田根林　李華

【摘 要】在高速寬帶無(wú)線通信系統(tǒng)中，MIMO技術(shù)能夠在不增加系統(tǒng)帶寬和發(fā)射功率的情況下，有效提高系統(tǒng)傳輸速率和頻譜效率。然而，由于不同發(fā)射天線發(fā)出的信號(hào)的相互干擾以及無(wú)線通信系統(tǒng)的多徑效應(yīng)，使得MIMO系統(tǒng)的信號(hào)檢測(cè)面臨巨大挑戰(zhàn)，嚴(yán)重阻礙了MIMO技術(shù)的廣泛應(yīng)用。因此本文主要針對(duì)MIMO系統(tǒng)的信號(hào)檢測(cè)算法進(jìn)行研究，通過(guò)算法比較和仿真驗(yàn)證可以得出，基于球形譯碼的信號(hào)檢測(cè)（SD）算法具有更優(yōu)的檢測(cè)結(jié)果。由于引入干擾抵消和排序機(jī)制，ZF-OSIC和MMSE-OSIC算法在性能方面得到了提升。

【關(guān)鍵詞】無(wú)線通信系統(tǒng)；MIMO；信號(hào)檢測(cè)；球形譯碼

【Abstract】In the high-speed broadband wireless communication systems， Multi-input and multi-output（MIMO） technology can improve transmission rate and spectrum efficiencies without any increase of system bandwidth and transmitting power. Thus， the signal detection for MIMO systems is challenging because of the channel noise and multipath fading， and has become the biggest block of development. In this paper， most attention is concentrated on the signal detection algorithms for MIMO Communication Systems， through the comparision with the existent algorithms and the simulations， we can conclude that the signal detection algorithm based on sphere decoding has a better detection effect. Due to the introduction of the interference cancellation and the ordering rule， the algorithm optimality of ZF-OSIC and MMSE-OSIC is both improved effectively.

【Key words】Wireless communication systems； Multiple-input-multiple-output； Equalization algorithms； Sphere decoding

0 引言

MIMO技術(shù)對(duì)于傳統(tǒng)的單天線系統(tǒng)來(lái)說(shuō)，能夠大大提高頻譜利用率，使得系統(tǒng)能在有限的無(wú)線頻帶下傳輸更高速率的數(shù)據(jù)業(yè)務(wù)。目前，各國(guó)已開(kāi)始或者計(jì)劃進(jìn)行新一代移動(dòng)通信技術(shù)（4G或者5G）的研究，爭(zhēng)取在未來(lái)移動(dòng)通信領(lǐng)域內(nèi)占有一席之地。隨著技術(shù)的發(fā)展，未來(lái)移動(dòng)通信寬帶和無(wú)線接入融合系統(tǒng)成為當(dāng)前熱門(mén)的研究課題，而MIMO系統(tǒng)是人們研究較多的方向之一，而且隨著MIMO系統(tǒng)均衡技術(shù)的出現(xiàn)使得這一領(lǐng)域出現(xiàn)了極大的突破。

盡管如此，在MIMO系統(tǒng)中，對(duì)于接收信號(hào)的處理仍然存在很大的問(wèn)題。主要表現(xiàn)為：信號(hào)檢測(cè)算法難度大、參數(shù)繁雜。同時(shí)由于碼間干擾和多徑衰落的影響，使得均衡器在功能與性能上的要求提高了一個(gè)臺(tái)階。因此，隨著均衡技術(shù)的不斷進(jìn)步，對(duì)于高復(fù)雜度信號(hào)檢測(cè)也成了必需攻克的問(wèn)題。因此，本文的主要研究?jī)?nèi)容便是如何在MIMO系統(tǒng)中進(jìn)行信號(hào)檢測(cè)，從而實(shí)現(xiàn)均衡技術(shù)。

