专利名称：用于确定信号矢量的方法和系统及计算机程序单元的制作方法
技术领域：
本发明涉及用于确定信号矢量的方法、用于确定信号矢量的系统以及计算机程序单元。
背景技术：
近来在信息论方面的研究已显示，MIMO(多输入多输出)通信系统中的无线信道容量可随着收发机天线的数目而线性增加。通过使用多个天线来探索空间域以在无线通信中实现高数据速率的巨大潜力，已在商业和科学界中引起了越来越多的关注。
通过使用MIMO技术，IEEE 802.11无线局域网(WLAN)工作组已设立了任务组802.11n，用于802.11的更高吞吐量增强的标准化。假定在WLAN系统中提供大于100Mbps(例如20MHz带宽的320Mbps)的数据速率传输。实际上，对于其它标准，MIMO技术也被认为是有希望的，所述其它标准诸如用于高数据速率宽带无线接入(BWA)的IEEE 802.16 WiMax(世界范围的微波接入的互操作性)、用于高数据速率蜂窝系统的IEEE802.20和3GPP HSDPA(高速下行链路包接入)以及用于具有很可能大于1Gbps传输率的甚高数据速率无线个人区域网络(WPAN)的WiMedia联盟/1394贸易协会。
在理论上，MIMO系统所许诺的大信道容量只有通过在接收机处使用最优最大似然(ML)检测才可充分实现。然而，与这样的非线性接收机相关联的主要问题是其计算复杂性，其计算复杂性随着发射机和接收机处的天线的数目以及调制星座的大小而呈指数增加。
近来，球检测器已被引入到MIMO系统。球解码器的吸引力在于，它的期望(或平均)复杂性是多项式的(见[1])。遗憾的是，所谓的期望多项式复杂性只有在某些特殊情况下才给出，而总的来说，球检测器仍然具有指数平均复杂性。除此之外，球检测器的最大复杂性比它的平均复杂性大得多。对于实际的系统设计，对最大复杂性的限制是所希望的。然而，具有有限的最大复杂性的球检测器却不是对最大似然检测的准确实施。因此，在实际的MIMO系统中不得不使用次最优检测方案。
为了找到较不复杂的算法或结构，已进行了大量的研究，以尽可能地利用MIMO信道提供的传输容量。其中，最流行的结构是贝尔实验室的分层空间-时间结构(BLAST)，其包括迄今为止最实际的版本—垂直BLAST(V-BLAST，见[2])。根据V-BLAST，将要传输的信息数据流首先被解复用分成多个子流(sub-stream)，所述子流经由多路径信道被不同的发射天线发射。在接收机处，在多个接收天线处所接收的信号被反复检测，并且从性能的观点出发使被解复用的子流的检测顺序最优化。
据证实，V-BLAST提供了成本效率和高频谱效率，并且通过使用V-BLAST可达到信道容量的几乎60％。V-BLAST的复杂性因使用不同的检测算法而不同(见[3]、[4]、[5])。基本上，它比最大似然检测的复杂性低得多，并且相对于收发机天线的数目为立方级的复杂性或更小。
如期望的那样，传统V-BLAST算法的性能远远不是最大似然检测的性能。鉴于此，最初为CDMA(码分多址)多用户检测所提议的所谓QRD-M算法近来已被引入到MIMO系统(见[6])。通过将QR分解和有序检测与编码理论中众所周知的M算法相组合来简化树搜索过程，QRD-M检测减少了计算成本。QRD-M所实现的性能可以与最大似然检测的性能相比较，尤其是当天线的数目和调制星座的数目相对低时。
通过设置参数M，可调整QRD-M的性能和复杂性之间的折衷，所述M是每个步骤中的树搜索大小。然而，为了实现QRD-M的近最优最大似然性能，需要使用较大值的M。在这种情况下，QRD-M的计算复杂性仍然非常高。当它的复杂性被限制到可与传统V-BLAST检测相比较时，QRD-M的性能会迅速劣化。换言之，QRD-M在实现近最优最大似然性能方面不是非常有效。因此，明显需要改进具有适度复杂性的MIMO系统的性能。
在下文中，给出了可根据V-BLAST来使用的一些检测方法的数学公式，尤其是上面提到的QRD-M检测。
