1.频率选择性MIMO信道估计

时变多径信道有一些稳定（或者在很长的时间内变化）的特性，也有快速变化的特征。最近这个性质在无线通信设计信号处理算法中有过使用。一个简单的例子可以说明不同的变化的速率:当通信链路的任一端移动λ/4（λ是载波波长），角度（DoA和DoS）在位置上移动几个波长时（10～1000λ）保持连续，此时衰落幅度会完全变化。

在参考文献［SiSp04］中，有第k个块的频率选择性MIMO信道矩阵的入口可以被改变成一个向量h_k=Tβ_k，所以代表缓慢变化的量矩阵T和快速变化的衰落向量β_k可以被去耦。我们假设一个估计，它能够一致的估计信道T的长期特性，以至于对大量的突发K（理论上K→），这些被假设可以使用任何精度，并且快速变化的追踪变量β_k性能最佳。注意到文献中简单设定的许多已知的估计有（至少一个）上述特性。

通过获得渐近（K→）估计MSE矩阵，对于任何考虑过的信道模型上的信道估计算法的可能达到的性能，我们设置了一个更低的界限。

2.MIMO Turbo接收机

（1）低复杂度BICM Turbo接收机

使用频率选择性MIMO通信系统时，大量的问题被定位。首先，为了从传播分集获益，需要使用合适的ST编码。第二，接收机结构需要被提出来，它应该能够控制ISI、CAI（Co-Antenna Interference）和接收分集能力。

考虑到发射分集，我们提出了一种基于位交织的方法，并命名为STBICM。信息位通过卷积编码器进行编码，被编码的位被交织并且分布在不同的天线上，在天线上它们变成复杂的符号并被传播出去。接收机基于Turbo技术。它使用Turbo空时均衡抵消ISI和CAI，并联合使用Turbo解调。

大部分的Turbo检测器基于优化的后验概率估计，并且也是基于网格。这样有好的误码率性能，如果使用多天线和/或多级/相位调制，检测器的复杂度相当高，基本上望而止步。我们找到了更低复杂度的解决方法，比如max-log-MAP检测器或者减少状态的方法。使用基于滤波器（Filter Based，FB）的更长远的减少复杂度的解决方案是可行的。Ariyavisitakul已经使用了低复杂度FB检测器，但是这个检测器不能完全利用可用的先验信息。在CDMA环境中，Wang和Poor提出了多用户的FB检测器，这可以作为正确的MMSE解法展示。

（2）实值调制的Turbo MIMO均衡

多路数据流同时传送能获得较高的频谱性能，这些数据流在普通的通信信号方面如时间、频率、编码等，都不正交。作为代替，它们在不同空间位置的不同天线上被传递。

需要高级的有效的信号处理方法，以此来把传送的数据流从接收信号的混合成分中分离出来，尤其是对于宽带信道。频率选择性衰落信道的MIMO系统的检测算法被提出，这种方法只有三次方的复杂度。这种算法的核心是软干扰抵消（Soft Canceller，SfC），SfC目的是抑制MAI和ISI，后边跟着一个非同步MMSE滤波器（选择连接（SC）/MMSE）。

这个联合能够得到每个接收数据流的外在信息的近似值，它在SISO信道解码中被用作先验LLR。上面的每一个参考模型都对传送信号进行了BPSK调制，因为这种情况下，在LLR编码位和相关数据符号的值之间存在简单的关系。

然而，使用实际值调制的影响被忽略了。在参考文献［MaTr04］中，我们列出了BPSK调制或者其他调制的影响，这可以被近似地作为一个实值符号字母（多级PAM、MSK、GMSK）的脉冲幅值调制，LLR的近似应该明确地考虑这些因素。此外，MMSE滤波器的计算被优化了，大量的复杂度被轻微地减轻了。多径瑞利衰落信道模型的仿真显示的性能提高，尤其是第一次迭代时。使用微微蜂窝环境信道探测向量的仿真显示了在危急情况下性能略有提高。

3.迭代型空时接收机(www.daowen.com)

（1）低复杂度迭代型空时接收机

在高频环境下，STBC MIMO的优化解码有极高的复杂度，除非空时码结构提供简单的优化解码，空时正交码（Space-Time Orthogonal Block Code，STOBC）也有这种情况。实际上，STBC的真正的ML解码或者APP解码的复杂度随频谱效率指数增加。作为SfISfO解码方案，APP空时解码有特殊的需要，因为它允许空时接收机和信道解码一起有效地工作。除此外，迭代方法和SfISfO信道检测器同时使用对它很有利，这样能达到优化的联合接收机性能。列表-球体解码（List Sphere Decoding，LSD）提供了一个低复杂度的APP解码的好的近似，因此能被作为性能参考。

