CN103746728A - 一种混合自适应的mimo接收检测方法 - Google Patents

Abstract

本发明公开了一种混合自适应的MIMO接收检测方法，预先对每种备选的检测算法采用训练信号训练得到不同信噪比与检测算法错误比特率的对应关系表，并获取每种检测算法的复杂度值，在进行接收信号检测前，估计得到接收信号的信噪比，从信噪比与错误比特率的对应关系表中得到每种检测算法当前信噪比对应的错误比特率，再根据该错误比特率和复杂度值计算每种检测算法的综合性能，选取综合性能最小的检测算法对接收信号进行检测。本发明综合考虑了检测算法在错误比特率和复杂度两方面的性能，可以根据应用环境调整两种性能的优先程度，并且可以根据当前接收信号的信噪比自适应进行检测算法的切换，保证接收信号检测的性能。

Description

一种混合自适应的MIMO接收检测方法

技术领域

本发明属于MIMO无线传输技术领域，更为具体地讲，涉及一种混合自适应的MIMO接收检测方法。

背景技术

随着无线互联网多媒体通信的快速发展，无线通信***的容量与可靠性亟待提升，常规单天线收发通信***面临严峻挑战。多输入多输出(Multiple-InputMultiple-Output，MIMO)技术是一种采用空时处理的多天线技术，能够充分开发空间资源，在无需增加频谱资源和发射功率的情况下，成倍地提升通信***的容量与可靠性，具有较好发展前景。MIMO技术目前已经被写入了许多无线通信标准中，例如LTE/LTE-A、IEEE802.11n和HSDPA等等。图1是LTE MIMO下行链路传输***示意图。如图1所示，发射***划分为：加扰、调制、层映射、预编码、资源粒子映射和OFDM符号产生模块。接收***为发射***的一个逆过程，假设接收端的所有用户经过准确的同步和定时采样，则接受***可以划分为OFDM解调、解资源粒子映射、信道估计、信号检测、解层映射、解扰模块。

在通常的MIMO通信***中，发射机的多根天线在相同的时间相同的频率，利用空间的自由度，发射相同信号称作传输分集，发射不同信号称作空间复用。由于传输的信号会经过时变多径衰落信道，同时还会有高斯白噪声的叠加，这就使得MIMO检测算法比较复杂，会消耗更多的***资源，增加成本。由于MIMO***的每根接收天线接收到的信号是多根发射天线发射信号的混叠，MIMO检测技术就是将接收到的信号分离开来，恢复出每根发射天线上的原来的信号。传统的信号检测算法分为线性和非线性的检测算法。线性检测算法主要有迫零（Zero Force，ZF）、最小均方误差（Minimum Mean Square Error，MMSE）和干扰消除（Successive Interference Cancellation，SIC），这些算法在实现上都比较简单，但是性能不能达到理想的性能。非线性检测算法，特别是最大似然检测算法（Maximum Likelihood，ML），达到了检测算法的最优性能，但是其算法复杂度随着天线数和调制阶数的增加呈指数增加。

下面对几种经典MIMO检测算法进行简要说明：

1）ZF检测

ZF检测属于线性检测范畴，它是将一个滤波矩阵W乘以接收信号矢量，对其中的某一根接收天线来说，该滤波矩阵能够将其他天线的干扰置零，即：

W_ZF＝H^&＝(H^HH)^-1H^H          （1）

其中W_ZF代表ZF检测算法的滤波矩阵，H为信道矩阵，上标H表示矩阵求共轭转置，上标-1表示矩阵求逆。

ZF检测将每根发射天线上得到的检测信号作为期望信号，而其他天线上的信号完全为干扰信号，并将其置零。ZF检测算法在得到期望信号的同时，又将信道矩阵的伪逆乘上了噪声，存在将噪声放大的问题。ZF算法运算简单，但易受噪声的影响，对噪声的影响非常敏感。

2）MMSE检测

MMSE检测算法在设计滤波矩阵的时候既考虑天线之间的干扰也考虑噪声的影响。以最小均方误差为准则，计算实际传输信号和估计值之间的均方误差，即：

$\hat{X}=\arg \underset{G}{\min }E{\left|\right|G_{\mathrm{MMSE}}Y-X\left|\right|}^2={(H^{H}H+{\mathrm{\σ}}^2{I}_t)}^{-1}{H}^H---\left(2\right)$

