一种mcmc-mimo检测方法及系统的制作方法
【技术领域】
[0001] 本发明涉及无线通信领域，具体涉及一种MCMC-M頂0检测方法及系统。
【背景技术】
[0002] MIM0(Multiple Input Multiple Output，多输入多输出）技术能有效地提高系统 容量和频谱效率，已经被 3GPP LTE/LTE-Advanced 和 IEEE 802. 16e/802. 16m WiMax 等无线 协议所采纳。基于软输入软输出（Soft Input Soft Output，SIS0)模型的迭代检测译码被 认为能够逼近MMO信道的香农限，因此学术界和工业界提出了多种迭代检测方法。
[0003] 以下是现有技术中的 MCMC-MIMO (Markov Chain Monte Carlo-Multiple Input Multiple Output)检测方法，具体的，参见图I-图4,该算法在初始化模马氏链步骤204只 初始化一条马氏链的状态；条件对数似然比计算模块207根据当前马氏链的状态以及将被 更新的符号位置n，计算得到第η个符号取不同星座符号的I θ I个条件对数似然比305; 条件概率计算步骤209根据步骤207得到的I θ I个条件对数似然比计算第n个符号取不 同状态时的条件概率402,此过程涉及1/Σ exp (□)类型运算，复杂度极高；符号更新模块 210只用来更新第η个符号505,先根据模块209得到的条件概率来计算当前位置符号的累 积概率密度503,再根据产生的随机数501来确定更新的符号。
[0004] 但是现有的MCMC算法存在如下问题：Gibbs采样在高信噪比（SNR)会陷入"锁死" 到一个局部最优态，使得采样的状态数减少，从而导致计算LLR时出现较大的误差，即检测 性能不佳；Gibbs采样过程是基于概率域的逐比特（逐符号）更新，需要计算每比特（每符 号）的概率，然后根据概率分布进行采样更新，该过程涉及到指数等非线性运算，复杂度较 尚。
【发明内容】
[0005] 为了解决这些潜在问题，本发明的目的在于克服现有技术中所存在的上述不足， 提供一种检测性能更好、复杂度较低的基于K-best采样的MCMC-M頂0检测方法。
[0006] 为了实现上述发明目的，本发明采用的技术方案是：
[0007] -种MCMC-M頂0检测方法，包括：
[0008] Sl、初始化K条马氏链符号序列；
[0009] S2、计算所述K条马氏链符号序列的每一条符号序列的第η个符号取状态时 关于状态Θ i的条件对数似然比L
[0010] S3、得到更新的K条马氏链符号序列；
[0011] S4、根据步骤S3得到的所述序列中概率最大的符号序列来计算每比特的外信息， 并进行输出；
[0012] 其中K多2, η多1，q多1，且K、n、q均为整数，Θ i为第一状态，Θ q为第q状态。
[0013] 进一步地，所述Sl步骤包括：
[0014] S101、设置Gibbs采样迭代变量i = 1 ;
[0015] S102、判断i是否小于等于总迭代次数pXd，若否，则停止迭代，若是，则执行步骤 S103,其中K为马氏链条数，p是Gibbs采样的并行度，d是采样深度；
[0016] S103、判断mod(i，d)是否等于1，若是，则初始化K条马氏链符号序列，所述K条马 氏链符号序列表示为
，执行 步骤S104,若否，则执行步骤S104,其中，K为马氏链条数，M为发射天线数，i为迭代变量；
[0017] S104、设置符号更新变量η = 1 ;
[0018] S105、判断η彡M是否成立，若否，则输出当前K条马氏链符号序列，执行步骤S4， 执行步骤S106,若是，则执行步骤S2,其中，M为发射天线数；
[0019] S106、设置 i = i+Ι，跳至步骤 S102。
[0020] 进一步地，所述S2步骤包括：
[0021] S201、设置马氏链循环变量k = 1 ;
[0022] S202、设置状态空间循环变量q = 1 ;
[0023] S203、分别计算第k条马氏链第η个符号取状态0q时关于状态Θ i的条件对数似 然比kq，具体计算公式为：
[0025] S204、设置 q = q+Ι ;
[0026] S205、判断q彡I θ I是否成立，若是，则执行步骤S203,若否，则设置k = k+1，执 行步骤S206 ;
[0027] S206、判断k彡K是否成立，若是，则执行步骤S202,若否，则记录K条马氏链第η 个符号的Κ| θ I个条件对数似然比，并执行步骤S3 ;
[0028] 其中K多2, η多1，q多1，i多1且K、n、q、i均为整数，Θ丨为第一状态，Θ q为第 q状态，为第k条马氏链第η个符号取状态0q时的概率，Lai为信道译码器反馈给MMO检 测器的先验?目息。
