一种高性能低复杂度的V-BLAST检测方案
V—BLAST系统检测技术研究
［Ｙ ａ Ｌ，ａａ ｅ ｄｔｃｉ ｆｒ ３ ｕｎ ｉ ｒｌ ｌ ｅｅｔ ｎ ｏ Ｖ — Ｌ Ｔ ］ Ｐ ｌ ｏ Ｂ Ａｓ
ｓｓｅ ｉ ｒｃ ２ ０２ ｌ ２ ：４ ＿ ４ ｙ ｔｍ，ｎ Ｐ ｏ ， ０ ， （ ）３ ｏ０４
责任 编辑 ： 明月 胡
摘 要 ： 绍 了ＭＩ 系统 中的空间复用 Ｖ Ｂ Ａ Ｔ结构 ， 介 ＭＯ －ＬＳ 并介绍 了其 空时分组码 的生成 ， 以及几种 空时检测算法 ， 并对检 测算法的性能进行 了
分析 比较。通过 比较 ， 得到性 能与 复杂度折 中的算 法。 关 键 词 ： — Ｌ Ｔ； Ｖ Ｂ ＡＳ 串行 干 扰 抑 制 ； 行 干 扰 抑 制 ； 零 并 迫 １空时分层码的编码过程旧 方式 。 ２ ， ２线性 检测算 法 ：包括 基于迫 零准则 与 第一步： 将输入的高速信息比特流分为（ 经串 Ｅ准则的算法 。下面仅介绍基于迫零准则的 并转换 ）（ ｎｎ为发射天线数） 层长度相同的低速 比 ＭＭＳ 特流， 经调制后 ， 使用相同的载波由发射天线同时 算法 。 ｚ 算法只是简单的利用信道矩阵 Ｈ的伪逆 Ｆ 发射。 Ｈ ＨＨ 第二步 ： ｎ层数据流经过空时分层编码器 ， 数 Ｈ 作为线性组 合器 ， （ Ｈ）Ｈ ，设 滤波 矩阵
据流映射到 ｎ 根发射天线上。空时分层编码器的 作用是决定 比 特流与发射天线 的对应关系。 从本 质上讲，空时分层编码器对数据流的空间映射过 程就是一种空间交织， 与时间交织类似 。 根据这一 点， Ｔ Ｌ Ｃ编码可分为三类： Ｓ 水平空时分层编码 （ — Ｈ ＢＡＴ， Ｌ Ｓ ）垂直空时分层编码（ — Ｌ Ｔ 和对角空 Ｖ Ｂ ＡＳ ） 时 分 层 编 码 （ Ｂ Ａ Ｔ 。 下 面 仅 介 绍 Ｄ— Ｌ Ｓ ） Ｉ Ｅ ８ ２ 所采用的垂直空时分层编码 。 Ｅ Ｅ ０． １ｎ １ 垂直空时分层编码器接收从并行信道编码器 的 出， 输 按垂直方向进行空间编码， 信道编码器与 天线一一对应，每个信道编码器编码后的码元直 接从 的天线发送 出去。 啦 如图 １ 所示 。 图中 ｓ表 ｉ 示第 ｉ 层数据流从第 ｉ 根发射天线发射出去。
用于MIMO信号检测的降低复杂度V-BLAST算法
ｄ ｃ ｄｃ ｍｐ ｅ ｉ ＢＬ Ｔａｇ ｒｈ ａ ｈ ｅ ｅ ｉｎｆ ａ ｔ ｏ ｒ ｒ－ ｒ ｃ ｓｉ ｇｃ ｍｐ ｅ ｉ ． ｕ ｅ —ｏ ｌｘｔ Ｖ－ ＡＳ ｏ ｔｍ ｃ ｖ ｓａｓ ｉ ｃ ｌ ｌｗｅ ｅｐ ｏ ｅｓｎ ｏ ｌｘｔ ｙ ｌ ｉ ｉ ｇ ｉｎ ｙ ｐ ｙ
Ｋｅ ｒ ｓ ｉ ｎ ｌ ｅｅ ｔ ｎ Ｖ Ｂ ｙｗｏ ｄ ：ｓ ａ ｔｃ ｏ ； － ＬＡＳ ａ ｇ ｒｔ ｍ ； ｏ ｕ ａ ｏ ａ ｏ ｌ ｘ ｔ ｇ ｄ ｉ Ｔ ｏ ｈ ｌ ｉ ｃ ｍｐ ｔｔ ｎ ｃ ｍｐ ｅ ｉ ｉ ｌ ｙ
ｔｍ ｓ ａ ｉ ｈｃ ｍｐｅ ｉ ｓｐｅｐ ｏ ｅ ｓｎ ． ｒｄ ｃ ｄ ｃ ｍｐｅ ｉ ＢＬＡＳ ａｇ ｒｔｍ ｓｐ ｏ ｏ ｅ ｒｖ ． ｅ ｓａｈｇ ｏ ｌｘｔ ｉ ｉ ｒ－ ｒｃ ｓｉｇ Ａ ｕ ｅ —ｏ ｌｘｔ Ｖ－ ｈ ｙ ｎｔ ｅ ｙ Ｔ ｏ ｈ ｗａ ｒ ｐ ｓｄｔ ｉ ｏ ｅｉ ｌ ｉ ｏ ｍｐ ｔ
Ｒｅ ｕ ｅ －ｏ ｐ ｅ ｉｙＶ－ ｄ ｃ ｄ－ ｍ ｌｘ ｔ － ｃ ＢＬＡＳ ａｇ ｒｔ ｍ ｏ Ｔ ｌｏ ｉｈ ｆ ｒ
Ｍ Ｉ Ｏ ｉ ｎ ｌ ｅ ｅ ｔｏ Ｍ ｓｇ ａ ｔ ｃ ｉ ｎ ｄ
Ｌ Ｕ ｉｎｌｉＹ Ｉ Ｑ ａ — ， ＡＮＧ Ｌ —ｉＸ Ｄａ — ｎ ｅ ｖｘ， Ｕ ｏｆ ｇ ｅ
最 大的一路信 号、而且 同时选取信 噪比， 信干噪 比足够大 的各路信号一起进行检测 。仿真结果显示 ，该降低复杂度 Ｖ Ｂ ＡＳ － Ｌ Ｔ算法在取得与常规 Ｖ Ｂ ＡＳ － Ｌ Ｔ检测 十分接近 的误码性能的同时，达到 了显著低于后者的预处理复杂度 。
关键词 ：信 号检测 ；Ｖ Ｂ ＡＳ －Ｌ Ｔ算法；运算复杂度 中图分 类号 ： Ｎ １． Ｔ ９１ ５ 文献标识码 ： Ａ 文 章编号 ： ０ ０４ ６ ２ ０ ）９０ ４ ．６ １０ ．３ Ｘ（０ ７０ ．０ ００
V-BLAST系统检测算法比较
二～
增 加系统带 宽 的条件 下成倍 的提高通 信系统 的容量 和频谱效率 ， 而其 检 测 算 法 也 随 之 被不 断 提 出 。包 括 基于最 大似然 （ ｘｍｕ Ｌｋｌ ｏｄ ＭＬ ［ 、 Ｍａｉ ｍ ｉｅｈ ｏ ， ）５ 迫 ｉ ］
零 （ ｅｏＦ ｒｉｇ Ｚ ） 最 小 均 方 误 差 （ ｎｍｕ Ｚ ｒ ｏｃ ， Ｆ Ｅ ｎ 引、 Ｍｉｉ ｍ
２１ ０ １年 ５月 第１ ６卷 第 ３ 期
西 安 邮 电 学 院 学 报 Ｊ ＯＵＲ Ｌ ＯＦＸ ’ Ｎ ＵＮⅣ Ｅ Ｓ ｒ ０ＦＰ Ｓ ＮＡ ＩＡ Ｒ ｒＹ Ｏ ＴＳＡ Ｄ Ｔ Ｌ （ ＭＭＵＮＩ Ａ Ｏ Ｎ Ｅ Ｅ Ｃ ＴＩ ＮＳ
Ｍａ ０ １ ｙ２ １ ｖ０ ６Ｎｏ ３ ＬＩ ．
２
串并 转 换
｝
２ 信 号 处 理 检 测和 解 调
、
ＭｅｎＳ ｕｒｄ Ｅ ｒｒ ＭＭＳ ＿ 、 行 干 扰 消 除 ａ ｑａｅ ｒｏ ， Ｅ）５ 串 Ｊ
（ ｕ ｃ ｓｉｅＩｔｒｅｅ ｃ ａ ｃｌ ｔ ｎ Ｓ Ｃ ｃ 及 Ｓ ｃｅｓ ｎ ｅｆｒｎ ｅＣ ｎ ｅ ａｉ ， Ｉ ） 以 ｖ ｌ ｏ
图 １ Ｖ－ ＢＬＡＳ 系 统 模 型 Ｔ
球 形解码 （ ｐ ｅｅＤｅｏ ｉｇ Ｄ ［等 ， 而各 种算 Ｓ ｈ ｒ ｃｄｎ ，Ｓ ）６ 然 ］ 法 的误码性 能与计 算 复杂 度 都 各 不 相 同 ， 中最 大 其
在 一个 时隙 内 ， 假设 接收信 号 可表示为
ｒ＝ Ｈ × ｓ ， ＋ ห้องสมุดไป่ตู้ （） １
绍 ， 对 它们进行 了仿 真分 析 ， 出 了相关 结论 。 并 得
１ 系统 模 型
一
vblast算法
vblast算法标题：V-Blast算法：增强无线通信的利器引言：无线通信技术的快速发展，为人们的生活带来了巨大的便利。
而在这一背后，V-Blast算法作为一种重要的通信技术，正发挥着越来越重要的作用。
本文将以人类视角，为您详细介绍V-Blast算法的原理和应用，让您更好地了解这一技术的魅力。
一、V-Blast算法的简介随着无线通信技术的不断演进，V-Blast算法应运而生。
该算法的核心思想是利用多天线系统进行并行传输，从而提高无线信道的传输速率和可靠性。
通过同时发送多个独立的信号流，接收端可以利用天线间的独立性来解码并恢复原始数据。
相比传统的单天线系统，V-Blast算法在无线通信中具有独特的优势。
二、V-Blast算法的原理V-Blast算法的核心原理是利用多天线系统的空间多样性。
在发送端，原始数据被分成多个子流，并通过不同的天线同时发送。
接收端的每个天线接收到的信号是原始信号的一种组合，通过解码和分离，可以恢复出原始数据。
这种并行传输的方式大大提高了信号的传输速率和容量。
三、V-Blast算法的应用V-Blast算法在无线通信领域有着广泛的应用。
首先，在移动通信系统中，V-Blast算法可以有效提高信道的容量和覆盖范围，提供更快速、更稳定的通信服务。
其次，在无线局域网和无线传感器网络中，V-Blast算法可以提高网络的抗干扰能力和可靠性，实现更高效的数据传输。
此外，V-Blast算法还可应用于雷达系统、卫星通信等领域，为各种无线通信场景提供了有效的解决方案。
四、V-Blast算法的未来展望随着无线通信技术的不断发展，V-Blast算法也在不断演化和完善。
未来，我们可以期待更高效、更稳定的V-Blast算法出现。
例如，结合人工智能技术，进一步优化信号的解码和分离过程，提高系统的自适应性和鲁棒性。
同时，V-Blast算法的应用场景也将进一步扩展，为人们的生活带来更多的便利和创新。
结语：V-Blast算法作为一种重要的通信技术，正不断推动无线通信的进步与发展。
vblast信号检测算法原理 -回复
vblast信号检测算法原理-回复纵向Bell Labs 层叠的V-BLAST是一种基于天线与多输入多输出（MIMO）信道间的多天线信号传输技术。
它通过使用空间分集技术，在无线通信系统中实现了高速和高容量的数据传输。
该技术在高速移动通信和宽带通信等领域有着广泛的应用。
V-BLAST信号检测算法的原理是通过使用后向迭代算法对接收信号进行检测和解码。
该算法在接收端利用下行信息和上行信息来估计干扰噪声。
它通过反复迭代的方式，逐步优化估计值，从而提高信号检测的准确性和系统性能。
接下来，我们将一步一步地介绍V-BLAST信号检测算法的原理和步骤。
第一步是信号检测(检测初始信号)。
在接收端的第一个迭代中，初始可以将接收到的信号作为初始信号，然后进行信号检测。
其中的检测算法可以是最大比值合并(MRC)算法，该算法通过比较接收到的信号中的能量大小来选择概率最高的信号。
第二步是干扰估计。
接收到的信号可能会受到来自其他天线的干扰。
通过估计这些干扰的强度和相位，可以减少干扰对信号检测的影响。
干扰估计可以通过最小均方误差(MMSE)等算法来实现。
MMSE算法通过最小化接收信号与估计信号之间的均方误差来估计干扰的参数。
第三步是信号解码。
接收到的信号经过干扰估计后，需要对其进行解码以获得原始信号。
解码算法可以是最大后验概率(MAP)算法，该算法通过最大化接收到的信号概率与先验概率的乘积来选择最可能的原始信号。
第四步是更新估计值。
在进行了信号解码后，可以根据解码结果来更新干扰估计和信号检测的估计值。
通过反复迭代，可以逐步优化估计值，从而提高信号检测和系统性能。
第五步是判断终止准则。
在每一次迭代后，可以通过比较两次迭代后的误差大小来判断是否达到了终止准则。
如果误差足够小，则可以停止迭代，否则继续迭代。
通过以上五个步骤的反复迭代，V-BLAST信号检测算法可以逐步优化信号检测和解码的准确性，从而提高系统性能。
该算法在高速移动通信和宽带通信等领域具有重要的应用意义。
V-BLAST检测算法的研究及性能分析
其中，分子上的被减数是各层的干扰， xi 为消除其他层干扰以后的信号分量。
