一种基于差分度量低复杂度QAM-MIMO检测方法技术

本发明专利技术公开了一种基于差分度量的低复杂度QAM‑MIMO检测方法，包括以下步骤：步骤1：根据已知的信道信息和接收信号向量确定接收端初始序列，并计算出接收端初始序列中每一位信号的一阶差分函数和上边界函数；步骤2：利用接收端初始序列中每一位信号的上边界函数值确定信号所在位置是否为ML位；步骤3：获取检测序列；通过本发明专利技术提出的ML概率函数计算初始序列中未确定位置成为ML位的概率，将最有可能对应的位置置为ML，并更新其余未确定位置的上边界函数，以获得更多的ML位；本方法创造性的提出了ML概率函数，解决了现有技术在预处理时确定ML位数较少的问题，以牺牲少量性能有效地降低了复杂度。

【技术实现步骤摘要】
一种基于差分度量低复杂度QAM-MIMO检测方法
本专利技术涉及无线通信中的信号处理
，尤其涉及一种基于差分度量低复杂度QAM-MIMO检测方法。
技术介绍
多输入多输出(MultipleInputMultipleOutput，MIMO)技术是第四代移动通信系统中核心技术之一，它极大地提升了系统容量和传输速率，充分地利用频谱资源，同时又能够实现多路数据并行传输和保证通信的可靠性。MIMO信号检测是从混叠的MIMO接收信号中最大可能地恢复出发射信号，其检测性能好坏和复杂度高低决定了MIMO通信系统的未来和发展前景，无可避免地成为第五代移动通信系统研究的重点。MIMO检测分为线性检测和非线性检测，线性检测算法包括迫零算法和最小均方差算法，其特点是需要对信道矩阵求逆，复杂度较低，检测性能比较差。非线性检测算法包括球形译码检测和K-BEST检测算法等，其特点是需要对信道矩阵进行QR分解，球形译码检测能够取得最大似然检测性能，但是其计算复杂度随着信噪比的降低显著增加，使算法可实施性大打折扣。最近提出的基于差分度量的最大似然检测算法与传统的检测算法不同，主要特点是只需要固定次数的乘法运算和简单的加法运算，不需要对信道矩阵求逆或者QR分解，并且也能取得最大似然检测性能，当采用N-QAM高阶调制时，由于该算法属于比特级检测算法，导致需要确定的位置数成倍增加，这一特点导致算法高复杂度，使得该算法在工程上实现实时处理十分困难。
技术实现思路
针对上述问题，本专利技术提出了一种基于差分度量低复杂度QAM-MIMO检测方法，针对在基于差分度量的检测算法的预处理过程后存在大量未确定位置这一问题，将信道信息和接收信息充分考虑，提出了未确定位置成为ML位概率函数以增加确定的ML位数，从而有效地减小了树搜索的节点数和算法复杂度，以牺牲少量的检测性能来使算法计算复杂度大幅降低，使得该算法在工程上可以实现实时处理。一种基于差分度量低复杂度QAM-MIMO检测方法，包括以下步骤：步骤1：根据已知的信道信息和接收信号向量确定接收端初始序列，并计算出接收端初始序列中每一位信号的一阶差分函数和上边界函数；所述接收端初始序列s0是依据现有技术中的方法确定，即s0中各信号取值由向量[yTHq]中各元素符号确定，且信号取值为1或者-1，如果[yTHq]k＞0，则[s0]k＝1，相反则[s0]k＝-1；其中，y和Hq分别表示接收信号向量和MIMO系统的信道冲击响应矩阵。步骤2：利用接收端初始序列中每一位信号的上边界函数值确定信号所在位置是否为ML位；步骤2.1：将上边界函数值为负数的信号所在位置作为ML位，再利用新增的ML位更新未被确定为ML位的信号上边界函数；再次利用更新后信号上边界函数确定是否产生新的ML位，如果有新的ML位产生，则继续更新未被确定为ML位的信号上边界函数，以此往复，直到没有新的ML位被确定；步骤2.2：利用ML位概率函数再次确定新的ML位；利用ML位概率函数计算未被确定为ML位的信号所在位置的ML位概率，并且从中选择ML位概率最大的位置作为新增的ML位，并返回步骤2.1，利用新增ML位继续更新未被确定为ML位的信号的上边界函数；步骤3：获取检测序列；如果经过步骤