一种应用于空间调制的低复杂度排序A*检测算法的制作方法

本发明涉及通信空间调制技术领域，具体涉及一种应用于空间调制的低复杂度排序A*检测算法。

背景技术：

MIMO技术利用信道的空间特性，多径延迟，在不浪费频谱资源的条件下提高了无线通信系统的性能。尽管MIMO技术更能够满足人们对无线通信系统的更高信息传输速率和更可靠传输质量的需求，但是仍然存在一些缺点，例如信道间干扰(ICI)和天线间同步等问题。空间调制(spatial modulation，SM)作为一种新的多输入多输出(multiple-input multiple-output，MIMO)天线技术，避免了MIMO技术的上述缺点，已在无线通信领域中获得了广泛关注。SM中，任何传输周期内只有一根发射天线被激活用来传输数据，剩余的天线不传输信息，而具体的哪根天线被激活由输入信息比特来确定，即激活天线本身携带传输信息。SM技术的这种特点，使接收端不仅要检测传统星座调制符号，还要检测激活天线索引，为降低SM系统的检测复杂度，各种各样的低复杂度检测算法相继被提出。

在A*算法中，对于节点x，使用启发式函数k(x)来确定在树搜索中访问节点的顺序。k(x)可以被分解为两个函数的和，即k(x)＝g(r，x)+h(r，x)，这里x代表树搜索中的分支号，如图2所示，x＝1，2，3，4；r表示第几层，即r∈{1，2，...，N_r}，其中N_r表示接收天线数。g(r，x)是到当前节点(r，x)的实际路径成本，h(r，x)是从节点(r，x)到目标的距离的容许启发式估计。如果启发式函数不高估从某个节点到目标的距离，则该启发式函数被称为允许的。

将该算法应用到SM-MIMO系统中时，对于有N_t根发送天线，N_r根接收天线的SM系统，根据ML检测算法有：

PED_r＝PED_r-1+|y_r-h_rls_m| (2)

PED₀＝0 (3)

这里l_t和s_t分别是ML算法检测到的发送端激活天线序号和调制符号。y是N_r×1的接收符号向量，H是N_r×N_t瑞利衰落信道矩阵，s_L＝{1，2，...N_t}是发送天线索引集合，S_M＝{s₁，s₂，...s_M}是调制符号星座点集合，M是符号调制阶数，s是仅有一个元素为非零的N_t×1发射符号向量。PED_r是第r层的部分欧式距离(PED)，y_r是第r个天线上的接收信号，r∈{1，2，...，N_r}，h_r1是信道矩阵H的第r行和第1列元素。从PED₀＝0开始，累积(2)直到其达到最终成本PED_Nr。A*算法中的初始节点对应于SM-MIMO树的根。目标节点是树中的任何叶节点。挑选节点并评估节点的邻居可以分别被视为访问节点和从该节点扩展子节点。路径成本函数g等于PED，因为它是从根到节点x的累积成本。剩余的h是子树成本估计的广义形式，因此，为了利用新度量k，需要确定h(r，x)。虽然可以采用任何可接受的估计作为h(r，x)，但是我们将h(r，x)例示为下一层的成本，即

h(r，x)＝|y_r+1-H_r+1，ls_m|² (4)

A*算法的一般过程为：①将初始节点添加到优先级队列；②从队列中选出具有最低k(x)的节点；③所选节点是否是目标节点，如果是则退出算法，否则继续下一步；④计算所选节点的邻居节点的k、g和h值；⑤将邻居节点排入优先级队列。

从上面的分析可以看出，A*算法虽然在一定程度上减少了树搜索时需要访问的节点数(the number of visited nodes，NVN)，但是当某分支第一层的节点度量值很小而最后几层的节点度量值非常大，反之，其他分支第一层的节点度量非常大而最后几层的节点度量值非常小时，NVN的的减少量将非常低，复杂度也会比较高。

