专利名称：具有低复杂性和好的统计输出的球面解码方法
技术领域：
本发明涉及用于接收被发射信号的最大似然检测器。本发明尤其涉及球面解码器在恢复从多天线阵列所发射的信息中的应用。
背景技术：
在无线通信领域中，多输入多输出(MIMO)技术由于其能够达到的高数据速率而正在受到重视。在MIMO通信中，被发射的数据符号被分布在多个发射天线上，并且被接收的符号被分布在多个接收天线上。由于每个接收天线检测具有来自每个发射天线的投送(contribution)的组合信号，所以需要信号处理，以重构被发射的原始数据符号。在很多情况下，这个信号处理依赖于表示从每个发射天线到每个接收天线的转接中常值脉冲所经历的幅值和相位变化的矩阵H。一般由对导频信号的测量来估计H。
具有后验概率(APP)信息的最大似然(ML)检测器被证明在MIMO接收机中非常有效。这种形式的检测尤其有用，因为它提供了关于被解码位的所谓“软”信息。软输入解码器，例如turbo解码器，使用软信息来校正被适当编码的位流中的错误。典型地，与给定的被检测位相关的软数据包括8位字，它表示检测给定位的两个可能结果(即逻辑1和逻辑0)的按-127到+127规模的对数似然比(LLR)。
在发射机中，根据一些MIMO方案，包括二进制串的数据字x被映射到矢量符号s。矢量符号具有与存在的发射天线数量相同的分量。从(可能很复杂的)符号的适当并列模式(例如QPSK或QAM并列模式)中选择每个分量。这里，把这样的符号称为标量符号。在传输中，每个发射天线传输所选择的标量符号的各自一个。
矢量y表示接收机处的天线响应，矢量y包括来自每个接收天线的各自分量。
用等式y＝Hs+n来建模传播信道的效果，其中n是表示加法噪声的矢量。
ML-APP检测的目的是，给定y，确定使代价函数J＝‖Hs-y‖2最小的s(或等价地，x)的值，以及为数据字x中的每个位确定LLR。搜索s的最小值被限制在由并列模式的离散标量符号所限定的点阵中。
对于搜索s的最小值，已经提出了多种方法。尽管彻底的搜索可能产生非常低的误码率(BER)，但是当存在多于两个或三个发射天线时，对于适度大小的并列模式，它变得非常复杂。因此，已经提出了执行比彻底搜索小的其他方法。
其中一种方法是球面检测器，它已经被描述在例如2003年9月的Proc.Custom Integrated Circuits Conference中David Garrett等的“APP Processing for High Performance MIMO System”中pp.271-274；以及2004年夏天的IEEE Journal on Solid-State Circuits中DavidGarret等的“Silicon Complexity for Maximum Likelihood MIMODetection using Spherical Decoding”中。
球面检测器也在EP-A-1460813中被描述。
从天线发射的每个标量符号必须传递二进制串x的部分。对于给定的被接收的信号矢量y，球面解码器进行树状搜索。树的每个层根据对发射天线的排序而对应于发射天线的各自一个。在树的每个层上，每个结点具有与从中选出的相关天线的标量符号一样多的分支。因此，从树的根到叶的路径将在每个结点处产生二进制串的部分，并且树的叶对应于用于完整串x的候选者中的一个。
球面检测器不考虑树的每个叶。而是选择半径r。与在每个结点处产生的串部分一起，也产生代价函数J的相应投送。如果，在给定的结点，发现J(在那个点产生)超过r，则宣布作为给定结点的子结点的结点在搜索半径外，并且不被考虑。因此，能够相对于彻底搜索很大地降低复杂性。
如果允许收缩球面，则能够实现对复杂性的进一步降低。即，每次发现满足条件J＜r的候选串，则将半径设置为较小的值。
至于其他类型的ML-APP检测，球面检测器返回在输出二进制串的迭代解码中有用的软数据。但是，因为搜索的范围经常被很大地消减，所以软数据的质量可能被消弱。因此，存在这样的需要，即检测方法在保持软数据质量的同时具有球面解码的优点。
发明内容
我们已经发现这样的检测方法。我们的方法是基本如上所述地那样应用球面解码器，以搜索和获得解决受限制的ML问题的二进制串。这样的串被称为最大似然二进制串。我们还为二进制串的每个位计算LLR。不仅响应于在搜索中已经考虑的部分串、而且响应于二进制串的其他集合进行LLR的计算。其他集合包括能够通过倒转最大似然串的一个或多个位而获得的每个位串。在本发明的具体实施例中，通过倒转最大似然串的一个位而获得每个其他串。
图1是现有技术中已知的MIMO通信系统的示意图。
图2是表示现有技术中已知的树状搜索的示意图。
图3是球面解码器的示意流程图。
