差分酉空时协作系统的多符号裁减自动球形译码

第23卷第3期中国计量学院学报Vol. 23 No. 32012年9月Journal of China University of Metrologyep.2012【文章编号】1004-1540(2012)030309-06差分酉空时协作系统的多符号裁减自动球形译码陈婕,周小微,金小萍,韩新强,金宁(中国计量学院信息工程学院,浙江杭州310018)【摘要】鉴于差分协作系统中多符号差分检测( multiple-symbol differential detection,MsDD)算法计算复杂度高的缺点,引入裁减自动球形译码( pruning automation sphere detection,PASD)算法来降低差分酉空时协作系统的检测复杂度PASD算法是在球形译码的基础上,结合自动球形译码和裁减球形译码的思想而提出的.通过对扩展节点所消耗的复杂度和系统的误码率两方面来分析译码算法的性能仿真分析表明,在差分酉空时协作系统中,PASD箅法在误码性能几乎不变的情况下,复杂度曲线比球形译码( sphere detection,SD)算法收敛迅速其中在分组长度N=5、信噪比SNR=15dB的情况下,PASD、SD算法的扩展点数分别为14.138678.9505大大降低了系统的复杂度;同时,当SNR>16dB时,协作节点的增加有利于提高系统的误码性能,系统的复杂度性能并没有很大的损失关键词】多符号差分;差分酉空时;协作系统;裁减自动球形译码【中图分类号】TN914【文献标志码】AMultiple-symbol pruning automatic sphere detectors fordifferential unitary space-time cooperative systemsCHEn Jie, ZHOU Xiao-wei, JING Xiao-ping, HAN Xin-qiang, JIN Ning(College of Information Engineering. China Jiliang University, Hangzhou 310018, China)Abstract: In view of the deficiency of the high calculating complexity for the differential cooperative systems inmultiple-symbol differential detection algorithms, introduces a pruning automatic sphere decoding(PASD)algorithm to reduce the complexity of differential unitary space-time cooperative systems. The PASd algorithmwas proposed on the basis of the sphere detection that combines automatic sphere decoding (ASD)and pruningsphere decoding. The performance of the decoding algorithm through both the complexity of consumptionvisited nodes and BER was analysed. The simulation analysis shows that in the differential unitary space-timecooperative system, the BER performance of PASD algorithm is almost the same, while the complexity of thecurve converges more quickly than SD algorithm. While in the case of observe window size N was 5 and thegnal to noise ratio was 15 dB, the visited nodes of PAsD and SD algorithm is 14. 1386, 78. 