设根据V-BLAST结构的MIMO系统包含Nt个发射天线和Nr个接收天线。当发射天线发射信号矢量d‾=[d1,d2,...,dNt]T]]>时(其中每个分量由一个发射天线来发射并且所有分量同时被发射)，接收的信号矢量r‾=[r1,r2,...,rNr]T]]>(每个分量由一个接收天线来接收)可写为r＝H·d+v(1)
其中H是具有在统计上独立的表列值的Nr×Nt复信道矩阵，而v是具有零均值和方差σv2的复高斯噪声矢量。
线性检测是简单地将所接收的信号矢量r与线性变换矩阵G相乘，亦即，所估计的信号矢量 可被表示为d‾^=G‾·r‾=G‾·H‾·d‾+G‾·v‾.---(2)]]>这种线性处理也被称为“置零(nulling)”。因为对每个子流的线性处理的效果是保持所希望的子流信号，而与此同时抑制或“置零”其它子流信号。
线性检测算法通过选择G而彼此不同，G可基于不同的准则来导出。最通用的线性检测算法是迫零(ZF，Zero Forcing)和最小均方误差(MMSE)，对于其，对应的线性变换矩阵分别为G＝H+(3)和G＝P·HH(4)其中，P＝(HH·H+σv2·IM)-1，而上标“+”表示矩阵伪求逆，上标“H”表示厄密共轭(Hermitian)，而上标“-1”表示矩阵求逆。可以看出，通过线性检测，同时获得了对d的全部Nt个分量的估计。
干扰消除(IC)检测来自多用户检测。根据这种检测方法，不是一口气检测所传输的信号矢量的所有Nt个分量。代替地，借助于例如利用ZF或MMSE的置零，亦即通过使r与线性变换矩阵G的行矢量而不是整个矩阵G相乘，从对仅一个子流的线性检测开始。首先检测的子流(亦即信号矢量的分量)是对应于最高后检测(post-detection)信噪比(SNR)的一个。然后从所接收的信号矢量中减去所检测子流的效果，导致具有较少“干扰源(interferer)”的修改的接收矢量，所述干扰源即引起干扰的子流。这个过程持续到所有子流被检测为止。
设有序集合ζ={k1,k2,...,kNt}]]>是指定对所传输信号矢量d的分量进行提取的顺序的整数1，2，...，Nt的排列。使用ZF置零的全检测算法可被简洁地描述为递归过程，包括最优排序的确定，如下a)初始化i←1G1＝H+(5a)k1=argminj||(G‾1)j||2---(5b)]]>b)递归w‾ki=[(G‾i)ki]T---(5c)]]>yki=w‾kiT·r‾i(r‾1=r‾)---(5d)]]>d^ki=Q(yki)---(5e)]]>r‾i+1=r‾i-d^ki·(H‾)ki---(5f)]]>G‾i+1=H‾k‾i+---(5g)]]>ki+1=argminj∉{k1,...,ki}||(G‾i+1)j||2---(5h)]]>i←i+1(5i)其中，(·)j指示括号内矩阵的第j列，Hki代表通过使H的列k1，k2，...，ki归零而获得的矩阵，‖·‖指示矢量的长度，而Q(·)指示适合于使用中的星座的量化(切片(slicing))运算。
对于使用MMSE的IC检测，除了Gi(i＝1，...，Nt)是基于公式(4)而不是(3)来计算的、并且如步骤(5b)和(5h)中的那样排序是基于矩阵P而不是G来确定的之外，步骤是相似的。
如上所述，QRD-M算法是众所周知的M算法或广度优先检测算法(breadth-first detection algorithm)的变体。基本上，其基于最大似然成本函数对于树搜索过程期间的搜索分支的数目设置了上限。
所传输的矢量d的最大似然估计为以下最小化问题的解
d‾^=argmin||r‾-H‾·d‾||2---(6)]]>其中‖·‖代表矢量范数。
代替如最大似然检测中那样对(6)的解的强力搜索(brute forcesearching)，QRD-M算法利用QR分解得到了经修改的最小化问题。
