通信系统中用于最大似然符号检测的装置及方法与流程

本申请主张在2015年6月15日提出申请的美国临时申请第62/175,451号以及在2016年6月11日提出申请的美国非临时申请第15179981号的权利。

发明人：曾庆义(ching-yihtseng)

本发明涉及通信系统中用于在接收器侧处检测发送符号的装置及方法。本发明最优化地利用最大似然准则(maximumlikelihoodcriterion)来检测符号，且适用于任意数字调制式通信系统，所述任意数字调制式通信系统包括但不限于多输入多输出(multipleinputmultipleoutput，mimo)通信系统。

背景技术：

对于数字调制通信系统来说，发送器通常利用前向错误校正编码(forwarderrorcorrectioncoding)将信息位编码成发送符号，且还将发送符号调制成波形以通过通信链路的物理媒体(或信道)传播而到达接收器侧。接收器对传入的波形进行采样，并采用各种数字接收器方案来从受信道及噪声影响的接收波形恢复信息位。

用于实作鲁棒的接收器(robustreceiver)的挑战性任务之一在于对用于利用最大似然准则最优化地检测发送符号的符号检测器的设计。最大似然符号检测器的设计对于多输入多输出通信系统来说尤其具有挑战性，这是因为当输入及/或输出的数目增大时，最大似然符号检测器的设计涉及具有指数增长复杂性的多维度搜索。本发明公开了用于执行最优的最大似然符号检测器的装置及方法，所述最优的最大似然符号检测器适用于任意数字调制式通信系统，所述任意数字调制式通信系统包括但不限于多输入多输出通信系统。

技术实现要素：

本发明提出用于对被信道及噪声影响损坏的所观察到的接收数字样本计算而得出发送符号的装置及方法。具体来说，一个符号周期处的n个接收样本{y1,y2,...,yn}与m个发送符号{x1,x2,...,xm}具有以下向量形式的相关：

y＝hx+n

其中n×1向量

表示n个接收样本，m×1向量

表示m个发送符号，n×m矩阵

表示信道状态信息，且n×1向量

表示接收器加性噪声(receiveradditivenoise)。大体来说，所有这些向量及矩阵均被假设为复值型(complex-valued)。

在典型的通信系统中，每一个发送符号均选自被称为符号星座(symbolconstellation)的预指定集合的复值型离散点。举例来说，正交调幅(quadratureandamplitudemodulation，qam)从矩形网格定义发送符号，其中正交调幅16(qam-16)调制含有16个星座点，正交调幅64(qam-64)含有64个星座点，等等。本发明使用记号ω来表示以下通信系统中的星座点的集合。

在给出接收样本向量y以及通过训练序列所得出信道状态信息矩阵h的恰当估算的条件下，最大似然符号检测器被设计成在所有可能的星座点中搜索发送符号向量x，且对应的优化问题被定义为：

其中，||·||2表示所包含操作数的2范数。由于符号向量x的每一个元素均被约束成选自符号星座图上的离散点，因此这种最大似然检测器是非平凡(non-trivial)解的，在m为大时尤其如此。

分别的最小二乘问题可通过去除应使x的元素为符号星座图上的离散点的要求来定义：

对此最小二乘问题来说，最优解是众所熟知的，且具有如下闭型表达式：

其中，表示h的厄米特转置(hermitiantranspose)。在不失一般性的条件下，矩阵在本发明中被假设为可逆(invertible)及良态的(well-conditioned)，如同实际上可应用通过为的对角线元素加上小的正数而使用“对角线加载(diagonalloading)”技术这一方式来预处理矩阵以避免出现病态问题。

对最大似然解的最简单的逼近是将xls的每一个元素“量化”成符号星座图上最接近(以欧几里得距离测量)的离散点：

其中q[·]表示将所包含向量逐元素地量化成最接近的星座点。当m＞1时，与用于对被信道及噪声影响损坏的接收样本检测发送符号的真实最大似然最优解相比，“经量化的”最小二乘解几乎不会提供令人满意的解。由此，在通信系统中实际上需要设计真实最大似然最优化符号检测器，且此任务是非平凡的，对于多输入多输出通信系统尤其如此。

