用于解码通过通信信道接收到的数据块的方法和接收器与流程

本发明总体上涉及数字通信，并且更具体地，涉及解码通过通信信道接收到的数据块。

背景技术：

多输入多输出(mimo)系统使用多个发送天线和接收天线。与利用单一天线的系统相比，mimo系统可以在不分配附加频率或发送功率的情况下与天线数量成比例地增加信道传送容量。mimo系统的信道容量主要取决于在接收器中使用的信号检测方法，以便恢复所传送符号的块。重要的是设计mimo系统的信号检测方法，以使实现高性能以及低的复杂性和检测延迟。对于经受时变衰落和多路径延迟的双选择性信道，这是一个特殊的问题，其中，发生载波间干扰(ici)干扰和符号间干扰(isi)两者。

mimo系统的信号检测方法的示例可以包括：最大似然(ml)检测法、球形解码算法、qr分解与m-算法(qrd-m)算法等。

尽管ml检测法在mimo系统中提供最优性能，但当发送天线的数量增加并且使用较高阶调制方法时，运算复杂性指数地增加。因此，存在的缺点在于事实上不使用ml检测法。

与ml检测法相比，球形解码算法提供与ml法相似的性能和显著降低的平均运算复杂性。然而，球形解码算法因信道矩阵的条件数和噪声分散而瞬间改变复杂性。结果，在最糟情况下，球形解码算法表现了与ml方法类似的运算复杂性。换句话说，球形解码算法的运算复杂性具有较大标准偏差和随机性。因此，难以将球形解码算法应用于移动基站具有有限功率和低检测等待时间容限的应用。

提供qrd-m法作为性能与复杂性之间的折衷方案。在qrd-m法中，无论信道条件或噪声功率如何，检测信号所需的计算量都是固定的。因此，检测信号的qrd-m法在每个处理中考虑更多的信息，由此使其可以进一步降低运算复杂性。换句话说，当存在条件好的信道环境或低噪声功率时，qrd-m法减少剩余候选符号的数量，由此减少与在每个分支处计算的累积距离有关的运算。然而，qrd-m法的检测性能取决于所选择的候选的数量，并且候选数量越多，运算复杂性就变得越大。

技术实现要素：

在双重选择性信道上发送的单个符号块上的信道变化因ici和isi两者而不可忽略。最大似然检测(mld)在高数据速率mimo系统中是不可行的。几种检测方法可以实现近mld性能。例如，qr分解与m-算法，即，qrd-m法，通过在树搜索的每一级处选择具有最小累积度量(metrics)的m个候选来降低复杂性。

然而，为了实现qrd-m算法的近mld性能，应当使得m较大，由此使需要更高计算复杂性，这是不合需要的。用于低复杂性大mlmo检测的另一种似然上升搜索(las)法实现了近似最大似然(ml)性能，但仅适用于具有数百个天线的系统。在具有空间限制的通信终端中难于放置数百个天线。另外，las法仅针对相对较大的传送数据块具有好的性能。

本发明的一些实施方式基于这样的认识，即，对于通过多个通信信道传送的数据块的不同尺寸，不同类型的检测器可以比其它检测器更优化，尤其是考虑到接收器的有限计算资源。例如，对于要由具有预定计算能力的接收器检测的一个尺寸的块来说，qrd-m可以比las更优化。小块的尺寸和m值由解码器的计算能力决定。随着块尺寸的增加，las法可以变得更优化。

本发明的一些实施方式基于这样的认识，即，可以使用qrd-m与las的组合来检测不同尺寸的数据块。例如，具有可能的次优m的qrd-m的输出可以用作针对las的迭代的输入。这种组合对于通过具有有限计算能力的解码器解码中等尺寸的数据块来说能更好工作。而且，一些实施方式基于另一种认识，即，改变m值和las的迭代次数，可以改变qrd-m或las方法超过另一个方法的优势。

因此，一些实施方式基于这样的认识，即，用于检测块的方法应当被选择为块尺寸的函数。本发明的各种实施方式描述了针对不同尺寸的传送数据块的检测器的不同组合，并且提供了一种用于基于块的尺寸和/或接收器的计算能力来选择检测器中的一个或组合的方法。

