Способ детектирования сигнала в системах связи с mimo каналом

Способ детектирования сигнала в системах связи с mimo каналом

Иллюстрации

Показать все

Реферат

Изобретение относится к области связи, в частности к радиотехническим беспроводным коммуникационным системам, а более конкретно к способам приема сигнала в системе передачи, использующей технологию многоантенной приемопередачи.

Системы многоантенной приемо-передачи, далее упоминаемые как MIMO (Multiple-In/Multiple-Out), являются сравнительно новым направлением развития технологии в области беспроводных систем связи. Такие системы используют множество передающих и приемных антенн для параллельной передачи сигнала по нескольким пространственно разнесенным каналам в одном и том же диапазоне спектра и демонстрируют высокую спектральную эффективность (см. Фиг.1).

MIMO система в частотной области обычно описывается матричным уравнением:

Y = H X + з , ( 1 )

где Y-N-мерный вектор комплексных значений принятого сигнала, Х - М-мерный вектор переданного комплексного сигнала, з - вектор отсчетов комплексного шума размерностью N×1 с нулевым средним и дисперсией 2 σ η 2 , Н - комплексная матрица канала размерностью N×M, состоящая из комплексных коэффициентов передачи всех пространственных подканалов.

Каждая компонента x_i вектора Х может принимать одно из 2^К комплексных значений в зависимости от применяемой схемы модуляции. Таким образом, каждая компонента содержит информацию о К переданных бит, т.е. имеем: x i ( b 1, i … b К , i ) , где b_k,i ∈ { 0,  1 } . В целом вектор x содержит информацию о K*М бит, т.е. Х = Х ( В ) , где

Согласно алгоритму максимального правдоподобия (МП) функция правдоподобия вектора Х вычисляется как:

Λ ( Х ) = С exp ( - 1 2 σ 2 η ( Y - H X ) H ( Y - H X ) ) ( 2 )

Таким образом, алгоритм МП позволяет определить отношение правдоподобия для каждого бита следующим образом:

L L R i = log ( ∑ B b i = 1 exp ( − 1 2 σ η 2 ( Y − H X ( B ) ) H ( Y − H X ( B ) ) ) ∑ B b i = 0 exp ( − 1 2 σ η 2 ( Y − H X ( B ) ) H ( Y − H X ( B ) ) ) ) ( 3 )

Суммирование в (3) осуществляется по всем возможным значениям В, число которых может быть весьма высоким. Таким образом, сложность алгоритма МП может быть чрезмерно большой для высокого ранга матрицы Н и модуляции с большим алфавитом. Требуется учесть все возможные варианты значений Х, что сложно реализовать в случае большого количества антенн и многопозиционной модуляции (модуляции с большим алфавитом). Так для 4-х передающих антенн (4 параллельных информационных потока) и модуляции QAM-16 в приемнике необходимо проанализировать 65536 возможных варианта векторах.

Существует ряд способов добиться рабочих характеристик, близких к характеристикам алгоритма МП, и в то же время сохранить сложность реализации на приемлемом для практических систем уровне. Одним из таких способов является традиционный алгоритм K-best, который относится к квазиоптимальным алгоритмам и позволяет достичь приемлемого компромисса между сложностью реализации и рабочими характеристиками.

Из уровня техники известны различные подходы к решению проблем, возникающих при практической реализации телекоммуникационных систем, основанных на технологии многоантенной приемопередачи. В частности, в источнике [1] предложен способ MIMO детектирования, основанный на QR разложении матрицы канала Н

H = Q R ( 4 )

и применении поиска символов-кандидатов «в ширину». Данный подход также использован в [2], и в дальнейшем упоминается как традиционный алгоритм K-best.

Указанный алгоритм является вариантом сферического декодера с поиском «в ширину», для которого функция правдоподобия определяется для ограниченного числа (К) кандидатов, лежащих в окрестности точки с максимальным значением функции правдоподобия Λ ( X ) . Ту же задачу можно решить с помощью традиционного сферического декодера с поиском «в глубину» [4, 5, 6].

