CN102136889A - 针对高阶qam多天线***的比特级pda检测方法和装置 - Google Patents

Abstract

本发明提出针对高阶QAM多天线***的比特级概率数据辅助检测方法和装置。将发送端的比特流调制成调制符号；将调制符号分流到各个发送天线上，发送到接收端；由接收端接收调制符号，根据调制符号解析出比特流，并基于比特流进行概率数据辅助检测。本发明在高阶调制的MIMO***中，相比现有算法降低了复杂度，解决了各层数据的检测问题。

Description

针对高阶QAM多天线***的比特级PDA检测方法和装置

技术领域

本发明属于通信技术领域，具体地说，属于MIMO***中的检测领域。尤其涉及针对高阶QAM(正交调幅)多天线***(Multiple-Input Multiple-Output，MIMO)的比特级概率数据辅助检测方法和装置。

背景技术

MIMO***可以简单定义如下：给定任意一个无线通信***，考虑这样一个链路，其发送端和接收端同时使用多根天线。MIMO***背后的想法是使得发送端多天线和接收端多天线之间的信号是“组合”而成的。从信息论角度的研究表明，在发送端和接收端同时使用多根天线的多输入多输出***可以增加无线通信***的容量，其信道容量与收发天线数目的最小值成正比，并可以大大改善***的性能。在使用高阶的QAM调制时，更是会取得传输速率和误比特率的良好折中，非常适合B3G、4G无线通信***中高速业务的要求。MIMO***相比点对点通信的缺点是接收机复杂度较高，尤其是高阶MIMO***。因此，在MIMO技术成为下一代无线通信领域中热门技术的同时，非常有必要研究针对高阶MIMO***的低复杂度检测算法。

概率数据辅助(PDA)检测最初用在目标跟踪领域，随后在许多领域都有广泛的应用。PDA算法逐渐被推广到CDMA和MIMO***的多用户检测中。在这些领域中，PDA算法常和基于最大后验概率的解码器、检测器、均衡器相结合，凭借其对软信息的处理，化减了***的复杂度。其主要思想是：根据中心极限定理将若干变量的和近似为高斯变量。PDA检测将当前检测符号当作随机变量，将其他层干扰近似成高斯噪声，通过这种近似，根据其他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他层符号的先验信息，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小于一个设定值，则说明该信号的检测已经收敛。

现有的PDA算法基本流程：

接收信号r＝Hx+n                    (1)

其中，r为接收信号，x是发送信号矢量，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，h_k代表信道矩阵的第k列，则

$r=h_m{x}_m+\underset{k\≠m}{\mathrm{\Σ}}{h}_k{x}_k+n---\left(2\right)$

设定 $w=\underset{k\≠m}{\mathrm{\Σ}}{h}_k{x}_k+n---\left(3\right)$

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μ_w和协方差矩阵R_w为：

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

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

为噪声的方差。I为单位阵。E{·}表示求期望，Var{·}表示求方差。

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取a_j的后验概率为：

${\mathrm{Pr}}_m(x_m=a_j|r)=\frac{p\left(r\right|x_m=a_j)\mathrm{Pr}(x_m=a_j)}{p\left(r\right)}\mathrm{cexp}(-(r-a_j{h}_m-{\mathrm{\μ}}_w{)}^H{R}_w^{-1}(r-a_j{h}_m-{\mathrm{\μ}}_w))---\left(4\right)$

其中a_j∈Q，Q为调制符号集合。

通过上述流程可以发现Pr_m(x_m＝a_j|r)的值要依赖于μ_w和R_w，而这两个值又和x_k，k≠m的概率分布有关。在第一轮迭代，m＝1时x_k，k≠m的分布初始化为等概率分布。通过(4)的计算，可得到关于x₁的一个新的分布。当m＝2时，(4)中涉及到的E{x₁}、Var{x₁}均依照新的分布计算。以此类推直到所有的数据的分布更新一遍，第一轮迭代结束。其后新一轮的迭代当中所有符号的分布都依照更新后的分布。直到收敛。

通过上述现有的PDA算法的基本流程可以得出，PDA算法的核心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。但有研究指出，高斯近似的准确性对PDA的性能有重要影响，如果用户数或发送天线数较少，中心极限定理将不再成立，高斯近似就变得没有意义，PDA的性能就会变差。