本发明通过将未经量化的最小二乘解xls加入到最小化目标函数(minimizationobjectivefunction)来将最大似然问题重新公式化为：

上式可通过使用最小二乘解的以下性质推导出：

应注意，以上经重新公式化的最大似然问题中的第一项相对于符号向量x来说是常数且可从最小化目标函数消除。由此，最大似然问题可被进一步重新公式化为

设c是任意的m×m酉(unitary)矩阵，最大似然问题现在便可被容易地转变成线性约束最小化问题：

上式满足由以下给出的m个线性约束条件：

其中

f＝x-xls

且符号向量x的m个元素属于离散星座点：

{xm∈ω,m＝1,2,…,m}

应注意，发送符号向量x及最小二乘解xls现在以约束值f的形式出现在此经重新公式化的最大似然问题的线性约束规范中。在本发明中，约束矩阵c的选择并非是唯一的而仅需要为酉形式，即约束矩阵c的一些实际有用的选择可像单位矩阵(identifymatrix)i或者从h的奇异值分解(singularvaluedecomposition，svd)或的qr分解推导出的酉矩阵一样简单：

以上线性约束公式在m维度空间中定义由m个线性约束条件形成的完整集合，其中对应的约束值由向量f表示的发送符号向量x与最小二乘解xls的差指定。在这种线性约束最小化框架下，本发明利用逐次线性约束交换方案(successivelinearconstraintexchangescheme)来在接收器侧处收敛到发送符号向量x的最优的最大似然估算值，所述逐次线性约束交换方案结合某些量化操作及映射操作通过从完整集合的m个约束条件选择缩减集合的线性约束条件以及通过向所选择的这些约束条件指派恰当的约束值来将序列的线性约束最小化子问题公式化以得出这些子问题的解。具体来说，本发明的核心计算单元包括：对线性约束最小化子问题的解进行闭型计算(closed-formcomputation)；将这些子问题的解量化成最接近的星座点；以及将经量化的子问题的解映射到其各自相邻的局限于本发明所述选主元性质(pivotingproperty)的符号向量。

附图说明

图1示出多输入多输出通信系统中的最大似然符号检测器。

图2示出将m维度复值型向量u量化成具有由符号星座图指定的元素的m维度符号向量x。

图3示出用于将i维度种子符号向量(seedsymbolvector)映射到m维度经增广符号向量x的增广过程(augmentationprocess)(增广器(augmentizer))、以及用于将m维度经增广符号向量(augmentedsymbolvector)x映射回到i维度种子符号向量及(m-i)维度种子互补符号向量(seedcomplementarysymbolvector)的解增广过程(deaugmentationprocess)(解增广器(deaugmentizer))。

图4示出局限于选主元性质而将符号向量x映射到与其相邻的符号向量。

图5示出基本的增广器-选主元器单元(augmentizer-pivotizerunit，apu)。

图6示出具有m个分支的最大似然符号检测器的实施例，其中每一个分支由通过1维度种子符号启动的最大似然估算(maximumlikelihoodestimationfiredupby1-dimensionalseedsymbol)区块组成。

图7示出最大似然符号检测器的第m个分支的通过1维度种子符号启动的最大似然估算区块的实施例。

图8示出具有反馈的增广器-选主元器单元。

图9示出具有种子对偶(seedduality)的增广器-选主元器单元。

具体实施方式

如图1所示，具有n个天线的多输入多输出无线通信系统1的接收器由以下元件组成：射频(radiofrequency，rf)-模拟基带降频转换区块10，用于将n个天线输出从射频转换成n个模拟基带信号；n个模拟-数字转换器11，用于将n个基带模拟信号采样成n个由数字样本形成的流；数字前端处理区块12，用于执行数字基带信号前端处理，例如自动增益控制、载波及时序同步等；以及最大似然符号检测器13，用于在通信系统的每一个符号周期处从n个数字样本{y1,y2,...,yn}估算m个发送符号{x1,x2,...,xm}。本发明公开用于实作适用于但不限于多输入多输出通信系统1的最大似然符号检测器13的装置及方法。

