《電子技術(shù)應(yīng)用》
您所在的位置：首頁 > 通信與網(wǎng)絡(luò) > 設(shè)計應(yīng)用 > 基于QRD-M的多天線分組并行檢測算法
基于QRD-M的多天線分組并行檢測算法
來源：電子技術(shù)應(yīng)用2013年第6期
蔣攀攀1， 竇冬冬2， 朱世磊1， 王大鳴1
1. 信息工程大學(xué) 信息系統(tǒng)工程學(xué)院，河南 鄭州450002； 2. 蚌埠汽車士官學(xué)校，安徽 蚌埠233000
摘要： 提出了一種適用于MIMO通信系統(tǒng)的基于QRD-M的多天線分組并行檢測算法。該算法避免了傳統(tǒng)分層檢測算法中信道矩陣求逆的過程，同時克服了傳統(tǒng)QRD-M算法隨著收發(fā)天線數(shù)增多而難以實現(xiàn)性能與復(fù)雜度折衷的問題。該算法通過對發(fā)送天線的分組，組內(nèi)并行采用改進(jìn)的QRD-M檢測算法，靈活選取每層被保留的分支，避免過高復(fù)雜度的同時提高了系統(tǒng)性能。仿真結(jié)果表明，與傳統(tǒng)QRD-M算法相比，該改進(jìn)算法能夠更靈活地實現(xiàn)性能需要和復(fù)雜度的折衷，在相近的復(fù)雜度下可以獲得更好的誤碼性能。
中圖分類號： TN925
文獻(xiàn)標(biāo)識碼： A
文章編號： 0258-7998(2013)06-0092-04
QRD-M based multi-antenna grouping parallel algorithm for signal detection
Jiang Panpan1, Dou Dongdong2, Zhu Shilei1, Wang Daming1
1. Institute of Information System Engineering, Information Engineering University, Zhengzhou 450002, China； 2. Bengbu Automobile Academy School，Bengbu 233000，China
Abstract： A QRD-M based multi-antenna grouping parallel algorithm for signal detection is proposed for MIMO communication systems in this paper. This method avoids solving the pseudo inverse of the channel matrix and overcomes the problem that the traditional QRD-M algorithm cannot achieve the tradeoff between system performance and complexity as increased number of transceiver antennas. Through grouping the transmit antennas and adopting the improved QRD-M algorithm in every group parallel which can flexibly select the reserved branches of each layer, the proposed algorithm can improve system performance and also avoid too high complexity. Simulation results manifest that the proposed algorithm can provide a more flexible tradeoff between system performance and the complexity and obtain better BER performance at similar complexity compared with the traditional algorithm.
Key words : MIMO； multi-antenna grouping； QRD-M detection

    隨著人們對移動互聯(lián)網(wǎng)、移動多媒體等寬帶數(shù)據(jù)業(yè)務(wù)的大量需求，需要一種能夠在有限的頻譜資源上實現(xiàn)更高傳輸速率和更大帶寬的通信系統(tǒng)。多輸入多輸出MIMO(Multiple-Input Multiple-Output)系統(tǒng)由于能有效地提高無線通信系統(tǒng)的頻譜利用率，因此成為下一代移動通信的核心技術(shù)之一。長期演進(jìn)項目LTE(Long Term Evolution)[1]是3G通信技術(shù)的演進(jìn)技術(shù)，LTE-A[2]引入了8發(fā)8收的天線配置，多天線技術(shù)在帶來空域處理的一些優(yōu)勢的同時，還將會在接收端帶來空間干擾，信號處理也變得更為復(fù)雜。研究適合多天線配置的高效的MIMO檢測算法顯得尤為重要。

    最大似然檢測MLD(Maximum Likelihood Detection)[3]能夠達(dá)到最優(yōu)檢測效果，但其復(fù)雜度隨發(fā)送天線數(shù)和調(diào)制階數(shù)呈指數(shù)增長，很難在實際中廣泛應(yīng)用。球形譯碼SD(Sphere Decoder)檢測算法[4-5]是一種深度優(yōu)先遍歷算法，它在降低平均計算復(fù)雜度的同時能夠達(dá)到最優(yōu)檢測性能，但其復(fù)雜度會隨著不同的信道條件而變得不穩(wěn)定。參考文獻(xiàn)[6]介紹了一種基于信道矩陣QR分解[7]的M分支樹搜索算法(QRD-M),該算法是一種廣度優(yōu)先遍歷算法，其不需要對整個信號空間進(jìn)行搜索，但可以在每一層選取適當(dāng)?shù)淖畲笏阉鞣种?shù)M，在保證合理復(fù)雜度的同時達(dá)到逼近ML檢測性能的效果。
    因此，本文提出一種基于QRD-M的多天線分組并行檢測算法，該算法首先根據(jù)列范數(shù)大小對信道矩陣進(jìn)行排序，據(jù)此將多根(比如8根)發(fā)送天線分成兩組(每組4根發(fā)送天線),然后分別在每組組內(nèi)并行采用靈活配置的QRD-M檢測算法，在降低了多天線信號檢測過高復(fù)雜度的同時，獲得了較好的系統(tǒng)性能。

    (2)基于前i層把保留的符號估計值再利用式(5)對i+1層的當(dāng)前分支度量值進(jìn)行計算,并得到i+1層的累積分支度量，進(jìn)而與步驟(1)中類似，保留M個信號估計值。
   