另外，PDA对比特的解调取决于条件似然概率比

$L\left(c_k\right)=\log \frac{{\mathrm{\Σ}}_{a_j\∈Q^{+}}\mathrm{Pr}\left(a_j\right|r)}{{\mathrm{\Σ}}_{a_j\∈Q^{-}}\mathrm{Pr}\left(a_j\right|r)}---\left(5\right)$

其中：

Q⁺：＝{a_j∶c_k＝bit(a_j)＝+1}

Q^-：＝{a_j∶c_k＝bit(a_j)＝-1}

当调制阶数较高，Q所包含元素的个数|Q|较大时，公式(5)需要计算的后验概率较多，由于PDA使用的后验概率是近似后验概率，这种情况下公式(5)的计算结果将会很不准确。从而使性能变差。

综上，PDA适用于多发射天线低调制阶数的***。

在PDA检测中使用的后验概率公式(4)是在假设w的每一个分量都是循环对称的前提下的，此时w的统计性质由均值μ_w、协方差矩阵R_w完全确定。这在最初假设各符号等概率出现时是成立的，但随着迭代检测的进行，各符号出现的概率不断被更新，w的各分量便不再保证是循环对称的，在这种情况下w的统计性质由均值μ_w、协方差矩阵R_w、伪协方差矩阵K_w＝E{(w-μ_w)(w-μ_w)^T}共同确定。因此，公式(4)不够准确。

基于上述认识，Pham等提出广义PDA(GPDA)，将复信号模型转化为等效的实信号模型。

$\tilde{r}=\tilde{H}\tilde{x}+\tilde{n}$

其中：

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

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

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

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

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w的实虚两部统计性质不对称的问题。但转化成实信号模型后信道矩阵的规模会因此扩大两倍。GPDA相比之前的PDA检测算法误比特率更低，在收天线数目大于等于发天线数目时复杂度较传统的PDA检测也会降低。

Y.Jia等人提出CPDA，即仍然考虑复信号模型，但用均值、协方差矩阵、伪协方差矩阵去刻画所近似的高斯矢量。后验概率的计算亦不再使用公式(4)。而是用如下计算流程：

V＝r-a_jh_m-μ_w

$\mathrm{\φ}\left(a_j\right)=\exp \left(\begin{array}{c}{-\left\{\begin{array}{c}R\left\{v\right\}\\ I\left\{v\right\}\end{array}\right\}{\mathrm{\Λ}}_j\left\{\begin{array}{c}R\left\{v\right\}\\ I\left\{v\right\}\end{array}\right\}}^T\end{array}\right)---\left(6\right)$

K_w＝E{(w-μ_w)(w-μ_w)^T}

${\mathrm{\Λ}}_j={\left(\begin{array}{cc}R\{R_w+K_w\}& -I\{R_w-K_w\}\\ I\{R_w+K_w\}& R\{R_w-K_w\}\end{array}\right)}^{-1}---\left(7\right)$

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

CPDA在性能上优于GPDA以及之前的算法。

发明内容

本发明提出针对高阶QAM多天线***的比特级概率数据辅助检测方法(BPDA)和装置，在高阶调制的MIMO***中，相比现有算法降低了复杂度，解决了各层数据的检测问题。

为了解决上述技术问题，本发明提出针对高阶QAM多天线***的比特级概率数据辅助检测方法，包括以下步骤：

将发送端的比特流调制成调制符号；

将调制符号分流到各个发送天线上，发送到接收端；

由接收端接收调制符号，根据调制符号解析出比特流，并基于比特流进行概率数据辅助检测。

本发明还提出针对高阶QAM多天线***的比特级概率数据辅助检测装置，包括：

发送端，将比特流调制成调制符号；将调制符号分流到各个发送天线上，发送到接收端；

接收端，接收调制符号，根据调制符号解析出比特流，并基于比特流进行概率数据辅助检测。

本发明还提出针对高阶QAM多天线***的比特级概率数据辅助检测的接收端，包括：

接收模块，用于接收调制符号；

解析模块，耦合于接收模块，用于根据调制符号解析出比特流；

检测模块，耦合于解析模块，用于基于比特流进行概率数据辅助检测。

传统的PDA是针对符号的，得到符号再解调成比特。本发明将高阶MIMO***的符号级检测问题转化成BPSK(二进制相移键控)调制的比特级检测问题。转换后的***调制阶数低，层间干扰变量的数目较多，采用高斯近似更准确，比较适宜采用PDA检测。相比现有算法，本发明降低了检测算法的复杂度，解决了各层数据的检测问题。

