一種基于有限距離譯碼的解隨機化采樣格譯碼方法
【專利摘要】本發(fā)明涉及一種基于有限距離譯碼的解隨機化采樣格譯碼方法，包括：初始化設置；建立MIMO系統(tǒng)格解碼模型；對信道矩陣依次進行格約減和QR分解；對接收信號按照深度優(yōu)先的搜索策略進行采樣譯碼，得到格約減域中的候選格點；譯碼輸出。本發(fā)明提出的譯碼方法在初始設置的采樣次數(shù)固定的情況下，隨著初始設置的候選格點列表長度的變大，樹中節(jié)點數(shù)的增加，譯碼性能逐漸接近解隨機化采樣譯碼算法的譯碼性能，并且最終能夠以少于解隨機化采樣譯碼算法的訪問節(jié)點數(shù)和候選格點數(shù)獲得和解隨機化采樣譯碼算法相同的性能。本發(fā)明將常用的廣度優(yōu)先搜索策略改為深度優(yōu)先，以更少的搜索節(jié)點數(shù)得到逼近最優(yōu)的性能，降低了復雜度，提高了譯碼效率。
【專利說明】一種基于有限距離譯碼的解隨機化采樣格譯碼方法【技術領域】
[0001]本發(fā)明屬于無線電通信領域，涉及一種基于有限距離譯碼的解隨機化采樣格譯碼方法。
【背景技術】
[0002]具有多天線的多入多出(multiple-1nput multiple-output,ΜΙΜΟ)系統(tǒng)已經(jīng)被應用于現(xiàn)代無線通信。多天線技術可以突破單輸入單輸出系統(tǒng)下的Shannon容量極限，成倍地提高通信系統(tǒng)的容量。而可靠的并且計算高效的譯碼算法是獲得最優(yōu)的系統(tǒng)性能的重要因素。
[0003]在MMO系統(tǒng)中，最大似然(maximum likelihood, ML)譯碼提供了最優(yōu)的錯誤性能，但是它卻遭受了關于發(fā)射天線數(shù)呈指數(shù)趨勢增長的復雜度，因此其復雜度太高而難以得到廣泛的應用。為了實現(xiàn)低復雜度的譯碼，具有低復雜度的線性譯碼被應用，例如迫零(zero forcing, ZF)和最小均方誤差(minimum mean square error, MMSE)線性譯碼。然而，這些線性譯碼相比于ML譯碼在性能上具有較大的差距。為了縮小線性譯碼和ML譯碼在性能上的差距，應用格約減(lattice reduction, LR)技術的格約減輔助(LR-aided)譯碼被提出，例如LLL-aided譯碼。格約減輔助譯碼能夠在保持低復雜度的情況下獲得更優(yōu)的性能，然而隨著系統(tǒng)維度的增加，格約減輔助譯碼與ML譯碼在性能上的差距會逐漸擴大。因此，為了改善格約減輔助譯碼的性能，對于能夠提升性能并且計算高效的次優(yōu)的譯碼算法提出了迫切的需求。
[0004]為此，文 獻《Decodingby Sampling I1:Derandomization and Soft-OutputDecoding》提出了解隨機化采樣譯碼算法。該算法是對格約減輔助串行干擾消除(LR-aidedSIC)譯碼算法的改進，與LR-aided SIC譯碼算法將預檢測信號直接取整到最接近的整數(shù)而得到判決信號所不同的是，解隨機化采樣譯碼算法首先根據(jù)離散高斯分布將預檢測信號隨機取整到它周圍的整數(shù)(稱作候選整數(shù))。預檢測信號取整返回某一候選整數(shù)的概率，即采樣概率，服從離散高斯分布。候選整數(shù)距離預檢測信號越近，采樣概率則越大，表示該候選整數(shù)越有可能被采到。然后，根據(jù)每個候選整數(shù)在采樣過程中被采到的平均次數(shù)與閾值I比較的結果進一步確定對候選整數(shù)的取舍。滿足被采到的平均次數(shù)大于等于I的候選整數(shù)被保留作為當前譯碼層的一個判決信號，而被采到的平均次數(shù)小于I的候選整數(shù)則被舍去。