其中

代表检测结果，X表示发射信号矢量，Y为接收信号矢量，G_MMSE代表滤波矩阵；argmin(·)表示求最小值，即从发射信号空间中寻找最小值；||·||²表示范数的平方，E(·)代表求平均，σ²表示加性高斯白噪声的方差，I_t表示大小为t的单位矩阵，t为发射天线数。

3）SIC检测

SIC检测算法的核心思想就是检测和消除。不管是ZF还是MMSE都可以被用来作为信号检测的方法。首先检测一行信号，用线性检测算法检测出来的信号作为先验信息，消除掉它对其他信号的干扰，这样一行一行一直到所有的信号都被检测出来。当然，错误传播是SIC检测算法中最重要的问题，因为检测出来的信号的误差会一直影响后面的检测信号。所以确定检测信号顺序至关重要，最强的信号分量一般都会被最先检测，这样能有效地增加信号可靠度。关于检测顺序也有几种方法，其中比较经典的有：基于SINR（Signal toInterference plus Noise Ratio，信号与干扰加噪声比）、基于列和基于SNR（Signalto Noise Ratio，信噪比）顺序检测。

4）、ML检测

ML检测算法是目前信号检测算法中最优的一种，它用穷尽搜索的思想，找到正确的原始信息。ML检测的原理是：在调制映射的星座图中组合所有可能的发射信号矢量，从所有的发射信号组合中选择出经信道变换之后与接收信号矢量欧氏距离最小的发射信号矢量，即：

$\hat{X}=\underset{X\∈{\left\{\mathrm{\χ}\right\}}^t}{\arg \min }{\left|\right|Y-\mathrm{HX}\left|\right|}^2---\left(3\right)$

其中，代表可能的发射信号的矢量空间。从式（3）中可以看出，ML检测算法的性能必然是最优的，因为这种算法遍历了调制星座图中的所有可能的发射信号矢量，从中选取可能性最大的发射信号矢量作为检测的输出。但是，其运算复杂度随着天线数量和调制阶数的增加呈指数增加，在实际的应用中并不常用，因为它会消耗大量的功率，考验接收机的计算能力。

为了能进一步减小算法复杂度，改进的最大似然算法，运用了二叉树搜索的原理，尽量的缩小搜索范围，在尽量达到最大似然性能的前提下，尽可能的减小算法复杂度。在这些改进的基于树形搜索的方法中，球形译码算法（SphereDecoding，SD）有效的将ML检测算法的穷尽搜索转换成了一种树形搜索，删减掉了不必要的节点搜索。其中球形译码算法又根据其搜索方式的不同分为：深度优先搜索、广度优先搜索和K-best搜索。这些所有的准最大似然检测在低信噪比的条件下都能表现出良好的检测性能，但是在算法复杂度和***消耗方面还是远远超过线性检测算法。

发明内容

本发明的目的在于克服现有技术的不足，提供一种混合自适应的MIMO接收检测方法，兼顾接收检测算法的性能和复杂度，使MIMO接收***根据当前接收到的信号质量选择不同的接收检测方法。

为实现上述发明目的，本发明混合自适应的MIMO接收检测方法，包括以下步骤：

S1：设置备选的检测算法，预先对每种检测算法采用训练信号训练得到不同信噪比SNR与检测算法错误比特率的对应关系表，并获得每种检测算法的复杂度值C_i，其中i为检测算法的序号；

S2：对当前接收信号进行信噪比估计得到SNR，根据步骤S1中预先得到的SNR与错误比特率的对应关系表得到每种检测算法在该SNR下的错误比特率P_i，计算每种检测算法的综合性能V_i，计算公式为：V_i＝α*P_i+β*C_i，其中α、β为大于0的常量参数，并且α+β＝1；

S3：比较步骤S2得到的每种检测算法的综合性能Vi，选择Vi值最小的检测算法对当前接收信号进行检测。

其中，备选的检测算法包括迫零检测算法、最小均方误差-干扰消除算法、最大似然算法。

其中，检测算法的复杂度值为算法执行时间。

本发明混合自适应的MIMO接收检测方法，预先对每种备选的检测算法采用训练信号训练得到不同信噪比与检测算法错误比特率的对应关系表，并获取每种检测算法的复杂度值，在进行接收信号检测前，估计得到接收信号的信噪比，从信噪比与错误比特率的对应关系表中得到每种检测算法当前信噪比对应的错误比特率，再根据该错误比特率和复杂度值计算每种检测算法的综合性能，选取综合性能最小的检测算法对接收信号进行检测。本发明综合考虑了检测算法在错误比特率和复杂度两方面的性能，可以根据应用环境调整两种性能的优先程度，并且可以根据当前接收信号的信噪比自适应进行检测算法的切换，保证接收信号检测的性能。