附图说明

图1为现有技术中16QAM的自然映射。

图2为现有技术中16QAM的格雷映射的规则。

图3为现有技术中64QAM格雷映射。

图4为本发明实施例中，在信噪比为40db时各检测器的复杂度对比，B-PDA的复杂度明显低于CPDA。

图5为本发明实施例中，在16QAM情况下各检测器误比特率的比较。

图6为本发明实施例中，在64QAM情况下各检测器误比特率的比较。

图7为本发明针对高阶QAM多天线***的比特级概率数据辅助检测方法流程图。

图8为本发明针对高阶QAM多天线***的比特级概率数据辅助检测装置结构示意图。

具体实施方式

本发明提出针对高阶QAM多天线***的比特级概率数据辅助检测方法。如图7所示，包括以下步骤：

在步骤701，将发送端的比特流调制成调制符号；

在步骤702，将调制符号分流到各个发送天线上，发送到接收端；

在步骤703，由接收端接收调制符号，根据调制符号解析出比特流，并基于比特流进行概率数据辅助检测。

本发明步骤703中，根据调制符号解析出比特流的操作中，当调制符号与比特流之间为线性关系时，调制符号为比特流与生成矩阵相乘，根据调制符号与生成矩阵计算比特流。作为本发明的一个实施例，该生成矩阵由调制阶数、调制方式以及发送天线数决定。当调制符号与比特流之间为非线性关系时，根据调制符号确定对应的生成元，再根据生成元确定对应的比特流。

图8所示为针对高阶QAM多天线***的比特级概率数据辅助检测装置，包括：

发送端，将比特流调制成调制符号；将调制符号分流到各个发送天线上，发送到接收端；

接收端，接收调制符号，根据调制符号解析出比特流，并基于比特流进行概率数据辅助检测。

再如图8所示，接收端的结构包括：

接收模块，用于接收调制符号；

解析模块，耦合于接收模块，用于根据调制符号解析出比特流；

检测模块，耦合于解析模块，用于基于比特流进行概率数据辅助检测。

作为本发明的一个实施例，解析模块根据调制符号解析出比特流：

对于4QAM调制方式、16QAM调制方式的自然映射、64QAM调制方式的自然映射，调制符号与比特流之间为线性关系，所述调制符号为比特流与生成矩阵相乘，解析模块根据调制符号与生成矩阵计算比特流；

对于16QAM调制方式的格雷映射、64QAM调制方式的格雷映射，调制符号与比特流之间为非线性关系，解析模块根据调制符号确定对应的生成元，再根据生成元确定对应的比特流。

由于本发明能够根据调制符号解析出比特流，并基于比特流进行概率数据辅助检测，从而将基于调制符号的检测转化成基于比特流的检测，高阶的MIMO***就转化成了一个BPSK调制的MIMO***。对化简后的MIMO***做概率数据辅助(PDA)检测，针对比特流的PDA检测是完全采用现有算法。由于PDA检测算法本身的属性，PDA更适合用在低阶调制、多发射天线的***中。最终，发送端信源数据的比特流被PDA算法检测出来。

下面将结合附图与实施例进行详细说明。

首先，对不同调制方式下，比特流和调制符号之间的转换过程进行说明。本发明主要针对4QAM、16QAM、64QAM的调制方式。

1.4QAM

已知4QAM的调制符号集合Q＝{-1-i，-1+i，+1+i，+1-i}。传统上的调制是将比特(-1，-1)，(-1，+1)，(+1，+1)，(+1，-1)分别按照对应的调制规则映射到调制符号集合中的符号。格雷映射规则如下表所示：

表1

原比特	转换比特(b)	调制符号(s)
			00	-1-1	-1-i
01	-1+1	-1+i
			11	+1+1	+1+i
10	+1-1	+1-i

从原比特到转换比特是将0变成-1，1仍是1，他们是一一映射的。所以转换比特和原比特是等价的，后文不再区分。这种转换源于将调制转换为线性映射的需要。对于4QAM格雷映射是线性的，故一般情况下不区分是格雷映射还是自然映射。调制是两个集合间的映射，但基于本发明的需要，要将这种一一映射转化为具体的函数关系。

