格基规约算法辅助的无线mimo系统的接收机检测方法
【技术领域】
[0001] 本发明涉及的是一种无线通信技术领域的方法，具体地涉及一种格基规约算法辅 助的无线多输入多输出系统的接收机检测方法。
【背景技术】
[0002] 无线通信领域中采用多个发送与接收天线的多输入与多输出（ΜΙΜΟ)系统，是近 年来无线技术中最为重要的进展之一。MMO技术为数据速率、信号可靠性等提供巨大的增 益，使其被很多顶尖的无线标准所选中。MMO检测技术对于实现系统性能增益有很大的影 响。MMO检测器的目标是在给定的接收信号向量的基础上对发送符号向量做观测。不同的 MMO检测算法能够实现这一功能。基于它们检测准确性的关联程度，这些检测算法可以被 分为三类：最优、次优以及近优的检测方案。
[0003] 最常见的最优MMO检测器为最大似然（ML)检测器。ML检测器可以获得最低的 误比特率（BER)。在加性高斯白噪声信道中，可以看到，ML检测器相当于在星座图中寻找格 点，该格点与接收到的点距离最近。这样的方法可以获得最优的检测性能。但是，该方法的 缺点是检测复杂度太高。ML检测的复杂度随着发送天线数以及星座图的大小成指数增长。 因此，ML检测在实际的MMO接收机实现中并不实用，一般是作为仿真中与其它MMO检测 器BER性能对比的参照点。
[0004] 次优检测器可以分为两种，线性以及非线性次优检测器。线性检测器利用线性均 衡算法消除信道的影响。这种线性消除方法一次性处理所有并行数据流，复杂度低。但是 这类线性检测器所能实现的空分复用阶数为较低，导致BER性能不及ML检测。两种最常用 的线性检测器为迫零（ZF)检测器与最小均方误差（MMSE)检测器。此外，非线性次优检测 器需要按照从最强到最弱的顺序检测符号，并且后一个符号的判决依赖于前一个符号的判 决，这类检测器称之为干扰消除（SIC)检测器。相比于线性检测方案，SIC方法在每一次迭 代中增加了复用阶数。SIC检测可以获得相比于线性检测更好的BER性能。但是，SIC检测 器受到误差传播的影响，其BER性能主要受到先被检测的数据流的影响。
[0005] 近优MMO检测是非线性的，可以获得接近ML检测的性能，但是复杂度远低于ML。 MMO检测是在给定的列空间中寻找最近的格点，该格点必须是星座图中的点。这个问题可 以被重新表述为一个搜索树问题，树的叶子代表可能解的集合。ML检测在求解时考虑树中 所有的叶子，它是最优的，但是复杂度指数增长。但是，如果先从搜索树中移除明显不可能 获得想要的结果的叶子，那么复杂度将显著降低。这可以通过剪枝算法实现，移除不可能得 到最优解的整棵子树。运用剪枝算法的搜索树方法，主要分为两类，分别为深度优先方法与 广度优先算法。球形译码（SD)是最常用的深度优先方法。SD方法将搜索树的范围限制在 预先给定半径的球中。SD算法的性能可以接近于ML检测。SD算法的主要缺点是它的吞吐 量依赖于SNR值，因为SNR被用于决定球的半径。这导致吞吐率的变化，使得硬件实现上需 要一些额外的开销，硬件利用率低。最常见的广度优先方法是K-Best算法。K-Best算法保 证了独立于SNR的固定的吞吐量，同时性能接近与ML检测。广度优先方法是前向方案，没 有反馈，因此能够保证固定的吞吐量。在性能与复杂度之间的取舍可以通过调节K-Best算 法中的K因子实现。
[0006] 搜索树检测方法在信号空间是正交时，即代表格点的基向量相互正交时，性能最 优，接近ML检测性能。但是在实际场景中，信道基向量之间的相关性会恶化搜索树检测算 法的性能。天线阵列的物理参数以及环境中的散射效应都会造成信道基向量间存在一定的 相关性。
[0007] 引入格基规约（LR)算法作为信道预处理步骤，通过正交化估计信道的基向量，可 以显著降低信道相关性的影响。在近优MMO检测中应用LR算法可以降低信道相关性对于 这类检测器的影响，使得近优检测器鲁棒性更好，可以在更大范围的信道条件中获得接近 ML检测的性能。
