如何使用最大似然检测器方案优化MIM接收器性能.docVIP

如何使用最大似然检测器方案优化MIMO接收器性能 ：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 ：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裾速率。 MIMO的规格取决于发送和接收天线的数量。在一个4X4 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IM,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 人似然（Maximum Likelihood, ML）或最人似然检测器（Maximum Likelihood Detector,）,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——但这也有其成木代价：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一 一对于这一点，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4X4 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： 横向优先搜索 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)一一因 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，其反过來简化了在系统中 计划的数椐流 该解码器的缺点包括： *需要人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 4X4 (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 升到树叶一一因此得名“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