基于FPGA技术的多载波通信信号检测算法的研究分析

徐铁喜

（广州海格通信集团股份有限公司，广东 广州 510663）

1 FPGA概述

现场可编程门阵列（Field Programmable Gate Array，FPGA）最早由Xilinx公司研究提出，其作为可编程逻辑器件，主要进行数据处理。最好的FPGA只有1 200个逻辑门，经过30多年发展之后已经可以在期间中编程增加上百万甚至上千万个可编程逻辑门。FPGA发展过程中，制造工艺也不断进步，经过改进与发展之后FPGA的功耗得到了控制，而且开发工具以及逻辑门也不断成熟和创新发展，由于技术不断发展与成熟，FPGA开始在各个领域得到应用。目前比较成熟的FPGA结构主要由以下六大部分构成。

（1）基本可编程逻辑单元：作为FPGA的核心单元模块，正是这一模块的引入使得FPGA的可编程性提高。

（2）可编程逻辑单元：这一单元模块主要由两部分构成，包括寄存器和查找表（Look Up Table，LUT）。

（3）可编程I/O单元：在FPGA当中这一模块起着和外部电路交互的作用，作为一个接口能够实现外围电路输入输出不同电气特性的转换。

（4）内嵌专用硬核：这一模块单元已经在FPGA内部进行了固化，这一专用内核经过布局布线之后，具有极高的可靠性。目前在比较成熟通用的FPGA当中均有块状嵌入RAM。正是由于这些模块以及这些结构单元、存储器的发展，进一步促进了FPGA的应用范围。

（5）底层嵌入单元：主要针对系统而言，针对系统功能完善而特意嵌入的单元，常见的有数字延时锁定回路（Delay Locked Loop，DLL）等。

（6）布线资源：其作为整个FPGA的内部统筹协调单元，能够将系统内不同的单元连接在一起，构成整个FPGA整体，实现不同的FPGA功能。

2 FPGA应用于多载波信号检测的意义

在通信中多载波无线通信发展的同时正交频分复用技术（Orthogonal Frequency Division Multiplexing，OFDM）[1-2]技术也得到了创新与进步，目前在众多领域开始引进发展并扩张，其中典型代表是航空通信。在航空通信这种高精度通信要求的领域当中OFDM具有无可比拟的优势，但是在众多领域当中存在多径丰富的问题也给OFDM信道估计等方面带来困难与挑战。面临这些问题以及困难，广大研究者希望在检测算法方面实现突破，但是在检测算法创新发展的同时为适应算法计算复杂度的要求，还必须要进一步提升硬件性能。FPGA的诞生使得数据处理能力得到跨越式发展，在无线通信领域以及相关领域得到迅速应用发展，其应用主要集中在以下几个方面。

（1）在FPGA中能够通过不同运算路径占用不同的硬件资源从而实现并行运算，这种运算以及数据处理模式进一步提高了数据处理的速度，对于无线通信而言，能够保证数据处理的高速度以及数据处理的实时性。

（2）FPGA结构中的各部分都是能够通用编程的，这决定了其具有很好的结构灵活性，通过代码修改以及代码编程就能够实现多种不同功能，针对不同的场景无线通信也具有很好的适应性。

（3）在FPGA结构中将各种功能模块进行了内部集成封装，而且FPGA开发商为其提供了大量可供选择的IP Core，为用户的硬件设计提供了极大的便利，对于硬件开发周期而言也得到了极大地缩短。

3 基于FPGA技术的信号检测算法

3.1 算法建立

在针对传统FPGA算法的基础上进行优化，希望能够在传统以并行运算为主的基础上实现算法的串并行交替转换信号的检测，在FPGA中引入排序串行干扰消除算法（Ordered Sequential Interference Cancellation，OSIC），以此来消除其他天线的干扰提高信号质量。最终提出PSMLMMSE-FOSIC检测算法优化，希望能够适应串并行运算，而且能够保证实现信号检测功能，优化信号质量。

（1）首先将ML检测算法引入到前P层信号检测当中，主要是利用ML检测算法的最优可靠性来保证前端信号检测的准确性，进而保证整个系统信号的可靠性，有效避免差错传播问题的产生。

（2）对于系统中剩下的N-P层引入OSIC检测算法来进行信号检测，利用OSIC来尽可能消除串行干扰问题，而且为最大限度保证信号质量，还引入了可靠度约束思想以及判决反馈。

3.2 判决反馈

在OSIC的基础上，需要对N-P层信号进行MMSE滤波处理，在处理的同时进行硬判决，并且选定反馈候选点为星座点。如图4所示，将选定的反馈候选点坐标与硬判决输出点的坐标进行比对就能够最终得到可靠门限值。在图中软估计利用空心接收信号来表示，其中星座反馈候选点利用实心点来进行表示。d1和d2分别表示横/纵向的门限值，阴影和正方形区域分别表示判决不可靠/可靠区域。在这样的判决反馈表示机制中，在阴影区域的点均是不可靠的点，针对不可靠的点需要利用星座反馈点来进行重新判决。对于小正方形内部的点而言，均是可靠的判决点，系统能够将可靠盘决定直接输出。这里根据实际情况给出了两种约束准则，一种以星座点为中心、以横纵门限值为约束准则的矩形约束，一种是以星座点为中心、以门限值为半径的圆形约束。

利用串行消除干扰检测算法来对待检测层进行分析，将已检测层检测得到的信号和筛选的候选点进行向量构建[3]，一共构建M个候选向量，然后对M个候选向量进行对比分析确定最优向量。在进行向量检测的时候需要对输出信号以及干扰信号进行分析，一般将本层输出信号作为下一层的干扰信号，并且进行滤波处理，采用滤波权重实现，进行操作以及检测直到所有操作完成。

4 仿真分析

针对这一算法情况进行了研究与分析，采用仿真的方法来验证优化算法的误码率等情况。其中基于QPSK进行仿真与调制，最终仿真结果如图1所示，其中P值取1。对比仿真结果图能够发现，与传统MMSE-OSIC检测算法相比，优化的PSML-MMSE-FOSIC性能得到了极大的提升，性能提升能够达到3 dB，同样在误码率达到10-4的情况下，与MMSE-PSIC算法相比性能也有极大提升，提升大约5 dB。

图1 QPSK调制误码率仿真结果

从图2仿真结果可以看出，取值越小，系统的检测性能越向ML检测算法靠近。执行反馈迭代检测算法次数越多，检测越可靠。

图2 圆形约束QPSK调制误码率

5 结语

在本文的分析中能够发现存在比较显著地串行干扰等问题，为解决这些问题就必须要对检测算法进行优化，从前期信号检测开始进行优化，从源头保证信号质量，从而保证整个信号质量。在传统信号质量检测以及FPGA的基础上，提出了PSML-MMSE-FOSIC检测算法。这一算法的提出充分利用了ML检测算法以及OSIC检测算法的优越性，保证了信号检测的可靠性，也保证了多载波通信信号的可靠性，具有重要的参考与借鉴意义。