d‾^=argmin||r‾′-Q‾H·H‾·d‾||2---(7)]]>其中r′＝QH·rQH·Q＝IQ‾·R‾Nt×NtO‾(Nr-Nt)×Nt=H‾]]>注意(7)中的信道矩阵H实际上是原始信道矩阵的置换。它被重新排列，以使列范数为升序。
通过在每个步骤中从所接收的信号中去除较强的数据，可从最强数据到最弱数据顺序地做出判决。针对(7)的最佳解决方案是应用最优树搜索技术，这需要搜索通过sNt个分支(S指示星座大小)。然而，计算成本随着Nt的值呈指数增加。通过与M算法相结合，每个幸存路径被扩展，并且在树的每个等级只保留具有最小累积距离度量的M个分支。这样，这种QRD-M算法就是次最优树搜索算法，但是与最大似然检测相比具有较低的计算成本。当M转到sNt时，检测性能逼近最大似然检测的性能。
发明内容
通过具有根据独立权利要求的特征的用于确定信号矢量的方法、用于确定信号矢量的系统以及计算机程序单元来实现所述目的。
提供了用于确定信号矢量的方法，所述信号矢量包含来自所接收信号矢量的多个分量，在所述方法中，选择所述多个分量中的分量，并且其中对于候选符号列表中的每个候选符号，在所选择的分量等于所述候选符号的假设下，生成针对所述候选符号的候选信号矢量，其中每个候选符号表示针对所选择的分量的可能符号。基于所述候选信号矢量的质量测量，从所述候选信号矢量中确定所述信号矢量。
进一步，提供了根据上述用于确定信号矢量的方法的用于确定信号矢量的系统和计算机程序单元。
下面参考附图来说明本发明的示范性实施例。
图1显示了根据本发明实施例的通信系统。
图2显示了根据本发明实施例的流程图。
图3显示了根据本发明实施例的仿真结果。
图4显示了根据本发明实施例的仿真结果。
图5显示了根据本发明实施例的仿真结果。
图6显示了根据本发明实施例的仿真结果。
具体实施例方式
示范性地，使用了针对所选择的分量的可能符号列表。所述列表例如存在可能针对所选择的分量的星座符号集合。对于所述列表的元素中的每一个，假定所选择的分量实际上等于所述元素，并且在这个假定之下，生成剩余的分量。例如，当假定所选择的分量等于所述列表中的某个元素时，这个元素如果等于所选择的分量则会造成的干扰被从所接收的信号矢量的剩余分量中消除，并且信号矢量的剩余分量被确定。使用某种质量测量，对基于所选择的分量等于所述列表的元素的假设而生成的不同候选信号矢量进行比较，并且将最好的一个选择为要确定的信号矢量。
可实现近最优最大似然检测的性能。本发明在高数据速率包传输系统中尤其有效，并且例如可应用于此，所述高数据速率报传输系统诸如基于WLAN(无线局域网)的热点、固定宽带无线接入系统、基于4G蜂窝的热点、WPAN(无线个人区域网络)等等。例如在下述的一个实施例中，本发明的计算复杂性显著低于最大似然检测和现有技术的计算复杂性。
本发明的实施例出自从属权利要求。在用于确定信号矢量的方法的上下文中描述的实施例类似地对用于确定信号矢量的系统和计算机程序单元有效。
所接收的信号矢量可以是经由至少一个天线接收的无线电信号矢量。例如，所接收的信号矢量是经由MIMO系统接收的无线电信号矢量。
通过将所选择的分量设置为候选符号并且确定剩余的分量，可以确定针对候选符号的候选信号矢量。
在一个实施例中，通过IC检测来确定剩余的分量。剩余的分量还可以通过线性检测或者通过另外的传统检测来确定。
例如，选择多个分量中的在所接收的信号矢量中具有最低质量的分量。例如，选择多个分量中的根据后SNR(post SNR)或最大均方误差而在所接收的信号矢量中具有最低质量的分量。
例如通过确定候选信号矢量的度量并选择具有最佳度量的候选信号矢量，从候选信号矢量中确定信号矢量。
图1显示了根据本发明实施例的通信系统100。
通信系统100包含发射机101和接收机102。发射机101包含多个发射天线103，每个发射天线103与相应的发送单元104耦合。