( ) xˆi = Q xi
i = 1, 2, , nT
（式 17）
上式表示对所得到的信号分量根据星座图进行硬判决解调。
由（式 14）可见， Rii 较小，这个求解信号的过程放大了系统中的噪声，所以 QR 分解
算法性能并不是很好。
表达式还可以写成如下的方程组形式：
nT
∑ r1i = Rij x j + n1i , i = 1, 2, , nT j=i
（式 15）
因为 R 为上三角矩阵，可以采用迭代方法从下到上逐次解出各个发送信号分量：
nT
∑ r1i − Rij xˆ j
xi =
j =i+1
Rii
i = 1, 2, , nT
（式 16）
又因为
（式 19）
( ) ( ) ( ) r = Hx + n, E xxH = InT E nnH = σ 2InT , E xnH = 0
将（式 19）代入（式 18）可以得到：
（式 20）
( ) W H =
H
H
H
+σ
I2 nT
−1 H H
（式 21）
将 MMSE 算法的思想以及干扰抵消的思想融合，同样可以设计出相应的排序和非排序
1. 引 言
当前无线通信业务量的飞速增长提出了对通信速率的更高的要求,在几种复用技术，如 频分复用、时分复用和码分复用都已经广泛实用化的形势下，能提供更大信道容量和频谱利 用率的编码、调制和信号处理的新技术成为了目前无线通信研究的热点。
分层空时码（LST：Layered Space-Time code）是由Bell实验室的Foschini提出的最早的 空时编码模型，由于其在提高频带利用率方面的巨大潜力而受到广泛关注。分层空时码最大 的优点在于：它允许采用一维的处理方法对多维空间信号进行处理，因此极大的降低了译码 复杂度。一般地，分层空时码的接收机复杂度与数据速率成线性关系。因此它作为在MIMO 系统中实现高速无线分组业务的一种解决方案，显示出良好的应用前景。
基于V-BLAST的MIMO信号检测算法
基于V-BLAST的MIMO信号检测算法摘要：本文主要介绍了v-blast系统的基本原理和信号检测算法,重点对v-blast解码算法的计算复杂度与检测性能进行了研究。
关键词：v-blast mimo 信号检测算法中图分类号：tn925 文献标识码：a 文章编号：1007-9416(2012)02-0130-02abstract:the basic principle of v-blast system and signal detection algorithms are introduced in this article, in which computational complexity and dtection performance of v-blast decoding algorithm are specially researched.keywords:v-blast mimo signal detection algorithm1、引言blast mimo方案是一种典型的、用于追求数据速率最大化的空分复用(sdm:space division multiplexing)传输方案。
在众多的mimo 传输方案中，追求数据速率最大化的v-blast传输方案（又称为分层空时码，layered space-time code）以及追求分集增益最大化的stbc传输方案最为典型。
主流的v- blast 检测算法有最大似然(ml)解码算法、线性解码算法和连续干扰抵消(sic)解码算法这三大类，线性解码算法包括迫零(zf)和最小均方误差(mmse)算法，连续干扰抵消算法包括串行干扰抵消算法和排序串行干扰抵消算法。
2、v-blast检测算法基于v-blast系统的特点，人们提出了许多不同的v-blast检测算法。
下面我们将一一介绍。
2.1 最大似然译码算法最大似然（maximum likelihood,ml）解码算法出现的比较早，它从发射所有信号中搜索满足(1)式的一个信号矢量（前提是所有信号的发射概率是相同的）：式中---frobeniu范数，即选择使式(1)值最小的作为发送信号的估值。
基于大规模MIMO系统的满分集VBLAST低复杂度译码算法
基于大规模MIMO系统的满分集VBLAST低复杂度译码算法李正权;沈连丰;吴名;王志功;贾子彦;宋铁成【摘要】为了提高大规模MIMO系统的分集增益、降低译码复杂度，构建了一种码率为1的满分集贝尔实验室垂直分层空时码，并采用最大比合并算法（MRC ）检测接收信号．分别计算了MRC算法的平均输出信干噪比（SINR）和传统迫零算法（ZF）的平均信噪比（SNR），分析了性能相等时应满足的条件，并且比较了2种算法的计算复杂度和BER性能．结果表明，当BER＝10－5，收发天线数为400和40、调制方式分别为BPSK和QPSK时，最大比合并算法的BER性能较迫零算法分别存在0.4和0.3 dB的增益．采用所提算法对接收信号进行检测，不但能够降低系统的计算复杂度，而且能保证系统的误比特率性能．%To improve the diversity gain of the massive multiple-input multiple-output (MIMO)sys-tem and reduce the decoding complexity,a kind of rate one vertical bell laboratories layered space time (VBLAST)code with full diversity is designed,and the received signals are detected by a low complexity algorithm,named maximum ratio combining(MRC)algorithm.The average output sig-nal-to-interference-noise ratio (SINR)of this algorithm and the average output signal-to-noise ratio (SNR)of the traditional zero-forcing (ZF)algorithm arecalculated,respectively.The conditions of equal performance are analyzed.The computational complexity and the bit error rate performance of these two algorithms are compared.The results show that the MRC algorithm can provide a gain of 0.4 and 0.3 dB than the ZF algorithm whenthe bit error rate (BER)is 10 -5 and the numbers of the transmit antennas are 400 and 40 for binary-phase shift keying (BPSK)and quadrature-phase shift keying (QPSK),respectively.The MRC algorithm can decrease the computational complexity and ensure the bit error rate performance in the massive MIMO system.【期刊名称】《东南大学学报（自然科学版）》【年(卷),期】2016(046)005【总页数】7页(P905-911)【关键词】大规模MIMO系统;VBLAST;误比特率;信噪比【作者】李正权;沈连丰;吴名;王志功;贾子彦;宋铁成【作者单位】东南大学移动通信国家重点实验室，南京210096;东南大学移动通信国家重点实验室，南京210096;东南大学移动通信国家重点实验室，南京210096;东南大学射频与光电集成电路研究所，南京210096;东南大学移动通信国家重点实验室，南京210096;东南大学移动通信国家重点实验室，南京210096【正文语种】中文【中图分类】TN911.7在大规模MIMO系统中,基站装备大量天线(数量通常大于100)为更多的移动用户服务,以获得更高的频谱效率、数据传输速率和吞吐量以及更好的通信质量[1]．当天线数量很大时,复杂度是一个必须考虑的重要因素．学者们对大规模MIMO系统低复杂度检测算法已展开了大量研究．最传统的低复杂度检测算法为ZF算法和MMSE算法．文献[2]于高数据速率下采用ZF算法和MMSE算法对接收信号进行了检测．文献[3]采用ZF和MMSE均衡器对SNR较高情况下的MIMO系统性能进行了深入研究．文献[4]针对非二进制LDPC码的大规模MIMO系统,采用MMSE对接收信号进行检测．文献[5]针对具有平坦瑞利衰落信道的宏分集MIMO 系统,采用ZF接收机和MMSE接收机对接收信号进行检测．ZF算法和MMSE算法均需要对大维矩阵求逆,为了降低复杂度,学者们提出了MRC算法,该算法避免了矩阵求逆运算．文献[6]研究了基于大规模MIMO的多对全双工中继通信,接收端采用MRC算法来检测接收信号．文献[7]针对大规模MIMO上行链路,研究了基于MRC算法的接收机准确/不准确知道信道状态信息情况下的性能界．针对上行链路大规模MIMO系统,当接收机采用TR-MRC译码算法时,文献[8]分析了相位噪声对性能的影响．针对莱斯信道,文献[9]研究了基站采用MRC接收机的多小区大规模MIMO系统的低复杂度功率分配算法．文献[6-9]仅分析了发射信号为一个列向量的情况,此时的发射信号不存在发射分集增益,而空时分组码的优点之一是存在发射分集增益．因此,为了提高发射分集增益,部分学者将大规模MIMO技术与空时分组编码技术相结合．文献[10]分析了MRC算法的SINR性能,并研究了其与ZF算法SNR性能相等时应满足的条件．文献[11]研究了大规模MIMO系统中基于LC-VBLAST的自适应调制和功率控制技术,采用MRC算法对接收信号进行译码．