CN102820938A - 用于多天线叠加编码调制***的检测方法 - Google Patents

Abstract

本发明公开了一种用于多天线叠加编码调制***的检测方法，包括步骤：分解检测；天线间干扰抵消；似然比合并检测；判决；迭代检测。本发明的方法利用似然比合并方案，在计算信号似然比时考虑了噪声对信号的影响，采用高斯近似也利用了噪声的高斯分布特性，并且似然比代表的是接收到的信号的可信度，可信度的叠加仅仅使有用信号更加准确，对噪声没有影响，有效解决了常规的天线间合并时会放大噪声的问题，从而提高了***的误码率性能。

Description

用于多天线叠加编码调制***的检测方法

技术领域

本发明属于移动通信技术领域，具体涉及一种用于多天线叠加编码调制***的检测方法。

背景技术

叠加编码调制（SCM，Superposition coded modulation）是最近提出的对传统的编码调制的改进方案。与编码调制相比，SCM的比特到符号的映射通常是非线性的，符号的产生是通过叠加独立的二进制编码序列（每一个序列相当于一层）来实现。通过选择适当的加权因子，相同的二进制编码器可以用在所有层上，这就简化了对编码器的选择。在接收端，采用高斯近似的检测算法的复杂度与层数成线性增加，与传统编码调制相比降低了复杂度。SCM具有较高的灵活性、较好的性能以及较低的复杂度的优势，已经受到越来越多的关注。

多天线（MIMO，Multiple-input multiple-output）技术通过多个发射天线发射或者多个接收天线接收相同的数据，提高了数据的传输效率以及***的性能。现有文献对单发单收以及多发单收的SCM已经有了相当深入的研究，但是很少有文献涉及到MIMO与SCM的结合，二者结合到一起可以提供更高的数据传输效率、较低的传输误码率的接收。但是天线间的干扰又制约了多天线叠加编码调制的发展，传统的天线间干扰抵消检测算法虽然也提高了MIMO***的性能，但是天线间干扰抵消后是采用最大比合并的方式，这样就会放大噪声，带来性能的损失。

发明内容

本发明的目的是解决多天线叠加编码调制***中多天线间干扰的问题，提出了一种用于多天线叠加编码调制***的检测方法。

为了实现上述目的，本发明的技术方案是：一种用于多天线叠加编码调制***的检测方法，包括如下步骤：

S1.分解检测，对接收到的信号进行分解检测，得到用于进行干扰抵消的各发射天线上发射的信号；

S2.天线间干扰抵消，利用检测到的各发射天线上的信号恢复天线间干扰然后做天线间干扰抵消；

S3.似然比合并检测，合并干扰抵消后的各接收天线上的数据的似然比并进行内部迭代检测，最后得到每根天线上的数据的似然比；

S4.判决，对得到的数据的似然比进行判决，再次得到各发射天线上发送的信号；

S5.迭代检测，将步骤S4判决后的数据输入到步骤S2，重复步骤S2、S3、S4，完成一次迭代检测。

进一步的，步骤S3所述的似然比合并检测具体包括如下分步骤：

S31.初始化各个接收天线上的信号的均值与方差；

S32.更新信号的均值与方差，由信号的均值与方差和步骤S2得到天线间干扰抵消后的信号进行高斯近似，计算各个接收天线上加权因子最大的那一层信号的似然比，做天线间似然比合并之后解码，利用解码后输出的似然比更新各个接收天线上的信号的均值与方差；

S33.根据更新后的信号的均值与方差利用高斯近似计算加权因子次大的那一层信号的似然比，然后合并、解码，利用解码后输出的似然比再去更新各个接收天线上的信号的均值与方差；

S34.依次检测，直到加权因子最小的那一层信号，得到各个接收天线上的信号的均值与方差；

S35.内部迭代检测，利用步骤S34得到的各个接收天线上的信号的均值与方差返回步骤S32，重复步骤S32、S33、S34，完成步骤S3的一次内部迭代检测。

本发明的有益效果：本发明通过似然比合并迭代检测，提出了一种用于MIMO-SCM的天线间干扰抵消的检测方法，该方法与现有方法相比，利用似然比合并方案，在计算信号似然比时考虑了噪声对信号的影响，采用高斯近似也利用了噪声的高斯分布特性，并且似然比代表的是接收到的信号的可信度，可信度的叠加仅仅使有用信号更加准确，对噪声没有影响，这就有效解决了常规的天线间合并时会放大噪声的问题，从而提高了***的误码率性能。