假设从b到S存在线性转化关系

S＝bg_4QAM ^T                            (8)

b是1×log₂M的比特矢量。M＝|Q|。

由于针对的是高阶矩形星座，所以问题等价于

$S_{\mathrm{real}}=b_{[1,...\frac{{\log }_{2}M}{2}]}{x}^T---\left(9\right)$

对4QAM调制来说，每个4QAM符号的实部和虚部由两个独立的比特控制，而且可以从星座图上看出实部和虚部的值取自同一数值集合。所以g_4QAM的形式可以确定为g_4QAM＝[x，ix]，x称作4QAM调制的生成元。

作为本发明的一个实施例，将表1中的S的实部和b的第一个比特分别代入，求解x的各个分量可以得到存在这样的x满足(9)

x＝[1]

g_4QAM＝[1，i]

由此可得，一个4QAM的格雷映射符号可以由一个两比特的行向量左乘g_4QAM的转置来表示。将这种操作扩展到多天线***下比特流到符号矢量的转换，为后续表达，这种情景下要调制的比特流用列矢量B代表，相应的右乘变为左乘。经过变换后，对一串比特流B调制和分流形成调制符号矢量S的过程可以表示为：

S＝W_4QAMB

其中

$W_{4\mathrm{QAM}}={\left(\begin{array}{ccccc}{g}_{4\mathrm{QAM}}& .& .& .& 0\\ .& .& & & .\\ .& & .& & .\\ .& & & .& .\\ 0& .& .& .& g_{4\mathrm{QAM}}\end{array}\right)}_{N_T\×2N_T}$

N_T是***的发送天线数。

2.16QAM

在16QAM中Q_real＝Q_imag＝{-3，-1，+1，+3}，

从(-1，-1)、(-1，+1)、(+1，-1)、(+1，+1)中取。16QAM的自然映射(natural mapping)如图1所示。

针对自然映射，分别将调制符号的实部和比特矢量的前两位带入到公式(9)中。如果将所有的调制符号的实部和比特矢量的前两位都分别带入到(9)中，最终得到的方程组是一个超定的，即有4个方程组，2个未知数。解这个超定方程组，得到在自然映射下解x＝[2，1]，g_16QAM＝[2，1，2i，i]，由此可得到多天线***16QAM自然调制的生成矩阵W_16QAM。

$W_{16\mathrm{QAM}}={\left(\begin{array}{ccccc}{g}_{16\mathrm{QAM}}& .& .& .& 0\\ .& .& & & .\\ .& & .& & .\\ .& & & .& .\\ 0& .& .& .& g_{16\mathrm{QAM}}\end{array}\right)}_{N_T\×4N_T}$

N_T是***的发送天线数。

可以观察到自然映射和格雷映射并不相同。格雷映射的规则如图2所示。自然映射和格雷映射的选择是由具体的通信情况决定的。高阶格雷映射区别于其他映射在于他的非线性。

同样假设格雷映射可以转化成线性的转换关系如公式(9)。设x＝[a，b]，

可能的取值集合为{-1，-1；-1，+1；+1，+1；+1，-1}，分别代入到公式(9)中，得方程组

$\left\{\begin{array}{c}-a-b=-3\\ -a+b=-1\\ a+b=+1\\ a-b=+3\end{array}\right.$

这个方程组无解，即格雷映射不能转换成待调制比特流和生成矩阵相乘的形式。但对于部分等式的组合有

$\left\{\begin{array}{c}-a-b=-3\\ -a+b=-1\end{array}\right.\⇒a=2,b=1,$

$\left\{\begin{array}{c}a+b=+1\\ a-b=+3\end{array}\right.\⇒a=2,b=-1.$

即当

的第一个比特为-1时，x为[2，1]。当的第一个比特为+1时，x为[2，-1]。可以说格雷映射是局部线性的，生成元部分依赖待调制比特。16QAM格雷映射完整的转化关系如表2所示。

表2

调制规则是通信双方约好的，有了调制规则就可以得到表2的内容。在通信开始前计算好存放到接收机里，接收机是先粗判一下，发射符号所在的象限，确定象限就可以根据表2确定生成元。确定了各生成元就可以得到公式(10)，以及展开公式(10)以后的工作。