2后，接收端初始序列中所有信号均为ML位，则直接输出接收端初始序列为最终检测序列，否则，对未被确定为ML位的信号所在位置进行带判决条件的深度优先遍历搜索，并计算每条合格路径的累积度量值，在所有合格路径中选择最大累积度量值对应的路径作为最优路径，根据最优路径调整接收端初始序列后，得到最终检测序列；所述对未被确定为ML位的信号所在位置进行带判决条件的深度优先遍历搜索是指依次假设所有未被确定为ML位的信号所在位置分别为ML位和nML位，并利用假设新增的ML位或nML位更新其余未被确定的信号上边界函数，将所有未被确定为ML为的信号所在位置均被被假设后，以所有未被确定为ML位的信号所在位置的一种假设属性集合作为一条路径，若一条路径中所有被假设为ML位和nML位的上边界函数分别为负数和正数，则对应路径称为合格路径。在带判决条件的深度优先搜索中，某个信号所在位置有可能被假设为最大似然(ML)位和非最大似然(nML)位：当第k位被假设为ML位时，需要对其他未确定位置的上边界函数进行更新，更新准则如下：计算假设确定位置与更新位置之间的更新系数(-8)[K]kl，如果(-8)[K]kl＞0，则将更新位置第l位的上边界函数值减去(-8)[K]kl，相反则保持其上边界函数值不变。当第k位被假设为nML位时，需要对其他未确定位置的上边界函数进行更新，更新准则如下：计算假设确定位置与更新位置之间的更新系数(-8)[K]kl，如果(-8)[K]kl＜0，则将更新位置第l位的上边界函数值加上(-8)[K]kl，相反则保持其上边界函数值不变。在带判决条件的深度优先遍历搜索中，有两种判决条件能提高搜索效率，去掉一些不必要的路径搜索。当搜索一条路径时，其具体准则如下：(1)如果搜索到第k位时，经过前面节点确定属性而更新第k位的上边界函数δub(k)后，如果此时δub(k)＜0，那么在当前这条路径的搜索过程中，未确定位置第k位只能被假设为ML位。(2)如果搜索到第k位时，在前面有未确定位置中第l位(l＜k)被假设为nML位，但经过确定第k位属性后，对第l位的上边界函数δub(l)更新，此时如果有δub(l)＜0，则说明这条路径假设错误，应该立即停止搜索。如果一条路径搜索到尖端节点时，经过尖端节点位置确定的更新后，这条路径所假设的位置需要满足以下公式，才能成为一条合格的路径：δub(q)＞0ifq∈Γ其中，Γ代表nML位的集合，当某一位被假设为ML位时，在这条路径搜索完后，这一位的上边界函数必须小于零，当某一位被假设为nML位时，在这条路径搜索完后，这一位的上边界函数必须大于零。当合格路径搜索完成时，需要计算这条合格路径的累积度量值。进一步地，所述利用ML位概率函数再次确定新的ML位的过程如下：计算每一位未被确定为ML位的信号的ML位概率函数，从中选择ML位概率函数最小值所对应的信号所在位置成为新的ML位，并利用新增的ML位更新未被确定为ML位的信号上边界函数；再次利用更新后信号上边界函数确定是否产生新的ML位，如果有新的ML位产生，则继续更新未被确定为ML位的信号上边界函数，以此往复，直到没有新的ML位被确定。进一步地，所述计算每一位未被确定为ML位的信号所在位置成为ML位概率函数按以下公式计算获得：其中，p(k)表示接收端初始序列中第k位信号的ML概率函数，δub(k)表示接收端初始序列中第k位信号的上边界函数，U表示未被确定为ML位的信号所在位置集合，|·|表示取绝对值操作，表示MIMO系统中的等效信道矩阵的转置与等效信道矩阵相乘后第k行第l列的元素。进一步地，所述利用新增ML位更新未被确定为ML位的信号上边界函数的过程如下：利用新增为ML位的信号，依次对所有未被确定为ML位信号上边界函数进行更新：若-8[Kq]kl＞0，则第l位的信号上边界函数值减去-8[Kq]kl，否则，第l位的信号上边界函数不变；其中，新增为ML位的信号位于接收端初始序列中第k位，-8[Kq]kl为未被确定为ML位的位于接收端初本文档来自技高网...