[0005]解隨機化采樣算法按照如上所敘述的采樣規(guī)則從頂層(第η層)到底層(第I層)逐層進行采樣譯碼，即采用廣度優(yōu)先的擴展方式，最終構成了一個樹結構。樹的根節(jié)點(在第η+1層定義一個虛擬節(jié)點，此結點稱作根節(jié)點)到葉節(jié)點(位于第I層的節(jié)點稱作葉節(jié)點)的每一條路徑上的節(jié)點即構成一個格約減域中的候選格點，遍歷此樹即可得到格約減域中的候選格點列表。然后，將格約減域的候選格點映射回格約減前的原始信號空間。最終，在原始信號空間的候選格點中，選擇距離接收信號距離最近的格點作為譯碼結果。
[0006]從以上分析可以看出，初始設置的采樣次數(shù)的大小對于候選整數(shù)的取舍有很大的影響，初始設置的采樣次數(shù)越大就會有越多的候選整數(shù)被采集到，因此每層所保留的判決信號就會越多，樹的分支也就會越多，最終導致所采集到的候選格點越多，而候選格點數(shù)越多，其中出現(xiàn)最接近接收信號的格點的概率就會越大，因此譯碼性能就會越好。當初始設置的采樣次數(shù)足夠大的時候可以達到近似最優(yōu)的性能。但是隨著候選格點增多，同時也帶來了復雜度的增加，遍歷樹時訪問的節(jié)點數(shù)將大大增加，降低了效率。
[0007]因此，基于以上分析可見，為了進一步降低復雜度，迫切需要一種能以更低的復雜度及更高的效率來獲得接近最優(yōu)性能的譯碼算法。

【發(fā)明內容】

[0008]為了克服解隨機化采樣譯碼算法由于搜索節(jié)點較多導致復雜度增加從而影響譯碼效率的不足，本發(fā)明提出一種新型的用于有限距離譯碼的解隨機化采樣格譯碼方法，采取深度優(yōu)先的搜索策略，以更少的搜索節(jié)點得到逼近最優(yōu)的性能，減小了譯碼復雜度，提高了譯碼效率。
[0009]為了便于理解本發(fā)明的技術方案，下面介紹一下本發(fā)明的技術原理和設計思路。
[0010]當初始設置的采樣次數(shù)變大時，解隨機化采樣譯碼算法采集到的候選格點增加，而在這些候選格點中，只有距離接收信號最近的格點才是最終的譯碼結果。因此要降低復雜度，提高效率，就要以盡可能小的復雜度找到最可能是最優(yōu)格點的列表，減少候選格點列表中不太可能導致最優(yōu)解的候選格點。而候選格點是通過樹搜索得到的，因此設計搜索策略，以最小的訪問節(jié)點個數(shù)找到最可能導致最優(yōu)解的候選格點列表，是降低復雜度提高效率的關鍵。
[0011]解隨機化采樣譯碼算法通過對預檢測信號根據(jù)離散高斯分布隨機化取整并將候選整數(shù)在采樣中被采到的平均次數(shù)與閾值I相比較得到當前譯碼層的判決信號，所得到的每一個判決信號即為當前譯碼層的一個節(jié)點。定義根節(jié)點到當前譯碼層某一節(jié)點這一路徑分支上的節(jié)點采樣概率的乘積為該節(jié)點處的累積采樣概率。將根節(jié)點到某一葉節(jié)點這一路徑分支上的節(jié)點采樣概率相乘則得到此葉節(jié)點處的累積采樣概率，稱作全長路徑累計采樣概率。通過對全長路徑累積采樣概率觀察及變換，可以發(fā)現(xiàn)全長路徑累積采樣概率會隨著遍歷此路徑分支所得到的格約減域中的格點與接收信號的距離變小而變大，即遍歷此路徑分支所得到的格約減域中的格點與接收信號的距離越近則全長路徑累積采樣概率越大。由于格約減后的信號星座已經(jīng)發(fā)生了畸變，并且由格約減域中的格點經(jīng)過格約減反變換所得到的格約減前的格點不一定在格約減前的原始信號空間中，還需將所得到的格約減前的格點映射到原始信號空間。