聯(lián)合LDPC譯碼和MIMO信號檢測算法研究.pdf

1、MIMO和OFDM技術以其高頻譜利用率和對抗多徑效應的優(yōu)勢在無線通信領域得到了廣泛應用。隨著人們對通信帶寬的需求不斷提高，大規(guī)模MIMO技術受到關注，由于大規(guī)模MIMO系統(tǒng)天線數(shù)目遠多于傳統(tǒng)MIMO系統(tǒng)，因而對低復雜度、高性能的信號檢測算法提出了更高的要求。本文以級聯(lián)LDPC碼的V-BLAST結構MIMO-OFDM系統(tǒng)為主要研究模型，利用OFDM的并行多子載波特性，將頻率選擇性衰落信道變?yōu)槎鄠€并行的平坦衰落信道，然后基于每個子載波，建模

2、為平坦衰落V-BLASTMIMO系統(tǒng)，來并行、獨立地進行信號檢測。
　　根據(jù)信號均衡過程和信道譯碼器的譯碼過程之間的關系，并以（大規(guī)模）MIMO系統(tǒng)的低復雜度為要求，本文將MIMO系統(tǒng)信號檢測的方法分為三類展開研究:獨立譯碼檢測算法、Turbo迭代譯碼檢測算法和聯(lián)合譯碼檢測算法;分別針對上述三類檢測算法，進行低復雜度的檢測器設計:
　　(1)對獨立檢測和譯碼算法進行了研究。首先分析了具有最優(yōu)檢測性能的ML算法，為了降低復雜度

3、，提出了基于ML準則的樹搜索模型，研究基于深度優(yōu)先搜索的SD算法和寬度優(yōu)先搜索的K-Best算法。在K-Best算法中，并行處理和固定可控的復雜度使得該方法很適合在實際系統(tǒng)中應用;而K因子在K-Best算法中具有關鍵作用，通過選擇合適的K參數(shù)，確保系統(tǒng)性能和計算復雜度的折中。
　　(2)基于Turbo迭代檢測算法的基本模型，研究了K-Best準則和MMSE準則下的Turbo檢測器設計。對于Turbo-K-Best算法，著重分析了輸

4、出軟信息LLR的計算方案，通過利用有限搜索列表策略和Max-Log策略，大大降低了計算復雜度;對于Turbo-MMSE算法，著重研究具有先驗信息的MMSE準則濾波器，并將濾波后的其他天線干擾用高斯分布來近似，進行LLR計算。對Turbo-K-Best和Turbo-MMSE的性能和復雜度進行了綜合分析，發(fā)現(xiàn)通過選擇合適的K因子，可以使得Turbo-K-Best的復雜度與Turbo-MMSE持平甚至更低，并獲得優(yōu)于MMSE檢測的性能。

5、>　　(3)將因子圖FG模型引入到信號檢測過程中。首先分析了基于因子圖模型的置信度傳遞(BP)算法，研究了圖中各個節(jié)點的信息傳遞過程。而在MIMO信號檢測中，通過引入高斯干擾近似，也可以利用FG-BP算法在變量節(jié)點和觀測節(jié)點之間不斷進行似然比消息傳遞，通過不斷迭代使得變量節(jié)點收斂至邊緣概率，完成信號檢測;詳細分析了基于FG-BP的信號檢測算法，并將該算法擴展到Turbo迭代結構中，得到了Turbo-FG-BP信號檢測算法。除此之外，提出

6、了聯(lián)合LDPC譯碼和信號檢測算法，用統(tǒng)一的因子圖對信道和LDPC編碼矩陣進行建模，在每一次迭代中同時進行變量節(jié)點、觀測節(jié)點和校驗節(jié)點三大類之間的信息傳遞，獲得更多的外信息，從而獲得更快的收斂和更好的性能;為了進一步提高檢測性能，提出了基于分層LFG-BP的迭代檢測算法，通過在每一次迭代內(nèi)增加對各個發(fā)送符號的串行處理，進一步提升了收斂速率;針對一種特殊的應用的環(huán)境——發(fā)送天線和接收天線不對等的大規(guī)模天線系統(tǒng)——提出了QR-LFG-BP算法