第五代移動通信系統中M IMO-OFDM檢測關鍵技術研究

溫祖威

（中國移動通信集團廣東有限公司廣州分公司，廣東 廣州 440100）

第五代移動通信系統中M IMO-OFDM檢測關鍵技術研究

溫祖威

（中國移動通信集團廣東有限公司廣州分公司，廣東 廣州 440100）

第五代移動通信將提供更高速的接入速率、更寬的帶寬、更靈活的配置及組網方式。為支持5G的發展需求，各研究機構相繼提出了包括高頻段傳輸、新型多天線傳輸、終端直通技術、密集網絡、新型網絡架構在內的若干關鍵技術問題的解決方案。其中，新型多天線技術的基本思想是利用空間換取時間，充分利用還沒有完全開發的空間資源，同時在無需增加信道帶寬和發送天線的數目的情況下，就能成倍提高系統的頻譜利用率和系統的容量。本文將具有抗多徑能力的OFDM技術應用于新型多天線技術，通過對提高頻譜利用率的MIMO-OFDM通信系統中的檢測方式進行仿真對比，詳盡分析了各個檢測算法在性能和復雜度上的折衷問題。

5G移動通信系統；新型多天線；MIMO-OFDM；檢測算法

目前使用的3G移動通信系統具有增強的漫游功能、寬帶數據視頻和多媒體業務、高的服務質量和數據永遠在線等特性。正在開展網絡建設工作的4G移動通信系統進一步增強了服務質量、增加了帶寬和降低了成本。隨著 3G網絡的逐步成熟以及4G網絡建設工作的逐漸展開，5G無線網絡的研究和開發也提上了議事日程[1]。第五代移動通信系統的關鍵技術是繼4G移動通信技術之后的又一次技術革新，其關鍵技術包括高頻段傳輸、新型多天線傳輸、同時同頻全雙工、D2D、密集網絡、新型網絡架構等[2]。

在5G階段，流量的暴漲是必然需要面對的問題。與流量暴漲聯系緊密的一個關鍵因素是頻譜資源。隨著物理層技術的不斷演進，頻譜效率將會逐漸逼近香農極限，除了更密集的基站部署，一個很重要的流量載體就是更多的無線頻譜資源[3]。新型多天線技術能在不增加帶寬的情況下成倍地提高通信系統的容量和頻譜利用率，將新型多天線技術結合正交頻分復用（OFDM）技術不僅能進一步提高頻譜效率，增加系統容量，還具有良好的抗多徑干擾能力，保證了信號傳輸的可靠性[4]，因此MIMO-OFDM系統將成為未來5G的核心技術之一。

而衡量通信系統好壞的一個重要標志是檢測算法的優劣，如何在接收端將所有發射天線上的信號高性能地恢復出來，是一個極為關鍵而且復雜的問題。文中利用V-BLAST空時編碼的特點，針對5G系統中MIMO-OFDM已有的最優檢測、線性以非線性檢測3大類方法的算法復雜度和檢測性能進行了分析討論。

1 系統模型

圖1所示為一個發的V-BLAST MIMO-OFDM系統信號檢測的系統框圖[5]。在發送端利用 V-BLAST空時編碼，將數據流經串并轉換后分成個不同的子流。對每路子流，都需要經過串并轉換，信號映射，最終執行快速傅里葉逆變換（IFFT）。IFFT是將多路的低速數據流同時調制到N個正交的子載波上。在結束IFFT模塊操作之后，加入循環前綴CP以減少子載波間的干擾，同時可以減小系統符號間干擾（ISI）和載波間干擾（ICI）。

圖1 V-BLAST MIMO-OFDM系統結構框圖Fig.1 The block diagram of V-BLAST MIMO-OFDM system

在接收端，經串并轉換并去掉循環前綴，接著對每根接收天線的數據做點的快速傅里葉變換（FFT），以完成 OFDM的解調功能。最后，利用基于V-BLAST的信號檢測算法，對并行流入的信號做信號檢測，將檢測出來的數據做并串轉換，最終恢復出數據。

