CN102075224B - Mimo***及其信号接收方法和基站 - Google Patents

Abstract

本发明公开了一种用于多用户多小区MIMO***的信号接收方法，包括：对基站的本小区移动台和邻近小区中与本小区移动台处于共道干扰的移动台进行联合检测，获得联合检测的接收信号；根据联合检测的接收信号计算基站的本小区移动台的每个发送符号关于每个调制星座点的先验概率的估计数据；获得其它基站的本小区移动台的每个发送符号关于每个调制星座点的先验概率的估计数据；对其它基站的本小区移动台的每个发送符号关于每个调制星座点的先验概率的估计数据、以及基站的本小区移动台的每个发送符号关于每个调制星座点的先验概率的估计数据进行合并计算，得到本小区移动台的接收信号的判决统计量，对接收信号进行检测判决。

Description

MIMO***及其信号接收方法和基站

技术领域

本发明涉及无线通信技术领域，具体地讲，涉及多用户多小区MIMO(Multiple-Input Multiple-Out-put)***及其信号接收方法和基站。

背景技术

下一代移动通信将为用户提供更高的数据传输速率和更好的服务质量，***容量也将得到大幅度提高。MIMO***能适应这一发展要求，因此近年来得到了迅猛的发展。MIMO***通过在发送端和接收端分别使用多个天线发送和接收信号，获得空间分集和复用增益，从而能够在无需额外功耗和带宽的条件下大幅度增加***容量，显著提高传输链路质量、提高频谱利用率，适用于高速率的音频、视频多媒体业务。目前，点对点的单用户MIMO***的研究已经日趋成熟，点对多点的多用户MIMO***(MU-MIMO)成为了新的研究热点。图1示出多用户MIMO***的示意图。例如，在实际的无线局域网(WLAN)以及蜂窝通信***中，一个基站通常与多个用户同时通信，用户具有一根或多根天线，基站则具有多根天线。多用户MIMO具有很多优点：多天线带来的分集增益能够提高误比特率性能，多天线的复用增益可以扩大***的吞吐量，多天线带来的方向性增益可以从空间上区分多用户，从而消除用户间干扰。在实际的蜂窝通信***中，往往采用多小区制构架，而从形成多用户多小区MIMO***。

在多用户多小区MIMO***中，由于每个小区内采用统一的频率复用和正交多址接入方案，如频分多址(Frequency Division MultipleAccess，FDMA)、单载波频分多址(Single-Carrier Frequency DivisionMultiple Access，SC-FDMA)、时分多址(Time Division MultipleAccess，TDMA)，小区内的干扰一般认为是可以忽略的，因此小区间的共道干扰(Co-Channel Interference，CCI)成为限制***性能的一个主要因素。小区间的共道干扰即为不同小区内的两个发射端因使用同一频段造成的干扰。传统的消除CCI的干扰处理方法主要依靠无线资源分配技术，比如频率复用样式的精心设计、精确的功率控制、准确的扩频码的分配。但是以上传统技术可能会降低可达的频谱效率，也可能会导致不适当的CCI的抑制。

基于信息理论对多小区网络的容量分析，采用基站间协作来发掘***潜在容量的增强的接收技术被提出。最简单的基站间协作是假设***中有一个中心处理节点(Central Processing Unit，CPU)来处理和协调各个基站，然而这种基于CPU的构架有多个缺陷：中心处理节点是一个潜在的失效节点，因而整个***易瘫痪；再者，由于多用户检测(Multi-User Detection，MUD)的算法复杂性主要受用户数目的影响，因此拥有一个中心处理节点会增加潜在的过量的计算负担和巨大的交互信息流量。

现有的与多用户多小区MIMO***上行链路的信号接收相关的算法，包括单小区单用户(Single-cell Single-user)检测算法，即非协作的检测算法(以线性迫零算法(Linear Zero Forcing，LZF)为代表)、以及最大似然检测算法(Maximum Likelihood，ML)。下面我们分别介绍这几种算法。

1)单小区单用户非协作检测算法

单小区单用户检测算法是指在每个基站采用一定的算法进行单用户检测，接收到的与之处于共道干扰的其它小区的用户的信号，被简单的当做噪声处理，即不考虑共道干扰的用户的信号。这类算法未使用基站间的协作通信，以线性迫零算法(LZF)为代表，可简单描述如下：

在准静态衰落信道下，接收机t时刻收到的信号矢量可以表示为：

r_t＝Hx_t+n_t    (1)

其中r_t表示n_R×1的接收信号矢量，H是n_R×n_T维信道响应矩阵，x_t是n_T×1的发送信号矢量，n_t是n_R×1的AWGN噪声矢量，其每个分量都是均值为零、方差为的σ²的相互独立的正态分布随机变量。LZF算法的目的是：首先检测某一层的发送信号，然后从其它层中抵消这一层信号造成的干扰，逐次迭代，最后完成整个信号矢量的检测。令

表示自然序数{1，2，…，n_T}的某种排列，LZF算法的流程可描述如下：

初始化：i＝1；G₁＝H⁺；

迭代过程：

$s_i=\arg \underset{j\∉\{s_1,s_2,\·\·\·,s_{i-1}\}}{\min }{\left|\right|{\left(G_i\right)}_j\left|\right|}^2---\left(2\right)$

$W_{s_i}={\left(G_i\right)}_{s_i}---\left(3\right)$

$y_{s_i}=W_{s_i}{r}_i---\left(4\right)$

${\hat{x}}_{s_i}=Q\left(y_{s_i}\right)---\left(5\right)$

$r_{i+1}=r_1-{\hat{x}}_{s_i}{\left(H\right)}_{s_i}^T---\left(6\right)$

$G_{i+1}=H_{\stackrel{\‾}{s_i}}^{+}---\left(7\right)$

i＝i+1    (8)

式中，H⁺表示Moore-Penrose广义逆；

表示令s₁，s₂，…s_i列为0得到的矩阵的广义逆；(G_i)_j表示矩阵G_i的第j行；Q(·)函数表示根据星座图对检测信号进行硬判决解调。

由于忽略了共道干扰CCI的影响，这类单用户检测算法具有较低的复杂度，但性能也较差。

2)最大似然检测算法(ML)

最大似然联合检测算法(ML)可描述如下：对(1)式，算法采用最小化(9)式进行检测：

$m\left(x_t\right|r_t,H)=\underset{i=1}{\overset{n_R}{\mathrm{\Σ}}}{|r_{t_i}-H_i{x}_t|}^2---\left(9\right)$

