[0039] 以下结合附图和具体实施例对本发明作具体的介绍。
[0040] 参照图1所示，本发明首先介绍现有的MIMO无线通信系统。多输入多输出(multiple-input multiple-output，MIMO)无线通信系统的简化原理框图如图1所示。
[0041] 原始符号序列经信道编码、交织(也可以不经信道编码、交织)，再经串并变换，得到待发送的符号向量序列。序列中每个符号向量在一个间隙内并行发送，例如，不失一般性，符号向量s在间隙[0,T]内并行发送。符号向量s表示为
[0042] s＝[s1 s2…sN]T， (1)
[0043] 其维数为N，因此发射机中需N个调制器和N副发送天线，分别调制、发送s中的N个符号。
[0044] 当采用QAM调制时，符号向量s中的元素表示为复符号，即：
[0045] sn＝srn+jsin,n＝1,2,…,N， (2)
[0046] 其中 为整数集合。因此 表示N维复整数向量空间。
[0047] 设无线信道为瑞利平衰落信道。M副接收天线(M≥N)的接收信号经解调器解调得到M维接收向量
[0048] x＝[x1 x2…xM]T， (3)
[0049] 且
[0050] x＝As+w， (4)
[0051] 其中 为复信道矩阵，在接收端由检测器中的信道估计器得到而为已知。w为M维复高斯噪声向量。
[0052] 接收向量x经检测器检测，得到发送符号向量s的检测结果
[0053] 发送符号向量的检测结果构成的序列，经并串变换、解交织以及信道译码，在接收端得到恢复的符号序列。
[0054] 下面介绍现有的MIMO信号的OSIC检测方法。
[0055] OSIC迭代检测包括ZF-OSIC和MMSE-OSIC两种具体类型。原始的OSIC也称V-BLAST检测，以原始的ZF-OSIC为例，其原理如下。
[0056] (输入：接收向量x，信道矩阵A。输出：检测的符号向量 )
[0057] 1)计算信道矩阵的Moore-Penrose(MP)逆矩阵：B＝(AHA)-1AH。
[0058] 2)找出具有最大信噪比的符号(确定检测次序)： 其中bi,i＝1,2,…表示矩阵B的第i行，||bi||表示bi的范数或长度， (·)H表示矩阵或向
量的共轭转置。符号向量s中的第k个元素sk即为具有最大信噪比的符号。
[0059] 3)计算sk对应的判决变量：yk＝bkx＝sk+bkw＝sk+ηk，其中ηk＝bkw是yk中的噪声项。对yk进行量化判决，得到sk的检测结果 表示量化判决，即得到与判决
变量最接近的符号。其中， 即sk的检测结果。
[0060] 4)从接收向量x中消去sk所对应的干扰项，即：其中ak是矩阵A的第k列，A′和s′分别是从A删除第k列，从s中删除第k个元素所得的结果。
[0061] 5)令A＝A′，x＝x′，s＝s′，重复1)—4)，直到s中的所有N个符号均被检测出。
[0062] MMSE-OSIC检测方法与上述ZF-OSIC类似，只需将上述矩阵B＝(AHA)-1AH置换为MMSE滤波器矩阵B＝(AHA+α2IN)-1AH，其中 分别表示接收向量x中噪声方差和符号方差。
[0063] 简化的Simplified-OSIC检测方法基于对信道矩阵的QR分解，其性能与原始OSIC相同，计算复杂度则大大降低。这里略去其检测过程细节描述。
[0064] 下面介绍现有MIMO信号的OSNPC检测方法。
[0065] 上述原始的OSIC检测的计算复杂度很高，因为在每步迭代中都需要计算矩阵A的MP逆矩阵。OSNPC检测是在原始OSIC检测基础上提出的一种更好的迭代检测方法，它与原始OSIC的检测性能相同，但计算复杂度大幅降低。因此OSNPC也可以看作另外一种简化的OSIC检测方法。
[0066] 分析表明，OSNPC的计算复杂度与简化的Simplified-OSIC基本相同。
[0067] OSNPC也包括基于ZF的OSNPC(ZF-OSNPC)和基于MMSE的OSNPC(MMSE-OSNPC)两种具体类型。以ZF-OSNPC为例，其原理简述如下。
[0068] 输入：接收向量x，信道矩阵A。输出：检测的符号向量
[0069] 1)计算信道矩阵的MP逆矩阵：B＝(AHA)-1AH，并且计算判决变量向量：y＝Bx＝s+Bw＝s+η，其中η＝Bw是y中的噪声项。
[0070] 2)找出具有最大信噪比的符号(确定检测次序)sk： 并检测得到： 其中yk＝sk+bkw＝sk+ηk是判决变量向量y的第k个元素，ηk＝bkw是yk中的噪声项。
[0071] 3)计算噪声项ηk的估值：
[0072] 4)分别删去B、s和y的第k行，得到 和 则有 计算投影系数：再计算： 然后消去判决变量向量中的
噪声投影，即： 假设sk检测正确，即 则有：