[0029] 进一步地，所述S3步骤包括：
[0030] S301、在所述K条马氏链第η个符号的Κ| θ I个条件对数似然比中，筛选出K个较 大的条件对数似然比；
[0031] S302、将所述K条马氏链的状态设置为步骤S301中K个较大条件对数似然比对应 的符号序列；
[0032] S303、设置 η = n+1，并执行步骤 S105。
[0033] 进一步地，所述根据步骤S3得到的所述序列计算每比特的外信息为根据K个的符 号序列中概率最大的的符号序列计算每比特的外信息，并进行输出。
[0034] 本发明同时提供一种MCMC-Mnro检测系统，该系统用于实现本发明的一种 MCMC-MIM0检测方法，包括：
[0035] 马尔科夫链状态初始化模块，用于初始化K条马氏链符号序列；
[0036] 对数似然比计算模块，用于计算所述K条马氏链符号序列的每一条符号序列的第 η个符号取状态0q时关于状态Θ i的条件对数似然比L k，q;
[0037] 状态更新模块，用于更新得到K条马氏链符号序列；
[0038] 外信息计算模块，用于根据所述更新的K条马氏链符号序列概率最大的符号序列 计算每比特的外信息，并进行输出；
[0039] 其中K多2, η多1，q多1，且K、n、q均为整数，Θ i为第一状态，Θ q为第q状态。
[0040] 与现有技术相比，本发明的有益效果
[0041 ] 本发明的一种MCMC-M頂0检测方法通过对接收信号符号在对数空间进行K条路径 的马氏链状态更新，在更新过程中跟踪概率最大的K条路径的方式，可以避免马尔科夫链 陷入锁死到局部最优态，从而大大提高采得最小欧氏距离符号样本序列的概率，提升系统 整体性能；同时，且该采样直接在对数域进行，能够避免非线性指数运算，降低了系统的复 杂度，易于实现。
【附图说明】
[0042] 图1所示是现有技术的MCMC-M頂0检测方法流程图。
[0043] 图2所示是现有技术的MCMC-M頂0检测方法的计算第η个符号条件对数似然比的 流程图。
[0044] 图3所示是现有技术的MCMC-M頂0检测方法的计算第η个符号取不同状态时的条 件概率的流程图。
[0045] 图4所示是现有技术的MCMC-M頂0检测方法的更新第η个符号的流程图。
[0046] 图5所示是本发明的一个具体实施例示出的一种MCMC-M頂0检测方法简化流程 图。
[0047] 图6所示是本发明的一个具体实施例示出的一种MCMC-M頂0检测方法具体流程 图。
[0048] 图7所示是本发明的一个具体实施例示出的一种MCMC-M頂0检测方法的计算第η 个符号条件对数似然比流程图。
[0049] 图8所示是本发明的一个具体实施例示出的一种MCMC-M頂0检测方法的符号序列 更新流程图。
[0050] 图9所示是本发明的一个具体实施例示出的一种MCMC-MIM0检测系统模块图。
[0051] 图10所示是本发明的一个具体实施例示出的一种基于2-best采样的MCMC-MMO 检测方法。
【具体实施方式】
[0052] 下面结合【具体实施方式】对本发明作进一步的详细描述。但不应将此理解为本发明 上述主题的范围仅限于以下的实施例，凡基于本
【发明内容】
所实现的技术均属于本发明的范 围。
[0053] 实施例1 :
[0054] 图5所示是本发明的一个具体实施例示出的一种MCMC-ΜΠω检测方法流程图，包 括：
[0055] Sl、初始化K条马氏链符号序列；
[0056] S2、计算所述K条马氏链符号序列的每一条符号序列的第η个符号取状态0q时 关于状态Θ i的条件对数似然比L tq;
[0057] S3、得到更新的K条马氏链符号序列；
[0058] S4、根据步骤S3得到的所述序列中概率最大（即对数似然比最大）的符号序列来 计算每比特的外信息，并进行输出；
[0059] 其中K多2, η多1，q多1，且K、n、q均为整数，Θ i为第一状态，Θ q为第q状态。
[0060] 具体的，参见图6-图8,所述Sl步骤包括：
[0061] SlOl、设置Gibbs采样迭代变量i = 1 ;
[0062] S102、判断i是否小于等于总迭代次数pXd，若否，则停止迭代，若是，则执行步骤 S103,其中K为马氏链条数，p是Gibbs采样的并行度，d是采样深度；
[0063] S103、判断mod(i，d)是否等于1，若是，则初始化K条马氏链符号序列，所述K条马 氏链符号序列表示为
，执行 步骤S104,若否，则执行步骤S104,其中，K为马氏链条数，M为发射天线数，i为迭代变量；
[0064] S104、设置符号更新变量η = 1 ;
[0065] S105、判断η彡M是否成立，若否，则输出当前K条马氏链符号序列，执行步骤S4， 执行步骤S106,若是，则执行步骤S2,