文献[10-11]中VBLAST的分集增益均为1．本文设计了一种码率为1的满分集VBLAST,分别采用MRC算法和ZF算法对接收信号进行译码,研究了MRC算法的SINR性能和ZF算法的SNR性能相等时应满足的条件．1.1 信道模型考虑一个上行链路大规模MIMO系统,发射端具有Nt个发射天线,用于向基站发射信号,基站接收天线数量Nr≥100．假设H为基站接收天线与发射端发射天线之间的信道矩阵,维数为Nr×Nt,矩阵中元素hnm表示第m(1≤m≤Nt)个发射天线到第n(1≤n≤Nr)个接收天线之间的信道增益系数,均方值2]=Pm．令X为发射信号矩阵,其维数为Nt×T,其中T为发射时隙数,矩阵中元素xni满足2]=Es=1,向量xi表示发射信号矩阵X的第i(1≤i≤T)列．令Y为接收信号矩阵,其维数为Nr×T,向量yi 表示其第i列．则接收信号矩阵可表示为式中,N为基站接收天线与发射端天线之间的噪声矩阵,维数为Nr×T,矩阵中元素nni满足独立同分布复高斯分布,其均值为0,方差为σ2．由此可知式中,P表示对角线元素为p1,p2…,pNt的Nt×Nt维对角矩阵; V表示维数为Nr×Nt的矩阵,其元素是均值为0、方差为1的独立同分布高斯随机变量．1.2 码字构建假设输入星座图信号为a1,a2,…,aNt,则发射信号矩阵可以通过如下方式构建:式中,Em为Nt×Nt维的色散矩阵．令Π为一个Nt×Nt维酉矩阵,且满足ΠHΠ=I．式中,δ表示模为1的复数,且δ≠1．假设矩阵Em为m-1个矩阵Π的乘积,即满足当m=1时,令将式(4)～(6)代入式(3),可以得到码率为1的满分集VBLAST码,即发射信号矩阵为由此可以得到如下引理．引理1 式(7)中的矩阵为满分集矩阵．证明根据文献[12]可知,在给定发射信号矩阵X和信道矩阵H的情况下,由于噪声矩阵N的元素满足独立同分布复高斯分布,因此接收信号矩阵Y的元素也服从高斯分布．假设实际的发射信号矩阵和接收信号矩阵分别为X1和Y1,译码器判决的发射信号矩阵为X2,在给定信道矩阵H的情况下,成对错误概率为式中,‖·‖F表示Frobenius范数,且对于任意矩阵A,有‖,其中tr(·)为矩阵的迹．将接收信号矩阵Y1=HX1+N1以及矩阵Frobenius范数表达式代入式(8)中,可以得到式中,B=tr[N1HH(X1-X2)+(X1-X2)HHN1]．在信道矩阵H给定的情况下,B是一个均值为0、方差为‖的高斯随机变量．因此,式(9)中的条件成对错误概率为式中,为马库姆函数．令D=(X1-X2)H(X1-X2),对矩阵D进行奇异值分解得到D=VHΛV,然后利用分解结果对式(10)进行适当变换,并根据Q函数的性质,可以得到条件成对错误概率为式中,λm(m=1,2,…,Nt)为矩阵D的特征值,且λm≥0;βmn为矩阵VH的元素,其幅度是服从均值为0、方差为1的瑞利分布随机变量．利用瑞利分布的概率密度函数对条件成对错误概率求数学期望,即可得到成对错误概率为当信噪比Es/σ2=1/σ2取值较大且λm>0(即矩阵D为满分集矩阵)时,式(12)分母中的1可以忽略不计,式(12)即可记为由式(13)可知,分子(4σ2)NrNt中指数NrNt即为式(7)所设计发射信号的分集增益(即满分集增益)．下面证明矩阵D为满分集矩阵．只要证明矩阵X1-X2为满分集矩阵,则可推断出矩阵D为满分集矩阵．如果矩阵X1-X2为满分集矩阵,则矩阵的列向量线性无关．假设矩阵X1和X2的列向量分别为和(1≤i≤T),则矩阵X1-X2的列向量为．假设矩阵X1-X2的列向量之间线性相关,则第1列向量可以用其他T-1列向量线性表示．令ki(1≤i≤T)为一个标量,且k1=1,则矩阵X1-X2的第1列向量与其他T-1列向量之间的关系可表示为将式(7)代入式(14)中,经过适当变换可以得到由于δ≠1,由(15)式可以得到ki=0(i=2,3,…,T),这与前面假设矛盾．因此,矩阵X1-X2中所有列向量线性无关,为满分集矩阵．由此可知,矩阵D也为满分集矩阵．证毕．发射端发射X的第i列信号xi时,基站接收信号后分别采用MRC算法和ZF算法对其第m个信号进行译码．采用MRC算法时,对式(2)中的接收信号yi左乘HH,其中HH表示信道矩阵H的Hermitian变换;采用ZF算法时,对式(2)中的接收信号yi 左乘(HHH)-1HH,此时要求基站接收天线数不少于发射端天线数,即Nr≥Nt．下面对采用MRC算法时接收端的平均SINR性能和采用ZF算法时的平均SNR性能进行比较．1) 当k<i≤m时,发射端第m个发射天线发射的信号为am-i+1．① 针对第n个接收天线,采用MRC算法对信号xm-i+1进行译码,此时其他Nt-1个信号即为干扰信号,则接收端的平均SINR为式中，hm为原信道矩阵H中第m列向量.由式(2)可知式中,向量vm为式(2)中矩阵V的第m列向量;元素pm为式(2)中对角矩阵P的第m个对角元素．将式(17)代入式(16)中,根据2]=1,发射信号am-i+1和噪声向量ni 中的元素都与向量hm中的元素统计独立,且将式(18)代入式(16)中可得根据Laplace近似原理[13]可推知对式(20)中的分子分母同时除以 ,则有根据Laplace近似原理[13]可得② 针对第n个接收天线,采用ZF算法对信号am-i+1进行译码,其他Nt-1个信号对信号am-i+1没有干扰．对第m个信号进行译码时,假设Hm表示信道矩阵H 中去除第m列元素后得到的新信道矩阵，则接收端的平均SNR为式中,[·]m表示向量的第m个元素,则．对式(24)中的分母进行展开,可以得到式中,[·]mm表示矩阵中的第m个对角线元素．由于噪声向量ni中的元素都与向量hm中的元素统计独立,且噪声功率2]=σ2,因此式(25)可以改写为根据式(2)可知将式(27)代入式(26)中可得根据文献[5,10]可知式中，.由于vm的元素是均值为0、方差为1的独立同分布高斯随机变量,因此元素 vm 服从分布,即．由此可知,式(28)可改写为为使MRC算法的平均SINR性能与ZF算法的平均SNR性能相同,需满足2) 当i≥m+1时,发射端第m个发射天线发射的信号为δaNt-i+m+1．针对第n 个接收天线,分别采用MRC算法和ZF算法对信号δaNt-i+m+1进行译码,则有因此,为使MRC算法的平均SINR性能与ZF算法的平均SNR性能相同,则同样需要满足式(31)．3) 当i=1时,发射端第m个发射天线发射的信号为am．针对第n个接收天线,分别采用MRC算法和ZF算法对信号am进行译码,则有因此,为使MRC算法的平均SINR性能与ZF算法的平均SNR性能相同,则需满足当时,式(31)和式(36)等价．综上可知,当系统的发射天线数、接收天线数、信道矩阵方差以及噪声方差满足式(31)或式(36)时,采用MRC算法来代替ZF算法对接收信号进行译码,可以有效地保证系统的SINR性能．根据文献[14],可以求出MRC算法和ZF算法的复数乘法次数、复数加法次数和实数开平方次数．接收端采用ZF算法对信号进行译码,计算矩阵HH与矩阵H的乘积HHH时需要进行NrNt(Nt+1)/2次复数乘法和(Nr-1)Nt(Nt+1)/2次复数加法,计算逆矩阵(HHH)-1时需要进行/2次复数乘法/2次复数加法和Nt次开平方运算,计算矩阵(HHH)-1与矩阵HH的乘积(HHH)-1HH时需要进行 Nr次复数乘法和NtNr(Nt-1)次复数加法,计算(HHH)-1HH与H的乘积(HHH)-1HHH时需要进行 Nr次复数乘法和 (Nr-1)次复数加法,计算(HHH)-1HHH与xt的乘积(HHH)-1HHHxt时需进行次复数乘法和Nt(Nt-1)次复数加法,计算(HHH)-1HH与ni的乘积(HHH)-1HHni时需要进行NtNr次复数乘法和Nt(Nr-1)次复数加法．因此,总共需要进行+5Nt)/2次复数乘法次复数加法和NtT次开平方运算．接收端采用MRC算法进行信号译码时,其计算复杂度与上述类似．2种算法的计算复杂度比较见表1．由表1可知,与ZF算法相比,MRC算法的总运算次数明显较低．假设系统中发射端天线数Nt=4,10,40,基站接收机天线数Nr=40,100,400,发射信号矩阵的计算公式见式(7),且．假设信道为独立同分布的瑞利衰落信道．对MRC 算法和ZF算法进行误比特率性能仿真．将频谱利用率设定为1和2 bit/(s·Hz),调制方式设定为BPSK和QPSK,仿真结果见图1．由图1(a)和(b)可知,当BER=10-5时,在移动用户发射天线数和基站接收天线数较少的情况下,与ZF算法相比,MRC算法的误比特率性能分别有-0.5和-2 dB的增益.这是因为在高SNR情况下,MRC算法中矩阵HHH的每一行非主对角线元素相对于该行主对角线元素不能忽略不计,从而导致符号间干扰,而ZF算法消除了符号间干扰,只存在噪声的影响,因此ZF算法的BER性能优于MRC算法．由图1(c)和(d)可见,随着发射天线数和接收天线数的增加, SNR较低时MRC算法的误比特率性能优于ZF算法,SNR较高时MRC算法的误比特率性能较ZF算法差．由图1(e)和(f)可见,随着发射天线数和接收天线数的继续增加,与ZF算法相比,MRC算法的BER性能分别存在0.4和0.3 dB的增益.这是因为随着天线数的增加,矩阵HHH中每一行非主对角线元素与该行主对角线元素的比值逐渐变小,导致符号间干扰越来越弱.因此，随着SNR的增加,MRC算法的BER性能越来越接近ZF算法．根据文献[15]可知,随着移动用户发射天线和基站接收端天线数的增加,矩阵HHH中每一行非主对角线元素与该行主对角线元素的比值不断减小;当基站天线数趋于无穷大时,非主对角元素相对于主对角元素可以忽略不计．矩阵HHH近似等于E[HHH],即矩阵HHH近似为对角阵,换言之,对于MRC算法和ZF算法,当Nr,Nt→∞时分别有HHH/Nr→INt和(HHH)-1HH→HH/Nr,其中INt为Nt×Nt的单位矩阵．因此,在大规模MIMO系统中,与ZF算法相比,采用MRC算法对接收信号进行检测,不但能够降低系统的计算复杂度,而且能够保证系统的误比特率性能．针对上行链路的大规模MIMO系统,分别计算了MRC算法的平均SINR与ZF算法的平均SNR,分析了性能相等时应满足的条件,并对2种算法进行了计算复杂度和误比特率性能对比．