附图说明

图1是多天线叠加编码调制***的发射机发射过程示意图。

图2是多天线叠加编码调制***的接收机接收过程示意图。

图3是本发明实施例的一种似然比合并检测示意图。

具体实施方式

下面将结合附图，给出本发明的具体实施例。

下面通过对发射机的发射过程和接收机的接收过程的说明来阐述本发明的方法，具体工作原理如图1、图2和图3所示。

发射过程包括如下步骤：(1)串并转换；(2)叠加编码调制；(3)TX，即射频发射。发射过程具体展开如下：

首先，发射的数据先进行串并转换，分为Nt个子数据流，对应于Nt个发射天线。各个天线上的数据经过叠加编码调制，最后进行射频发射，形成发射信号，然后发射出去。每根发射天线上的发射的信号可以简单的表示为：

k=1,2,...,J，其中，α_m表示第m层的常数加权因子；J表示帧的长度；M表示叠加的层数；x_m[k]代表第m层经过QPSK调制成型的第k个符号。这里的叠加的层数M可以根据实际情况进行设置，可以是低阶，也可以是高阶。

假设接收机同步完美且信道信息已知，接收过程包括如下步骤：(4)RX，即射频接收；(5)QR分解检测；(6)天线间干扰抵消；(7)似然比合并检测；(8)判决；(9)迭代检测。接收过程具体展开如下：

(4)RX，即射频接收，经过下变频，采样等一系列的操作，得到基带信号Y，Y=HX+N₀，其中，H表示信道矩阵；X是列向量，表示各个发射天线上发射的信号，N₀是列向量，每个值是均值为0、方差为σ²的高斯白噪声。

(5)QR分解检测，把信道矩阵H进行QR分解，然后把Q的Hermit转置Q^*左乘以Y，得到如下的表达式：Y'=Q^*Y=Q^*(QRX+N₀)=RX+Q^*N₀，从而得到各个天线上的发射数据。

(6)天线间干扰抵消，利用步骤(5)检测的得到的数据，恢复不同天线上的干扰，然后做干扰消除，在步骤(6)中做了天线间干扰抵消之后，对于每一个发射天线上的数据，接收天线数都是Nr，这样就相当于分集接收。

(7)似然比合并检测，采用似然比合并准则合并干扰抵消后的各接收天线上的数据的似然比并进行内部迭代检测，最后得到每根天线上的数据的似然比。

在里的步骤（7）具体可以通过如下过程实现：

(71)初始化各个接收天线上的信号的均值与方差；

(72)更新信号的均值与方差，由信号的均值与方差和步骤(6)得到天线间干扰抵消后的信号进行高斯近似，计算各个接收天线上加权因子最大的那一层信号的似然比，做天线间似然比合并之后解码，利用解码器输出的似然比更新各个接收天线上的信号的均值与方差；

(73)根据更新后的信号的均值与方差利用高斯近似计算加权因子次大的那一层信号的似然比，然后合并、解码，利用解码后输出的似然比再去更新各个接收天线上的信号的均值与方差；

(74)依次检测，直到加权因子最小的那一层信号，得到各个接收天线上的信号的均值与方差；

(75)内部迭代检测，利用步骤(74)得到的各个接收天线上的信号的均值与方差返回步骤(72)，重复步骤(72)、(73)、(74)，完成步骤(7)的一次内部迭代检测。

叠加编码调制***多层叠加时每层的加权因子是不一样的，检测时按照从大到小的顺序进行检测，即利用高斯近似首先计算每个接收天线上的加权因子最大的那层数据的似然比。

对于一个接收天线，其收到的数据可以表示为：y[k]＝hx[k]+w[k]，其中，h代表信道参数，w[k]代表高斯白噪声。对于第m层，收到的信号又可以进一步表示为：y_m[k]=hα_mx_m[k]+ζ_m[k]，其中，ζ_m[k]表示其它层的干扰和高斯噪声的和，即：