虽然16QAM的格雷映射不存在统一的线性转化关系，但通过表2可以发现，同一象限的调制符号是由同一个生成元生成的，即确定了调制符号所在的象限就等于确定了对应的生成元。QAM调制的实虚两部分集合相同，虚部的生成元和实部的生成元相同。

3.64QAM

在64QAM中Q_red＝{-7，-5，-3，-1，+1，+3，+5，+7}，可能的取值集合为{-1，-1，-1；-1，-1，+1；-1，+1，+1；-1，+1，-1；+1，+1，-1；+1，+1，+1；+1，-1，+1；+1，-1，-1；}。64QAM和16QAM的转换规律很类似，64QAM的自然映射方式中，调制符号同样可以表示成生成矩阵和待调制比特流相乘的形式。分别将调制符号的实部和比特矢量的前三位带入到公式(9)中。得到在自然映射下，g_64QAM＝[4，2，1，4i，2i，1i]，由此可得到多天线***64QAM自然调制的生成矩阵：

$W_{64\mathrm{QAM}}={\left(\begin{array}{ccccc}{g}_{64\mathrm{QAM}}& .& .& .& 0\\ .& .& & & .\\ .& & .& & .\\ .& & & .& .\\ 0& .& .& .& g_{64\mathrm{QAM}}\end{array}\right)}_{N_T\×6N_T}$

其中，S表示调制符号，B表示比特流，W表示生成矩阵，N_T是***的发送天线数。

64QAM的格雷映射不存在统一的线性转化关系，但也不是没有规律可循，将

可能的取值和64QAM格雷映射符号的实部分别代入，得到一个超定方程组，该方程组无解，但对部分等式组成的方程组有

$\left\{\begin{array}{c}-a-b-c=-7\\ -a-b+c=-5\end{array}\right.\⇒a=4,b=2,c=1$

$\left\{\begin{array}{c}+a+b+c=-3\\ -a+b-c=-1\end{array}\right.\⇒a=4,b=2,c=-1$

$\left\{\begin{array}{c}a+b-c=1\\ a+b+c=3\end{array}\right.\⇒a=4,b=-2,c=1$

$\left\{\begin{array}{c}a-b+c=5\\ a-b-c=7\end{array}\right.\⇒a=4,b=-2,c=-1$

同16QAM的格雷映射相同，64QAM格雷映射的生成元也部分依赖待调制比特流。

表3

如图3所示，在同一虚线框内的星座点对应的生成元是相同的，共有16个不同的生成元，星座图平面被分为16个区域，只要确定了调制符号所在星座图平面的区域(图3所示的虚线框)，就等于确定了该调制符号的生成元。

在16QAM和64QAM采用格雷映射时，接收端只要检测各调制符号所在区域，就可以确定各调制符号对应的生成元，并不像传统的检测要具体到各个点，这里的各个点指调制星座里的各个星座点。之后采用比特级的PDA检测，再确定各调制符号的具***置，整个算法的流程是一个调制符号的信息渐进明确的过程。本发明是一种渐进检测的思想，在高阶星座中，以16QAM为例，传统的检测是直接考虑16个星座点，从16个中取一个。本发明是先从16个当中取4个(一个公用生成元的区域)，再从4个中借助PDA的方法确定1个输出。16选4相比16选1具有一定的容错性。

对于8QAM和32QAM这类不是矩形星座的调制方式，他们的星座点分别是16QAM和64QAM的子集，在用本发明进行检测时可以先把它们当作16QAM和64QAM来检测，确定具体星座位置以后再用8QAM和16QAM的方式解调。但这两种调制方式均不常用，在此也不做重点讨论。

其次，进行比特级PDA检测

本发明对各阶QAM、各种映射方式下的MIMO***都可以构造一个W，使x＝Wb，x是发送的符号矢量，b是调制之前的比特流。将其带入到公式(1)中有

r＝Hx+n＝HWb+n＝Zb+n                   (10)

