Детектирование и декодирование с уменьшенной сложностью для приемника в системе связи

Изобретение относится к технике связи и может быть использовано в приемниках систем беспроводной связи. В одном варианте воплощения приемник получает R принятых потоков символов для М потоков данных, выполняет пространственную обработку приема над принятыми символами для получения детектированных символов, выполняет вычисление логарифмических отношений правдоподобия (LLR) независимо для каждого из D наилучших потоков данных и выполняет вычисление логарифмического отношения правдоподобия (LLR) совместно для M-D оставшихся потоков данных, где M>D≥1 и М>1. D наилучших потоков данных могут быть выбраны на основе отношения сигнала к шуму (SNR) и/или других критериев. В другом варианте воплощения приемник выполняет вычисление логарифмического отношения правдоподобия (LLR) независимо для каждого из D наилучших потоков данных, выполняет вычисление LLR совместно для M-D оставшихся потоков данных и сокращает количество рассматриваемых гипотез для совместного вычисления LLR посредством выполнения поиска подходящих гипотез с использованием обнаружения сферы списка, метода Монте-Карло с использованием цепей Маркова или какой-либо другой методики поиска. Технический результат - уменьшение сложности детектирования и декодирования при обеспечении хорошей производительности. 10 н. и 38 з.п. ф-лы, 9 ил., 2 табл.

 

Детектирование и декодирование с уменьшенной сложностью для приемника в системе связи

Настоящая заявка притязает на приоритет предварительной заявки на патент США №60/738159, озаглавленной "ИТЕРАЦИОННОЕ ДЕТЕКТИРОВАНИЕ И ДЕКОДИРОВАНИЕ С УМЕНЬШЕННОЙ СЛОЖНОСТЬЮ ДЛЯ СИСТЕМ С МНОЖЕСТВОМ ВХОДОВ И МНОЖЕСТВОМ ВЫХОДОВ (MIMO) И МУЛЬТИПЛЕКСИРОВАНИЕМ С ОРТОГОНАЛЬНЫМ ЧАСТОТНЫМ РАЗДЕЛЕНИЕМ СИГНАЛОВ (OFDM)", зарегистрированной 18 ноября 2005 года, назначенной на заявителя настоящей заявки и включенной в настоящую заявку по ссылке.

Уровень техники

Область техники

Настоящее раскрытие имеет отношение к связи вообще и, в частности, к методикам выполнения детектирования (обнаружения) и декодирования в приемнике в системе связи.

Уровень техники

Система связи с множеством входов и множеством выходов (MIMO) использует несколько (Т) передающих антенн в передатчике и несколько (R) принимающих антенн в приемнике для передачи данных. Канал MIMO, сформированный посредством Т передающих антенн и R принимающих антенн, может быть разложен на М пространственных каналов, где M≤min{T,R}. M пространственных каналов могут использоваться для передачи данных таким образом, чтобы достигнуть более высокой общей пропускной способности и/или большей надежности.

Передатчик может кодировать и передавать M потоков данных параллельно через T передающих антенн. Приемник получает R принятых потоков символов через R принимающих антенн, выполняет обнаружение MIMO для разделения M потоков данных и выполняет декодирование обнаруженных потоков символов для восстановления переданных потоков данных. Для достижения оптимальной производительности приемник должен был бы оценивать много гипотез для всех возможных последовательностей битов данных, которые могли быть переданы, на основе всей информации, доступной в приемнике. Такой полный перебор является интенсивным в вычислительном отношении и чрезмерно затруднительным для многих применений.

Поэтому в области техники имеется потребность в методиках выполнения обнаружения и декодирования с уменьшенной сложностью при достижении хорошей производительности.

Сущность изобререния

Здесь описаны методики выполнения обнаружения и декодирования с уменьшенной сложностью при достижении хорошей производительности. Эти методики воплощены в различных описанных ниже схемах обнаружения с уменьшенной сложностью.

В одной схеме обнаружения с уменьшенной сложностью приемник получает R принятых потоков символов для M потоков данных, переданных передатчиком, выполняет пространственную обработку приема (или пространственную согласованную фильтрацию) над принятыми символами для получения обнаруженных символов, выполняет вычисление логарифмических отношений правдоподобия (LLR) независимо для каждого из D "наилучших" потоков данных и выполняет вычисление логарифмического отношения правдоподобия (LLR) совместно для M-D оставшихся потоков данных, где в общем случае M>D≥1 и M>1. D наилучших потоков данных могут быть выбраны на основе отношения сигнала к шуму и помехе (SNR) и/или других критериев. В другой схеме обнаружения с уменьшенной сложностью приемник выполняет вычисление логарифмического отношения правдоподобия (LLR) независимо для каждого из D наилучших потоков данных, выполняет вычисление логарифмического отношения правдоподобия (LLR) совместно для M-D оставшихся потоков данных и сокращает количество рассматриваемых гипотез для совместного вычисления логарифмического отношения правдоподобия (LLR) посредством выполнения поиска подходящих гипотез с использованием обнаружения сферы списка, метода Монте-Карло с использованием цепей Маркова или какой-либо другой методики поиска.

Для обеих схем обнаружения размерность уменьшается с M до M-D посредством выполнения вычисления логарифмического отношения правдоподобия (LLR) по каждому потоку для D наилучших потоков данных. Сокращение размерности может существенно сократить количество рассматриваемых гипотез для совместного вычисления логарифмического отношения правдоподобия (LLR) для M-D оставшихся потоков данных. Количество гипотез может быть дополнительно сокращено посредством выполнения поиска подходящих гипотез. Эти схемы обнаружения могут использоваться для (1) однопроходного приемника, который выполняет обнаружение и декодирование один раз, и (2) итерационного приемника, который выполняет обнаружение и декодирование итерационно. Эти и другие схемы обнаружения подробно описываются ниже.

Ниже различные аспекты и варианты воплощения изобретения описываются более подробно.

Краткое описание чертежей

Признаки и природа настоящего изобретения станут более понятны из изложенного ниже подробного описания, рассмотренного вместе с чертежами, на которых везде аналогичные символы для ссылок обозначают аналогичные элементы.

Фиг.1 показывает блок-схему передатчика и приемника.

Фиг.2 показывает блок-схему процессора данных передачи и пространственного процессора передачи в передатчике.

Фиг.3 показывает блок-схему пространственного процессора приема и процессора данных приема для однопроходного приемника.

Фиг.4 показывает блок-схему пространственного процессора приема и процессора данных приема для итерационного приемника.

Фиг.5 показывает блок-схему последовательности операций для схемы обнаружения с уменьшенной размерностью.

Фиг.6 показывает устройство для схемы обнаружения с уменьшенной размерностью.

Фиг.7 показывает иллюстративное дерево поиска для обнаружения сферы списка.

Фиг.8 показывает блок-схему последовательности операций для схемы обнаружения с уменьшенным порядком.

Фиг.9 показывает устройство для схемы обнаружения с уменьшенным порядком.

Подробное описание

Слово "иллюстративный" используется здесь в значении "служащий примером, экземпляром или иллюстрацией". Любой вариант воплощения или образец, описанный здесь как "иллюстративный", не должен обязательно рассматриваться как предпочтительный или имеющий преимущества по сравнению с другими вариантами воплощения или образцами.

Описанные здесь методики обнаружения и декодирования могут использоваться для различных систем связи, в которых несколько потоков данных передаются параллельно через канал связи. Например, эти методики могут использоваться для системы с множеством входов и множеством выходов (MIMO) с одним частотным поддиапазоном, для системы MIMO с несколькими поддиапазонами, для системы с множественным доступом с кодовым разделением каналов (CDMA), для системы с множественным доступом с частотным разделением каналов (FDMA), для системы с множественным доступом с временным разделением каналов (TDMA) и так далее. Несколько поддиапазонов могут быть получены с помощью мультиплексирования с ортогональным частотным разделением сигналов (OFDM), множественного доступа с частотным разделением каналов с одной несущей (SC-FDMA) или какой-либо другой методики модуляции. Методики OFDM и SC-FDMA делят всю ширину полосы пропускания системы на несколько (L) ортогональных поддиапазонов, которые также называют поднесущими, тонами и так далее. Каждый поддиапазон имеет отношение к поднесущей, которая может быть независимо модулирована данными. В общем случае символы модуляции отправляют в частотной области с помощью методики OFDM и во временной области с помощью методики SC-FDMA. Для ясности большая часть описания ниже относится к системе MIMO, которая использует методику OFDM.

Фиг.1 показывает блок-схему варианта воплощения передатчика 110 и приемника 150 в системе 100 MIMO. Передатчик 110 оборудован несколькими (T) антеннами, и приемник 150 оборудован несколькими (R) антеннами. Для передачи по нисходящей линии связи (или прямой линии связи) передатчик 110 может являться частью базовой станции, точки доступа, узла B и так далее и может содержать некоторые или все функциональные возможности базовой станции, точки доступа, узла B и так далее. Приемник 150 может являться частью мобильной станции, терминала пользователя, пользовательского оборудования и так далее и может содержать некоторые или все функциональные возможности мобильной станции, терминала пользователя, пользовательского оборудования и так далее. Для передачи по восходящей линии связи (или обратной линии связи) передатчик 110 может являться частью мобильной станции, терминала пользователя, пользовательского оборудования и так далее, и приемник 150 может являться частью базовой станции, точки доступа, узла B и так далее.

В передатчике 110 процессор 120 данных передачи принимает информационные данные от источника 112 данных и обрабатывает (например, форматирует, кодирует, выполняет перемежение и преобразует в символы) информационные данные, чтобы сформировать символы данных, которые являются символами модуляции для информационных данных. Пространственный процессор 130 передачи мультиплексирует символы данных с контрольными символами, которые являются символами модуляции для контрольного сигнала. Контрольный сигнал представляет собой передачу, которая априорно известна и передатчику, и приемнику и также может называться обучающим сигналом, опорным сигналом, преамбулой, пилот-сигналом и так далее. Пространственный процессор 130 передачи выполняет пространственную обработку передатчика и выдает T потоков передаваемых символов T передающим элементам 132a-132t (TMTR). Каждый передающий элемент 132 обрабатывает (например, модулирует с помощью методики OFDM, преобразовывает в аналоговую форму, фильтрует, усиливает и преобразовывает с повышением частоты) свой поток передаваемых символов и формирует модулированный сигнал. T модулированных сигналов из передающих элементов 132a-132t передаются соответственно от антенн 134a-134t.