结果表明,在大规模MIMO系统中,与ZF算法相比,采用MRC 算法对接收信号进行检测,不但能够降低系统的计算复杂度,而且能够保证系统的误比特率性能．[1]Rusek F, Persson D, Lau B K, et al. Scaling up MIMO: Opportunities and challenges with very large arrays [J]. IEEE Signal Process Magazine, 2013, 30(1): 40-60. DOI:10.1109/MSP.2011.2178495.[2]Sinha N B, Bera R, Mitra M. MIMO detection algorithms for high data rate wireless transmission [J]. Journal of Computer Science and Engineering, 2010, 1(1): 91-98.[3]Jiang Y, Varanasi M K, Li J. Performance analysis of ZF and MMSE equalizers for MIMO systems: An in-depth study of the high SNR regime [J]. IEEE Transactions on Information Theory, 2011, 57(4): 2008—2026. DOI:10.1109/tit.2011.2112070.[4]Suthisopapan P, Kasai K, Imtawil V, et al. Approaching capacity of large MIMO systems by non-binary LDPC codes and MMSE detection [C]//IEEE International Symposium on Information Theory. Cambridge,Massachusetts, USA, 2012: 1712-1716.[5]Basnayaka D A, Smith P J, Martin P A. Performance analysis of macrodiversity MIMO systems with MMSE and ZF receivers in flat Rayleigh fading [J]. IEEE Transactions on Wireless Communications, 2013, 12(5): 2240-2251. DOI:10.1109/twc.2013.032113.120798.[6]Ngo H Q, Suraweera H A, Matthaiou M, et al. Multipair full-duplex relaying with massive arrays and linear processing [J]. IEEE Journal on Selected Areas in Communications, 2014, 32(9): 1721-1737.DOI:10.1109/jsac.2014.2330091.[7]Khansefid A, Minn H. Performance bounds for massive MIMO uplink[C]//2014 IEEE Global Conference on Signal and Information Processing (GlobalSIP). Atlanta, GA, USA, 2014:632-636.DOI:10.1109/globalsip.2014.7032194.[8]Pitarokoilis A, Mohammed S K, Larsson E G. Uplink performance of time-reversal MRC in massive MIMO systems subject to phase noise [J]. IEEE Transactions on Wireless Communications, 2013, 14(2): 711-723.[9]范利,金石. 低复杂度大规模MIMO系统上行功率分配算法 [J]. 东南大学学报(自然科学版),2016,46(1): 7-12. DOI:10.3969/j.issn.1001-0505.2016.01.002. Fan Li, Jin Shi. Low complexity power allocation algorithms for uplink of massive MIMO systems[J]. Journal of Southeast University (Natural Science Edition), 2016, 46(1): 7-12. DOI:10.3969/j.issn.1001-0505.2016.01.002. (in Chinese)[10]Alnajjar K A, Smith P J, Woodward G K. Low complexity V-BLAST for massive MIMO [C]//2014 Australian Communications Theory Workshop(AusCTW). Sydney, Australia, 2014: 22-26.DOI:10.1109/ausctw.2014.6766422.[11]Alnajjar K A, Smith P J, Woodward G K. Low complexity V-BLAST for massive MIMO with adaptive modulation and power control [C]//2015 International Conference on Information and Communication Technology Research (ICTRC). Abu, Dhabi United Arab Emirates, 2015: 1-4.DOI:10.1109/ictrc.2015.7156406.[12]哈米德·贾法哈尼. 空时编码的理论与实践[M]. 任品毅，译. 西安:西安交通大学出版社, 2007: 38-41.[13]Basnayaka D A, Smith P J, Martin P A. Ergodic sum capacity of macrodiversity MIMO systems in flat Rayleigh fading [J]. IEEE Transactions on Information Theory, 2013, 59(9): 5257-5270.DOI:10.1109/tit.2013.2264503.[14]Hunger R. Floating point operations in matrix-vector calculus [R]. Munich, Germany:Munich University of Technology, 2007.[15]Narasimhan T L. Channel hardening-exploiting message passing (CHEMP) receiver in large-scale MIMO systems[J]. IEEE Journal of Selected Topics in Signal Processing, 2014, 8(5): 847-860.。
用于MIMO信号检测的降低复杂度V-BLAST算法
用于MIMO信号检测的降低复杂度V-BLAST算法
刘谦雷;杨绿溪;许道峰
【期刊名称】《通信学报》
【年(卷),期】2007(28)9
【摘要】用于多输入多输出(MIMO)通信系统信号检测的V-BLAST算法其预处理具有较高的运算复杂度.对此作出改进,提出了一种降低复杂度V-BLAST算法.该算法在V-BLAST每一步的检测中不仅选取信噪比/信干噪比最大的一路信号、而且同时选取信噪比/信干噪比足够大的各路信号一起进行检测.仿真结果显示,该降低复杂度V-BLAST算法在取得与常规V-BLAST检测十分接近的误码性能的同时,达到了显著低于后者的预处理复杂度.
【总页数】6页(P40-45)
【作者】刘谦雷;杨绿溪;许道峰
【作者单位】东南大学,无线电工程系,江苏,南京,210096;东南大学,无线电工程系,江苏,南京,210096;东南大学,无线电工程系,江苏,南京,210096
【正文语种】中文
【中图分类】TN911.5
【相关文献】
1.用于MIMO-OFDM系统信号检测的简化V-BLAST方法 [J], 刘谦雷;杨绿溪
2.基于V-BLAST的MIMO信号检测算法 [J], 吴翠鸿;裴东兴
3.基于V-BLAST的MIMO信号检测算法 [J], 吴翠鸿;裴东兴
4.大规模MIMO系统中低复杂度信号检测算法 [J], 任茜源; 郑兴林
5.大规模MIMO系统中基于TFQMR的低复杂度信号检测算法 [J], 陈洪燕;李刚;景小荣
因版权原因，仅展示原文概要，查看原文内容请购买。
V-BLAST检测算法性能研究
邮 电 学
院
学 报
２ １ 年 ’弱 ０１
独立复高斯分布 的随机信道响应 ， 矩阵的列 ｈ （ 一 ； ｊ
１ … ，ｒ 互 不相关 。 ， ）
到广泛关 注。在 Ｖ Ｂ Ｌ Ｔ系统中， －Ａ Ｓ 接收信号是所
有发射信号和噪声 的叠加 。最优 的检测算法是最大
似然方法（ ｘ ｎＬｋ ｌ ｏ ｄ ＭＬ ， Ｍａ ｉ ｉｅｈ ｏ ， ）但是 由于其 ｍｕ ｉ 复杂度过高 而难 以实 现。因此 ， －Ｌ Ｓ Ｖ Ｂ Ａ Ｔ检测方
法 利用 干扰抑 制 和 干扰 相 消技 术 ， 即对 于 检 测某 个
２１ ０ １年 ７月 第１ ６卷 第 ４期
西 安 邮 电 学 院 学 报 Ｊ 瓜ＮＡ ＦＸ ’ Ｎ ＵＮＩ Ｅ Ｉ Ｙ Ｏ ＯＳ ＳＡ ０１ ＬＯ ＩＡ Ｖ ＲＳＴ ＦＰ Ｔ ＮＤＴＥ Ｅ ０ 仉 Ｉ ＡＴ Ｏ １ Ｃ Ｃ Ｉ ＮＳ