Z＝HW

通过公式(10)可以看出，引入W之后原来的QAM检测被转换成一个等效的BPSK检测问题。

将公式(10)重写为

$r=z_l{b}_l+\underset{k\≠l}{\mathrm{\Σ}}{z}_k{b}_k+n$

z_l是矩阵z的第l列，b_k是原比特流的第k个。

$w=\underset{k\≠l}{\mathrm{\Σ}}{z}_k{b}_k+n$

${\mathrm{\μ}}_w=E\{\underset{k\≠l}{\mathrm{\Σ}}{z}_k{b}_k+n\}=\underset{k\≠l}{\mathrm{\Σ}}E\left\{b_k\right\}{z}_k$

$R_w=E\left\{(w-{\mathrm{\μ}}_w){(w-{\mathrm{\μ}}_w)}^H\right\}=\underset{k\≠l}{\mathrm{\Σ}}\mathrm{Var}\left\{b_k\right\}{z}_k{z_k}^H+{\mathrm{\σ}}_n^{2}I$

$K_w=E\left\{(w-{\mathrm{\μ}}_w){(w-{\mathrm{\μ}}_w)}^T\right\}=\underset{k\≠l}{\mathrm{\Σ}}\mathrm{Var}\left\{b_k\right\}{z}_k{z_k}^T$

其中b_l可能的取值为a_j∈Q＝{+1，-1}，j＝1，2

按照如下流程计算b_l＝a_j的概率

v＝r-a_jz_l-μ_w                 (11)

$\mathrm{\φ}\left(a_j\right)=\exp \left(\begin{array}{c}{-\left\{\begin{array}{c}R\left\{v\right\}\\ I\left\{v\right\}\end{array}\right\}{\mathrm{\Λ}}_j\left\{\begin{array}{c}R\left\{v\right\}\\ I\left\{v\right\}\end{array}\right\}}^T\end{array}\right)---\left(12\right)$

${\mathrm{\Λ}}_j={\left(\begin{array}{cc}R\{R_w+K_w\}& -I\{R_w-K_w\}\\ I\{R_w+K_w\}& R\{R_w-K_w\}\end{array}\right)}^{-1}---\left(13\right)$

$P{r}_1(b_l=a_j|\tilde{r})=\frac{\mathrm{\φ}\left(a_j\right)}{\underset{a_j\∈Q}{\mathrm{\Σ}}\mathrm{\φ}\left(a_j\right)}---\left(14\right)$

PDA算法的流程为：

第一步，将迭代次数计数器设为i＝1；

初始化取值为0.5，

第二步，将比特序号置为1，l＝1；

第三步，根据当前获得的概率值{P(k)}_k≠l，利用公式(11)-(14)计算

j＝1，2。将所得数值更新相应的P(l)；

第四步，如果l＜N_Tlog₂M则l＝l+1，并执行第三步，如果不满足l＜N_Tlog₂M转到第五步；

第五步，如果，P(l)都已经收敛或者程序已经达到最大迭代次数则跳转到第六步，不收敛就继续迭代直到满足最大迭代次数；

第六步，此时算法已经收敛，根据如下所示的判决准则，对每个比特依次做出判决。判决该比特是1或0。整个迭代过程计算的是每个比特取1或0的概率，在迭代结束后，对每个比特比较其取值1或者0的概率，输出较大的概率对应的取值。

l＝1，2，.....N_Tlog₂M。

有N_T个发送天线，每个发送天线发送一个调制阶数为M的符号，所以共发送的比特数为N_Tlog₂M。通过公式(10)可以看出，算法旨在建立接收矢量和信源比特之间的关系，传统的检测是由接收矢量得到调制符号，调制符号再映射为源比特。在本发明中由接收信号直接检测信源比特。所以每通过一个接收矢量可检测N_Tlog₂M个比特。

本发明中，比特流到调制符号矢量可以被整合成一个线性的过程。可以适用于各阶QAM(正交调幅)各种映射方式的比特级的PDA检测。

本发明在引入的生成矩阵的帮助下，将传统的针对调制符号的PDA算法，化简成了基于比特流的PDA算法，从而简化了运算的复杂度，性能也有所提高。

比特级的PDA检测是核心，针对不同的调制方式构造出g是完成比特级PDA检测的途径。对于4QAM，相当于一个实部变量，对于16QAM，相当于两个实部变量，对于64QAM，相当于三个实部变量。对其他的线性或非线性的星座排布方式都可以构造出相应的g，从而完成比特级的PDA检测。

g的取值在不同的星座点排布方式下是不同的。就格雷映射来说，就有很多的星座点排布方式，但他们相邻的星座点对应比特都只有一位不同，所以都是格雷各类映射。这种情况也存在线性映射。本发明中示例的排布方式是通信当中常用到的。