QR разложение (4) необходимо для эффективной реализации указанных процедур поиска. Здесь R - верхняя треугольная матрица, а Q - унитарная матрица. С помощью QR разложения матрица канала преобразуется к верхней треугольной форме, а элементы шумового вектора, в свою очередь, остаются некоррелированными. Исходные варианты всех указанных методов поиска, а также их модификации используют в качестве основного компонента модуль QR разложения.

Умножение обеих частей (1) на Q^H не меняет статистическое распределение шумовой компоненты в векторе принятого сигнала. Таким образом, при помощи QR разложения (1) преобразуется к следующей форме:

где н=Q^Hз - вектор, состоящий из некоррелированных шумовых компонент (т.к. матрица Q - унитарная).

Аналогично (2), функция правдоподобия для (5) запишется в следующем виде:

Λ ( X ) = C exp ( - 1 2 σ η 2 ( Z - R X ) H ( Z - R X ) ) = exp ( - 1 2 σ η 2 ∑ i = 1 M | | z i − r i i x i − r i ( i + 1 ) x i + 1 … − r i ( M - 1 ) x M − 1 − r i , M x M | | 2 ) ( 6 )

Благодаря верхней треугольной форме матрицы R вычисление показателя экспоненты для функции правдоподобия может осуществляться послойно, начиная с нижних слоев в восходящем порядке в соответствии с (7):

∑ i = 1 M | | z i − r i i x i − r i ( i + 1 ) x i + 1 … − r i ( M − 1 ) x M − 1 − r i , M x M | | 2 = | | z M − r M M x M | | 2 + | | z M − 1 − r ( M − 1 ) ( M − 1 ) x M − 1 − r ( M − 1 ) , M x M | | 2 + … ( 7 ) | | z i − r i i x i − r i ( i + 1 ) x i + 1 … − r i ( M − 1 ) x M − 1 − r i , M x M | | 2 + … | | z 1 − r 11 x 1 − r 12 x 2 … − r 1, ( M − 1 ) x M − 1 − r 1, M x M | | 2

Поиск символов-кандидатов, лежащих в окрестности точки максимального правдоподобия, происходит пошагово, начиная с М-го слоя. Так как первое слагаемое в правой части (7) зависит только от x_M, можно легко определить метрики для всех возможных значений x_M:

d M = | | z M − r M , M x M | | 2 ( 8 )

В рассматриваемом примере в качестве метрики ветви используется квадрат Евклидова расстояния. Ветвь - структура, объединяющая символы-кандидаты в нескольких последовательно расположенных слоях, берущая начало на слое М и проходящая только через один символ-кандидат в каждом из последующих просмотренных слоев - см. Фиг.2 (виды 2.1 и 2.2).

При проведении «поиска в ширину» на основе критерия минимума метрики (8) можно определить К лучших кандидатов x M , b e s t ( k ) (k - индекс символа-кандидата в М-ом слое) из всего множества значений x_M. Далее процедура поиска переходит к слою М-1 (второе слагаемое в правой части (7)), причем в качестве решения для М-го слоя рассматриваются К лучших (выживших) кандидатов из слоя М. При поиске лучших кандидатов в слое М-1 осуществляется накопление метрики результирующей ветви, и из всего полученного множества ветвей выбирается К наилучших с минимальной метрикой. Так, метрика для ветви, соединяющей символы-кандидаты из М-го и М-1-го слоя определяется из следующего соотношения:

d M − 1 = d M + | | z M − 1 − r ( M - 1 ) ( M - 1 ) x M - 1 - r ( M - 1 ) , M x M | | 2 ,

где второе слагаемое - часть метрики, полученная на М-1-ом слое, а первое слагаемое - составляющая метрики ветви, полученная на М-ом слое (8). Таким образом, на каждом шаге осуществляется накопление метрики ветви. В каждом слое сохраняются К лучших ветвей с минимальными накопленными метриками.