其中

表示r_i的第i(i＝1，2，…n_R)个分量；H_i表示H的第i(i＝1，2，…n_R)行，即为1×n_T向量；x_t是n_T×1的发送信号矢量。基于(9)式的译码是一个非常复杂的过程，特别是当n_R较大时。在多用户MIMO***环境下，考虑共道干扰的影响时，需采用联合最大似然检测，这时需要知道基站与所有共道干扰用户的信道矩阵信息。实际运用中多采用降低了复杂度的球译码算法来帮助解决ML检测器的译码，并且球半径会根据当时的信噪比环境进行自适应调节。

发明内容

本发明要解决的一个技术问题是提供一种MIMO***及其信号接收方法和基站，使得相比于目前的检测算法，能较好的解决共道干扰的问题，较大地提升***性能，并拥有可接受的复杂度。

按照本发明的第一方面，提供了一种用于多用户多小区MIMO***的信号接收方法，包括：对基站的本小区移动台和邻近小区中与本小区移动台处于共道干扰的移动台进行联合检测，获得联合检测的接收信号；根据联合检测的接收信号计算基站的本小区移动台的每个发送符号关于每个调制星座点的先验概率的估计数据；获得其它基站的本小区移动台的每个发送符号关于每个调制星座点的先验概率的估计数据；对其它基站的本小区移动台的每个发送符号关于每个调制星座点的先验概率的估计数据、以及基站的本小区移动台的每个发送符号关于每个调制星座点的先验概率的估计数据进行合并计算，得到本小区移动台的接收信号的判决统计量，对接收信号进行检测判决。

通过本发明的信号接收方法，可以消除共道干扰的影响，达到增强接收性能的目的。

优选地，根据联合检测的接收信号计算基站的本小区移动台的每个发送符号关于每个调制星座点的先验概率的估计数据的步骤包括：根据联合检测的接收信号基于PDA算法计算基站的本小区移动台的每个发送符号关于每个调制星座点的先验概率的估计数据。

通过使用PDA算法，简化了后验概率的求解，使得该方法在提升性能的同时拥有可接受的复杂度。

优选地，获得其它基站的本小区移动台的每个发送符号关于每个调制星座点的先验概率的估计数据的步骤包括：在各个基站间采用的客户端-服务器的交互模式进行协作通信，以获得其它基站的本小区移动台的每个发送符号关于每个调制星座点的先验概率的估计数据。

基站作为客户端，每个基站都会收到多份自己需要检测的用户的软判决信息数据，使相邻的小区受益。

优选地，信号接收方法还包括：

对基站通过信道估计得到信道状态信息G^k：

$G^k=[H_k^k,H_{{\mathrm{\α}}_1}^k,\·\·\·,H_{{\mathrm{\α}}_{C_u}}^k]$

对

和

按照以下式子进行修正：

${\hat{H}}_k^k={\mathrm{\β}}_k{H}_k^k+\sqrt{1-{\mathrm{\β}}_k^2}{E}_k$

${\hat{H}}_{{\mathrm{\α}}_i}^k{{=\mathrm{\β}}_{\mathrm{\α}}}_i{H}_{{\mathrm{\α}}_i}^k+\sqrt{1-{\mathrm{\β}}_{{\mathrm{\α}}_i}^2}{E}_{{\mathrm{\α}}_i}$

其中，

为第k个基站与本小区移动台之间的信道状态信息，

为在和BS_k之间的M_b×M_u的信道矩阵，M_b表示基站的天线数，M_u表示移动台的天线数，

表示第α_i个移动台，i＝1，…C_u，C_u表示有效的与本小区移动台处于共道干扰的移动台数，BS_k表示第k个基站，k＝1，…N_b，N_b表示总共的基站数，E_k表示

的方差，表示

的方差，β_k和

表示信道估计的质量。

通过对信道矩阵进行修正，纠正信道估计得到的信道状态信息非完美的问题。

优选地，采用下述公式对获得其它基站的本小区移动台的每个发送符号关于每个调制星座点的先验概率的估计数据、以及基站的本小区移动台的每个发送符号关于每个调制星座点的先验概率的估计数据进行合并计算，得到本小区移动台的接收信号的判决统计量：

$P_m\left(s_t\right|y_{\mathrm{coop}})=P_m\left(s_t\right|y^k)\underset{j=1}{\overset{C_b}{\mathrm{\Π}}}{P}_m\left(s_t\right|y^{{\mathrm{\β}}_j}),$

并且对得到的软判决信息进行归一化处理：

$P_m{\left(s_t\right|y_{\mathrm{coop}})}_{\mathrm{norm}}=\frac{P_m\left(s_t\right|y_{\mathrm{coop}})}{\underset{m}{\mathrm{\Σ}}{P}_m\left(s_t\right|y_{\mathrm{coop}})},$

其中，y_coop代表用于基站间协作的接收信号，y^k表示第k个基站的接收信号，k＝1，…N_b，N_b表示总共的基站数，

表示第β_j个基站的将接受信号，j＝1，…，C_b，C_b为邻近的基站数，S_t表示发送符号，t＝1，2...，M_u(C_u+1)，M_u表示移动台的天线数，C_u表示有效的与本小区移动台处于共道干扰的移动台数，P_m(s_t|y)表示对s_t＝a_m，m＝1，2，…M的发送符号的先验概率值的估计，a_m表示调制星座点集合中的第m个元素，P_m(s_t|y_coop)表示合成的软判决信息。

优选地，对接收信号进行检测判决包括：

对每个传输符号S_t进行最终判决，得出

其中，m′满足下式：

$m^{\′}=\arg \underset{d=\mathrm{1,2},\·\·\·,M}{\max }\left\{P_d{\left(s_t\right|y_{\mathrm{coop}})}_{\mathrm{norm}}\right\}.$

按照本发明的第二方面，提供了一种用于多用户多小区MIMO***的基站，包括：检测装置，用于对基站的本小区移动台和邻近小区中与本小区移动台处于共道干扰的移动台进行联合检测，获得联合检测的接收信号；计算装置，用于根据联合检测的接收信号计算基站的本小区移动台的每个发送符号关于每个调制星座点的先验概率的估计数据；交互装置，用于获得其它基站的本小区移动台的每个发送符号关于每个调制星座点的先验概率的估计数据；判决装置，用于对其它基站的本小区移动台的每个发送符号关于每个调制星座点的先验概率的估计数据、以及基站的本小区移动台的每个发送符号关于每个调制星座点的先验概率的估计数据进行合并计算，得到本小区移动台的接收信号的判决统计量，对接收信号进行检测判决。

通过本发明的用于多用户多小区MIMO***的基站，可以消除共道干扰的影响，达到增强接收性能的目的。

优选地，计算装置根据联合检测的接收信号基于PDA算法计算本小区移动台的每个发送符号关于每个调制星座点的先验概率的估计数据。

通过使用PDA算法，简化了后验概率的求解，在提升性能的同时拥有可接受的复杂度。

优选地，交互装置通过在各个基站间采用的客户端-服务器的交互模式与其它基站进行协作通信，以获得其它基站的本小区移动台的每个发送符号关于每个调制星座点的先验概率的估计数据。