В приемнике 150 R антенн 152a-152r принимают T модулированных сигналов, и каждая антенна 152 выдает принятый сигнал соответствующему принимающему элементу 154 (RCVR). Каждый принимающий элемент 154 обрабатывает свой принятый сигнал способом, являющимся комплементарным к обработке, выполненной передающими элементами 132, для получения принятых символов, выдает принятые символы для информационных данных пространственному процессору 160 приема и выдает принятые символы для контрольного сигнала процессору 194 канала. Процессор канала 194 оценивает характеристику канала MIMO от передатчика 110 до приемника 150 на основе принятых символов для контрольного сигнала (и, возможно, принятых символов для информационных данных) и выдает оценки канала пространственному процессору 160 приема. Пространственный процессор 160 приема выполняет обнаружение над принятыми символами для информационных данных с помощью оценок канала и выдает мягкие решения, которые могут быть представлены посредством логарифмических отношений правдоподобия (LLR), как описано ниже. Процессор 170 данных приема также обрабатывает (например, выполняет обратное перемежение и декодирует) мягкие решения и выдает декодированные данные приемнику 172 данных. Обнаружение и декодирование могут быть выполнены с одним проходом через процессоры 160 и 170 или итерационно между процессорами 160 и 170.

Приемник 150 может отправить информацию обратной связи, чтобы помочь передатчику 110 в управлении передачей данных приемнику 150. Информация обратной связи может указывать конкретный режим передачи, который следует использовать для передачи, конкретную скорость или формат пакета, которые следует использовать для каждого потока данных, подтверждения (ACK) и/или отрицательные подтверждения (NAK) для пакетов, декодированных приемником 150, информацию о состоянии канала и так далее или любую комбинацию перечисленного. Информация обратной связи обрабатывается (например, кодируется, подвергается перемежению и преобразованию в символы) процессором 180 служебных сигналов передачи, мультиплексируется с контрольными символами и пространственно обрабатывается пространственным процессором 182 передачи и далее обрабатывается передающими элементами 154a-154r, чтобы сформировать R модулированных сигналов, которые передаются через антенны 152a-152r.

В передатчике 110 R модулированных сигналов принимаются посредством антенн 134a-134t, обрабатываются посредством принимающих элементов 132a-132t, пространственно обрабатываются посредством пространственного процессора 136 приема и затем обрабатываются (например, подвергаются обратному перемежению и декодируются) процессором 138 служебных сигналов приема для восстановления информации обратной связи. Контроллер/процессор 140 управляет передачей данных приемнику 150 на основе принятой информации обратной связи. Процессор 144 канала может оценить характеристику канала MIMO от приемника 150 до передатчика 110 и может получить матрицы пространственного отображения, используемые пространственным процессором 130 передачи.

Контроллеры/процессоры 140 и 190 управляют действиями в передатчике 110 и приемнике 150, соответственно. Блоки 142 и 192 памяти хранят данные и программные коды для передатчика 110 и приемника 150 соответственно.

Фиг.2 показывает блок-схему варианта воплощения процессора 120 данных передачи и пространственного процессора 130 передачи в передатчике 110. Для этого варианта воплощения для всех потоков данных используется общая схема кодирования, и для каждого потока данных может использоваться отдельная кодовая скорость и отдельная схема модуляции. Для ясности последующее описание предполагает, что M потоков данных отправляют по M пространственным каналам.

В процессоре 120 данных передачи кодер 220 кодирует информационные данные в соответствии со схемой кодирования и формирует кодовые биты. Схема кодирования может включать в себя сверточный код, турбо-код, код контроля четности с низкой плотностью (LDPC), код циклической проверки избыточности (CRC), блочный код и так далее или их комбинацию. Демультиплексор 222 демультиплексирует (или анализирует) кодовые биты в M потоков и выдает M кодовых битовых потоков M наборам блоков обработки. Каждый набор включает в себя блок 224 перфорации, блок 226 перемежения канала и символьный преобразователь 228. Каждый блок 224 перфорации при необходимости перфорирует (или удаляет) кодовые биты для достижения кодовой скорости, выбранной для его потока, и выдает оставленные кодовые биты соответствующему блоку 226 перемежения канала. Каждый блок 226 перемежения канала перемежает (или изменяет порядок) свои кодовые биты на основе схемы перемежения и выдает биты с перемежением соответствующему символьному преобразователю 228. Перемежение может быть выполнено отдельно для каждого потока данных (как показано на фиг.2) или вместе по некоторым или всем потокам данных (не показано на фиг.2).

Каждый символьный преобразователь 228 преобразовывает свои биты с перемежением в соответствии со схемой модуляции, выбранной для его потока, и выдает поток символов данных {sm}. Преобразование в символы для потока m может быть достигнуто посредством (1) группирования наборов из Qm битов для формирования значений, состоящих из Qm битов, где Qm≥1, и (2) преобразования каждого значения, состоящего из Qm битов, в одну из точек в сигнальной совокупности для выбранной схемы модуляции. Каждая преобразованная сигнальная точка является комплексным значением и соответствует символу данных. Символьное преобразование может быть основано на преобразовании с использованием кода Грея или на преобразовании без использования кода Грея. При преобразовании с использованием кода Грея соседние точки в сигнальной совокупности (и в горизонтальном, и в вертикальном направлениях) отличаются только в одной из Qm битовых позиций. Преобразование с использованием кода Грея сокращает количество ошибок для более вероятных ошибочных событий, которые соответствуют преобразованию принятого символа в местоположение около правильного местоположения, когда только один закодированный бит был обнаружен ошибочно. При преобразовании без использования кода Грея соседние точки могут отличаться более чем в одной битовой позиции. Преобразование без использования кода Грея может привести к большей независимости между закодированными битами и может улучшить производительность для итерационного обнаружения и декодирования.

В пространственном процессоре 130 передачи мультиплексор 230 принимает M потоков символов данных от символьных преобразователей 228a-228m и преобразовывает символы данных и контрольные символы в надлежащие поддиапазоны в каждом периоде символа. Матричный умножитель 232 умножает символы данных и/или контрольные символы для каждого поддиапазона Z на матрицу пространственного отображения и выдает символы передачи для этого поддиапазона. Разные матрицы пространственного отображения могут использоваться для разных режимов передачи, и разные матрицы пространственного отображения могут использоваться для разных поддиапазонов для некоторых режимов передачи, как описано ниже.

Фиг.2 показывает вариант воплощения, в котором для M потоков данных может использоваться общая схема кодирования и отдельные кодовые скорости и схемы модуляции. Разные кодовые скорости могут быть достигнуты для M потоков данных с использованием разных шаблонов перфорации для этих потоков. В другом варианте воплощения для всех потоков данных используется общая схема кодирования и общая кодовая скорость, и для M потоков данных могут использоваться отдельные схемы модуляции. В еще одном варианте воплощения для всех M потоков данных используется общая схема кодирования, общая кодовая скорость и общая схема модуляции. Во еще одном варианте воплощения каждый поток данных обрабатывается на основе схемы кодирования и модуляции, выбранной для этого потока данных. В общем случае для M потоков данных могут использоваться одинаковые или разные схемы кодирования, одинаковые или разные кодовые скорости и одинаковые или разные схемы модуляции. Кроме того, одинаковые или разные схемы кодирования, одинаковые или разные кодовые скорости и одинаковые или разные схемы модуляции могут использоваться по поддиапазонам.

Передатчик 110 обычно кодирует каждый пакет отдельно. В варианте воплощения M потоков данных кодируются совместно, с тем чтобы один пакет мог быть отправлен по нескольким (например, всем M) пространственным каналам. В другом варианте воплощения M потоков данных кодируются независимо, с тем чтобы каждый пакет был отправлен по одному пространственному каналу. В еще одном варианте воплощения некоторые потоки данных кодируются совместно, в то время как остальные потоки данных кодируются независимо.

Для ясности последующее описание предполагает, что по каждому пространственному каналу отправляют один поток данных. Термины "поток данных" и "пространственный канал", таким образом, являются взаимозаменяемыми для большей части описания ниже. Количество потоков данных может быть конфигурируемым и может быть выбрано на основе состояния канала и/или других факторов. Для ясности последующее описание предполагает, что по M пространственным каналам отправляют M потоков данных.

Фиг.3 показывает блок-схему пространственного процессора 160a приема и процессора 170a данных приема для однопроходного приемника. Процессоры 160a и 170a являются вариантом воплощения процессоров 160 и 170 соответственно в приемнике 150 на фиг.1. Для этого варианта воплощения процессоры 160a и 170a выполняют обнаружение и декодирование с одним проходом через каждый из процессоров 160a и 170a.

В пространственном процессоре 160a приема блок 308 вычисления матриц пространственного фильтра принимает оценки канала от процессора 194 канала и выводит матрицы пространственного фильтра на основе оценки канала и матриц пространственного отображения, используемых передатчиком 110, как описано ниже. Детектор 310 MIMO получает принятые символы от R принимающих элементов 154a-154r, оценки канала от процессора 194 канала и матрицы пространственного фильтра от элемента 308. Детектор 310 MIMO выполняет обнаружение, как описано ниже, и выдает K мягких решений для K битовых кодов M символов данных, отправленных в каждом поддиапазоне в каждый период символа, используемый для передачи данных. Мягкое решение представляет собой значение, состоящее из нескольких битов, которое является оценкой переданного кодового бита. Мягкие решения могут быть представлены как логарифмические отношения правдоподобия (LLR) и могут называться внешними логарифмическими отношениями правдоподобия (LLR). Если M символов данных отправлены в одном поддиапазоне в один период символа, то K может быть вычислено как, где Qm - количество кодовых битов, используемых для формирования символа данных для потока m. Если для всех M потоков данных используется одна и та же схема модуляции, то K может быть вычислено как K=M∙Q, где Q - количество кодовых битов для каждого символа данных.

В процессоре 170a данных приема блоки 316a-316m обратного перемежения канала принимают внешние логарифмические отношения правдоподобия (LLR) для M потоков данных. Каждый блок 316 обратного перемежения канала выполняет обратное перемежение внешних логарифмических отношений правдоподобия(LLR) для своего потока способом, являющимся комплементарным перемежению, выполненному блоком 226 перемежения канала для этого потока. Мультиплексор 318 мультиплексирует (или переводит в последовательную форму) логарифмические отношения правдоподобия (LLR) с обратным перемежением от блоков 316a-316m обратного перемежения канала. Декодер 320 декодирует логарифмические отношения правдоподобия (LLR) с обратным перемежением и выдает декодированные данные. Ниже подробно описываются обнаружение и декодирование.

Фиг.4 показывает блок-схему пространственного процессора 160b приема и процессора 170b данных приема для итерационного приемника. Процессоры 160b и 170b являются другим вариантом воплощения процессоров 160 и 170 соответственно в приемнике 150. Для этого варианта воплощения процессоры 160b и 170b выполняют обнаружение и декодирование итерационно.

В пространственном процессоре 160b приема блок 408 выводит матрицы пространственного фильтра на основе оценки канала и матриц пространственного отображения, используемых передатчиком 110. Детектор 410 MIMO получает принятые символы от R принимающих элементов 154a-154r, оценки канала от процессора 194 канала, матрицы пространственного фильтра от блока 408 и априорные логарифмические отношения правдоподобия(LLR) от декодера 420. Априорные LLRs обозначаются как La(bk) и представляют собой априорную информацию от декодера 420. Детектор 410 MIMO выполняет обнаружение, как описано ниже, и выдает K логарифмических отношений правдоподобия (LLR) детектора для K кодовых битов M символов данных, отправленных в каждом поддиапазоне в каждый период символа, используемый для передачи данных. Логарифмические отношения правдоподобия (LLR) детектора обозначаются как L(bk). K сумматоров 412a-412k вычитают априорные логарифмические отношения правдоподобия (LLR) из логарифмических отношений правдоподобия (LLR) детектора и выдают внешние логарифмические отношения правдоподобия (LLR), которые обозначаются как Le(bk). Внешние логарифмические отношения правдоподобия (LLR) представляют собой внешнюю или новую информацию от детектора 410 MIMO для декодера 420.