Ｊ１ ０ １ ｕ．２ １ Ｖｏ． ６Ｎｏ ４ １１ ．
Ｖ－ Ｌ 。 Ｂ ＡＳ Ｔ检测算 法性能研究
郑 亮， 建军 ， 卢 战金龙
（ 西安邮 电学院 通信与信 息工程 学院， 陕西 西安 ７０ ２ ） １ １ １
摘要 ： 垂直分 层空 时码 （ ｒ ｃｌ ｅｌ ａ ｏａｏｉｓｌ ｅｅ ｐ ｃ－ ｍｅＶ Ｂ ＡＳ ） 把 Ｖｅｔ ａ Ｂ ｌＬ ｂ ｒｔｒ ｙｒｄｓａｅｔ ， － Ｌ Ｔ 中常用检测 算法按 照基于迫零 ｉ－ ｅ ａ ｉ
在 不 增 加 系 统 带 宽 和发 射 功 率 的前 提 下 ， 使用效率。Ｂ Ａ Ｔ包括对角 Ｂ Ａ Ｔ Ｉ Ｂ Ａ Ｔ ， Ｌ Ｓ Ｌ Ｓ （ ＩＬ Ｓ ） ）
垂 直 Ｂ ＡＳ （ Ｂ ＡＳ Ｌ Ｔ Ｖ－Ｌ Ｔ）和 水 平 Ｂ ＡＳ （ Ｌ Ｔ Ｈ—
一种高效的V—BLAST最大似然检测算法
理论和 实践 已证 明多 发送多接 收天线 （ Ｉ ） Ｍ Ｍ０ 系统 能够显 著提 高频 谱利用 率 ， 于 高速 无线 通信 业务 ， 对
特别是无线 多媒体业 务 ， 用 Ｍ Ｍ 采 Ｉ Ｏ系统是 一个 比较 理 想 的解 决 方案 ｊ在 ＭＩ Ｏ系统 的研 究 中，ｏｃｉｉ ． Ｍ Ｆｓ ｎ ｈ 等提 出了 Ｍ ＭＯ系统 的重 要分 支—— 分层 空 时码 （ Ｔ ． 层 空 时码 实际 上 描述 了空时 多维 信 号发 送 的结 Ｉ ）分 构， 它可 以和 信 道 编 码 进行 级 联 ． 简 单 的未 编 码 分 层 空 时 码 就 是 贝尔 实 验 室 垂 直 结 构 分 层 空 时 码 （ ． 最 Ｖ Ｂ Ｔ ， Ｌ ｓ ）它是一种 重要 的分层 空时码结构ｂ ． —Ｌ Ｓ Ｊ Ｖ Ｂ Ａ Ｔ译码 有多 种算 法 ， 最优 的是 最大 似然 （ 王）算 法 ． Ｍ Ｊ） 但 Ｍ Ｄ算 法具 有指数 复杂度 ， Ｌ 无法实用化 ． 文献 ［］ ，ｏ ｅ 提 出了一 种排序连续 干扰 抵消 Ｖ Ｂ Ａ Ｔ检 测算 在 ５中 Ｇ ｌ ｎ ｄ —Ｌ Ｓ 法 （ ｓｃ ， ｏ ｉ） 在此译码算 法 中， 需要 （ 发射 天线 数） 次对信道矩 阵求伪逆 ， 每次得出一 个迫 零向量 ， 每次求 伪逆
１ 系统模 型
图 １ 出垂直 分层 空 时码 系统 模 型 ， 送 天 线 给 发 数 为 ｍ， 收 天线数 为 凡． 射 机 中 ， 接 发 信源输 出经 串 ，
并转 换后 ， 形成 ｍ层并 行数 据 ， 每层 数 据经 调 制后 ， 送入 ｍ 个发 射天 线 ； 射信 号经 瑞 利衰 落信 道 到达 发 凡个 接收 天线 ， 接 收天线 同时接 收所 有发 送 符号 ，发 各
vblast信号检测算法原理
vblast（Vertical Bell Laboratories Layered Space-Time）信号检测算法是一种在MIMO（Multiple Input Multiple Output）通信系统中用于多天线检测的算法。
该算法在现代通信系统中被广泛应用，能够显著提高系统的容量和性能。
本文将介绍vblast信号检测算法的原理以及其在MIMO通信系统中的应用。
一、vblast信号检测算法原理1. MIMO通信系统简介MIMO通信系统是一种采用多个天线进行信号传输和接收的通信系统。
通过利用空间多样性和信道的相关性，MIMO系统能够显著提高通信的可靠性和速率。
在MIMO系统中，发送端和接收端分别使用多个天线进行信号的发送和接收，从而实现了多路径传输和空间复用。
2. vblast信号检测算法概述vblast信号检测算法是由贝尔实验室提出的一种适用于MIMO通信系统的线性检测算法。
该算法利用了空间分集技术和贪婪搜索算法，能够在复杂的MIMO信道条件下实现高效的信号检测和解调。
vblast算法采用了分层处理的思想，能够将复杂的多天线检测问题分解为多个简单的单天线检测问题，从而大大简化了信号检测的复杂度。
3. vblast信号检测算法原理vblast算法的原理基于以下几个关键步骤：（1）分层处理：首先将接收到的多天线信号按照不同的传输层进行分层处理，将复杂的MIMO信道分解为多个简单的单天线信道，从而简化了信号检测的复杂度。
（2）零重叠解调：在每一层的检测过程中，vblast算法利用了零重叠解调技术，避免了不同天线之间的干扰，实现了各个天线信号的独立检测。
（3）贪婪搜索：通过贪婪搜索算法，vblast算法能够高效地找到最优的解调符号序列，从而实现了高效的信号检测和解调。
二、vblast算法在MIMO通信系统中的应用1. vblast算法的优点vblast算法在MIMO通信系统中具有以下优点：（1）高信道容量：通过利用空间多样性和信道的相关性，vblast算法能够显著提高MIMO系统的信道容量，实现了更高的数据传输速率。
V-BLAST系统的检测算法研究
关键 词 多输 人 多输 出 ； 直 分 层 空 时码 ； 测 算 法 垂 检
中 图分 类 号 Ｔ ｇ１７ Ｐ ｌ．
Ｒｅ ｅ ｃ ｎ Ｄｅ ｅ ｔｏ ｇ ｒ ｔ ｓ ａｒ ｈ ｏ ｔ ｃ ｉ ｎ Ａｌ ｏ ｉｈｍ ｓ ｆ ｒ Ｖ— ｏ ＢＬＡＳ Ｓ ｓ ｅ Ｔ ｙ ｔ ｍ
在此模 型下 ， 义 ｔ 刻从 发送 天 线 Ｊ到接 收 定 时 天线 ｉ的信 道 响应 为 ｈ ￡ ， 接收 天线 ｉ （） 则 上接 收
如何设计更 有效 的检测 算法 ， 进一 步提 高 系统 的 来 性能 和降低 实现 的复杂 度 ， 以使其 能够更 好 的应 用
长） 信道 满足准 静态和瑞 利平 衰落 条件 ， 且 接收 ， 并
为无线通信领 域 的研 究 热点 ， 因为它 能够 在不增 加
额外带宽和发 射功率 的情 况下 ， 成倍地 提 高通信 系 统 的容 量 和频 谱 利 用 率 ＿ 。垂 直 分 层 空 时码 （ － １ ］ Ｖ ＢＡＳ ） ］ Ｉ Ｔ Ｉ作为 ＭＩ ２ ＭＯ系统空 时复用技术 的典型 代 表， 由于其在 提高 频带 利用率 方 面具有 巨大潜 力 而
倍受关注 。 目前 有关 Ｖ Ｂ Ａ Ｔ的研究 主要集 中在 －Ｌ Ｓ
端 准确知 道信 道状 态 信 息 ， 相 同 的持续 时 间 内， 在
信 号从 Ｎ 个 天线上 同时 被发 送 ， 每个 接收 天线 上 接 收到 的信 号 是 噪声 与 Ｎ 个 发射 信 号 经 过 衰 落
后 的线 性叠 加 。
Ａ ｓ ｒｃ Ｖｅ ｔ ａ ｌ Ｌａ ｅ ｅ ｐ ｃ － ｍｅ Ｃ ｄ （ ＢＬＡＳ ｂ ｔａ ｔ ｒｉ ｌ ｃ Ｂｅｌ ｙ ｒ ｄ Ｓ ａ ｅＴｉ ｏ ｅ Ｖ— Ｔ）ｉ ａ ｎ ｖ １ ｕ ｔ Ｉ ｐ ｔ Ｍ ｕ ｔ Ｏｕ ｐ ｔ（ Ｉ Ｏ）ａ ｔ ｎ ａ Ｓ ｏ ｅ Ｍ ｌ ｎ ｕ ｌｉ ｔ ｕ Ｍ Ｍ ｉ ｎｅｎ
移动通信中v-blast系统及其检测算法研究
0 引言
近 年 来， 移 动 通 信 用 户 越 来 越 多， 对 移 动 通 信 业 务 的 需求也越来越多样化，从一开始的语音业务到现在的音频、 视频等多媒体业务，不断增加的音频、视频业务对频谱资源 的需求也越来越大。如何提高频谱利用率一直是通信工程师 考虑的问题。通信工程师采用信源编码技术、信道编码技 术、调制解调技术和信号处理技术来提高频谱利用率。由于 MIMO（多输入多输出）技术和 V-BAST（空时编码）技术 可以提高移动通信的系统容量和频谱利用率，被认为是新一 代移动通信系统的关键技术。MIMO 技术利用多径效应，将 智能信道转化为矩阵信道。Foschini 和 Chuah[1] 认为 MIMO 系统的频谱利用率可以达到 20 ～ 40 b/(s·Hz)。Foschini[1] 等
Zhang Li
(Nanjing University Jinling College, Nanjing Jiangsu 210089, China)
Abstract: Improving the capacity of mobile communication system is one of the goals of improving the performance of mobile communication system. Space-time coding technology can provide high-quality coding symbols in a certain fading environment, so as to improve the system capacity, so it has been widely concerned in wireless communication. V-BLAST (vertical layered spacetime system) proposed by Bell Laboratories has been applied in practical system because of its high transmission rate and spectrum utilization, and is an important technology of mobile communication. Based on this, the author mainly studies the model construction and common detection algorithms of vertical layered space-time system, analyzes the characteristics and performance of various detection algorithms, improves the algorithm on this basis, combines the traditional sequential interference cancellation algorithm with the maximum likelihood algorithm, and simulates the improved algorithm.