因此，格點在格約減域中與接收信號距離最近不完全等價于格點在格約減前的原始信號空間中與接收信號的距離最近。值得一提的是，雖然它們并不完全等價，但是它們之間存在著相關性。所以認為在原始信號空間中距離接收信號最近的格點在格約減域中距離接收信號也應該相對較近。而根據(jù)以上分析可知，格約減域中格點與接收信號的距離越近則全長路徑累積采樣概率越大。因此，以累積采樣概率為度量規(guī)則進行深度優(yōu)先搜索，先找到全長路徑累積采樣概率最大的格點添加到候選格點列表中，然后依次找到全長路徑累積采樣概率第二大的添加到列表中，以此類推，最終得到在格約減域中全長路徑累積采樣概率較大的一些格點，然后把格約減域中的候選格點列表映射到原始信號空間，從原始信號空間的候選格點中選擇距離接收信號最近的格點作為譯碼結果。這樣便減少了不必要的候選格點的生成，降低了復雜度，提高了效率。因此，樹的搜索問題就變?yōu)榱苏页鰳渲芯哂凶畲笕L路徑累積采樣概率的幾個葉節(jié)點。
[0012]一種基于有限距離譯碼的解隨機化采樣格譯碼方法，包括以下步驟:
[0013]步驟I，初始化設置。
[0014]步驟1.1,初始化節(jié)點列表Φ，將根節(jié)點放入初始節(jié)點列表Φ中。
[0015]步驟1.2，初始化候選格點列表Ψ，設定候選格點列表長度為lzc。
[0016]步驟1.3，設定初始的采樣次數(shù)K。
[0017]步驟2，建立MMO系統(tǒng)格解碼模型。
[0018]步驟2.1，建立未編碼MMO復值通信系統(tǒng)模型。
[0019]一個由ητ根發(fā)射天線和ηκ根接收天線構成的未編碼MIMO通信系統(tǒng)模型為:
【權利要求】
1.一種基于有限距離譯碼的解隨機化采樣格譯碼方法，其特征在于，按照深度優(yōu)先的搜索策略進行采樣譯碼，以更少的搜索節(jié)點數(shù)得到逼近最優(yōu)的性能，所述方法包括以下步驟: 步驟I，初始化設置； 步驟1.1，初始化節(jié)點列表φ，將根節(jié)點放入初始節(jié)點列表φ中； 步驟1.2，初始化候選格點列表Ψ，設定候選格點列表長度為Izc ； 步驟1.3，設定初始的采樣次數(shù)K ; 步驟2，建立MMO系統(tǒng)格解碼模型； 步驟2.1，建立未編碼MIMO復值通信系統(tǒng)模型； 一個由ητ根發(fā)射天線和ηκ根接收天線構成的未編碼MIMO通信系統(tǒng)模型為: Y = ΒΧ+Ν (I) 式中，y = [H......,7 ]為接收信號向量；x =表不發(fā)送信號向量，X,ec，c為復QAM星座圖集，發(fā)送信號向量元素Xi的實部和虛部取自集合
2.根據(jù)權利要求1所述的一種基于有限距離譯碼的解隨機化采樣格譯碼方法，其特征在于，所述步驟4.4擴展節(jié)點的方法包括以下步驟: (O由選中節(jié)點根據(jù)式(7)計算第i層的預檢測信I (2)求預檢測信號&周圍的候選整數(shù)#，并計算候選整數(shù)的采樣概率 將5周圍的整數(shù)按照與^距離的遠近排序得到候選整數(shù)茍，j是序號，j越小距離越近，j=l, 2，…，J，J為候選整數(shù)的個數(shù)，一般取J = 3 ; 候選整數(shù)采樣概率為:
【文檔編號】H04B7/04GK103780349SQ201410031136
【公開日】2014年5月7日 申請日期:2014年1月22日 優(yōu)先權日:2014年1月22日
【發(fā)明者】孫艷華, 陳希爽, 楊睿哲, 孫恩昌, 司鵬搏, 張延華 申請人:北京工業(yè)大學