MIMO系統的信號檢測算法

田根林　李華

【摘 要】在高速寬帶無線通信系統中，MIMO技術能夠在不增加系統帶寬和發射功率的情況下，有效提高系統傳輸速率和頻譜效率。然而，由于不同發射天線發出的信號的相互干擾以及無線通信系統的多徑效應，使得MIMO系統的信號檢測面臨巨大挑戰，嚴重阻礙了MIMO技術的廣泛應用。因此本文主要針對MIMO系統的信號檢測算法進行研究，通過算法比較和仿真驗證可以得出，基于球形譯碼的信號檢測（SD）算法具有更優的檢測結果。由于引入干擾抵消和排序機制，ZF-OSIC和MMSE-OSIC算法在性能方面得到了提升。

【關鍵詞】無線通信系統；MIMO；信號檢測；球形譯碼

【Abstract】In the high-speed broadband wireless communication systems， Multi-input and multi-output（MIMO） technology can improve transmission rate and spectrum efficiencies without any increase of system bandwidth and transmitting power. Thus， the signal detection for MIMO systems is challenging because of the channel noise and multipath fading， and has become the biggest block of development. In this paper， most attention is concentrated on the signal detection algorithms for MIMO Communication Systems， through the comparision with the existent algorithms and the simulations， we can conclude that the signal detection algorithm based on sphere decoding has a better detection effect. Due to the introduction of the interference cancellation and the ordering rule， the algorithm optimality of ZF-OSIC and MMSE-OSIC is both improved effectively.

【Key words】Wireless communication systems； Multiple-input-multiple-output； Equalization algorithms； Sphere decoding

0 引言

MIMO技術對于傳統的單天線系統來說，能夠大大提高頻譜利用率，使得系統能在有限的無線頻帶下傳輸更高速率的數據業務。目前，各國已開始或者計劃進行新一代移動通信技術（4G或者5G）的研究，爭取在未來移動通信領域內占有一席之地。隨著技術的發展，未來移動通信寬帶和無線接入融合系統成為當前熱門的研究課題，而MIMO系統是人們研究較多的方向之一，而且隨著MIMO系統均衡技術的出現使得這一領域出現了極大的突破。

盡管如此，在MIMO系統中，對于接收信號的處理仍然存在很大的問題。主要表現為：信號檢測算法難度大、參數繁雜。同時由于碼間干擾和多徑衰落的影響，使得均衡器在功能與性能上的要求提高了一個臺階。因此，隨著均衡技術的不斷進步，對于高復雜度信號檢測也成了必需攻克的問題。因此，本文的主要研究內容便是如何在MIMO系統中進行信號檢測，從而實現均衡技術。

1 MIMO 系統研究現狀

1.1 MIMO系統概述

自20世紀70年代以來，在一代代科學家們的不懈努力下，奠定了MIMO無線通信系統的理論基礎和可行性。從20世紀的90年代后頁起，在Foschini、Rayleigh等人的研究基礎上，世界上許許多多的科研機構與高等院校都開始投入巨大的人力物力對MIMO系統進行了深入研究。

在MIMO技術日益成熟與先進的今天，MIMO技術的研究領域[1]主要涵蓋了下列幾點：MIMO信道容量和建模的分析；MIMO系統的空時編碼和空時解碼；MIMO系統收發數據方案設計；MIMO系統在網絡方面的研究與探究。這四個方面的研究內容雖然各有側重，但都面對著一個相同的核心問題，即針對各種復雜的無線衰落信道環境，如何更有效地利用 MIMO系統的通信結構抑制多徑衰落、增加數據速率和提高系統容量。

1.2 MIMO系統檢測算法研究現狀

目前，MIMO系統均衡技術主要有三種實現方案：基于訓練序列的MIMO均衡、MIMO盲均衡和MIMO半盲均衡，而且對于可靠性和可實現性的要求很高，因此這就要求在設計和研究中更好的平衡好復雜度和精度的關系。同時，在實現均衡的前提下，如何對于信號的接收和檢測也是如今的熱點與難點。