本发明将m维度符号向量x划分成通过选择两个由互斥索引形成的集合ii及im-i而指定的i维度符号向量及(m-i)维度符号向量这两个不同的向量：

ii∪im-i＝{1,2,...,m}

其中，ii含有i个索引且im-i含有(m-i)个索引，其中i被选择为介于1与m之间的整数。这两个索引集合中索引的顺序对于推导最大似然检测器并无意义，且在不失一般性的条件下可被假设为升序。举例来说，对于m＝8且i＝3且m维度符号向量由以下给出：

当两个互斥索引集合被选择为ii＝{1,3,5}及im-i＝{2,4,6,7,8}时，两个缩减维度符号向量由以下给出：

利用这种划分，本发明建立通过以下方式来从给定的i维度符号向量构建m维度符号向量x的流程：利用i个线性约束条件对线性约束最小化问题进行求解并将解量化成最接近的星座点以产生(m-i)维度符号向量且接着将与并置(concatenating)在一起以形成x。在此产生流程中作为输入的i维度符号向量被称为种子符号向量，所导出的(m-i)维度符号向量被称为种子互补符号向量，且所输出的m维度符号向量x被称为经增广符号向量。具体来说，线性约束最小化问题被定义为：

上式满足由以下给出的关于w的i个线性约束条件：

其中

由i列以ii为索引的c组成，且

含有xls中以ii为索引的i个元素。应注意，矩阵c及向量xls是在本发明的本稿件的发明内容部分中定义的约束矩阵及最小二乘解。

对于此线性约束最小化问题的最优w的闭型解是众所熟知的且由以下给出：

其中

且

含有(m-i)列以im-i为索引的c。将向量定义为：

其中

含有xls中(m-i)个以im-i为索引的元素。(m-i)维度符号向量是通过将逐元素地量化成最接近的星座点而产生：

其中量化器q[·]2表示利用图2所示的预定义星座图21将所包含向量的每一个元素量化成最接近的星座点20。

应注意，当在以上推导过程中计算时，应用c矩阵的酉性质，即，且如图3所示，这种从i维度种子符号向量产生m维度经增广符号向量x的流程在本发明的说明中被称为增广过程且由被称为增广器30的区块表示，增广器30由以下步骤组成：最小化301、量化302、及并置303；从(ii,x)往回产生及的逆向过程被称为解增广过程且由图3所示被称为解增广器31的区块表示。应注意，经增广符号向量x是通过(a,c,xls)、以及符号星座图ω唯一地确定出的。

本发明描绘了另一种用于将m维度符号向量x映射到与其相同维度的相邻符号向量(由表示)的程序，此相邻的符号向量满足以下性质：使用中的(m-1)个元素的任意组合作为(m-1)维度种子符号向量，中的其余1个元素是对应的种子互补符号向量。满足这种性质的符号向量被称为选主元符号向量(pivotingsymbolvector)。换句话说，选主元符号向量是使用中的(m-1)个元素的任意组合作为(m-1)维度种子符号向量而产生的经增广符号向量。应注意，这种产生对于从中选择(m-1)个元素的所有m种可能组合均必须成立，其中所选择的(m-1)个元素的顺序是不相干的。

应用图4所示的系统性流程来将任意给定的m维度符号向量x映射到与其相邻的选主元符号向量如图4所示，这种流程在本发明的说明中被称为选主元流程(pivotingprocedure)且被表示为被称为选主元器4的区块。这种选主元流程以符号向量x以及被设定成0的迭代变量k作为初始化条件而开始。在每一次迭代中，迭代变量k以m模除且以1为增量40；按照从m个索引{1,2,...,m}除去索引k的方式来选择索引集合im-141，并使用索引集合im-1从x形成42；增广器30基于输入构建如果此等于x且相等条件对于k已从1循环到m的m次连续的迭代来说均成立43，则流程以被发现是与原始x相邻的选主元符号向量的终止45；否则，由来取代x44，且使用以m模除且以1为增量的迭代变量k起始另一次迭代40。对所属领域中的技术人员来说应显而易见的是，以上选主元流程仅为对选主元器的具体实施例的例示。任意经修改的选主元流程均应归属于本发明的范围内，只要流程的结果是满足本发明中所定义的选主元性质的符号向量即可。举例来说，在图4中示出从以升序的m个索引{1,2,...,m}中选择出索引k的安排，然而降序或任意其他索引选择顺序同样适用，只要索引k是依次通过全部m个索引即可。

