如何使用最大似然檢測器方案優(yōu)化MIMO接收器性能

　　對于改進(jìn)數據速率和/或信噪比，多輸入和多輸出(MIMO)是領(lǐng)先的方法之一。通過(guò)使用多個(gè)接收和發(fā)送天線(xiàn)，MIMO可利用無(wú)線(xiàn)信道的多樣性。對于任何給定的信道帶寬，這可用于提高信道的頻譜效率并改進(jìn)數據速率。

　　MIMO的規格取決于發(fā)送和接收天線(xiàn)的數量。在一個(gè)4×4 MIMO配置中，使用了四個(gè)發(fā)送天線(xiàn)和四個(gè)接收天線(xiàn)。這在同樣信道帶寬上實(shí)現了(在合適的條件下)高達四倍的數據傳輸。

　　一方面，簡(jiǎn)單的MIMO接收器基于線(xiàn)性接收器算法，其易于實(shí)現但無(wú)法完全利用MIMO的好處。另一方面，使用迭代法，可以實(shí)現最佳的最大后驗概率近似MIMO算法;然而，這會(huì )導致高延時(shí)的不足。一種更加實(shí)用的非線(xiàn)性MIMO接收器的實(shí)施途徑是最大似然(Maximum Likelihood， ML)或最大似然檢測器(Maximum Likelihood Detector， MLD)，它在根本上是基于一個(gè)徹底的并列搜索。MLD在處理方面比傳統線(xiàn)性接收器要求更高，但對于相同的信道條件，可提供明顯更高的比特率。另外，對于具有天線(xiàn)相關(guān)性的信道，MLD更穩健可靠。

　　使用高階MIMO規格(超過(guò)兩個(gè)接收和兩個(gè)發(fā)送天線(xiàn))可以導致顯著(zhù)的頻譜效率改進(jìn)——但這也有其成本代價(jià)：隨著(zhù)MIMO規格的增加，MLD接收器的計算復雜性以指數方式增加。高階MIMO要求相當大的處理能力——對于這一點(diǎn)，直接的MLD方法是不切實(shí)際的，必須使用次優(yōu)(suboptimal)MLD算法來(lái)實(shí)現用戶(hù)設備(User Equipment，UE)的實(shí)施。

　　次優(yōu)ML接收器

　　次優(yōu)ML接收器試圖以更有效的方法來(lái)掃描可能的傳送信號，從而減少整體復雜性并達到接近ML精度的結果。減少復雜性有助于根據大小和功率進(jìn)行更加實(shí)際的硬件實(shí)施。這還使硬件能夠保持由先進(jìn)通信標準規定的高吞吐量。

　　次優(yōu)ML方程式的解決可定義為一種樹(shù)形搜索，其中樹(shù)的每一個(gè)層級對應于一個(gè)發(fā)送符號。每個(gè)節點(diǎn)的分支突出數匹配QAM或發(fā)送符號的調制。一個(gè)4×4 MIMO配置可由一個(gè)四層樹(shù)表示。假如調制為BPSK，每個(gè)節點(diǎn)將包含兩個(gè)分支。

　　一旦定義了樹(shù)的符號，可以部署樹(shù)遍歷算法，借用其它領(lǐng)域比如計算機科學(xué)。

　　關(guān)于此點(diǎn)，次優(yōu)ML接收器可劃分為兩個(gè)主要類(lèi)型：

　　1.橫向優(yōu)先搜索

　　2.深度優(yōu)先搜索

　　橫向優(yōu)先搜索

　　橫向優(yōu)先的一個(gè)例子就是K-best算法。該解碼器是一個(gè)固定復雜性解決方案，從樹(shù)根開(kāi)始并上行，直至它達到樹(shù)的最后一層。在樹(shù)的每層上，對所有選擇的分支進(jìn)行了評估并保留K留存節點(diǎn)，匹配最佳解決方案(代表了最接近接收信號的符號)——因此得名“K-best”。K剩余樹(shù)葉然后就用于生成LLR結果。

　　該解碼器的優(yōu)點(diǎn)是：

　　*單向流有助于硬件的簡(jiǎn)易流水線(xiàn)實(shí)施。

　　*計算每層所需要的處理能力是恒定的，且直接與實(shí)施中所選的留存節點(diǎn)(K)的數量相關(guān)。

　　*數據吞吐量是恒定的，其反過(guò)來(lái)簡(jiǎn)化了在系統中計劃的數據流

　　該解碼器的缺點(diǎn)包括：

　　*需要大面積實(shí)施以便評估和分類(lèi)所有選擇的層級節點(diǎn)。

　　*精度要求越高，所需要的K值越高。

　　*在最佳SNR條件中，數據吞吐量不會(huì )增加。

　　*不能保證達到ML解決方案，因為最佳解決方案可能存在于沒(méi)有選擇的節點(diǎn)中。

　　下述圖表顯示了一個(gè)采用QPSK調制的MIMO 4×4 (4-層)樹(shù)。在此例子中，K為四。樹(shù)的每層將分為十六個(gè)節點(diǎn)。最好的四個(gè)將會(huì )是用于下一層的留存節點(diǎn)。