В процессоре 170b данных приема блок 416 обратного перемежения канала с M потоками выполняет обратное перемежение внешних логарифмических отношений правдоподобия (LLR) для каждого потока способом, являющимся комплементарным для перемежения, выполненного блоком 226 перемежения канала для этого потока. Блок 416 обратного перемежения канала может включать в себя M блоков 316a-316m обратного перемежения канала, которые показаны на фиг.3. Мультиплексор 418 преобразовывает в последовательную форму логарифмические отношения правдоподобия (LLR) с обратным перемежением, которые обозначаются как . Декодер 420 декодирует логарифмические отношения правдоподобия (LLR) с обратным перемежением и выдает логарифмические отношения правдоподобия (LLR) декодера. Сумматор 422 вычитает логарифмические отношения правдоподобия (LLR) с обратным перемежением из логарифмических отношений правдоподобия (LLR) декодера и выдает априорные логарифмические отношения правдоподобия (LLR), которые представляют собой внешнюю информацию от декодера 420 для детектора 410 MIMO для следующей итерации. Априорные логарифмические отношения правдоподобия (LLR) для детектора 410 MIMO демультиплексируются в M потоков посредством демультиплексора 424. Блок 426 перемежения канала с M потоками выполняет перемежение априорных логарифмических отношений правдоподобия (LLR) для каждого потока таким же образом, как выполняется посредством блока 226 перемежения канала для этого потока. Блок 426 перемежения канала может включать в себя M блоков 226a-226m перемежения канала, которые показаны на фиг.2. Блок 426 перемежения канала выдает априорные логарифмические отношения правдоподобия (LLR) с перемежением для следующей итерации детектору 410 MIMO.

Пространственный процессор 160b приема и процессор 170b данных приема могут выполнять любое количество итераций. В варианте воплощения процессоры 160b и 170b выполняют предопределенное количество итераций (например, 4, 6, 8 или более итераций). В другом варианте воплощения процессоры 160b и 170b выполняют одну итерацию, затем проверяют, правильно ли декодирован пакет и/или достаточно ли высок показатель надежности декодера, и выполняют другую итерацию, если пакет декодирован ошибочно или если показатель надежности декодера является низким. Обнаружение ошибок может быть достигнуто с помощью циклического контроля избыточности (CRC) и/или какого-либо другого кода для обнаружения ошибок. Процессоры 160b и 170b могут, таким образом, выполнить фиксированное количество итераций или переменное количество итераций до некоторого максимального количества итераций. Итерационное обнаружение и декодирование подробно описаны.

Принятые символы в приемнике 150 могут быть выражены как:

для l=1,...,L,

Уравнение (1)

где - вектор размерности MЧ1 с M символами данных, отправленными в поддиапазоне l;

- матрица пространственного отображения размерности TЧM, используемая передатчиком 110 для поддиапазона l;

- матрица характеристики канала MIMO размерности RЧT для поддиапазона l;

- действительная матрица характеристики канала MIMO размерности RЧM для поддиапазона l;

- вектор размерности RЧ1 с R принятыми символами для поддиапазона l;

- вектор размерности RЧ1 шума для поддиапазона l.

Можно предположить, что шум является аддитивным белым Гауссовым шумом (AWGN) с нулевым вектором математического ожидания и матрицей ковариации где - дисперсия шума, и I - единичная матрица. Действительная характеристика канала MIMO включает в себя фактическую характеристику канала MIMO и матрицу пространственного отображения, используемую передатчиком 110.

В варианте воплощения детектор MIMO (например, детектор 310 или 410 MIMO) выполняет обнаружение отдельно для каждого поддиапазона на основе принятых символов и оценки канала для этого поддиапазона и, если они имеются, априорных логарифмических отношений правдоподобия (LLR) для символов данных, отправленных в этом поддиапазоне. В другом варианте воплощения детектор MIMO выполняет обнаружение совместно для нескольких поддиапазонов. Декодер (например, декодер 320 или 420) выполняет декодирование над последовательностью логарифмических отношений правдоподобия (LLR) для пакета, который может быть передан в одном или нескольких поддиапазонах. Для ясности в следующем описании индекс l поддиапазона опускается.

Пакет может быть разделен на несколько блоков, и каждый блок содержит K кодовых битов. K кодовых битов для каждого блока могут быть преобразованы в M символов данных следующим образом:

Уравнение (2)

где - вектор с M символами данных;

- вектор с K кодовыми битами для одного блока;

b m - вектор с Qm кодовыми битами, используемыми для формирования символа sm данных для потока m;

bm,q, для m=1,..., M и q=1,..., Qm - бит с порядковым номером q в векторе b m;

bk, для k=1,..., K - кодовый бит с порядковым номером k в векторе b.

Существует взаимно-однозначное отображение между заданным битовым вектором b и соответствующим вектором s данных. В общем случае значение Q может являться одинаковым или разным для M символов данных, отправленных в данном поддиапазоне, и значение K может являться одинаковым или разным для L поддиапазонов.

Оптимальный приемник для схемы передачи, которая показана в уравнении (1), является приемником с последовательностью максимального правдоподобия (ML), который выполняет обнаружение и декодирование совместно для всего пакета. Этот оптимальный приемник сделал бы совместные решения на всех битах данных в пакете с использованием знания корреляции, внесенной схемой кодирования по блокам, поддиапазонам и символам OFDM для пакета. Оптимальный приемник выполнил бы полный перебор по всем возможным последовательностям битов данных, которые могли быть переданы для пакета, чтобы найти последовательность, которая наиболее вероятно была передана. Этот оптимальный приемник являлся бы чрезмерно сложным.

Приемник, который выполняет обнаружение и декодирование итерационно, например показанный на фиг.4, может достигнуть почти оптимальной производительности при более низкой сложности. Детектор и декодер вычисляют мягкие решения относительно кодовых битов и итерационно обмениваются этой информацией, что увеличивает надежность мягких решений с количеством выполненных итераций. Детектор MIMO и декодер могут быть реализованы по-разному.

В варианте воплощения детектор MIMO представляет собой детектор с алгоритмом максимальной апостериорной вероятности (MAP), который минимизирует вероятность ошибки для каждого кодового бита и выдает мягкое решение для каждого кодового бита. Детектор с алгоритмом MAP выдает мягкие решения в виде апостериорных вероятностей (APP), которые часто выражаются как логарифмические отношения правдоподобия (LLR). Логарифмическое отношение L(bk) правдоподобия (LLR) детектора для кодового бита bk может быть выражено как:

для k=1,...,K,

Уравнение (3)

где - вероятность того, что кодовый бит bk равен +1 для заданного принятого вектора y; и

- вероятность того, что кодовый бит bk равен -1 для заданного принятого вектора y.

Логарифмическое отношение правдоподобия (LLR) детектора может быть разделено на две части следующим образом:

L(bk)=La(bk)+Le(bk),

Уравнение (4)

где La(bk) - априорное логарифмическое отношение правдоподобия (LLR) для кодового бита bk, выданное декодером или, возможно, другими источниками детектору MIMO, и Le(bk) - внешнее логарифмическое отношение правдоподобия (LLR) для кодового бита bk, выданное детектором MIMO декодеру. Априорное логарифмическое отношение правдоподобия (LLR) для кодового бита bk может быть выражено как:

Уравнение (5)

где - вероятность того, что кодовый бит bk равен +1;

- вероятность того, что кодовый бит bk равен -1.

Детектор с алгоритмом MAP может являться детектором с алгоритмом log-MAP, детектором с алгоритмом max-log-MAP или детектором с алгоритмом MAP какого-либо другого типа. Внешнее логарифмическое отношение правдоподобия (LLR) от детектора с алгоритмом log-MAP, которое называется логарифмическим отношением правдоподобия (LLR) по алгоритму log-MAP, может быть вычислено как:

Уравнение (6)

где и - векторы, которые гипотетически были переданы;

- вектор со всеми кодовыми битами в векторе за исключением кодового бита bk,

- вектор с априорными логарифмическими отношениями правдоподобия (LLR) для всех кодовых битов в векторе ;

представляет собой функцию стоимости Евклидова расстояния;

"T" обозначает транспонирование.

Уравнение (6) показывает одно выражение для внешнего логарифмического отношения правдоподобия (LLR) от детектора с алгоритмом log-MAP. Внешнее логарифмическое отношение правдоподобия (LLR) также может быть выражено в других видах. Приемник обычно выводит матрицу , которая является оценкой матрицы действительной характеристики канала MIMO, и использует матрицу при вычислении логарифмического отношения правдоподобия (LLR). Для простоты описания предполагается, что нет ошибки оценки канала, то есть .

Уравнение (6) оценивается для каждого кодового бита в переданном битовом векторе . Для каждого кодового бита bk рассматриваются 2K гипотетических битовых векторов для всех возможных последовательностей кодовых битов {b1... bk} (или всех возможных комбинаций значений кодовых битов), которые могли быть переданы для вектора 2K-1 гипотетических битовых векторов имеют bk=+1, и другие 2K-1 гипотетических битовых векторов имеют bk=-1. Каждый гипотетический битовый вектор имеет соответствующий гипотетический вектор данных. Выражение внутри суммы вычисляется для каждого гипотетического битового вектора для получения результата для этого битового вектора. Результаты для 2K-1 гипотетических битовых векторов с bk=+1 суммируются для получения полного результата для числителя. Результаты для 2K-1 гипотетических битовых векторов с bk=-1 суммируются для получения полного результата для знаменателя. Логарифмическое отношение правдоподобия (LLR) с логарифмической максимальной апостериорной вероятностью (log-MAP) для кодового бита bk равно натуральному логарифму (ln) от полного результата для числителя, разделенного на полный результат для знаменателя.

Детектор с алгоритмом max-log-MAP приближает логарифмическое отношение правдоподобия (LLR) по алгоритму max-log-MAP в уравнении (6) и выдает логарифмическое отношение правдоподобия (LLR) по алгоритму max-log-MAP следующим образом:

Уравнение (7)

Приближение по алгоритму max-log-MAP в уравнении (7) заменяет суммирование в уравнении (6) на операцию max{ }. Лишь небольшое ухудшение в производительности обычно получается от использования приближения по алгоритму max-log-MAP. Также могут использоваться другие приближения логарифмического отношения правдоподобия (LLR) по алгоритму log-MAP.

