[发明专利]带有检测中信道矩阵预处理的MIMO-OFDM无线信号检测方法和系统

说明书

用于MIMO‑OFDM无线通信系统的信号检测方法，包括：对多个MIMO‑OFDM数据包中的每个MIMO‑OFDM数据包，通过信道估计得出每个子载波的信道矩阵；接收每个子载波的接收向量；对MIMO‑OFDM数据包中的第一OFDM符号进行MIMO检测处理，并且对该第一OFDM符号的每个子载波的信道矩阵执行信道矩阵预处理，以生成全局动态K值表；对每个后续OFDM符号进行MIMO检测，其中MIMO检测包括：对当前OFDM符号的每个子载波执行下述步骤：读取当前子载波的信道矩阵预处理结果及接收向量；将当前子载波的接收向量转换至LR搜索域；及对当前子载波进行K‑best搜索，以得出当前子载波的LR域候选发送向量，其中在K‑best搜索中，对当前子载波的每一搜索层应用的K值为全局动态K值表中与该搜索层对应的全局动态K值。

技术领域

本发明主要涉及多天线无线通信系统的低复杂度检测技术，具体涉及带有检测中信道矩阵预处理的MIMO-OFDM无线信号检测方法和系统。

背景技术

随着无线通信技术的迅猛发展，越来越多的无线通信系统开始采用多天线通信技术(MIMO)，以扩展系统的频谱利用率和数据速率，并兼获得较高的分级增益(diversitygain)以提高系统数据传输的可靠性。尤其，伴随着无线通信理论的演化，新的MIMO无线通信技术采用的天线数目正变得或即将变得越来越庞大。同时，用户设备越来越小尺寸化，集成度越来越高。这就使得 MIMO信号的高性能检测方法的研究变得十分有意义。一方面需要检测方法的复杂度可控，保证系统数据的大吞吐率；另一方面需要满足超大规模集成电路(Very Large Scale Integrated circuits，VLSI)设计实现的低功耗和低面积的要求。

MIMO检测方法，按照检测性能的高低，可以分为最优检测、次优检测和近优检测。

常用的MIMO最优检测方法，如最大似然检测(Maximum Likelihood， ML)，可以获得最优的误码检测性能，但是其检测复杂度是随QAM星座和天线数目的增长，呈指数级增长的。因此绝大部分系统配置下，最优检测并不实用，仅作为仿真中其他MIMO检测器的性能对比参照。

MIMO次优检测方法，又可以分为线性和非线性两种。线性次优检测方法，如迫零检测(Zero Forcing，ZF)、最小均方误差检测(Minimum Mean Square Error，MMSE)，利用线性均衡方式，一次性处理所有的并行数据流，复杂度最低，系统开销小，但是其接收分级增益(Receiver Diversity Gain，RDG)接近单天线系统(SISO)，因此误码性能最差。非线性次优检测方法，如多种形式的连续误差消除法(Successive Interference Cancellation，SIC)，接收分级增益略有提高，但易受误差传播的影响，误码性能提升有限，在大天线和大星座规模时，与ML性能差别极大。

MIMO近优检测方法，通常指基于球形译码(Sphere Decoder，SD)的各种树搜索算法变型。这类算法可以使检测性能接近ML方法，而复杂度相比 ML下降很多。其中广度优先的K-best检测器，可以保证独立于信号接收信噪比(Signal to Noise Ratio，SNR)的吞吐率，同时性能与ML检测接近，因此，是最常用的MIMO检测方法之一。其检测性能和复杂度之间的平衡，是通过调节K-best中的K因子实现的。

但是，单纯的K-best检测，在大天线数目和大星座规模下，为了保证一定的接收性能，必须加大搜索K值，因此其复杂度提升很快，同时性能相比 ML迅速下降，只是单纯依靠调节K因子已经无法实现MIMO接收性能和复杂度的均衡了。

与此同时，在实际的无线通信系统中，MIMO技术并不是单独使用，其通常是与其他无线通信技术，如正交频分复用(OFDM)、高阶正交振幅调制 (M-QAM)、先进的信道编解码器(如低密度校验码(LDPC)、Turbo码、卷积码(CC))等综合使用，以进一步提高系统性能和频谱利用率、对抗无线信道的非理想状况。