根據圖1所示，第個子載波對應的接收信號可表示為：

式中，X(n)表示發送天線發送的第n個子載波的頻域信號，為Nt×1的列向量；N(n)為第n個子載波中加性高斯白噪聲，具有零均值，為Nt×1的列向量。H(n)表示第n個子載波從發送天線到接收天線間的信道的頻率響應，是一個Nr×N階的MIMO多徑信道矩陣，其具有頻率選擇性的衰落特性。

2 線性檢測

線性檢測算法是根據相應準則對接收到的信號進行線性加權。根據加權準則的不同，線性檢測方式可以分為迫零（ZF）檢測算法和最小均方誤差（MMSE）算法。在線性檢測方式中，零化技術主要是從含有多個數據流和噪聲的接收信號矢量中提取出所要檢測的發送信號分量。為了方便進行零化處理，可將接收信號矢量寫成表達式的形式Y=x1h1+x2h2+xNthNt+N,式中xi(i=1,…,Nt)表示第i根發送天線的信號分量；hi表示信道矩陣H中的第列矢量。那么，對應的零化矢量Gi為：

用零化矢量Gi線性加權接收向量Y，則有

從公式(3)可以看出，經過零化處理之后，接收信號中僅剩下所對應的發送信的發送信號xi分量和加權后的噪聲，其他發送天線的信號分量均被零化。

2.1 迫零（ZF）算法

迫零（ZF）算法是將信道矩陣所帶來的干擾通過零化矢量化為零。ZF算法實際上是根據最小二乘法的估計準則，即讓發射信號向量的估計值在信道矩陣的作用下與原始接收信號的距離的平方和的2-范數R(X)最小。即

式中上標H表示矩陣的共軛轉置，下標F表示對式子進行范數計算，上式中表示2-范數計算。

當矩陣HHH非奇異時,可得到ZF算法的估計值為:

特別的，當H為滿秩矩陣時，公式(5)可以化為：

公式（6）中，H-1即為ZF算法的零化矢量。ZF算法的實際上就是先對信道矩陣進行求Pseudo逆，然后利用H的偽逆矩陣對接收信號向量Y做線性變換，最后將變換得到的發送信號的估計值XZF中的每個元素進行量化，即在發送信號的星座點上尋找與它距離最接近的點，進而得到發送信號的估計值。

2.2 最小均方誤差(MMSE)算法

ZF檢測算法在消除了符號間干擾的同時，也放大了干擾噪聲，降低了檢測性能。最小均方誤差譯碼（MMSE）算法在消除發送信號的各個分量間干擾的同時抑制了噪聲干擾，從而在整體上提高了檢測性能。MMSE的基本原理是是找到一個發送信號向量的估計值，使得估計值和原發送信號X的平方方差的數學期望最小，即：

MMSE能夠最大化檢測后的SINR，其加權矩陣為WMMSE=(HHH+δ2I)HH

3 非線性檢測

線性檢測方法無法適用于檢測性能要求較高的場合，在這種情況下，研究人員就提出了非線性檢測方法。所謂的非線性檢測方法，指的是算法的檢測輸出是輸入信號的非線性變換。該類方法主要有排序干擾消除（OSIC）算法以及基于QR分解的檢測算法等。

3.1 排序SIC算法

MMSE-OSIC的具體操作流程如下[6]：

1)初始化：G1=H+；

3)第i次迭代：Wki=(Gi)ki，取Gi的第ki行；

4)計算判決變量：xki=Wkiyi；

5)進行硬判決：xki=Q(Wkiyi)；

6)抵消這個信號分量對下面要進行判決的影響：yi+1=yi-xki(H)ki；

9)i←i+1。

H+為H的偽逆矩陣，表示將 H中的第 ｛k1，k2，…ki｝列清零后的偽逆矩陣。OSIC算法相對傳統的SIC算法而言，增加了發送信號的排序操作，從而有效地減低了誤碼傳播的概率，提高了檢測性能。但是在每次對信號分量的檢測操作之前都要進行矩陣的排序操作，這樣就增加了該檢測算法的計算復雜度，其復雜等級為。OSIC算法獲得的分集度大于Nr-Nt+1。

