LTE系統(tǒng)下MIMO信號自適應檢測研究*

楊大江，孟 龑

（1.電子工程學院，合肥 230037；2.解放軍72671部隊，濟南 250022）

LTE系統(tǒng)下MIMO信號自適應檢測研究*

楊大江1，孟 龑2

（1.電子工程學院，合肥 230037；2.解放軍72671部隊，濟南 250022）

通過對LTE系統(tǒng)下的MIMO信號自適應檢測進行研究，分別在高相關與適度相關信道模型下結合有、無HARQ兩種狀態(tài)，給出了4種不同情況下LMMSE、SIC 2 it、8-best和SSFE算法性能仿真，并對仿真結果進行了詳盡分析比較，在此基礎上給出了基于系統(tǒng)吞吐量的MIMO信號自適應檢測的算法性能評價標準，并對各算法間狀態(tài)轉換給出了建議。

LTE，MIMO信號，自適應檢測，吞吐量

0 引言

多輸入多輸出（Multi-Input Multi-Output，MIMO）技術和正交頻分復用（Orthogonal Frequency Division Multiplexing，OFDM）技術已成為長期演進方案（LTE）等通信標準的物理層關鍵技術，這兩種技術的結合應用能達到兩種很好的效果：一是能實現很高的數據傳輸速率，二是可以通過分集實現很強的可靠性，顯著提高系統(tǒng)無線信道容量。在接收端通過MIMO檢測相關算法的處理，恢復發(fā)送信號流。目前，線性最小均方誤差（Linear Minimum Mean Square Error，LMMSE）方法能直接應用于MIMO檢測中，但在衰落信道中，特別是信道高相關的情況下，此算法性能欠佳［1］；為消除多天線帶來的互擾，在文獻［2］中引入了連續(xù)干擾抵消（SIC）思想，通過迭代相消，取得了改進效果，但同時也帶來了誤差傳播的影響。線性檢測算法之外，文獻［3］中提出了一種K-best列表球形檢測（LSD），文獻［4］中提出了基于獨立擴展的快速枚舉（selective spanning with fast enumeration）算法，這兩種算法都是基于寬度優(yōu)先搜索策略的樹形檢測方法，檢測效果好，但復雜度較高。MIMO系統(tǒng)的自適應檢測思想的提出是在文獻［5］中：根據不同的信道條件選擇不同的檢測算法，即信道相關性小時選擇低復雜度的檢測算法，而更復雜的檢測算法用于信道高相關或信道矩陣病態(tài)情形下。但是對于性能評判標準與算法間轉換準則卻沒有給出更詳細的介紹，本文在研究了這種思想的基礎上，結合了LTE系統(tǒng)中的一項關鍵技術——混合自動重傳請求技術（hybrid automatic repeat request，HARQ），對LTE系統(tǒng)下MIMO自適應檢測進行了研究，并給出了基于系統(tǒng)吞吐量［6］的性能仿真與算法轉換標準的建議；提出了一種新的自適應檢測機制。

1 系統(tǒng)模型

1.1MIMO-OFDM系統(tǒng)模型

在大多數無線分組傳輸系統(tǒng)中都將自動重傳請求（Automatic Repeat Request，ARQ）和前向糾錯（Forward Error Correction，FEC）混合使用，即混合自動重傳請求（HARQ）體制，下節(jié)中予以詳細介紹。

1.2HARQ技術

LTE系統(tǒng)中，根據HARQ過程中重傳內容的不同，HARQ主要分為Type I HARQ、Type II HARQ、Type III HARQ 3種類型：第1類HARQ技術是一種簡單的ARQ和FEC的集合，如果接收數據出錯，則接收端通知發(fā)送端重傳，而錯誤的分組被丟棄，該方式的控制信令開銷小，結構相對簡單，但系統(tǒng)吞吐量不足；第2類HARQ技術增加了新的冗余位信息幫助譯碼，因此糾錯能力增強，提高了系統(tǒng)性能，該方式在低信噪比的信道環(huán)境中具有很好的性能，缺點是接收端需要較大的寄存器存儲數據；第3類HARQ技術按照冗余版本的不同又分為Chase合并方式和IR合并方式，另外，LTE確定了最大的重傳次數為4次，如果3次重傳后仍無法成功解碼則交給高層處理。