如图5所示，通过将增广器30与选主元器40组合在一起而构建计算单元，且所述计算单元被称为增广器-选主元器单元(augmentizer-pivotizerunit，apu)5。在本发明的实施例中，此增广器-选主元器单元被用作核心计算单元以在接收器侧处在给出接收样本的条件下计算最优的最大似然发送符号。

如图6所示，本发明的实施例采用可被实作为电子电路或计算机程序的m分支数字逻辑来检测由xml表示的最大似然m维度符号向量。每一个分支用于产生序列的符号向量估算值，以使来自这些分支中的一者或多者的估算值收敛到xml。为启动图6中的m个分支的搜索流程，需要xml的初始估算值。一种用于产生此初始估算值x(0)的方便方式是计算最小二乘估算值并对最小二乘估算值的每一个元素应用直接量化，以将最小二乘估算值的每一个元素量化到其最接近的星座点60，即，

x(0)＝q[xls]

在给出h及y的条件下，此初始估算值的计算是相对简单且直接的。在本发明的实施例中，初始估算值的任意其他选择也适用于此搜索流程。

具体来说，最大似然符号检测器6以x(n)＝x(0)开始60且使用向量-标量分路器(vector-to-scalarsplitter)61来将x(n)的m个元素分成m个分支，其中每一个分支是利用x(n)的对应元素被启动。对于第m个分支来说，使用1维度符号向量xm(n)来启动最大似然估算值区块7，以产生m维度符号向量xm(n+1)。接着，应用最佳估算值选择区块62从来自m个分支的{xm(n+1),m＝1,2,...,m}中选择“最佳”估算值，且所得的最佳估算值由x(n+1)表示。只要将符号向量结合误差(或目标)函数所得的值更小，此符号向量便被认为比另一个符号向量“更佳”。将这次迭代的最佳估算值x(n+1)与上一次迭代的最佳估算值x(n)进行比较63；如果这次迭代的最佳估算值x(n+1)更佳，则得出更佳的估算值，且由x(n+1)来取代x(n)64以开始搜索的另一次迭代；否则，搜索流程以将“最佳”估算值输出选择为x(n)的条件而终止65。

在本发明的实施例中，图6中第m个分支的“通过1维度种子符号向量启动的最大似然估算值”区块7以如图7所示一样被实作。对于第m个分支中的一次特定迭代n来说，图7中的最大似然估算区块7以将i初始化为1且将1维度种子符号向量初始化为而开始71；增广器30产生m维度经增广符号向量x；接着，应用m维度-(i+1)维度向量分路器72以将x映射到(m-i)对(i+1)维度种子符号向量(i+1)维度种子符号向量被定义为：

以及

其中l＝1,2,...,m-i；这些中的每一者分别被馈送到增广器-选主元器单元73中以计算选主元符号向量当i＝1时，还将第i维度种子向量馈送到增广器-选主元器单元74以计算选主元符号向量最佳估算值选择区块75接着从这些选主元符号向量选择最佳估算值，且输出被表示为当i＝1时，此分支的输出被临时指派为：76；随着i从1进展到m-1，将与对于(i-1)所计算的xm(n+1)进行比较，且如果比xm(n+1)更佳，则将对于i的xm(n+1)更新为76；使用“选择(i+1)维度种子符号向量”区块77来选择(m-i)个(i+1)维度种子符号向量中的一个，其中使用最小误差准则来作出所述选择，即，将得到最小误差的的对应线性约束最小化子问题选择为接着，使用此种子符号向量作为对图7中增广器30的输入来开始使i以1为增量的下一估算流程循环直到i达到m78；当i达到m时，这次迭代中此分支的输出被产生为xm(n+1)79。