3.2 SQRD算法

檢測過程可表示為：

不難看出，QR分解實際上也是一種干擾消除算法，它先檢測出的第一個元素是發送信號的最后一個分量，沒有其它分量的干擾，進而檢測出倒數第二個分量，這時要減去倒數第一個分量所帶來的干擾，直至所有的發射信號分量都被完全檢測出來。在檢測的過程中，只需做一次QR分解，相比OSIC算法需要多次矩陣的偽逆運算和排序運算而言，其計算復雜度可大大降低，同時該算法也依賴于第一次檢測判決分量的準確性，如果檢測有誤，同樣會造成誤碼傳播，影響后續信號分量的檢測判決，因而其檢測性能要比OSIC算法差。

4 最優檢測

最優檢測是指被檢測出來的信號具備最高的分集增益以及最接近原始信號（比如，具有最佳檢測性能，即最低比特差錯率）。不過，要達到最優這一目標是要付出極高的計算代價。所提出基于最優檢測思想的次優檢測算法，比如球形譯碼（SD）算法，可以在檢測性能相比于ML稍有下降的情況下大幅度的減少計算量。

4.1 最大似然（ML）譯碼算法

最大似然（ML）基本原理為：預先存儲發送信號的所有可能的矢量值，接收端收到發射的信號之后，計算該信號與預先存儲的所有可能值在接收空間中映射的歐幾里德距離[8]。最小的歐氏距離所對應的存儲值就被認為是發射信號矢量的估計值。估計準則如下：

從公式（10）可以看出，ML檢測算法公式與迫零（ZF）檢測算法的表達式是一樣的，不同的地方在于，ML算法要從搜索所有可能的發送信號矢量，具有很高的復雜度，難以在實際的通信系統中應用。

4.2 球形譯碼（SD）算法

球形譯碼（SD）算法的設計目的是在降低ML檢測算法性能的前提下，大幅度地降低搜索所需的計算復雜度。故球形譯碼算法也是采用公式（10）來進行搜索的，不過是一種局部搜索法，其搜索范圍是以接收矢量Y為圓心，D為半徑的超球面內。很顯然，在限定的超球面內，最靠近接收向量的值，也應該是整個星座中最接近接收向量的值。因此SD算法的檢測性能可以達到類似ML檢測算法的最佳性能。當限定的搜索半徑D較小時，SD算法的搜索空間也減小，相應的計算復雜度也會減小。

算法的具體步驟，如下：

對信道矩陣進行QR分解，即H=QR,其中R為Nr×Nt的上三角矩陣，Q=[Q1Q2]為Nr×Nt的正交矩陣，Q1是Q前面Nr個正交列組成的矩陣，Q2是剩下的Nt-Nr個正交列組成的矩陣。

4)xk=xk+1，如果xk≤=UB(xk)轉到6)，其他轉到5);

5)k=k+1，如果k=m+1那么停止運算，其他情況轉到4);

7)解得x，保存并轉到4)。

球形譯碼算法是在ML檢測算法的基礎上提出的一種次佳譯碼算法，當搜索半徑較大時，其檢測性能接近甚至與ML檢測算法相同，不過此時其計算復雜度也大大地增加。

5 性能仿真和分析

本文所采用的仿真系統為4發4收V-BLAST MIMOOFDM系統，OFDM長度為256，循環前綴長度為64，采用4QAM調制方式，每根天線需要發送1000bit信息。

從圖2可以看出，MMSE算法的檢測性能始終優于ZF算法，MMSE算法相對于ZF算法獲得接近3-4個dB的性能增益。說明 MMSE算法的檢測性能確實要優于ZF算法，原因是MMSE算法不僅能消除發送信號各個分量之間的干擾，而且還對信道噪聲有良好的抑制效果。但從仿真圖的總體效果上看，兩種算法的檢測誤碼率還是比較高的，因此，有必要提出新的檢測算法，使其在檢測性能上優于MMSE和ZF算法，以更好地應用到實際系統。

圖2 ZF、MMSE算法的檢測性能對比（4QAM）Fig.2 Detection performance comparison of ZF,MMSE algorithm(4QAM)

圖3 QR和OSIC-MMSE的仿真性能對比（4QAM）Fig.3 Simulation results of QR and OSIC-MMSE algorithm(4QAM)