每个发送单元104被提供有信号矢量d‾=[d1,d2,...,dNt]T]]>的分量，其中Nt为发射天线103的数目。每个发送单元104使用相应的天线103来发射信号矢量d的各个分量。以一起发送信号矢量d。经由通信信道108以接收信号矢量r‾=[r1,r2,...,rNr]T]]>的形式，所传输的信号矢量由发射机102通过多个接收天线105来接收，每个接收天线105与相应的接收单元106耦合。Nr指示接收天线105的数目，其中Nt≤Nr。
由于Nr和Nt大于1，所以通信系统100是MIMO(多输入多输出)系统，例如MIMO-OFDM(正交频分复用)系统，其中Nt＝Nr＝4或8，并且系统以20MHz系统带宽、5GHz的中心频率工作。
每个接收天线105接收所接收的信号矢量r中的一个分量，并且相应分量通过耦合到天线的接收单元106而输出并馈送到检测器107。
发射天线103和接收天线105之间的通信信道108的传输特性可通过复信道矩阵H来模型化。
所接收的信号矢量r可写为
r＝H·d+v(8)其中v是具有零平均值和方差σv2的复高斯噪声矢量。
通信系统100是根据V-BLAST架构而形成的一个实施例。信号矢量d是根据单个数据流生成的，所述单个数据流在发射机101中被解复用成Nt个子流。每个子流被编码成符号，并且子流的一个符号对应于信号矢量d的分量。
通信信道108是富散射多路径信道，并且假定其相对于发信号(signalling)慢衰落，以致于一个或几个包数据所经历的衰减不变。这种假设对许多系统有效。例如，收发机在BWA(宽带无线接入)系统中是固定的，并且WPAN(无线个人区域网络)系统中的移动性极小，因此期望多普勒扩展是非常小的。对于WLAN(无线局域网)和蜂窝系统，MIMO技术被典型地设计用于那些具有有限移动性的“良好信道”，以实现峰值数据速率传输。对于较高移动性的情形，可使用如束成形和选择分集的其它多天线技术。
假定天线对(由一个发射天线103和一个接收天线105组成的一对)之间的衰落是独立的。然而，实施例可直接扩展到具有某种性能劣化的相关MIMO信道。无论如何，它将引入对不同检测方案之间相对性能的细微影响。
为了简化起见，进一步假定通信信道108为平坦衰落的。然而，实施例同样可扩展到OFDM系统中的频率选择性衰落信道，如在[4]和[6]中描述的那样。
检测器107使用所接收的信号矢量r来生成所估计的信号矢量 其所估计的信号矢量 为对初始发送的信号矢量d的估计。
下文中，参考图2来说明检测器107的功能性。检测器107所执行的检测方法被称为列表检测。
图2显示了根据本发明实施例的流程图200。
在步骤201中确定子流的检测顺序。这意味着确定有序集合ζ={k1,k2,...,kNt},]]>该集合为整数1，2，...，Nt的排列，并且指定所检测的信号矢量 的分量被确定的顺序。
与传统的IC(干扰消除)检测相似，通过使用信道矩阵H可确定子流的检测顺序。然而，应当注意的是，检测器107所执行的列表检测的最优顺序不同于传统IC检测中的最优顺序。这是因为列表检测中首先检测的子流不再是最脆弱的子流，而在传统IC检测中却是这样的。实际上，首先检测的子流将是具有所实现的完全分集顺序的最大似然检测，并因而是最可靠的一个，而不管信道状态如何。
因此，要检测的第一个子流(对应于集合ζ中的k1)应当如此选择，以使其对应于传统IC检测中的“最差”子信道，以保存较好的子信道在稍后的使用传统IC的检测中使用。在检测第一个子流之后，可以与传统IC检测中相同的方式来确定对于剩余子流的检测顺序。
排序步骤201可总结如下—通过使用传统IC排序技术，诸如通过使用H的伪求逆或平方根技术(见[5])，根据具有最小后SNR或最大MSE(均方误差)，识别最差子流作为要检测的第一个子流。
—如在传统IV检测中那样，继续一个接一个反复地在剩余的子流中识别最好的子流。
