一种提高高阶mimo系统中吞吐量稳定性的方法
【专利摘要】本发明公开了一种提高高阶MIMO系统中吞吐量稳定性的方法，包括以下步骤：通过引入信道条件数，在高阶MIMO下讨论了信道状况对深度优先树搜索算法复杂度及对宽度优先树搜索算法性能的影响，并给出了衡量算法复杂度稳定性的指标。基于这些讨论，本发明提出了一种基于信道条件数的吞吐量稳定的检测算法，该的算法在搜索过程中采用宽度与深度优先相结合以最大程度的保证性能和稳定复杂度，并可以根据信道的状况灵活调整两种树搜索方法的结合方案。理论分析及仿真结果表明，在高阶MIMO系统下，本发明提出的吞吐量稳定的检测算法，较宽度优先的算法具有更低的平均复杂度及更好的性能。同时，它的复杂度或吞吐量也比较稳定，非常适合实际的需求。
【专利说明】—种提高高阶MIMO系统中吞吐量稳定性的方法
【技术领域】
[0001]本发明属于无线通信【技术领域】，具体涉及一种提高高阶MMO系统中吞吐量稳定性的方法。
【背景技术】
[0002]接收端的检测性能是实现多入多出系统增益的关键环节。最大似然检测可以达到误比特率最小意义下的最优接受，但ML检测要考虑所有可能的信号矢量，因而其复杂度随信号矢量的维数(ΜΙΜ0系统的发射天线数)成指数(信号星座阶数)增长。若需要更高的容量而采用更多的天线数和更大的信号星座时(如3GPP Releasell中收发两端支持8根天线，高达64QAM的调制方式)，ML算法就不再实用。另一方面，典型的低复杂度检测器，例如迫零检测器，误比特率性能差于最大似然性能，且在信道状况不好时迫零检测器的性能恶化会更加严重。为了以可接受的复杂度达到最优的性能，类ML检测器受到广泛关注与研究。特别地，典型的类ML检测器如深度优先的球形译码算法和宽度优先的K-best算法均可以逼近ML性能。为了进一步降低复杂度，一些技术包括添加球半径限制和概率剪枝被提出并应用于球形译码算法中；另外，胜者路径扩展(Winner Path Extens1n, WPE)技术被用于降低K-best算法扩展过程的复杂度。然而，深度优先的算法有吞吐量不稳定的问题，而宽度优先的方法达到ML性能时需要足够大的K值因而具有很高的复杂度。
[0003]为了解决上述问题，一些基于球形译码和K-best算法的改进算法受到关注，如将球形译码算法和K-best相结合的混合球形译码算法；在不同信道条件下选取不同K值的组合K-best (Combined K-best, CD)方法。然而，目前的类ML算法及其各种改进算法很少关注具有高调制阶数及天线数多的高阶MIMO系统，例如LTE-A支持的收发天线数目为8而调制阶数为64QAM的情况。在这样的高阶MIM1系统下，深度优先方法的不稳定的问题尤为突出，且在信道状况差的时候更加严重。
【发明内容】
[0004]本发明的目的在于克服上述现有技术的缺点，提供了一种提高高阶MMO系统中吞吐量稳定性的方法，该方法可以有效的提高MMO系统中吞吐量的稳定性。
[0005]为达到上述目的，本发明所述的提高高阶MMO系统中吞吐量稳定性的方法，其特征在于，包括以下步骤:
[0006]1)高阶MIMO系统中发射端发射信号至接收端时，根据信道矩阵H得信道矩阵条件数 “H);
[0007]2)判断信道矩阵条件数K⑶与预设条件阈值K th的大小，当K⑶> K th，则在第N层到第N-Lb+1层上采用宽度优先的K-best算法进行搜索，其他层上采用深度优先球形译码算法进行搜索，最终保留的结果为类最大似然估计，其中，N为总的搜索层数，且N ≥ 8，Lb为宽度优先K-best算法的最大层数；
[0008]当K (H)≤K th，则在第N层到第N_LS+1层上采用宽度优先的K_best算法搜索，其他层上采用深度优先球形译码算法进行搜索，最终保留的结果为类最大似然估计，其中，Ls为宽度优先K-best算法的最小层数，Ls = 2，Lb > Ls, Lb≥max{Ls+l, N-8}；
[0009]3)根据类最大似然估计恢复发射信号。
[0010]获得预设的条件阈值Kth的方法为:K⑶在增大的过程中，当STD平均访问节点数最先小于深度优先球形译码算法平均访问节点数时，K (H)的值为条件阈值Kth的大小。
[0011]通过仿真的方法得到预设的条件阈值K th，其中，)crtl=cj'、+c3，Y为信噪比，C1为
斜率常数，C2为指数常数，C3为截距常数;且当N = 8时，C1 = 1.31 X 10_4 ；c2 = 4.277 ；c3=-19.84 ;当 N = 10 时，C1 = 9.60Χ l(Tn ；c2 = 8.525 ；c3 = 35.95。
[0012]所述的步骤I)中信道矩阵条件数K⑶为:
【权利要求】
1.一种提高高阶MMO系统中吞吐量稳定性的方法，其特征在于，包括以下步骤: 1)高阶MMO系统中发射端发射信号至接收端时，根据信道矩阵H得信道矩阵条件数K⑶； 2)判断信道矩阵条件数K⑶与预设条件阈值Kth的大小，当K⑶>Kth，则在第N层到第N-Lb+1层上采用宽度优先的K-best算法进行搜索，其他层上采用深度优先球形译码算法进行搜索，最终保留的结果为类最大似然估计，其中，N为总的搜索层数，且NS 8，Lb为宽度优先K-best算法的最大层数； 当K (H)≤K th，则在第N层到第N_LS+1层上采用宽度优先的K-best算法搜索，其他层上采用深度优先球形译码算法进行搜索，最终保留的结果为类最大似然估计，其中，Ls为宽度优先K-best算法的最小层数，Ls = 2，Lb > Ls, Lb≥max{Ls+l, N-8}； 3)根据类最大似然估计恢复发射信号。
2.根据权利要求1所述的提高高阶MMO系统中吞吐量稳定性的方法，其特征在于，获得预设条件阈值Kth的方法为:K (H)在增大的过程中，当STD平均访问节点数最先小于深度优先球形译码算法平均访问节点数时，K (H)的值为预设的条件阈值Kth的大小。
3.根据权利要求2所述的提高高阶MMO系统中吞吐量稳定性的方法，其特征在于，通过仿真的方法得到预设的条件阈值K th，其中，rrt=ci/i+ej，Y为信噪比，C1为斜率常数,C2为指数常数，C3为截距常数；且当N = 8时，C1 = 1.31 X 10_4 ；c2 = 4.277 ；c3 = -19.84 ;当N = 10 时，C1 = 9.60X l(Tn ；c2 = 8.525 ；c3 = 35.95。
4.根据权利要求1所述的提高高阶MMO系统中吞吐量稳定性的方法，其特征在于，所述的步骤1)中信道矩阵条件数K (H)为:
【文档编号】H04B7/06GK104038269SQ201410299169
【公开日】2014年9月10日 申请日期:2014年6月26日 优先权日:2014年6月26日
【发明者】任品毅, 王蔚蕾, 杜清河 申请人:西安交通大学