《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 > 大規(guī)模天線系統(tǒng)中基于軟判決的MIMO信號檢測算法
大規(guī)模天線系統(tǒng)中基于軟判決的MIMO信號檢測算法
2017年微型機(jī)與應(yīng)用第3期
謝時埸
杭州電子科技大學(xué) 通信工程學(xué)院,浙江 杭州 310018
摘要: 在大規(guī)模多輸入多輸出(MIMO)系統(tǒng)下,提出了一種基于軟判決的改進(jìn)MMSE(IMMSE)信號檢測算法。在IMMSE算法中,把MMSE算法檢測值作為算法的初始值并采用迭代干擾消除技術(shù)。進(jìn)一步使用對數(shù)最大似然比(LLR)將檢測序列進(jìn)行排序,提出一種有序的IMMSE (OIMMSE),并使用軟判決技術(shù)來提高算法的檢測性能。在不同天線數(shù)的MIMO系統(tǒng)下,對IMMSE算法和OIMMSE算法進(jìn)行誤碼率性能仿真。仿真結(jié)果表明,OIMMSE算法和IMMSE算法性能明顯優(yōu)于MMSE。而且提出的新算法隨著天線數(shù)的增加,越來越接近單輸入單輸出(SISO)在加性高斯白噪聲下的性能。由此可見,新算法對大規(guī)模MIMO系統(tǒng)是有效的。
Abstract:
Key words :

  謝時埸

  (杭州電子科技大學(xué) 通信工程學(xué)院,浙江 杭州 310018)

       摘要:在大規(guī)模多輸入多輸出(MIMO)系統(tǒng)下,提出了一種基于軟判決的改進(jìn)MMSE(IMMSE)信號檢測算法。在IMMSE算法中,把MMSE算法檢測值作為算法的初始值并采用迭代干擾消除技術(shù)。進(jìn)一步使用對數(shù)最大似然比(LLR)將檢測序列進(jìn)行排序,提出一種有序的IMMSE (OIMMSE),并使用軟判決技術(shù)來提高算法的檢測性能。在不同天線數(shù)的MIMO系統(tǒng)下,對IMMSE算法和OIMMSE算法進(jìn)行誤碼率性能仿真。仿真結(jié)果表明,OIMMSE算法和IMMSE算法性能明顯優(yōu)于MMSE。而且提出的新算法隨著天線數(shù)的增加,越來越接近單輸入單輸出(SISO)在加性高斯白噪聲下的性能。由此可見,新算法對大規(guī)模MIMO系統(tǒng)是有效的。

  關(guān)鍵詞:多輸入多輸出;信號檢測;軟判決;最小均方誤差

  中圖分類號:TN401文獻(xiàn)標(biāo)識碼:ADOI: 10.19358/j.issn.1674-7720.2017.03.018

  引用格式:謝時埸.大規(guī)模天線系統(tǒng)中基于軟判決的MIMO信號檢測算法[J].微型機(jī)與應(yīng)用,2017,36(3):59-62.

0引言

  無線通信技術(shù)已進(jìn)入4G/5G通信時代,人們對無線通信系統(tǒng)更高速率地傳輸數(shù)據(jù)的需求與日俱增。如何改善系統(tǒng)的可靠性和頻帶利用率成為下一代甚至未來無線通信技術(shù)的重要目標(biāo)。多輸入多輸出(MultipleInput MultipleOutput,MIMO)技術(shù)利用多根天線傳輸多個數(shù)據(jù)流,在不增加系統(tǒng)帶寬的情況下,可大幅度提高通信系統(tǒng)的容量和頻譜利用率,被認(rèn)為是現(xiàn)代無線通信的關(guān)鍵技術(shù)之一[1]。

  然而,MIMO技術(shù)也存在著一些弊端[2]:發(fā)射天線間需要較高的同步,以達(dá)到同時傳輸數(shù)據(jù)的要求;多天線同時傳輸數(shù)據(jù)時產(chǎn)生較高的信道間干擾,提高了譯碼的難度,增加了系統(tǒng)復(fù)雜度;多根天線同時工作需要多條射頻鏈路,因而提高了系統(tǒng)的成本與開銷。