9505respectively. It greatly reduces the complexity of the system. At the same time, when the SNR>16 dB, withthe increase of cooperative nodes, the BER performance of the system will be improgreat loss on the complexity performance of the systemKey words: multiple-symbol differential; diffeunitary space-time: cooperative system; pruningautomatic sphere decoding【收稿日期】2012-05-16【基金项目】国家自然科学基金资助项目(N60902011),浙江省自然科学基金资助项目(No.LQ12F01010)【作者简介】陈婕(1989-),女江西省高安人硕土研究生,主要研究方向为信号与信息处理310中国计量学院学报第23卷为了解决多输入多输出( multiple input mul-的问题,在差分协作系统中提出了PASD算法,tiple output,MMO)系统在实现空间分集效并且分析了当协作系统参数变化时对PASD算果时,终端设备由于体积、硬件复杂度和功耗等限法性能的影响.制的问题提出了一种新的空间分集技术——协注意:(·)、(·)、(·)H、Ⅰ分别表示转作技术23.在协作技术实现的过程中:一方面,发置、共轭、共轭转置和L×L维的单位矩阵,送信号的协作方式多样化,其中AF(amⅡ、Ap、dg(表示累加累积矩阵A的Fforward放大转发)相比于DF3( decode-forward译码转发)和C( coded-forward编码转发)协范数平方、对角矩阵作方式而言,复杂度低且易于实现;另一方面,对1系统模型式相比于传统的相干检测方式而言,避免了信考虑在AF协作方式下的差分酉空时协作系道估计这一难题从而降低了检测算法实现的复杂统,其系统模型如图1所示,其中S、R2、D分别表度,更适用于实际应用环境中然而也带来了3dB示源节点、第个协作节点、目的节点考虑在平的性能损失,为了缩小这个性能差距,提出了多符坦瑞利衰落信道下,无线网络有L+2个节点,其号差分检测技术81中一个源节点、一个目的节点和L个协作节点目前,MSDD算法最常见的有ML(maxi协作节点mum-likelihood最大似然)、SD( sphere-detection球形译码)8.9)、ASD( automatic sphere-detection自动球形译码)0和PASD( pruning automaticsphere-detection裁减自动球形译码).其中,多源节点H的节点符号ML算法对每条分支检测的操作造成了系统运行时高复杂度的问题,由此提出了多符号SD算法.SD算法大多是基于树形检测,检测方式多样化,包括深度优先和宽度优先。为主的检测图1差分酉空时协作系统模型方式.同时,在SD算法的基础上提出了ASD算Figure 1 System model of differential unitary space法10,减小了系统性能对球形半径的敏感性然time cooperative而ASD算法需要建立一个存储列表,并对列表中图1中源节点首先将LR个信息比特映射成最小的度量值进行扩展,为了减少ASD算法维护星座v,R表示为数据传输速率,这里设为1;v存储列表的压力,提出了PASD算法1.PASD算法在ASD算法的基础上加入裁减思想,通过设diag{t,t2,…,v}是L×L维矩阵.其中定裁减阈值来实时的裁减掉那些扩展概率较小的v表示在第t个时隙第个协作节点接收到的第节点,减少维护存储列表时节点比较次数,从而降k个酉空时(USTM)符号.低了系统的平均复杂度Uk=diage由此看出,PASD算法达到了算法性能与复由上述式子可知,v具有酉特性,即vvH杂度之间很好的折中效果.然而在差分协作系统L.M=24表示星座点数,可以看出随着协作节中,大多数是对ML和SD算法的性能以及度量点数目的增加,星座点数成指数型增加.然后对酉公式推导进行研究2,对PASD算法的研究依然空时信号进行差分处理( DUSTM)尚未涉及,因此本文通过将多符号PASD算法引入差分协作系统中来降低系统实现的复杂度.在其中,s4=diag{s1,s2,…,s},令s0=l1文中,首先对应用于差分协作系统中的ML算法进行差分酉空时调制后,协作通信分为两阶和SD算法进行研究分析.然后,针对ML算法高段执行.第一阶段:源节点将差分酉空时信号广播复杂度的缺点和SD算法检测时受球形半径限制至协作节点,其中f表示源节点至第i个协作节第3期陈婕,周小微,等:差分酉空时协作系统的多符号裁减自动球形译码311点;第二阶段:协作节点对接收的信号进行放大转收信号所有可能的分支度量值进行检测,其算法发至目的节点,为了便于分析,假设放大倍数G=保证了最优越的误码性能,但是同时扩展所有的1,其中g,表示第i个协作节点至目的节点之间分支节点,从而造成了大幅度降低系统的复杂度的信道增益,假设在准静态瑞利信道条件下,其元性能素都是独立同分布的圆对称高斯分布信道增益样值,则g;、f,都服从CN(0,1).为高斯白噪声,检测层树形层表示第k个 DUSTM符号的噪声样值,服从CN(0,1)最后,目的节点对接收的信号进行多符号差分处理.假设多符号差分检测的分组长度为N,k=2则目的节点存储N个接收信号后再进行译码解调处理.