Детектор с алгоритмом log-MAP в уравнении (6) и детектор с алгоритмом max-log-MAP в уравнении (7) выполняют совместные решения над принятыми символами в векторе и вычисляют внешние логарифмические отношения правдоподобия (LLR) для кодовых битов, относящихся к этим принятым символам. Чтобы вычислить внешние логарифмические отношения правдоподобия (LLR) оптимально, каждый детектор с алгоритмом MAP выполняет полный перебор по всем возможным комбинациям символов данных, которые могли быть переданы для вектора . Этот полный перебор является интенсивным в вычислительном отношении и может являться чрезмерно затруднительным для многих применений. Сложность вычисления логарифмического отношения правдоподобия (LLR) является экспоненциальной от количества битов (K) в переданном битовом векторе и для детектора с алгоритмом log-MAP, и для детектора с алгоритмом max-log-MAP. В частности, оба детектора с алгоритмом MAP рассматривают 2K гипотез для каждого кодового бита bk. Ниже описаны различные схемы обнаружения с уменьшенной сложностью.

Для уменьшения вычислительной сложности приемник может выполнить пространственную обработку приема (или пространственную согласованную фильтрацию) над принятыми символами для получения обнаруженных символов и затем может выполнить вычисление логарифмического отношения правдоподобия (LLR) независимо для каждого обнаруженного символа. Обнаруженные символы представляют собой оценки символов данных, переданных передатчиком. Приемник может выполнить пространственную обработку приема на основе методики обращения в нуль незначащих коэффициентов (ZF), методики минимальной среднеквадратической ошибки (MMSE), методики комбинирования максимального отношения (MRC) или какой-либо другой методики. Матрица пространственного фильтра может быть выведена на основе методики ZF, MMSE или MRC следующим образом:

Уравнение (8)

Уравнение (9)

Уравнение (10)

где

и - матрицы пространственного фильтра размерности MЧR для методик ZF, MMSE и MRC, соответственно;

"H" обозначает комплексно сопряженное транспонирование.

Пространственная обработка приема может быть выражена как:

Уравнение (11)

где матрица может быть равна , или ;

- вектор размерности MЧ1 обнаруженных символов и оценка вектора данных.

Вычисление логарифмического отношения правдоподобия (LLR) может быть выполнено независимо для каждого обнаруженного символа. Внешние логарифмические отношения правдоподобия (LLR) могут быть вычислены для Qm кодовых битов каждого обнаруженного символа с помощью детектора с алгоритмом max-log-MAP следующим образом:

Уравнение (12)

где - элемент с порядковым номером m вектора ;

- гипотетический символ данных для переданного символа sm данных;

- вектор со всеми кодовыми битами для символа sm данных за исключением кодового бита bm,q;

- вектор с априорными логарифмическими отношениями правдоподобия (LLR) для всех кодовых битов в векторе ;

- внешнее логарифмическое отношение правдоподобия (LLR) для кодового бита bm,q.

Уравнение (12) оценивается для каждого кодового бита в каждом переданном битовом векторе для m=1,..., M. Для каждого кодового бита bm,q в битовом векторе рассматриваются 2Qm гипотетических битовых векторов для всех возможных последовательностей кодовых битов которые могли быть переданы для вектора . Каждый гипотетический битовый вектор имеет соответствующий гипотетический символ данных. Выражение внутри операции max{ } вычисляется для каждого гипотетического битового вектора для получения результата для этого вектора. Результаты для гипотетических битовых векторов с bm,q=+1 используются в первой операции max{ }. Результаты для гипотетических битовых векторов с bm,q=-1 используются во второй операции max{ }.

Сложность пространственной обработки приема является линейной от количества потоков данных (M) и не зависит от размера сигнальной совокупности. Вычисление внешних логарифмических отношений правдоподобия (LLR) для каждого потока сокращает количество гипотез для оценки с 2M∙Q до M∙2Q, предполагая, что для всех M потоков данных используется одна и та же схема модуляции. Вычисление логарифмического отношения правдоподобия (LLR) для каждого потока может существенно уменьшить вычислительную сложность, но может привести к более высокому ухудшению производительности, чем желательно.

В одном аспекте приемник выполняет пространственную обработку приема над принятыми символами для получения обнаруженных символов, выполняет вычисление логарифмического отношения правдоподобия (LLR) независимо для каждого из D наилучших обнаруженных символов и выполняет вычисление логарифмического отношения правдоподобия (LLR) совместно для M-D оставшихся обнаруженных символов, где M>D≥1. D наилучших обнаруженных символов могут быть для D потоков данных с самыми высокими отношениями сигнала к шуму (SNR), для D потоков данных с наименьшим разбросом отношения сигнала к шуму (SNR), для D потоков данных с самым устойчивым кодированием и так далее. Эта схема обнаружения называется схемой обнаружения с уменьшенной размерностью и может использоваться для однопроходного приемника, показанного на фиг.3, и итерационного приемника, показанного на фиг.4.

Приемник может выполнить пространственную обработку приема над R принятыми символами для получения D наилучших обнаруженных символов (вместо всех M обнаруженных символов). Уменьшенная матрица пространственного фильтра размерности DЧR может быть получена на основе уменьшенной матрицы характеристики канала. Матрица имеет размерность R×D и включает в себя D столбцов матрицы , соответствующих D наилучшим обнаруженным символам. Пространственная обработка приема для D наилучших обнаруженных символов является менее сложной в вычислительном отношении.

Приемник может выполнить вычисление логарифмического отношения правдоподобия (LLR) независимо для каждого из D наилучших обнаруженных символов, например, на основе детектора с алгоритмом max-log-MAP, показанного в уравнении (12), или детектора какого-либо другого типа. Приемник может по-разному выполнить совместное вычисление логарифмического отношения правдоподобия (LLR) для M-D оставшихся обнаруженных символов.

В одном варианте воплощения приемник выполняет совместное вычисление логарифмического отношения правдоподобия (LLR) для оставшихся обнаруженных символов посредством рассмотрения D наилучших обнаруженных символов. Для этого варианта воплощения жесткие решения принимаются для D наилучших обнаруженных символов. Жесткое решение для заданного обнаруженного символа представляет собой символ модуляции, который является самым близким по расстоянию к символу из всех символов модуляции в сигнальной совокупности, используемой для символа . Затем приемник вычисляет внешние логарифмические отношения правдоподобия (LLR) для кодовых битов для оставшихся обнаруженных символов, например, на основе детектора с алгоритмом max-log-MAP, показанного в уравнении (7), или детектора какого-либо другого типа. Для этого вычисления логарифмического отношения правдоподобия (LLR) D наилучших обнаруженных символа ограничиваются или фиксируются к жестким решениям, определенным для этих обнаруженных символов. Следовательно, количество гипотез для оценки сокращается с до , предполагая, что D наилучших обнаруженных символов имеют индексы m=M-D+1,..., M.

В другом варианте воплощения приемник выполняет совместное вычисление логарифмического отношения правдоподобия (LLR) для оставшихся обнаруженных символов без рассмотрения D наилучших обнаруженных символов. Для этого варианта воплощения приемник формирует уменьшенные векторы для векторов , , и а также уменьшенную матрицу для матрицы Уменьшенные векторы и матрица включают в себя только элементы, соответствующие оставшимся обнаруженным символам. Затем приемник вычисляет внешние логарифмические отношения правдоподобия (LLR) для кодовых битов для оставшихся обнаруженных символов, например, на основе детектора с алгоритмом max-log-MAP, показанного в уравнении (7), или детектора какого-либо другого типа. Уменьшенные векторы и матрица используются для вычисления логарифмического отношения правдоподобия (LLR). Следовательно, сокращается количество гипотез для оценки и вычисление для каждой гипотезы.

В варианте воплощения значение D является фиксированным значением, которое может быть выбрано на основе компромисса между сложностью, производительностью и/или на основе других предположений. В другом варианте воплощения значение D является конфигурируемым значением, которое может быть выбрано на основе выбранного режима передачи, состояния канала (например, отношений сигнала к шуму (SNR) для потоков данных) и/или других факторов. Значение D может являться адаптивным и может быть выбрано для каждого пакета, каждого кадра, каждого поддиапазона или каким-либо другим образом.

Схема обнаружения с уменьшенной размерностью может обеспечить хорошую производительность с меньшей сложностью, чем схема полного обнаружения, показанная в уравнениях (6) и (7). Схема обнаружения с уменьшенной размерностью может являться хорошо подходящей для передачи данных, при которой некоторые потоки данных испытывают высокие отношения сигнала к шуму (SNR) и/или низкую избирательность по частоте, и оставшиеся потоки данных испытывают более низкие отношения сигнала к шуму (SNR) и/или более высокую избирательность по частоте. Избирательностью по частоте называется изменение коэффициента усиления канала по частоте, которое приводит к изменению отношения сигнала к шуму (SNR) по частоте. Схема обнаружения с уменьшенной размерностью использует высокие отношения сигнала к шуму (SNR) и/или низкую избирательность по частоте для D наилучших потоков данных, чтобы уменьшить вычислительную сложность. На оставшихся потоках данных с более низкими отношениями сигнала к шуму (SNR) и/или с большей избирательностью по частоте выполняется обнаружение, близкое к оптимальному, для улучшения производительности по схеме обнаружения, которая выполняет вычисление логарифмического отношения правдоподобия (LLR) по потокам для всех M потоков данных.

Фиг.5 показывает процесс 500 для выполнения обнаружения и декодирования на основе схемы обнаружения с уменьшенной размерностью. Пространственная обработка приема выполняется над принятыми символами для нескольких потоков данных (например, на основе методики обращения в нуль незначащих коэффициентов (ZF) или методики MMSE) для получения обнаруженных символов (этап 512). Обнаружение выполняется независимо для каждого из по меньшей мере одного потока данных для получения мягких решений для потока (этап 514). Обнаружение выполняется совместно для оставшихся потоков данных для получения мягких решений для этих потоков (этап 516). Мягкие решения (например, внешние логарифмические отношения правдоподобия (LLR)) для каждого из по меньшей мере одного потока данных могут быть получены независимо на основе обнаруженных символов и априорной информации (например, априорных логарифмических отношений правдоподобия (LLR)) от декодера, если таковые имеются, для этого потока. Мягкие решения для оставшихся потоков данных могут быть получены совместно на основе принятых символов и априорной информации, если таковые имеются. Мягкие решения для нескольких потоков данных могут быть декодированы для получения априорной информации для детектора (этап 518).

Затем производится определение, следует ли выполнить другую итерацию обнаружения и декодирования (этап 520). Ответом для этапа 520 является "нет" после одной итерации для однопроходного приемника и также является "нет" для итерационного приемника, если встречается условие завершения. Если ответом для блока 520 является "да", то априорная информация используется для обнаружения в следующей итерации (этап 522), и процесс возвращается на этап 514. В ином случае мягкие решения от детектора затем обрабатываются для получения декодированных данных (этап 524). Мягкие решения также могут быть декодированы до этапа 520, и результат декодирования может использоваться на этапе 520 для определения, следует ли выполнить другую итерацию.