附图说明

图1是LTE MIMO下行链路传输***示意图；

图2是本发明混合自适应的MIMO接收检测方法的一种具体实施方式流程图；

图3是仿真得到的检测算法SNR与BER的对应关系曲线图；

图4是仿真得到的检测算法的执行时间对比图；

图5是仿真得到的检测算法的综合性能对比图。

具体实施方式

下面结合附图对本发明的具体实施方式进行描述，以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是，在以下的描述中，当已知功能和设计的详细描述也许会淡化本发明的主要内容时，这些描述在这里将被忽略。

实施例

本发明是通过比较各种备选的检测算法的综合性能，即综合考虑错误比特率BER（Bit Error Rate）和算法复杂度。本实施方式中，备选的检测算法包括迫零ZF检测算法、最小均方误差-干扰消除MMSE-SIC检测算法、最大似然ML检测算法。不同检测算法在不同信噪比SNR的BER性能不一样。对于确定性信号，从信号检测的角度，一般采用传输信号的幅值与噪声平均功率的比值，即：

$\mathrm{SNR}=101\mathrm{og}\left(\frac{{\left|\right|X\left|\right|}^2}{{\mathrm{\σ}}^2}\right)---\left(4\right)$

对每种检测算法的BER性能进行分析如下：

一、ZF检测算法

ZF检测算法主要是将接收信号乘以一个滤波矩阵G，将其他天线信号作为干扰过滤掉，线性操作为G＝G(H)，其中G为t×r线性滤波矩阵，t为发射天线数量，r为接收天线数量。ZF检测算法的条件成对错误比特率可以表示为：

$\begin{array}{c}P(X-\hat{X}|H)\\ =P({\left|\right|\mathrm{GY}-\hat{X}\left|\right|}^2<{\left|\right|\mathrm{GY}-X\left|\right|}^1)\\ =P({\left|\right|\mathrm{GHX}-\hat{X}+{\mathrm{GH}}_0\left|\right|}^2<{\left|\right|\mathrm{GHX}-X+{\mathrm{GN}}_0\left|\right|}^2)\\ =P\left(\begin{array}{c}{\left|\right|X-\hat{X}\left|\right|}^2\\ +2<{\mathrm{GH}}_0,X-\hat{X}><0\end{array}\right)+2<(\mathrm{GH}-1)X,X-\hat{X}>\\ =E\left[Q\left(\frac{{\left|\right|X-\hat{X}\left|\right|}^2+2<(\mathrm{GH}-I)X-\hat{X}>}{\sqrt{2N_0{\left|\right|G^H(X-\hat{X})\left|\right|}^2}}\right)\right]\end{array}$

其中X表示发射信号矢量，Y表示接收信号矢量，

代表检测结果，H表示信道矩阵，N₀为加性高斯白噪声的方差σ²，I代表单位矩阵，Q(·)代表Q函数，定义为

exp(·)表示指数函数。ZF检测算法中，滤波矩阵为G＝H^&，上标&代表矩阵的伪逆变换。在实际应用中，接收天线数r通常大于发射天线数t，这样H^HH就一定可逆，可以得到：

G＝H^&＝(H^HH)^-1H^H            （6）

这样可以得到：

其中，N代表发射或接收信号符号数。

公式（7）可以得出ZF检测算法完全去除了接收信号间的空间干扰。ZF检测算法的成对错误比特率BER为：

$P(X\&RightArrow;\hat{X}|H)=E\left[Q\left(\frac{{\left|\right|X-\hat{X}\left|\right|}^2}{\sqrt{{2N}_0\left|\right|H{\left(H^{H}H\right)}^{-1}(X-\hat{X})\left|\right|}}\right)\right]---\left(8\right)$

二、MMSE-SIC检测算法

干扰消除检测算法最重要的就是要确定检测顺序，让可靠度高的信号先检测，从而有效地提高整体的检测性能。本实施方式主要根据SINR确定检测顺序，SINR最高的信号优先用MMSE检测算法进行检测，然后消除掉已检测出的信号对其他接收信号的干扰，直到所有的信号都被检测出来。检测信号表示为：