Для того, чтобы поиск начался со слоя с максимальной энергией (наиболее надежного слоя), перед началом поиска производится процедура сортировки столбцов матрицы канала Н и соответствующей перестановке элементов вектора X. В этом случае минимизируется влияние ошибки при выборе выживших символов-кандидатов на начальных шагах алгоритма (ошибка на раннем этапе поиска приводит к существенному отклонению К лучших выживших ветвей на финальном этапе от окрестности решения МП). Указанная сортировка может быть осуществлена в порядке возрастания норм столбцов матрицы Н и соответствующей перестановке элементов в векторе X. Кроме того, существует ряд альтернативных способов (например, [6]). Применение сортировки столбцов канальной матрицы позволяет приблизить рабочие характеристики традиционного алгоритма К-лучших к рабочим характеристикам алгоритма МП, сохраняя при этом количество кандидатов на существенно более низком уровне в сравнении с алгоритмом МП.

После окончания процедуры поиска на основе набора выживших ветвей (К лучших ветвей) принимается решение о значении переданного вектора Х (жесткое или мягкое). Для принятия жесткого решения элементы вектора Х принимаются равными символам-кандидатам ветви с наименьшей накопленной метрикой. В случае мягкого решения рассчитываются отношения логарифма правдоподобия согласно (3), причем в качестве Х(В) рассматриваются только К выживших ветвей.

При проведении «поиска в глубину», который является альтернативным способом нахождения наилучшей комбинации символов-кандидатов (см. Фиг.2, вид 2.2), выполняются следующие операции: начиная со слоя М, детектор последовательно просматривает слой за слоем, накапливая метрику ветви в соответствии с (7) и сравнивая ее с порогом δ, определяющим радиус гиперсферы, внутри которой осуществляется отбор К лучших ветвей. Ветвь продлевается каждый раз, когда детектор находит символ-кандидат в i-м слое, удовлетворяющий условию нахождения всей ветви внутри указанной гиперсферы, при этом на следующем шаге детектор осуществляет поиск продолжения данной ветви в слое i-1. Если метрика ветви на i-м слое превышает порог δ, данная ветвь отбрасывается (окончательно или временно), равно как и все ее продолжения, берущие начало в i-м слое. В этом случае детектор начинает проверку других ветвей.

Все указанное выше относительно сортировки столбцов и детектирования символа при «поиске в ширину» применимо также и при «поиске в глубину».

Согласно представленному выше подходу каждый i-й детектируемый слой зависит только от предшествующих ему i+1..M слоев и не зависит от последующих 1..i-1. Таким образом, очевидно, что при ошибочных решениях на ранних этапах (выбраны кандидаты, не находящиеся в окрестности решения МП), среди выживших ветвей не будет решения МП и К лучших ветвей окажутся вдалеке от области МП решения. Данная проблема отчасти решается за счет применения поиска с возвратом и изменением списка выживших ветвей на предыдущих слоях. Такой метод, равно как и традиционный сферический декодер, обладает непостоянной сложностью и переменной задержкой, что делает затруднительным их практическую реализацию. При этом очевидно, что описанные алгоритмы K-best с «поиском в ширину» [1] и «поиском в глубину» [4], равно как и их модификации [2, 3, 5, 6], основанные на QR разложении, не могут рассматриваться как единственно возможные способы поиска наилучших символов-кандидатов. Для целей заявляемого изобретения в качестве прототипа выбрано решение, описанное в [1].

Задачей заявленного изобретения является создание усовершенствованного способа MIMO детектирования с меньшей сложностью и лучшими рабочими характеристиками, чем наилучшие имеющиеся аналоги. Иными словами, требуется новый более эффективный и простой в реализации квазиоптимальный способ MIMO детектирования, позволяющий с более высокой надежностью осуществлять выбор кандидатов из окрестности МП решения.

Технический результат достигается за счет применения усовершенствованного способа детектирования сигнала в системах связи с MIMO (Multiple-In/Multiple-Out), каналом, который включает в себя выполнение следующих операций:

- принимают сигналы, модулированные переданными QAM (Quadrature Amplitude Modulation) символами через несколько приемных антенн;

- осуществляют частотное преобразование принятых сигналов на нулевую несущую частоту;

- формируют отсчеты принятых и преобразованных сигналов путем квантования и дискретизации, которые рассматриваются как выходные отсчеты MIMO канала, и описываются формулой Y=НХ+η, где Y - N-мерный вектор выходных отсчетов MIMO канала, Х - М-мерный вектор входных отсчетов MIMO канала, η - N-мерный вектор отсчетов шума, Н - канальная матрица MIMO канала размера N×M, при этом полагают, что частота дискретизации равна частоте следования QAM символов, поэтому вектор входных отсчетов MIMO канала Х является также вектором переданных QAM символов;