技术实现要素：

本发明旨在解决以上现有技术的问题。在A*算法中，搜索层数r按照接收天线序号1到N_r的顺序进行遍历，从而引起上述问题。因此本专利提出将接收天线序列按照每根天线的平均度量值进行降序排列后再遍历各分支，使许多分支中节点度量值较大的点排到前几层，这样能使最先得到的最小k(x)所在的分支更有可能包含最优路径，更早的将不对的节点排除，提出了一种能够大大减少NVN，使A*检测算法的复杂度大大降低的应用于空间调制的低复杂度排序A*检测算法。本发明的技术方案如下：

一种应用于空间调制的低复杂度排序A*检测算法，所述空间调制的发送天线数为N_t，接收天线数为N_r，其包括以下步骤：

步骤1、接收天线序列按照每根天线的平均度量值E_r(即当前节点到根节点的欧氏距离的期望E_r)进行降序排列，将各E_r值降序排列得到一个排列后的索引序列

步骤2、按照排序后的接收天线索引序列作为搜索的层数顺序画出树形搜索图，层数的排序根据接收天线欧式距离的期望降序排列；

步骤3、对排序后的接收天线利用A*检测算法树搜索，找到最优路径点；

步骤4、对找到的最优路径点解映射，检测结束。

进一步的，所述步骤1中接收天线的欧氏距离的期望E_r用下列公式表示：

这里S_M表示所有星座点的集合，S_l表示所有发送天线索引的集合，y_r表示接收向量y的第r行，h_l，r表示信号冲击函数H的第1列、r行，s表示可能的发送符号，K表示发送端采用传统调制方式的阶数，和s^*分别表示y_r、h_l，r和s的共轭。

当采用QAM或PSK调制时，上式可以变成

这里，是平均符号功率。

进一步的，所述步骤3中利用A*检测算法树搜索具体步骤如下：

1)初始化PED₀＝0；2)求第一层中每一个检测点的累积度量值，即执行PED_r＝PED_r-1+|y_r-h_rls_m|；并将PE_Dr的值赋给g(r，x)，g(r，x)是到当前节点(r，x)的实际路径成本；求出第一层中每一个节点到该分支下一个节点的度量值，并赋值给h(r，x)，即执行公式h(r，x)＝|y_r+1-H_r+1，ls_m|²，执行k(x)＝g(r，x)+h(r，x)，将第一层所有节点加入队列；

3)选出当前队列中k(x)最小的点，如果该点的下一节点为叶子节点，即h(r，x)＝0，则搜索结束，否则执行下一步；

4)选择上述最小k(x)对应节点的下一层分支节点为下一个搜索节点，计算该点的k(x)＝g(r，x)+h(r，x)，并将该点加入队列，重复执行步骤4)。

进一步的，所述步骤2中根据E_r降序顺序，将接收信号y和信道冲击响应H的各行重新排列，重新行排列的y和H分别用y_0和H_0表示。

进一步的，所述步骤2中层数的排序根据接收天线欧式距离的期望降序排列，树形搜索图中的圆圈内表示的数值即为当前节点到前一节点的累积度量值，如果第二层的平均度量值大于第一层，就将第二层调整到第一层，优先搜索。

本发明的优点及有益效果如下：

本发明提出将接收天线序列按照每根天线的平均度量值进行降序排列后再遍历各分支，使许多分支中节点度量值较大的点排到前几层，这样能使最先得到的最小k(x)所在的分支更有可能包含最优路径，更早的将不对的节点排除，能够大大减少NVN，使A*检测算法的复杂度大大降低。该基于接收天线排序的A*检测算法能够在保证近似最优性能的基础上降低信号检测的复杂度。

附图说明

图1是本发明提供优选实施例的实现流程图；

图2是A*检测算法树搜索过程图(发送天线数为2，接收天线数为2，采用QPSK调制)；

图3是增加了接收天线排序的A*检测算法树搜索过程图(发送天线数为2，接收天线数为3，采用QPSK调制)。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、详细地描述。所描述的实施例仅仅是本发明的一部分实施例。