交互装置主要使相邻的小区受益。基站作为客户端，每个基站都会收到多份自己需要检测的用户的软判决信息数据。

优选地，该基站还包括：信道估计装置，对基站通过信道估计得到信道状态信息G^k：

$G^k=[H_k^k,H_{{\mathrm{\α}}_1}^k,\·\·\·,H_{{\mathrm{\α}}_{C_u}}^k]$

对和按照以下式子进行修正：

${\hat{H}}_k^k={\mathrm{\β}}_k{H}_k^k+\sqrt{1-{\mathrm{\β}}_k^2}{E}_k$

${\hat{H}}_{{\mathrm{\α}}_i}^k{{=\mathrm{\β}}_{\mathrm{\α}}}_i{H}_{{\mathrm{\α}}_i}^k+\sqrt{1-{\mathrm{\β}}_{{\mathrm{\α}}_i}^2}{E}_{{\mathrm{\α}}_i}$

其中，

为第k个基站与本小区移动台之间的信道状态信息，

为在

和BS_k之间的M_b×M_u的信道矩阵，M_b表示基站的天线数，M_u表示移动台的天线数，

表示第α_i个移动台，i＝1，…C_u，C_u表示有效的与本小区移动台处于共道干扰的移动台数，BS_k表示第k个基站，k＝1，…N_b，N_b表示总共的基站数，E_k表示的方差，

表示的方差，β_k和表示信道估计的质量。

通过对信道矩阵进行修正，纠正信道估计得到的信道状态信息非完美的问题。

优选地，判决装置采用下述公式对从其它基站获得的与本小区移动台相关的每个发送符号关于每个调制星座点的先验概率的估计数据、以及计算的基站本小区移动台的每个发送符号关于每个调制星座点的先验概率的估计数据进行合并计算，得到本小区移动台的接收信号的判决统计量：

$P_m\left(s_t\right|y_{\mathrm{coop}})=P_m\left(s_t\right|y^k)\underset{j=1}{\overset{C_b}{\mathrm{\Π}}}{P}_m\left(s_t\right|y^{{\mathrm{\β}}_j}),$

并且对得到的软判决信息进行归一化处理：

$P_m{\left(s_t\right|y_{\mathrm{coop}})}_{\mathrm{norm}}=\frac{P_m\left(s_t\right|y_{\mathrm{coop}})}{\underset{m}{\mathrm{\Σ}}{P}_m\left(s_t\right|y_{\mathrm{coop}})}$

其中，y_coop代表用于基站间协作的接收信号，y^k表示第k个基站的接收信号，k＝1，…N_b，N_b表示总共的基站数，表示第β_j个基站的将接受信号，j＝1，…，C_b，C_b为邻近的基站数，S_t表示发送符号，t＝1，2...，M_u(C_u+1)，M_u表示移动台的天线数，C_u表示有效的与本小区移动台处于共道干扰的移动台数，P_m(s_t|y)表示对s_t＝a_m，m＝1，2，…M的发送符号的先验概率值的估计，a_m表示调制星座点集合中的第m个元素，P_m(s_t|y_coop)表示合成的软判决信息。

优选地，判决装置对每个传输符号s_t进行最终判决，得出

其中，m′满足下式：

$m^{\′}=\arg \underset{d=\mathrm{1,2},\·\·\·,M}{\max }\left\{P_d{\left(s_t\right|y_{\mathrm{coop}})}_{\mathrm{norm}}\right\}$

按照本发明的第三方面，提供了一种多用户多小区MIMO***，包括如本发明第二方面的基站。

相比于现有技术，能较好的解决***中共道干扰的问题，较大地提升***性能，并拥有可接受的复杂度。

附图说明

图1示出了多用户MIMO***的示意图。

图2示出了按照本发明的用于多用户多小区MIMO***的信号接收方法的一个实施例的流程图。

图3示出了按照本发明的用于多用户多小区MIMO***的信号接收方法的另一个实施例的流程图。

图4示出了按照本发明的用于多用户多小区MIMO***的基站的一个实施例的框图。

图5示出了按照本发明的用于多用户多小区MIMO***的基站的另一个实施例的框图。

图6示出了按照本发明的多用户多小区(MIMO)***的一个实施例的六边形拓扑图。

图7示出了无软合并的PDA和ML联合检测算法、分布式PDA算法、单小区单用户LZF算法、单用户ML和PDA界的性能比较。

图8示出了不同信道估计质量下的分布式PDA算法性能分析。

图9示出了带软合并的分布式PDA算法的收敛性质分析。

具体实施方式

下面参照附图对本发明进行更全面的描述，其中说明本发明的示例性实施例。

本发明提供一种基于分布式概率数据关联算法和基站间协作的多用户多小区MIMO***上行链路的信号接收方法，应用在多用户多小区MIMO***中。在本发明的一个实施例中，每个基站采用PDA算法对本小区用户和邻近小区中与该小区用户处于共道干扰的用户进行联合检测，得到在当前接收信号的条件下，每个发送符号关于每个调制星座点的先验概率的估计，再通过基站间的协作通信，交换得到的先验概率数据，最后在每个基站端进行软信息的合并，得到判决统计量，从而完成接收信号的检测。

概率数据辅助(Probabilistic Data Association，PDA)方法最初被用于目标跟踪，后被发展成为一种可用于替代所谓的最佳软判决方法最大后验概率(Maximum A Posteriori，MAP)解码器/检测器/均衡器的低复杂度方案，并逐渐被推广到CDMA和MIMO***的多用户检测中。

PDA方法的主要思想是：根据中心极限定理将若干变量的和近似为高斯变量。PDA方法将当前检测符号当作随机变量，将其它层干扰近似成高斯噪声，通过这种近似，根据其它层符号的先验信息计算与高斯变量匹配的均值和方差进而得到当前检测符号的条件概率，该条件概率又作为检测其它层符号的先验信息，这样各层符号的条件概率得以不断迭代更新，如果两次迭代得到的某检测信号对数似然比(Log-Likelihood-Ratios，LLRs)小于一个阈值，则说明该信号的检测已经收敛。

PDA方法具有以下优点：第一，它是一种自然的软输出软输出算法(Soft-Input-Soft-Output，SISO)，非常适用于卷积码、Turbo码、低密度奇偶校验码(Low Density Parity Check，LDPC)的合并；第二，它能达到近似最优的多用户检测的性能，特别是在CDMA(CodeDivision Multiple Access)***下；第三，它具有较低的复杂度，当采用BPSK(Binary Phase Shift Keying)调制时一般不超过O(L3)，这里L表示MIMO***中的发射天线数或CDMA***中的用户数；第四，在信道非秩亏损的条件下，发射天线数或用户数越多，***可达的性能越好。

