使用2×4 MIMO-OFDM系统模型下的K-Best算法设计的K-Best检测器.docx

《使用2×4 MIMO-OFDM系统模型下的K-Best算法设计的K-Best检测器.docx》由会员分享，可在线阅读，更多相关《使用2×4 MIMO-OFDM系统模型下的K-Best算法设计的K-Best检测器.docx（3页珍藏版）》请在第一文库网上搜索。

1、使用24MIMO-OFDM系统模型下的K-Best算法设计的K-Best检测器摘要：基于贝尔实验室V-B1AST结构构建了24MIM0-0FDM系统模型，并确定了该模型下K-Best算法的K值。之后对K-Best检测器进行了硬件架构设计，采用Xi1inXVirteX-5皿对所设计检测器加以实现，并给出检测器资源消耗和时针频率等性能指标，最后通过位真验证检测器正确性。MIMo-OFDM系统接收端检测算法中，最大似然检测(Maximum1ike1ihood,M1)算法具有最优检测性能，但其复杂度会随着天线数量和调制阶数增加呈指数增长。Kfest算法1克服了M1算法复杂度较高的缺点，并且能够取得与M

2、1算法相似的误比特率(BitErrorRate,BER)性能，因而受到广泛关注。目前已实现的K-Best检测器主要分为专用集成电路(ADDIiCationSpecificIntegratedCircuit,ASIC)2-3和现场可编程门阵列(Fie1dProgrammab1eGateArray,FPGA)4两类。其中：参考文献2设计并实现吞吐率达到424Mb/s的K-Best检测器。参考文献3中的半径自适应Kfest算法结合了深度球形解码和宽度球形解码的特点，以较低的功耗和硬件资源消耗达到了252Mb/s的数据吞吐率。而后参考文献4改进了K-Bcst算法对路径度量的排序方法，并基于FPGA实现

3、了K+-Best检测器，其数据吞吐率达到455Mb/so上述K-Best检测器均用于4X4天线系统中，并需设置较大的K值以获得较高的BER性能。本文首先介绍了K-Best算法基本原理，然后在构建的2X4(2根发送天线、4根接收天线)MIMO-OFDM系统中仿真确定了K-Best算法中的K值，之后对K-Best检测器进行了硬件架构设计，最后采用FPGA对所设计检测器进行编程实现，给出检测器资源消耗和时钟频率等性能指标，并通过仿真验证了检测器的正确性。1 K-Best算法分析1.1 算法原理假设在一个MIMO-OFDM系统中配置M根发送天线和N根接收天线(NeM),则该系统的信号模型可以表示为：y

4、=Hs+n(1)其中，S为M维发送信号，y为N维接收信号，n为N维加性高斯白噪声。信道矩阵H是复数域的NXM维矩阵。为避免复数运算带来额外硬件开销，可将信号模型(1)实数化分解：R(y)I(y)=R(H)I(H)I(H)R(H)R(s)I(s)R(n)I(n)(2)其中，R（?驻）和1（?驻）分别表示复数?驻的实部与虚部。实数化后的信号模型由式（3）表示：然后对信道矩阵实施QR分解，即H=QR,采用最大似然准则求解（3）可得：其中，Q为2NX2N维正交矩阵；R为2NX2M维矩阵；y=QTy为2N维向量;为实数化后的星座点集合，例如采用4QAM调制时，星座集合为-1,1。图IK-fkst算法树形

5、乙佃-虹用、根据式（4）可得，K-Best算法的检测过程可以近似为图1所示的树形结构。定义参数K为每层保留节点个数，检测过程从第2M层开始，各层需计算欧式距离增量（INC）,并与上一层累积欧式距离（PED）相加得到当前层的PED,然后将PED进行排序判决，保留其中较小的K条PED和其对应的K个节点，删除废弃节点的所有信息。当检测到最后一层时，从保留的K条PED再次选出最小累积欧式距离，并将其对应的节点作为检测结果。可以看出，K-Best算法中的K值对算法最终的BER性能和复杂度起着关键性作用。1.2 K-Best算法K值的确定贝尔实验室提出的垂直分层空时结构（Ve11ica1-B1AST,V-

6、B1AST）是MiMo空间复用的典型代表5,具有时延小、处理简单等特点。本文基于V-B1AST构建的2X4MIMo-OFDM系统模型如图2所示。图3为在上述系统中对K-Best算法的BER性能仿真结果。从图中可以看出，当收发天线为4X4且分别设置K=1、2时，算法BER性能较差；只有当K=16时，算法BER性能才与M1算法性能一致（此时已遍历整个树形结构中的所有节点），故该复用方案下K值大小对算法BER性能影响很大。而当收发天线数为2X4,则只有K=I时算法BER性能较差,K=2时获得的BER性能与K=IO和M1算法性能基本一致，故在后续的K-Best检测器FPGA实现中将K值设为202 K-Best算法的硬件实现2.1 QR分解模块