Пакет может быть закодирован и демультиплексирован в несколько подпакетов, которые могут быть отправлены в нескольких потоках данных. Для каждого подпакета или каждого потока может использоваться циклический контроль избыточности (CRC). В этом случае циклический контроль избыточности (CRC) для каждого обнаруженного потока данных может быть проведен после этапа 514, и последующая обработка может быть завершена, если циклический контроль избыточности терпит неудачу для любого потока (потоков) данных, обнаруженного на этапе 514.

Фиг.6 показывает устройство 600 для выполнения обнаружения и декодирования на основе схемы обнаружения с уменьшенной размерностью. Устройство 600 включает в себя средство для выполнения пространственной обработки приема над принятыми символами для нескольких потоков данных для получения обнаруженных символов (блок 612), средство для выполнения обнаружения независимо для каждого из по меньшей мере одного потока данных для получения мягких решений для потока (блок 614), средство для выполнения обнаружения совместно для оставшихся потоков данных для получения мягких решений для этих потоков (блок 616), средство для декодирования мягких решений для нескольких потоков данных для получения априорной информации (блок 618), средство для выполнения дополнительной итерации обнаружения и декодирования, если она применяется, с использованием априорной информации (блок 620) и средство для обработки мягких решений для получения декодированных данных (блок 622).

Количество гипотез для рассмотрения при совместном вычислении логарифмического отношения правдоподобия (LLR) может быть сокращено посредством выполнения поиска подходящих гипотез с использованием обнаружения сферы списка (LSD), который также называется сферическим декодированием, и так далее. Обнаружение сферы списка может использоваться для уменьшения сложности для детектора с алгоритмом log-MAP в уравнении (6), детектора с алгоритмом max-log-MAP в уравнении (7) и детекторов других типов. Обнаружение сферы списка стремится уменьшить область поиска детектора посредством отказа от менее вероятных гипотез на основе функции стоимости. В качестве примера детекторы с алгоритмами log-MAP и max-log-MAP могут рассматривать только гипотезы, которые удовлетворяют следующему условию:

Уравнение (13)

где - функция стоимости, r2 - радиус сферы или порог, используемый для сохранения или исключения гипотез из рассмотрения.

Функция стоимости в уравнении (13) может быть раскрыта следующим образом:

,

Уравнение (14)

где - верхняя треугольная матрица, полученная из QR-декомпозиции матрицы ;

C - константа, которая может быть опущена, поскольку она не является функцией от .

QR-декомпозиция может быть выполнена над действительной матрицей характеристики канала MIMO для получения ортонормированной матрицы и верхней треугольной матрицы или где Верхняя треугольная матрица содержит нули ниже главной диагонали. Четвертое равенство в уравнении (14) может быть получено на основе следующего: .

Для функции стоимости в уравнении (14) обнаруженные символы могут использоваться в качестве средней точки для поиска. Тогда функция стоимости может быть выражена как:

Уравнение (15)

где вектор может быть получен из уравнения (11) на основе любой методики пространственной обработки приема (например, методика обращения в нуль незначащих коэффициентов (ZF) или методика MMSE). Функция стоимости в уравнении (15) может быть вычислена для 2K гипотетических векторов данных, которые могли быть переданы для вектора , для получения 2K значений стоимости для этих 2K гипотез. Гипотетические векторы данных со значениями стоимости, которые являются меньше или равны r2, могут быть рассмотрены для вычисления логарифмического отношения правдоподобия (LLR), например, в уравнении (6) или (7).

Структура верхней треугольной матрицы может быть использована для сокращения количества гипотез для вычисления функции стоимости. Уравнение (15) может быть раскрыто следующим образом:

Уравнение (16)

Для M = 4 уравнение (16) может быть выражено как:

Уравнение (17)

где

Уравнение (17) может быть обобщено для любого значения M следующим образом:

Уравнение (18)

где

Уравнение (19)

Как показано в уравнениях (18) и (19), функция стоимости может быть разложена на сумму из M членов T1М. Член ТМ зависит только от обнаруженного символа для потока M, член ТМ-1 зависит от обнаруженных символов и для потоков M-1 и M и так далее, и член T1 зависит от обнаруженных символов для всех M потоков.

Функция стоимости может быть вычислена с приращением на M уровнях по одному члену Ti для каждого уровня, начиная с последнего члена TM для первого уровня. Это обозначено обратным суммированием для J в уравнении (18), которое начинается с i=M. Для каждого уровня Ti вычисляется для всех гипотез, применимых для этого уровня, и функция стоимости обновляется.

Функция стоимости может быть вычислена посредством рассмотрения одного дополнительного символа за один раз, начиная с и заканчивая Для улучшения производительности поиска потоки могут быть отсортированы таким образом, что соответствует наилучшему потоку (например, с самым высоким отношением сигнала к шуму (SNR)), и соответствует наихудшему потоку (например, с самым низким отношением сигнала к шуму (SNR)). Принятый вектор и матрица характеристики канала могут быть переупорядочены для достижения желательного порядка для обнаруженного вектора .

Поиск по алгоритму обнаружения сферы списка (LSD) может быть выполнен по-разному. В первом варианте воплощения все гипотезы со значениями стоимости, равными или меньше r2, сохраняются, а все другие гипотезы отбрасываются. Во втором варианте воплощения только B наилучших гипотез сохраняются на каждом уровне, а все другие гипотезы отбрасываются. Для обоих вариантов воплощения общее количество гипотез для рассмотрения уменьшается посредством отказа от гипотез с высокими значениями стоимости.

Поиск по алгоритму обнаружения сферы списка (LSD) может быть выполнен следующим образом. Для первого уровня формируется список PМ с гипотетическими символами данных, которые могли быть переданы для символа sМ данных. Для гипотетических символов данных в списке PМ вычисляется TM, как показано в уравнении (19), для получения значений стоимости. Для первого варианта воплощения все гипотетические символы данных со значениями стоимости, являющимися меньше или равными r2, оставляются и сохраняются в списке CМ кандидатов. Для второго варианта воплощения до B гипотетических символов данных с самыми низкими значениями стоимости, которые являются меньше или равны r2, оставляются и сохраняются в списке CМ кандидатов. Для второго варианта воплощения гипотетические символы данных со значениями стоимости, являющимися меньше или равными r2, могут быть отброшены, если эти значения стоимости не находятся среди B самых низких значений стоимости. Для обоих вариантов воплощения все другие гипотетические символы данных отбрасываются, что имеет эффект отсечения гипотетических векторов данных, содержащих отброшенные символы.

Для второго уровня формируется список PМ-1 с гипотетическими символами данных, которые могли быть переданы для символа sМ-1 данных. Для всех допустимых пар гипотетических символов вычисляется TM-1 и суммируется с TM для получения значения стоимости для этих пар гипотетических символов. Допустимые пары гипотетических символов включают в себя все возможные комбинации каждого символа в списке CМ кандидатов с каждым символом в списке PМ-1. Обновленные значения стоимости могут быть вычислены как: JM-1=TM-1+TM. Для первого варианта воплощения все пары гипотетических символов со значениями стоимости, являющимися меньше или равными r2, оставляются и сохраняются в списке CМ-1 кандидатов. Для второго варианта воплощения до B пар гипотетических символов с самыми низкими значениями стоимости, которые меньше или равны r2, оставляются и сохраняются в списке CМ-1 кандидатов. Для обоих вариантов воплощения все другие пары гипотетических символов отбрасываются.

Каждый из оставшихся уровней может быть оценен подобным образом. Формируется список Pi с гипотетическими символами данных, которые могли быть переданы для символа si. Для всех допустимых наборов гипотетических символов вычисляется Ti и суммируется с Ti+1,...,TM для получения значения стоимости для этих наборов гипотетических символов. Допустимые наборы гипотетических символов включают в себя все возможные комбинации каждой гипотезы в списке Ci+1 кандидатов с каждым символом в списке Pi. Обновленные значения стоимости могут быть вычислены как: Ji=Ti+...+TM. Для первого варианта воплощения все наборы гипотетических символов со значениями стоимости, являющимися меньше или равными r2, оставляются и сохраняются в списке Ci кандидатов. Для второго варианта воплощения до B наборов гипотетических символов с самыми низкими значениями стоимости, которые меньше или равны r2, оставляются и сохраняются в списке Ci кандидатов. Для обоих вариантов воплощения все другие наборы гипотетических символов отбрасываются.

После того как оценены все M уровней, могут быть вычислены внешние логарифмические отношения правдоподобия (LLR) для всех гипотез, сохраненных в списке кандидатов C1, например, на основе детектора с алгоритмом max-log-MAP следующим образом:

Уравнение (20)

где - подмножество списка C1 кандидатов, содержащее гипотезы, для которых bk=+1;

- подмножество списка C1 кандидатов, содержащее гипотезы, для которых bk=-1.

Внешние логарифмические отношения правдоподобия (LLR) также могут быть вычислены на основе детектора с алгоритмом log-MAP или детектора какого-либо другого типа. Значения стоимости, уже вычисленные для подходящих гипотез, могут использоваться для вычисления внешних логарифмических отношений правдоподобия (LLR) для этих гипотез. Для ясности описание выше использует разные списки кандидатов для разных уровней. Для всех M уровней может использоваться один список, и он может обновляться на каждом уровне.

Фиг.7 показывает иллюстративное дерево поиска для второго варианта воплощения, который оставляет B наилучших гипотез на каждом уровне. Для этого примера M = 4, вычисляются четыре члена T1,..., T4, B=2, и список С кандидатов содержит до двух наилучших гипотез на каждом уровне. Для первого уровня с i=4, вычисляется T4 для гипотез для возможных символов данных, которые могли быть переданы для символа s4 данных, которые обозначаются как на фиг.7. Две наилучшие гипотезы показаны с помощью закрашенных черных вершин. Для второго уровня с i=3 вычисляется T3 для гипотез для возможных пар символов, которые могли быть переданы для символов s3 и s4 данных. Две наилучшие гипотезы показаны с помощью закрашенных черных вершин. Для третьего уровня с i=2 вычисляется T2 для гипотез для возможных наборов символов, которые могли быть переданы для символов s2, s3 и s4 данных. Две наилучшие гипотезы показаны с помощью закрашенных черных вершин. Для последнего уровня с i=1 вычисляется T1 для гипотез для возможных наборов символов, которые могли быть переданы для символов s1, s2, s3 и s4 данных. Две наилучшие гипотезы показаны с помощью закрашенных черных вершин. Набор символов, который дает самое низкое значение стоимости, показан жирной линией.