　　深度優(yōu)先搜索

　　深度優(yōu)先的一個(gè)例子就是軟輸出球解碼(Soft-Output Sphere Decoder)算法。此解碼器是一種自適應復雜性解決方案，從樹(shù)根開(kāi)始并首先直接上升到樹(shù)葉——因此得名“深度優(yōu)先”。該樹(shù)的優(yōu)先解決方案確定了初始搜索半徑或范圍。從那時(shí)起，解碼器在整個(gè)樹(shù)層中追溯并上升。對樹(shù)的每個(gè)超出搜索半徑的節點(diǎn)及其下面的所有節點(diǎn)進(jìn)行修整。每次找到一個(gè)更好的解決方案，相應地減少半徑范圍。以此方法，掃描并修整了符號樹(shù)，直至有效選項數量減少。余下的符號代表了ML解決方案。

　　此解碼器的優(yōu)點(diǎn)是：

　　*可保證獲得ML解決方案，有助于結果精確度。

　　*在高SNR條件下，解碼器運行更快，增加了數據吞吐量并降低了功耗。

　　*相比同等的橫向優(yōu)先解決方案，可在更小區域內實(shí)施。

　　圖3顯示了具有自適應復雜性軟輸出球解碼器與固定復雜性K-best解碼器間的循環(huán)計數比較。因為SNR增加，球解碼器將減少它的循環(huán)計數，而固定復雜性將保持不變，無(wú)論信道條件如何。

　　圖3：固定對自適應復雜性。

　　該解碼器的缺點(diǎn)包括：

　　*解碼器的非確定性表現使系統計劃復雜化。

　　*僅在當前分支完成后才知道下一個(gè)分支選擇。這使得硬件傳遞途徑的實(shí)施受到挑戰。

　　圖4顯示了一個(gè)采用QPSK調制的MIMO 4×4 (4層)樹(shù)例子。

　　1.深度優(yōu)先以下列方式選擇到第一個(gè)樹(shù)葉的符號路徑：a. -3 (層1);b. -3 (層2);c. 1 (層3);d. 3 (層4)

　　2.更新了初始半徑

　　3.追溯執行到第二層的一個(gè)符號

　　4.在搜索期間，修整了超出搜索半徑的分支(紅色所示)，因此使搜索樹(shù)最小化。

　　圖4：球解碼樹(shù)遍歷。

　　CEVA解決方案

　　CEVA通過(guò)推出最大似然MIMO檢測器(MLD)來(lái)應對MIMO接收器的挑戰。該MLD是緊密耦合擴展加速器硬件單元。該MLD能夠處理LTE——先進(jìn)的Cat.7數據流并產(chǎn)生軟輸出最大對數解決方案。

　　該MLD加速器達到了次優(yōu)最大似然(ML)解決方案，可用于4×4或3×3 MIMO @12.6 Mega-tones/秒，使用軟輸出球解碼器方法，以及2×2基于LORD的ML解決方案@ 28.8 Mega-tones/秒，使用載波聚合。該MLD設計用于移動(dòng)應用，強調低功耗設計理念。

　　功能集

　　MLD功能集包括對以下的支持：

　　*從2×2到4×4 MIMO的可變傳輸模式，且每層可配置的調制高達64QAM.

　　*三種搜索優(yōu)化：每個(gè)樹(shù)層的用戶(hù)自定義層排序，初始半徑和搜索半徑。

　　*通過(guò)提供吞吐量控制能力，CEVA MLD解決了軟輸出球解碼的非確定性質(zhì)，包括用于音調處理的上下循環(huán)計數界線(xiàn)。另外，使用用戶(hù)自定義的基于時(shí)間標記的終端來(lái)保持系統吞吐量。

　　*可以擴展軟比特來(lái)補償SNR和調制因數。

　　*在內部符號和內層解決方案中提供對LLR排列的支持

　　*內層解映射：支持兩個(gè)代碼層，使MLD能夠將所寫(xiě)數據拆分到兩個(gè)不同的目的地。

　　*可擴展的硬件解決方案實(shí)現了性能/功率/面積的權衡，包括選擇MLD引擎的數量、緩沖器大小和接口時(shí)鐘比率。

　　另外，加速器提供了廣泛的調試和性能分析能力。

　　MLD加速器方框圖

　　圖5描述了MLD加速器的方框圖，其包含了一個(gè)AXI接口、輸入緩沖器、分配器、最大似然引擎(Maximum Likelihood Engine，MLE)、LLR發(fā)生器、重排序緩沖器和輸出緩沖器。

　　輸入緩沖器存儲了大量的音調數據，通過(guò)分配器，每次傳送一個(gè)音調到MLE.每個(gè)MLE輸出有關(guān)檢測到的比特數據;這進(jìn)而通過(guò)LLR發(fā)生器轉化為L(cháng)LR格式。重排序緩沖器積累LLR數據，以便傳輸和發(fā)送有序的輸出到輸出緩沖器中。輸出緩沖器通過(guò)AXI接口將LLR寫(xiě)到接收鏈中的下一個(gè)模塊。

　　圖5：MLD加速器方框圖。