[发明专利]用于检测通信信号中的符号的方法

说明书

技术领域

本方法涉及一种用于检测携带在通信信号中的符号的方法。此外，本发明还涉及一种检测设备、一种计算机程序以及一种计算机程序产品。

背景技术

现有技术提到一种公式为y=Hx+n的任意线性信道，其中H是信道增益的MxN矩阵，x是信道输入的Nx1向量，n是IID复杂高斯（Gaussian）噪声变量的Mx1向量，这些变量具有均值0和方差矩阵N₀I。

令我们感兴趣的问题是向量x的软入软出检测。很容易通过Bahl-Cook-Jelinke-Raviv（BCJR）算法来解决这个问题，但是每个已检测符号的复杂度为O(|Ω|^K)，其中Ω是调制字母，K是信道矩阵H的记忆。所述记忆是中心主题，我们接下来将会定义该术语的实际意义。我们对信道矩阵H进行QL因式分解，因此写下H=QL。随后，在不损失适用性的情况下，我们可以定义过滤后的观察向量r=Q^*y=Lx+w，其中w被配为恒等于n。现在我们对任意信道H的记忆进行如下定义。

定义1：如果L中的非零元素局限于L的第一K+1个对角线，则H的记忆是K，最优解调具有复杂度O(|Ω|^K)。

应注意的是，我们并未阐述信道矩阵H可表示什么。本发明假设一个任意H值，使其包括如符号间干扰（ISI）信道（如在卫星传输中碰到）、MIMO（如在LTE下行链路中碰到）、MIMO-ISI（如在LTE上行链路中碰到）、ICI（如在具有高多普勒扩展的LTE下行链路碰到）等等。读者可以记住ISI及其优势，其中记忆K仅仅是抽头数减去一个信道脉冲响应。

信息和通信理论中的另一中心主题是信道容量。信道容量定义为可以通过具有零误差率的信道携带的最高可能速率。由于我们没有定义“时间”这个概念，因此我们将信道容量测量为能够可靠传输的单位信道使用中的奈特。容量实现需要优化x的输入分布，这必须匹配实际通信信道H（通过注水原理），但是在本发明中，我们假设发射器对H一无所知，因此这样的优化是不可能的。于是，“capacity”这个词严格来说是不正确的，但是我们仍采用这个术语，尽管该术语有点滥用符号。

论据1：线性高斯向量信道的容量以单位信道使用中的奈特来测量，为其中输入x分布为CN(0,PI)。

此种容量可改写为，

论据2：直接操作法使用互信息的链式法则产生其中I(x;y)是标准互信息运算符。

记忆的含义可以包括在论据2中，为了获得，

论据3：如果信道H的记忆是K，则其中

最后，下面的结果是众所周知的，

论据4：通过给x赋予一个y的最优检测器，可以获得信道的容量。

我们总结如下：每个线性信道H存在关联记忆和信道容量。如果接收器利用x的最优检测器，可以获得信道容量，此种检测器具有复杂度，而复杂度是记忆K中的指数。应注意，接收器复杂度测量使用离散输入，而容量需要高斯（Gaussian）分布式输入。然而，高斯（Gaussian）输入容量通常表示很好地到达某个SNR阀值的离散输入限制，所述SNR阀值依赖于输入的基数。因此，即使系统使用离散输入而不是高斯（Gaussian）输入，值C是运算结果。

如果信道记忆K太大会出现问题，因此复杂度|Ω|^K超出了容许的复杂度预算。在实践中这是一个常见的情况，因此必须研究降低复杂度技术。存在一些示例，例如，LTE链路，其中信道记忆通常为10左右，随着64-QAM输入，产生每个传输符号的260复杂度。这就是OFDM通常优于LTE中单个载波的原因之一。另一个示例是GSM链路，其中信道的记忆大约为7-10。在GSM中，与LTE情况相反，此记忆确实由基于减少网格的接收器来处理。

致力于构建针对大记忆的低复杂度高性能接收器方案研究的数量非常多。一组这样的接收器就是信道缩短（CS）接收器。CS接收器背后的基本原理如下：

1、使用预滤波器W过滤接收信号y，其中r=Wy。

2、W的目的是将信道H的记忆“压缩”到一个较小的值。

3、假设存在一个比K小的记忆，表示为L，则有效信道是T=WH。现在我们得到r=Wy=Tx+(Wn)，其中Wn是过滤噪音。

4、将BCJR算法应用到信号r中，其中记忆由L来定义。

5、步骤1-4的结果是近似最优检测，但是具有复杂度O(|Ω|^L)而不是O(|Ω|^K)。

6、我们如何实际获得的“接近最优检测”是通过选择特定的W与T来确定的。