В варианте воплощения количество подходящих гипотез для сохранения в списке C является фиксированным значением, которое может быть выбрано на основе компромисса между производительностью обнаружения, сложностью и/или другими соображениями. Это фиксированное значение (B) может иметься для каждого уровня, как описано выше. Это фиксированное значение может также иметься для каждой вершины данного уровня, в этом случае для каждого уровня рассматриваются гипотез. В другом варианте воплощения количество подходящих гипотез является конфигурируемым и может быть выбрано на основе размера сигнальной совокупности, количестве итераций, производительности обнаружения, сложности и/или других соображений. Например, B может являться функцией от размера сигнальной совокупности, с тем чтобы для более больших сигнальных совокупностей было сохранено больше подходящих гипотез для гарантии достаточной точности при вычислении логарифмического отношения правдоподобия (LLR). Значение B также может быть ограничено, чтобы являться равным или больше некоторого минимального значения (например, Bmin=2), это гарантирует, что на каждом уровне сохраняются по меньшей мере Bmin подходящих гипотез.

Выше были описаны два варианта воплощения для вычисления стоимости для обнаружения сферы списка. Вычисление стоимости также может быть выполнено другими способами.

Обнаружение сферы списка представляет собой одну методику поиска для сокращения количества рассматриваемых гипотез для вычисления логарифмического отношения правдоподобия (LLR). Другие методики также могут использоваться для сокращения количества гипотез для вычисления логарифмического отношения правдоподобия (LLR). В другом варианте воплощения используется метод Монте-Карло с использованием цепей Маркова (MCMC) для формирования списка подходящих гипотез. Метод MCMC последовательно рассматривает M элементов в векторе данных, оценивает одну гипотезу для каждого элемента и циклически проходит эти M элементов для нескольких итераций. Обнаружение сферы списка и метод MCMC являются известными в области техники и описаны в различных статьях.

В другом аспекте приемник выполняет вычисление логарифмического отношения правдоподобия (LLR) независимо для каждого из D наилучших обнаруженных символов, выполняет вычисление логарифмического отношения правдоподобия (LLR) совместно для M-D оставшихся обнаруженных символов и сокращает количество рассматриваемых гипотез для объединенного вычисления логарифмического отношения правдоподобия (LLR) посредством выполнения методики обнаружения сферы списка (LSD), метода MCMC или какой-либо другой методики поиска. Эта схема обнаружения называется схемой обнаружения с уменьшением порядка и может использоваться для однопроходного приемника, показанного на фиг.3, и для итерационного приемника, показанного на фиг.4. Для схемы обнаружения с уменьшенным порядком размерность уменьшается от M до M-D посредством выполнения вычисления логарифмического отношения правдоподобия (LLR) для потока для D лучших потоков, и количество рассматриваемых гипотез для M-D оставшихся потоков может быть сокращено от верхней границы посредством выполнения поиска. Значение D может быть выбрано адаптивно на основе состояния канала (например, отношений сигнала к шуму (SNR)) и/или каких-либо других факторов. Информация об отношении сигнала к шуму (SNR) может быть легко получена из пространственной обработки приема, которая выдает обнаруженные символы, используемые для средней точки поиска по алгоритму обнаружения сферы списка (LSD).

Фиг.8 показывает процесс 800 выполнения обнаружения и декодирования на основе схемы обнаружения с уменьшенным порядком. Пространственная обработка приема выполняется над набором принятых символов (например, над вектором ) для получения набора обнаруженных символов (например, вектора ) для набора символов данных (например, вектора ), переданных через канал MIMO (этап 812). Внешние логарифмические отношения правдоподобия (LLR) вычисляются независимо для каждого из по меньшей мере одного символа данных на основе соответствующего обнаруженного символа и априорных логарифмических отношений правдоподобия (LLR), если таковые имеются, из декодера (этап 814). Для оставшихся символов данных определяется список подходящих гипотез, например, посредством выполнения поиска с использованием методики LSD, метода MCMC или какой-либо другой методики (этап 816). Каждая подходящая гипотеза соответствует различной комбинации символов, которые предположительно были переданы для оставшихся символов данных. Затем внешние логарифмические отношения правдоподобия (LLR) вычисляются совместно для оставшихся символов данных с помощью списка подходящих гипотез (этап 818). Внешние логарифмические отношения правдоподобия (LLR) для всех символов данных декодируются для получения априорных логарифмических отношений правдоподобия (LLR) для детектора (этап 820).

Затем определяется, следует ли выполнять другую итерацию обнаружения и декодирования (этап 822). Если ответом является "да", то априорные логарифмические отношения правдоподобия (LLR) вычисляются для использования при вычислении логарифмического отношения правдоподобия (LLR) в детекторе в следующей итерации (этап 824), и процесс возвращается на этап 814. В ином случае внешние логарифмические отношения правдоподобия (LLR) от детектора обрабатываются для получения декодированных данных (этап 826).

Фиг.9 показывает устройство 900 для выполнения обнаружения и декодирования на основе схемы обнаружения с уменьшенным порядком. Устройство 900 включает в себя средство для выполнения пространственной обработки над набором принятых символов для получения набора обнаруженных символов для набора символов данных, переданных через канал MIMO (блок 912), средство для вычисления внешних логарифмических отношений правдоподобия (LLR) независимо для каждого из по меньшей мере одного символа данных на основе соответствующего обнаруженного символа и априорных логарифмических отношений правдоподобия (LLR), если таковые имеются, из декодера (блок 914), средство для определения списка подходящих гипотез для оставшихся символов данных посредством выполнения поиска (блок 916), средство для вычисления внешних логарифмических отношений правдоподобия (LLR) совместно для оставшихся символов данных с помощью списка подходящих гипотез (блок 918), средство для декодирования внешних логарифмических отношений правдоподобия (LLR) для всех символов данных для получения априорных логарифмических отношений правдоподобия (LLR) (блок 920), средство для выполнения дополнительной итерации вычисления логарифмического отношения правдоподобия (LLR) и декодирования, если это применимо, с использованием априорных логарифмических отношений правдоподобия (LLR) (блок 922) и средство обработки внешних логарифмических отношений правдоподобия (LLR) из детектора для получения декодированных данных (блок 924).

Для итерационного приемника поиск подходящих гипотез может быть выполнен по-разному. В варианте воплощения поиск выполняется только для первой итерации для получения списка подходящих гипотез, и этот список кандидатов используется для всех последующих итераций. Для этого варианта воплощения внешние логарифмические отношения правдоподобия (LLR) для каждой последующей итерации вычисляются с помощью априорных логарифмических отношений правдоподобия (LLR) из декодера и для подходящих гипотез, определенных в первой итерации. В другом варианте воплощения поиск выполняется для каждой итерации. В еще одном варианте воплощения поиск выполняется для каждой итерации, пока не встретится условие завершения. Это условие завершения может быть инициировано, например, после того как было завершено предопределенное количество итераций, если поиск выдает тот же самый список подходящих гипотез для двух последовательных итераций и так далее. Для вариантов воплощения, в которых поиск выполняется для нескольких итераций, порог (например, радиус сферы) может являться фиксированным значением для всех итераций или может являться конфигурируемым значением, которое может устанавливаться для каждой итерации, например, на основе априорной информации от декодера.

Для схемы обнаружения с уменьшенным порядком сокращение сложности относительно оптимального детектора с алгоритмом log-MAP или max-log-MAP зависит от сложности поиска. Для поиска по методике LSD сложность определяется количеством посещаемых вершин в дереве поиска, которое в свою очередь зависит от различных факторов, таких как количество гипотез, которые следует сохранить на каждом уровне (например, значение B), радиус r2 сферы, конкретная матрица характеристики канала, отношение сигнала к шуму (SNR) и так далее.

В другой схеме обнаружения с уменьшенной сложностью приемник выполняет (1) вычисление логарифмического отношения правдоподобия (LLR) отдельно для всех M потоков для первой итерации и (2) совместное вычисление логарифмического отношения правдоподобия (LLR) для M-D наихудших потоков или всех M потоков для последующей итерации, если необходимо, например, если пакет декодируется ошибочно.

Для итерационного приемника оценки канала могут обновляться во время итерационного процесса обнаружения и декодирования для получения улучшенных оценок канала. Например, если контрольные символы принимаются и отслеживаются многократно во время итерационного процесса, то эффективное отношение сигнала к шуму (SNR) оценок канала может быть улучшено с течением времени посредством выполнения усреднения и/или другой обработки. Улучшенные оценки канала могут использоваться для пространственной обработки приема, например, как показано в уравнениях (8) до (10), для вычисления логарифмического отношения правдоподобия (LLR), например, как показано в уравнениях (6), (7) и (12), для вычисления стоимости для поиска подходящих гипотез, например, как показано в уравнениях (18) и (19).

Выше были описаны различные схемы обнаружения с уменьшенной сложностью. Эти схемы сокращают количество рассматриваемых гипотез для вычисления логарифмического отношения правдоподобия (LLR) при достижении хорошей производительности по частоте появления ошибок, которая является близкой к производительности оптимального детектора.

Декодер 320 на фиг.3 и декодер 420 на фиг.4 могут быть реализованы по-разному в зависимости от схем(ы) кодирования, используемых в передатчике 110. Декодер 420 принимает входы мягких решений и формирует выходы мягких решений для детектора 420 MIMO и может являться декодером с алгоритмом Витерби с мягким выходом (SOVA), если в передатчике 110 используется сверточный код, турбо-декодером, если используется параллельный или последовательный составной турбо-код, и так далее. Декодер 320 может являться декодером Витерби или декодером с алгоритмом SOVA для сверточного кода, турбо-декодером для турбо-кода и так далее. Турбо-декодер может являться декодером с алгоритмом MAP, который может реализовывать алгоритм MAP BCJR с мягким входом и мягким выходом или его производную с более низкой сложностью. Эти различные типы декодера известны в области техники и описаны в различной литературе. Например, декодер с алгоритмом SOVA описан авторами J. Hagenauer и др. в статье, озаглавленной "Алгоритм Витерби с выводом мягких решений и его применения", IEEE Globecom, 1989, стр. 47.1.1-47.1.7. Декодер с алгоритмом MAP описан авторами L. R. Bahl и др. в статье, озаглавленной "Оптимальное декодирование линейных кодов для минимизации частоты появления ошибок символов", Бюллетень IEEE по теории информации, март 1974, том 20, стр. 284-287.

Описанные здесь методики обнаружения и декодирования могут использоваться для различных схем передачи MIMO, которые также могут называться режимами передачи, пространственными режимами и так далее. Таблица 1 перечисляет некоторые иллюстративные режимы передачи и их короткие описания. Управляемый режим также может называться режимом с формированием луча, собственным управляемым режимом, режимом системы MIMO с формированием луча и так далее. Неуправляемый режим также может называться основным режимом системы MIMO. Режим с пространственным распределением также может называться псевдослучайным управляемым режимом передачи, режимом с пространственным расширением и так далее,

Таблица 1
Режим передачи Описание
Управляемый Несколько потоков данных передаются по нескольким ортогональным пространственным каналам (или собственным векторам) канала системы MIMO
Неуправляемый Несколько потоков данных передаются по нескольким пространственным каналам (например, от нескольких передающих антенн)
С пространственным распространением Несколько потоков данных пространственно распределяются по пространственным каналам для достижения аналогичной производительности для всех потоков данных

Каждый режим передачи имеет разные возможности и требования. Управляемый режим обычно обеспечивает лучшую производительность, но требует пространственной обработки в передатчике 110 и приемнике 150. Неуправляемый режим не требует пространственной обработки в передатчике 110. Например, передатчик 110 может передавать один поток данных от каждой передающей антенны. Режим с пространственным распределением передает M потоков данных с помощью разных матриц пространственного отображения таким образом, чтобы эти потоки данных представляли собой ансамбль эффективных каналов и достигали аналогичной производительности. Подходящий режим передачи может быть выбран на основе доступности информации о состоянии канала, возможностей передатчика и приемника и так далее.