下面介绍PDA算法：

PDA算法的核心思想是对噪声和层间干扰的高斯近似，这种近似简化了后验概率的求解。PDA算法的基本流程：

接收信号：

r＝Hx+n    (10)

其中，x是发送矢量，H是信道矩阵，n是高斯白噪声矢量。

设x的第m个符号x_m为当前检测符号，则：

$r=h_m{x}_m+\underset{k\≠m}{\mathrm{\Σ}}{h}_k{x}_k+n---\left(11\right)$

其中，h_k代表信道矩阵的第k列。

$w=\underset{k\≠m}{\mathrm{\Σ}}{h}_k{x}_k+n$

其中，w是由一个高斯变量n和若干个随机变量h_kx_k相加而成。根据中心极限定理，当h_kx_k的数目足够多时，w趋向于高斯分布。均值和协方差矩阵为：

${\mathrm{\μ}}_w=E\{\underset{k\≠m}{\mathrm{\Σ}}{h}_k{x}_k+n\}=\underset{k\≠m}{\mathrm{\Σ}}E\left\{x_k\right\}{h}_k---\left(13\right)$

$R_w=E\left\{(w-{\mathrm{\μ}}_w){(w-{\mathrm{\μ}}_w)}^H\right\}=\underset{k\≠m}{\mathrm{\Σ}}\mathrm{Var}\left\{x_k\right\}{h}_k{h_k}^H+{\mathrm{\σ}}_n^{2}I---\left(14\right)$

假设w的每一个分量都是循环对称的，即随机矢量的实部和虚部同分布且均值和方差相同，可得到当前检测符号的后验概率为：

$P{r}_l\left(a_j\right|r)=\frac{p\left(r\right|a_j)\mathrm{Pr}\left(a_j\right)}{p\left(r\right)}=c\·\exp (-{(r-a_j{h}_m-{\mathrm{\μ}}_w)}^H{R}_w^{-1}(r-a_j{h}_m-{\mathrm{\μ}}_w))---\left(15\right)$

其中a_j∈Q，Q为调制符号集合。

这个概率在检测其它符号时又会被用作x_m的先验信息来计算x_m的均值和方差。这样依次迭代，直到所有层发射符号后验概率收敛。

PDA算法中的高斯近似的准确性对算法性能有较大影响，如果发射天线数或用户数较少，中心极限定理将不再成立，高斯近似变得不准确，因而会影响算法的性能。鉴于此，Y.Jia等人提出了一种CPDA(Complex formulation of the PDA)算法。考虑复信号模型：

$\tilde{r}=\tilde{H}\·\tilde{x}+\tilde{n}---\left(16\right)$

其中：

$\tilde{r}={\left[R\right\{r^T\left\}I\right\{r^T\left\}\right]}^T$

$\tilde{x}={\left[R\right\{x^T\left\}I\right\{x^T\left\}\right]}^T$

$\tilde{n}={\left[R\right\{n^T\left\}I\right\{n^T\left\}\right]}^T---\left(17\right)$

$\tilde{H}=\left[\begin{array}{cc}R\left\{H\right\}& -I\left\{H\right\}\\ I\left\{H\right\}& R\left\{H\right\}\end{array}\right]$

R{}、I{}分别代表取实部和虚部。信号候选集的规模因此缩小，同时不用考虑迭代时的w的实虚两部统计性质不对称的问题。CPDA算法采用均值、协方差矩阵、伪协方差矩阵去刻画所近似的高斯矢量。后验概率的计算按以下流程进行：

v＝r-a_jh_m-μ_w    (18)

$\mathrm{\φ}\left(a_j\right)=\exp (-\left\{\begin{array}{c}R\left\{v\right\}\\ I\left\{v\right\}\end{array}\right\}{\mathrm{\Λ}}_j{\left\{\begin{array}{c}R\left\{v\right\}\\ I\left\{v\right\}\end{array}\right\}}^T)---\left(19\right)$

${\mathrm{\Λ}}_j={\left(\begin{array}{cc}R\{R_w+K_w\}& -I\{R_w-K_w\}\\ I\{R_w+K_w\}& R\{R_w-K_w\}\end{array}\right)}^{-1}$

$\mathrm{Pr}\left(a_j\right|\tilde{r})=\frac{\mathrm{\φ}\left(a_j\right)}{\underset{a_j\∈Q}{\mathrm{\Σ}}\mathrm{\φ}\left(a_j\right)}---\left(20\right)$

图2示出了按照本发明的用于多用户多小区MIMO***的信号接收方法的一个实施例的流程图，包括下述步骤：

步骤202：对基站的本小区移动台和邻近小区中与本小区移动台处于共道干扰的移动台进行联合检测，获得联合检测的接收信号；

步骤204：根据联合检测的接收信号计算基站的本小区移动台的每个发送符号关于每个调制星座点的先验概率的估计数据；

步骤206：获得其它基站的本小区移动台的每个发送符号关于每个调制星座点的先验概率的估计数据；

步骤208：对其它基站的本小区移动台的每个发送符号关于每个调制星座点的先验概率的估计数据、以及基站的本小区移动台的每个发送符号关于每个调制星座点的先验概率的估计数据进行合并计算，得到本小区移动台的接收信号的判决统计量，对接收信号进行检测判决。

通过该信号接收方法，可以消除共道干扰的影响，达到增强接收性能的目的。

图3示出了按照本发明的用于多用户多小区MIMO***的信号接收方法的另一个实施例的流程图。下面结合图3针对每一步骤进行详细的介绍：

对一个特定的多用户多小区MIMO***，约定以下参数：

N_b：总共的基站数/总共的小区数

N_u：总共的移动台数

K_i，i＝1，2，…N_b：每个小区的移动台的数目

M_b：基站的天线数(假设每个基站的天线数一致)

M_u：移动台的天线数(假设每个移动台的天线数一致)

C_u：有效的与当前用户处于共道干扰的移动台数

C_b：邻近的基站数

步骤302，先对每个基站，通过信道估计得到所有的信道状态信息。

步骤304，对该基站的本小区用户和邻近小区中与该小区用户处于共道干扰的用户进行联合检测，得到联合检测的接收信号。设第k(k＝1，…N_b)个基站接收到的信号为：

y^k＝G^ks^k+n^k    (21)

其中：

$G^k=[H_k^k,H_{{\mathrm{\α}}_1}^k,\·\·\·,H_{{\mathrm{\α}}_{C_u}}^k]---\left(22\right)$