然后利用高斯近似计算第m层的似然比，这是由如图3所示基本信号估计(Elementary Signal Estimator，ESE)完成的。

具体计算过程如下：

$E\left(y^{\mathrm{Re}}\left(k\right)\right)=\underset{m}{\mathrm{\Σ}}(h^{\mathrm{Re}}{\mathrm{\α}}_m^{\mathrm{Re}}E\left(x_m^{\mathrm{Re}}\left(k\right)\right)-h^{\mathrm{Im}}{\mathrm{\α}}_m^{\mathrm{Im}}E\left(x_m^{\mathrm{Im}}\left(k\right)\right));$

$E\left(y^{\mathrm{Im}}\left(k\right)\right)=\underset{m}{\mathrm{\Σ}}(h^{\mathrm{Re}}{\mathrm{\α}}_m^{\mathrm{Re}}E\left(x_m^{\mathrm{Im}}\left(k\right)\right)+h^{\mathrm{Im}}{\mathrm{\α}}_m^{\mathrm{Im}}E\left(x_m^{\mathrm{Re}}\left(k\right)\right));$

$\mathrm{Var}\left(y^{\mathrm{Re}}\left(k\right)\right)=\underset{m}{\mathrm{\Σ}}({\left(h^{\mathrm{Re}}{\mathrm{\α}}_m^{\mathrm{Re}}\right)}^2\mathrm{Var}\left(x_m^{\mathrm{Re}}\left(k\right)\right)+{\left(h^{\mathrm{Im}}{\mathrm{\α}}_m^{\mathrm{Im}}\right)}^2\mathrm{Var}\left(x_m^{\mathrm{Im}}\left(k\right)\right))+{\mathrm{\σ}}^2;$

$\mathrm{Var}\left(y^{\mathrm{Im}}\left(k\right)\right)=\underset{m}{\mathrm{\Σ}}({\left(h^{\mathrm{Im}}{\mathrm{\α}}_m^{\mathrm{Im}}\right)}^2\mathrm{Var}\left(x_m^{\mathrm{Re}}\left(k\right)\right)+{\left(h^{\mathrm{Re}}{\mathrm{\α}}_m^{\mathrm{Re}}\right)}^2\mathrm{Var}\left(x_m^{\mathrm{Im}}\left(k\right)\right))+{\mathrm{\σ}}^2;$

$\mathrm{\ψ}\left(k\right)=\underset{m}{\mathrm{\Σ}}{h}^{\mathrm{Re}}{\mathrm{\α}}_m^{\mathrm{Re}}{h}^{\mathrm{Im}}{\mathrm{\α}}_m^{\mathrm{Im}}(\mathrm{Var}\left(x_m^{\mathrm{Re}}\left(k\right)\right)-\mathrm{Var}\left(x_m^{\mathrm{Im}}\left(k\right)\right));$

$E\left(\mathrm{Re}\left(\stackrel{\‾}{h}{\stackrel{\‾}{\mathrm{\α}}}_m{\mathrm{\ζ}}_m\left(k\right)\right)\right)=h^{\mathrm{Re}}{\mathrm{\α}}_m^{\mathrm{Re}}E\left(y^{\mathrm{Re}}\left(k\right)\right)+h^{\mathrm{Im}}{\mathrm{\α}}_m^{\mathrm{Im}}E\left(y^{\mathrm{Im}}\left(k\right)\right)-{\left|h{\mathrm{\α}}_m\right|}^{2}E\left(x_m^{\mathrm{Re}}\left(k\right)\right);$

$E\left(\mathrm{Im}\left(\stackrel{\‾}{h}{\stackrel{\‾}{\mathrm{\α}}}_m{\mathrm{\ζ}}_m\left(k\right)\right)\right)=h^{\mathrm{Re}}{\mathrm{\α}}_m^{\mathrm{Re}}E\left(y^{\mathrm{Im}}\left(k\right)\right)-h^{\mathrm{Im}}{\mathrm{\α}}_m^{\mathrm{Im}}E\left(y^{\mathrm{Re}}\left(k\right)\right)-{\left|h{\mathrm{\α}}_m\right|}^{2}E\left(x_m^{\mathrm{Im}}\left(k\right)\right);$

