SNR的固定的吞吐量，同时性能接近与ML检测。广度优先方法是前向方案，没有反馈，因此能够保证固定的吞吐量。在性能与复杂度之间的取舍可以通过调节K-Best算法中的K因子实现。

搜索树检测方法在信号空间是正交时，即代表格点的基向量相互正交时，性能最优，接近ML检测性能。但是在实际场景中，信道基向量之间的相关性会恶化搜索树检测算法的性能。天线阵列的物理参数以及环境中的散射效应都会造成信道基向量间存在一定的相关性。

引入格基规约(LR)算法作为信道预处理步骤，通过正交化估计信道的基向量，可以显著降低信道相关性的影响。在近优MIMO检测中应用LR算法可以降低信道相关性对于这类检测器的影响，使得近优检测器鲁棒性更好，可以在更大范围的信道条件中获得接近ML检测的性能。

应用LR算法首先需要计算转换矩阵T。T是幺模矩阵，即T的所有元素的实部虚部都是整数值，同时其行列式为±1，即det(T)＝±1。数学文献中提出了多种LR算法，但是，在MIMO检测的应用中，主要采用三种算法：1)Lenstra,Lenstra and Lov′asz(LLL)算法，2)Seysen算法，3)Brun算法。本发明中采用的格基规约算法为LLL算法。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种格基规约算法辅助的无线MIMO系统的接收机检测方法。