一种MIMO-OFDM-IM低复杂度检测方法与流程

本发明涉及无线通信技术的研究领域，特别涉及一种mimo-ofdm-im低复杂度检测方法。

背景技术：

作为第四代移动通信系统的关键技术之一，mimo技术利用多天线实现系统的复用增益和分集增益，提升了系统的容量和性能。但传统mimo技术的复用增益依赖于发射天线和接收天线的正交性，因此一种新的不要求发射天线和接收天线正交性的多天线技术——空间调制被提出。在空间调制中，信息不仅通过星座符号进行传输，而且还通过激活的天线序号进行传输。这样相比于传统的mimo，空间调制避免了天线间的干扰，降低了接收端检测器的复杂度。因此空间调制成为下一代移动通信中极具竞争力的mimo技术。

受空间调制思想的启发，索引调制作为一种新的调制技术被提出并应用到ofdm系统中。在ofdm-im系统中，子载波被分为若干子载波组，在每个子载波组中，一部分子载波被激活并发送星座数据，剩余子载波静默。与ofdm不同的是，ofdm-im在调制中引入索引调制，它根据索引比特来控制活跃子载波的位置。由于ofdm-im中存在大量的静默子载波，使得活跃子载波分布具有稀疏性，从而可以有效地抵抗频率偏移。同时静默子载波不需要发送能量，系统的能量效率得以提升。由于索引调制的引入，ofdm-im可以灵活地进行子载波的配置，能够在系统性能和频谱效率之间按需调节。

基于mimo技术和ofdm-im技术的优势，索引调制应用到mimo-ofdm系统中并提出了mimo-ofdm-im系统。在此系统中，每个发送天线单独发送ofdm-im数据帧，在接收端每个天线通过对ofdm-im的子载波组检测进行解调。相比于传统的mimo-ofdm系统，mimo-ofdm-im系统具有更优异的性能，能实现更高的能量效率，而且可以通过改变激活子载波的个数实现频谱效率和系统性能的折中。但是由于mimo-ofdm-im中的子载波组中的子载波相互之间的存在联系，检测子载波组中星座符号和活跃子载波位置成为一个挑战性的难题。虽然最大似然(maximumlikelihood,ml)检测器达到了最优性能，但是其复杂度过高，随活跃子载波个数和天线数成指数增长，不利于实际的实现。为了降低检测的复杂度，基于最小均方误差(minimummeansquareerror，mmse)的检测器和顺序连续干扰抵消(orderedsuccessiveinterferencecancellation，osic)检测器被提出，但是以牺牲系统性能为代价的，其性能较ml检测器还有很大的差距。如何设计出低复杂度近似最优ml检测性能的检测器，仍是mimo-ofdm-im中的具有挑战性的难题。

技术实现要素：

本发明的主要目的在于克服现有技术的缺点与不足，提供一种mimo-ofdm-im低复杂度检测方法。

本发明的目的通过以下的技术方案实现：

一种mimo-ofdm-im低复杂度检测方法，包括以下步骤：

s1、源比特映射；

将ant比特信息分成nt组，nt组每组的a比特信息对应一个发送天线；再将a比特信息经过比特分流器分为g组，g组每组有p比特信息，其中a＝pg，将p比特信息映射到载波长度为n的ofdm组上，其中n＝m/g，m为一个ofdm-im快符号中的子载波个数，在ofdm组中，载波长度为n的子载波中有l个传输星座符号，其余的子载波为空子载波；

一方面，p1比特信息被送入索引选择器，用来从载波长度为n的子载波中选择l个子载波激活，则索引选择器传输的比特数为：

其中，为对log2下取整，为二项式系数；

另一方面，p2比特信息被送入映射器，映射到w维的l个传输星座符号上，则映射器传输的比特数为：

p2＝llog2w，

s2、ofdm调制数据发送，经过索引调制，每个发送天线的g组数据经过块产生器得到一个ofdm-im块符号：

其中，为第t个天线第g个ofdm-im块载波组中的第n个载波的数据，t＝1,2,...,nt，g＝1,2,...,g，n＝1,2,...,n；

将ofdm-im块符号送入交织器，得到交织后的ofdm-im块符号

将交织后的ofdm-im块符号经过ifft操作转化到时域，再添加cp后，被发送天线发送出去；

s3、多天线信号接收，有nr根接收天线，经过衰落信道后，每根接收天线首先经过去cp操作和fft转化，将时域的数据转化到频域；对于第r根天线，经过fft后转化到频域上的接收信号为：