1 MIMO 系統(tǒng)研究現(xiàn)狀

1.1 MIMO系統(tǒng)概述

自20世紀(jì)70年代以來(lái)，在一代代科學(xué)家們的不懈努力下，奠定了MIMO無(wú)線通信系統(tǒng)的理論基礎(chǔ)和可行性。從20世紀(jì)的90年代后頁(yè)起，在Foschini、Rayleigh等人的研究基礎(chǔ)上，世界上許許多多的科研機(jī)構(gòu)與高等院校都開(kāi)始投入巨大的人力物力對(duì)MIMO系統(tǒng)進(jìn)行了深入研究。

在MIMO技術(shù)日益成熟與先進(jìn)的今天，MIMO技術(shù)的研究領(lǐng)域[1]主要涵蓋了下列幾點(diǎn)：MIMO信道容量和建模的分析；MIMO系統(tǒng)的空時(shí)編碼和空時(shí)解碼；MIMO系統(tǒng)收發(fā)數(shù)據(jù)方案設(shè)計(jì)；MIMO系統(tǒng)在網(wǎng)絡(luò)方面的研究與探究。這四個(gè)方面的研究?jī)?nèi)容雖然各有側(cè)重，但都面對(duì)著一個(gè)相同的核心問(wèn)題，即針對(duì)各種復(fù)雜的無(wú)線衰落信道環(huán)境，如何更有效地利用 MIMO系統(tǒng)的通信結(jié)構(gòu)抑制多徑衰落、增加數(shù)據(jù)速率和提高系統(tǒng)容量。

1.2 MIMO系統(tǒng)檢測(cè)算法研究現(xiàn)狀

目前，MIMO系統(tǒng)均衡技術(shù)主要有三種實(shí)現(xiàn)方案：基于訓(xùn)練序列的MIMO均衡、MIMO盲均衡和MIMO半盲均衡，而且對(duì)于可靠性和可實(shí)現(xiàn)性的要求很高，因此這就要求在設(shè)計(jì)和研究中更好的平衡好復(fù)雜度和精度的關(guān)系。同時(shí)，在實(shí)現(xiàn)均衡的前提下，如何對(duì)于信號(hào)的接收和檢測(cè)也是如今的熱點(diǎn)與難點(diǎn)。

現(xiàn)有的檢測(cè)算法大致可以分為兩大類(lèi)：線性檢測(cè)和非線性檢測(cè)算法[2]。線性算法是將從發(fā)射端發(fā)射出的期望信息流當(dāng)成有用的信息，而把除此以外的信號(hào)當(dāng)作干擾和噪音。非線性檢測(cè)相比線性檢測(cè)性能具有更好的魯棒性，但是其實(shí)現(xiàn)復(fù)雜度高。因此，一種從ML算法演化而來(lái)的球形譯碼（SD）算法被研究出來(lái)[3-4]，該算法是ML算法的變種簡(jiǎn)化版。其實(shí)質(zhì)是通過(guò)尋找具有最小ML度量的信號(hào)向量，也可以說(shuō)是在立體球坐標(biāo)中尋找一個(gè)ML算法的解向量，如球體中果不存在哪怕一個(gè)ML的解向量，那么增大球體的半徑繼續(xù)搜尋；反之，如果最后得到的解向量不止一個(gè)且不是唯一的一個(gè)，那么縮小球體的半徑，直到找到有且只有一個(gè)的唯一解向量。SD算法相對(duì)于之前的線性算法有著精度上的優(yōu)勢(shì)，又比之前的ML算法更加容易計(jì)算，因此在MIMO系統(tǒng)中具有更好的使用價(jià)值。

2 幾種常用的檢測(cè)算法

2.1 MIMO系統(tǒng)中的信號(hào)檢測(cè)模型

考慮nT根發(fā)射天線nR根接收天線的MIMO系統(tǒng)，如圖1所示。數(shù)據(jù)流被分成nT個(gè)子數(shù)據(jù)流，每個(gè)子流通過(guò)星座點(diǎn)映射后送給發(fā)射天線。