因此，一个实施方式公开了一种用于解码通过通信信道接收到的数据块的方法。该方法包括：利用qr分解(qrd-m)法确定对所述块中的比特的初始估计，其中，所述qrd-m法通过减小所述初始估计与所述块中的所述比特之间的累积距离来顺序地解码所述块中的所述比特；以及利用似然上升(las)法确定所述块，其中，所述las法从所述初始估计开始迭代地更新所述块的所述比特，其中，所述方法的步骤由接收器的处理器来执行。

另一实施方式公开了一种接收器，该接收器包括：至少一个天线，所述至少一个天线用于通过通信信道接收数据块；以及处理器，该处理器用于解码所述数据块，其中，所述处理器被设置用于利用qr分解(qrd-m)法确定对所述块中的比特的初始估计，并且利用似然上升(las)法确定所述块，该las方法从所述初始估计开始迭代地更新所述块的所述比特。

附图说明

图1是采用本发明的一些原理的通信系统的示意图。

图2是根据本发明的一个实施方式的解码器的实现的示例。

图3是根据本发明的一些实施方式的自适应地改变解码方法的优势的方法的框图。

图4是根据本发明的一些实施方式的用于确定用于qrd-m法的m值的方法的框图。

图5是根据本发明的一些实施方式的用于选择用于las法的迭代次数n的方法的框图。

图6是根据本发明的一些实施方式的示例性无线通信系统的框图。

图7是根据本发明的一些实施方式的qrd-m法的树结构的示意图。

图8是根据本发明的一些实施方式的qrd-m法的框图。

图9是根据本发明的一个实施方式的作为用于las法的迭代的函数的对数似然度的图。

图10示出了根据本发明的一个实施方式的las法的框图。

具体实施方式

图1示出了采用本发明的一些实施方式的系统100的示意图。系统100包括经由信道150通信的发送器110和接收器120。该系统可以是多输入多输出(mimo)系统，其中，发送器和/或接收器使用一个或多个天线111、121。发送器和接收器都可以包括用于处理传送数据的处理器和存储器以及连接到天线的至少一个rf链。

与利用单一天线的系统相比，mimo系统可以在不分配附加频率或发送功率的情况下与天线数量成比例地增加信道150的传送容量。然而，本发明的一些实施方式考虑了在发送器和接收器处具有单个天线的点对点通信系统。

一些实施方式基于这样的一般认识，即，通过通信信道传送的数据块可以通过检测器的组合而不是单个检测器来更好地检测。检测器的组合例如可以基于所发送的数据块的尺寸和/或接收器的计算能力来选择。

例如，接收器120包括第一检测器130和第二检测器140。第一检测器提供对所发送的数据块115的初始估计。该初始估计135可以是次优的，但不是输出该次优检测，该初始估计135用作针对第二检测器140的输入，第二检测器140修正该初始估计以检测145该数据块。按这种方式，检测器甚至可以被设计成次优的，例如，由于接收器的有限计算资源，只要检测器的组合提供可接受的检测精度即可。

图2示出了根据本发明的一个实施方式的接收器120的解码器200的实现的示例。该实施方式基于这样的具体认识，即，qr分解与m(qrd-m)法和似然上升搜索(las)法的组合可以一起用于检测不同尺寸的数据块。例如，具有可能次优m的qrd-m的输出可以用作针对las的迭代的输入。

该实施方式对于具有有限计算能力的接收器来说是有利的。qrd-m方法通过在树搜索的每一级处选择具有最小累积度量的m个候选来降低复杂性。最优m值随着要检测的数据块的尺寸增加而增加。然而，qrd-m中最大m值由解码器的处理器的计算能力决定。对于具有足够小的尺寸的块115来说，最大可能m值可以足以最优地解码该数据块。在这种情况下，qrd-m法优于las。

例如，考虑最优的ml检测器，其具有以下形式

其中，长度n的矢量表示对发送块的估计，并且其中，n对应于正被检测的块的尺寸。fy|x，h(·)是接收块y、给定发送块x以及信道h的似然函数。注意，上述变量的以下维度：x是长度n的矢量，其中，每个要素表示根据尺寸为的字母表绘制的调制符号。例如，如果在发送器处采用qpsk调制，则h是复值信道系数的n×n矩阵。