参考文献［Guég03］中，介绍了一种新的次优的基于优先MMSE的SfISfO空时接收机，它和LSD相比明显有更低的复杂度，但是在使用迭代接收机时性能差不多。被考虑的系统最先出现在参考文献［Guég03］中，跟随着新提出的基于MMSE接收机的详细的描述和相关LSD接收机的简单的描述。这两个结构在迭代接收机中从性能和复杂度两方面进行了评估。

（2）低复杂度STBICM MIMO检测

参考文献［JoWi02］、［JoWi03］中讨论的迭代树/格检索（Iterative Tree/TrellisSearch，ITTS）检测是低复杂度的MIMO检测技术，主要针对在接收端使用Turbo处理的STBICM MIMO系统。ITTS结构基于一个发现，空间多元数据符号可以用树或格结构代表，这取决于不同天线的发射信号是否能被同步收到。M算法用广度优先搜索得到树或格的最佳路径或者等价地，对符号序列最有可能被传播。具有块分割标签的QAM信号星座图，简称为多层次位映射，在不考虑调制阶数时，被用来保证树/格性能在一次搜索内有2位。结果是ITS结构每位的复杂度和发送端天线数目呈线性关系，并且几乎和星座图尺寸独立。这是软输入软输出MIMO检测方案中的主要的提高。ITS检测的另一个优点是，通过改变M算法的列表尺寸参数，它的性能在低复杂度时能够折中。

理论上，ITTS检测的性能和最大化列表尺寸的MIMO检测一样，甚至这个最大化对于发射天线较少和调制阶数较低时是几乎不可能达到的。然而，正如通过仿真分析的，在最大化列表尺寸的很小的片段能达到很好的性能。而且，随着空间多元符号在空间和时间上相关性的降低，ITTS的效率会提高。在同步接收情况下，符号的时间相关性最大化，基于格状的ITTS和基于树的ITS产生同样的性能。对于异步操作，符号间的时间相关性减少了，这提高了格状ITTS检测的性能。例如，参考文献［JoWi03］显示了4dB的性能增加，系统为64-QAM，8×8MIMO环境，系统操作异步。

（3）非二进制星座图的次优化检测

MIMO空间多数据传播系统中，当发射天线和星座点数较多时，最大似然检测（Maximum Likelihood Detector，MLD）的复杂度的代价太高而不能使用。为了简化MLD，很多线性的和非线性的检测器被提出。参考文献［GVWF98］中提出的V-BLAST结构是一个实际低复杂度的接收机，这种方法中，根据已知的零和连续的干扰抵消，符号被连续检测。V-BLAST的主要缺点是早期的分集阶数比下边的几种方法低。还有，全部的性能可能会受检测进程中的第一个状态中发生的错误的传播限制。

在参考文献［SpMa04］中，基于映射集分割的减少状态序列检测的原则，被用在空间复用MIMO系统中使用QAM星座进行检测。在QAM调制中，每个符号的实部和虚部都属于整数集Z。对每一个发射数据流，二进制分区Z/2Z被认为在QAM星座图的每一个维度中。令QAM星座图尺寸为2^2k，k=1，2，…。通过分析传送向量的n_T个入口的最不重要的位的2^2nT个组合，我们得到了2^2nT个候选的子集的列表。在每一个包含n_T2²（k-1）个星座点的2²n_T个子集中，使用了一个次优化的接收机进行检测。在每一状态下，检测器检测每一个从天线n发送来的符号判断统计，并把它和取自于与子流n相关的当前子集的候选符号进行比较。在流程的最后，生成一个2^2nT的预测向量的表。最后的结果由简化域的MLD决定。

式中，r是n_R×1的接收到的信号向量（n_R≥n_T）;是n_T×1的来自于简化域A_r，包含2²n_T个候选向量;H是n_R×n_T的信道矩阵，它的元素为独立同分布随机变量，有相同的分布状态，并且瑞利分布平均功率为1。

我们分析这种结构，接收向量元素被线性加权，以最小化总干扰（干扰加噪声）的影响。这种方法引出了MMSE V-BLAST（见参考文献［Hass00］）。在判决过程中，MMSE线性矩阵的加权操作会导致偏移（见参考文献［SpMa04］）。移除偏移，能够获得了更好的性能，这种方法被称为UMMSE（Unbiased MMSE）。提出的检测算法SP的性能与线性UMMSE和分级的UMMSE V-BLAST的性能进行了比较。仿真的MLD的性能也被作为基准。我们分析了使用线性UMMSE和分级UMMSE V-BLAST作为子集候选向量检测器的SP检测算法的应用。图7.9列出了在64-QAM调制的2×2系统中不同检测算法的SER和SNR（SNR=1/σ²ω）对比。我们发现UMMSE V-BLAST SP算法的性能和SER超过10^-2时的MLD相近。由于不同的坡度，对于低SER，UMMSE V-BLAST SP检测理论的性能偏离了MLD。

图7.9 不同检测算法的SERvs SNR（64-QAM调制，2×2系统）