一种低复杂度的近似最大似然MIMO检测算法
一种低复杂度的近似最大似然MIMO检测算法陈雯柏;李卫;张小频【摘要】为保证无线传感器网络协作式V-BLAST传输中,在较高的检测性能的前提下大大降低算法复杂度,提出一种低复杂度的近似最大似然检测算法.将传统的V-BLAST算法性能最好一层解的邻域作为候选判决集合,并以此邻域内每一个符号作为初始值进一步采用传统的V-BLAST算法反馈判决其他层的符号,采用最大似然准则对候选向量进行判断.该方法有效减小了最大似然检测算法检测向量的数目,降低了算法的复杂度.仿真结果表明该算法具有良好的综合性能.%Aiming at reducing the computational complexity greatly and achieving high detection performance in cooperative MIMO-based WSN,a new complexity reduction ML detection algorithm is ing conventional V-BLAST algorithm,the best performance layer is found,and the neighborhood is considered to be candidate set.Regard the every symbol in the candidate set as initial value,we adopt V-BLAST algorithm again to detect the symbol of other layers.At last,we use the maximum likelihood criterion to judge the candidate vector.Because the number of constellation point in the maximum likelihood detection algorithm is reduced effectively,the complexity of the algorithm decrease greatly.The simulation results show that the proposed scheme obtains good comprehensive performance.【期刊名称】《哈尔滨工业大学学报》【年(卷),期】2012(044)005【总页数】4页(P140-143)【关键词】最大似然检测;排序连续干扰抵消;垂直分层空时码;多输入多输出;无线传感器网络【作者】陈雯柏;李卫;张小频【作者单位】北京信息科技大学自动化学院,北京100192;中国电子工程设计院,北京 100840;北京邮电大学信息光子学与光通信国家重点实验室,北京100876【正文语种】中文【中图分类】TN92多发送多接收天线(MIMO)技术被认为是下一代移动通信系统的关键技术之一，它使得在不增加带宽的情况下能够成倍地提高通信系统的容量与频谱利用率成为现实［1-2］.将MIMO技术引入无线传感器网络，可利用其分集增益性能来克服信道衰落;亦可利用其复用增益性能来提高信息速率.这两方面均有利于提高传感器网络的能效，延长传感器网络的生命期［3-4］neman等［3］建立了协作式MIMO技术的端到端传输容量及能耗分析模型，Shuguang Cui［4］，Xiaohua Li［5-6］以及S.K.Jayaweera［7］等则提出了无线传感器网络中基于STBC、V-BLAST空时处理的协作式MIMO传输方案，这对于存在多径衰落的无线传感器网络监测应用中的节省能耗尤为有效.贝尔实验室垂直结构分层空时码(VBLAST)是一种重要的未编码分层空时码结构［8-9］.基于V-BLAST的协作式MIMO传输，发送端数据采集节点同时独立地向接收端发射各自感知信息，汇聚节点根据自身天线接收到信号与辅助节点接收的信号，选用合适的解码算法得到数据采集节点各自发射的信号.研究设计高BER性能，低计算复杂度的信号检测算法对无线传感器网络的节能传输具有重要意义.常用的V-BLAST译码检测算法主要有线性接收算法、排序干扰抵消算法［10］、QR分解算法［11］与MMSE算法［12］等.最大似然(MLD)检测是最优的V-BLAST译码算法，但具有指数复杂度.利用好ML检测机制的优异性能，并且与其他检测方法如QR、MMSE等方法进行不同程度的结合，减小算法复杂度是ML 实用化的一个重要方法.文献［13-17］等沿这一思路进行了研究.综合考虑检测性能和算法复杂度，本文提出一种新的低复杂度的VBLAST最大似然检测算法.1MIMO系统信道模型如图1所示，点到点的MIMO系统信道模型，具有nT根发送天线，nR根接收天线.准静态衰落信道条件下，t时刻接收机收到的信号向量可表示为式中:rt表示nR×1的接收信号向量;xt是nT×1的发送信号矢量;H是nR×nT维信道响应矩阵，其第i、j分量hij代表第j发射天线至第i接收天线衰落特性，hij为均值为0方差为1复高斯随机变量;nt=［n1t，n2t，…，nnt］T代表接收机输入噪声向量，其各个分量为独立高斯随机变量，均值为0，方差为σ2n.为了便于计算，发射符号功率被归一化为1，即图1 MIMO系统模型2V-BLAST的传统译码算法OSICV-BLAST的传统译码算法OSIC可以描述如下.初始化:i=1，迭代过程:式中:H+表示H的Moore-Penrose广义逆;式(1)给出了干扰抵消的顺序，它根据每次迭代的广义逆矩阵接收列矢量信号能量来进行排序.这种排序是一种本地最优化方法.表示令s1，s2，…，si列为0得到的矩阵的广义逆;(Gi)si表示矩阵Gi的第i行;Q(·)函数表示依据星座图对检测信号进行硬判决解调.MMSE检测与干扰抵消组合可得到类似上述OSIC-ZF算法迭代结构，并取得相对更好性能效果.3 低复杂度的近似ML检测算法3.1 算法描述最大似然检测算法的基本思想是将接收信号和所有可能的发射信号进行比较，根据最大似然原理估计发射信号.若信号星座包含C个星座点，m个发射天线上的信号矢量x的所有可能组合构成的集合记作Cm，共包含Cm种可能组合.ML检测可表示为当星座数目C比较大或者当发射天线数增加时，ML算法的复杂度会极大提高.减少最大似然算法复杂度的思路是减少判决集合中元素的数量.对于Cm集合(m为发射天线的数量)其维数是m，每维中的元素数为C.本文提出的低复杂度的近似ML检测算法是只对一个发射天线中C个星座点中的若干来作为子集来进行最大似然判决.首先利用VBLAST的传统译码算法OSIC性能最好解的邻域作为候选判决集合，这个候选邻域集合如图2所示.以该层候选邻域集合中的每一可能解为基础，采用V-BLAST算法来获得其他层的候选解，具体的实现方式在图3中描述.图2 星座点子集图2中有五星的星座点表示V-BLAST算法性能最好解.虚线圆内所包含的星座点为性能最好解的一种邻域.图中可以看出，某个最好解邻域的星座点的数目由两个因素决定:邻域圆的半径的大小以及这个最好解在星座图中的位置.当最好解在星座图的角上时，其邻域只包含两个星座点;当最好解位于非4个角上的边时，其邻域上共有3个星座点;当最好解位于内部时共有4个星座点.对于图1所示的MIMO系统，提出算法的实现方式如图3所示.图中第一个框图中的x1k，x2k，…，xWk为一个维度上的最大似然候选判决集合，其中W为邻域中星座点的数目，k为V-BLAST算法中性能最好解所在的层数(一般为最后一层，即m层).图3中算法的步骤可具体说明如下.图3 算法实现框图第一步:利用传统的V-BLAST算法求出各层的解.第二步:确定最后一层解的一个邻域为新算法的候选集合.第三步:从候选集合中取出一个元素第四步:在接收向量r中抵消掉xik引起的干扰的影响而获得一个新的向量ri，这个过程可以用式(2)表示为第五步:去掉信道传输矩阵H的第k列向量得到一个缩减了的信道传输矩阵Hs. 第六步:根据新的接收向量和缩减了的传输矩阵Hs利用传统的OSIC算法检测的估计值.此时，相当于对m-1根发射天线n根接收天线的MIMO系统进行判决检测. 第七步:根据xik的不同取值，即x1k，x2k，…，xWk，可按照步骤三到步骤六得到一簇解，即第八步:用第七步的解利用最大似然准则来判决输出:3.2 算法复杂度分析对于m×n的MIMO多天线系统，传统VBLAST算法的乘法运算量为m2n2+2nm3+3.75m4;B.Hassibi［18］提出的快速平方根算法的乘法运算量为2m3/3+7nm2+2n2m;J.Benesty提出的快速递归算法［19］，将传统V-BLAST算法的算法复杂度降低到了2m3/3+3m2n.文献［20］提出的改进的快速递归算法复杂度为m2n/2+2m3/3.这里按J.Benesty提出的快速递归算法进行算法复杂度分析讨论.第一步中，利用传统的V-BLAST算法求出各层的解，其运算量为2m3/3+3m2n.第二步中，选择了最后一层解的一个邻域内的W(W∈［1，C］)个星座点作为候选集合.第四步中，对于每一个候选星座点xik，抵消掉该信号干扰后(m-1)×n的MIMO系统采用传统的V-BLAST算法译码出，其计算量为2(m-1)3/3+3(m-1)2n.第七步中，采用最大似然准则进行判决，需W×(m+1)n乘法.因此，这里提出的低复杂度的近似最大似然解调算法的运算复杂度为考虑到图2所示星座点子集，对于16QAM调制方式，取半径r=1时的3种情况，候选包含3、4、5个星座点的概率分别是1/4，1/4，1/2.因此这里取W的均值为W=17/4，则4×4的MIMO系统，新算法的平均乘法运算为856次，而传统的OSIC算法为235次，若进行传统最大似然检测，其乘法运算次数为Cmn(m+1)=1 310 720次.可见，这里提出的低复杂度的近似最大似然检测算法的复杂度大约是传统的OSIC算法的3.6倍左右，但远低于最大似然检测算法.表1给出了采用16QAM调制时，提出的新算法与其他算法的复杂度比较，在与OSIC算法比较复杂度时，分别采用了快速平方根运算和快速递归运算两种方法进行比较.表1 16QAM调制时各种算法的复杂度比较天线数量提出的算法快速平方根运算快速递归运算OSIC 算法快速平方根运算快速递归运算ML 算法n=m=42 4968566192351 310 720 n=m=53 5391 7881 20845831 457 280 n=m=66 5263 2382 088792704 643 0724 系统仿真实验为了便于比较，针对4×4 MIMO系统，在16QAM调制方式下分别进行了传统的OSIC检测算法、ML检测算法、以及本文提出的低复杂度的近似ML检测算法的仿真实验，仿真结果如图4所示.图4 各种算法性能比较由图4可知，在平均误符号率为0.1%时，本文提出的低复杂度的近似ML算法较传统的OSIC算法性能要高10 dB以上.虽然该算法性能要略低于传统的ML检测算法，但其复杂度要低很多.