由此，ml检测器测试所有可能的传送块x，并针对给定信道选择最大化的那一个。需要测试的可能发送块的数量取决于字母表的尺寸和块的尺寸n两者，并且可以明确地写成对于n＝3并且的示例树图来说，总共有4³＝64个可能块，因此作为潜在解，总共有64个长度为3的路径。ml检测器测试所有64个路径。

qrd-m法将检测问题处理为树形搜索问题，其中，个可能块中的每一个都由贯穿具有n+1级的树的、长度为n的路径表示。qrd-m检测器通过将树中搜索的路径的数量迭代地修剪至仅m来操作。即，在每一级处，计算个分支度量，其也是由qrd-m检测器测试的长度为n的路径的数量。因此，如在此使用的，用于qrd-m检测器的最优m值是这样的值，即，其允许qrd-m检测器获取到完全的ml检测器性能，即，最优m值使得求解m生成在qrd-m检测器和ml检测器相当的意义上，这是最优m值。

对于小块尺寸和低调制阶数来说，从计算和存储器的角度来看，设定是可行的。然而，qrd-m检测器的益处是其用远小于的m值获取近ml性能的能力。根据经验，设定是足够大的，使得性能非常接近ml检测器。注意，虽然设定生成具有近ml性能的检测器，但在ml检测器提供有关可达到的检测性能的下限的意义上，其仍是次优设定。针对任何m值和调制字母表尺寸qrd-m法最终计算出个分支度量。为了设定分支度量计算的数量变为并且是为获取近ml性能所需的qrd-m分支度量计算的典型数量。

一般来说，为了使qrd-m算法实现近mld性能，应当使m较大，由此需要更高的计算复杂性，这是不合需要的。因此，本发明的一些实施方式针对qrd-m法使用次优m值。如在此使用的，qrd-m法的次优m值为

对于相对较大的传送数据块来说，用于低复杂性大mlmo检测的另一种似然上升搜索(las)法实现了近似最大似然(ml)的性能。las是一种贪婪搜索算法，其同样通过发现具有较大似然值的新的估计来尝试迭代地改进其对传送块的估计

也就是说，对于i＝0,...niter-1来说，其中，i是迭代计数，niter是las算法中的最大迭代数，而是在las算法的第i次迭代时对传送块的估计。在las算法的每次迭代中，检查/测试中的n个符号中的每一个，以查看使用来自调制字母表中的另一个值来替换该符号是否将增加似然函数。

因为las是一种贪婪算法，所以las可以收敛至局部最大值而不是全局最优最大值。然而，las在维度上的增加降低了一给定起始点(初始估计)收敛至局部最小值的概率。换句话说，在每次迭代时las在维度上的增加提高了发现改进该似然度的维度的概率。针对i.i.d.信道(矩阵h的元素是独立且相同分布的)，可以看出，随着块尺寸趋于无穷大，las的性能收敛至ml性能。虽然无限长的块尺寸在实践中不可行，但通常在200-400范围内的块尺寸足以观察到ml性能。

然而，一些实施方式基于这样的认识，即，如果选择las的起始点以使得初始估计与少数位置中的ml解不同，则las可以对传送数据块的较小尺寸有效。这确保了las算法在全局最优解附近开始。需要初始估计值接近ml解的这种要求，因为该小块尺寸抑制了las算法用于从接近局部最小值的初始起始点恢复的能力。此外，本发明的一些实施方式基于这样的认识，即，甚至利用次优m值的qrd-m的输出可以提供这样的初始估计。

因此，在一个实施方式中，一种用于解码通过通信信道接收到的数据块的解码器包括第一检测器，该第一检测器用于利用qrd-m法210来确定对所述块115中的比特的初始估计215，该qrd-m法通过减小初始估计与所述块中的比特之间的累积距离来顺序地解码所述块，并且包括第二检测器，该第二检测器用于利用las法220确定所述块，该las法从初始估计开始迭代地更新所述块的比特。