$\hat{X}=X{+G}_{\mathrm{MMSE}}v---\left(9\right)$

其中G表示MMSE检测算法的滤波矩阵，

h_ij表示信道矩阵H中第i根发射天线到第j根接收天线之间的信道，x_j表示第j根接收天线的接收信号，i^*表示当前检测的为第i^*行信号。

根据上面对ZF检测算法错误比特率BER的分析，可以总结得出MMSE-SIC的成对错误比特率BER的表达式为：

$P(X\&RightArrow;\hat{X})=E\left[Q\left(\frac{{\left|\right|X-\hat{X}\left|\right|}^2+2({(H^{H}H+N_0{I}_t)}^{-1}{H}^{H}H-I_t)X,X-\hat{X}}{\sqrt{{2N}_0\left|\right|H{(H^{H}H+N_0{I}_t)}^{-1}(X-\hat{X})|{|}^2}}\right)\right]---\left(10\right)$

其中，I_t代表大小为t的单位矩阵。

三、ML检测算法

ML检测解码算法对应于选择的发射信号矢量X的范数||Y-HX||的最小平方，即：

${\left|\right|Y-\mathrm{HX}\left|\right|}^2=\underset{i=1}{\overset{r}{\mathrm{\&Sigma;}}}\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}{|y_{\mathrm{in}}-\underset{j=1}{\overset{t}{\mathrm{\&Sigma;}}}{h}_{\mathrm{ij}}{x}_{\mathrm{jn}}|}^2---\left(11\right)$

其中，r、t分别代表接收天线数和发送天线数，N代表发送或接收信号符号数，y_in代表第i根接收天线的第n个接收符号，x_jn代表第j根发送天线的第n个发送符号，h_ij表示信道矩阵H中第i根发射天线到第j根接收天线之间的信道。

对于空时编码，平均错误概率的上限为：

$P\left(e\right)\&le;\frac{1}{\left|\mathrm{\&chi;}\right|}\underset{X\&Element;\mathrm{\&chi;}}{\mathrm{\&Sigma;}}\underset{\hat{X}\&Element;\mathrm{\&chi;}\backslash \left\{X\right\}}{\mathrm{\&Sigma;}}P(X\&RightArrow;\hat{X})---\left(12\right)$

其中χ代表可能的发送符号空间。

ML检测算法的成对错误比特率BER被定义为：

$P(X\&RightArrow;\hat{X})=E\left[Q\left(\frac{\left|\right|H(X-\hat{X})\left|\right|}{\sqrt{{2N}_0}}\right)\right]\&le;E\left[\exp (-{\left|\right|H(X-\hat{X})\left|\right|}^2/4N_0)\right]---\left(13\right)$

从以上分析可以看出，信号的SNR与检测算法的BER之间存在一定的对应关系，总的来说，信号SNR越大，检测算法的BER越小，检测性能越好，但是不同检测算法在同样的SNR下BER会有不同，因此可以根据这种性质针对不同SNR的信号选用不同的检测算法。本实施方式选取的三种备选检测算法中，ZF算法属于线性检测，通常在高SNR情况下表现出良好的BER性能；而非线性检测算法，如ML，在低SNR的情况下可以表现出良好的BER性能。而MMSE-SIC在中等SNR的情况下BER性能较好。

图2是本发明混合自适应的MIMO接收检测方法的一种具体实施方式流程图。如图2所示，本发明混合自适应的MIMO接收检测方法包括以下步骤：

S201：预先对每种检测算法采用训练信号训练得到不同信噪比SNR与检测算法错误比特率的对应关系表，并获得每种检测算法的复杂度值C_i，其中i为检测算法的序号。

在实际应用中，在采用训练信号训练的时候可以采用预计的SNR范围来确定训练信号的SNR取值。预先得到的信噪比SNR与错误比特率的对应关系表会在接收***中存储以便查找使用。本实施方式中，检测算法的复杂度值采用的是算法的执行时间，即从输入信号到输出信号检测结果所花费的时间。算法执行时间可以采用多个不同SNR的训练信号的执行时间平均值。