仿真圖3結果表明，QR算法的檢測性能遠差于MMSEOSIC算法，這與我們之前的分析結果相一致。

圖4 SD和ML檢測算法性能仿真對比Fig.4 Simulation results of SD and ML detection algorithm

從圖4中可以看出，搜索半徑較大時，SD算法的檢測性能曲線已經與ML檢測算法重合，說明SD算法的檢測性能可以無限接近并等同于ML檢測算法，這時，SD的計算復雜度也小于ML檢測算法。

6 結束語

面向5G移動通信網絡的初步需求包括合理降低成本、開發更多可用頻譜、構建以用戶為中心的網絡、基于業務感知優化網絡、多制式/模式聯合運營等。本文以開發更多可用頻譜為切入點引入了能提高頻譜利用率增加系統容量的MIMO-OFDM系統，并就V-BLAST空時編碼的特點，對MIMO-OFDM系統已有的最優檢測、線性以非線性檢測三大類方法對算法復雜度和檢測性能進行討論。從討論結果可以看出，線性檢測方法雖計算復雜度比較低，但檢測性能較差，一般作為一種輔助檢測算法來使用。非線性檢測中的QR算法由于存在誤碼傳播的可能性，其檢測性能相比ZF-OSIC算法較差，但因它只使用了一次QR分解，計算復雜度比ZFOSIC算法要低。同樣，ZF-OSIC檢測性能低于ML算法，但是它的計算復雜度要遠遠低于ML算法。ML算法雖有最佳的檢測性能，但其計算量非常大，無法運用到實際的通信系統中。參考文獻：

[1]第五代移動通信技術的簡稱[EB/OL].(2012-10-10).http://baike.baidu.com/view/1050589.html.

[2]馮巖.5G研發，爭分奪秒[J].電波衛視，2014(1):70-72.FENG Yan.5G development,race against time[J].Wave TV，2014(1):70-72.

[3]姜大潔，何麗峰，劉宇超.5G：趨勢、挑戰和愿景[J].電信網技術，2013(9):20-26.JIANG Da-jie，HE Li-feng，LIU Yu-chao.Communication network technology 5G:Trends,challenges and vision[J].2013(9):20-26.

[4]Helmut B O.Principles of MIMO-OFDM wireless systems[M].Boca Raton:CRC Press,2005

[5]Qianlei L,Luxi Y.A simplified method for V-BLAST detection in MIMO-OFDM communications[C]//10th Asia-Pacific conference on communication and 5th international symposium on multi-dimensional mobile communication,2004.

[6]汪蓓，朱琦.MIMO-OFDM系統中的一種改進的V-BLAST檢測算法[J].信號處理,2009(9):1409-1413.WANG Bei，ZHU Qi.An improved V-BLAST detection algorithm of MIMO-OFDM system[J].Signal Processing,2009(9): 1409-1413.

[7]鄭勇，馮大政.多天線系統中基于QR分解的混合SIC/PIC檢測[J].系統工程與電子技術，2010(8)：1582-1586.ZHENG Yong，FENG Da-zheng.Hybrid SIC/PIC detection based on QR decomposition of Multi-antenna system[J].System Engineering and Electronics,2010(8):1582-1586.

Research on key technologies of M IMO-OFDM detection in the fifth generation mobile communication system

WEN Zu-wei
（China Mobile Group Guangdong Co.,Ltd.Guangzhou Branch，Guangzhou 440100,China）

The fifth generation mobile communication will provide higher access rate,wider bandwidth and more flexible configuration and network.To meet the demand for the development of 5G,people have put forward solutions to some key problems in transmission and network issues including HF transmission,new multi antenna transmission,straight-through technology in terminal,dense network and new network architectures.The basic principle of new multiple antennas technology is the use of space for time,making full use of space resources which have not been fully developed,simultaneously improve the system spectrum efficiency and system capacity without increasing the bandwidth of the channel and the number of transmit antenna.For it’s anti-multipath capability,we adopt OFDM to new multiple antenna,many numerical simulations and sensitive analysis?based on V-BLAST MIMO system were shown,the trade off between detection performance and complexity was analyzed in detail.

the fifth generation mobile communication;new multi antenna;MIMO-OFDM;detection algorithm

TN92

A

1674－6236（2015）10-0145-04

2014-09-02 稿件編號：201409021

溫祖威(1972—)，男，廣東新興人，碩士，高級工程師。研究方向：通信網絡建設與維護。