MIMO系统的信号检测算法

田根林　李华

【摘 要】在高速宽带无线通信系统中，MIMO技术能够在不增加系统带宽和发射功率的情况下，有效提高系统传输速率和频谱效率。然而，由于不同发射天线发出的信号的相互干扰以及无线通信系统的多径效应，使得MIMO系统的信号检测面临巨大挑战，严重阻碍了MIMO技术的广泛应用。因此本文主要针对MIMO系统的信号检测算法进行研究，通过算法比较和仿真验证可以得出，基于球形译码的信号检测（SD）算法具有更优的检测结果。由于引入干扰抵消和排序机制，ZF-OSIC和MMSE-OSIC算法在性能方面得到了提升。

【关键词】无线通信系统；MIMO；信号检测；球形译码

【Abstract】In the high-speed broadband wireless communication systems， Multi-input and multi-output（MIMO） technology can improve transmission rate and spectrum efficiencies without any increase of system bandwidth and transmitting power. Thus， the signal detection for MIMO systems is challenging because of the channel noise and multipath fading， and has become the biggest block of development. In this paper， most attention is concentrated on the signal detection algorithms for MIMO Communication Systems， through the comparision with the existent algorithms and the simulations， we can conclude that the signal detection algorithm based on sphere decoding has a better detection effect. Due to the introduction of the interference cancellation and the ordering rule， the algorithm optimality of ZF-OSIC and MMSE-OSIC is both improved effectively.

【Key words】Wireless communication systems； Multiple-input-multiple-output； Equalization algorithms； Sphere decoding

0 引言

MIMO技术对于传统的单天线系统来说，能够大大提高频谱利用率，使得系统能在有限的无线频带下传输更高速率的数据业务。目前，各国已开始或者计划进行新一代移动通信技术（4G或者5G）的研究，争取在未来移动通信领域内占有一席之地。随着技术的发展，未来移动通信宽带和无线接入融合系统成为当前热门的研究课题，而MIMO系统是人们研究较多的方向之一，而且随着MIMO系统均衡技术的出现使得这一领域出现了极大的突破。

尽管如此，在MIMO系统中，对于接收信号的处理仍然存在很大的问题。主要表现为：信号检测算法难度大、参数繁杂。同时由于码间干扰和多径衰落的影响，使得均衡器在功能与性能上的要求提高了一个台阶。因此，随着均衡技术的不断进步，对于高复杂度信号检测也成了必需攻克的问题。因此，本文的主要研究内容便是如何在MIMO系统中进行信号检测，从而实现均衡技术。

1 MIMO 系统研究现状

1.1 MIMO系统概述

自20世纪70年代以来，在一代代科学家们的不懈努力下，奠定了MIMO无线通信系统的理论基础和可行性。从20世纪的90年代后页起，在Foschini、Rayleigh等人的研究基础上，世界上许许多多的科研机构与高等院校都开始投入巨大的人力物力对MIMO系统进行了深入研究。

在MIMO技术日益成熟与先进的今天，MIMO技术的研究领域[1]主要涵盖了下列几点：MIMO信道容量和建模的分析；MIMO系统的空时编码和空时解码；MIMO系统收发数据方案设计；MIMO系统在网络方面的研究与探究。这四个方面的研究内容虽然各有侧重，但都面对着一个相同的核心问题，即针对各种复杂的无线衰落信道环境，如何更有效地利用 MIMO系统的通信结构抑制多径衰落、增加数据速率和提高系统容量。

1.2 MIMO系统检测算法研究现状

目前，MIMO系统均衡技术主要有三种实现方案：基于训练序列的MIMO均衡、MIMO盲均衡和MIMO半盲均衡，而且对于可靠性和可实现性的要求很高，因此这就要求在设计和研究中更好的平衡好复杂度和精度的关系。同时，在实现均衡的前提下，如何对于信号的接收和检测也是如今的热点与难点。

