怎样使用最大似然检测器方案优化MIMO接收器性能
67 浏览量
2020-07-22
22:44:54
上传
评论
收藏 96KB PDF 举报
怎样使用最大似然检测器方案优化怎样使用最大似然检测器方案优化MIMO接收器性能接收器性能
本文将介绍如何使用最大似然检测器方案优化MIMO接收器性能
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：
资源评论