S202：在信道估计时对当前接收信号进行信噪比估计，得到SNR。

S203：根据步骤S201中预先得到的SNR与BER的对应关系表查找得到每种检测算法在步骤S202得到的SNR下的BERP_i，计算每种检测算法的综合性能V_i，计算公式为：V_i＝α*P_i+β*C_i，其中α、β为大于0的常量参数，并且α+β＝1。

α和β是BER和算法复杂度值两种性能的优先度。在实际的应用中，根据具体的应用环境，有时会更多考虑检测算法性能，即BER的因素，有的会更多考虑复杂度的因素。例如，对一些军事应用，必须获得精确的数据解码，任何代价都可以花费，应该选择精确度比较高的非线性检测算法，此时BER优先，参数设置α＞β。但是对于一些民用的通信***，容错性能在一定的范围内，费用又是优先考虑的因素，因此可以选择一些复杂度较低的检测算法，此时可以使α＜β。可见，本发明可以动态的调节α与β的值来适应不同的应用环境。并且在实际应用中，如果BERP_i和复杂度值C_i的数量级差别较大，对综合性能的影响会不均衡，此时可以采用一些数学手段，缩小二者的数量级差距。

S204：比较步骤S2得到的每种检测算法的综合性能V_i，选择V_i值最小的检测算法对当前接收信号进行检测。

可见，本发明可以根据接收信号的SNR的不同，选择适宜的检测算法，当接收信号的SNR变化时，可以自适应进行检测算法的切换。在实际应用中，如果信道较为稳定，可以设置较大的切换时间间隔，如果信道变动较为迅速，可以设置较小的切换时间间隔，从而保证接收信号检测性能。

为说明本发明的有益效果，采用本发明在LTE链路级仿真平台上进行了实验仿真，在仿真时假设信道为SCM信道，信号经过理想的信道传输，并且有精确的信道估计。本次仿真以复杂度性能优先，综合性能计算公式中，α＝0.2，β＝0.8。表1是仿真参数表。

表1

图3是仿真得到的检测算法SNR与BER的对应关系曲线图。如图3所示，单就BER而言，ML检测算法的性能最优，MMSE-SIC检测算法次之，ZF检测算法最差。

图4是仿真得到的检测算法的执行时间对比图。如图4所示，在不同SNR下，MMSE-SIC检测算法和ZF检测算法的执行时间基本一致，均比较小，接近于0；ML检测算法的执行时间远远高于其他两种检测算法的执行时间。可以看出，在本次仿真中，由于算法执行时间较大，其数值与BER的数值数量级差异较大，如果直接计算会造成BER性能的影响较弱，因此在接下来的综合性能计算中，复杂度值不直接采用算法的执行时间，而对算法的执行时间进行一定的处理，即复杂度值C_i＝log₁₀(T_i)/10，其中T_i表示检测算法的执行时间。

图5是仿真得到的检测算法的综合性能对比图。如图5所示，在不同SNR下，三种检测算法中综合性能最小的检测算法各有不同，SNR在0到9dB时ZF检测算法的综合性能值最小，在9到14dB时ML检测算法的综合性能值最小，大于17dB时三种检测算法的综合性能比较接近，在14dB到25dB时MMSE-SIC检测算法的综合性能值最小。因此，可以根据接收信号的SNR值来选择适宜的检测算法。

尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

Claims (3)

1.一种混合自适应的MIMO接收检测方法，其特征在于，包括以下步骤：

S1：设置备选的检测算法，预先对每种检测算法采用训练信号训练得到不同信噪比SNR与检测算法错误比特率的对应关系表，并获得每种检测算法的复杂度值C_i，其中i为检测算法的序号；

S2：对当前接收信号进行信噪比估计得到SNR，根据步骤S1中预先得到的SNR与错误比特率的对应关系表得到每种检测算法在该SNR下的错误比特率P_i，计算每种检测算法的综合性能V_i，计算公式为：V_i＝α*P_i+β*C_i，其中α、β为大于0的常量参数，并且α+β＝1；

S3：比较步骤S2得到的每种检测算法的综合性能V_i，选择V_i值最小的检测算法对当前接收信号进行检测。

2.根据权利要求1所述的MIMO接收检测方法，其特征在于，所述备选的检测算法包括迫零检测算法、最小均方误差-干扰消除算法、最大似然算法。

3.根据权利要求1所述的MIMO接收检测方法，其特征在于，所述检测算法的复杂度值为算法执行时间。

Images