相比CPDA MIMO检测器而言，本发明的运算量和CPDA算法的运算量都可以表示为：C_sum＝迭代次数＊每次迭代要计算的概率数目＊每计算一个后验概率所付出的运算量。

通过大量实验可以观测到两种方法的迭代次数近似相等；CPDAMIMO检测器每次迭代所需计算的后验概率数目为MN_T，而本发明为2N_Tlog₂M，本发明每次迭代要计算的后验概率数目较少；而从公式(11)～(14)可以看出本发明计算一个比特的取值概率相比现有技术CPDA计算一个复调制符号的取值概率，含复数的乘运算较少，这决定了本发明运算量低(本发明针对+1或-1，CPDA针对复调制符号)。所以，相比CPDA，本发明运算量较少，极大地降低了复杂度，尤其在使用高阶QAM的情况。由于转换后的BPSK检测问题，调制阶数低，发天线数目多，更适合使用PDA检测，所以本发明较CPDA检测器性能还有所改进。

实施例

接收信号来自2×2的瑞利衰落信道。在接收端按照已知的调制阶数、映射方式构造W，利用W将问题转化成BPSK调制下的检测。利用PDA逐比特检测，下文用B-PDA表示。设定不同的最大迭代次数，用I_max表示。采用不同的调制阶数、映射方式，实验结果如图4、图5和图6所示。64QAM下各检测器性能的比较，可以看出B-PDA的性能略好于CPDA。

从图4可以看出，本发明在各调制阶数下，每次迭代所付出的复杂度低于传统的CPDA，每检测一个符号矢量所付出的复杂度也低于传统的CPDA。

从图5可以看出，在16QAM调制下，本发明的性能不差于传统的CPDA方式和MMSE-OSIC接收机。

从图6可以看出，在64QAM调制下，本发明的性能不差于传统的CPDA方式和MMSE-OSIC接收机。

ML格雷映射：是格雷映射下采用最大似然概率检测法，MMSE-OSIC也是一种检测方式(基于最小均方误差)。

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 (11)

1.针对高阶QAM多天线***的比特级概率数据辅助检测方法，包括以下步骤：

将发送端的比特流调制成调制符号；

将调制符号分流到各个发送天线上，发送到接收端；

由接收端接收调制符号，根据调制符号解析出比特流，并基于比特流进行概率数据辅助检测。

2.根据权利要求1所述针对高阶QAM多天线***的比特级概率数据辅助检测方法，其中，根据调制符号解析出比特流的操作，包括：

对于4QAM调制方式、16QAM调制方式的自然映射、64QAM调制方式的自然映射，调制符号与比特流之间为线性关系，调制符号为比特流与生成矩阵相乘，根据调制符号与生成矩阵计算比特流。

3.根据权利要求1所述针对高阶QAM多天线***的比特级概率数据辅助检测方法，其中，根据调制符号解析出比特流的操作，包括：

对于16QAM调制方式的格雷映射、64QAM调制方式的格雷映射，调制符号与比特流之间为非线性关系，根据调制符号确定对应的生成元，再根据生成元确定对应的比特流。

4.根据权利要求2所述针对高阶QAM多天线***的比特级概率数据辅助检测方法，其中：

所述生成矩阵与调制阶数、调制方式以及发送天线数有关。

5.根据权利要求2或4所述针对高阶QAM多天线***的比特级概率数据辅助检测方法，其中：

对于4QAM调制方式，S＝W_4QAMB，

$W_{4\mathrm{QAM}}={\left(\begin{array}{ccccc}{g}_{4\mathrm{QAM}}& .& .& .& 0\\ .& .& & & .\\ .& & .& & .\\ .& & & .& .\\ 0& .& .& .& g_{4\mathrm{QAM}}\end{array}\right)}_{N_T\×2N_T};$

对于16QAM调制方式，在自然映射下，S＝W_16QAMB，

$W_{16\mathrm{QAM}}={\left(\begin{array}{ccccc}{g}_{16\mathrm{QAM}}& .& .& .& 0\\ .& .& & & .\\ .& & .& & .\\ .& & & .& .\\ 0& .& .& .& g_{16\mathrm{QAM}}\end{array}\right)}_{N_T\×4N_T};$

