隨著人們對移動互聯網、移動多媒體等寬帶數據業務的大量需求，需要一種能夠在有限的頻譜資源上實現更高傳輸速率和更大帶寬的通信系統。多輸入多輸出MIMO(Multiple-Input Multiple-Output)系統由于能有效地提高無線通信系統的頻譜利用率，因此成為下一代移動通信的核心技術之一。長期演進項目LTE(Long Term Evolution)[1]是3G通信技術的演進技術，LTE-A[2]引入了8發8收的天線配置，多天線技術在帶來空域處理的一些優勢的同時，還將會在接收端帶來空間干擾，信號處理也變得更為復雜。研究適合多天線配置的高效的MIMO檢測算法顯得尤為重要。

    最大似然檢測MLD(Maximum Likelihood Detection)[3]能夠達到最優檢測效果，但其復雜度隨發送天線數和調制階數呈指數增長，很難在實際中廣泛應用。球形譯碼SD(Sphere Decoder)檢測算法[4-5]是一種深度優先遍歷算法，它在降低平均計算復雜度的同時能夠達到最優檢測性能，但其復雜度會隨著不同的信道條件而變得不穩定。參考文獻[6]介紹了一種基于信道矩陣QR分解[7]的M分支樹搜索算法(QRD-M),該算法是一種廣度優先遍歷算法，其不需要對整個信號空間進行搜索，但可以在每一層選取適當的最大搜索分支數M，在保證合理復雜度的同時達到逼近ML檢測性能的效果。
    因此，本文提出一種基于QRD-M的多天線分組并行檢測算法，該算法首先根據列范數大小對信道矩陣進行排序，據此將多根(比如8根)發送天線分成兩組(每組4根發送天線),然后分別在每組組內并行采用靈活配置的QRD-M檢測算法，在降低了多天線信號檢測過高復雜度的同時，獲得了較好的系統性能。

    (2)基于前i層把保留的符號估計值再利用式(5)對i+1層的當前分支度量值進行計算,并得到i+1層的累積分支度量，進而與步驟(1)中類似，保留M個信號估計值。
   

    對于8×8天線配置的MIMO系統，采用BPSK和QPSK兩種調制方式時，在不同的M和Sm條件下，計算出搜索的總分支數如表1和表2所示。

3.2 性能仿真與分析
    為了進一步驗證算法的有效性，現對所提出的算法進行計算機仿真，并與傳統算法進行對比。仿真假設無信道編碼且為理想的信道估計，設置仿真條件為：采用V-BLAST傳輸機制，BPSK和QPSK兩種調制方式；發射天線數NT=8，接收天線數NR=8；每對收發天線間假設為平坦瑞利衰落信道。
    圖5和圖6分別為BPSK(取M=2)和QPSK(取M=4)兩種調制方式下，傳統QRD-M檢測算法與本文算法(Sm=1,Sm=2,Sm=3,Sm=4)的檢測性能比較?？梢钥闯?，當Sm=1時，本文算法與傳統算法性能相當，這是因為本文算法在Sm=1時，信號樹每層仍只保留M=2(BPSK)和M=4(QPSK)個分支，其需要計算的總分支數與傳統算法相同，因此性能無明顯改善；當Sm=2時，本文算法在達到誤碼率為10-4時，BPSK調制方式下與傳統算法相比有大約3 dB的增益，QPSK方式下大約有2 dB的增益，然而根據表1，BPSK方式下其所需計算的總分支數僅僅比傳統方案多4個，QPSK方式下比傳統方案多24個；當Sm=3時，本文算法的檢測性能較傳統算法有了更大的改進，BPSK方式下其所需計算的分支數比傳統方案多16個，QPSK方式下比傳統方案多136個；當Sm=4時，本文算法的檢測性能基本達到飽和效果，較Sm=3時有略微的改進。

    因此根據性能需要以及復雜度的折衷，可靈活配置Sm的大小。例如，采用BPSK調制方式時，宜采用Sm=2和Sm=3兩種檢測方案；采用QPSK調制方式時，則采用Sm=2的檢測方案更為適宜。
    本文針對未來移動通信系統中多天線處理復雜度過高的問題，提出了一種基于QRD-M的多天線分組并行檢測算法。該方法首先將發送天線按照列范數大小分成兩組，組內并行采用改進的QRD-M算法，靈活配置第一級ML檢測的序列長度來實現性能需要和復雜度的折衷。本文分析比較了所提算法與傳統算法的復雜度，通過計算機仿真證明了在相近的復雜度下本文算法能夠獲得更好的檢測性能。
參考文獻
[1] Li Qinghua, Li Guangjie, Lee Wookbong, et al. MIMO techniques in WiMAX and LTE:a feature overview[J].IEEE Communications Magazine,2010,48(5):86-92.
[2] ZHANG C,ARIYAVISITAKUL S L. LTE-advanced and 4G wireless communications[J]. IEEE Communication  Networking & Broadcasting.2012,50(2):102-103.
[3] 王東明.無線MIMO系統中迭代檢測與信道估計技術研究[D]. 南京：東南大學,2006.
[4] VITERBO E, BOUTROUS J. A universal lattice code decoder for fading channels[J]. IEEE Transactions on Information Theory, 1999,45(5):1639-1642.
[5] DAMEN M O, GAMAL H E I, CAIRE G. On maximumlikelihood detection and the search for the closest lattice Point[J].IEEE Transactions on Information Theory, 2003,49(10):2389-2402.
[6] KIM K J, Yue Jiang,ILTIS R A,et al. A QRD-M/Kalman Filter-based Detection and Channel Estimation Algorithm  for MIMO-OFDM Systems[J]. IEEE Transactions on Wireless Communications, 2005,4(2):710-721.
[7] 陳亮，李建東，陳東. 改進的基于QR分解的分層空時檢測算法[J].電子與信息學報, 2010,32(6): 1505-1509.
[8] WOLNIANSKY P W,FOSCHINI G J，GOLDEN G D, et al. V-BLAST：An architecture for realizing very high data rates over the rich-scattering wireless channel[C]. 1998 International Symposium on Signals Systems and Electronics. Pisa, Italy: [s. n.], 1998：295-300．
[9] 張賢達. 矩陣分析與應用[M]. 北京：清華大學出版社,2004.
[10] 李瑋, 程時昕, 陳明. MIMO通信系統中QRD-M檢測算法的改進[J]. 電子與信息學報, 2008,30(8):1828-1831.