可见，其在检测性能和算法复杂度方面取得了良好的平衡.5 结论1)本文结合传统译码OSIC算法，提出一种低复杂度的近似最大似然检测算法.2)该算法对传统的V-BLAST算法与最大似然检测算法进行了有效整合.通过采用传统的V-BLAST算法性能最好一层解的邻域作为候选判决集合，并以此邻域内每一个符号作为初始值进一步采用传统的V-BLAST算法反馈判决其他层的符号.最后采用最大似然准则对候选向量进行判断.3)本文算法有效减小了最大似然检测算法检测向量数，因此降低了算法的复杂度. 参考文献:［1］FOSCHINI G J，GANS M J.On limits of wireless communications in a fading environment when using multiple antennas［J］.Wireless Personal Communications，1998(6):311-335.［2］PAULRAJ A.Introduction to space time wireless communication ［M］.London:Cambridge University Press，2003.［3］LANEMAN J N，WORNELL G W.Distributed spacetime-coded protocols for exploiting cooperative diversity in wireless networks［J］.IEEE Transactions on Information Theory，2003，49(10):2415-2425.［4］CUI Shuguang，GOLDSMITH A J，AHMAD B.Energyefficiency of MIMO and cooperative MIMO techniques in sensor networks［J］.IEEE Journal on Selected Areas in Communications，2004，22(6):1089-1098. ［5］LI Xiaohua.Energy efficient wireless sensor networks with transmission diversity［J］.IEEE Electronics Letters，2003，39(24):1753-1755.［6］LI Xiaohua，CHEN Mo，LIU wenyu.Application of STBC-encoded cooperative transmissions in wireless sensor networks［J］.IEEE Signal Processing Letters，2005，12(2):134-137.［7］JAYAWEERA S K，CHEBOLU M L.Virtual MIMO and distributed signal processing for sensor networks-an integrated approach［C］//Proceedings of the IEEE International Conference on Communications(ICC 05).Seoul，Korea:IEEE Press，2005:1214-1218.［8］RALEIGH G G，CIOFFI J M.Spatio-temporal coding for wireless communications［J］.IEEE Trans Communications，1998，46(3):357-366. ［9］TAROKH V，SESHDRI N，CALDERBANK A R.Space-time codes for high data rate wireless communications:Performance criterion and code construction［J］.IEEE Trans Information Theory，1998，44:744-765. ［10］丁子哲，张贤达.基于串行干扰消除的V-BLAST检测［J］.电子学报，2007，35(6):19-24.［11］陈亮，李建东.新型基于QR分解的低复杂度MIMO迭代接收机［J］.电子学报，2007，35(6):25-29.［12］SCHMIDT D，JOHAM M，DIETRICH F A，et plexity reduction for MMSE multi-user spatial-temporal Tomlinson-Harashima precoding［C］//Proc ITG Workshop on Smart Antennas.Duisburg，Germany:［s.n.］，2005:1-9.［13］程文驰，张海林.逼近最大似然(ML)性能的降维VBLAST检测算法［J］.中国科学:信息科学，2010，40(8):1106-1112.［14］潘文，蒋占军，杜正峰.BLAST结构ML检测简化方法分析［J］.中国科学E辑:信息科学，2008，38(8):1277-1283.［15］苏昕，孙永军，易克初.一种结合ML检测的高性能V-BLAST系统［J］.西安电子科技大学学报，2005，32(3):344-347.［16］王海红，王欣，魏急波.4×4 V-BLAST系统分组最大似然检测算法［J］.信号处理，2010，26(3):369-374.［17］李小蓓，王杰令，张永顺.一种V-BLAST系统的高性能联合检测算法［J］.系统仿真学报，2009，21(5):1387-1389.［18］HASSIBI B.An efficient square-root algorithm for blast［C］//IEEE Intl Conf Acoustic Speech，Signal Processing.Istanbul:Turkey Press，2000:5-9.［19］BENESTY J，HUANG Y，CHEN J.A fast recursive algorithm for optimum sequential signal detection in a BLAST system［J］.IEEE Trans Signal Process，2003，51(7):1722-1730.［20］SHANG Yue XIA Xianggen.An improved fast recursive algorithm for V-BLAST with optimal ordered detections［C］//IEEE International Conference on Communications.Beijing，China:［s.n.］，2008:756-760.。
一种次优的低复杂度VBLAST信号检测算法
一种次优的低复杂度VBLAST信号检测算法
熊春林;王德刚;王杉;魏急波
【期刊名称】《信号处理》
【年(卷),期】2009(25)3
【摘要】针对VBLAST系统,提出一种球形约束的堆栈检测(SC-Stack)算法.基于信道的MMSE排序QR分解(MMSE-SQRD)和堆栈树搜索(QRD-Stack)算法,所提算法利用部分连续干扰抵消(PSIC)算法计算球半径,并据此半径对分支和路径进行删减.复杂度分析和性能仿真表明,SC-Stack算法较QRD-Stack算法复杂度大大降低,性能不仅没有损失甚至有所改善;SC-Stack算法以低于球形译码(SD)算法的平均访问节点数和远远低于SD算法的最大访问节点数获得了几乎与之相同的性能.
【总页数】5页(P503-507)
【作者】熊春林;王德刚;王杉;魏急波
【作者单位】国防科学技术大学,电子科学与工程学院,湖南长沙,410073;国防科学技术大学,电子科学与工程学院,湖南长沙,410073;国防科学技术大学,电子科学与工程学院,湖南长沙,410073;国防科学技术大学,电子科学与工程学院,湖南长
沙,410073
【正文语种】中文
【中图分类】TN911.3
【相关文献】
1.一种新的低复杂度空间调制信号检测算法 [J], 吴金隆;刘文龙;金明录
2.编码MIMO系统中一种低复杂度次优软检测算法 [J], 李庆坤;马红光;李正生;李庆会
3.一种基于M准则的低复杂度空间调制信号检测算法 [J], 李哲;杨小波
4.一种低复杂度的联合信号检测算法 [J], 赵冠男; 孙琳; 陶涛; 赵航
5.一种低复杂度的CPM信号最大似然块检测算法 [J], 王晓婷;白鹤峰;李文屏;王杨因版权原因，仅展示原文概要，查看原文内容请购买。
一种高效的V-BLAST最大似然检测算法
一种高效的V-BLAST最大似然检测算法
李卫;张小频;叶培大
【期刊名称】《吉首大学学报（自然科学版）》
【年(卷),期】2007(028)001
【摘要】垂直分层空时码(V-BLAST)是贝尔实验室提出的一种多发射多接收天线(MIMO)结构无线通信系统,该系统具备较高频谱利用率和易于实现的特点.在V-BLAST检测算法中,最大似然算法有最好的检测性能,但它的算法复杂度最高.笔者提出了一种高效的V-BLAST最大似然检测算法,此算法在保证较高的检测性能的前提下大大减小了算法复杂度.
【总页数】4页(P77-80)
【作者】李卫;张小频;叶培大
【作者单位】北京邮电大学光通信与光波技术教育部重点实验室,北京,100876;北京邮电大学光通信与光波技术教育部重点实验室,北京,100876;北京邮电大学光通信与光波技术教育部重点实验室,北京,100876
【正文语种】中文
【中图分类】TN92
【相关文献】
1.V-BLAST系统中一种基于噪声分析的简化最大似然检测算法 [J], 任品毅;令洁;汪瑞
2.联合QR分解和最大似然V-BLAST检测算法 [J], 刘海涛;程型清;李道本
3.4×4 V-BLAST系统分组最大似然检测算法 [J], 王海红;王欣;魏急波
4.V-BLAST系统中一种近似最佳列表检测算法 [J], 王海红;成文婧;王欣;魏急波
5.一种组合DFE和ML V-BLAST的检测算法 [J], 梁武;申晓红
因版权原因，仅展示原文概要，查看原文内容请购买。
V-BLAST系统的低复杂度改进裁剪QRD-M算法
V-BLAST系统的低复杂度改进裁剪QRD-M算法
王新忠;杨昕欣;李连合
【期刊名称】《电视技术》
【年(卷),期】2015(039)005
【摘要】V-BLAST系统中,信号的检测是关键环节,传统的算法难以同时保证较好的系统性能和较低的复杂度.提出一种低复杂度改进的QRD-M算法,算法基于QRD-M树搜索原理,路径扩展仅扩展候选集中的点,同时在每层更新SIC结果并用其度量作为自适应搜索半径,采用SE搜索策略在每层搜索幸存路径以避免不必要节点的访问与排序.性能和复杂度分析表明,所提算法在基本不损失性能的条件下,能有效降低V-BLAST系统的检测复杂度,更易于实现.