  常用的次優(yōu)化檢測算法中,基本的線性檢測算法包括迫零(ZeroForcing,ZF)檢測算法、最小均方差(Minimum Mean Squared Error,MMSE)檢測算法;非線性檢測算法有貝爾實驗室分層結(jié)構(gòu)(Vertical Bell Laboratories Layered Architecture,VBLAST)檢測算法[3]。在MIMO系統(tǒng)中,最優(yōu)化最大似然(Maximum Likelihood,ML)檢測算法具有最好的誤碼率性能,但是這是一個非確定性多項式(Nondeterministic Polynomial,NP)問題。球形譯碼(Sphere Decoder,SD)可以提供ML算法的性能,但是SD算法的維數(shù)是固定的。因此,尋找一個低計算復(fù)雜度且性能合理的檢測算法迫在眉睫。

  本文在MMSE前提下,提出一種迭代串行干擾消除算法即IMMSE,以及有序的IMMSE(OIMMSE)算法。IMMSE是一種迭代檢測算法,使用了MMSE算法檢測值作為初始值,并采用軟檢測技術(shù)提高檢測性能。采用最大似然比(LLR)的檢測順序,提出了一種有序的IMMSE(OIMMSE)算法,性能效果明顯。

  目前在大規(guī)模MIMO系統(tǒng)的檢測算法方面的研究主要有:文獻(xiàn)[4]提出了一種亞啟發(fā)式方法——分層禁忌搜索(Layered Tabu Search,LTS)算法;文獻(xiàn)[5]提出了似然上升搜索(Likelihood Ascent Search,LAS)算法;文獻(xiàn)[6]提出了基于置信度(Belief Propagation,BP)的檢測算法。

1MIMO系統(tǒng)模型

  一般的離散MIMO系統(tǒng)模型如圖1所示。

001.jpg

  為了設(shè)計有效的MIMO信號處理算法和進(jìn)行正確的算法性能分析,需要正確理解MIMO的信道特性。有Nt個發(fā)送天線、Nr個接收天線的平坦衰落MIMO信道,在某個確定時刻,這個MIMO信道可以表示為一個Nr×Nt 的矩陣:

  }_Z%(U({9B}Y(PHFL2V26QE.png

  其中i,j是第i個接收天線和第j個發(fā)送天線之間的信道系數(shù)。相對于接收天線陣列,信道矩陣H的j列表征了第n個發(fā)送天線空間特性。在接收端可以通過發(fā)送天線空間特性的不同,把各個發(fā)送天線發(fā)送的信號區(qū)分出來。在上面的假設(shè)下,每一個信道系數(shù)都可以看作是均值為0的圓對稱復(fù)數(shù)高斯隨機(jī)變量,增益的模值|i,j|是瑞利分布,而相應(yīng)的|i,j|2是指數(shù)分布。

  在信道是平坦衰落的假設(shè)下,一個符號周期內(nèi)的離散MIMO系統(tǒng)的數(shù)學(xué)模型如下式所示:

  G(H(BN5DWC569@LDGXS8P@V.png

  其中是Nr×1的接收符號向量,是Nt×1的發(fā)送信息符號向量,并且i來自第i個發(fā)送天線調(diào)制符號。是Nr×1均值為0、方差為σ2的復(fù)數(shù)高斯白噪聲向量。將接收復(fù)數(shù)向量轉(zhuǎn)化為等價的實數(shù)表達(dá)式如下:

  O$`EW$WGXQ[51CQ)M3UPB2L.png

  R(·)和(·)分別表示(·)的實部和虛部。當(dāng)接收機(jī)具有理想的信道狀態(tài)信息H,則ML算法表達(dá)式為:

  L_0ZLYR@CWTF%PLETXU3X26.png

  其中A是信號星座圖的實值集合,比如在BPSK信號中,A={1,-1}。平均接收信噪比SNR為:

  E5IG8[`CX%LODTQES_L8X[A.png

  其中Es是發(fā)送符號的平均能量,σ2是噪聲的方差。信道狀態(tài)信息矩陣H可以進(jìn)行QR分解。其中Q是一個2Nt×2Nr的正交矩陣。R是一個2Nt×2Nr的三角矩陣。式(3)可以重寫為:

  4)MXOWG$B}NRYN]C4$}]IXM.png

  其中=QHy,=QHn,(·)H表示埃米特轉(zhuǎn)置操作。

2提出的IMMSE算法

  本小節(jié)將討論改進(jìn)的MMSE檢測算法即IMMSE。在IMMSE算法中,采用迭代串行干擾消除,2Nt個并行流生成2Nt個方案。sj,j=1,…,2Nt表示第j個天線的符號。每個sj可以攜帶M中不同的值,比如BPSK調(diào)制時,M=2,取值為{1,-1}。假如第n個流,從si符號出發(fā),檢測來自發(fā)送天線的符號。si,i=2Nt,…,n,為MMSE檢測估計值。使用式(9)中的度量d來評判該符號。