Для управляемого режима данные передаются по собственным векторам, количество которых достигает M, канала MIMO, которые могут быть посредством диагонализации матрицы характеристики канала MIMO через сингулярную декомпозицию матрицы или через разложение на собственные значения корелляционной матрицы для матрицы , которая представляет собой Разложение на собственные значения матрицы может быть выражено как:

Уравнение (21)

где - унитарная матрица размерности TЧT собственных векторов матрицы ;

- диагональная матрица размерности TЧT собственных значений матрицы .

Передатчик 110 может выполнить пространственную обработку с собственными векторами в матрице для передачи данных по M собственным векторам матрицы . Диагональная матрица содержит возможные неотрицательные действительные значения вдоль диагонали и нули в остальных местах. Эти диагональные элементы называются собственными значениями матрицы и представляют собой коэффициенты усиления по мощности для M собственных векторов.

Таблица 2 показывает пространственную обработку передачи для этих трех режимов передачи и действительную матрицу характеристики канала MIMO для каждого режима передачи. В таблице 2 нижний индекс "es" обозначает управляемый режим, "us" обозначает неуправляемый режим и "ss" обозначает режим пространственного распределения.

Таблица 2
Управляемый режим Неуправляемый режим Пространственное распределение
Передатчик
Действительный канал

Для системы MIMO с несколькими поддиапазонами пространственная обработка передачи, показанная в таблице 2, может быть выполнена для каждого поддиапазона l. В уравнении (1) для управляемого режима, для неуправляемого режима и для режима пространственного распределения. - матрица пространственного отображения размерности TЧT, используемая для пространственного распределения, и она может быть сформирована на основе матрицы Адамара, матрицы Фурье и так далее.

Для системы MIMO с несколькими поддиапазонами M собственных значений для каждого поддиапазона l могут быть упорядочены от наибольшего до наименьшего таким образом, чтобы собственные векторы матрицы были ранжированы от самого высокого отношения сигнала к шуму (SNR) до самого низкого отношения сигнала к шуму (SNR). Широкополосный собственный вектор m может быть сформирован с помощью собственного вектора с порядковым номером m для каждого из L поддиапазонов. Основной широкополосный собственный вектор (с m=1) относится к наибольшим собственным значениям для всех L поддиапазонов, второй широкополосный собственный вектор (с m=2) относится ко вторым по величине собственным значениям для всех L поддиапазонов и так далее. M потоков данных можно отправить по M широкополосных собственным векторам.

Основной широкополосный собственный вектор имеет самое высокое среднее отношение сигнала к шуму (SNR) и обычно также имеет меньшую изменчивость отношения сигнала к шуму (SNR) по времени и частоте. Наоборот, самый слабый широкополосный собственный вектор имеет самое низкое среднее отношение сигнала к шуму (SNR) и обычно имеет большую изменчивость отношения сигнала к шуму (SNR). Описанные здесь методики могут использоваться для передачи данных по M широкополосным собственным векторам. В варианте воплощения приемник может выполнить вычисление логарифмического отношения правдоподобия (LLR) для потоков для одного или более самых сильных широкополосных собственных векторов и совместное вычисление логарифмического отношения правдоподобия (LLR) для оставшихся широкополосных собственных векторов. Количество рассматриваемых гипотез для совместного вычисления логарифмического отношения правдоподобия (LLR) может быть сокращено посредством выполнении поиска с использованием методики LSD, метода MCMC или какой-либо другой методики поиска.

Описанные здесь методики обнаружения и декодирования могут быть реализованы различными средствами. Например, эти методики могут быть реализованы в аппаратном оборудовании, встроенном программном обеспечении, программном обеспечении или их комбинации. Для аппаратной реализации процессоры, используемые для выполнения обнаружения и декодирования, могут быть реализованы в одном или более элементах, представляющих собой специализированные интегральные схемы (ASIC), процессоры цифровых сигналов (DSP), устройства обработки цифровых сигналов (DSPD), программируемые логические устройства (PLD), программируемые вентильные матрицы (FPGA), процессоры, контроллеры, микроконтроллеры, микропроцессоры, электронные устройства, другие электронные элементы, выполненные для выполнения описанных здесь функций, или их комбинацию.

Для реализации с помощью встроенного программного обеспечения и/или программного обеспечения методики могут быть реализованы с помощью модулей (например, процедур, функций и так далее), которые выполняют описанные здесь функции. Программные коды могут быть сохранены в памяти (например, в памяти 192 на фиг.1) и исполняться процессором (например, процессором 190). Память может быть реализована внутри процессора или являться внешней по отношению к процессору.

Предшествующее описание раскрытых вариантов воплощения дано для того, чтобы дать возможность любому специалисту в области техники осуществить или использовать настоящее изобретение. Различные модификации этих вариантов воплощения могут быть очевидны специалистам в области техники, и определенные здесь общие принципы могут быть применены к другим вариантам воплощения без отступления от сущности или объема изобретения. Таким образом, настоящее изобретение не подразумевается ограниченным показанными здесь вариантами воплощения, а должно получить самый широкий объем, совместимый с раскрытыми здесь принципами и новыми признаками.

1. Устройство детектирования и декодирования для использования в системе беспроводной связи, содержащее:
по меньшей мере один процессор, выполненный с возможностью выполнять детектирование независимо для каждого из по меньшей мере одного потока данных, выбранного из нескольких принятых потоков данных, и выполнять детектирование совместно для оставшихся потоков данных из нескольких принятых потоков данных; и
память, соединенную с упомянутым по меньшей мере одним процессором.

2. Устройство по п.1, в котором по меньшей мере один процессор выполнен с возможностью принимать мягкие решения независимо для каждого из по меньшей мере одного потока данных и принимать мягкие решения совместно для оставшихся потоков данных.

3. Устройство по п.1, в котором по меньшей мере один процессор выполнен с возможностью выполнять пространственную обработку приема по меньшей мере для одного потока данных для получения по меньшей мере одного детектированного потока символов и получения мягких решений независимо для каждого из по меньшей мере одного детектированного потока символов.

4. Устройство по п.3, в котором по меньшей мере один процессор выполнен с возможностью выполнять пространственную обработку приема на основе методики обращения в нуль незначащих коэффициентов (ZF) или методики минимальной среднеквадратической ошибки (MMSE).

5. Устройство по п.1, в котором по меньшей мере один процессор выполнен с возможностью вычислять логарифмические отношения правдоподобия (LLR) для кодовых битов для каждого из по меньшей мере одного потока данных независимого от других потоков данных и вычислять логарифмические отношения правдоподобия (LLR) для кодовых битов совместно для оставшихся потоков данных.

6. Устройство по п.5, в котором по меньшей мере один процессор выполнен с возможностью вычислять логарифмические отношения правдоподобия (LLR) на основе детектора с алгоритмом максимальной апостериорной вероятности (MAP).

7. Устройство по п.2, в котором по меньшей мере один процессор выполнен с возможностью декодировать мягкие решения для нескольких потоков данных для получения априорной информации и выполнять детектирование для дополнительной итерации с использованием априорной информации.

8. Устройство по п.2, в котором по меньшей мере один процессор выполнен с возможностью декодировать мягкие решения на основе декодера по алгоритму Витерби с мягким выходом (SOVA) или декодера с максимальной апостериорной вероятностью (MAP).

9. Устройство по п.1, в котором по меньшей мере один процессор выполнен с возможностью проверять каждый из по меньшей мере одного потока данных после независимого детектирования и выполнять совместное детектирование для оставшихся потоков данных, если по меньшей мере один поток данных проходит проверку.

10. Устройство по п.1, в котором по меньшей мере один поток данных имеет самые высокие отношения "сигнала к шуму и помехе" (SNR) среди отношений SNR для нескольких потоков данных.

11. Способ детектирования и декодирования для использования в системе беспроводной связи, содержащий этапы, на которых:
выполняют детектирование независимо для каждого из по меньшей мере одного потока данных, выбранных из нескольких принятых потоков данных; и
выполняют детектирование совместно для оставшихся потоков данных из числа упомянутых принятых нескольких потоков данных.

12. Способ по п.11, в котором независимое выполнение детектирования содержит этап, на котором независимо выводят мягкие решения для каждого из по меньшей мере одного потока данных и в котором совместное выполнение детектирования содержит этап, на котором совместно выводят мягкие решения для оставшихся потоков данных.

13. Способ по п.12, дополнительно содержащий этапы, на которых:
декодируют мягкие решения для нескольких потоков данных для получения априорной информации и
выполняют детектирование для дополнительной итерации с использованием априорной информации.

14. Устройство детектирования и декодирования для использования в системе беспроводной связи, содержащее:
средство для выполнения детектирования независимо для каждого из по меньшей мере одного потока данных, выбранного из нескольких принятых потоков данных; и
средство для выполнения детектирования совместно для оставшихся потоков данных из числа упомянутых нескольких принятых потоков данных.

15. Устройство по п.14, в котором средство для независимого выполнения детектирования содержит средство для выведения мягких решений независимо для каждого из по меньшей мере одного потока данных и в котором средство для совместного выполнения детектирования содержит средство для выведения мягких решений совместно для оставшихся потоков данных.

16. Устройство по п.15, дополнительно содержащее:
средство для декодирования мягких решений для нескольких потоков данных для получения априорной информации и
средство для выполнения детектирования для дополнительной итерации с использованием априорной информации.

17. Устройство детектирования и декодирования для использования в системе беспроводной связи, содержащее:
по меньшей мере один процессор, выполненный с возможностью вычислять логарифмические отношения правдоподобия (LLR) независимо для каждого из по меньшей мере одного символа данных в наборе символов данных, переданных через канал с множеством входов и множеством выходов (MIMO), и вычислять логарифмические отношения правдоподобия (LLR) совместно для оставшихся символов данных в наборе символов данных; и
память, соединенную с упомянутым по меньшей мере одним процессором.

18. Устройство по п.17, в котором по меньшей мере один процессор выполнен с возможностью вычислять логарифмические отношения правдоподобия (LLR) для оставшихся символов данных с использованием фиксированных значений по меньшей мере для одного символа данных.

19. Устройство по п.17, в котором по меньшей мере один процессор выполнен с возможностью вычислять логарифмические отношения правдоподобия (LLR) для оставшихся символов данных посредством исключения по меньшей мере одного символа данных.

20. Устройство по п.17, в котором по меньшей мере один процессор выполнен с возможностью вычислять логарифмические отношения правдоподобия (LLR) на основе детектора с алгоритмом максимальной апостериорной вероятности (MAP).