【总页数】5页(P97-100,120)
【作者】王新忠;杨昕欣;李连合
【作者单位】北京航空航天大学电子信息工程学院,北京100191;北京航空航天大学电子信息工程学院,北京100191;河南财经学校,河南郑州450012
【正文语种】中文
【中图分类】TN911.3
【相关文献】
1.MIMO通信系统中QRD-M检测算法的改进 [J], 李玮;程时昕;陈明
2.联合SIC和QRD-M树搜索的低复杂度VBLAST检测算法 [J], 熊春林;王德刚;刘伟;魏急波
3.多入多出系统中改进的QRD-M检测算法 [J], 贾龙真;李兆训
4.MIMO-OFDM系统中改进的QRD-M检测算法 [J], 刘玉珍;曹春雨
5.空间调制系统下改进的QRD-M检测算法 [J], 周围;郭梦雨;向丹蕾
因版权原因，仅展示原文概要，查看原文内容请购买。
V-BLAST系统中一种新的稳健的检测算法
V-BLAST系统中一种新的稳健的检测算法
战金龙;廖桂生;刘宏清
【期刊名称】《系统工程与电子技术》
【年(卷),期】2007(29)5
【摘要】V-BLAST系统有着非常高的频谱利用率,可以显著地提高系统容量.绝大多数的V-BLAST检测算法都要求接收端完全已知信道,如果信道有误差,性能会恶化.考虑到实际中的信道误差的影响,提出了一种基于子空间的稳健的检测算法,仿真结果表明:在信道估计有误差的情况下,该方法性能优于传统ZF算法和MMSE算法.【总页数】3页(P710-712)
【作者】战金龙;廖桂生;刘宏清
【作者单位】西安电子科技大学雷达信号处理国家重点实验室,陕西,西安,710071;西安电子科技大学雷达信号处理国家重点实验室,陕西,西安,710071;西安电子科技大学雷达信号处理国家重点实验室,陕西,西安,710071
【正文语种】中文
【中图分类】TN92
【相关文献】
1.V-BLAST OFDM 系统中一种新的检测算法 [J], 战金龙;廖桂生;李国民
2.V-BLAST OFDM系统中一种稳健的检测算法 [J], 战金龙;刘宏清;廖桂生
3.V-BLAST系统中一种基于噪声分析的简化最大似然检测算法 [J], 任品毅;令洁;汪瑞
4.V-BLAST系统中一种近似最佳列表检测算法 [J], 王海红;成文婧;王欣;魏急波
5.MIMO-OFDM系统中一种改进的V-BLAST检测算法 [J], 汪蓓;朱琦
因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
一
种 高性 能低 复杂 度 的 Ｖ ＢＬ Ｔ检 测 方 案 ． ＡＳ
郭 明 喜 ， 贾 冲 ， 沈 越 泓 ， 高 媛 媛
（ 解放 军理 工 大 学 通 信 工程 学 院 ， 苏 南 京 江 ２００） １０ ７
摘 要 ：基 于 排序 正 交上 三角 分 解 （ ＱＲ） 出 了一 种 新 的 列 表 Ｖ Ｂ Ａ Ｔ 检 测 方 案 ， 第 ｌ层 采 用 列 表 检 提 －Ｌ Ｓ 对 测 产 生 多个 候 选 符 号 ， 当候选 符 号 数 等 于 星座 大 小 时 ， 出 了一 种 修 正 的 排 序 ＱＲ 分 解 算 法 ， 续 各 层 提 后
ｄ ｃ ｍｐ ｓｔ ｎ ｉ ｌｏ ｐ ｏ ｏ ｅ ｏ ｈ ａ ｅ ｏ ｈ ｕ ｅ ｆ ｃ ｎ ｉ ａ ｅ ｑ ａ ｏ ｔ ｅ ｃ ｎ ｔ ｌ ｔ ｎ ｓ ｅ ｅ ｏ ｏ ｉ ｏ ｓａ ｓ ｒ ｐ ｓ ｄ ｆ ｒ ｔ ｅ ｃ ｓ ｆｔ ｅ ｎ ｍｂ ｒ ｏ ａ ｄ ｄ ｔ ｓ ｅ ｕ ｌｔ ｈ ｏ ｓ ｅｌ ｉ ｉ ． ｉ ａ ｏ ｚ
ｄ ｔｃｉｎ ｉ ｄ ｐ ｅ ｆｒ ｔ ｅ ｆ ｓ ａ ｅ ｏ ｐ ｏ ｕ ｅ ｓ ｖ ｒｌｃ ｎ ｉａｅ ｓ ｓ ａ ｏ ｔｄ ｏ ｈ ｉ ｔｌｙ ｒ ｔ ｒ ｄ ｃ ｅ ｅａ ａ ｄｄ ｔ ｙ ｏｓ ｏ ｒ ｍｏ ｉｅ ｏ ｔｄ ｉ
ＧＵＯ ｉ ｇ ｘ ， ＪＩ Ｃｈ ｎ Ｍ ｎ —ｉ Ａ ｏ ｇ， ＳＨ ＥＮ ｕ — ｏ ｇ， ＧＡＯ ｕ ｎ ｙ ａ Ｙ ｅｈ ｎ Ｙ ａ—ｕ ｎ
（ ｎ ｔ ｆＣ ｍｍｕ ｉａｉｎＥｎ ． Ｉｓ ．ｏ ｏ ｎｃ ｔ ｇ ，ＰＬ Ｕｎｖ ｆＳ ｉ ｎ ｃ ，Ｎａ ｊ ｇ ２ ０ ０ ｏ Ａ ｉ．ｏ ｃ．ａ ｄＴｅｈ． ｎｉ １ ０ ７，Ｃｈｎ ） ｎ ｉａ
２１ ０ ０年 ６ 月 第 ３ ７卷 第 ３期
西 安 电子 科 技 大 学 学 报 （ 自然 科 学 版 ）
Ｊ０ＵＲ ＮＡＬ ０Ｆ ＸＩ ＡＮ ＵＮＩ ＤＩ ＶＥＲＳＩ ＴＹ
Ｊ ｎ ２ １ ｕ．００
Ｖ０ ． ７ ＮＯ ３ １３ ．
ｄ ｉ１ ． ９ ９ ｊ ｉｓ １ ０ — ４ ０． ０ ０． ３ ０ ３ ｏ ： ０ ３ ６ ／ ．ｓ ｎ． ０ １ ２ ０ ２ １ ０ ． ３
Ｓｅ ｅ ａ ｏｕ ａ ｄｉａｔ ｙｍ ｂ ｓ ｃ ｎ ｂ ｔ ｉ ｅ ｈ ｎ ｓ ｃ ｓ ｉｅ ｉ ｔ ｒ ｅ ｅ ｅ ｃ ｎｃ ｌ ｉｎ ｉ ｐ ｉｄ ｖ ｒ ｌｇｒ ｐｓｏｆｃ ｎ ｄ ｅｓ ｏｌ ａ ｅ ｏｂ ａ ｎ ｄ ｗ ｅ ｕｃ ｅ ｓｖ ｎ ｅ ｆ ｒ ｎｃ ａ ｅｌ ｏ ｓ ａ ｐｌｅ ａｔ
文献从不同角度将ml与判决反馈均衡dfesic等技术结合有效提高了系统性能笔者则在此基础上提出了一种高性能的基2010jun2010vol37no3sqrd的列表检测方案并给出了进一步降低其复杂度的途径系统模型考虑一个vblast系统发送数据流分成根接收天线之间的信道衰落系数且均为独立同分布的假定信道为准静态平坦衰落信道且接收端信道状态已知常规检测算法21线性检测线性zfmmse算法分别以检测矩阵犠zf由于zf检测过程存在噪声放大的情况因此一般情况下mmse检测性能要优于zf检测22sic检测为了提高检测性能可以采用sic算法即首先采用线性检测算法zfmmse检出第层数据然后将其作为干扰从接收信号中抵消掉此过程迭代进行直至所有层的数据都被检出为了降低错误传播的影响需要对各层排序最佳的排序策略是每次迭代都选取信噪比snr最高的层来检测这种检测方式称之为最佳连续干扰抵消osic检测sic检测也可以用信道矩阵qr分解来表示项为其他层对当前层的干扰显然前犽1层没有对其产生干扰层而言没有来自其他层的干扰可得其判决值为显然上述基于qr分解的sic检测采取的是从第snr犽由对角元素qr分解提出了一种基于sqrdsic检测sqrd使得到的上三角阵满足左上部分的对角元素都比较小以减小错误传播达到近似于排序连续干扰抵消osic的性能的列表检测方案常规的sic检测算法性能与ml检测存在很大的差距究其原因主要在于采用ml检测所有层的分集郭明喜等
关 键 词 ：ＭＩ ＭＯ 系 统 ； 表 检 测 ； 序 ＱＲ 分 解 ； 大 似 然 列 排 最
中 图 分 类 号 ： Ｎ９ １ ２ Ｔ １．３
文献 标 识 码 ： Ａ
文章 编 号 ：０ １２ ０ （０ ０ ０—５ ００ １０ －４ ０ ２ １ ）３０７ —６
Ｌｏ －ｏ ｐ ｅ ｉｙ Ｖ・ ｗ－ ｍ ｌ ｘ ｔ ＿ ｃ ＢＬＡＳ ｄ ｔ ｃ ｉ ｎ ｓ ｈ ｍ ｅ Ｔ ｅ ｅ ｔｏ ｃ ｅ ｗｉｈ ｈｉ ｈ ｐｅ ｆ ｒ ａ ｃ ｔ ｇ ｒｏ ｍ ｎ ｅ
ｔ ｈ ｏ ｌ ｗｉｇ ｌｙ ｒ ，ａ ｄ ｔ ｅ ｍｉ ｉ ｍ ｃｉ ｅ ｎ ｄ ｓａ ｃ Ｍ ＥＤ） ｓ ａ ｃ ｓ ｕ ｅ ｏ ｃ ｏ ｓ ｎ ｓｔ ｅ ｏ ｔ ｅ ｆ ｌｏ ｎ ａ ｅ ｓ ｎ ｈ ｎ ｍｕ Ｅｕ ｌ ａ ｉｔ ｎ ｅ（ ｄ ｅ ｒ ｈ ｉ ｓ ｄ ｔ ｈ ｏ ｅ ｏ ｅ ａ ｈ ｏ ｔ ｕ ．Ａｎ ｌ ｓｓ ａ ｄ ｓｍｕ ａ ｉ ｎ ｓ ｏ ｔ ａ ｈ ｒ ｐ ｓ ｄ ｓ ｈ ｍｅ ｃ ｎ ａ ｈ ｅ ｅ ｖ ｒ ｏ ｄ ｐ ｒｏ ｍａ ｃ ｔ ｕｐ ｔ ａ ｙ ｉ ｎ ｉ ｌｔ ｈ ｗ ｈ ｔｔ ｅ ｐ ｏ ｏ ｅ ｃ ｅ ａ ｃ ｉ ｖ ｅ ｙ ｇ ｏ ｅ ｆ ｒ ｎ ｅ ｗｉ ｏ ｈ ｌ ｗ ｏ ｏ ｃ ｍｐ ｅ ｉ ． Ｗ ｈ ｎ ｈ ｎ ｍ ｂ ｒ ｏ ｎ ｅ ｎ ｓ ｓ ｅ ｓ ｈ ｎ ｌｘ ｔ ｙ ｅ ｔ ｅ ｕ ｅ ｆ ａ ｔ ｎ ａ ｉ ｌ ｓ ｔ ａ ５， ｉ ａ ａ ｈ ｅ ｅ ｅ ｒ Ｍ Ｌ ｅ ｅ ｔ ｎ ｔ ｎ ｃ ｉ ｖ ｎ ａ ｃ ｄ ｔｃ ｉ ｏ
作连 续 干扰 抵 消检 测 ， 得 到 的 多 组 候 选 符 号 中做 最 小 欧 氏 距 离 （ Ｅ 搜 索 ， 出最 佳 组 作 为检 测 结 在 Ｍ Ｄ） 输
果． 析和仿真表 明， 分 与现 有 算 法相 比该 方 案 能 以较 低 的复 杂度 获 得 很 好 的 性 能 ， 天 线 数 目比 较 少 （ 当 ５ 以 下） 时性 能 接 近 于 ＭＬ检 测 ． 了进 一 步 降低 运 算 复 杂度 ， 出 了在 ＭＥ 搜 索 过 程 中设 置 门 限 的处 理 为 提 Ｄ 方 式 ， 给 出 了一 种 门限值 的选 取 方 法． 果 表 明 ， 方 法 可 以在 保 证 性 能 损 失 很 小 的 情 况 下 使 运 算 量 并 结 该 减 少 一 半 以上 ．