本发明解决上述技术问题的技术方案是，

具体实施方式：结合图1、图2和图3说明实施方式，本发明的实施方式步骤如下：现在以一个发送天线数为N_t，接收天线数为N_r的系统为例，具体实现步骤如下：

步骤一：接收天线索引按照其欧氏距离的期望E_r(r＝1，2，...，N_r)进行降序排列，期望E_r用下列公式表示：

当采用QAM或PSK调制时，上式可以变成

这里，是平均符号功率。

将各E_r值降序排列得到一个排列后的接收天线索引序列

步骤二：将索引序列作为树搜索的层数顺序画出树形搜索图，如图3所示，层数的排序根据接收天线欧式距离的期望降序排列。

步骤三：对排序后的接收天线利用A*检测算法树搜索，找到最优路径点。具体步骤如下：

1)初始化PED₀＝0，根据公式(3)；

2)求第一层中每一个检测点的累积度量值，即执行公式(2)，并将PED_r的值赋给g(r，x)；

3)求出第一层中每一个节点到该分支下一个节点的度量值，并赋值给h(r，x)，即执行公式(4)，执行k(x)＝g(r，x)+h(r，x)，将第一层所有节点加入队列；

4)选出当前队列中k(x)最小的点，如果该点的下一节点为叶子节点，即h(r，x)＝0，则搜索结束，否则执行下一步；

5)选择上述最小k(x)对应节点的下一层分支节点为下一个搜索节点，计算该点的k(x)＝g(r，x)+h(r，x)，并将该点加入队列，重复执行步骤4)；

步骤四：解映射，检测结束。

参照图2及图3对具体实施例进行描述。

步骤一：根据公式(5)(6)求出每根接收天线的欧式距离平均值E_r(r＝1，2，3)。

步骤二：将E_r降序排列，获得排序后的接收天线索引序列根据E_r降序顺序，将接收信号y和信道冲击响应H的各行重新排列，重新行排列的y和H分别用y_0和H_0表示。

步骤三：按照排序后的接收天线索引序列作为搜索的层数顺序画出树形搜索图，如图3所示，层数的排序根据接收天线欧式距离的期望降序排列，圆圈中的数值即为当前节点到前一节点的累积度量值。由于第二层的平均度量值大于第一层，因此，将第二层调整到第一层，优先搜索，此时接收天线顺序为(2，1，3)。

步骤四：对排序后的接收天线和发送天线利用A*检测算法树搜索，找到最优路径点。结合图3，具体步骤如下：

1)初始化PED₀＝0，根据公式(3)；

2)求第一层中每一个检测点的累积度量值，即执行公式(2)，并将PED₁的值赋给g(1，x)；此时g(1，1)＝8，g(1，2)＝1，g(1，2)＝7，g(1，2)＝2；

3)计算出h(1，1)＝4，h(1，2)＝5，h(1，3)＝2，h(1，4)＝5；执行k(x)＝g(r，x)+h(r，x)，此时k(1)＝12，k(2)＝6，k(3)＝9，k(4)＝7；将第一层所有节点加入队列，当前队列为{k(1)＝12，k(2)＝6，k(3)＝9，k(4)＝7}。

4)此时最小的k值是k(2)，但是此时还未到叶子节点，即h(1，2)不为零，因此还要继续搜索；

5)搜索第二层的第二个节点，计算出g(2，2)＝6，h(2，2)＝2，k(2)＝8，将其更新队列，得到{k(1)＝2，k(2)＝8，k(3)＝8，k(4)＝7}，；但是对应的h(2，2)值并不为零，继续搜索；

6)此时队列中最小的k值是k(4)，搜索第二层第四个节点，计算出g(2，4)＝7，h(2，4)＝10，k(4)＝17，将其更新队列，得到{k(1)＝12，k(2)＝18，k(3)＝9，k(4)＝17}；但是对应的h(2，4)值不为零，继续搜索。

7)此时队列中最小的k值是k(2)，搜索第三层第二个节点，计算出g(3，2)＝8，h(3，2)＝0，k(3)＝8；此时最小的k值是k(2)，对应的h(3，2)＝0，该节点所在的分支即为最优路径，搜索结束。

步骤七：解映射，检测结束。

以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后，技术人员可以对本发明作各种改动或修改，这些等效变化和修饰同样落入本发明权利要求所限定的范围。