在一些实施方式中，要发送的数据块的尺寸预先获知。在那些实施方式中，用于qrd-m检测器的m值和用于las检测器的迭代数n针对该尺寸和解码器的计算能力进行了优化。例如，假设该解码器具有足够大以存储q个分支度量的存储器，则可以将m参数可被设定成的最大值是q。该解码器的las部分中的最大迭代数niter接着可以根据解码器的处理速度进行设定。

然而，在某些情况下，数据块的尺寸在收到之前是未知的。例如，在诸如根据ieee802.11标准设计的可变长度数据传送中，其中，块的尺寸是可变的，并且该尺寸被提供在数据包报头中。

针对那些情况，本发明的一些实施方式针对块的平均尺寸确定m值和niter。然而，另选实施方式根据块的尺寸来改变m值和las的迭代数niter。那些实施方式基于这样的认识，即，对于较小的块尺寸，最大可能m值可以足够解码该块，所以不需要严重依赖于las。与此相反，对于较大的块尺寸，las方法不需要来自qrd-m的良好初始估计来检测块，从而可以进一步降低qrd-m法的复杂性。

图3示出了根据一些实施方式的方法的框图，其自适应地选择m的值和/或las的迭代数niter来改变解码器中qrd-m和las方法相对于彼此的优势。该方法基于块的尺寸来确定用于qrd-m法的m值315和用于las法的迭代数335中的至少一个，其中，m是所述qrd-m法的每个阶段中的幸存路径的数量。接下来，该方法利用具有m值315的qrd-m来解码320该块，以确定该块的初始估计325，并且利用具有从初始估计325开始的niter335次迭代来解码330块。

图4示出了用于确定用于qrd-m法的m值的方法的框图。该方法根据解码数据的接收器的计算能力405，确定410用于qrd-m法的最大m值，其可以包括存储器406的尺寸和接收器的处理器的计算速度或处理速度407中的至少一个。在某些实现中，这个步骤离线地执行。例如，如果接收器具有足以保持q个分支度量的存储器和至少足够快以在检测间隔中计算bmax个分支度量的处理速度407，则针对给定字母表尺寸和块尺寸，可以由硬件支持的最大m值为本质上，最大m值由存储器和硬件的处理限制决定。

在在线解码期间，接收器的解码器将块尺寸430与阈值440进行比较420，并且如果块尺寸小于451阈值，则选择450用于qrd-m法的最大m值415，否则452选择小于最大m值的m值。在当块尺寸增加时m值减小的意义上，这个实施方式是反直觉的。然而，当这种复杂性不是必需时，该实施方式允许降低qrd-m法的复杂性。在一些实施方式中，m值被选择为一，以将qrd-m法的效果降低到其最小值。

在一些实施方式中，通过考虑q是对最大m值的硬件约束来选择阈值。由此，接收器计算420并检查以查看其是否大于bmax。如果是，则在qrd-m算法中使用的m值被设定成mmax415。mmax大于是可能的。在这种情况下，检测器可以考虑给定的系统参数：块尺寸n、字母表尺寸以及处理能力bmax使得qrd_m单独可以处理所接收的块。在这种情况下，当时，检测器将顺序地执行qrd-m检测和las检测，其中qrd-m检测的输出充当用于las检测的初始估计在这种情况下，m值取决于块尺寸，并且可以计算

其中，指示顶函数(ceilingfunction)。上面示出的值256根据这样的事实提出，即，针对大块(>200个符号)，当m小于最优经验值时，las算法比qrd-m算法执行得更好。另外，随着块尺寸的增加，一些实施方式允许las算法处理更多的检测处理。随着块尺寸增加而减小m参数值的其它函数关系也是合适的。然而，独立于块尺寸地设定m＝mmax可导致检测器的qrd-m部分320的不必要的复杂性。

另外或者另选地，对于选择用于qrd-m法的m值来说，一些实施方式选择用于las方法330的迭代数。因为las法发现似然函数的局部最小值，所以一些实施方式不适应该迭代数niter。本质上，在多次迭代后，las法收敛至最小值，并且额外的迭代不再导致改进的性能。因此，一些实施方式测试每个新的估计块以查看任何组成部分是否已经从先前估计改变。如果是，则潜在地需要进一步的迭代。

