分组空时块编码结构及其信号检测算法
摘 要：本文提出一种可用于宽带数字移动通信系统的多输入多输出（MIMO）无线传输系统架构——分组的空时块编码（G-STBC）MIMO结构，即发送天线被分成若干组,组内的多根天线进行STBC编码，而各组发送的数据流相互独立。针对这一系统架构，提出了基于迫零检测的最优排序串行干扰消除 (OZF SIC)接收信号检测算法的实现方案。计算机仿真结果表明，这种空时编码MIMO结构在等数据率的情况下能获得比相应的V-BLAST系统更优的性能。G-STBC-MIMO结构可以使发送天线多于接收天线，因此，对于无线通信系统下行链路以及大数据量广播业务系统(如数字高清晰度电视地面传输系统)都较V-BLAST更具有优势。
关键词：分组空时块编码; 多输入多输出;串行干扰抵消; 迫零检测；算法
A Group-Wi Space-time Block Coded MIMO Wireless Transmission System and its Signal Detection Algorithm
ZHOU Jie, GUAN Yun-feng, XU You-yun, LUO Han-wen, GE Jian-hua
(Department of Electronic Engineering, Shanghai Jiao Tong University,
Shanghai 200030, China)
Ａｂｓｔｒａｃｔ：This paper prents an efficient multiple-input-multiple-output (MIMO) wireless transmission system architecture, named "Group-wi Space-time Block Coded (G-STBC)" MIMO system, which may be suitable for broadband mobile communications. In such systems, transmit antennas are partitioned into veral groups and each group transmits independent data stream which is individually STBC encoded. As its receiving signal detecting solution，an Optimal Zero Forcing Successive Interference Cancellation (OZF SIC) scheme is propod. Simulation results show that this space-time architecture as well as its detection method outperforms corresponding V-BLAST greatly with the same transmission rate. G-STBC makes it possible that transmit antennas are more than that of receiver, which is a great advantage over V-BLAST especially in downlink wireless systems and some broadcasting systems like ADTB-T (Advanced Digital Television Broadcasting-Terrestrial).
Ｋｅｙｗｏｒｄｓ：2012安徽高考英语G-STBC; MIMO;Successive Interference Cancellation(SIC); ZF-Det
ection; Algorithm翻译拍照
一、引言
在丰富散射环境下，多输入多输出(MIMO)技术能在不增加额外带宽和发射功率的情况下，成倍地提高通信系统的容量和频谱利用率，有效提高数据通信速率，成为无线通信领域研究的热点。在高清晰度数字电视地面传输系统的研究上，MIMO技术也同样备受瞩目。欧洲DVB_T系统最重要的改进之一是使用了分集技术，从而大大改善了其接收(特别是移动接收)的性能。从功能上，空时MIMO技术可以分为两类，一类是以空时格码［1］(STTC)、空时块码［2］(STBC)等空时码(STC)为代表的为获得最大空时分集增益的技术；另一类是以贝尔试验室提出的BLAST［3］(Bell Laboratories Layered Space-Time)为代表的以获得最大复用增益的技术。其中，Alamouti提出的基于STBC的发送分集方案［2］，只需进行线形变换，几乎不增加系统的复杂度，就可以获得满分集增益；而V-BLAST方案以较小的复杂度就可获得最大数据传输速率。因此，这两种方法受到了极大的关注。但如何在增加数据传输速率的同时获得分集增益，国内外有很多学者在这方面也进行了大量研究［6］。考虑到MIMO技术在移动通信中的具体应用，通常基站比移动站（手
机）更容易增加天线数，这将导致一个有趣的问题：通常认为数据率较低、实现较困难的反向链路（手机到基站），在MIMO技术得到应用后反而可以较容易得到较高的接收分集增益，而通常认为数据率较高的前向链路（基站到手机）如何更好地利用发送天线成为一个问题。同时，对于象高清晰度数字电视地面传输系统这样要求通信数据量大、传输质量高的广播系统来说，怎样利用分集和复用技术且尽可能地降低复杂度尤其是接收机的复杂度，也是我们关注的焦点。本文提出一种有效的基于分组的空时编码方案，在获得复用增益的同时可获得发射分集增益，特别适合用于移动通信中的前向链路及广播业务系统。
ison二、分组空时块码(Group-Wi STBC)的MIMO系统模型
1.空时块码
当发射天线数目固定时，空时格码的译码复杂度（由格码状态数量所决定）将随着分集度和传输速率的上升呈指数级别增加。为了解决译码复杂度的问题，Alamouti提出了一种具有极低译码复杂度使用两个发射天线的发射分集方案［2］，见图1。该系统通过在发射端进行简单的处理，可以获得相当于在接收端使用2个接收天线进行最大比合并（Maximum Ratio Combination，MRRC）获得的分集增益。此后Tarokh将Alamouti的方案推广到使用2个发射天线和M个接收天线的系统，提供2M的分集度［2］，并由此给出了空时块码的概
念。强调英文
2.G-STBC系统模型
考虑一个有Nt根发送天线、Nr根接收天线的MIMO系统，如图2所示。
由于采用2×2的空时块码(也可以使用其他任意大小的空时码)，Nt根发送天线被分成Nt/2组（设Nt为偶数），称为一个STBC编码组。每个STBC编码组分别用Alamouti的两发送天线的编码方案编码［beyond是什么意思2］如何取英文名字，如图3。而各组传输的数据流不相关，也就是说，可以将源数据经编码调制后的符号［c1…
buenos aires>荡秋千的英文
对于Alamouti方案有一个重要的假设，即相邻符号时间的信道保持不变，所以我们假设信道是准静态的，即在连续两个符号时间是保持不变的。设该基带系统在第k个符号时间的Nr维接收信号向
其中
H是Nr×Nt的MIMO信道矩阵，其元素hi,j代表从第j根发送天线到第i根接收天线的信道增益，是分布为N(0,1)的独立同分布的复高斯随机变量。s(k)为在第k个符号时间的Nt维发送符号向量。n(k)是该时刻Nr根接收天线上的噪声向量，其每个元素为分布为N(0,σ2)且独立同分布的复高斯随机噪声变量。
根据图3的映射规则，我们需考虑由一次Alamouti空时编码输出的第k和第k+1的连续两个符号时刻的发射向量：
洋话连篇 通过STBC编码引入的约束可以分别将对应的两个符号时间的接收向量r作适当变换，得出等效的r：
通常，称(4)式为等效信道模型。
可以看出，r的构造不仅引入空间维，也引入了时间维。经STBC变换的信息符号对应在等效信道H中的子矩阵为一正交阵，因此能获得最大的分集增益。
三、最优迫零串行干扰消除信号检测算法卷福结婚
得到(4)式后，可以发现，它相当于Nt根天线发送不相关数据，经Nr根天线接收。这里采用基于迫零检测的最优排序串行干扰消除 (OZF SIC)算法完成检测。假设信道状态信息(CSI)精确可知，G-STBC的最优迫零串行干扰消除算法的算法流程如下：
…,ki列清零后的矩阵，(6b)~(6d)为初始化部分，先求出H的伪逆G1，找出范数最小的一行作为零化矢量wk1。(6e)~(6k)为递归部分，每一次递归由
进行排序，选择范数最小的行作为零化矢量，即按照检测后信干噪比(POST-SINR)［4］ 进行排序：
可以看出，迫零算法放大了噪声。因此，按照POST-SINR排序，先检测的符号可靠度较高，干扰消除的效果也较好，不易产生误差扩散。
