LTE系统下MIMO信号自适应检测研究*

杨大江，孟 龑

（1.电子工程学院，合肥 230037；2.解放军72671部队，济南 250022）

LTE系统下MIMO信号自适应检测研究*

杨大江1，孟 龑2

（1.电子工程学院，合肥 230037；2.解放军72671部队，济南 250022）

通过对LTE系统下的MIMO信号自适应检测进行研究，分别在高相关与适度相关信道模型下结合有、无HARQ两种状态，给出了4种不同情况下LMMSE、SIC 2 it、8-best和SSFE算法性能仿真，并对仿真结果进行了详尽分析比较，在此基础上给出了基于系统吞吐量的MIMO信号自适应检测的算法性能评价标准，并对各算法间状态转换给出了建议。

LTE，MIMO信号，自适应检测，吞吐量

0 引言

多输入多输出（Multi-Input Multi-Output，MIMO）技术和正交频分复用（Orthogonal Frequency Division Multiplexing，OFDM）技术已成为长期演进方案（LTE）等通信标准的物理层关键技术，这两种技术的结合应用能达到两种很好的效果：一是能实现很高的数据传输速率，二是可以通过分集实现很强的可靠性，显著提高系统无线信道容量。在接收端通过MIMO检测相关算法的处理，恢复发送信号流。目前，线性最小均方误差（Linear Minimum Mean Square Error，LMMSE）方法能直接应用于MIMO检测中，但在衰落信道中，特别是信道高相关的情况下，此算法性能欠佳［1］；为消除多天线带来的互扰，在文献［2］中引入了连续干扰抵消（SIC）思想，通过迭代相消，取得了改进效果，但同时也带来了误差传播的影响。线性检测算法之外，文献［3］中提出了一种K-best列表球形检测（LSD），文献［4］中提出了基于独立扩展的快速枚举（selective spanning with fast enumeration）算法，这两种算法都是基于宽度优先搜索策略的树形检测方法，检测效果好，但复杂度较高。MIMO系统的自适应检测思想的提出是在文献［5］中：根据不同的信道条件选择不同的检测算法，即信道相关性小时选择低复杂度的检测算法，而更复杂的检测算法用于信道高相关或信道矩阵病态情形下。但是对于性能评判标准与算法间转换准则却没有给出更详细的介绍，本文在研究了这种思想的基础上，结合了LTE系统中的一项关键技术——混合自动重传请求技术（hybrid automatic repeat request，HARQ），对LTE系统下MIMO自适应检测进行了研究，并给出了基于系统吞吐量［6］的性能仿真与算法转换标准的建议；提出了一种新的自适应检测机制。

1 系统模型

1.1MIMO-OFDM系统模型

在大多数无线分组传输系统中都将自动重传请求（Automatic Repeat Request，ARQ）和前向纠错（Forward Error Correction，FEC）混合使用，即混合自动重传请求（HARQ）体制，下节中予以详细介绍。

1.2HARQ技术

LTE系统中，根据HARQ过程中重传内容的不同，HARQ主要分为Type I HARQ、Type II HARQ、Type III HARQ 3种类型：第1类HARQ技术是一种简单的ARQ和FEC的集合，如果接收数据出错，则接收端通知发送端重传，而错误的分组被丢弃，该方式的控制信令开销小，结构相对简单，但系统吞吐量不足；第2类HARQ技术增加了新的冗余位信息帮助译码，因此纠错能力增强，提高了系统性能，该方式在低信噪比的信道环境中具有很好的性能，缺点是接收端需要较大的寄存器存储数据；第3类HARQ技术按照冗余版本的不同又分为Chase合并方式和IR合并方式，另外，LTE确定了最大的重传次数为4次，如果3次重传后仍无法成功解码则交给高层处理。

2 性能仿真比较与应用复杂度分析

2.1 性能仿真比较

根据文献［7］，对于第k个子载波的，有：

其中Es是符号能量，I是单位阵，σ2是噪声功率。系统吞吐量就是各子载波上的总和。定义吞吐量效率为正确接收的码字数量与总共发送的码字数量的比值。下面给出基于第2类HARQ的吞吐量效率仿真图，仿真参数如下：码长为510 Bit，往返延迟为128 Bit，t=［3，5，10，21，25，30，57］。

由上面的仿真图可以看出，当t=3、5，在误比特率为0.01时，吞吐量效率接近为0；而在误比特率为10-5左右时，吞吐量接效率近为1。可见随着误比特率的上升，系统吞吐量下降。

下面针对不同的检测算法，分别根据文献［8-11］中给出的算法过程，在 4×4的 MIMO-OFDM模型下，以系统吞吐量为评价指标，依据LTE标准中市区信道模型给出的仿真参数，如表1。

分别在有、无HARQ及两种不同相关性的信道条件下，给出仿真性能对比图，为后续的分析做准备。

2.2 仿真结果分析

下页图2和图4分别给出了高相关信道模型下，无HARQ和有HARQ两种情况下不同算法对吞吐量的仿真结果，而图3和图5则是针对适度相关信道模型。通过对比可以得出如下结论：