现有的检测算法大致可以分为两大类：线性检测和非线性检测算法[2]。线性算法是将从发射端发射出的期望信息流当成有用的信息，而把除此以外的信号当作干扰和噪音。非线性检测相比线性检测性能具有更好的鲁棒性，但是其实现复杂度高。因此，一种从ML算法演化而来的球形译码（SD）算法被研究出来[3-4]，该算法是ML算法的变种简化版。其实质是通过寻找具有最小ML度量的信号向量，也可以说是在立体球坐标中寻找一个ML算法的解向量，如球体中果不存在哪怕一个ML的解向量，那么增大球体的半径继续搜寻；反之，如果最后得到的解向量不止一个且不是唯一的一个，那么缩小球体的半径，直到找到有且只有一个的唯一解向量。SD算法相对于之前的线性算法有着精度上的优势，又比之前的ML算法更加容易计算，因此在MIMO系统中具有更好的使用价值。

2 几种常用的检测算法

2.1 MIMO系统中的信号检测模型

考虑nT根发射天线nR根接收天线的MIMO系统，如图1所示。数据流被分成nT个子数据流，每个子流通过星座点映射后送给发射天线。

使其尽可能的与s接近。迫零检测（ZF）和最小均方误差检测（MMSE）是MIMO系统中使用最为普遍的线性检测器。

其中，迫零检测是MIMO系统中较为常见的检测器之一，其主要思想就是在接收端利用线性变换对天线发射信号存在的干扰进行消除。利用迫零检测器能够获得发射信号的估计值，使得天线发送数据中存在的干扰被完全消除。当信噪比较高时可以获得较好的性能，但是倘若信噪比较低，信道矩阵H逼近奇异，检测性能会出现恶化。

2.3 非线性检测算法

线性检测器的复杂度是极低的，这使其得到普遍应用，但是它仅可使用线性运算，和最优检测器相比，检测器的性能与其存在很大的距离。非线性检测算法中最简单的做法是以线性检测算法为基础，将判决反馈机制引入，实现干扰抵消，在此法的基础上，再将排序串行干扰抵消OSIC算法引入。其他的非线性检测算法的目的是对最优检测实施性能逼近，共同特点在于搜索星座点集合，以此获得最优的检测结果。

2.3.1 OSIC算法

3 仿真与结果分析

由图1可以看出，和ML算法相比，ZF算法的性能存在较大的差异，伴随信噪比的不断改善，ZF-OSIC算法的性能越来越逼近ZF算法。

4 结论

针对MIMO系统均衡技术中，如何在接收端对接收信号进行检测的问题，本文首先对MIMO系统的相关研究现状进行了介绍，重点从原理上解释了MIMO系统中几种常用的检测算法，并且通过算法仿真对它们的性能进行了比较。仿真结果显示，与其他算法相比，SD算法与最优检测结果最为接近。由于引入干扰抵消和排序机制，ZF-OSIC和MMSE-OSIC算法在性能方面得到了提升。根据原理分析可知，计算的复杂度和算法性能两者是相互矛盾的，简言之，算法的误码性能越好，计算的复杂度就越高。因此，在实际中，需要根据具体需求选择合适的算法。

【参考文献】

[1]赵亚男，张禄林，吴伟陵.MIMO技术的发展与应用[M].北京邮电大学信息工程学院.

[2]郭腾，林云.MIMO系统中信号检测算法的研究[J].现代电信科技，2010（11）：48-51.

[3]Hassibi B， Vikalo H.On the Sphere-Decoding Algorithm I. Expected Complexity[J]. IEEE Transaction on Signal Processing， 2005， 53（08）： 2806-2818.

[4]Boyu Li and Ender Ayanoglu.“A New Low Computational Complexity Sphere Decoding Algorithm”， http：//cdsweb.cern.ch/record/1204907[OL].

[5]任光亮，段昕利，郁光辉，杨丽花.MIMO空间复用系统中的一种新的低复杂度球形检测算法[J].西安电子科技大学学报，2011，38（2）：13-17.

[6]赵书兰.MATLAB建模与仿真 [M].火力与指挥控制.清华大学出版社，2013.6

[责任编辑：杨玉洁]