适用于MIMO系统的高效K-best检测器实现

论文总字数：26310字

摘 要

在这篇文章中，主要对MIMO的检测方法如最大似然检测、球形译码等进行了研究学习。并且对其中的K-best算法进行了一部分改进，其中运用到的算法是为了实现平衡检测器的误码率性能与计算复杂度的目的，比如MMSE-SQRD预处理和丢弃路径重用等等，并在matlab上进行了仿真。模拟结果显示出这些算法可以在与那些顶尖的技术保持相同的误码率的同时达到更好的计算效率。

关键词：MIMO，最大似然检测，球形译码，K-best，预处理，路径重用

Implementation of Efficient K-best Detector for MIMO System

Yuan Kaijie

Supervised by Zhang Chuan

Abstract

In this paper, we study and make research on detections of MIMO system, such as maximum likelihood detection, sphere decoding. In order to balance the K-best detector’s bit-error-rate (BER) performance and computation complexity, we make some improvement on K-best detection algorithm by using several algorithms, like MMSE-SQRD, reusing discarded paths and so on. The simulation results on the Matlab have shown that these proposed algorithms can achieve better computation efficiency while keep similar BER performance compared to the state-of-the-art ones.

Keywords-MIMO, Maximum Likelihood Detection, Sphere Decoding, K-best Algorithm, MMSE-SQRD, Discarded Paths Reuse

目 录

摘 要 I

ABSTRACT II

第1章 引 言 1

§1.1 概述 1

§1.2 MIMO（多输入多输出） 1

§1.2.1 MIMO发展历史 1

§1.2.1 MIMO发展历史 2

§1.2.2 MIMO的技术分类 2

§1.2.3 MIMO的形式 2

§1.2.4 MIMO的信道模型 3

第2章 MIMO的检测 4

§2.1 Maximum Likelihood Detector 4

§2.1.1 ML树 4

§2.2 Zero-forcing Detector 5

§2.3 MMSE Dectector 5

§2.3.1 MMSE与ZF两种检测的比较 6

§2.4 Sphere Decoding 6

§2.3.1 球形译码的范围限制 6

§2.3.1 球形译码的树状修剪 6

§2.5 LRA Detector 8

§2.5.1格减辅助检测算法 8

§2.5.2 LLL格减算法 9

第3章 K-best Detector 10

§3.1 K-best Detector 10

§3.1.1 K-best的主要过程 10

§3.2分组K-best排序 10

第4章 K-best检测器的实现 14

§4.1方案设计中的处理方法 14

§4.1.1预处理：MMSE-SQRD 14

§4.1.2 K-best 树形检测 15

§4.1.3 K-best的软输出形式 15

§4.1.4 SE策略和经验主义路径扩展 16

§4.1.5宽松排序方法 17

§4.1.6精确的机器人程序更新计划 17

§4.1.7丢弃路径重用 17

§4.2算法的性能模拟和分析 18

§4.2.1采用MMSE-SQRD预处理 18

§4.1.7丢弃路径重用 19

§4.1.7丢弃路径的全部使用和底层舍弃 19

总 结 20

参考文献 20

致谢 23

引言

§1.1 概述

无线通信技术近来的发展越来越快。尤其是在移动通信这块，近年来已经开始由3G向4G时代过渡。4G，即第四代移动通信及其技术，它融合了3G与WLAN于自身并且还能够传输高质量视频图像和与高清晰度电视的图像传输质量不相上下的技术产品。4G系统的下载速度能够达到100Mbps，上传速度也能有20Mbps.也就是说，新的无线通信要求有高的吞吐量和低的能量消耗。

而MIMO（多输入多输出技术）作为无线通信中的一项关键技术，它可以在付出很小的额外带宽和能量的代价下极大得提高系统的容量和频谱效率，因此它已经被诸如3GPES LTE和IEEE 802.11n这些最新的标准所采用。但MIMO技术在接收端和发射端都采用了多个天线元素，从而使得空间多路复用这个问题增加数据检测器的硬件复杂度。因此，如何去解决瓶颈问题和构建能够产生有效率的MIMO检测器的算法依旧是具有挑战性的事情。在现在所有已有的解决办法中，最大似然检测法是效果最佳的一种，但是它的复杂度却很高，以至于不适合应用到硬件中。问了实现这个目的，一种次优的算法被提出，它就是球形译码算法。它能够平衡比特误码率的性能和硬件的复杂度。而k-best算法则是球形译码的一种变种，以宽度优先的变种。而且由于它的结构中设计有流水线，因此在硬件应用上最受欢迎。后来一种最佳化的k-best算法被提出。与之前的成果相比，它能够提供更高的数据流量和更好的比特误码率性能。在世界性的5G通信系统的环境中，维数不断增长的MIMO系统在误码率性能和应用效率上都提出了更高的要求。

为了达到这个目标，提出了一种改进型k-best算法来实现低复杂度MIMO检测器。通过采用路径扩展和宽松排序的方法，这种算法能够在保持同样的误码率性能的情况下实现比之前的算法更好的计算效率。

§1.2 MIMO（多输入多输出）

多输入多输出是一种用来描述多天线无线通信系统的抽象数学模型，能利用发射端的多个天线各自独立发送信号，同时在接收端用多个天线接受并独自恢复原信号。这项技术最早是由马可尼与1908年提出的，他利用多天线来抑制信道衰落。由于MIMO可以在不需要增加带宽或总发送功率耗损的情况下大幅地增加系统的数据吞吐量即发送距离，使得此技术于近年来受到许多瞩目。MIMO的核心概念为利用多根发射天线和多根接收天线所提供的空间自由度来有效提升无线通信系统的频谱效率，从而提升传输速率并且改善通信质量。

§1.2.1 MIMO发展历史

剩余内容已隐藏，请支付后下载全文，论文总字数：26310字