$\mathrm{Var}\left(\mathrm{Re}\left(\stackrel{\‾}{h}{\stackrel{\‾}{\mathrm{\α}}}_m{\mathrm{\ζ}}_m\left(k\right)\right)\right)={\left(h^{\mathrm{Re}}{\mathrm{\α}}_m^{\mathrm{Re}}\right)}^2\mathrm{Var}\left(y^{\mathrm{Re}}\left(k\right)\right)+{\left(h^{\mathrm{Im}}{\mathrm{\α}}_m^{\mathrm{Im}}\right)}^2\mathrm{Var}\left(y^{\mathrm{Im}}\left(k\right)\right)$

$+2h^{\mathrm{Re}}{\mathrm{\α}}_m^{\mathrm{Re}}{h}^{\mathrm{Im}}{\mathrm{\α}}_m^{\mathrm{Im}}\mathrm{\ψ}\left(k\right)-{\left|h{\mathrm{\α}}_m\right|}^4\mathrm{Var}\left(x_m^{\mathrm{Re}}\left(k\right)\right);$

$\mathrm{Var}\left(\mathrm{Im}\left(\stackrel{\‾}{h}{\stackrel{\‾}{\mathrm{\α}}}_m{\mathrm{\ζ}}_m\left(k\right)\right)\right)={\left(h^{\mathrm{Re}}{\mathrm{\α}}_m^{\mathrm{Re}}\right)}^2\mathrm{Var}\left(y^{\mathrm{Im}}\left(k\right)\right)+{\left(h^{\mathrm{Im}}{\mathrm{\α}}_m^{\mathrm{Im}}\right)}^2\mathrm{Var}\left(y^{\mathrm{Re}}\left(k\right)\right)$

$-2h^{\mathrm{Re}}{\mathrm{\α}}_m^{\mathrm{Re}}{h}^{\mathrm{Im}}{\mathrm{\α}}_m^{\mathrm{Im}}\mathrm{\ψ}\left(k\right)-{\left|h{\mathrm{\α}}_m\right|}^4\mathrm{Var}\left(x_m^{\mathrm{Im}}\left(k\right)\right).$

其中，h^Re、

y^Re(k)、

分别表示h、α_m、x_m(k)、y(k)、

的实部；h^Im、

y^Im(k)、

分别表示h、α_m、x_m(k)、y(k)、

的虚部，分别表示h和α_m的共轭，E(.)and Var(.)分别表示均值与方差，初始化的

的均值为0，方差为1。

似然比的表达式如下：

${\mathrm{\λ}}_m(2k-1)=2{\left|{\mathrm{h\α}}_m\right|}^2\·\frac{\mathrm{Re}\left(\stackrel{\‾}{h}{\stackrel{\‾}{\mathrm{\α}}}_{m}y\left(k\right)\right)-E\left(\mathrm{Re}\left(\stackrel{\‾}{h}{\stackrel{\‾}{\mathrm{\α}}}_m{\mathrm{\ζ}}_m\left(k\right)\right)\right)}{\mathrm{Var}\left(\mathrm{Re}\left(\stackrel{\‾}{h}{\stackrel{\‾}{\mathrm{\α}}}_m{\mathrm{\ζ}}_m\left(k\right)\right)\right)};$

${\mathrm{\λ}}_m\left(2k\right)=2{\left|{\mathrm{h\α}}_m\right|}^2\·\frac{\mathrm{Im}\left(\stackrel{\‾}{h}{\stackrel{\‾}{\mathrm{\α}}}_{m}y\left(k\right)\right)-E\left(\mathrm{Im}\left(\stackrel{\‾}{h}{\stackrel{\‾}{\mathrm{\α}}}_m{\mathrm{\ζ}}_m\left(k\right)\right)\right)}{\mathrm{Var}\left(\mathrm{Im}\left(\stackrel{\‾}{h}{\stackrel{\‾}{\mathrm{\α}}}_m{\mathrm{\ζ}}_m\left(k\right)\right)\right)}.$