显然，判决变量中的噪声项被减小，因而改善了
后续符号的检测性能。
[0073] 5)令B＝B′，y＝y′， 重复2)—4)，直到s中的所有N个符号均被检测出。
[0074] MMSE-OSNPC检测方法与上述ZF-OSNPC类似，只需将上述矩阵B＝(AHA)-1AH置换为MMSE滤波器矩阵B＝(AHA+α2IN)-1AH。
[0075] 下面介绍MMSE-Simplified-OSIC-DLR检测方法。
[0076] 设矩阵 中的元素为独立复随机变量，由矩阵A生成的复数格定义为矩阵A的各列组成了格L(A)的基。除矩阵A外，L(A)还可以有无
穷多种基。任何一个矩阵A′，如果满足A′＝AU，其中U是幺模矩阵，那么A′也是L(A)的基。幺模矩阵U中各元素为复整数，且|det(U)|＝1。
[0077] 格约减LR算法，例如LLL(Lenstra-Lenstra-Lovász)算法和SA(Seysen’s algorithm)算法，就是由A寻找L(A)的另一个基A′，其列向量的范数(欧几里德长度)尽量小。因而，A′被称为L(A)的约减基。
[0078] A是原始的独立复随机变量矩阵，因此L(A)称为原始格。设矩阵 为矩阵A的MP逆，即B＝(AHA)-1AH。原始格L(A)的对偶格定义为 这时，B的各行组成了L(B)的基。除矩阵B外，对偶格L(B)还可以有无穷多种基。任何一个矩阵B′，如果满足B′＝VB，其中V是幺模矩阵，那么B′也是L(B)的基。类似于原始格约减，对偶格约减DLR就是由B寻找L(B)的另一个基B′，其行向量的范数尽量小。
[0079] LLL算法既能用于原始格约减，也能用于DLR。当用于DLR时，LLL算法称为DLLL。SA算法能够同时约减原始格和它的对偶格，因此，SA算法也是一种DLR算法。
[0080] DLR辅助MMSE-Simplified-OSIC检测方案，即MMSE-Simplified-OSIC-DLR，其对应检测器基本结构如图2所示。在图2中，首先由信道矩阵A计算出MMSE滤波矩阵B＝(AHA+α2IN)-1AH，然后对B实施DLR，得到B′、V(B′＝VB)。进而得到判决变量矢量y＝B′x＝Vs+B′w＝d+B′w，其中d＝Vs为变换符号矢量。依据y对d实施Simplified-OSIC检测得到检测结果 再由符号反变换 得到发送符号矢量s的检测结果。最终检测结果须进行硬限幅以免超出QAM符号取值域。
[0081] 迄今为止，在各种LR辅助MIMO检测方案中，以MMSE-Simplified-OSIC-DLR检测方案的检测性能最优，比较接近最佳检测性能，而计算复杂度在实际应用中可以接受。
[0082] 下面介绍MIMO信号的Improved-OSNPC检测方法。
[0083] A.OSNPC检测次序的优化
[0084] 上述OSIC及OSNPC迭代检测中，符号检测次序的准则可以概括为：每次迭代检测，总是选择具有最大信噪比的符号进行检测。在OSNPC检测中，具有最大信噪比的符号，意味着该符号对应的判决变量中的噪声强度在统计平均的意义上最弱，解释如下。
[0085] 假设sk是符号向量s中具有最大信噪比的符号，其对应的判决变量为yk＝sk+bkw＝sk+ηk，其中ηk＝bkw是yk中的噪声项。ηk的方差为
[0086]
[0087] 其中E(·)表示随机变量的统计平均(数学期望)。由 可知||bk||2是||bi||2,i＝1,2,…中的最小值，因此，E(|ηk|2)是E(|ηi|2),i＝1,2,…中的最小值，即：
在ηi,i＝1,2,…中，ηk的强度在统计平均的意义上最弱。
[0088] 但是，检测结果 的正确性取决于当前的噪声样本ηk的强度|ηk|2，而不是取决于E(|ηk|2)(|ηk|2的统计平均值)。进一步，E(|ηk|2)为最小，并不意味着|ηk|2最小。而只有当|ηk|2为最小时，对符号sk的检测才能取得最佳性能。
[0089] 基于以上分析，对于OSNPC检测，可提出更优的迭代检测次序准则，即：每此迭代检测，将检测向量s中的符号sk，如果sk对应的判决变量yk＝sk+ηk中的噪声项ηk的估值 是最弱的。这一准则称为OSNPC的优化检测次序准则。
[0090] B.Improved-OSNPC检测方法
[0091] 在OSNPC检测中采用上述优化检测次序准则，可得到优化检测次序的噪声投影逐次消去检测方法，记为Improved-OSNPC检测，即本发明的核心内容之一。基于ZF的Improved-OSNPC检测方法(ZF-Improved-OSNPC)描述如下。
[0092] (输入：接收向量x，信道矩阵A。输出：检测的符号向量 )
[0093] 1)计算信道矩阵的MP逆矩阵：
