在BLAST檢測中，目前采用的ZF(迫零) 算法,MMSE(最小均方誤差) 算法, OSIC(排序連續(xù)干擾抵消) 或ML (最大似然)準(zhǔn)則來進(jìn)行譯碼。前三種算法,實現(xiàn)起來較簡單,但是誤碼率性能較差;而使用ML檢測能得到更好的性能,但是其復(fù)雜度較高,不易于實現(xiàn)。基于ML檢測的SD(球形譯碼)算法是一種性能優(yōu)化,復(fù)雜度適中的檢測算法。已經(jīng)證明,采用窮盡搜索的ML 檢測算法的復(fù)雜度隨天線數(shù)呈指數(shù)增長,而SD算法的復(fù)雜度在很大信噪比范圍內(nèi)與天線數(shù)呈多項式關(guān)系。故SD算法可以用較少的計算量來獲得最大似然譯碼性能。

球形譯碼的基本思想是在以一個矢量x 為中心的半徑為d的多維球內(nèi)搜索格點，通過限制或者減少搜索半徑從而減少搜索的點數(shù),進(jìn)而使得計算時間減少。球形譯碼算法帶來的優(yōu)點在于它不需要象傳統(tǒng)的最大似然譯碼算法那樣需要在整個格內(nèi)對所有的格點進(jìn)行搜索,而只需要在一個事先設(shè)定的有限球形區(qū)域進(jìn)行搜索,如果該區(qū)域所包含的點數(shù)相對于整個格內(nèi)的總點數(shù)是相當(dāng)小的,搜索時間就會大大減少。

影響球形譯碼的關(guān)鍵問題有：(1) 怎樣選擇搜索半徑d。如果d太大,則球內(nèi)會包含太多的點,復(fù)雜度就會接近或者達(dá)到最大似然譯碼的指數(shù)級復(fù)雜度。如果d 太小,則球內(nèi)可能一個格點都不包含,那么球形譯碼算法將得不到合理的解。(2) 怎樣才能判斷一個點是否在球內(nèi)。如果這種判斷需要借助每一個格點和矢量之間的距離來判斷的話,那么這種方法就不太理想,因為我們需要考察所有的點,所產(chǎn)生的計算量也是指數(shù)級的。

 

球形譯碼解決了第2個問題，此處均考慮信號為實數(shù)，因為復(fù)數(shù)可以通過增加一倍的維數(shù)，將實部和虛部分開，要判斷一個點是否在半徑為d的m維球內(nèi)比較困難。若將m變?yōu)?，則從球退化為一個間距，這個點就相當(dāng)于某根天線發(fā)送信號的實部或虛部，這樣操作就簡單很多，可以知道這個點是否在這個距離內(nèi)。多根發(fā)送天線上的信號的實部和虛部分成很多維，每一維上有可能取值。球形譯碼算法相當(dāng)于構(gòu)建了一棵樹，樹的第k層節(jié)點對應(yīng)的是落在半徑為d，維數(shù)為k的球內(nèi)的格點。
————————————————

聯(lián)系：highspeedlogic

QQ ：1224848052

微信：HuangL1121

郵箱：1224848052@qq.com

網(wǎng)站：http://www.mat7lab.com/

網(wǎng)站：http://www.hslogic.com/

微信掃一掃：