为在

和BS_k之间的M_b×M_u的信道矩阵，i＝1，…C_u，k＝1，…N_b。

为在小区

中的移动台所发送的长度为M_u的信号向量，并且每个符号都来自于势为M的星座点集合A＝{α₁，α₂，…α_M}。这里把s^k表示为t＝1，2，…，M_u(C_u+1)。

n^k为长度为M_b的复值圆对称高斯噪声，均值为0，在BS_k处的协方差矩阵为

其中

为M_b×M_b的单位矩阵。

根据本发明的一个实施例，对

和按照以下式子进行修正：

${\hat{H}}_k^k={\mathrm{\β}}_k{H}_k^k+\sqrt{1-{\mathrm{\β}}_k^2}{E}_k---\left(23\right)$

${\hat{H}}_{{\mathrm{\α}}_i}^k{{=\mathrm{\β}}_{\mathrm{\α}}}_i{H}_{{\mathrm{\α}}_i}^k+\sqrt{1-{\mathrm{\β}}_{{\mathrm{\α}}_i}^2}{E}_{{\mathrm{\α}}_i}---\left(24\right)$

其中β_k如

表示信道估计的质量，可假设接近于1，但不能大于1。通过对信道矩阵进行修正，纠正信道估计得到的信道状态信息非完美的问题。

(21)式可重写为：

$y^k={\hat{G}}^k{s}^k+n^k---\left(25\right)$

这里注意到当β_k和

等于1时，以上式子与拥有完美的信道估计时的式子一致，因此以后算法步骤均考虑拥有的完美的信道估计，需要考虑非完美信道估计的情况，只需用(25)式替换(21)式即可。

步骤306，根据联合检测的接收信号基于PDA算法计算基站的本小区移动台的每个发送符号关于每个调制星座点的先验概率的估计数据。具体步骤如下：

a)当M_u(C_u+1)≤M_b时

考虑基站BS_k，并将下标k在下面的式子中移除。现将(21)式重新

写为：

$\tilde{y}=\tilde{s}+\tilde{n}=s_t{e}_t+\underset{l\≠t}{\mathrm{\Σ}}{s}_l{e}_l+\tilde{n}=s_t{e}_t+v_t---\left(26\right)$

其中 为有色高斯噪声，均值为0，协方差为N₀(G^HG)^-1，e_l为一列向量，第l个元素为1，其他元素全部为0，v_t表示对信号s_t的干扰冲击噪声，其中t，l＝1，2，…，M_u(C_u+1)。对每个发送符号s_t，我们按以下迭代方法计算出其在当前接收信号的条件下，每个发送符号关于每个调制星座点的先验概率的估计P_t，其中P_t的第m个元素P_m(s_t|y)表示对s_t＝a_m，m＝1，2，…M的先验概率值的估计，这里a_m表示调制星座点集合中的第m个元素。

假设所有发送符号拥有相同的先验概率，即为信源为等概分布

信源，则迭代步骤如下：

i.初始化：初始化P_m(s_t|y)为均匀分布，例如

$\∀t=1,2,\·\·\·M_u(C_u+1),$ $\∀m=\mathrm{1,2},\·\·\·,M,$ 设置迭代计数器为

z＝1

ii.将符号下标设置为t＝1

iii.基于当前的{P(l)}_l≠t，按照以下(27)至(33)式子计算

P_m(s_t|y)，用以替代P_t中的元素：

$\stackrel{\‾}{s_l}=\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{a}_m{P}_m\left(s_l\right|y)---\left(27\right)$

$V\left\{s_l\right\}=\underset{m=1}{\overset{M}{\mathrm{\Σ}}}(a_m-\stackrel{\‾}{s_l}){(a_m-\stackrel{\‾}{s_l})}^{*}{P}_m\left(s_l\right|y)---\left(28\right)$

$U\left\{s_l\right\}=\underset{m=1}{\overset{M}{\mathrm{\Σ}}}(a_m-\stackrel{\‾}{s_l}){(a_m-\stackrel{\‾}{s_l})}^T{P}_m\left(s_l\right|y)---\left(29\right)$

$w_m^{\left(t\right)}=\tilde{y}-a_m^{\left(t\right)}{e}_t-\underset{l\≠t}{\mathrm{\Σ}}\stackrel{\‾}{s_l}{e}_l---\left(30\right)$

其中，

表示a_m被分配给了s_t，

和

分别代表复数的实部与虚部。

iv.如果t＜M_u(C_u+1)，使t＝t+1，转到步骤iii，否则，转到步骤v。

v.如果P_t已经收敛，或者迭代次数超过了最大限制，则终

止该算法，否则，令z＝z+1，转到步骤ii。

b)当M_u(C_u+1)＞M_b时

此时将(21)式重新写为：

$y=g_t{s}_t+\underset{l\≠t}{\mathrm{\Σ}}{g}_l{s}_l+n=g_t{s}_t+u_t---\left(34\right)$

其中g_l为G^k中的第l列，则相似的，采用a)中的迭代步骤算法也

可得到所需的先验概率的估计值P_t。

通过使用PDA算法，简化了后验概率的求解，使得该方法在提升性能的同时拥有可接受的复杂度。

步骤308在各个基站间采用的统一的客户端-服务器的交互模式(Unified-Client-Server mode)进行协作通信，以获得其它基站的本小区移动台的每个发送符号关于每个调制星座点的先验概率的估计数据。这里，假设各个基站之间都采用理想的光纤骨干网络相连接。基站作为服务端，它会帮助所有协作的小区所需的共道干扰的用户，并发送得到的软判决信息给所有用户所在的基站。

基站作为客户端，每个基站都会收到多份自己需要检测的用户的软判决信息数据，使相邻的小区受益。

步骤310，采用下述公式对获得其它基站的本小区移动台的每个发送符号关于每个调制星座点的先验概率的估计数据、以及基站的本小区移动台的每个发送符号关于每个调制星座点的先验概率的估计数据进行合并计算，得到本小区移动台的接收信号的判决统计量：

$P_m\left(s_t\right|y_{\mathrm{coop}})=P_m\left(s_t\right|y^k)\underset{j=1}{\overset{C_b}{\mathrm{\Π}}}{P}_m\left(s_t\right|y^{{\mathrm{\β}}_j})---\left(35\right)$

其中，y_coop代表用于基站间协作的接收信号，y^k表示第k个基站的接收信号，k＝1，…N_b，N_b表示总共的基站数，

表示第β_j个基站的将接受信号，j＝1，…，C_b，C_b为邻近的基站数。P_m(s_t|y_coop)表示合成的软判决信息。再对数据按照式(36)进行归一化处理：