[0094] B＝(AHA)-1AH， (6)
[0095] 并且计算判决变量向量：
[0096] y＝Bx＝s+Bw＝s+η， (7)
[0097] 其中η＝Bw是y中的噪声项。
[0098] 2)量化检测y中的所有元素，得到符号向量s的检测结果 即
[0099]
[0100] 然后得到y中噪声项η的估值：
[0101]
[0102] 注意 只是中间检测结果，目的是计算 而非最终检测结果
[0103] 3)根据优化检测次序准则，找出s中具有最弱噪声估值的符号sk，其中
[0104]
[0105] 即 的第i个元素，进而可以得到sk的最终检测结果： 即 的第k个元素。同时也得到判决变量yk中的噪声项的估值 就是 的第k个元素。 为s的检测结果。
[0106] 4)分别删去B、s和y的第k行，所得到的结果依次表示为 和 则有计算投影系数
[0107]
[0108] 其中 表示矩阵 的第i行，bk表示矩阵B的第k行， 表示行向量bk的共轭转置。再计算
[0109]
[0110] 其中b′i表示矩阵B′的第i行。然后消去判决变量向量中的噪声投影，即：
[0111]
[0112] 其中y′i、 分别表示向量y′、 的第i个元素， 表示向量 的第k个元素。
[0113] 假设sk检测正确，即 则(13)式成为
[0114]
[0115] 判决变量中的噪声项被减小，因而改善了后续符号的检测性能。
[0116] 5)令B＝B′，y＝y′， 重复2)—4)，直到s中的所有N个符号均被检测出。
[0117] ZF-Improved-OSNPC检测器的结构框图如图3所示。
[0118] MMSE-Improved-OSNPC检测方法与上述ZF-Improved-OSNPC类似，只需将上述矩阵H -1 H H 2 -1 HB＝(AA) A置换为MMSE滤波器矩阵B＝(AA+αIN) A。
[0119] 仿真结果表明，作为独立的MIMO检测器，Improved-OSNPC的检测性能与已有的OSNPC检测基本相同，这是因为信道矩阵是一随机矩阵，有时其特性很不理想，严重偏离正交，使得判决变量中的噪声项很大，即使采用优化的检测次序，亦不能明显改善检测性能。
[0120] Improved-OSNPC检测过程与已有的OSNPC检测类似，区别仅在于符号检测次序的确定方法不同。如前所述，OSNPC符号检测次序的确定涉及||bi||2,i＝1,2,…和等运算，而OSNPC符号检测次序的确定涉及和 等运算，分析表明，若以浮点运算(flop)次数衡量，两者的计算量是基
本相同的。因此可以得出结论：Improved-OSNPC检测与OSNPC检测的计算复杂度基本相同，进一步，Improved-OSNPC检测、OSNPC检测以及简化的Simplified-OSIC检测三者的计算复杂度基本相同。
[0121] 总之，Improved-OSNPC检测、已有OSNPC检测和已有Simplified-OSIC检测在检测性能方面及计算复杂度方面基本相同，Improved-OSNPC的优势不在于作为独立MIMO检测器来使用。
[0122] 下面介绍MIMO信号的MMSE-Improved-OSNPC-DLR检测方法。
[0123] A.MMSE-Improved-OSNPC-DLR检测方法
[0124] 用上述Improved-OSNPC可以构成基于MMSE的DLR辅助MIMO检测，即MMSE-Improved-OSNPC-DLR，其对应检测器结构如图4所示。事实上，只要将图2的MMSE-Simplified-OSIC-DLR检测器中的Simplified-OSIC迭代检测方框置换为Improved-OSNPC迭代检测，便得到图4的结构。
[0125] B.MMSE-Improved-OSNPC-DLR检测性能
[0126] 将MMSE-Improved-OSNPC-DLR的检测性能与已有对应检测方案进行比较，可验证其性能优势。已有的MMSE-OSNPC-DLR和MMSE-Simplified-OSIC-DLR检测性能完全相同，故只需与其中一种进行比较。图5是用MATLAB进行系统仿真得到的MMSE-Improved-OSNPC-DLR和MMSE-Simplified-OSIC-DLR的检测性能曲线，即检测符号错误率(SER)随信噪比(SNR)变化曲线。图中也给出了相应的ML检测(最佳检测)性能曲线，以资比较。
[0127] 仿真中，DLR采用DLLL格约减算法，其基本参数δ取0.99以达到最佳格约减性能。MIMO系统未采用信道编码。须说明，仿真中Improved-OSNPC和Simplified-OSIC检测将复数运算转换为实数运算，这样做，虽然使计算复杂度略有增加，但进一步提高了检测性能。检测器的其余部分仍然采用直接的复数运算。
