如何使用最大似然检测器方案优化MIMO接收器性能

MIMO技术介绍

MIMO（MulTIple-Input MulTIple-Output）技术指在发射端和接收端分别使用多个发射天线和接收天线，使信号通过发射端与接收端的多个天线传送和接收，从而改善通信质量。它能充分利用空间资源，通过多个天线实现多发多收，在不增加频谱资源和天线发射功率的情况下，可以成倍的提高系统信道容量，显示出明显的优势、被视为下一代移动通信的核心技术。

MIMO技术大致可以分为两类：发射/接收分集和空间复用。传统的多天线被用来增加分集度从而克服信道衰落。具有相同信息的信号通过不同的路径被发送出去，在接收机端可以获得数据符号多个独立衰落的复制品，从而获得更高的接收可靠性。举例来说，在慢瑞利衰落信道中，使用1根发射天线n根接收天线，发送信号通过n个不同的路径。如果各个天线之间的衰落是独立的，可以获得最大的分集增益为n，平均误差概率可以减小到 ，单天线衰落信道的平均误差概率为 。对于发射分集技术来说，同样是利用多条路径的增益来提高系统的可靠性。在一个具有m根发射天线n根接收天线的系统中，如果天线对之间的路径增益是独立均匀分布的瑞利衰落，可以获得的最大分集增益为mn。智能天线技术也是通过不同的发射天线来发送相同的数据，形成指向某些用户的赋形波束，从而有效的提高天线增益，降低用户间的干扰。广义上来说，智能天线技术也可以算一种天线分集技术。

分集技术主要用来对抗信道衰落。相反，MIMO信道中的衰落特性可以提供额外的信息来增加通信中的*度（degrees of freedom）。从本质上来讲，如果每对发送接收天线之间的衰落是独立的，那么可以产生多个并行的子信道。如果在这些并行的子信道上传输不同的信息流，可以提供传输数据速率，这被称为空间复用。需要特别指出的是在高SNR的情况下，传输速率是*度受限的，此时对于m根发射天线n根接收天线，并且天线对之间是独立均匀分布的瑞利衰落的。

根据子数据流与天线之间的对应关系，空间多路复用系统大致分为三种模式：D-BLAST、V-BLAST以及T-BLAST。

最大似然检测器方案优化MIMO接收器性能

对于改进数据速率和/或信噪比，多输入和多输出（MIMO）是领先的方法之一。通过使用多个接收和发送天线，MIMO可利用无线信道的多样性。对于任何给定的信道带宽，这可用于提高信道的频谱效率并改进数据速率。

MIMO的规格取决于发送和接收天线的数量。在一个4&TImes;4 MIMO配置中，使用了四个发送天线和四个接收天线。这在同样信道带宽上实现了（在合适的条件下）高达四倍的数据传输。

一方面，简单的MIMO接收器基于线性接收器算法，其易于实现但无法完全利用MIMO的好处。另一方面，使用迭代法，可以实现最佳的最大后验概率近似MIMO算法；然而，这会导致高延时的不足。一种更加实用的非线性MIMO接收器的实施途径是最大似然（Maximum Likelihood， ML）或最大似然检测器（Maximum Likelihood Detector， MLD）， 它在根本上是基于一个彻底的并列搜索。MLD在处理方面比传统线性接收器要求更高，但对于相同的信道条件，可提供明显更高的比特率。另外，对于具有天线相关性的信道，MLD更稳健可靠。

使用高阶MIMO规格（超过两个接收和两个发送天线）可以导致显著的频谱效率改进——但这也有其成本代价：随着MIMO规格的增加，MLD接收器的计算复杂性以指数方式增加。高阶MIMO要求相当大的处理能力——对于这一点，直接的MLD方法是不切实际的，必须使用次优（subopTImal）MLD算法来实现用户设备（User Equipment，UE）的实施。

次优ML接收器

次优ML接收器试图以更有效的方法来扫描可能的传送信号，从而减少整体复杂性并达到接近ML精度的结果。减少复杂性有助于根据大小和功率进行更加实际的硬件实施。这还使硬件能够保持由先进通信标准规定的高吞吐量。

次优ML方程式的解决可定义为一种树形搜索，其中树的每一个层级对应于一个发送符号。每个节点的分支突出数匹配QAM或发送符号的调制。一个4×4 MIMO配置可由一个四层树表示。假如调制为BPSK，每个节点将包含两个分支。

一旦定义了树的符号，可以部署树遍历算法，借用其它领域比如计算机科学。 关于此点，次优ML接收器可划分为两个主要类型：

1. 横向优先搜索

2. 深度优先搜索

横向优先搜索

横向优先的一个例子就是K-best算法。该解码器是一个固定复杂性解决方案，从树根开始并上行，直至它达到树的最后一层。在树的每层上，对所有选择的分支进行了评估并保留K留存节点，匹配最佳解决方案（代表了最接近接收信号的符号）——因此得名“K-best”。K剩余树叶然后就用于生成LLR结果。

该解码器的优点是：

* 单向流有助于硬件的简易流水线实施。

* 计算每层所需要的处理能力是恒定的，且直接与实施中所选的留存节点（K）的数量相关。

* 数据吞吐量是恒定的，其反过来简化了在系统中计划的数据流

该解码器的缺点包括：

* 需要大面积实施以便评估和分类所有选择的层级节点。

* 精度要求越高，所需要的K值越高。

* 在最佳SNR条件中，数据吞吐量不会增加。

* 不能保证达到ML解决方案，因为最佳解决方案可能存在于没有选择的节点中。

下述图表显示了一个采用QPSK调制的MIMO 4×4 （4-层）树。在此例子中，K为四。树的每层将分为十六个节点。最好的四个将会是用于下一层的留存节点。

深度优先搜索

深度优先的一个例子就是软输出球解码（Soft-Output Sphere Decoder）算法。此解码器是一种自适应复杂性解决方案，从树根开始并首先直接上升到树叶——因此得名“深度优先”。该树的优先解决方案确定了初始搜索半径或范围。从那时起，解码器在整个树层中追溯并上升。对树的每个超出搜索半径的节点及其下面的所有节点进行修整。每次找到一个更好的解决方案，相应地减少半径范围。以此方法，扫描并修整了符号树，直至有效选项数量减少。余下的符号代表了ML解决方案。

此解码器的优点是：

* 可保证获得ML解决方案，有助于结果精确度。

* 在高SNR条件下， 解码器运行更快，增加了数据吞吐量并降低了功耗。

* 相比同等的横向优先解决方案，可在更小区域内实施。

图3显示了具有自适应复杂性软输出球解码器与固定复杂性K-best解码器间的循环计数比较。因为SNR增加，球解码器将减少它的循环计数，而固定复杂性将保持不变，无论信道条件如何。

该解码器的缺点包括：

* 解码器的非确定性表现使系统计划复杂化。

* 仅在当前分支完成后才知道下一个分支选择。这使得硬件传递途径的实施受到挑战。

图4显示了一个采用QPSK调制的MIMO 4×4 （4层）树例子。

1. 深度优先以下列方式选择到第一个树叶的符号路径：a. -3 （层1）；b. -3 （层2）；c. 1 （层 3）；d. 3 （层 4）

2. 更新了初始半径

3. 追溯执行到第二层的一个符号

4. 在搜索期间，修整了超出搜索半径的分支（红色所示），因此使搜索树最小化。