空間調制系統檢測方法在5G大規模MIMO中的應用研究

趙靜儀 金小萍 王曉琴 王琳 金磊

摘 要：適用于大規模多輸入多輸出（MIMO）無線系統的空間調制系統，通過每次只激活一根發射天線來提高系統的傳輸效率和能量效率，被預示為5G系統關鍵技術之一。該文對空間調制系統已知信道條件下的檢測方法進行了綜述，根據不同方法種類，分別解釋了其工作原理、優點和缺點，并在文章最后，對它們的特點進行了總結分析，提出了今后的研究方向。該文章的內容將為今后空間調制檢測方法的實際開發提供理論基礎，也為以后對空間調制技術的更進一步研究提供參考。

關鍵詞：空間調制 檢測方法 大規模MIMO

中圖分類號：TN929 文獻標識碼：A 文章編號：1672-3791（2015）12（a）-0018-02

空間調制（SM）技術[1]屬于單射頻大規模MIMO無線系統的家庭， 相比具有高復雜性和高功耗的經典MIMO系統，SM以新穎的方式開發了多根天線，通過每次只激活一根天線發送的方式，不僅可以降低RF數量，降低功耗，而且還可以在傳統傳輸星座調制符號的基礎上，通過選擇不同發送天線的方式來傳輸信息，我們稱之為空間調制符號。總之，SM在發送端利用整個天線陣的優勢來提高頻譜效率，而卻只使用有限數量的射頻鏈來增大能量效率。這些特點有助于高速的MIMO系統擁有低信號處理和電路復雜性，而且還能避免傳統MIMO系統信道間干擾和嚴格同步傳輸的問題，也正是由于SM這個獨特的性質，使得其接收機端的檢測方法會比傳統MIMO系統檢測方法難度更大。因此，對SM系統下的檢測方法進行研究是實現SM系統的關鍵技術之一，也為今后5G標準的制定提供強有力的支持[2]。

1 面向空間調制的檢測方法

面向空間調制系統檢測方法的研究最早是在2008年[1]，采用的是最大比合并的思想，要求首先估計出發射天線的序號，再進行星座調制符號的解調，該方法較為簡單，易于實現，但是對信道有所限制，只適用于部分信道（如：萊斯信道）環境；基于此提出了最大似然（ML）檢測方法[3]，聯合檢測天線索引和信號符號，性能達到了最優，但是由于采用遍歷全搜索的方法復雜度較高，與發射天線數Nt、接收天線數Nr、星座調制符號個數M三者的乘積成線性關系。對此很多學者從不同角度提出了幾種低復雜度的空間調制檢測方法，主要分為球形譯碼（SD）[4-6]、匹配濾波（MF）[1，7-8]、基于信號向量檢測（SVD）[9-11]、硬限制（HL）[11-14]等幾大類檢測方法。

球形譯碼（SD）最初是在2010年引入到空間調制系統中[4]的，主要通過選擇合理的搜索半徑減少分支的搜索層數，并利用樹形結構聯合檢測天線索引和發送符號，稱這種方法為Rx-SD；并將信道矩陣H進行QR分解[5]，利用SD的思想，限制Nt和M的個數來降低SM系統的復雜度，稱之為Tx-SD方法；且在Tx-SD方法基礎上，通過引入常數改變H矩陣的超定特性，并經過Cholesky分解來使SD方法適用于任何天線數的SM系統中[6]。總之，基于SD的空間調制檢測方法的性能是逼近最大似然（ML）的，降低復雜度的面也很廣，但該方法的復雜度容易受信噪比的影響，在低信噪比時與ML一樣。

匹配濾波（MF）方法的最初思想即最大比合并檢測方法[1]，實現簡單，性能較差；2011年Sugiura提出了改進的MF方法[7]，基本原理是對信道向量進行歸一化處理，并在估計發射天線序號時，忽略信號的正負號，將四個象限的星座點等效到單個象限上。通過這樣的處理能獲得與ML相近似的性能，并有效降低計算復雜度，但在高階調制情況下，復雜度依然很高；2012年對MF方法再次改進[8]，在求天線索引值時，不是求最大值，而是將度量值按遞減順序保留前K個值，通過K的不同取值，去自適應的平衡系統的性能和復雜度。

基于信號向量檢測（SVD）[9]的基本原理是在無噪的環境下接收信號向量與對應的信道條件向量是同方向的，因此通過計算接收信號與各個發射天線對應的信道條件之間夾角的最小值就能找到對應的天線索引，前提條件是接收天線數不能少于2，由于SVD復雜度在檢測發送天線索引時僅與Nt、Nr有關，而與調制階數M無關，相比ML，復雜度有了大幅度的降低，但性能較差；同年5月，提出了保留固定候選天線數的列表SVD（LSVD）[10]，性能有了提高，但復雜度也隨之增大；對此文獻[10]提出了自適應SVD（ASVD）方法，它是根據度量值的概率分布設計一個準側動態調整保留的候選天線數，能夠更好的平衡性能和復雜度之間的關系。