2 性能仿真比較與應用復雜度分析

2.1 性能仿真比較

根據文獻［7］，對于第k個子載波的，有：

其中Es是符號能量，I是單位陣，σ2是噪聲功率。系統(tǒng)吞吐量就是各子載波上的總和。定義吞吐量效率為正確接收的碼字數量與總共發(fā)送的碼字數量的比值。下面給出基于第2類HARQ的吞吐量效率仿真圖，仿真參數如下：碼長為510 Bit，往返延遲為128 Bit，t=［3，5，10，21，25，30，57］。

由上面的仿真圖可以看出，當t=3、5，在誤比特率為0.01時，吞吐量效率接近為0；而在誤比特率為10-5左右時，吞吐量接效率近為1?？梢婋S著誤比特率的上升，系統(tǒng)吞吐量下降。

下面針對不同的檢測算法，分別根據文獻［8-11］中給出的算法過程，在 4×4的 MIMO-OFDM模型下，以系統(tǒng)吞吐量為評價指標，依據LTE標準中市區(qū)信道模型給出的仿真參數，如表1。

分別在有、無HARQ及兩種不同相關性的信道條件下，給出仿真性能對比圖，為后續(xù)的分析做準備。

2.2 仿真結果分析

下頁圖2和圖4分別給出了高相關信道模型下，無HARQ和有HARQ兩種情況下不同算法對吞吐量的仿真結果，而圖3和圖5則是針對適度相關信道模型。通過對比可以得出如下結論：

①在低信噪比情況下，HARQ的引入能顯著提高系統(tǒng)吞吐量，這在4-QAM調制下尤為明顯；

②對于LMMSE和SIC，HARQ的引入能在一定程度上提高性能，但其效果仍不如8-best和SSFE檢測算法好；

③如果最大的重傳次數達到2次，在16-QAM調制、低信噪比下，LMMSE算法性能是最好的；

④隨著重傳次數的增加，系統(tǒng)吞吐量會得到改善，但這種改善效果會達到飽和。

2.3 綜合分析對比

2.3.1 算法復雜度和功率消耗方面

根據文獻［8］可知，低階調制（如4-QAM）下LMMSE，SIC和K-best LSD算法在算法復雜度和功率消耗接近，但隨著調制階數的增加，K-best LSD算法復雜度和功率消耗方面惡化，相比而言，LMMSE、SIC檢測算法在不同的調制階數情況下，依然能保持相近的水平；文獻［11］中對SSFE和8-best LSD算法進行了比較，對比發(fā)現16-QAM調制下，8-best LSD算法綜合性能更優(yōu)，但在64-QAM調制下，具有相似的復雜度和功率消耗；無論是低階調制還是高階情況下，K-best LSD都要優(yōu)于SSFE。下面給出運算量對比表。

2.3.2 耗時方面

根據循環(huán)前綴的長度0.5 ms的時隙分配在7個OFDM符號上，在20 MHz帶寬的MIMO-OFDM系統(tǒng)下，LMMSE在高、低階調制下均具有最快的檢測速度；SIC檢測應用在特定的集成電路中也能達到理想的檢測速度，對于K-best檢測而言，僅僅在64-QAM調制及16-QAM調制時球形列表大小為16時具有較高的時效性［12］。

2.3.3 最優(yōu)輸出方面

智能工廠的三個智能層次體系圍繞智能感知、實時計算、科學決策、精準執(zhí)行的閉環(huán)賦能體系進行構建，每個層次是智能實體，在整體上組合形成智能工廠的賦能架構體系。智能工廠不是單體設備的智能、不是單個應用的智能，是單體智能和整體智能的融合系統(tǒng)［13-15］。