- по полученным выходным отсчетам MIMO канала оценивают канальную матрицу MIMO канала Н, дисперсию шума σ η 2 и среднюю мощность сигнала σ s 2 ;

- детектируют QAM символы на основе выходных отсчетов MIMO канала и восстанавливают оригинальные данные, содержащиеся в детектированных QAM символах, посредством оценки апостериорной вероятности переданных бит, выполняя следующие шаги:

- осуществляют упорядочивание QAM символов по критерию максимума энергии сигнала от передающей антенны;

- формируют верхне-треугольную матрицу для поиска наиболее вероятных переданных символов;

- осуществляют послойный поиск К наилучших кандидатов на основе сформированной верхне-треугольной матрицы, начиная с нижнего слоя и заканчивая верхним слоем;

- производят оценку вероятности принятых символов на основе евклидовых метрик, вычисленных для К наилучших кандидатов;

при этом заявляемый способ отличается от прототипа тем, что:

- формируют MMSE (Minimum Mean Square Error) оценку принятого вектора QAM символов и вычисляют матрицу ковариации;

- формируют верхне-треугольную матрицу F ˜ на основе матрицы ковариации MMSE оценок с помощью процедуры послойной оценки маргинальных вероятностей;

- начиная с нижнего слоя, формируют список из К наилучших (наиболее вероятных) векторов символов-кандидатов согласно критерию минимальности модифицированного евклидового расстояния;

- модифицированное евклидовое расстояние для слоя k определяется как суммарное расстояние, рассчитанное для всех предшествующих слоев, плюс расстояние до символа-кандидата текущего слоя согласно выражению:

| | ( F ˜ k … M X ^ k … M - F ˜ k … M X k … M ) | | 2 - | | x k | | 2 - | | x k + 1 | | 2 - … - | x M | | 2 ,

где F ˜ k … M - нижне-диагональная часть матрицы F ˜ размера (М-k+1)×(М-k+1), X ^ k … M - нижняя часть вектора MMSE решения размера (M-k+1)×1, X k … M - нижняя часть вектора символа-кандидата размера (M-k+1)×1, | | x k | | 2 , | x k + 1 | | 2 , … , | x M | | 2 - метрики, характеризующие энергию компонентов символа-кандидата для слоев k…М;

- после обработки всех слоев оценивают вероятность переданных символов (либо бит) на основе модифицированных Евклидовых расстояний для списка из К наилучших векторов символов-кандидатов.

Таким образом, в заявляемом изобретении предложен способ послойного поиска, основанный на оценке вектора переданного сигнала по критерию минимума среднего квадрата ошибки (MMSE - minimum mean square error). Предложенный способ обладает лучшими рабочими характеристиками и схожей или меньшей сложностью реализации, нежели прототип [1].

Далее существо заявляемого изобретения поясняется в деталях с привлечением графических материалов.

Фиг.1 - Приемопередающая MIMO система с М передающими, N приемными антеннами и параллельной приемопередачей множества слоев данных.

Входные данные обрабатываются в передатчике 101, модулируются в QAM модуляторах 103-105 и передаются М антеннами через канал. Переданный сигнал претерпевает искажения в канале (искажения могут быть вызваны многолучевым распространением, аддитивным шумом и т.п.), принимается на N приемных антенн и обрабатывается в приемнике 102. Приемник 102 включает в себя модули синхронизации, оценки канала, MIMO детектирования, декодирования и другие блоки, необходимые для получения декодированных данных на приемном конце.

Фиг.2 (вид 2.1) - Схема «поиска в ширину» для 2-х лучших ветвей (К=2) и модуляции QPSK (Qaudrature Phase Shift Keying).

