基于OSIC的低复杂度MIMO检测算法
2012-11-26马光彬曹海燕
马光彬,曹海燕
(杭州电子科技大学通信工程学院,浙江杭州310018)
0 引言
多输入多输出(Multiple Input Multiple Output,MIMO)系统接收端接收到的信号在时间和频率上是重叠的,如果是频率选择性信道,还存在不同时刻信号间的码间干扰,因此MIMO系统信号检测难度远高于传统单输入单输出的检测难度。由于MIMO系统接收端检测性能的好坏对整个系统的性能有重要影响,如何在接收端将发射信号分离开来,并正确检测出发射信号成为MIMO通信技术研究中的重要问题之一。最大似然(Maximum Likelihood,ML)检测以高复杂度作为代价获得最优性能,线性检测包括迫零(Zero Forcing,ZF)检测算法[1]和最小均方误差(Minimum Mean Square Error,MMSE)检测算法[2],复杂度较低,但是性能有较大损失。排序串行干扰抵消(Ordered Successive Intereference Cancellation,OSIC)依据不同的线性检测准则,可以分为ZF-OSIC检测算法[3]和MMSE-OSIC检测算法[4],提高了线性检测的性能,但由于OSIC要对矩阵多次求伪逆,运算量有所增加。本文折中考虑MIMO的译码复杂度和译码性能,提出基于OSIC的改进检测算法,通过星座子空间搜索,可以在远低于ML复杂度基础上获得优于OSIC的译码性能。
1 系统模型和相关算法
1.1 系统模型
考虑一个未编码的MIMO系统,发射天线数为Nt,接收天线数为Nr(Nr≥Nt),假定信道是平坦瑞利衰落信道并且接收端信道状态信息是已知的,其接收信号表示为:

式中,r=[r1,r2,…,rNr]T是 Nr×1 的接收信号向量,s=[s1,s2,…,sNt]T是Nt×1 的发射信号向量,H是Nr×Nt的信道矩阵,H的每一个元素hi,j都是独立同分布的复高斯随机变量,且其均值为0,方差为1。n为加性高斯白噪声,服从复高斯分布,且其均值为0,方差为σ2。
1.2 OSIC 算法
OSIC检测算法基本思想是:首先检测错误概率最小的信号,然后从接收信号中抵消这一信号造成的干扰,逐次迭代,最后完成整个信号向量的检测[3]。……