使其盡可能的與s接近。迫零檢測(cè)（ZF）和最小均方誤差檢測(cè)（MMSE）是MIMO系統(tǒng)中使用最為普遍的線性檢測(cè)器。

其中，迫零檢測(cè)是MIMO系統(tǒng)中較為常見(jiàn)的檢測(cè)器之一，其主要思想就是在接收端利用線性變換對(duì)天線發(fā)射信號(hào)存在的干擾進(jìn)行消除。利用迫零檢測(cè)器能夠獲得發(fā)射信號(hào)的估計(jì)值，使得天線發(fā)送數(shù)據(jù)中存在的干擾被完全消除。當(dāng)信噪比較高時(shí)可以獲得較好的性能，但是倘若信噪比較低，信道矩陣H逼近奇異，檢測(cè)性能會(huì)出現(xiàn)惡化。

2.3 非線性檢測(cè)算法

線性檢測(cè)器的復(fù)雜度是極低的，這使其得到普遍應(yīng)用，但是它僅可使用線性運(yùn)算，和最優(yōu)檢測(cè)器相比，檢測(cè)器的性能與其存在很大的距離。非線性檢測(cè)算法中最簡(jiǎn)單的做法是以線性檢測(cè)算法為基礎(chǔ)，將判決反饋機(jī)制引入，實(shí)現(xiàn)干擾抵消，在此法的基礎(chǔ)上，再將排序串行干擾抵消OSIC算法引入。其他的非線性檢測(cè)算法的目的是對(duì)最優(yōu)檢測(cè)實(shí)施性能逼近，共同特點(diǎn)在于搜索星座點(diǎn)集合，以此獲得最優(yōu)的檢測(cè)結(jié)果。

2.3.1 OSIC算法

3 仿真與結(jié)果分析

由圖1可以看出，和ML算法相比，ZF算法的性能存在較大的差異，伴隨信噪比的不斷改善，ZF-OSIC算法的性能越來(lái)越逼近ZF算法。

4 結(jié)論

針對(duì)MIMO系統(tǒng)均衡技術(shù)中，如何在接收端對(duì)接收信號(hào)進(jìn)行檢測(cè)的問(wèn)題，本文首先對(duì)MIMO系統(tǒng)的相關(guān)研究現(xiàn)狀進(jìn)行了介紹，重點(diǎn)從原理上解釋了MIMO系統(tǒng)中幾種常用的檢測(cè)算法，并且通過(guò)算法仿真對(duì)它們的性能進(jìn)行了比較。仿真結(jié)果顯示，與其他算法相比，SD算法與最優(yōu)檢測(cè)結(jié)果最為接近。由于引入干擾抵消和排序機(jī)制，ZF-OSIC和MMSE-OSIC算法在性能方面得到了提升。根據(jù)原理分析可知，計(jì)算的復(fù)雜度和算法性能兩者是相互矛盾的，簡(jiǎn)言之，算法的誤碼性能越好，計(jì)算的復(fù)雜度就越高。因此，在實(shí)際中，需要根據(jù)具體需求選擇合適的算法。

【參考文獻(xiàn)】

[1]趙亞男，張祿林，吳偉陵.MIMO技術(shù)的發(fā)展與應(yīng)用[M].北京郵電大學(xué)信息工程學(xué)院.

[2]郭騰，林云.MIMO系統(tǒng)中信號(hào)檢測(cè)算法的研究[J].現(xiàn)代電信科技，2010（11）：48-51.

[3]Hassibi B， Vikalo H.On the Sphere-Decoding Algorithm I. Expected Complexity[J]. IEEE Transaction on Signal Processing， 2005， 53（08）： 2806-2818.

[4]Boyu Li and Ender Ayanoglu.“A New Low Computational Complexity Sphere Decoding Algorithm”， http：//cdsweb.cern.ch/record/1204907[OL].

[5]任光亮，段昕利，郁光輝，楊麗花.MIMO空間復(fù)用系統(tǒng)中的一種新的低復(fù)雜度球形檢測(cè)算法[J].西安電子科技大學(xué)學(xué)報(bào)，2011，38（2）：13-17.

[6]趙書(shū)蘭.MATLAB建模與仿真 [M].火力與指揮控制.清華大學(xué)出版社，2013.6

[責(zé)任編輯：楊玉潔]