 

 

    對于8×8天線配置的MIMO系統(tǒng)，采用BPSK和QPSK兩種調(diào)制方式時，在不同的M和Sm條件下，計算出搜索的總分支數(shù)如表1和表2所示。

3.2 性能仿真與分析
    為了進(jìn)一步驗證算法的有效性，現(xiàn)對所提出的算法進(jìn)行計算機仿真，并與傳統(tǒng)算法進(jìn)行對比。仿真假設(shè)無信道編碼且為理想的信道估計，設(shè)置仿真條件為：采用V-BLAST傳輸機制，BPSK和QPSK兩種調(diào)制方式；發(fā)射天線數(shù)NT=8，接收天線數(shù)NR=8；每對收發(fā)天線間假設(shè)為平坦瑞利衰落信道。
    圖5和圖6分別為BPSK(取M=2)和QPSK(取M=4)兩種調(diào)制方式下，傳統(tǒng)QRD-M檢測算法與本文算法(Sm=1,Sm=2,Sm=3,Sm=4)的檢測性能比較。可以看出，當(dāng)Sm=1時，本文算法與傳統(tǒng)算法性能相當(dāng)，這是因為本文算法在Sm=1時，信號樹每層仍只保留M=2(BPSK)和M=4(QPSK)個分支，其需要計算的總分支數(shù)與傳統(tǒng)算法相同，因此性能無明顯改善；當(dāng)Sm=2時，本文算法在達(dá)到誤碼率為10-4時，BPSK調(diào)制方式下與傳統(tǒng)算法相比有大約3 dB的增益，QPSK方式下大約有2 dB的增益，然而根據(jù)表1，BPSK方式下其所需計算的總分支數(shù)僅僅比傳統(tǒng)方案多4個，QPSK方式下比傳統(tǒng)方案多24個；當(dāng)Sm=3時，本文算法的檢測性能較傳統(tǒng)算法有了更大的改進(jìn)，BPSK方式下其所需計算的分支數(shù)比傳統(tǒng)方案多16個，QPSK方式下比傳統(tǒng)方案多136個；當(dāng)Sm=4時，本文算法的檢測性能基本達(dá)到飽和效果，較Sm=3時有略微的改進(jìn)。

    因此根據(jù)性能需要以及復(fù)雜度的折衷，可靈活配置Sm的大小。例如，采用BPSK調(diào)制方式時，宜采用Sm=2和Sm=3兩種檢測方案；采用QPSK調(diào)制方式時，則采用Sm=2的檢測方案更為適宜。
    本文針對未來移動通信系統(tǒng)中多天線處理復(fù)雜度過高的問題，提出了一種基于QRD-M的多天線分組并行檢測算法。該方法首先將發(fā)送天線按照列范數(shù)大小分成兩組，組內(nèi)并行采用改進(jìn)的QRD-M算法，靈活配置第一級ML檢測的序列長度來實現(xiàn)性能需要和復(fù)雜度的折衷。本文分析比較了所提算法與傳統(tǒng)算法的復(fù)雜度，通過計算機仿真證明了在相近的復(fù)雜度下本文算法能夠獲得更好的檢測性能。
參考文獻(xiàn)
[1] Li Qinghua, Li Guangjie, Lee Wookbong, et al. MIMO techniques in WiMAX and LTE:a feature overview[J].IEEE Communications Magazine,2010,48(5):86-92.
[2] ZHANG C,ARIYAVISITAKUL S L. LTE-advanced and 4G wireless communications[J]. IEEE Communication  Networking & Broadcasting.2012,50(2):102-103.
[3] 王東明.無線MIMO系統(tǒng)中迭代檢測與信道估計技術(shù)研究[D]. 南京：東南大學(xué),2006.
[4] VITERBO E, BOUTROUS J. A universal lattice code decoder for fading channels[J]. IEEE Transactions on Information Theory, 1999,45(5):1639-1642.
[5] DAMEN M O, GAMAL H E I, CAIRE G. On maximumlikelihood detection and the search for the closest lattice Point[J].IEEE Transactions on Information Theory, 2003,49(10):2389-2402.
[6] KIM K J, Yue Jiang,ILTIS R A,et al. A QRD-M/Kalman Filter-based Detection and Channel Estimation Algorithm  for MIMO-OFDM Systems[J]. IEEE Transactions on Wireless Communications, 2005,4(2):710-721.
[7] 陳亮，李建東，陳東. 改進(jìn)的基于QR分解的分層空時檢測算法[J].電子與信息學(xué)報, 2010,32(6): 1505-1509.
[8] WOLNIANSKY P W,FOSCHINI G J，GOLDEN G D, et al. V-BLAST：An architecture for realizing very high data rates over the rich-scattering wireless channel[C]. 1998 International Symposium on Signals Systems and Electronics. Pisa, Italy: [s. n.], 1998：295-300．
[9] 張賢達(dá). 矩陣分析與應(yīng)用[M]. 北京：清華大學(xué)出版社,2004.
[10] 李瑋, 程時昕, 陳明. MIMO通信系統(tǒng)中QRD-M檢測算法的改進(jìn)[J]. 電子與信息學(xué)報, 2008,30(8):1828-1831.

此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載。