Поиск начинается со слоя 4, где находятся два лучших символа-кандидата с минимальной метрикой (8), от которых процедура поиска переходит к слою 3 (два лучших символа-кандидата при модуляции QPSK порождают восемь проверяемых ветвей). На слое 3 определяются два лучших символа-кандидата, которые наряду с лучшими символами-кандидатами со слоя 4 образуют выжившие ветви с минимальными накопленными метриками (7). Лучшие символы-кандидаты слоя 3 используются в качестве отправных точек для продолжения поиска на слое 2 и т.д. Таким образом, после выбора двух лучших символов-кандидатов на слое 1 формируются две выживших ветви, включающих в себя символы-кандидаты из всех четырех слоев, на основе которых принимается мягкое или жесткое решение о значении переданного вектора. Описанная процедура предполагает анализ K*L ветвей на каждом слое (L - размер алфавита выбранной схемы модуляции). Существуют несколько способов, позволяющих сократить количество анализируемых ветвей - [1], [2], [3]. Подходы, аналогичные предложенным в [1], [2], [3], могут быть использованы при реализации способа MIMO детектирования, заявленного в настоящем изобретении.

Фиг.2 (вид 2.2) - Схема «поиска в глубину» для одной лучшей ветви (К=1) и модуляции QPSK (Qaudrature Phase Shift Keying).

На первом этапе определяется лучший символ-кандидат с минимальной метрикой (8) на слое 4 - символ 2. Начиная с этого символа, поиск продолжается в слое 3, где в первую очередь просматривается символ 3 (очередность проверки символов на принадлежность к выжившей ветви определяется на основе процедуры предварительной сортировки символов в каждом слое для каждой просматриваемой ветви, например - см. [1], [2], [3]). В приведенном примере символ 3 принимается как лучший символ-кандидат (соответствующая накопленная метрика ветви (7) меньше порогового значения δ) и поиск продолжается в слое 2, где в порядке очередности, установленном предварительной сортировкой, просматриваются все возможные символы-кандидаты и ни один из них не позволяет продолжить текущую ветвь так, чтобы ее накопленная метрика оказалась меньше порогового значения δ. Как следствие, все ветви, начинающиеся с символа 2 в слое 4 и содержащие символ 3 в слое 3, исключаются из дальнейшего поиска (исключенные ветви). Поиск возобновляется со слоя 4 (лучший символ-кандидат для слоя 4 уже найден) и продолжается в слое 3, для которого лучшим символом-кандидатом принимается символ 2 (символ 2 следует за символом 3 в предварительно отсортированном списке для слоя 3 и ветви, берущей начало с символа 2 в слое 4), т.к. накопленная метрика ветви для него меньше порогового значения δ. Поиск продолжается в слое 2 и слое 1, в каждом из которых накопленная метрика, соответствующая просматриваемому в первую очередь символу 1, не превышает порогового значения δ. Таким образом, находится выжившая ветвь, которая используется для вынесения мягкого или жесткого решения о значении переданного вектора.

Фиг.3 - Зависимость вероятности блоковой ошибки от ОСШ для MIMO-OFDM 8х8 системы (N=8, М=8, система совместима со стандартом LTE Rel.10).

В качестве декодера, исправляющего ошибки, использован 4-х итеративный Max-Log-MAP Турбо декодер. Модуляция - QAM-16, скорость кодирования - ¾, канал - ЕРА-5 [7]. Кривые 1 и 2 соответствуют прототипу [1] с количеством выживших ветвей-кандидатов К=40 и К=1000 соответственно. Линия 3 соответствует заявляемому способу с количеством выживший ветвей-кандидатов К=40. Представленная иллюстрация демонстрирует преимущество заявляемого изобретения в сравнении с прототипом [1].

Фиг.4 - Блок-схема, поясняющая заявляемое изобретение.