[0008] 应用LR算法首先需要计算转换矩阵T。T是幺模矩阵，即T的所有元素的实部虚 部都是整数值，同时其行列式为±1，即det (T) = ±1。数学文献中提出了多种LR算法，但 是，在MIMO检测的应用中，主要采用三种算法：l)Lenstra，Lenstra and LoV asz(LLL)算 法，2) Seysen算法，3) Brun算法。本发明中采用的格基规约算法为LLL算法。
【发明内容】
[0009] 针对现有技术中的缺陷，本发明的目的是提供一种格基规约算法辅助的无线MMO 系统的接收机检测方法。
[0010] 本发明的目的在于克服信道相关性对于MMO检测的影响，利用LR辅助算法，提供 一种性能更好的K-Best检测算法，接收机的误码率更低。本发明结合LR算法，通过正交化 信道估计的基向量，获得相关性更低的信道矩阵，使得基于改进的信道矩阵的K-Best检测 算法的误比特率性能更好。
[0011] 根据本发明提供的一种格基规约算法辅助的无线MMO系统的接收机检测方法， 包括以下步骤：
[0012] 步骤1 :对接收信号向量y做平移与缩放，得到平移缩放后的接收信号向量?;
[0013] 步骤2 :对于原信道矩阵H，通过格基规约算法，获得信道矩阵H以及变换矩阵T， 对信道矩阵H进行QR分解获得O矩阵与R矩阵，满足H = HT，即0? = HT ;
[0014] 步骤3:将〇矩阵的共轭转置与接收信号向量y相乘，得到接收信号的均衡信号 z；
[0015] 步骤4 :从均衡信号i的最下面一层开始，找到第2NT层的K个最佳节点，并且计算 这K个最佳节点所对应的累积欧式距离值TOD ;其中，Nt为发送天线数目，K为预先给定的 每层所选的最佳节点数目；
[0016] 其中，豆为2NTX2NT的上三角矩阵，设R中第i行第j列的元素为无为列向量，
【主权项】
1. 一种格基规约算法辅助的无线MIMO系统的接收机检测方法，其特征在于，包括以下 步骤： 步骤1 :对接收信号向量y做平移与缩放，得到平移缩放后的接收信号向量y; 步骤2 :对于原信道矩阵H，通过格基规约算法，获得信道矩阵H以及变换矩阵T，对信 道矩阵H进行职分解获得Q矩阵与R矩阵，满足=HT，即0艮=HT; 步骤3:将0矩阵的共轭转置与接收信号向量y相乘，得到接收信号的均衡信号L 步骤4 :从均衡信号Z的最下面一层开始，找到第2NT层的K个最佳节点，并且计算这K个最佳节点所对应的累积欧式距离值PED;其中，NT为发送天线数目，K为预先给定的每层 所选的最佳节点数目；
其中，豆为2NTX2NT的上三角矩阵，设艮中第i行第j列的元素为无为列向量，设艺 第i行的元素为_令i= 2Nt， ，Ym为第2Nt层的节点取值范围中心值；选 Zi;X2A> 取距离最近的K个节点作为第2Nt层的K个最佳节点； 步骤5 :基于所获得的第i层的K个最佳节点，选取出第i-1层的K个最佳节点，并计 算第i_l层的K个最佳节点相应的PED值，并将i的值减1 ; 步骤6:如果i= 1，即已经到达叶子层，则进入步骤7,否则，返回步骤5; 步骤7 :对于步骤6所获得的叶子层的K个最佳节点，选取这些K个最佳节点中一个合 适的节点输出； 其中：选取合适的节点的过程为： 对于步骤6所获得的叶子层的K个最佳节点做判定，判定条件为：若K个最佳节点中的 一最佳节点通过左乘变换矩阵T后获得原信道矩阵H的列空间中的格点，该格点属于发送 星座图中的点，则该最佳节点满足判定条件；根据这K个最佳节点的判定结果，分为两种情 况考虑： 1) 若这K个最佳节点都不满足判定条件，那么，这K个最佳节点中具有最小PED值的一 最佳节点为所述合适的节点； 2) 若这K个最佳节点中，存在最佳节点满足判定条件，那么，在满足判定条件的最佳节 点中具有最小的PED值的节点为所述合适的节点； 步骤8 :对于步骤7获得的所述合适的节点，左乘变换矩阵T后，通过越界控制，再进行 平移与缩放，获得发送符号。
2. 根据权利要求1所述的格基规约算法辅助的无线MIM0系统的接收机检测方法，其特 征在于，在所述步骤1中，接收信号向量y平移与缩放的过程为： 对于接收信号向量y，经过平移与缩放后的接收信号向量歹为
其中，H为原信道矩阵；d为偏置矩阵，维数为2NTX1，其中的元素均为1，即
3.