图4是用于现有技术中已知的球面解码器的后处理程序的示意流程图。
图5是一个实施例中根据本发明原理的球面解码器的后处理程序的示意流程图。
具体实施例方式
图1中，发射器10和接收器20经由四个发射天线30a-30d和四个接收天线40a-40d通过传播信道50进行通信。更一般地，存在编号为0、1、...、M-1的M个发射天线，以及编号为0、1、...、N-1的N个接收天线。用具有系数hij的N×M信道矩阵H表示信道50。在图中表示了两个这样的系数。
来自每个发射天线的一个标量符号的每个并发传输被称为“信道使用”。为了准备每个信道使用，二进制串x被映射到矢量符号s＝(s0，s2，...，sM-1)，其中每个si是从并列模式中所选择的标量符号。如果并列模式中符号的总量是P，则Q＝log2P是每个符号的位数。因此，Q位长的二进制串被映射到每个标量符号，并且在一个信道使用中被发射的完整二进制串的长度为MQ。
如上所述，接收机搜索使上面定义为J＝‖y-Hs‖2的代价函数J最小的候选矢量符号s。现在定义更便利、但对于描述的搜索目的同样有效的新的代价函数。以下，J表示新的代价函数。
(1)HHH是M×M矩阵，其中上标H表示复转置。通过已知的线性代数方法，很容易获得满足UHU＝HHH的上三角矩阵U。
(2)H的伪逆是矩阵(HHH)-1HH。给定y，对ML解答的粗略近似是非限制的ML解答 (3)给定候选矢量符号s，用 定义新的代价函数。因此，为了球面搜索的目的，对于从接收天线输入的每个给定的矢量符号，球面的中心是矢量 在接收机处，使用MIMO信号处理的已知技术来恢复(一般以被损坏的形式)由每个发射天线所发送的标量符号，并将其作为输入提供给球面解码器。然后，球面解码器比较每个输入符号和至少一些候选符号。如例如图2所示，根据树状搜索进行比较过程。
返回到图2，可以发现，在这里所表示的例子中，存在编号为i＝0，1，2，3的四个发射天线。存在编号为p＝0，1，2，...，P-1的P个候选标量符号。因此，第i个发射天线处的第p个候选符号被表示为si(p)。
从树的根部50开始，从代表最后的发射天线的i＝3级到代表第一发射天线的i＝0级处的树的叶，顺序地进行搜索。在每个级，对于每个候选符号，代价函数增加，满足半径测试的那些候选符号被保存用于下一级的搜索，而那些不满足半径测试的候选符号则被丢弃。以下将介绍增加代价函数的方法。
被存储的每个候选符号为候选二进制串提供Q位长的段。图2中，穿过树的一个完整轨迹由粗线画的边表示，并被指定为附图标记60。如果，例如在并列模式中存在四个符号(即P＝4)，则每个符号提供两个位，并且轨迹60所代表的完整二进制串是00110001。
代价函数J能够被以有利于计算的递归形式重写。假设矩阵U的系数被表示为uij，并且为每组(i，j)定义qij＝(uij/uii)。另外，对于第i个发射天线，定义 并且定义 在Innersum(i)的表达式中，符号sj不用p，即不用候选符号编号，这是因为级j＝i+1，...，M-1已经被遍历，并且已经确定了给定轨迹的相应候选符号。相反地，在新的搜索级i，P种可能的候选符号选择中的每一种都将导致Incrementp(i)的不同值，并且当然是不同轨迹的分支点。
用这个术语，在搜索树的第i级所计算的部分代价函数是Σk=iM-1Incrementp(k)(k),]]>其中清楚地表示了对于搜索的每级k，候选符号的选择p可以不同。假设Outersum(i)表示第i级的部分代价函数。因此，我们有递归公式Outersump(i)＝Outersum(i+1)+Incrementp(i)。向下通过搜索树(如图2所示)，即以i减小的值工作，搜索引擎只需要为每个候选符号计算每个新的级的Incrementp(i)。
图3表示球面解码过程的全部流程。对于给定的输入矢量y，框70计算作为输入提供给框80的非限制的ML估计 框75对矩阵H进行上三角化，以获得矩阵U。这个结果能够被重新使用，并因此能够被用于一个或多个输入矢量y。框80是执行上述树状搜索的搜索引擎。对于给定的输入矢量y，框80的输出包括已经满足半径测试的全部候选矢量符号s(或其等价二进制串)。与每个候选矢量符号s一起，框80处的搜索引擎还提供代价函数的相关值J＝Outersum(0)。
在根据本发明执行时，与框80相关的操作的输出一般也包括最大似然候选矢量sML。矢量sML在图3中表示为包括在框80的输出中。
框90是APP后处理程序。将候选矢量符号及其相关代价函数作为输入，框90的目的是输出具有与x相同维数、即具有MQ个项的矢量，其中每个项是x的相应位的对数似然比(LLR)。
