徐鐵喜
(廣州海格通信集團股份有限公司,廣東 廣州 510663)
現場可編程門陣列(Field Programmable Gate Array,FPGA)最早由Xilinx公司研究提出,其作為可編程邏輯器件,主要進行數據處理。最好的FPGA只有1 200個邏輯門,經過30多年發展之后已經可以在期間中編程增加上百萬甚至上千萬個可編程邏輯門。FPGA發展過程中,制造工藝也不斷進步,經過改進與發展之后FPGA的功耗得到了控制,而且開發工具以及邏輯門也不斷成熟和創新發展,由于技術不斷發展與成熟,FPGA開始在各個領域得到應用。目前比較成熟的FPGA結構主要由以下六大部分構成。
(1)基本可編程邏輯單元:作為FPGA的核心單元模塊,正是這一模塊的引入使得FPGA的可編程性提高。
(2)可編程邏輯單元:這一單元模塊主要由兩部分構成,包括寄存器和查找表(Look Up Table,LUT)。
(3)可編程I/O單元:在FPGA當中這一模塊起著和外部電路交互的作用,作為一個接口能夠實現外圍電路輸入輸出不同電氣特性的轉換。
(4)內嵌專用硬核:這一模塊單元已經在FPGA內部進行了固化,這一專用內核經過布局布線之后,具有極高的可靠性。目前在比較成熟通用的FPGA當中均有塊狀嵌入RAM。正是由于這些模塊以及這些結構單元、存儲器的發展,進一步促進了FPGA的應用范圍。
(5)底層嵌入單元:主要針對系統而言,針對系統功能完善而特意嵌入的單元,常見的有數字延時鎖定回路(Delay Locked Loop,DLL)等。
(6)布線資源:其作為整個FPGA的內部統籌協調單元,能夠將系統內不同的單元連接在一起,構成整個FPGA整體,實現不同的FPGA功能。
在通信中多載波無線通信發展的同時正交頻分復用技術(Orthogonal Frequency Division Multiplexing,OFDM)[1-2]技術也得到了創新與進步,目前在眾多領域開始引進發展并擴張,其中典型代表是航空通信。在航空通信這種高精度通信要求的領域當中OFDM具有無可比擬的優勢,但是在眾多領域當中存在多徑豐富的問題也給OFDM信道估計等方面帶來困難與挑戰。面臨這些問題以及困難,廣大研究者希望在檢測算法方面實現突破,但是在檢測算法創新發展的同時為適應算法計算復雜度的要求,還必須要進一步提升硬件性能。FPGA的誕生使得數據處理能力得到跨越式發展,在無線通信領域以及相關領域得到迅速應用發展,其應用主要集中在以下幾個方面。
(1)在FPGA中能夠通過不同運算路徑占用不同的硬件資源從而實現并行運算,這種運算以及數據處理模式進一步提高了數據處理的速度,對于無線通信而言,能夠保證數據處理的高速度以及數據處理的實時性。
(2)FPGA結構中的各部分都是能夠通用編程的,這決定了其具有很好的結構靈活性,通過代碼修改以及代碼編程就能夠實現多種不同功能,針對不同的場景無線通信也具有很好的適應性。
(3)在FPGA結構中將各種功能模塊進行了內部集成封裝,而且FPGA開發商為其提供了大量可供選擇的IP Core,為用戶的硬件設計提供了極大的便利,對于硬件開發周期而言也得到了極大地縮短。
在針對傳統FPGA算法的基礎上進行優化,希望能夠在傳統以并行運算為主的基礎上實現算法的串并行交替轉換信號的檢測,在FPGA中引入排序串行干擾消除算法(Ordered Sequential Interference Cancellation,OSIC),以此來消除其他天線的干擾提高信號質量。最終提出PSMLMMSE-FOSIC檢測算法優化,希望能夠適應串并行運算,而且能夠保證實現信號檢測功能,優化信號質量。
(1)首先將ML檢測算法引入到前P層信號檢測當中,主要是利用ML檢測算法的最優可靠性來保證前端信號檢測的準確性,進而保證整個系統信號的可靠性,有效避免差錯傳播問題的產生。
(2)對于系統中剩下的N-P層引入OSIC檢測算法來進行信號檢測,利用OSIC來盡可能消除串行干擾問題,而且為最大限度保證信號質量,還引入了可靠度約束思想以及判決反饋。
在OSIC的基礎上,需要對N-P層信號進行MMSE濾波處理,在處理的同時進行硬判決,并且選定反饋候選點為星座點。如圖4所示,將選定的反饋候選點坐標與硬判決輸出點的坐標進行比對就能夠最終得到可靠門限值。在圖中軟估計利用空心接收信號來表示,其中星座反饋候選點利用實心點來進行表示。d1和d2分別表示橫/縱向的門限值,陰影和正方形區域分別表示判決不可靠/可靠區域。在這樣的判決反饋表示機制中,在陰影區域的點均是不可靠的點,針對不可靠的點需要利用星座反饋點來進行重新判決。對于小正方形內部的點而言,均是可靠的判決點,系統能夠將可靠盤決定直接輸出。這里根據實際情況給出了兩種約束準則,一種以星座點為中心、以橫縱門限值為約束準則的矩形約束,一種是以星座點為中心、以門限值為半徑的圓形約束。
利用串行消除干擾檢測算法來對待檢測層進行分析,將已檢測層檢測得到的信號和篩選的候選點進行向量構建[3],一共構建M個候選向量,然后對M個候選向量進行對比分析確定最優向量。在進行向量檢測的時候需要對輸出信號以及干擾信號進行分析,一般將本層輸出信號作為下一層的干擾信號,并且進行濾波處理,采用濾波權重實現,進行操作以及檢測直到所有操作完成。
針對這一算法情況進行了研究與分析,采用仿真的方法來驗證優化算法的誤碼率等情況。其中基于QPSK進行仿真與調制,最終仿真結果如圖1所示,其中P值取1。對比仿真結果圖能夠發現,與傳統MMSE-OSIC檢測算法相比,優化的PSML-MMSE-FOSIC性能得到了極大的提升,性能提升能夠達到3 dB,同樣在誤碼率達到10-4的情況下,與MMSE-PSIC算法相比性能也有極大提升,提升大約5 dB。

圖1 QPSK調制誤碼率仿真結果
從圖2仿真結果可以看出,取值越小,系統的檢測性能越向ML檢測算法靠近。執行反饋迭代檢測算法次數越多,檢測越可靠。

圖2 圓形約束QPSK調制誤碼率
在本文的分析中能夠發現存在比較顯著地串行干擾等問題,為解決這些問題就必須要對檢測算法進行優化,從前期信號檢測開始進行優化,從源頭保證信號質量,從而保證整個信號質量。在傳統信號質量檢測以及FPGA的基礎上,提出了PSML-MMSE-FOSIC檢測算法。這一算法的提出充分利用了ML檢測算法以及OSIC檢測算法的優越性,保證了信號檢測的可靠性,也保證了多載波通信信號的可靠性,具有重要的參考與借鑒意義。