当确定了检测顺序时，在步骤202中设立针对第一个子流亦即根据索引k1将要检测的第一个分量的候选列表。这意味着生成针对分量 的可能符号列表。例如，可以在候选列表中包括所有信号星座，以使候选列表的大小等于星座大小S。星座大小S取决于针对形成信号矢量d的符号的生成所使用的调制。在QAM调制的情况下，S取决于是否使用16-QAM、64-QAM等等。
在步骤203中，选择来自候选列表的候选者(根据候选列表的任意排序，从第一候选者开始)。示范性地，假设所选择的候选者是所传输的信号矢量d的第一个分量(对应于k1)。
在步骤204中，通过使用所选择的候选者作为 的第一个分量，相继确定 的所有的剩余分量。
这可以与传统IC检测相似的方式进行，例如根据等式
w‾ki=[(G‾i)ki]T---(9)]]>yki=w‾kiT·r‾i(r‾1=r‾)---(10)]]>d^ki=Q(yki)---(11)]]>r‾i+1=r‾i-d^ki·(H‾)ki---(12)]]>G‾i+1=H‾k‾i+---(13)]]>ki+1=argminj∉{k1,...,ki}||(G‾i+1)j||2---(14)]]>i←i+1(15)其中，以i＝1开始并且以i＝Nt结束反复地执行所述等式(在每次迭代中，等式(9)到(15)相继被处理)。(·)j指示括号内矩阵的第j列，Hki代表通过使H的列k1，k2，...，ki归零而获得的矩阵，‖·‖指示矢量的长度，而Q(·)指示适合于使用中的星座的量化(切片)操作。
矩阵G是线性变换矩阵，并且通过以下被初始化G1＝H+. (16)因而，步骤204的结果就是所估计的信号矢量 其第一个(对应于k1)分量是来自所述列表的第一个候选者。
基于这个对信号矢量的估计，在步骤205中使用度量来估计第一个候选者的质量。在这个实施例中，所述度量基于最大似然检测成本函数，并且通过Λ=||r‾-H‾·d‾^||2---(17)]]>来给出，其中，如上所述， 是基于第一个候选者的所估计的信号矢量。
处理返回到步骤203，其中另一个候选者被选择，并且基于这个候选者来计算所估计的信号矢量 亦即，该候选者用作 的第一个分量，并且基于第一个分量来计算剩余的分量，如上所述。然后，根据等式(17)计算矢量
的度量。
对候选列表中的所有候选者重复步骤203到205。结果是多个所估计的信号矢量
每个都基于来自候选列表的一个候选者。作为检测器107所输出的所估计的信号矢量
根据等式(17)具有最低度量的一个在步骤206中被选择。所有其它的被丢弃。
这可相继地进行，亦即，当已根据两个候选者计算了两个所估计的信号矢量
时，可以比较度量，并且丢弃对应于较高度量的所估计的信号矢量和它所基于的候选者。这可以一直进行到只剩一个候选者为止。
从参考图2所描述的列表检测的详细步骤可以看出，第一个子流(对应于k1的第一分量)的估计来自于假设，亦即来自于当前所选择的候选者。如IC检测中那样在针对每个子流的无误差假定之下，对所有子流所实现的分集阶数(diversity order)分别为Nt，Nr-Nt+2，...，Nt。与传统IC检测相比，可能造成显著误差的最脆弱的第一子流现在变成了具有与最大似然检测相同的分集阶数的最可靠的一个。通过使用第一检测的可靠估计，针对剩余子流的IC检测以分集阶数Nr-Nt+2开始，该阶数比传统IC检测大。增大的分集阶数和较少可能的误差传播二者的效果显著提高了传统IC检测的性能。如从仿真中可看到的那样，列表检测的性能很好地接近了最大似然检测，并且显示了比QRD-M检测更高的分集阶数。
列表检测的复杂性取决于候选列表大小。通常其粗略等于IC检测的复杂性乘以候选列表大小，并且比QRD-M的复杂性低得多。具体地，可如表1所示来计算根据用于列表检测和QRD-M检测的一个信号矢量中的复数乘法和加法的所需次数的复杂性。
表1
应当注意的是，可假定慢衰落或准静态的信道中的信道矩阵H对于典型地具有成百至上千个符号的一个或几个包是恒定的。对信道自身的操纵，诸如QR分解和/或求逆等等，每包可仅执行一次，并且没有招致与以符号速率工作的置零过程和度量计算相比多余的复杂性。因此，在表1中没有计算针对信道自身的操纵。