由于采用QPSK调制，所以实部对应奇数位，虚部对应偶数位，即最终的一根天线的第m层数据的似然比是由λ_m(2k-1)和λ_m(2k)组成的一组数据，其中，k=1,2,...,J。

各个接收天线的ESE输出的似然比相加之后进行解交织操作，然后送到解码器(decoder,DEC)进行解码，DEC是标准的解码操作，这里不再阐述。

解码输出的似然比进行交织之后分别减去每根接收天线的ESE模块输出的似然比得到每根天线上的第一层数据的外信息，然后把外信息除以二再做正切计算即得到了E(x₁(k))，利用E(x₁(k))可以得到方差Var(x₁(k))=1-(E(x₁(k)))²，然后利用E(x₁(k))和Var(x₁(k))再去更新数据的均值与方差进行第二层的检测。如此依次检测出所有层的数据之后，进行下一次内部迭代。经过一定次数的内部迭代之后，把输出的数据送给步骤（8）进行判决。

图3中的延时表示的是处理时延，分层检测每次只检测一层数据，而且处理每一层数据时都要用到最初的接收信号，这就要把最初的接收信号延时，即图3中的时延；在进行后续的内部迭代时，依然要用到最初的接收数据，所以也会有相应的时延。

(8)判决。根据得到的数据似然比进行判决，得到各发射天线上的信号，这里具体是采用硬判决，输出二进制信息，即为最初的发射数据。

(9)迭代检测。将步骤（8）判决后的数据输入到步骤（6），重复步骤（6）、（7）、（8），完成迭代检测。这里迭代的次数可以根据实际情况进行设置。

可以看出，上述步骤(5)(6)、(7)、(8)、(9)分别与发明内容中的S1、S2、S3、S4、S5相对应，为本发明接收机的检测过程，是本发明用于多天线叠加编码调制***的检测方法的具体步骤。

采用本发明所述的接收机检测方法的多天线叠加编码调制***，与背景技术中的多天线叠加编码调制***的检测方法相比，有效解决了多天线间干扰带来的性能下降的问题，在保持其高传输效率的同时提高了***的性能。

本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的实施方法，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。

Claims (3)

1.一种用于多天线叠加编码调制***的检测方法，包括如下步骤：

S1.分解检测，对接收到的信号进行分解检测，得到用于进行干扰抵消的各发射天线上发射的信号；

S2.天线间干扰抵消，利用检测到的各发射天线上的信号恢复天线间干扰然后做天线间干扰抵消；

S3.似然比合并检测，合并干扰抵消后的各接收天线上的数据的似然比并进行内部迭代检测，最后得到每根天线上的数据的似然比；

S4.判决，对得到的数据的似然比进行判决，再次得到各发射天线上发送的信号；

S5.迭代检测，将步骤S4判决后的数据输入到步骤S2，重复步骤S2、S3、S4，完成一次迭代检测。

2.根据权利要求1的用于多天线叠加编码调制***的检测方法，其特征在于，步骤S3所述的似然比合并检测具体包括如下分步骤：

S31.初始化各个接收天线上的信号的均值与方差；

S32.更新信号的均值与方差，由信号的均值与方差和步骤S2得到天线间干扰抵消后的信号进行高斯近似，计算各个接收天线上加权因子最大的那一层信号的似然比，做天线间似然比合并之后解码，利用解码后输出的似然比更新各个接收天线上的信号的均值与方差；

S33.根据更新后的信号的均值与方差利用高斯近似计算加权因子次大的那一层信号的似然比，然后合并、解码，利用解码后输出的似然比再去更新各个接收天线上的信号的均值与方差；

S34.依次检测，直到加权因子最小的那一层信号，得到各个接收天线上的信号的均值与方差；

S35.内部迭代检测，利用步骤S34得到的各个接收天线上的信号的均值与方差返回步骤S32，重复步骤S32、S33、S34，完成步骤S3的一次内部迭代检测。

3.根据权利要求1的用于多天线叠加编码调制***的检测方法，其特征在于，步骤S1所述的分解检测具体为QR分解检测。

Images