已阐述了本发明的一个实施例，在不背离本发明的范围的条件下可作出各种修改。以下提供适用于得到本发明额外实施例的若干修改方案。

1)使用图5所示增广器-选主元器单元5来利用增广器30及选主元器4从i维度种子符号向量计算选主元符号向量。可通过分别使用如图8所示的反馈以及如图9所示的种子对偶来得到此种基本增广器-选主元器单元5的延伸形式。图8中具有反馈的增广器-选主元器单元8取得选主元符号向量输出80并将选主元符号向量输出解增广31成i维度种子符号向量，以重新计算新的选主元符号向量30、4。此种反馈可持续有限数目次或者持续到过程收敛，即，当两个连续输出的选主元符号向量相等时。通过此反馈过程产生的最佳选主元符号向量可被用作增广器-选主元器单元的最终输出。另一方面，图9中具有种子二元性的增广器-选主元器单元9如在基本的增广器-选主元器单元中一样通过使用i维度种子符号向量来产生一个选主元符号向量90、91并通过使用(m-i)维度种子互补符号向量来产生额外的选主元符号向量92、93、94。还可通过混合使用反馈与种子二元性的机制或者任意其他适用机制来得到更多类型的增广器-选主元器单元。可采用可从i维度种子符号向量产生一个或多个选主元符号向量的任意类型的增广器-选主元器单元来得到本发明的额外实施例。

2)对于图6所示实施例中的每一次迭代n来说，实施例具有与m＝1,2,...,m对应的m个分支。另外，对于图7中的这m个分支中的每一者的实施例来说，存在与i＝1,2,...,m-1对应的m-1个环回层次(loopbacklevel)。在由m及i指定的两个变量循环的一次迭代n期间会产生序列的选主元符号向量。当在任意特定(m,i)循环中遇到更佳选主元符号向量时，通过使用此选主元符号向量作为此次迭代的更佳估算值，迭代n可提前终止，而不必到达所有可能的(m,i)循环，且继续进行下一次迭代n+1。可采用此种迭代提前终止策略(iterationprematuretermination)来得到本发明的额外实施例。

3)对于图6所示实施例中的每一次迭代n来说，实施例具有与m＝1,2,...,m对应的m个分支。另外，对于图7中的这m个分支中的每一者的实施例来说，存在与i＝1,2,...,m-1对应的m-1个环回层次。在由三个变量(n,m,i)指定的所有循环中，往图7中增广器30输入的任意两个相同的i维度种子符号向量在最佳估算值选择75的输出处产生相同的选主元符号向量，且由此，可避免增广器30的输入处在(n,m,i)个循环中i维度种子符号向量的所有重复以节省计算资源而不会造成性能劣化。可采用简单的存储及比较机制(store-and-comparemechanism)来保持追踪在图7中增广器30的输入处出现的所有i维度种子符号向量，以得到本发明的额外实施例。

4)在图7所示实施例中，使用“选择(i+1)维度种子符号向量”区块77从(m-i)个种子符号向量选择出一个种子符号向量来传递到下一环回层次i+1上。可以更大的计算复杂性为代价，而将此区块77修改成允许选择多于一个种子符号向量来传递到下一环回层次上。通过恰当地对此区块77的输出进行缓冲，可实作并采用对多于一个(i+1)维度种子符号向量的选择，以得到本发明的额外实施例。另外，除了所阐述的最小误差选择准则以外，还可采用其他选择准则来得到本发明的额外实施例。

5)在图7所示实施例中，存在(m-i)个(i+1)维度种子符号向量所述(m-i)个(i+1)维度种子符号向量是在“m维度-(i+1)维度向量分路器”区块72的输出处产生且被馈送到(m-i)个增广器-选主元器单元73中以产生(m-i)个选主元符号向量通过仅选择这(m-i)个(i+1)维度种子符号向量的子集来馈送到增广器-选主元器单元中，可使计算复杂性降低。可采用这种具有恰当子集选择准则的计算复杂性降低策略来得到本发明的额外实施例。

以上已利用具体实施例阐述了本发明。然而，对所属领域中的技术人员来说应显而易见的是，以上说明仅为对本发明的具体实施例及实例的例示。因此，本发明应涵盖对本发明的本文所述架构及操作作出的各种修改及变化，只要所述修改及变化归属于由以上所附权利要求书所界定的本发明的范围内即可。