当使用示例值时，表1中给出的项显示出，如上所述的列表检测的复杂性比QRD-M的复杂性低得多。例如，当使用16-QAM时，QRD-M的复杂性是列表检测的复杂性的5倍(对于中等数量到大数量的发射天线和接收天线)。从表1所给出的项中可导出，如果S等于M，则列表检测的复杂性比QRD-M(o(s3))小一阶(o(s2))。因此，在诸如64-QAM调制的情况下，当星座大小为大时，列表检测在复杂性方面具有明显的优点。
针对不同的目的，可以使用上述列表检测的变体。
如果在星座大小S大的情况下，诸如在64-QAM调制甚至或者256-QAM调制的情况下，复杂性很重要，则可通过利用某些预处理技术来使用较小的候选列表。例如，线性检测或一轮传统IC检测可作为初始阶段检测来执行。在传统检测之后，可基于某准则来选择所检测的子流中的一个作为将要在下一个阶段中检测的第一个子流。候选列表可被设置为仅包括与针对要在初始阶段期间检测的这个第一子流来估计的星座相邻的点的集合。然后可基于这个候选列表来执行列表检测，这个候选列表比包含所有可能星座符号的候选列表小。然而，该检测的性能通常不如上述实施例。
对于使用许多发射天线和接收天线的应用，可使用另一变体。如果复杂性约束不那么苛刻，则候选列表的大小可增加，尤其是在小的星座大小的情况下，诸如在QPSK(正交移相键控)和BPSK(二进制移相键控)的情况下。在这种情况下，候选列表可不限制成仅包含一维星座，该一维星座为针对要检测的第一个子流的可能的星座符号。候选列表可以包含两个或更多维的星座符号，即成对的星座符号或星座符号的矢量，其中每个分量对应于要检测的子流。例如，对于要检测的前两个子流，可以在候选列表中包含由对于第一个子流的可能星座符号和对于第二个子流的可能星座符号组成的所有对，并且基于这个候选列表来执行列表检测，这里针对了对前两个子流的假设。类似地，三元组和具有更高维数的矢量可以用于候选列表。这会增加列表检测的复杂性，但是用这种方法可增加准确性方面的性能。
表2给出了一个实施例的列表检测和IC检测的比较。
表2仿真显示，列表检测在BER(比特误差率)方面显著改进了IC检测、IC-MMSE和IC-ZF。在频率选择性衰落信道的情况下，列表检测的性能至少与QRD-M的性能一样好，然而如上所述，QRD-M具有高得多的复杂性。
可以看出，QRD-M需要较大的M，因而为了接近最大似然性能会导致呈指数增加的计算成本。对于具有较低复杂性的较小M，与传统检测相比性能上的改进可能不显著。
列表检测算法可视为诸如IC检测的传统算法与没有明显树搜索的最大似然检测的组合。IC检测的性能比线性检测好得多。然而，IC检测和最大似然检测之间的性能差距仍然非常大。这是因为IC检测中首先检测的子流是脆弱的。从IC检测的步骤中可看出，在每次迭代中无判决误差的假定下，分别针对所检测的子流1，2，...，Nt，IC检测可实现Nr-Nt+1，Nr-Nt+2，...，Nr的分集阶数，而最大似然检测则对所有的所检测的子流都实现了Nr的分集阶数。换言之，与最大似然检测相对，IC检测的两个瓶颈是针对首先检测的子流的较低分集阶数和由于对子流的错误判决所引起的误差传播问题。当发射和接收天线的数目相同时，问题甚至变得更加严重。在这种情况下，与最大似然检测的Nr相对比，IC检测针对首先检测的子流仅实现一阶的分集(与线性检测相同)。进一步，对首先检测的子流的容易产生误差的检测用于对所有其它子流的检测，一旦第一检测不正确，这可能造成灾难性的误差。因此，所建议的列表检测的主要目标之一就是应对IC检测的两个瓶颈问题。
图3显示了根据本发明实施例的仿真结果300。
图3中显示的仿真结果300是针对平坦衰落信道所进行的仿真的结果。在仿真中，发射天线和接收天线的数目被设置为4。假定MIMO信道是具有加性高斯噪声的独立瑞利(Rayleigh)衰落的。与传统方法亦即通过球解码实现的ML检测、IC-MMSE和IC-ZF的BER性能相比，显示了列表检测的QPSK调制的BER性能。
