[发明专利]一种基于ZF准则的格基规约辅助的ML-SIC信号检测方法

说明书

本发明属于MIMO系统信号检测技术领域，公开了一种基于ZF准则的格基规约辅助的ML‑SIC信号检测方法。首先，对信道矩阵的列向量进行排序；然后，在FE阶段产生候选信号，在转换到约减域之前在原始域中消除FE阶段的信号；然后，SE阶段信号处理，LR‑ZF‑SIC被用到经FE阶段处理后的系统模型中；然后，后续处理和ML度量，后续处理作用于SE阶段的候选信号：把候选信号从约减域转换到原始域，切片；SE阶段的候选信号和FE阶段的候选信号一起，构成候选信号列表，通过ML度量确定具有最小欧氏距离的符号矢量；最后，检测矢量重排序，按照和原来信道矩阵排序相反的顺序对检测矢量进行重排序。当采用MQAM调制时，本发明能够以较低的计算复杂度达到近最优的检测性能。

技术领域

本发明属于MIMO系统信号检测技术领域，尤其涉及一种基于ZF准则的格基规约(LR)辅助的ML-SIC信号检测方法。该发明可以广泛应用于MIMO无线通信系统的接收机中。

背景技术

目前，业内常用的现有技术是这样的：

近年来，用户对数据传输速率和系统容量的需求不断提高，给无线通信系统带来了新的挑战。MIMO技术可以实现在不增加发射功率和带宽的前提下成倍提高系统容量和频谱利用率，因而MIMO技术正在逐步成为最具前途的通信技术之一。在无线MIMO通信系统中，接收端的信号检测问题是决定其能否应用于实际系统的一个非常关键的因素。因此，如何实现具有较高检测性能和较低复杂度的信号检测就成为MIMO技术发展的一个重要问题。最大似然(ML)检测算法是性能最优的检测算法，但是其计算复杂度会随着天线数目的增加呈指数增长，无法被实际应用，常作为衡量其他算法的一种标准。目前对MIMO系统信号检测方法的研究主要集中于寻求具有近ML检测性能和较低复杂度的信号检测方法。E.Agrell等人提出了球形译码(SD)算法，该算法的基本思想是在一个以接收向量为球心的超球体内搜索格点，离球心最近的格点就是最终的解。由于只是搜索了超球体内的格点，而ML算法要搜索整个格点集合，因此SD算法可以获得更低的复杂度。但是，SD算法的主要缺点是它的复杂度依赖于信噪比SNR，尽管可以显著降低平均复杂度，但是在最坏的情况下的复杂度仍然与ML检测相同。K.W.Wong等人提出了K-best信号检测方法，它是一种宽度优先的树搜索算法，在做树搜索的遍历时对当前保留的分支同时是进行拓展，但仅在拓展的分支中只保留K条最佳分支。因此计算复杂度固定。当K值较大时，K-best算法能够达到ML性能，当K值较小时，K-best算法的性能下降，优点是降低了复杂度。K-best算法虽然具有固定的计算复杂度，但它也存在一些缺点：在高信噪比情况下需要处理的分支很少，但是K-best仍然要每层保留K条路径并且排序，因此复杂度就会相应很高。L.Barbero等人提出了固定复杂度球形译码(FSD)检测算法，FSD算法也是一个树搜索算法，它首先对信道矩阵进行排序，在前P层执行完全扩展，在剩余的其它层执行单一扩展，能够以固定的复杂度达到最优的检测性能。然而，当采用高阶调制或者发射天线数较多时，FSD算法的复杂度仍然很高。Dirk Wübben等人提出了使用格基规约技术(LR)的线性检测器，在利用迫零(ZF)检测算法或最小均方误差(MMSE)算法进行检测之前，先利用LR技术对信道矩阵进行处理，得到信道条件较好的信道矩阵。该线性检测器能够以较低的复杂度获得和ML检测算法相同的分集度，但是其检测性能跟最优检测器相比仍然有着较大的差距。

综上所述，现有技术存在的问题是：

现有的信号检测方法要么能够取得较优的检测性能但计算复杂度较高，要么计算复杂度低但其检测性能较差，即无法在检测性能和计算复杂度之间取得一个良好的折中。

解决上述技术问题的难度在于：如何设计算法通过较低的计算复杂度来现近最优的信号检测性能。

发明内容

针对现有技术存在的问题，本发明提供了一种基于ZF准则的格基规约(LR)辅助的ML-SIC信号检测方法。