在上面所提到的专利申请10/389,690中介绍了APP后处理程序的一种版本。图4提供了现有技术中这样的后处理程序的功能流程图。图中框100-130所代表的一系列处理步骤的输出包括对数似然比LLR(i)的矢量，i＝1，K，MQ-1。
如图4中框100所示，获得经历球面搜索后剩余的那些候选矢量符号。剩余的候选者的集合在图中表示为集S’。在框110处，为集S’中的候选矢量s’获得代价函数J(s′)的值。
至少在一些情况中，在S’中包括已经被测试但是不满足半径测试的一些或全部叶结点，以提供好的软信息。
在框120处，根据公式LLR(i)=minxi(s′)=0J(s′)-minxi(s′)=1J(s′)]]>为每个码位位置i计算LLR(i)。在公式中，第一项是在那些在第i个位置上具有0位的S’成员上搜索最小代价的结果。相似地，第二项是在那些在第i个位置上具有1位的S’成员上搜索的结果。得到的LLR矢量在框130处被输出。
在一些情况下，位代价可能不能被计算，这是因为数据不足。在这样的情况下，被输入的值，例如平均值，可以在LLR矢量的相关位i上被输入。
应该理解的是，图4和附图只是示意性的。本领域的技术人员知道多种算法能获得基本等价的结果。所有这样的算法被视为在本发明的范围内。
在我们的新的解码程序的特定实施例中，我们使用具有收缩半径的球面搜索。因为半径至少在搜索的初始阶段快速收缩，所以假如初始半径不是太小，则初始半径的选择不重要。基本如上所述的那样进行球面搜索。但是，每次搜索到达搜索树的叶时，即到达i＝0级的结点时，用当前值和新的叶处的值中的较小值更新半径。
如上所述，搜索所到达的每个叶被作为候选矢量符号转发到后处理程序。但是，因为在半径收缩时修剪搜索树，所以一般将存在比固定半径搜索的情况下更少的结果候选者。
收缩的半径搜索也将识别与最小代价J相关的候选者。这样的候选者被称为最大似然候选者，并且相应的二进制串XML被称为最大似然串。
我们的后处理程序在特别重要的方面与图4的后处理程序不同。参考图5便利地介绍我们的新的后处理程序。
在图5的框140处，得到最大似然候选者sML。
在图5的框150处，构造候选矢量集合S”，它包括如上所定义的集合S’与所有候选矢量s(对于这些候选矢量，相应的二进制串x(s)的一个或多个位与xML不同)的集合的组合。在示例性实施例中，在一个位中存在区别。在这样的情况下，另一个集合是所有候选矢量s的集合，使得[xMLx(s)]2＝1，其中表示并行异或运算。
在框160处，得到作为集合S”的单元的所有矢量s”的代价函数J(s″)的值。在框170处，根据公式LLR(I)=minxi(s′′)=0J(s′′)-minxi(s′′)=1J(s′′)]]>为每个码位位置i计算LLR(i)。重要地，现在在扩大的搜索集合S”上执行搜索。在公式中，第一项是在那些在第i个位置上具有0位的S”成员上搜索最小代价的结果。相似地，第二项是在那些在第i个位置上具有1位的S”成员上搜索的结果。得到的LLR矢量在框180上被输出。
应该理解的是，图5和附图只是示例性的。本领域技术人员知道，多种算法会得到基本等价的结果。所有这些算法被视为在本发明的范围内。
我们的新过程的一个优点在于，它提供了由于例如收缩半径而具有高度降低的复杂性的更好的软信息，以用于在球面搜索语境中的turbo解码器等。用我们的方法，对于软信息，不需要单独地依赖于经过收缩半径球面搜索后剩余的很小的候选矢量集合。而是，收缩半径球面搜索或其他类型的搜索的结果被由于构造方式而非常可能有用的附加候选矢量扩充。
权利要求
1.一种用于解码对应于具有多个码位位置的二进制串的接收矢量符号的方法，包括(a)执行(80)球面搜索，以获得包含最大似然候选矢量的候选矢量的初始集合；以及(b)为每个所述码位位置计算(90)对数似然比，其特征在于，每个所述比基于为属于所述初始集合的至少一些候选矢量计算的代价函数的值，并且基于通过倒转所述最大似然候选矢量的一个或多个码位而构造(150)的至少一些其他候选矢量的代价函数的值。
2.根据权利要求1的方法，还包括在所述候选矢量的初始集合中包括至少一个由于位于搜索半径以外而被球面搜索排除的矢量。
3.根据权利要求1的方法，其中通过倒转所述最大似然候选矢量的其中一个码位而构造所述至少一些其他候选矢量中的每一个。
全文摘要
利用球面解码器探测从多天线发射阵列所接收的符号矢量。球面解码器被用于从一组候选二进制串中选择最可能已经被发射的串。通过考虑包括通过倒转最大似然串的一个或多个位而从其中推导出的串的一组候选串的代价函数获得用于turbo解码器等的软信息。
文档编号H04L25/03GK1671092SQ20051005635
公开日2005年9月21日 申请日期2005年3月18日 优先权日2004年3月19日
发明者戴维·格瑞特 申请人:朗迅科技公司