如可看到的那样，所建议的列表检测的BER曲线与ML曲线精确重合。在10-3的BER水平下，所建议的列表检测分别以3dB和14dB的裕度改进了传统IC-MMSE和IC-ZF。当SNR增加时，裕度将扩大。
图4显示了根据本发明实施例的仿真结果400。
图5显示了根据本发明实施例的仿真结果500。
图6显示了根据本发明实施例的仿真结果600。
仿真结果400、500和600是针对MIMO-OFDM系统中的频率选择性衰落信道的仿真的结果。QPSK和16-QAM两者都被考虑到了。发射和接收天线的数目相等地被设置为4或8。每个所仿真的多路径信道是16抽头(tap)(采样间隔)的慢衰落室内信道，并且在一个包期间是恒定的。MIMO-OFDM系统以20MHz的系统带宽工作于5GHz的中心频率。子载波的数目(或FFT大小)为64，其中子载波频率间隔0.3125MHz(0.8μs的保护间隔和0.4μs的符号间隔)。假定最大信道延迟扩展为50ns。
在图4中显示了列表检测在4×4 MIMO-OFDM系统中的BER对SNR的性能。为了比较，还包括了IC-ZF、IC-MMSE、具有不同M值的QRD-M以及通过球解码实现的ML检测的性能。与图3相似，所建议的列表检测的BER性能与ML系统的一致。如可看到的那样，当M＝16时，QRD-M在这种情况下也可实现ML性能。然而，列表检测的复杂性是具有M＝16的QRD-M的1/5(比较参考表1的关于复杂性的上述评论)。
仿真结果500是针对具有QPSK调制的8×8发射和接收天线的仿真的结果。可以看到，列表检测的性能比具有M＝4的QRD-M更好。它展现了比QRD-M更高的分集阶数。性能差距随着SNR而增加。更加重要地，同时其复杂性比QRD-M更小，如上面所说明的那样。
仿真结果600是针对具有16-QAM调制的8×8发射和接收天线的仿真的结果。QRD-M(M＝16)和列表检测两者的BER性能都在1.5dB内接近ML的性能。与列表检测不同，QRD-M在较高的SNR区域开始显示误差底限(floor)。而且，QRD-M的复杂性是列表检测的5倍。
在本文中，引用了以下公布[1]B.Hassibi and H.Vikalo″On the expected complexity ofinteger least-squares problems，″in Proc.IEEE ICASSP′02，vol.2，pp.1497-1500，May 2002. G.D.Golden，G.J.Foschini，R.A.Valenzuela，and P.W.Wolniansky，″Detection algorithm and initial laboratoryresults using V-BLAST space-time communication architecture″，Electron Lett.，vol.35，pp.14-16，Jan.1999[3]Hufei Zhu.Zhongding Lei，and Francois Chin，″PerformanceComparison of Multiple Transmit Multiple-Receive V-BLASTalgorithms″，Mobile and wireless communications(Proc.ofIFIP Conference on Personal Wireless Communications(PWC′02)，Singapore)，Kluwer Academic Publishers，pp.11-17，Oct.2002[4]Yan Wu，Sumei Sun，and Zhongding Lei，″Low complexityVBLAST OFDM detection for WLAN″，IEEE Commun.Lett.