現有的檢測算法大致可以分為兩大類：線性檢測和非線性檢測算法[2]。線性算法是將從發射端發射出的期望信息流當成有用的信息，而把除此以外的信號當作干擾和噪音。非線性檢測相比線性檢測性能具有更好的魯棒性，但是其實現復雜度高。因此，一種從ML算法演化而來的球形譯碼（SD）算法被研究出來[3-4]，該算法是ML算法的變種簡化版。其實質是通過尋找具有最小ML度量的信號向量，也可以說是在立體球坐標中尋找一個ML算法的解向量，如球體中果不存在哪怕一個ML的解向量，那么增大球體的半徑繼續搜尋；反之，如果最后得到的解向量不止一個且不是唯一的一個，那么縮小球體的半徑，直到找到有且只有一個的唯一解向量。SD算法相對于之前的線性算法有著精度上的優勢，又比之前的ML算法更加容易計算，因此在MIMO系統中具有更好的使用價值。

2 幾種常用的檢測算法

2.1 MIMO系統中的信號檢測模型

考慮nT根發射天線nR根接收天線的MIMO系統，如圖1所示。數據流被分成nT個子數據流，每個子流通過星座點映射后送給發射天線。

使其盡可能的與s接近。迫零檢測（ZF）和最小均方誤差檢測（MMSE）是MIMO系統中使用最為普遍的線性檢測器。

其中，迫零檢測是MIMO系統中較為常見的檢測器之一，其主要思想就是在接收端利用線性變換對天線發射信號存在的干擾進行消除。利用迫零檢測器能夠獲得發射信號的估計值，使得天線發送數據中存在的干擾被完全消除。當信噪比較高時可以獲得較好的性能，但是倘若信噪比較低，信道矩陣H逼近奇異，檢測性能會出現惡化。

2.3 非線性檢測算法

線性檢測器的復雜度是極低的，這使其得到普遍應用，但是它僅可使用線性運算，和最優檢測器相比，檢測器的性能與其存在很大的距離。非線性檢測算法中最簡單的做法是以線性檢測算法為基礎，將判決反饋機制引入，實現干擾抵消，在此法的基礎上，再將排序串行干擾抵消OSIC算法引入。其他的非線性檢測算法的目的是對最優檢測實施性能逼近，共同特點在于搜索星座點集合，以此獲得最優的檢測結果。

2.3.1 OSIC算法

3 仿真與結果分析

由圖1可以看出，和ML算法相比，ZF算法的性能存在較大的差異，伴隨信噪比的不斷改善，ZF-OSIC算法的性能越來越逼近ZF算法。

4 結論

針對MIMO系統均衡技術中，如何在接收端對接收信號進行檢測的問題，本文首先對MIMO系統的相關研究現狀進行了介紹，重點從原理上解釋了MIMO系統中幾種常用的檢測算法，并且通過算法仿真對它們的性能進行了比較。仿真結果顯示，與其他算法相比，SD算法與最優檢測結果最為接近。由于引入干擾抵消和排序機制，ZF-OSIC和MMSE-OSIC算法在性能方面得到了提升。根據原理分析可知，計算的復雜度和算法性能兩者是相互矛盾的，簡言之，算法的誤碼性能越好，計算的復雜度就越高。因此，在實際中，需要根據具體需求選擇合適的算法。

【參考文獻】

[1]趙亞男，張祿林，吳偉陵.MIMO技術的發展與應用[M].北京郵電大學信息工程學院.

[2]郭騰，林云.MIMO系統中信號檢測算法的研究[J].現代電信科技，2010（11）：48-51.

[3]Hassibi B， Vikalo H.On the Sphere-Decoding Algorithm I. Expected Complexity[J]. IEEE Transaction on Signal Processing， 2005， 53（08）： 2806-2818.

[4]Boyu Li and Ender Ayanoglu.“A New Low Computational Complexity Sphere Decoding Algorithm”， http：//cdsweb.cern.ch/record/1204907[OL].

[5]任光亮，段昕利，郁光輝，楊麗花.MIMO空間復用系統中的一種新的低復雜度球形檢測算法[J].西安電子科技大學學報，2011，38（2）：13-17.

[6]趙書蘭.MATLAB建模與仿真 [M].火力與指揮控制.清華大學出版社，2013.6

[責任編輯：楊玉潔]