21. Устройство по п.1, в котором по меньшей мере один процессор выполнен с возможностью декодировать логарифмические отношения правдоподобия (LLR) для набора символов данных для получения априорных логарифмических отношений правдоподобия (LLR) и вычислять логарифмические отношения правдоподобия (LLR) совместно для оставшихся символов данных для дополнительной итерации с использованием априорных логарифмических отношений правдоподобия (LLR).

22. Устройство по п.17, в котором по меньшей мере один процессор выполнен с возможностью выполнять пространственную обработку над набором принятых символов для получения по меньшей мере одного символа по меньшей мере для одного символа данных и вычислять логарифмические отношения правдоподобия (LLR) для каждого из по меньшей мере одного символа.

23. Устройство по п.17, в котором по меньшей мере один процессор выполнен с возможностью выводить оценку канала на основе матрицы характеристики канала для канала MIMO и матрицы пространственного отображения, используемой для передачи набора символов данных, выводить матрицу пространственного фильтра на основе оценки канала, выполнять пространственную обработку приема над набором принятых символов на основе матрицы пространственного фильтра для получения по меньшей мере одного детектированного символа и вычислять логарифмические отношения правдоподобия (LLR) для каждого из по меньшей мере одного детектированного символа.

24. Устройство по п.17, в котором по меньшей мере один процессор выполнен с возможностью вычислять логарифмические отношения правдоподобия (LLR) отдельно для каждого из нескольких наборов символов данных, переданных через канал MIMO в нескольких частотных поддиапазонах.

25. Способ детектирования и декодирования для использования в системе беспроводной связи, содержащий этапы, на которых:
вычисляют логарифмические отношения правдоподобия (LLR) независимо для каждого из по меньшей мере одного символа данных в наборе символов данных, переданных через канал с множеством входов и множеством выходов (MIMO); и
вычисляют логарифмические отношения правдоподобия (LLR) совместно для оставшихся символов данных в наборе символов данных.

26. Способ по п.25, дополнительно содержащий этапы, на которых:
декодируют логарифмические отношения правдоподобия (LLR) для набора символов данных для получения априорных логарифмических отношений правдоподобия (LLR) и
совместно вычисляют логарифмические отношения правдоподобия (LLR) для оставшихся символов данных для дополнительной итерации с использованием априорных логарифмических отношений правдоподобия (LLR).

27. Способ по п.25, дополнительно содержащий этапы, на которых
вычисляют логарифмические отношения правдоподобия (LLR) отдельно для каждого из нескольких наборов символов данных, переданных через канал MIMO в нескольких частотных поддиапазонах.

28. Устройство детектирования и декодирования для использования в системе беспроводной связи, содержащее:
средство для вычисления логарифмических отношений правдоподобия (LLR) независимо для каждого из по меньшей мере одного символа данных в наборе символов данных, переданных через канал с множеством входов и множеством выходов (MIMO); и
средство для вычисления логарифмических отношений правдоподобия (LLR) совместно для оставшихся символов данных в наборе символов данных.

29. Устройство по п.28, дополнительно содержащее:
средство для декодирования логарифмических отношений правдоподобия (LLR) для набора символов данных для получения априорных логарифмических отношений правдоподобия (LLR) и
средство для совместного вычисления логарифмических отношений правдоподобия (LLR) для оставшихся символов данных для дополнительной итерации с использованием априорных логарифмических отношений правдоподобия (LLR).

30. Устройство по п.28, дополнительно содержащее
средство для вычисления логарифмических отношений правдоподобия (LLR) отдельно для каждого из нескольких наборов символов данных, переданных через канал MIMO в нескольких частотных поддиапазонах.

31. Устройство детектирования и декодирования для использования в системе беспроводной связи, содержащее:
по меньшей мере один процессор, выполненный с возможностью выполнять детектирование независимо для каждого из по меньшей мере одного потока данных, выбранных из числа нескольких потоков данных, выполнять детектирование совместно для оставшихся потоков данных из числа упомянутых нескольких потоков данных, повторно выполнять декодирование для упомянутых нескольких потоков данных и выполнять детектирование независимо для каждого из упомянутого по меньшей мере одного потока данных, выполнять детектирование совместно для оставшихся потоков данных и выполнять декодирование для упомянутых нескольких потоков данных по меньшей мере один дополнительный раз; и
память, соединенную с упомянутым по меньшей мере одним процессором.

32. Устройство детектирования и декодирования для использования в системе беспроводной связи, содержащее:
по меньшей мере один процессор, выполненный с возможностью вычислять логарифмические отношения правдоподобия (LLR) независимо для каждого из по меньшей мере одного символа данных в наборе символов данных, переданных через канал с множеством входов и множеством выходов (MIMO), определять список подходящих гипотез для оставшихся символов данных в наборе символов данных и вычислять логарифмические отношения правдоподобия (LLR) совместно для оставшихся символов данных с помощью списка подходящих гипотез; и
память, соединенную с упомянутым по меньшей мере одним процессором.

33. Устройство по п.32, в котором по меньшей мере один процессор выполнен с возможностью определять список подходящих гипотез с использованием детектирования сферы списка.

34. Устройство по п.32, в котором по меньшей мере один процессор выполнен с возможностью определять список подходящих гипотез с использованием метода Монте-Карло с использованием цепей Маркова.

35. Устройство по п.32, в котором по меньшей мере один процессор выполнен с возможностью выбирать для рассмотрения один из оставшихся символов данных за один раз и после выбора каждого оставшегося символа данных определять список подходящих гипотез для всех выбранных оставшихся символов данных на основе функции стоимости.

36. Устройство по п.35, в котором список подходящих гипотез включает себя по большей мере В наилучших гипотез для выбранных оставшихся символов данных, где В≥1.

37. Устройство по п.35, в котором выбранные оставшиеся символы данных соответствуют множеству вершин в дереве поиска и в котором список подходящих гипотез включает в себя по большей мере В наилучших гипотез для каждой из множества вершин, где В≥1.

38. Устройство по п.36, в котором значение В выбирается на основе схемы модуляции, используемой для набора символов данных.

39. Устройство по п.35, в котором список подходящих гипотез включает в себя минимум Вmin наилучших гипотез для выбранных оставшихся символов данных, где Вmin≥1.

40. Устройство по п.35, в котором список подходящих гипотез включает в себя все гипотезы со значениями стоимости, являющимися меньше или равными порогу.

41. Устройство по п.40, в котором порог определяется на основе информации от декодера.

42. Устройство по п.32, в котором по меньшей мере один процессор выполнен с возможностью выполнять пространственную обработку приема над набором принятых символов для получения набора детектированных символов, выводить верхнюю треугольную матрицу на основе оценки канала и определять набор подходящих гипотез на основе функции стоимости набора детектированных символов и верхней треугольной матрицы.

43. Способ детектирования и декодирования для использования в системе беспроводной связи, содержащий этапы, на которых:
вычисляют логарифмические отношения правдоподобия (LLR) независимо для каждого из по меньшей мере одного символа данных в наборе символов данных, переданных через канал с множеством входов и множеством выходов (MIMO);
определяют список подходящих гипотез для оставшихся символов данных в наборе символов данных и
вычисляют логарифмические отношения правдоподобия (LLR) совместно для оставшихся символов данных с помощью списка подходящих гипотез.

44. Способ по п.43, в котором определение списка подходящих гипотез содержит этап, на котором
определяют список подходящих гипотез для оставшихся символов данных с использованием детектирования сферы списка.

45. Способ по п.43, дополнительно содержащий этапы, на которых: выполняют пространственную обработку приема над набором принятых символов для получения набора детектированных символов и выводят верхнюю треугольную матрицу на основе оценки канала, и
в котором определение списка подходящих гипотез содержит этап, котором определяют набор подходящих гипотез на основе функции стоимости набора детектированных символов и верхней треугольной матрицы.

46. Устройство детектирования и декодирования для использования в системе беспроводной связи, содержащее:
средство для вычислительных логарифмических отношений правдоподобия (LLR) независимо для каждого из по меньшей мере одного символа данных в наборе символов данных, переданных через канал с множеством входов и множеством выходов (MIMO);
средство для определения списка подходящих гипотез для оставшихся символов данных в наборе символов данных и
средство для вычисления логарифмических отношений правдоподобия (LLR) совместно для оставшихся символов данных с помощью списка подходящих гипотез.

47. Устройство по п.46, в котором средство для определения списка подходящих гипотез содержит
средство для определения списка подходящих гипотез для оставшихся символов данных с использованием детектирования сферы списка.

48. Устройство по п.46, дополнительно содержащее:
средство для выполнения пространственной обработки приема над набором принятых символов для получения набора детектированных символов и
средство для выведения верхней треугольной матрицы на основе оценки канала, и
в котором средство для определения списка подходящих гипотез содержит средство для определения набора подходящих гипотез на основе функции стоимости набора детектированных символов и верхней треугольной матрицы.



 

Похожие патенты:

Изобретение относится к способам передачи данных в системе беспроводной связи, в частности к области использования MIMO-передачи. .

Изобретение относится к способу управления приемниками с разнесением в устройстве беспроводной связи. .

Изобретение относится к технике беспроводной связи и может быть использовано в системах с разнесенным приемом с помощью множества антенн. .

Изобретение относится к пространственной обработке сигналов, выполняемой принимающим объектом в системе связи с множеством входов и множеством выходов (MIMO). .

Изобретение относится к технике связи и может использоваться для оценки канала и пространственной обработки для MIMO системы. .

Изобретение относится к приему с разнесением в беспроводной системе связи. .

Изобретение относится к области связи и может быть использовано в мобильной сотовой системе с секторизованными сотами. .

Изобретение относится к сетям связи. .

Изобретение относится к радиотехнике и может быть использовано для обнаружения сигналов с псевдослучайной перестройкой частоты (ППРЧ) в целях организации эффективного радиоподавления линии с ППРЧ.

Изобретение относится к технике связи и может использоваться в системах беспроводной связи

Изобретение относится к беспроводной сотовой связи и может использоваться для управления приемником в тех случаях, когда передатчик не используется

Изобретение относится к области радиотехники, в частности к адаптивным антенным системам

Изобретение относится к области радиотехники, в частности к адаптивным радиоприемным устройствам

Изобретение относится к беспроводным системам связи

Изобретение относится к радиосвязи, в частности к коррекции радиосигнала, передаваемого с использованием технологии с несколькими входами и несколькими выходами (MIMO)

Изобретение относится к системе мобильной связи, использующей схему разнесения передачи в восходящих линиях связи с переключением антенн и обратной связи для определения того, какая антенна должна использоваться для передачи, и предназначено для управления надлежащим образом периодом переключения антенн

Изобретение относится к системам беспроводной связи и предназначено для измерения качества сигнала в системах беспроводной связи

Изобретение относится к технике связи и может использоваться в системах беспроводной связи, технический результат состоит в повышении пропускной способности
Наверх