如何使用最大似然检测器方案优化MIMO接收器性能.docx

如何使用最大似然检测器方案优化MIMO接收器性能作者:?Noam Dvoretzki,Zeev Kaplan关键字：MIMO??MIMO接收器??MLD??最大似然检测器??次优ML接收器?作者：CEVA高级硬件系统架构师- Noam Dvoretzki，CEVA高级通信算法工程师- Zeev Kaplan对于改进数据速率和/或信噪比，多输入和多输出(MIMO)是领先的方法之一。通过使用多个接收和发送天线，MIMO可利用无线信道的多样性。对于任何给定的信道带宽，这可用于提高信道的频谱效率并改进数据速率。MIMO的规格取决于发送和接收天线的数量。在一个4×4 MIMO配置中，使用了四个发送天线和四个接收天线。这在同样信道带宽上实现了(在合适的条件下)高达四倍的数据传输。一方面，简单的MIMO接收器基于线性接收器算法，其易于实现但无法完全利用MIMO的好处。另一方面，使用迭代法，可以实现最佳的最大后验概率近似MIMO算法；然而，这会导致高延时的不足。一种更加实用的非线性MIMO接收器的实施途径是最大似然(Maximum Likelihood, ML)或最大似然检测器(Maximum Likelihood Detector,?MLD), 它在根本上是基于一个彻底的并列搜索。MLD在处理方面比传统线性接收器要求更高，但对于相同的信道条件，可提供明显更高的比特率。另外，对于具有天线相关性的信道，MLD更稳健可靠。使用高阶MIMO规格(超过两个接收和两个发送天线)可以导致显著的频谱效率改进——但这也有其成本代价：随着MIMO规格的增加，MLD接收器的计算复杂性以指数方式增加。高阶MIMO要求相当大的处理能力——对于这一点，直接的MLD方法是不切实际的，必须使用次优(suboptimal)MLD算法来实现用户设备(User Equipment，UE)的实施。次优ML接收器次优ML接收器试图以更有效的方法来扫描可能的传送信号，从而减少整体复杂性并达到接近ML精度的结果。减少复杂性有助于根据大小和功率进行更加实际的硬件实施。这还使硬件能够保持由先进通信标准规定的高吞吐量。次优ML方程式的解决可定义为一种树形搜索，其中树的每一个层级对应于一个发送符号。每个节点的分支突出数匹配QAM或发送符号的调制。一个4×4 MIMO配置可由一个四层树表示。假如调制为BPSK，每个节点将包含两个分支。一旦定义了树的符号，可以部署树遍历算法，借用其它领域比如计算机科学。关于此点，次优ML接收器可划分为两个主要类型：1. 横向优先搜索2. 深度优先搜索横向优先搜索横向优先的一个例子就是K-best算法。该解码器是一个固定复杂性解决方案，从树根开始并上行，直至它达到树的最后一层。在树的每层上，对所有选择的分支进行了评估并保留K留存节点，匹配最佳解决方案(代表了最接近接收信号的符号)——因此得名“K-best”。K剩余树叶然后就用于生成LLR结果。该解码器的优点是：* 单向流有助于硬件的简易流水线实施。* 计算每层所需要的处理能力是恒定的，且直接与实施中所选的留存节点(K)的数量相关。* 数据吞吐量是恒定的，其反过来简化了在系统中计划的数据流该解码器的缺点包括：* 需要大面积实施以便评估和分类所有选择的层级节点。* 精度要求越高，所需要的K值越高。* 在最佳SNR条件中，数据吞吐量不会增加。* 不能保证达到ML解决方案，因为最佳解决方案可能存在于没有选择的节点中。下述图表显示了一个采用QPSK调制的MIMO 4×4 (4-层)树。在此例子中，K为四。树的每层将分为十六个节点。最好的四个将会是用于下一层的留存节点。深度优先搜索深度优先的一个例子就是软输出球解码(Soft-Output Sphere Decoder)算法。此解码器是一种自适应复杂性解决方案，从树根开始并首先直接上升到树叶——因此得名“深度优先”。该树的优先解决方案确定了初始搜索半径或范围。从那时起，解码器在整个树层中追溯并上升。对树的每个超出搜索半径的节点及其下面的所有节点进行修整。每次找到一个更好的解决方案，相应地减少半径范围。以此方法，扫描并修整了符号树，直至有效选项数量减少。余下的符号代表了ML解决方案。此解码器的优点是：* 可保证获得ML解决方案，有助于结果精确度。* 在高SNR条件下，解码器运行更快，增加了数据吞吐量并降低了功耗。* 相比同等的横向优先解决方案，可在更小区域内实施。图3显示了具有自适应复杂性软输出球解码器与固定复杂性K-best解码器间的循环计数比较。因为SNR增加，球解码器将减少它的循环计数，而固定复杂性将保持不变，无论信道条件如何。图3：固定对自适应复杂性。该解码器的缺点包括：* 解码器的非确定性表现使系统计划复杂化。* 仅在当前分支完成后才知道下一个分支选择。这使得硬件传递途