  _GH]G1[HEU9)DBNDLQS0]KC.png

  其中i逐漸從2Nt縮減到1,sk∈Α中所有可能的發(fā)送信號。l由發(fā)送信號sl軟判決得來。關(guān)于軟判決將在第4節(jié)中進(jìn)行詳細(xì)討論。

  {O)_D8WNBE3}%V28[RH)1KC.png

  函數(shù)式(10)把度量值dik轉(zhuǎn)換為啟發(fā)式因子βik。

  N]W`}ZJ9XJZH@6~V]@O@3UC.png

  根據(jù)式(11)度量的概率來選擇符號si。選擇概率p較高的符號。在每次迭代中,這些概率值決定了各自的碼流。為了測試檢測值的質(zhì)量,使用ML度量:

  XLN}RD2)B$)2CMJ7W188H$D.png

  算法1:IMMSE算法

  輸入值:y,H,Nt,Nr,xMMSE:MMSE的檢測值

  初始化:best=∞;

  x(int)=xMMSE;

  計算=QHy,其中H=QR;

  [E3J]XI`{HO]{M6VO5JQFOG.png  

3基于LLR順序的OIMMSE算法

  為了進(jìn)一步提高性能,提出一種有序的IMMSE(OIMMSE)算法,可以抑制因為錯誤判決引起的差錯傳播,減少剩余比特的差錯概率。OIMMSE采用文獻(xiàn)[7]中提出的檢測順序技術(shù),采用了基于對數(shù)似然比來進(jìn)行檢測序列的排序。相比于傳統(tǒng)的SQRD算法,OIMMSE算法框架中使用該檢測順序可以抑制差錯傳播的影響。

  算法2:基于LLR的OIMMSE算法

  初始化:R=0,Q=H,Φ=(1,…,2Nt);

  fori=1,…,2Ntdo

  ki=qHlrqll=i,…2Nt;

  Q,R,Φ交換第i和ki列;

  ri,i=ql;

  qi=qiri,i;

  forl=i+1,…,2Ntdo

  ri,l=qHiql;

  ql=ql-ri,lqi;

  end for

  end for

4軟判決

  通過采用軟判決,可以進(jìn)一步提高檢測技術(shù)的性能。對硬判決來說,譯碼器接收到的信息只有0或1的比特值,判決結(jié)果通過與門限電平的比較得到,這種判決結(jié)果顯然會丟失接收信號中的一部分信息,例如在BPSK系統(tǒng)中,+0.01和+0.99都可以判決為“1”,但兩者的可信程度遠(yuǎn)不相同,后者顯然更為可靠。為了充分利用信號的本征信息,可以把符號解調(diào)后的輸出值進(jìn)行多級的量化,使譯碼器得到不止一個的量值。MIMO信號的軟判決檢測是根據(jù)待解調(diào)符號在解空間的位置,結(jié)合概率信息,利用最大后驗概率(Maximum A Posteriori,MAP)這一判定準(zhǔn)則,輸出編碼比特的對數(shù)似然比,再傳遞給信號編碼譯碼器來得到最終輸出[8]。

  在MIMO系統(tǒng)中,計算每一位信息比特的后驗概率值,通常用LLR值來表征,LLR值引入的好處是可以使檢測過程中與概念相關(guān)的乘除運算轉(zhuǎn)換為加減運算,降低算法的計算復(fù)雜度。任意信息比特xk,b后驗概率的LLR值可以表示為:

  LLR(xk,b)=lnP(xk,b=0|y)P(xk,b=1|y)=ln∑s:xk,b=0P(y|s)∑s:xk,b=1P(y|s)

  =ln∑s:xk,b=0exp-12σ2y-Hs2∑s:xk,b=1exp-12σ2y-Hs2(13)

  在式(13)中,對數(shù)函數(shù)的分式中涉及大量元素的求和,在實際運算中,可以采取數(shù)值近似的簡化算法“Jacobian logarithm”[9]:

  ln(ea1+ea2)=max(a1,a2)+ln(1+e-|a1-a2|)(14)