最優(yōu)輸出定義為最小的碼率和硬判決率及可靠的傳輸吞吐量。下面的分析中不考慮HARQ的情形。

LMMSE和SIC算法檢測效率要高于8-best LSD算法，但根據仿真可知，在低SNR及高相關的信道條件下，這兩種算法的吞吐量降低，故在不考慮信道相關性的情況下，LMMSE和SIC檢測能達到最優(yōu)輸出；否則，8-best LSD能給出更優(yōu)輸出。SSFE算法在適度相關信道下的輸出時最優(yōu)的，隨著相關性的增加，8-best LSD逐漸優(yōu)于SSFE。

最佳接收機應能夠根據不同的信道環(huán)境改變不同的檢測算法，適應不同的調制方式和碼率。同時，自適應檢測過程中，對于不同的檢測算法在檢測過程中計算產生的有效資源模塊應是共享的，舉例來說，對于LMMSE算法，檢測過程中的QR分解矩陣在轉換到K-best LSD算法后也能夠利用，這樣就進一步簡化了計算過程，降低了復雜度，這也是自適應檢測的優(yōu)勢之一。

由表2可以發(fā)現SSFE算法在乘法和加法兩個方面具有較小的復雜度，但相比于LMMSE和SIC算法，其判決次數過多；K-best算法雖是復雜度最高的算法，但其最優(yōu)輸出方面卻是最好的；另一方面，K-best算法和SSFE算法的檢測復雜度隨著調制階數和列表長度的增加而增大，在高相關信道模型下，SSFE算法需要更大列表長度才能達到與K-best算法相近的性能，所以，在此條件下K-best算法優(yōu)于SSFE算法。

綜合以上分析，算法間轉換的標準可以從如下幾個方面考慮：信道相關性、正交程度，信道容量、功率水平以及該算法在此環(huán)境下的計算復雜度和能量消耗：LMMSE算法雖然具有很好的檢測效率，但在復雜的信道環(huán)境下，其檢測輸出惡化，在上節(jié)的仿真結果中可以發(fā)現，LMMSE算法在適度相關低信噪比信道下是適用的，相比之下，高相關信道時，K-best算法是最合適的，同時，高的信噪比也能使簡單的檢測算法在高相關的信道模型中使用。

基于以上的分析，本文提出了一種新的檢測機制用于MIMO信號的自適應檢測，下節(jié)中予以詳細介紹。

3 自適應檢測

根據前面的分析，HARQ機制的引入能明顯改善系統(tǒng)性能，所以在本文的自適應檢測過程中，HARQ是必須的；另外，信號的自適應檢測應能根據信道條件和信號的調制方式進行自適應的調整，以取得最優(yōu)的檢測效果，因此，本文提出一種自適應檢測方法，具體的結構流程如圖6所示：

算法1：如圖6所示，若信道條件為適度相關信道，信號調制方式為低階情形下：采用SIC 2it算法。此算法在上述條件下雖然不能取得最優(yōu)的系統(tǒng)吞吐量，但通過表2的算法復雜度分析對比可知，相同條件下，SIC 2it算法復雜度要比8-best低，特別是在判決比較計算方面相差達數十倍，綜合考慮，采用SIC 2it檢測算法。

算法2：根據圖示條件，在適度相關信道，信號調制方式為高階的情形下：采用SSFE算法，該算法能在此條件下取得近似最優(yōu)的系統(tǒng)輸出，且復雜度較8-best低。

算法3：類似的，通過上節(jié)的對比分析，這里采用8-best是最佳的；同樣地，類比分析算法4采用SSFE為最佳的。

綜合以上的敘述，根據不同的信道條件和信號調制特征來選取不同的信號檢測算法，就是本文提出的一種自適應檢測流程。

4 結束語

本文根據文獻［6］中提出的自適應檢測思想，分別在高相關與適度相關信道模型下結合有、無HARQ兩種狀態(tài)，給出了4種不同情況下LMMSE、SIC 2 it、8-best和SSFE算法性能仿真，并對仿真結果進行了詳盡分析比較，在此基礎上給出了基于系統(tǒng)吞吐量的MIMO信號自適應檢測的算法性能評價標準，并對各算法間狀態(tài)轉換給出了建議，提出了一種自適應檢測的流程，并對所采用的算法給出了自己的建議。