其中，为接收信号向量，为从第t个发送天线到第r个接收天线的信道频域响应，为噪声向量，

s4、解交织信号分组，

经过与发送端交织操作相反的解交织操作得到的信号为：

其中，hr,t为解交织后的数据，ηr为解交织后的数据；

为了检测ofdm-im组中活跃子载波的位置，解交织后的信号经过信号分组器，分为与发送端组数相同的g组，对于第g组，则有：

其中，为第g组发送数据所经过的信道，为第g组发送数据上的噪声向量；

第g组中的第n个子载波接收信号为：

其中，n＝1,2,...,n；

s5、信号转化；

对第g组的第n个子载波的信道矩阵进行qr分解：

h^g(n)＝q^g(n)r^g(n)，

其中，q^g(n)为正交酋矩阵，r^g(n)为上三角矩阵，

将步骤s4中第g组中的第n个子载波接收信号公式左乘(q^g(n))^h得：

其中，z^g(n)＝(q^g(n))^hy^g(n)，μ^g(n)＝(q^g(n))^hη^g(n)；

根据索引调制，需要连续检测n个子载波的信号，因此，检测问题转化为：

为了解决上述问题，定义超级符号为超级接收符号为等效信道矩阵为噪声为

则检测问题如下：

其中，z^g,r^g,x^g,μ^g为所有接受天线的第g组信号的组合；

s6、基于k-best的树搜索检测，发送信号的检测为：

其中，ω为一个组的发送信号的所有可能实现形式，

搜索树有nt层，每个节点能向下扩展|ω|个子节点；在每一层的搜索中保留k个节点，k＜|ω|；通过将每个ofdm-im组看成一个超级符号，从第nt层开始搜索，直到搜索到第一层；在每一层的搜索中，计算路径度量值，选择最小路径值对应的k个节点，其余节点被抛弃；当搜索到第一层时，最小路径度量值对应的路径上的超级符号值为检测结果。

进一步地，步骤s1中，所述发射天线数为nt，所述接收天线数为nr，且发射天线数等于接收天线数，即nt≤nr；

进一步地，所述信号调制为bpsk、qpsk二者之一；

进一步地，步骤s2中，所述交织器为g×n维的组交织器；

进一步地，步骤s3中，所述衰减信道为瑞利多径衰落信道；

进一步地，步骤s4中，所述解交织过程为交织的反操作；

进一步地，所述步骤s6，具体过程为：

y1、路径度量值从第nt层开始计算，则有，第nt层上第m个节点的路径度量值为：

其中，为从ω中选择的第m个候选超级符号，|x||²为x的l2范数；

通过比较路径度量值的大小，选择路径度量值最小对应的k个节点，将这k个节点的路径度量值和对应的超级符号值保存；k个节点继续向下一层扩展，每个节点扩展到下一层的|ω|个子节点；

y2、第l层的第个子节点的路径度量值为：

其中，为第l+1层的第k个节点对应的路径度量值，为第l+1层的第k个父节点扩展到第l层的第m个子节点的分支度量值，如下：

其中，为第l层中从ω中选择的第m个候选超级符号，为第j层中第k条路径对应的超级符号；在计算完第l层的路径度量值后，通过比较k|ω|个节点路径度量值的大小，选择k个路径度量值最小的节点，存储更新后的路径和路径度量值；

y3、当时，即搜索到第1层时，选择出最小路径度量值对应的路径，则此路径上的超级符号值为检测结果。

本发明与现有技术相比，具有如下优点和有益效果：

本发明通过对接收信号的转化，将检测问题转化为树搜索问题，然后将每个ofdm-im组看成一个超级符号，利用k-best检测算法逐层进行搜索；在每一层的搜索中，根据路径度量值选择保留的节点和抛弃的节点；复杂度与天线数仅为线性关系，同时还达到近似最优ml检测的性能；当搜索到第一层时，最小路径度量值对应路径上的超级符号即是k-best算法的检测结果；基于k-best算法对接收信号进行搜索，一方面可以降低系统检测的复杂度，另一方面可以达到与最优检测相近的性能。

附图说明

图1是本发明所述一种mimo-ofdm-im低复杂度检测方法的方法流程图；

图2是本发明实施例中mimo-ofdm-im系统发送端模型结构框图；

图3是本发明实施例中mimo-ofdm-im系统接收端模型结构框图；

图4是本发明实施例中三种检测方法在(n,l)＝(2,1)和bpsk调制下的性能比较示意图；

图5是本发明实施例中三种检测方法在(n,l)＝(4,1)和qpsk调制下的性能比较示意图。

具体实施方式

下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。

实施例：

一种mimo-ofdm-im低复杂度检测方法，如图1所示，

mimo-ofdm-im系统发送端和接收端如图2和图3所示；这里设定发射天线数nt＝4，接收天线数nr＝4，子载波个数m＝1024，信号调制为bpsk、qpsk，仿真采用的信道为瑞利多径衰落信道。

第一步：源比特映射；

将ant比特信息分成nt组，nt组每组的a比特信息对应一个发送天线；再将a比特信息经过比特分流器分为g组，g组每组有p比特信息，其中a＝pg，将p比特信息映射到载波长度为n的ofdm组上，其中n＝m/g，m为一个ofdm-im快符号中的子载波个数，在ofdm组中，载波长度为n的子载波中有l个传输星座符号，其余的子载波为空子载波；