然而，一些实施方式限制总允许迭代数，以最小化针对每个块执行的计算数量，和或强调ord-m法相对于las法的优势。

图5示出了根据块尺寸和/或m值来选择用于las法的最大迭代数n的框图。在该实施方式中，解码器将块尺寸430与阈值540进行比较520，如果块尺寸小于551阈值，则选择550最小n值515(例如，n＝1)用于las法，否则552选择最大迭代数n，例如，需要不大于5-10次迭代以供收敛。

示例性实施方式

本发明的一个实施方式考虑了在发送器和接收器处具有单个天线的点对点通信系统。该实施方式考虑针对用于k个块符号的准静态信道的频率平坦衰落。

图6示出了包括采用本发明的一些原理的发送器110和接收器120的示例性无线通信系统的大体框图。发送器调制620输入比特610以生成符号625。调制620的示例包括但不限于bpsk(二进制相移键控)、qpsk(正交相移键控)、m进制qam(正交幅度调制)。符号625可以包括一次采取n个的顺序符号的块。例如，矢量x(n)可以表示包括n个调制符号的第n个块。调制符号可以被假设成具有零均值和单位功率，并且在统计学上是独立的，由此，以下成立：

e{x(n))}＝0和e{x(n)x(n)^h}＝in，

其中，运算符e{}表示期望值，in是n×n单位矩阵。第n个块中的第j个符号传送由x(n)中的xj(n)表示，即，u(n)也表示针对该信道的n次使用符号的集合。

在一些实施方式中，通过n×n酉预编码矩阵p来对数据块进行预编码630。矩阵p可以是任何n×n酉矩阵，诸如离散傅里叶变换(dft)或walsh-hadamard矩阵。一个实施方式还可以将随机旋转640应用于这样的预编码器输出，即，其采用具有沿其对角线的随机复数条目的n×n对角矩阵形式。该旋转640可以具有以下形式

其中，e是表示自然对数的基数的数，j是虚数单位，即，并且θi(i＝1,2,...n)是超过{0,2π}的i.i.d均匀随机变量。旋转矩阵具有在较高信噪比下改进误码率性能的效果。

因此，在应用预编码矩阵p和相位旋转矩阵λ之后，针对信道h650的输入645是u＝pλx(n)。因为p和λ是酉(pλ)(pλ)^h＝in。该信道h650可以被建模为n×n对角矩阵，h＝diag(h1，h2，...hn)其中，n个元素是具有单位方差的复数正规随机变量。将白高斯噪声z(n)添加660至信道，并且包括数据块的接收信号670是

y(n)＝hpλx(n)+z(n)＝heqx(n)+z(n)。

上述等式示出了该系统可以被看作具有n个虚拟空间流的n×n虚拟mimo系统。因为所接收的矢量信号y(n)借助于块符号x(n)表达，所以根据本发明的各种实施方式，接收器120采用解码器对来自y(n)的块符号x(n)进行逐块检测。

qrd-m方法的示例

图7示出了具有qpsk调制和m＝4的3×3mimo系统的树结构700的示意图。粗体线指示借助于qrd-m算法的幸存路径。在这个示例中，用于发送器和接收器处配备有三个天线的系统的检测的树结构。该阶数与天线数量相同，所以有三个阶段。该示例将qpsk用于传送符号，并且将qrd-m用于m＝4，即，在检测处理中有四条幸存路径。在每个阶段710、720及730，针对所有可用路径计算累积的欧几里得距离度量，然后仅选择在所有路径当中具有最小累积欧几里德距离的m个路径(在这种情况下为四个路径)。

在第一阶段710中，因为当使用qpsk调制时，针对四个潜在符号只有四条路径，所以所有路径711被选择为幸存路径。在第二阶段720，仅从幸存路径计算累积欧氏距离的进一步计算。即，存在对应于所有路径的十六个累积欧氏距离，所以在第二阶段仅选择四个幸存路径721、722、723及724。在第三阶段730，qrd-m方法选择具有最小累积欧几里德距离的路径(例如，731)。该路径经由qrd-m给出最终数据决定，因为从根节点向下直至叶节点的、具有最小累积欧几里德距离的长度n路径表示最有可能被发送的符号序列。