Принятый входной сигнал Y 302 направляют в модуль 301 оценки канала, который формирует оценку канальной матрицы Н, а также оценку дисперсии шумовой компоненты σ η 2 . Оценка канальной матрицы направляется в модуль 303 сортировки, который переставляет столбцы канальной матрицы Н в соответствии с их возрастающей нормой. При этом меняется порядок детектирования слоев в переданном векторе. Отсчеты принятого сигнала совместно со значениями отсортированной канальной матрицы из модуля 303 сортировки столбцов направляют в модуль 304 MMSE оценщика. Данный модуль формирует MMSE оценку переданного вектора X и оценку матрицы ковариации V. Матрица V направляется в модуль 305 вычисления треугольной матрицы, который формирует верхне-треугольную матрицу F в соответствии с процедурой послойной оценки маргинальных вероятностей. MMSE оценку x ^ и матрицу F направляют в модуль 309 послойной обработки, в котором, начиная с последнего слоя, вычисляют в блоке 307 метрики для наиболее вероятных символов-кандидатов в соответствии с процедурой определения модифицированного Евклидового расстояния. При обработке каждого слоя оставляют символы, характеризуемые минимальными метриками. Продолжают послойную обработку с вычислением интегральной метрики на каждом слое вплоть до достижения верхнего слоя. На основании метрик выживших наилучших кандидатов (такие кандидаты определяются в модуле 308) формируют оценку вероятности для переданных символов (переданных бит) в модуле 306 вычисления логарифмов отношений правдоподобия.

В заявляемом способе MIMO детектирования треугольная матрица формируется на основе MMSE решения следующим образом.

На первом этапе переставляют столбцы канальной матрицы в порядке возрастания их нормы для получения оптимального расположения слоев в процессе MIMO детектирования. Этот процесс называют также сортировкой слоев. В результате сортировки получают вектор MMSE решения x ^ в соответствии с выражением (9).

X ^ = K M M S E Y V = I - K M M S E H ( 9 ) K M M S E = H H ( H H H + 2 σ η 2 I ) − 1

где x ^ - вектор MMSE оценок размерности M×1, V ковариационная матрица MMSE оценок размерности М×М, K_MMSE - MMSE матрица-фильтр размером N×M. Заметим, что Н в (9) отличается от исходной матрицы канала за счет сортировки столбцов.

Полагаем, что искомый вектор имеет Гауссовское распределение с математическим ожиданием X и ковариационной матрицей V.

Введем дополнительные обозначения:

ρ_M - нижний диагональный элемент матрицы V,

X ¯ 1,.., M - k \ M - k + 1,.. M - вектор математического ожидания для слоев 1..M-k условного распределения вероятности при заданных нижних слоях М-k+1..M, размерность вектора (M-k)x1,

V^(M-k) - ковариационная матрица, характеризующая условное распределение вероятности слоев 1..M-k при заданных нижних слоях М-k+1..M, размерность матрицы (M-k)x(M-k),

ρ_(M-k) - нижний диагональный элемент матрицы V^(M-k).

Введем также представление ковариационной матрицы V в виде совокупности четырех компонентов:

V ≜ [ V ( 1 … M − 1 ) V ( 1 … M − 1 ) , M V ( 1 … M − 1 ) , M H ρ M ] , ( 10 )

где V_1…M-1 - исходная матрица без последней строки и столбца, V_(1…M-1),M - последний столбец без нижнего элемента, V ( 1.. M - 1 ) , M H - последняя строка без правого элемента, ρ_M - нижний диагональный элемент.

Формирование треугольной матрицы описывается следующей последовательностью шагов для слоев с М-го по 1-й.

- Шаг 1. Для слоя М математическое ожидание и дисперсия совпадают с MMSE оценкой, т.е.:

X ¯ M = X ^ M ; ρ M = V M , M ( 1 1 )

- Шаг 2. Для слоев 1…М-1 определяем параметры условного распределения вероятности, зависящие от решения на слое М. Математическое ожидание для слоев 1…М-1 определяется выражением:

X ¯ 1 … M − 1 | M = X ^ 1 … M − 1 + V ( 1.. M − 1 ) , M ρ M − 1 ( X M − X ¯ M ) , ( 12 )

где X_M - один из возможных символов созвездия на слое М, определяемого типом модуляции. Ковариационная матрица задается выражением:

V ( M - 1 ) = V ( 1 … M - 1 ) - V ( 1 … M - 1 ) , M V ( 1 … M - 1 ) , M H ρ M − 1 ( 13 )

Для слоя М-1 можно задать маргинальное распределение вероятности, зависящее от символа на слое М, причем математическое ожидание X ¯ M − 1 | M и дисперсия ρ_M-1|M такого распределения будут равны (М-1)ой компоненте вектора X ¯ 1 … M − 1 | M и последнему диагональному элементу матрицы V