【技术保护点】
1.一种基于差分度量低复杂度QAM‑MIMO检测方法，其特征在于，包括以下步骤：步骤1：根据已知的信道信息和接收信号向量确定接收端初始序列，并计算出接收端初始序列中每一位信号的一阶差分函数和上边界函数；步骤2：利用接收端初始序列中每一位信号的上边界函数值确定信号所在位置是否为ML位；步骤2.1：将上边界函数值为负数的信号所在位置作为ML位，再利用新增的ML位更新未被确定为ML位的信号上边界函数；再次利用更新后信号上边界函数确定是否产生新的ML位，如果有新的ML位产生，则继续更新未被确定为ML位的信号上边界函数，以此往复，直到没有新的ML位被确定；步骤2.2：利用ML位概率函数再次确定新的ML位；利用ML位概率函数计算未被确定为ML位的信号所在位置的ML位概率，并且从中选择ML位概率最大的位置作为新增的ML位，并返回步骤2.1，利用新增ML位继续更新未被确定为ML位的信号的上边界函数；步骤3：获取检测序列；如果经过步骤2后，接收端初始序列中所有信号均为ML位，则直接输出接收端初始序列为最终检测序列，否则，对未被确定为ML位的信号所在位置进行带判决条件的深度优先遍历搜索，并计算每条合格路径的累积度量值，在所有合格路径中选择最大累积度量值对应的路径作为最优路径，根据最优路径调整接收端初始序列后，得到最终检测序列；所述对未被确定为ML位的信号所在位置进行带判决条件的深度优先遍历搜索是指依次假设所有未被确定为ML位的信号所在位置分别为ML位和nML位，并利用假设新增的ML位或nML位更新其余未被确定的信号上边界函数，将所有未被确定为ML为的信号所在位置均被被假设后，以所有未被确定为ML位的信号所在位置的一种假设属性集合作为一条路径，若一条路径中所有被假设为ML位和nML位的上边界函数分别为负数和正数，则对应路径称为合格路径。...

【技术特征摘要】
1.一种基于差分度量低复杂度QAM-MIMO检测方法，其特征在于，包括以下步骤：步骤1：根据已知的信道信息和接收信号向量确定接收端初始序列，并计算出接收端初始序列中每一位信号的一阶差分函数和上边界函数；步骤2：利用接收端初始序列中每一位信号的上边界函数值确定信号所在位置是否为ML位；步骤2.1：将上边界函数值为负数的信号所在位置作为ML位，再利用新增的ML位更新未被确定为ML位的信号上边界函数；再次利用更新后信号上边界函数确定是否产生新的ML位，如果有新的ML位产生，则继续更新未被确定为ML位的信号上边界函数，以此往复，直到没有新的ML位被确定；步骤2.2：利用ML位概率函数再次确定新的ML位；利用ML位概率函数计算未被确定为ML位的信号所在位置的ML位概率，并且从中选择ML位概率最大的位置作为新增的ML位，并返回步骤2.1，利用新增ML位继续更新未被确定为ML位的信号的上边界函数；步骤3：获取检测序列；如果经过步骤2后，接收端初始序列中所有信号均为ML位，则直接输出接收端初始序列为最终检测序列，否则，对未被确定为ML位的信号所在位置进行带判决条件的深度优先遍历搜索，并计算每条合格路径的累积度量值，在所有合格路径中选择最大累积度量值对应的路径作为最优路径，根据最优路径调整接收端初始序列后，得到最终检测序列；所述对未被确定为ML位的信号所在位置进行带判决条件的深度优先遍历搜索是指依次假设所有未被确定为ML位的信号所在位置分别为ML位和nML位，并利用假设新增的ML位或nML位更新其余未被确定的信号上边界函数，将所有未被确定为ML为的信号所在位置均被被假设后，以所有未被确定为ML位的信号所在位置的一种假设属性集合作为一条路径，若一条路径中所有被假设为ML位和nML位的上边界函数分别为负数和正数，则对应路径称为合格路径。2.根据权利要求1所述的方法，其特征在于，所述利用ML位概率函数再次确定新的ML位的过程如下：计算每一位未被确定为ML位的信号的ML位概率函数，从中选择ML位概率函数最小值所对应的信号所在位置成为新的ML位，并利用新增的ML位更新未被确定为ML位的信号上边界函数；再次利用更新后信号上边界函数确定是否产生新的ML位，如果有新的ML位产生，则继续更新未被确定为ML位的信号上边界函数，以此往复，直到没有新的ML位被确定。3.根据权利要求2所述的方法，其特征在于，所述计算每一位未被确定为ML位的信号所在位置成为ML位概率函数按以下公式计算获得：其中，p(k)表示接收端初始序列中第k位信号的ML概率函数，δub(k)表示接收端初始序列中第k位信号的上...

【专利技术属性】
技术研发人员：邓宏贵，刘小雄，
申请(专利权)人：中南大学，
类型：发明
国别省市：湖南,43