Global Sources
電子工程專輯
 
電子工程專輯 > 射頻/無線
 
 
射頻/無線  

以MLD方案最佳化MIMO接收器性能

上網時間: 2014年06月06日     打印版  Bookmark and Share  字型大小:  

關鍵字:MIMO  接收器  MLD  接收器  最大似然檢測器 

作者:Noam Dvoretzki,CEVA資深硬體系統架構師

   Zeev Kaplan,CEVA資深通訊演算法工程師

針對改善資料速率與訊息雜訊比(SNR),多輸入多輸出(MIMO)是主要的方法之一。透過使用多個接收和發送天線,MIMO可利用無線通道的多樣性。對於任何特定的通道頻寬,這個方法適用於提高通道的頻譜效率並改進資料速率。

MIMO的規格取決於發送和接收天線的數量。在一個4×4 MIMO配置中,使用了4個發送天線和4個接收天線,從而可在相同通道頻寬上實現了(在合適的條件下)更高4倍的資料傳輸。

簡單的MIMO接收器以線性接收器演算法為基礎,雖易於建置但無法完全利用MIMO的好處。另一方面,透過採用反覆運演算的方法可建置近似MIMO演算法的最佳化‘最大後驗機率’(MAP)。然而,這又會導致高延遲的不足。一種更實用的非線性MIMO接收器建置途徑是採用徹底搜尋的最大似然(Maximum Likelihood;ML)或最大似然檢測器(MLD)。在處理方面,MLD比傳統線性接收器的要求更高,但在相同通道條件下可提供明顯更高的位元速率。此外,對於具有天線相關的通道,MLD更穩健可靠。

使用高階MIMO規格(超過2x2支天線)可以顯著改善頻譜效率,但卻有其成本代價:隨著MIMO規格增加,MLD接收器的運算複雜性呈指數級增加。高階MIMO要求相當大的處理能力──對於這一點,直接使用MLD方法並不切實際,必須使用次優級(suboptimal)MLD演算法來建置使用者設備(UE)。

次優ML接收器

次優ML接收器試圖以更有效的方法來掃描可能的傳送訊號,因而減少整體複雜性並達到接近ML精密度的結果。減少複雜性有助於根據大小和功率進行更加實際的硬體建置,同時還能使硬體保持符合先進通訊標準規定的高傳輸量。

求解次優ML等式可定義為一種樹狀搜尋,其中樹狀結構的每個層級對應於一個發送符號。每個節點的分支突出數量匹配QAM或發送符號的調變。一個4×4 MIMO配置可由一個四層樹狀結構表示。假如調變為BPSK,每個節點將包含兩個分支。一旦定義出樹狀結構的符號,即可部署樹追蹤演算法,這一概念取自電腦科學等其它領域。

MIMO 符號樹狀結構
圖1:MIMO 符號樹狀結構(Symbol Tree)。

在此概念架構下,次優ML接收器可劃分為兩個主要類型:橫向優先搜尋;深度優先搜尋。

橫向優先搜尋

橫向優先的例子是K-best演算法。該解碼器是一個固定複雜性的解決方案,從樹根開始朝上延伸直至樹的最後一層。樹狀結構的每一層均對所有選擇的分支進行評估並保留K留存節點,搭配最佳解決方案(表示最接近接收訊號的符號)──因而名為‘K-best’。K剩餘樹葉即用於產生LLR結果。

該解碼器的優點:

  •單向流程有助於硬體的簡易管線建置。

  •計算每層所需的處理能力是?定的,而且直接關係到建置中所選的留存節點(K)數量。

  •資料輸送量是?定的,從而可簡化系統中所安排的資料流程

該解碼器的缺點:

  •需要大面積建置以便評估和分類所有選擇的層級節點。

  •精密度要求越高,所需的K值越高。

  •在最佳SNR條件中,資料輸送量不會增加。

  •無法確保達到ML解決方案,因為最佳解決方案可能存在於未被選擇到的節點中。

圖2顯示一個採用QPSK調變的MIMO 4×4(4層)樹狀結構。在此例子中,K為4。樹的每層將分為16個節點。最好的4個將用於下一層的留存節點。

K-Best樹追蹤演算法
圖2:K-Best樹追蹤演算法。

深度優先搜尋

深度優先的例子是軟式輸出球面解碼器(Soft-Output Sphere Decoder)演算法。此解碼器是一種可自動調整複雜性的解決方案,從樹根開始先直接上升到樹葉層──因而稱為‘深度優先’。該樹的優先解決方案確定了初始搜尋半徑或範圍。從那時起,解碼器在整個樹層中追溯並上升。對樹狀結構中超出搜尋半徑的每個節點及其下的所有節點進行修整。每次找到一個更好的解決方案,即相應地減少半徑範圍。透過這種方法掃描並修整符號樹,直至有效選項數量減少。餘下的符號則代表ML解決方案。

該解碼器的優點:

  •可保證獲得ML解決方案,有助於結果精確度。

  •在高SNR條件下,解碼器執行更快,增加資料輸送量並降低功耗。

  •相較於等效的橫向優先解決方案,它可在更小區域內建置。

圖3比較具有自動調整複雜性的軟式輸出球面解碼器,以及固定複雜性K-best解碼器之間的週期數。因為SNR增加,球面解碼器將減少其週期數,而無論通道條件如何,固定複雜性將保持不變。

固定複雜性VS自動調整複雜性。
圖3:固定複雜性VS自動調整複雜性。

該解碼器的缺點:

  •解碼器的非確定性表現使系統計劃複雜化。

  •僅在目前分支完成後才知道下一個分支選擇。這使得硬體傳遞途徑的建置受到挑戰。

圖4顯示一個採用QPSK調變的MIMO 4×4 (4層)樹例子。

  •深度優先法可透過以下方式選擇到第一個樹葉的符號路徑:-3(第1層)、-3(第2層)、1(第3層)與3(第4層)

  •更新初始半徑

  •回溯執行到第二層的一個符號

  •在搜尋期間,修整超出半徑的分支(紅色),因而使搜尋樹最小化。

球面解碼器樹狀追蹤。
圖4:球面解碼器樹狀追蹤。

(下一頁繼續:CEVA的解決方案)


1 • 2 Next Page Last Page



投票數:   加入我的最愛
我來評論 - 以MLD方案最佳化MIMO接收器性能
評論:  
*  您還能輸入[0]個字
*驗證碼:
 
論壇熱門主題 熱門下載
 •   將邁入40歲的你...存款多少了  •  深入電容觸控技術就從這個問題開始
 •  我有一個數位電源的專利...  •  磷酸鋰鐵電池一問
 •   關於設備商公司的工程師(廠商)薪資前景  •  計算諧振轉換器的同步整流MOSFET功耗損失
 •   Touch sensor & MEMS controller  •  針對智慧電表PLC通訊應用的線路驅動器
 •   下週 深圳 llC 2012 關於PCB免費工具的研討會  •  邏輯閘的應用


EE人生人氣排行
 
返回頁首