  其中l(wèi)n(·)部分可以進(jìn)一步忽略,通過這樣的近似,式(14)可以最終寫為:

  LLR(xk,b)≈12σ2(mins∈X(1)k,by-Hs2-mins∈X(0)k,by-Hs2)(15)

  5仿真結(jié)果

  在QPSK的信號調(diào)制4×4、8×8MIMO系統(tǒng)下進(jìn)行IMMSE和OIMMSE算法的誤碼率仿真。仿真結(jié)果如圖2所示。

002.jpg

  從圖2可以觀察到,提出的IMMSE算法明顯好于MMSE算法。在相同的誤碼率且4×4天線系統(tǒng)下新算法的性能改善大約5 dB,而在8×8天線系統(tǒng)新算法的SNR比MMSE算法改善大約6 dB。而且隨著天線數(shù)的增加,IMMSE算法的誤碼率曲線逐漸靠近SISOAWGN曲線。這表明新算法是適用于大規(guī)模MIMO的信號檢測的。

  在BPSK的信號調(diào)制4×4MIMO系統(tǒng)下進(jìn)行OIMMSE誤碼率仿真。仿真結(jié)果如圖3所示。

003.jpg

  從圖3可以觀察出,OIMMSE的誤碼率性能好于IMMSE。在相同的誤碼率下,OIMMSE算法的SNR比IMMSE改善大約2 dB。圖中顯示了IMMSE和OIMMSE的誤碼率曲線隨著天線數(shù)的增加,逐漸靠近SISOAWGN性能。

  在16×16MIMO系統(tǒng)下,對IMMSE的軟檢測和硬檢測進(jìn)行了MATLAB仿真。仿真結(jié)果如圖4所示。

004.jpg

  從圖4可以明顯觀察到,IMMSE算法的軟檢測性能好于硬檢測。在相同的誤碼率下,軟檢測所需要的SNR比硬檢測改善大約5 dB,雖然付出了計算復(fù)雜度的代價,但是性能的提高也是非常明顯的。

6結(jié)論

  本文提出了一種新的基于軟判決的改進(jìn)MMSE信號檢測算法。仿真結(jié)果表明,IMMSE算法性能明顯優(yōu)越于MMSE。同時也提出了一種有序的IMMSE算法,采用基于LLR檢測順序,以抑制因為差錯傳播帶來的影響。由于硬判決檢測性能以及易引起差錯傳播,采用軟判決來提高算法的檢測性能,提升效果明顯。仿真觀察到隨著天線數(shù)的增加,誤碼率曲線逐漸靠近SISOAWGN性能曲線。由此可見新算法是適用于大規(guī)模MIMO系統(tǒng)的。未來,將對高階的信號調(diào)制進(jìn)行性能分析。

參考文獻(xiàn)

 ?。?] 陽析, 金石. 大規(guī)模MIMO系統(tǒng)傳輸關(guān)鍵技術(shù)研究進(jìn)展[J]. 電信科學(xué), 2015, 31(5):22-29.

  [2] RAJAN B S. Large MIMO Systems[M]. Cambridge University Press, 2016.

 ?。?] 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]. Ursi International Symposium on Signals, Systems, and Electronics, 1999:295-300.

  [4] MOHAMMED S K, CHOCKALINGAM A, RAJAN B S. A low complexity nearML performance achieving algorithm for large MIMO detection[C]. IEEE International Symposium on Information Theory, 2008:2012-2016.

  [5] SRINIDHI N, DATTA T, CHOCKALINGAM A, et al. Layered tabu search algorithm for largeMIMO detection and a lower bound on ML performance[J]. IEEE Transactions on Communications, 2010, 59(11):1-5.

 ?。?] SOM P, DATTA T, CHOCKALINGAM A, et al. Improved largeMIMO detection based on damped belief propagation[C]. Information Theory, IEEE, 2010:1-5.

  [7] HOCHWALD B M, BRINK S T. Achieving nearcapacity on a multiple antenna channel[J]. IEEE Transactions on Communications, 2003, 51(3):389-399.

  [8] PROAKIS J G, PROAKIS J G. Digital communications (Fourth Edition)[M]. McGrawHill Companies, 2000.

 ?。?] WU M, YIN B, WANG G, et al. Largescale MIMO detection for 3GPP LTE: algorithms and FPGA implementations[J]. IEEE Journal of Selected Topics in Signal Processing, 2014, 8(5):916-929.


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