①在低信噪比情况下，HARQ的引入能显著提高系统吞吐量，这在4-QAM调制下尤为明显；

②对于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检测算法好；

③如果最大的重传次数达到2次，在16-QAM调制、低信噪比下，LMMSE算法性能是最好的；

④随着重传次数的增加，系统吞吐量会得到改善，但这种改善效果会达到饱和。

2.3 综合分析对比

2.3.1 算法复杂度和功率消耗方面

根据文献［8］可知，低阶调制（如4-QAM）下LMMSE，SIC和K-best LSD算法在算法复杂度和功率消耗接近，但随着调制阶数的增加，K-best LSD算法复杂度和功率消耗方面恶化，相比而言，LMMSE、SIC检测算法在不同的调制阶数情况下，依然能保持相近的水平；文献［11］中对SSFE和8-best LSD算法进行了比较，对比发现16-QAM调制下，8-best LSD算法综合性能更优，但在64-QAM调制下，具有相似的复杂度和功率消耗；无论是低阶调制还是高阶情况下，K-best LSD都要优于SSFE。下面给出运算量对比表。

2.3.2 耗时方面

根据循环前缀的长度0.5 ms的时隙分配在7个OFDM符号上，在20 MHz带宽的MIMO-OFDM系统下，LMMSE在高、低阶调制下均具有最快的检测速度；SIC检测应用在特定的集成电路中也能达到理想的检测速度，对于K-best检测而言，仅仅在64-QAM调制及16-QAM调制时球形列表大小为16时具有较高的时效性［12］。

2.3.3 最优输出方面

智能工厂的三个智能层次体系围绕智能感知、实时计算、科学决策、精准执行的闭环赋能体系进行构建，每个层次是智能实体，在整体上组合形成智能工厂的赋能架构体系。智能工厂不是单体设备的智能、不是单个应用的智能，是单体智能和整体智能的融合系统［13-15］。

最优输出定义为最小的码率和硬判决率及可靠的传输吞吐量。下面的分析中不考虑HARQ的情形。

LMMSE和SIC算法检测效率要高于8-best LSD算法，但根据仿真可知，在低SNR及高相关的信道条件下，这两种算法的吞吐量降低，故在不考虑信道相关性的情况下，LMMSE和SIC检测能达到最优输出；否则，8-best LSD能给出更优输出。SSFE算法在适度相关信道下的输出时最优的，随着相关性的增加，8-best LSD逐渐优于SSFE。

最佳接收机应能够根据不同的信道环境改变不同的检测算法，适应不同的调制方式和码率。同时，自适应检测过程中，对于不同的检测算法在检测过程中计算产生的有效资源模块应是共享的，举例来说，对于LMMSE算法，检测过程中的QR分解矩阵在转换到K-best LSD算法后也能够利用，这样就进一步简化了计算过程，降低了复杂度，这也是自适应检测的优势之一。

由表2可以发现SSFE算法在乘法和加法两个方面具有较小的复杂度，但相比于LMMSE和SIC算法，其判决次数过多；K-best算法虽是复杂度最高的算法，但其最优输出方面却是最好的；另一方面，K-best算法和SSFE算法的检测复杂度随着调制阶数和列表长度的增加而增大，在高相关信道模型下，SSFE算法需要更大列表长度才能达到与K-best算法相近的性能，所以，在此条件下K-best算法优于SSFE算法。

综合以上分析，算法间转换的标准可以从如下几个方面考虑：信道相关性、正交程度，信道容量、功率水平以及该算法在此环境下的计算复杂度和能量消耗：LMMSE算法虽然具有很好的检测效率，但在复杂的信道环境下，其检测输出恶化，在上节的仿真结果中可以发现，LMMSE算法在适度相关低信噪比信道下是适用的，相比之下，高相关信道时，K-best算法是最合适的，同时，高的信噪比也能使简单的检测算法在高相关的信道模型中使用。

基于以上的分析，本文提出了一种新的检测机制用于MIMO信号的自适应检测，下节中予以详细介绍。

3 自适应检测

根据前面的分析，HARQ机制的引入能明显改善系统性能，所以在本文的自适应检测过程中，HARQ是必须的；另外，信号的自适应检测应能根据信道条件和信号的调制方式进行自适应的调整，以取得最优的检测效果，因此，本文提出一种自适应检测方法，具体的结构流程如图6所示：

算法1：如图6所示，若信道条件为适度相关信道，信号调制方式为低阶情形下：采用SIC 2it算法。此算法在上述条件下虽然不能取得最优的系统吞吐量，但通过表2的算法复杂度分析对比可知，相同条件下，SIC 2it算法复杂度要比8-best低，特别是在判决比较计算方面相差达数十倍，综合考虑，采用SIC 2it检测算法。

算法2：根据图示条件，在适度相关信道，信号调制方式为高阶的情形下：采用SSFE算法，该算法能在此条件下取得近似最优的系统输出，且复杂度较8-best低。

算法3：类似的，通过上节的对比分析，这里采用8-best是最佳的；同样地，类比分析算法4采用SSFE为最佳的。

综合以上的叙述，根据不同的信道条件和信号调制特征来选取不同的信号检测算法，就是本文提出的一种自适应检测流程。

4 结束语

本文根据文献［6］中提出的自适应检测思想，分别在高相关与适度相关信道模型下结合有、无HARQ两种状态，给出了4种不同情况下LMMSE、SIC 2 it、8-best和SSFE算法性能仿真，并对仿真结果进行了详尽分析比较，在此基础上给出了基于系统吞吐量的MIMO信号自适应检测的算法性能评价标准，并对各算法间状态转换给出了建议，提出了一种自适应检测的流程，并对所采用的算法给出了自己的建议。

［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

国家自然科学基金（11375263）；国防预研基金资助项目（41101040402）

杨大江（1989- ），男，湖南常德人，硕士研究生。研究方向：MIMO信号检测技术。