$P_m{\left(s_t\right|y_{\mathrm{coop}})}_{\mathrm{norm}}=\frac{P_m\left(s_t\right|y_{\mathrm{coop}})}{\underset{m}{\mathrm{\Σ}}{P}_m\left(s_t\right|y_{\mathrm{coop}})}---\left(36\right)$

步骤312，对每个传输符号s_t进行最终判决，得出

其中m′满足式(37)：

$m^{\′}=\arg \underset{d=\mathrm{1,2},\·\·\·,M}{\max }\left\{P_d{\left(s_t\right|y_{\mathrm{coop}})}_{\mathrm{norm}}\right\}---\left(37\right)$

图4示出了按照本发明的用于多用户多小区MIMO***的基站的一个实施例的框图。

如图4所示，基站40包括：检测装置401，用于对基站40的本小区移动台和邻近小区中与本小区移动台处于共道干扰的移动台进行联合检测，获得联合检测的接收信号；计算装置402，用于根据检测装置401联合检测的接收信号计算基站40的本小区移动台的每个发送符号关于每个调制星座点的先验概率的估计数据；交互装置403，用于从其它基站的计算装置402获得其它基站的本小区移动台的每个发送符号关于每个调制星座点的先验概率的估计数据；判决装置404，用于对其它基站的本小区移动台的每个发送符号关于每个调制星座点的先验概率的估计数据、以及基站40的本小区移动台的每个发送符号关于每个调制星座点的先验概率的估计数据进行合并计算，得到本小区移动台的接收信号的判决统计量，对接收信号进行检测判决。

通过本发明的用于多用户多小区MIMO***的基站40，可以消除共道干扰的影响，达到增强接收性能的目的。

图5示出了按照本发明的用于多用户多小区MIMO***的基站的一个实施例的框图。

如图5所示，检测装置401、计算装置402、交互装置403和判决装置404与图4中的相同，此处不再详述。区别在于，图5所示的基站50还包括：信道估计装置505，用于对基站进行信道估计得到信道状态信息G^k：

$G^k=[H_k^k,H_{{\mathrm{\α}}_1}^k,\·\·\·,H_{{\mathrm{\α}}_{C_u}}^k]---\left(22\right)$

根据本发明的一个实施例，对和

按照以下式子进行修正：

${\hat{H}}_k^k={\mathrm{\β}}_k{H}_k^k+\sqrt{1-{\mathrm{\β}}_k^2}{E}_k---\left(23\right)$

${\hat{H}}_{{\mathrm{\α}}_i}^k{{=\mathrm{\β}}_{\mathrm{\α}}}_i{H}_{{\mathrm{\α}}_i}^k+\sqrt{1-{\mathrm{\β}}_{{\mathrm{\α}}_i}^2}{E}_{{\mathrm{\α}}_i}---\left(24\right)$

其中，

为第k个基站与本小区移动台之间的信道状态信息，

为在

和BS_k之间的M_b×M_u的信矩阵，M_b表示基站的天线数，M_u表示移动台的天线数，

表示第α_i个移动台，i＝1，…C_u，C_u表示有效的与本小区移动台处于共道干扰的移动台数，BS_k表示第k个基站，k＝1，…N_b，N_b表示总共的基站数，E_k表示

的方差，表示的方差，β_k和

表示信道估计的质量。

通过对信道矩阵进行修正，纠正信道估计得到的信道状态信息非完美的问题。

按照本发明的一个实施例，计算装置402根据联合检测的接收信号基于PDA算法计算本小区移动台的每个发送符号关于每个调制星座点的先验概率的估计数据。

通过使用PDA算法，简化了后验概率的求解，在提升性能的同时拥有可接受的复杂度。

按照本发明的一个实施例，交互装置403通过在各个基站间采用的客户端-服务器的交互模式与其它基站进行协作通信，以获得其它基站的本小区移动台的每个发送符号关于每个调制星座点的先验概率的估计数据。

交互装置403主要使相邻的小区受益。基站作为客户端，每个基站都会收到多份自己需要检测的用户的软判决信息数据。

按照本发明的一个实施例，判决装置404采用下述公式对从其它基站获得的与本小区移动台相关的每个发送符号关于每个调制星座点的先验概率的估计数据、以及计算的基站本小区移动台的每个发送符号关于每个调制星座点的先验概率的估计数据进行合并计算，得到本小区移动台的接收信号的判决统计量：

$P_m\left(s_t\right|y_{\mathrm{coop}})=P_m\left(s_t\right|y^k)\underset{j=1}{\overset{C_b}{\mathrm{\Π}}}{P}_m\left(s_t\right|y^{{\mathrm{\β}}_j}),---\left(35\right)$

并且对得到的软判决信息进行归一化处理：

$P_m{\left(s_t\right|y_{\mathrm{coop}})}_{\mathrm{norm}}=\frac{P_m\left(s_t\right|y_{\mathrm{coop}})}{\underset{m}{\mathrm{\Σ}}{P}_m\left(s_t\right|y_{\mathrm{coop}})}---\left(36\right)$

其中，y_coop代表用于基站间协作的接收信号，y^k表示第k个基站的接收信号，k＝1，…N_b，N_b表示总共的基站数，

表示第β_j个基站的将接受信号，j＝1，…，C_b，C_b为邻近的基站数，S_t表示发送符号，t＝1，2...，M_u(C_u+1)，M_u表示移动台的天线数，C_u表示有效的与本小区移动台处于共道干扰的移动台数，P_m(s_t|y)表示对s_t＝a_m，m＝1，2，...M的发送符号的先验概率值的估计，a_m表示调制星座点集合中的第m个元素，P_m(s_t|y_coop)表示合成的软判决信息。

判决装置404对每个传输符号s_t进行最终判决，得出其中，m′满足下式：

$m^{\′}=\arg \underset{d=\mathrm{1,2},\·\·\·,M}{\max }\left\{P_d{\left(s_t\right|y_{\mathrm{coop}})}_{\mathrm{norm}}\right\}---\left(37\right).$

下面描述本发明的一个具体实例，参数设定不影响一般性。

图6示出了按照本发明的多用户多小区(MIMO)***的一个实施例的六边形拓扑图。如图6所示，该移动蜂窝***拥有例如19个小区，每个小区有例如一个基站BS₀至BS₁₈和例如一个移动台MS₀至MS₁₈，下面介绍在该多用户多小区***中的信号接收方法。

参见图6所示的多用户多小区***，假设图中每个小区采用统一的频率复用方案和相同的正交多址接入方案，并且MS₀至MS₁₈这19个移动台被分配了同一频段。同时假定以下参数：N_b＝19，M_u＝2，M_b＝8，最大迭代次数I＝5。本发明对于该例按照以下步骤进行：