，vol.8，no.6，pp.374-376，Jun.2004[5]Hufei Zhu.Zhongding Lei，and Francois Chin，″An improvedsquare-root algorithm for BLAST″，IEEE Signal ProcessingLett.，no.9，pp.772-775，Sept.2004[6]Jiang Yue，K.J.Kim，J.D.Gibson，and R.A.Iltis，″Channel estimation and data detection for MIMO-OFDMsystems″，in Proc.Globecom′03，vol.22，no.1，pp.581-585，Dec 200权利要求
1.用于确定信号矢量的方法，所述信号矢量包含来自所接收的信号矢量的多个分量，所述方法中——选择所述多个分量中的分量；——对于候选符号列表中的每个候选符号，在所选择的分量等于所述候选符号的假设下，生成针对所述候选符号的候选信号矢量，其中每个候选符号表示针对所选择的分量的可能符号；——基于所述候选信号矢量的质量测量，从所述候选信号矢量中确定所述信号矢量。
2.根据权利要求1所述的方法，其中，所述所接收的信号矢量是经由至少一个天线来接收的无线电信号矢量。
3.根据权利要求2所述的方法，其中，所述所接收的信号矢量是经由MIMO系统来接收的无线电信号矢量。
4.根据权利要求1到3中任一项所述的方法，其中，通过将所述所选择的分量设置为候选符号并且确定剩余的分量，来确定针对候选符号的候选信号矢量。
5.根据权利要求1到4中任一项所述的方法，其中，通过IC检测、线性检测或其它传统检测来确定剩余的分量。
6.根据权利要求1到5中任一项所述的方法，其中，选择在所述所接收的信号矢量中具有最低质量的所述多个分量中的分量。
7.根据权利要求1到6中任一项所述的方法，其中，选择根据后SNR或最大均方误差在所述所接收的信号矢量中具有最低质量的所述多个分量中的分量。
8.根据权利要求1到7中任一项所述的方法，其中，通过确定所述候选信号矢量的度量并选择具有最佳度量的候选信号矢量，从所述候选信号矢量中确定所述信号矢量。
9.用于确定信号矢量的系统，所述信号矢量包含来自所接收的信号矢量的多个分量，所述系统包含——选择单元，其适于选择所述多个分量中的分量；——生成单元，其适于对于候选符号列表中的每个候选符号，在所选择的分量等于所述候选符号的假设下，生成针对所述候选符号的候选信号矢量，其中每个候选符号表示针对所述所选择的分量的可能符号；——确定单元，其适于基于所述候选信号矢量的质量测量，从所述候选信号矢量中确定所述信号矢量。
10.计算机程序单元，其使计算机执行用于确定信号矢量的方法，所述信号矢量包含来自所接收的信号矢量的多个分量，所述方法中——选择所述多个分量中的分量；——对于候选符号列表中的每个候选符号，在所选择的分量等于所述候选符号的假设下，生成针对所述候选符号的候选信号矢量，其中每个候选符号表示针对所述所选择的分量的可能符号；——基于所述候选信号矢量的质量测量，从所述候选信号矢量中确定所述信号矢量。
全文摘要
描述了用于确定信号矢量的方法，所述信号矢量包含来自所接收的信号矢量的多个分量，在所述方法中，选择所述多个分量中的分量，并且对于候选符号列表中的每个候选符号，在所选择的分量等于所述候选符号的假设之下，生成用于所述候选符号的候选信号矢量，其中每个候选符号表示用于所选择的分量的可能符号。基于所述候选信号矢量的质量测量来确定所述信号矢量。
文档编号H04Q7/00GK101053263SQ200580033353
公开日2007年10月10日 申请日期2005年9月15日 优先权日2004年10月1日
发明者雷中定, 戴永梅, 孙素梅 申请人:新加坡科技研究局