［1］3rd Generation Partnership Project（3GPP）.Technical Specification Group Radio Access Network，"Evolved Universal Terrestrial Radio Access E-UTRA［R］.Physical Channels and Modulation（release 10）TS 36.211（version 10.0.0），" Tech.Rep.，2010.

［2］Wubben D，Bohnke R，Kuhn V，et al.Efficient Algorithm for Deteting Layered Space-time Codes［C］//ITC Conference on Source and Channel Coding，Berlin.Germany，2002.

［3］Hassibi B，Vikalo H.On the Sphere Decoding Algorithm1. ExPected ComPlexity［J］.IEEE Transactions on Signal Proeessing，2005，53（8）:2806-2818.

［4］Li M，Bougart B，Lopez E，et al.Selective Spanning Withfast Enumeration:A Near Maximum Likelihood MIMO Detector Designedfor Parallel Programmable Baseband Architectures［J］.IEEE Int.Conf Commun.，Beijing，China，2008（5）：19-23，737-741.

［5］Onggosanusi E N，Dabak A G，Hosur S.Multimode Detection［C］//U.S.2006/0018410 Al Patent，2006.

［6］Janhunen J.Programmable MIMO Detectors［M］.Ph.D.Dissertation，University of Oulu，Oulu，Finland，2011.

［7］Zhou Y，NG T S.Performance Analysis on MIMO-OFCDM Systems with Multicode Transmission［J］.IEEE Transactions on Wireless Communications，2009，8（9）:4426-4433.

［8］Wong K W，Tsuiand C Y，Mow W H.A VLSI Architecture of a K-bestLatticeDecodingAlgorithm forMIMO channels［C］// PIMIRC'02，2002.

［9］Wubben D，Bohnke R，Kuhn V，et al.MMSE Extension of V-BLASTbasedonSortedQRDecomposition［J］.IEEEVehieularTechnologyUSA，2003（1）：508-512.

［10］Noh M，Lee Y，Park H.A low Complexity LMMSE Channel Estimation for OFDM［C］//IEE Proc.Commun，2006.

［11］Agrell E，Eriksson T，Vardy A，et al.Closest Point Search in Lattices［J］.IEEE Transactions on Information Theory，2002，48（8）：2201-2214.

［12］Mahdavi M，Shabany M，Vahdat B.A Modified Complex K-best Scheme for High-speed Hard-output MIMO Detectors［J］.in Proc.Int.Midwest Symp.Circuits Syst，2010（8）：845-848.

Study of Adaptive Detection for MIMO Signal in LTE System

YANG Da-jiang1，MENG Yan2
（1.Electronic Engineering Institute，Hefei 230037，China；2.Unit 72761 of PLA，Ji’nan 250022，China）

This paper has studied the adaptive detection of MIMO signal under the LTE system. Specifically the paper has listed performance simulations of four algorithms like LMMSE、SIC 2 it、8-best and SSFE under four different cases resulted from two channel models of high correlation and moderate correlation combining with or without HARQ.And the simulation results have been analyzed and compared in detail，on the basis of which we have discovered the evaluation criteria of algorithm performance of the adaptive detection of MIMO signal based on the system throughput and made suggestions on state transitions among different algorithms.

LTE，MIMO signal，adaptive detection，throughput

TN911.23

A

1002-0640（2015）10-0014-04

2014-09-05

2014-10-12

國家自然科學基金（11375263）；國防預研基金資助項目（41101040402）

楊大江（1989- ），男，湖南常德人，碩士研究生。研究方向：MIMO信號檢測技術。