1、对这19个基站，通过信道估计得到所有的信道状态信息。再对该基站的本小区用户和邻近小区中与该小区用户处于共道干扰的用户进行联合检测，得到联合检测的接收信号。例如，BS₀将联合检测MS₀、MS₂、MS₃、MS₄，BS₁将联合检测MS₁、MS₈、MS₂、MS₀等。

2、对所有接收信号采用PDA算法中的概率计算准则进行迭代计算，得出在当前接收信号的条件下，每个发送符号关于每个调制星座点的先验概率的估计，具体算法参照算法步骤2。

3、各个基站间采用统一的客户端-服务器的交互模式进行协作通信，交换上一步得到的先验概率的数据。这里，假设各个基站之间都采用理想的光纤骨干网络相连接。例如，BS₀会检测出他自己所需求的用户MS₀的先验概率信息，并同时检测出MS₂、MS₃、MS₄的先验概率信息传送给基站BS₂、BS₃、BS₄。另一方面，为了帮助对MS₀做出判决，其周围的基站BS₀、BS₁、BS₅、BS₆会对其进行检测，并将得到的软信息

传输给基站BS₀，所有这些概率数据会传送给基站BS₀，即MS₀所在的小区的基站。因此，BS₀、BS₁、BS₅、BS₆对MS₀的接受信号的判决都发挥了作用。

4、每个基站单独进行软信息的合并计算，得出自己所需求的用户的接收信号的判决统计量，从而对接收信号进行检测判决。具体的算法步骤按照式(35)、式(36)、式(37)进行。

为了展示本发明中所提出的基于分布式概率数据关联算法和基站间协作的多用户多小区MIMO***上行链路的信号接收方法，和现有检测算法的性能比较，我们做了仿真实验，实验针对以上提出的六边形拓扑的多用户多小区MIMO***模型，做了以下具体处理：调制方式采用QPSK；信道采用平坦瑞利衰落信道；每个接收天线的平均等效信噪比记为SNR＝10log₁₀(E{||G_s||²/M_b}/E{||n||²})；移动台与基站之间的子信道矩阵被选为0均值、单位方差的独立同分布的复值高斯随机变量；每产生1000个接收符号向量，重新生成新的信道矩阵；每个噪声向量n^k的元素服从0均值、方差为N₀的独立同分布的高斯变量；对每个移动台而言，信道估计质量保持一直，即参数β统一。另外，鉴于M_u(C_u+1)≤M_b和M_u(C_u+1)＞M_b两种情况都展示出相近的性能，而前者具有较低的计算复杂度，因此我们的仿真中采用前者的模型即可。

定义干扰密度ρ为处于共道干扰的用户与本小区需求的用户的信道增益比，即为：

i＝1，…C_u，其中||·||_F表示Frobenius范数。

仿真实验针对无软合并的ML和PDA联合检测算法、分布式PDA算法、单小区单用户LZF算法、单用户无干扰条件下ML和PDA的界，分别进行了仿真分析，比较了性能。从图7可以看出，在相同的干扰密度ρ下，本发明提出的包含软信息合并的分布式PDA算法相对于其他几种算法都有更优的性能，并且当干扰密度ρ取更大值(ρ＝0.8)时，分布式PDA算法依然表现出相对其他几种算法更优的性能。

另外，仿真实验针对非完美的信道估计条件和分布式PDA算法的迭代收敛性质分别进行了仿真分析，从得到的结果图8、图9可以看出，信道估计的质量对算法的性能有一定的影响，算法的迭代收敛性质较好。

本发明所提出的信号接收方法是一种采用分布式概率数据关联算法和基站间协作通信来消除CCI的影响，从而提高***性能的信号接收方法。相比于目前的检测算法，该方法能较好的解决了道干扰的问题，较大的提升了***性能，并拥有可接受的复杂度，其特点是利用了基站间的协作通信和软信息的合并，以及PDA算法高性能与低复杂度，即能近似达到最大后验概率这种最优算法的性能并拥有较低的复杂度和较快的收敛速度。

本发明的描述是为了示例和描述起见而给出的，而并不是无遗漏的或者将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本发明的原理和实际应用，并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。

Claims (9)

1.一种用于多用户多小区MIMO***的信号接收方法，包括：

对基站的本小区移动台和邻近小区中与所述本小区移动台处于共道干扰的移动台进行联合检测，获得联合检测的接收信号；

根据所述联合检测的接收信号计算所述基站的所述本小区移动台的每个发送符号关于每个调制星座点的先验概率的估计数据；

获得其它基站的所述本小区移动台的每个发送符号关于每个调制星座点的先验概率的估计数据；

对所述其它基站的所述本小区移动台的每个发送符号关于每个调制星座点的先验概率的估计数据、以及所述基站的所述本小区移动台的每个发送符号关于每个调制星座点的先验概率的估计数据进行合并计算，得到所述本小区移动台的接收信号的判决统计量，对所述接收信号进行检测判决；

其中，采用下述公式对获得其它基站的所述本小区移动台的每个发送符号关于每个调制星座点的先验概率的估计数据、以及所述基站的所述本小区移动台的每个发送符号关于每个调制星座点的先验概率的估计数据进行合并计算，得到所述本小区移动台的接收信号的判决统计量：

$P_m\left(s_t\right|y_{\mathrm{coop}})=P_m\left(s_t\right|y^k)\underset{j=1}{\overset{C_b}{\mathrm{\Π}}}{P}_m\left(s_t\right|y^{{\mathrm{\β}}_j}),$

并且对得到的软判决信息进行归一化处理：

$P_m{\left(s_t\right|y_{\mathrm{coop}})}_{\mathrm{norm}}=\frac{P_m\left(s_t\right|y_{\mathrm{coop}})}{\underset{m}{\mathrm{\Σ}}{P}_m\left(s_t\right|y_{\mathrm{coop}})},$

其中，y_coop代表用于基站间协作的接收信号，y^k表示第k个基站的接收信号，k＝1，…N_b，N_b表示总共的基站数，

表示第β_j个基站的将接受信号，j＝1，…，C_b，C_b为邻近的基站数，s_t表示发送符号，t＝1，2...，M_u(C_u+1)，M_u表示移动台的天线数，C_u表示有效的与本小区移动台处于共道干扰的移动台数，P_m(s_t|y)表示对s_t＝a_m，m＝1，2，…M的发送符号的先验概率值的估计，a_m表示调制星座点集合中的第m个元素，P_m(s_t|y_coop)表示合成的软判决信息；

对所述接收信号进行检测判决包括：

对每个传输符号s_t进行最终判决，得出

其中，m′满足下式： $m^{\′}=\arg \underset{d=\mathrm{1,2},\·\·\·,M}{\max }\left\{P_d{\left(s_t\right|y_{\mathrm{coop}})}_{\mathrm{norm}}\right\}.$