一方面，p1比特信息被送入索引选择器，用来从载波长度为n的子载波中选择l个子载波激活，则索引选择器传输的比特数为：

其中，为对log2下取整，为二项式系数；

另一方面，p2比特信息被送入映射器，映射到w维的l个传输星座符号上，则映射器传输的比特数为：

p2＝llog2w，

第二步：ofdm调制数据发送，经过索引调制，每个发送天线的g组数据经过块产生器得到一个ofdm-im块符号：

其中，为第t个天线第g个ofdm-im块载波组中的第n个载波的数据，t＝1,2,...,nt，g＝1,2,...,g，n＝1,2,...,n；

将ofdm-im块符号送入交织器，得到交织后的ofdm-im块符号

将交织后的ofdm-im块符号经过ifft操作转化到时域，再添加cp后，被发送天线发送出去；

第三步：多天线信号接收，有nr根接收天线，经过衰落信道后，每根接收天线首先经过去cp操作和fft转化，将时域的数据转化到频域；对于第r根天线，经过fft后转化到频域上的接收信号为：

其中，为接收信号向量，为从第t个发送天线到第r个接收天线的信道频域响应，为噪声向量，

第四步：解交织信号分组，

经过与发送端交织操作相反的解交织操作得到的信号为：

其中，hr,t为解交织后的数据，ηr为解交织后的数据；

为了检测ofdm-im组中活跃子载波的位置，解交织后的信号经过信号分组器，分为与发送端组数相同的g组，对于第g组，则有：

其中，为第g组发送数据所经过的信道，为第g组发送数据上的噪声向量；

第g组中的第n个子载波接收信号为：

其中，n＝1,2,...,n；

第五步：信号转化；

对第g组的第n个子载波的信道矩阵进行qr分解：

h^g(n)＝q^g(n)r^g(n)，

其中，q^g(n)为正交酋矩阵，r^g(n)为上三角矩阵，

将步骤s4中第g组中的第n个子载波接收信号公式左乘(q^g(n))^h得：

其中，z^g(n)＝(q^g(n))^hy^g(n)，μ^g(n)＝(q^g(n))^hη^g(n)；

根据索引调制，需要连续检测n个子载波的信号，这里的n也为载波长度，含义相同，因此，检测问题转化为：

为了解决上述问题，定义超级符号为超级接收符号为等效信道矩阵为噪声为

则检测问题如下：

其中，z^g,r^g,x^g,μ^g为所有接受天线的第g组信号的组合；

第六步：基于k-best的树搜索检测，发送信号的检测为：

其中，ω为一个组的发送信号的所有可能实现形式，

搜索树有nt层，每个节点能向下扩展|ω|个子节点；在每一层的搜索中保留k个节点，k＜|ω|；通过将每个ofdm-im组看成一个超级符号，从第nt层开始搜索，直到搜索到第一层；在每一层的搜索中，计算路径度量值，选择最小路径值对应的k个节点，其余节点被抛弃；当搜索到第一层时，最小路径度量值对应的路径上的超级符号值为检测结果。

具体过程为：

y1、路径度量值从第nt层开始计算，则有，第nt层上第m个节点的路径度量值为：

其中，为从ω中选择的第m个候选超级符号，|x||²为x的l2范数；

通过比较路径度量值的大小，选择路径度量值最小对应的k个节点，将这k个节点的路径度量值和对应的超级符号值保存；k个节点继续向下一层扩展，每个节点扩展到下一层的|ω|个子节点；

y2、第l层的第个子节点的路径度量值为：

其中，为第l+1层的第k个节点对应的路径度量值，为第l+1层的第k个父节点扩展到第l层的第m个子节点的分支度量值，如下：

其中，为第l层中从ω中选择的第m个候选超级符号，为第j层中第k条路径对应的超级符号；在计算完第l层的路径度量值后，通过比较k|ω|个节点路径度量值的大小，选择k个路径度量值最小的节点，存储更新后的路径和路径度量值；

y3、当时，即搜索到第1层时，选择出最小路径度量值对应的路径，则此路径上的超级符号值为检测结果。

图4给出了mimo-ofdm-im系统中接收端不同检测方法的性能比较，(n,l)＝(2,1)，调制方式为bpsk调制，k-best检测方法的k因子设置为4；从仿真图中可以看出，基于k-best的检测方法几乎能达到最优ml检测的性能；而基于mmse的检测方法与最优ml检测的性能之间还存在很大的差距；相比于mmse检测方法，基于k-best检测方法体现出性能的优势；相比于最优ml检测，基于k-best检测方法体现出复杂度方面的优势。

(n,l)＝(4,1)的qpsk调制的mimo-ofdm-im系统中接收端不同检测方法的性能比较如图5所示；从仿真图中可以看出，基于k-best的检测方法几乎能达到最优ml检测的性能；同样的，而基于mmse的检测方法与最优ml检测的性能之间依然存在很大的差距。对于基于k-best的检测方法，选取了不同的k值比较了其性能；从仿真中可以看出，随着k值的增大，k-best检测方法的性能逐渐变好，这是因为在每一层搜索的过程中保留的路径多，那么最终选择到最大似然路径的可能性就变大；但是，k值越大，对应的复杂度就越高。所以，因子k提供了k-best检测方法性能和复杂度的一个折中。

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。