对于64QAM调制方式，在自然映射下，S＝W_64QAMB，

$W_{64\mathrm{QAM}}={\left(\begin{array}{ccccc}{g}_{64\mathrm{QAM}}& .& .& .& 0\\ .& .& & & .\\ .& & .& & .\\ .& & & .& .\\ 0& .& .& .& g_{64\mathrm{QAM}}\end{array}\right)}_{N_T\×6N_T}$

其中，S表示调制符号，B表示比特流，W表示生成矩阵，N_T是***的发送天线数。

6.根据权利要求3所述针对高阶QAM多天线***的比特级概率数据辅助检测方法，其中：

对于16QAM调制方式，在格雷映射下，根据调制符号所在的象限确定对应的生成元；

对于64QAM调制方式，在格雷映射下，根据调制符号所在的星座图平面的区域确定对应的生成元。

7.针对高阶QAM多天线***的比特级概率数据辅助检测装置，包括：

发送端，将比特流调制成调制符号；将调制符号分流到各个发送天线上，发送到接收端；

接收端，接收调制符号，根据调制符号解析出比特流，并基于比特流进行概率数据辅助检测。

8.根据权利要求7所述针对高阶QAM多天线***的比特级概率数据辅助检测装置，其中：

对于4QAM调制方式、16QAM调制方式的自然映射、64QAM调制方式的自然映射，调制符号与比特流之间为线性关系，调制符号为比特流与生成矩阵相乘，接收端根据调制符号与生成矩阵计算比特流；

对于16QAM调制方式的格雷映射、64QAM调制方式的格雷映射，调制符号与比特流之间为非线性关系，接收端根据调制符号确定对应的生成元，再根据生成元确定对应的比特流。

9.根据权利要求7或8所述针对高阶QAM多天线***的比特级概率数据辅助检测装置，其中：

对于4QAM调制方式，S＝W_4QAMB，

$W_{4\mathrm{QAM}}={\left(\begin{array}{ccccc}{g}_{4\mathrm{QAM}}& .& .& .& 0\\ .& .& & & .\\ .& & .& & .\\ .& & & .& .\\ 0& .& .& .& g_{4\mathrm{QAM}}\end{array}\right)}_{N_T\×2N_T};$

对于16QAM调制方式，在自然映射下，S＝W_16QAMB，

$W_{16\mathrm{QAM}}={\left(\begin{array}{ccccc}{g}_{16\mathrm{QAM}}& .& .& .& 0\\ .& .& & & .\\ .& & .& & .\\ .& & & .& .\\ 0& .& .& .& g_{16\mathrm{QAM}}\end{array}\right)}_{N_T\×4N_T};$

对于64QAM调制方式，在自然映射下，S＝W_64QAMB，

$W_{64\mathrm{QAM}}={\left(\begin{array}{ccccc}{g}_{64\mathrm{QAM}}& .& .& .& 0\\ .& .& & & .\\ .& & .& & .\\ .& & & .& .\\ 0& .& .& .& g_{64\mathrm{QAM}}\end{array}\right)}_{N_T\×6N_T};$

其中，S表示调制符号，B表示比特流，W表示生成矩阵，N_T是***的发送天线数；

对于16QAM调制方式，在格雷映射下，根据调制符号所在的象限确定对应的生成元；

对于64QAM调制方式，在格雷映射下，根据调制符号所在的星座图平面的区域确定对应的生成元。

10.针对高阶QAM多天线***的比特级概率数据辅助检测的接收端，包括：

接收模块，用于接收调制符号；

解析模块，耦合于接收模块，用于根据调制符号解析出比特流；

检测模块，耦合于解析模块，用于基于比特流进行概率数据辅助检测。

11.根据权利要求10所述针对高阶QAM多天线***的比特级概率数据辅助检测的接收端，其中：

对于4QAM调制方式、16QAM调制方式的自然映射、64QAM调制方式的自然映射，调制符号与比特流之间为线性关系，调制符号为比特流与生成矩阵相乘，解析模块根据调制符号与生成矩阵计算比特流；

对于16QAM调制方式的格雷映射、64QAM调制方式的格雷映射，调制符号与比特流之间为非线性关系，解析模块根据调制符号确定对应的生成元，再根据生成元确定对应的比特流。

Images