2.如权利要求1所述的信号接收方法，其特征在于，所述根据所述联合检测的接收信号计算所述基站的所述本小区移动台的每个发送符号关于每个调制星座点的先验概率的估计数据的步骤包括：

根据联合检测的所述接收信号基于PDA算法计算所述基站的所述本小区移动台的每个发送符号关于每个调制星座点的先验概率的估计数据。

3.如权利要求1所述的信号接收方法，其特征在于，所述获得其它基站的所述本小区移动台的每个发送符号关于每个调制星座点的先验概率的估计数据的步骤包括：在各个基站间采用的客户端-服务器的交互模式进行协作通信，以获得所述其它基站的所述本小区移动台的每个发送符号关于每个调制星座点的先验概率的估计数据。

4.如权利要求1所述的信号接收方法，其特征在于，还包括：

对所述基站通过信道估计得到信道状态信息G^k：

$G^k=[H_k^k,H_{{\mathrm{\α}}_1}^k,\·\·\·,H_{{\mathrm{\α}}_{C_u}}^k]$

对

和

按照以下式子进行修正：

${\hat{H}}_k^k={\mathrm{\β}}_k{H}_k^k+\sqrt{1-{\mathrm{\β}}_k^2}{E}_k$

${\hat{H}}_{{\mathrm{\α}}_i}^k={\mathrm{\β}}_{{\mathrm{\α}}_i}{H}_{{\mathrm{\α}}_i}^k+\sqrt{1-{\mathrm{\β}}_{{\mathrm{\α}}_i}^2}{E}_{{\mathrm{\α}}_i}$

其中，

为第k个基站与本小区移动台之间的信道状态信息，

为在

和BS_k之间的M_b×M_u的信道矩阵，M_b表示基站的天线数，M_u表示移动台的天线数，

表示第α_i个移动台，i＝1，…C_u，C_u表示有效的与本小区移动台处于共道干扰的移动台数，BS_k表示第k个基站，k＝1，…N_b，N_b表示总共的基站数，E_k表示

的方差，

表示

的方差，β_k和

表示信道估计的质量。

5.一种用于多用户多小区MIMO***的基站，包括：

检测装置，用于对基站的本小区移动台和邻近小区中与所述本小区移动台处于共道干扰的移动台进行联合检测，获得联合检测的接收信号；

计算装置，用于根据所述联合检测的接收信号计算所述基站的所述本小区移动台的每个发送符号关于每个调制星座点的先验概率的估计数据；

交互装置，用于获得其它基站的所述本小区移动台的每个发送符号关于每个调制星座点的先验概率的估计数据；

判决装置，用于对所述其它基站的所述本小区移动台的每个发送符号关于每个调制星座点的先验概率的估计数据、以及所述基站的所述本小区移动台的每个发送符号关于每个调制星座点的先验概率的估计数据进行合并计算，得到所述本小区移动台的接收信号的判决统计量，对所述接收信号进行检测判决；

其中，所述判决装置采用下述公式对从其它基站获得的与所述本小区移动台相关的每个发送符号关于每个调制星座点的先验概率的估计数据、以及计算的基站本小区移动台的每个发送符号关于每个调制星座点的先验概率的估计数据进行合并计算，得到所述本小区移动台的接收信号的判决统计量：

$P_m\left(s_t\right|y_{\mathrm{coop}})=P_m\left(s_t\right|y^k)\underset{j=1}{\overset{C_b}{\mathrm{\Π}}}{P}_m\left(s_t\right|y^{{\mathrm{\β}}_j}),$

并且对得到的软判决信息进行归一化处理：

$P_m{\left(s_t\right|y_{\mathrm{coop}})}_{\mathrm{norm}}=\frac{P_m\left(s_t\right|y_{\mathrm{coop}})}{\underset{m}{\mathrm{\Σ}}{P}_m\left(s_t\right|y_{\mathrm{coop}})}$

其中，y_coop代表用于基站间协作的接收信号，y^k表示第k个基站的接收信号，k＝1，…N_b，N_b表示总共的基站数，表示第β_i个基站的将接受信号，j＝1，…，C_b，C_b为邻近的基站数，s_t表示发送符号，t＝1，2...，M_u(C_u+1)，M_u表示移动台的天线数，C_u表示有效的与本小区移动台处于共道干扰的移动台数，P_m(s_t|y)表示对s_t＝a_m，m＝1，2，…M的发送符号的先验概率值的估计，a_m表示调制星座点集合中的第m个元素，P_m(s_t|y_coop)表示合成的软判决信息；

所述判决装置对每个传输符号s_t进行最终判决，得出

其中，m′满足下式： $m^{\′}=\arg \underset{d=\mathrm{1,2},\·\·\·,M}{\max }\left\{P_d{\left(s_t\right|y_{\mathrm{coop}})}_{\mathrm{norm}}\right\}.$

6.如权利要求5所述的基站，其特征在于，所述计算装置根据联合检测的所述接收信号基于PDA算法计算所述本小区移动台的每个发送符号关于每个调制星座点的先验概率的估计数据。

7.如权利要求5所述的基站，其特征在于，所述交互装置通过在各个基站间采用的客户端-服务器的交互模式与其它基站进行协作通信，以获得所述其它基站的所述本小区移动台的每个发送符号关于每个调制星座点的先验概率的估计数据。

8.如权利要求5所述的基站，其特征在于，还包括：

信道估计装置，对所述基站通过信道估计得到信道状态信息G^k：

$G^k=[H_k^k,H_{{\mathrm{\α}}_1}^k,\·\·\·,H_{{\mathrm{\α}}_{C_u}}^k]$

对和

按照以下式子进行修正：

${\hat{H}}_k^k={\mathrm{\β}}_k{H}_k^k+\sqrt{1-{\mathrm{\β}}_k^2}{E}_k$

${\hat{H}}_{{\mathrm{\α}}_i}^k={\mathrm{\β}}_{a_i}{H}_{{\mathrm{\α}}_i}^k+\sqrt{1-{\mathrm{\β}}_{a_i}^2}{E}_{{\mathrm{\α}}_i}$

其中，

为第k个基站与本小区移动台之间的信道状态信息，

为在

和BS_k之间的M_b×M_u的信道矩阵，M_b表示基站的天线数，M_u表示移动台的天线数，

表示第α_i个移动台，i＝1，…C_u，C_u表示有效的与本小区移动台处于共道干扰的移动台数，BS_k表示第k个基站，k＝1，…N_b，N_b表示总共的基站数，E_k表示

的方差，

表示的方差，β_k和

表示信道估计的质量。

9.一种多用户多小区MIMO***，包括如权利要求5-8中任意一项所述的基站。

Images