硬限制（HL-ML）[12]方法是一種ML檢測方法，其基本原理是將矩形或方形的MQAM符號星座表示成兩個PAM信號，并通過數學公式直接推導出不同接收信號向量對應的發送符號，因此系統復雜度與星座點M無關。但該方法還存在著兩大缺點：一是在估計天線索引值時是遍歷全搜索的；二是只適用于矩形或方形的MQAM調制符號。針對第一點，分別提出了與球形譯碼、SVD結合的HL-SD[13]和 HL-SVD[11]方法；至于第二個問題，從傳輸效率來說，應優先選擇高階的MQAM調制，但從能耗角度考慮基于恒包絡調制方式的空間調制系統要比正交幅度調制（MQAM）下的系統性能要好。可見，面對未來移動通信的技術挑戰，如提高能量效率，基于MPSK調制方式的SM將會有更好的發展前景。對此文獻[14]提出了適用于MPSK調制的低復雜度最大似然檢測方法（LC-ML），該方法類似HL復雜度也與星座點無關，但存在著對發送天線的檢測是遍歷全搜索，復雜度高，且傳輸效率相比HL較低的問題。

2 結語

通過上面的綜合分析可見，面向空間調制系統檢測方法關注的指標主要是性能、復雜度、能量效率和傳輸效率等方面，其中SD＼MF＼SVD方法集中于性能接近ML方法基礎上，降低系統的復雜度；而HL-ML方法集中于保證性能和傳輸效率基礎上，降低實現復雜度；最近提出的LC-ML則在性能、能量效率基礎上，降低系統實現復雜度。可見，到目前為止，還沒有一種面向SM系統的檢測方法能在功率放大器線性度的要求下同時兼顧上述四個指標，這是今后5G研究的課題之一。

參考文獻

[1] RY Mesleh，H Haas，S Sinanovic，et al.Yun.Spatial Modulation[J].IEEE Trans.Veh.Technol.，2008，57（4）： 2228-2241.

[2] Marco Di Renzo，Harald Haas，Ali Ghrayeb，et al.Spatial Modulation for Generalized MIMO：Challenges， Opportunities，and Implementation[J].Proceedings of the IEEE，2014，102（1）：56-103.

[3] JJeganathan，AGhrayeb，L Szczecinski.Spatial modulation： Optimal detection and performance analysis[J].IEEE Commun. Lett.，2008，12（8）：545-547.

[4] A Younis，RY Mesleh，H Haas，et al.Reduced complexity sphere decoder for spatial modulation detection receivers[C]//In Proc.IEEE Global Commun.Conf.，2010.

[5] AYounis，MD Renzo， RYMesleh，et al.Sphere decoding for spatial modulation [C]//In Proc IEEE Int. Conf.Commun.，2011.

[6] A Younis，H Haas，S Sinanovic，et al.Generalised sphere decoding for spatial modulation[J].IEEE Transactions on Communications，2013，61（7）：2805-2815.

[7] Sugiura Shinya，Xu Chao，Ng Soon Xin，et al.Reduced-complexity coherent versus on-coherent QAM-aided space-time shift keying[J].IEEE Transactions on Communications，2011，59（11）：3090-3101.

[8] Yang Ping， XiaoYue，Li Lei，et al.An improved matched-filter based detection algorithm for space-time shift keying systems[J].IEEE Signal Processing Letters，2012，19（5）：271-274.

[9] WangJintao，JiaShuyun，SongJian.Signal vector based detection scheme for spatial modulation[J]. IEEECommunications Letters，2012，16（1）：19-21.

[10] J.Zheng.Signal vector based list detection for spatial modulation[J].IEEE Wireless Communications Letters，2012，1（4）：265-267.

[11] Zhang Weile，Yin Qinye.Adaptive Signal Vector Based Detection for Spatial Modulation[J].IEEE Commun.Lett.，2014，18（11）：2059-2062.

[12] RakshithRajashekar，K.V.S.Hari， and L.Hanzo.Reduced-Complexity ML Detection and Capacity-Optimized Training for Spatial Modulation Systems[J].IEEE Transactions on Communications，2014，62（1）：12-125.

[13] RRajashekar，KVS Hari，L Hanzo.Low complexity maximum likelihood detection in spatial modulation systems[J].IEEE Transactions on Communications，2014，62（1）：12-125.

[14] Men Hongzhi，JinMinglu.A Low-Complexity ML Detection Algorithm for Spatial Modulation Systems With MPSK Constellation[J].IEEE Communications Letters，2014，18（8）：1375-1378.