[0128] 从图5的仿真结果可以看到以下事实：
[0129] 1)无论MIMO系统的发/收天线数量N×M取何值，也无论系统采用何种星座的QAM调制，MMSE-Improved-OSNPC-DLR的检测性能都明显优于MMSE-Simplified-OSIC-DLR，而且系统的发/收天线数量越大，QAM调制星座规模越大，这种性能的优势越显著，例如当天线数量为N×M＝12×12，系统采用16QAM调制时，为达到10-5的误符号率，MMSE-Improved-OSNPC-DLR所需的信噪比与MMSE-Simplified-OSIC-DLR相比减少了约2.3dB。
[0130] 可见，优化检测次序的Improved-OSNPC与DLR技术结合时，在性能上表现出明显优势。这是因为矩阵B被格约减之后所得到的约减基矩阵B′已接近正交，判决变量y＝B′x＝d+B′w中的噪声项很小，其最小噪声样本更小，迭代检测的正确率必定有明显提高。
[0131] 2)已有的MMSE-Simplified-OSIC-DLR曾被称为近最佳的MIMO检测方案，从图5可知，本发明提供的MMSE-Improved-OSNPC-DLR检测方案更加逼近了ML最佳检测性能。
[0132] C.MMSE-Improved-OSNPC-DLR复杂度评价
[0133] 前已述及，Improved-OSNPC、OSNPC和Simplified-OSIC检测的计算复杂度基本相同，因此，所对应的DLR辅助检测方案的计算复杂度也基本相同。即MMSE-Improved-OSNPC-DLR检测方案与已有的MMSE-Simplified-OSIC-DLR、MMSE-OSNPC-DLR检测方案相比，计算复杂度并无增加。
[0134] 本发明提供的MMSE-Improved-OSNPC-DLR检测方案与已有的MMSE-Simplified-OSIC-DLR、MMSE-OSNPC-DLR检测方案相比，显著改善了检测性能，进一步逼近了最佳检测性能，同时维持了原有的较低的复杂度。例如当天线数量为N×M＝12×12，系统采用16QAM调制时，为达到10-5的误符号率，MMSE-Improved-OSNPC-DLR所需的信噪比与MMSE-Simplified-OSIC-DLR相比减少了约2.3dB。可以推知，随着天线数量与QAM星座规模的增加，这种性能的改善量还将进一步增加。
[0135] 这意味着，在实际应用中，采用本发明提供的MMSE-Improved-OSNPC-DLR检测方案，可改善MIMO系统的传输性能，提高系统的资源利用率，同时不增加系统的复杂度与成本，尤其是对于天线数量大、QAM星座规模大的MIMO系统，这一效果更加显著。
[0136] MMSE-Improved-OSNPC-DLR检测方案提供了一种以低复杂度逼近MIMO最佳检测的途径。
[0137] 本发明首先提供一种用于MIMO无线通信系统的信号检测方法，称为“优化检测次序的噪声投影逐次消去(improved ordered successive noise projection cancellation,Improved-OSNPC)MIMO信号检测方法”。其中，MIMO信号可以采用任何类型的星座来映射待发送符号，而发送符号可以采用任何信道编码方式或者不进行信道编码。
[0138] Improved-OSNPC检测是在已有的噪声投影依序逐次消去(ordered successive noise projection cancellation,OSNPC)检测的基础上提出的一种新的迭代检测方法。Improved-OSNPC检测与已有的简化的Simplified-OSIC检测以及OSNPC检测相比，三者检测性能基本相同，计算复杂度也基本相同。如果将Improved-OSNPC作为独立的MIMO检测器使用，与已有的简化Simplified-OSIC、OSNPC检测器相比，并无明显优势。
[0139] 在Improved-OSNPC基础上，本发明提供一种基于MMSE的DLR辅助Improved-OSNPC检测方法，记为MMSE-Improved-OSNPC-DLR。与已有的MMSE-Simplified-OSIC-DLR检测(已有的最优LR辅助检测)相比，MMSE-Improved-OSNPC-DLR检测性能显著提高，更加逼近最佳检测性能，而两者的计算复杂度基本相同。
[0140] 以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解，上述实施例不以任何形式限制本发明，凡采用等同替换或等效变换的方式所获得的技术方案，均落在本发明的保护范围内。