图8示出了根据本发明的一个实施方式的qrd-m法的框图。该实施方式针对等效信道矩阵heq应用qr分解801，以确定[q，r]＝qr(heq)，即，qr＝heq，其中，q是酉矩阵而r是上三角矩阵，并且将y(n)乘以810hermitian矩阵q^h乘以y(n)以生成

该实施方式还初始化计数器k＝0、一组m个累加器acc^k(1)＝0,...,acc^k(m)＝0)，以及一组幸存路径如果820k小于821块尺寸n820，则针对可能的分支数，

该实施方式针对j＝1，2，...，δm计算840累积欧几里德距离其中，是的第(n-k)个元素，r(n-k)是r的第(n-k)个行矢量，并且xj是在第j分支上的星座符号。

接下来，本实施方式在所有δm个分支当中选择850具有最小的累积欧几里德距离的仅m个分支，如m个分支(j1,j2,...,jm)及它们对应的累积欧几里得距离

该实施方式使860计数器k加一，并利用其先前幸存路径s^k＝{s^k-1；(j1，j2，...，jm)}和累积欧几里德距离来更新幸存路径，并且该迭代返回870至测试820。当k＝n880时，该实施方式追溯在k＝n具有最小累积欧几里得距离的幸存路径s^k，以使可以进行数据决定

las方法的示例

图9示出了根据本发明的一些实施方式的作为用于las法的迭代的函数的对数似然度的图。如前所述，las算法是一种贪婪搜索算法，其寻求通过在每次迭代中发现具有较大似然度的数据矢量x来改进其当前估计。下面描述如何执行搜索的细节，并且图9旨在示出针对每次迭代，候选解具有比先前值大的似然值。实际上，如果当前候选解无法改进先前解，则算法终止，因为它已经找到了全局最优解或者已经稳定在局部最大值。

图10示出了根据一个实施方式的las法的实现的图。本实施方式假设在发送器中使用bpsk调制，这相当于设定根据针对所接收的信号y(n)的表达式，利用等效信道矩阵将矩阵g定义1010为g＝2re(heq^hheq)，并且形成202符号块的初始估计初始估计的一个示例是

在k＝0时，其中，k指示迭代数，形成1020块符号的初始估计。对于给定迭代，k1030小于1031niter，该实施方式计算n乘1矢量g^(k)，其第j个元素由gj^k表示1040。该计算使用等效信道heq和先前数据矢量估计来确定

接下来，该实施方式考虑先前迭代中的所估计的符号，将gj^k与矩阵g的第k个对角元素的量值的进行比较，更新1050的第j个符号的估计，并且进行1070至下一个符号。当所需的迭代数niter达到1032时，获取1035数据检测。

本发明的上述实施方式可以按许多方式中的任一种来实现。例如，这些实施方式可以利用硬件、软件或其组合来实现。当按软件来实现时，软件代码可以在任何合适处理器或处理器集合上执行，而不管设置在单一计算机中还是在多个计算机当中分布。这种处理器可以被实现为集成电路，在集成电路组件中具有一个或更多个处理器。然而，处理器可以利用采用任何合适格式的电路来实现。

而且，本发明的实施方式可以被具体实施为已经提供了其一示例的方法。作为该方法的一部分执行的动作可以按任何合适方式来排序。因此，即使在示例性实施方式中被示出为顺序动作，也可以构造按与所例示相比不同的次序来执行动作的实施方式，其可以包括同时执行一些动作。

在权利要求书中使用诸如“第一”、“第二”的序数词来修改权利要求部件本身并不意味着一个权利要求要素相对于另一个要素的任何优先级、优先权或次序或执行方法的动作的时间次序。而是仅仅被用作用于区分具有特定名称的一个权利要求要素与具有相同名称(但供序数词使用)的另一要素的标记，以区分这些权利要求要素。