此时,接收信号可以表示为:X=sH+y(3)图2L=1,N=4时多符号差分ML检测搜索示意图其中Figure 2 Multiple-symbol differential ML search scheX=(X4,X-1,…,Xk-N+1);matic diagram when L, N is 1, 4 respectively.s=diag{s,s4-1,…,54-N+1};H=(H4,H-1,…,H-N+1);为了简化多符号差分ML检测过程,协作节y=(y4,y4-1,…,业kN+1);点数目设定为L=1,此时星座点数M=21,则每根据AF协作方式可得:h=Ggf,则H个节点具有两条可能的扩展的分支。同样,随着(h1,h2,…,h),X=(x1,x,…,x;)在多协作节点个数的增大星座点数成指数型增长图符号差分检测系统中接收机接收N个符号来检2是L=1,N=4时多符号差分ML检测示意图,测出N-1个符号,本文多符号差分检测的判决可以看出检测过程中一共需扩展7个节点其中,度量公式采用如下形式):表示扩展的第i个节点;每条分支上的l1是利用(4)式得到的被扩展节点的判决度量值;n表示为argmIn22-(Ⅱ3)X|P树层,从上到下为0,1,…N-1k表示为检测层,从上到下为N,N-1,…,1。根据公式(4)可得每其中,。表示发送信号对应的星座点,表示检条分支的判决度量值计算公式为:(注:Ln∈{l1l2};la∈{lhn,l,la,la};l-∈{lm,lh2,lzn,测后估计输出的信号.判决度量公式中X值受接l22,l2a,lx2};即m,p,q,i{1,2,…,M})收路径数(即协作节点个数)的影响,同时,sm星座点选择的空间大小也会随着协作节点个数的增当k=3时,Ln=‖X,+3-5;+3X;2‖多;加而增大.可以看出,协作系统中协作节点个数直当k=2时,接影响着信号的检测估计性能.l=‖x+2-5+2X;+1‖}+‖x+3-5+23X+1‖+lm;当k=1时2多符号差分检测lm=‖x,+1-s+1X,‖}+‖x+2-5;+15;+2在协作系统中,随着协作点数的增加,信道数x,‖}+‖X+3-5+15+25+3X,‖}+l;目也相应的成倍增加.如果采用相干检测,则信道假设分组长度为N,协作节点数为L,则ML估计的工作量也会相应增大;如果采用多符号差算法的访问节点数为1+22+2+…+2N2分检测技术,不仅避免了信道估计,降低了检测复杂度,而且缩小了单符号差分检测与相干检测之2-1个。可以看出,在协作节点个数一样的间3dB的性能之差.多符号差分检测算法的种类情况下,随着分组长度的增加,访问节点数呈指数很多,都可以在树形结构的基础上实现型增长.然而,与ML算法相比,SD算法所消耗其中,ML算法作为最原始的检测算法,对接的复杂度得到有效的改善312中国计量学院学报第23卷本文通过引用MSD算法作为比较分析对一L=2裁减自动球形算法象,MSD是一种以宽度优先为主的检测方式,通L-,栽减自动球形算法L=4减自动球形算法过设定球形半径后,每层节点的分支度量值与之一L-5藏减自动球形算法比较,逐层删减掉大于球形半径的分支节点,直至k=2时,选取度量值最小的分支作为输出信号然而SD算法实现的复杂度受球形半径因素限10制,在低信噪比区域,复杂度改善不明显在传统MIMO系统中提出了一种新型球形算法—PASD算法1,融合了自动和裁减思想,不仅降低了系统的平均复杂度,而且减少了系统复杂度对球形半径设计的敏感度,本文通过引信噪比/dB用PASD算法,来达到降低协作系统复杂度的目图3PASD在不同协作节点个数下的误码率比较的PASD算法首先建立一个存储列表,用于存储 Figure3 Comparison of PASD error rate under dif-扩展节点的判决度量值;然后通过设定一个裁减ferent number of cooperative nodes阈值,实时的删除掉那些被扩展概率很小的节点;最后通过排序,选择路径值最小的节点作为扩展图4是在不同分组长度,L=3的情况下,节点,直至k=2时,选取度量值最小的分支作PASD算法与ML、SD算法性能比较图.可以看为输出信号.本文为了保证协作系统的性能,最出即便裁减概率p=0.99,在系统误码性能不好大似然节点不较早的被删除,n=1时不进行裁的情况下,PASD算法相比于ML、SD算法的误减操作,同时n=N-1最后一树层也不做裁减码性能损失也很小.当分组长度N=5、信噪比操作SNR=15dB时,PASD、SD算法性能差距最大3系统性能分析针对ML算法具有高复杂度的不足,以及SD算法的复杂度性能对球形半径的敏感性从而导致系统平均复杂度较高的缺点在差分酉空时协作要102系统中提出了多符号PASD算法.为了验证落10PASD算法的有效性,本文在差分酉空时调制、N=3,最大似然算法AF协作方式、准静态瑞利信道、信道频偏f=N=5最大似然算法一N=3.球形算法0.0075Hz并且PASD算法的裁减概率值1为口N=5,球形算N=3,裁减自动球形算法p=0.99的仿真环境下,从误码率和复杂度两方N=5裁减自动球形算法面来对PASD算法分析68101214161820信噪比/dB图3和图4对PASD、SD、ML三种算法的误图4三种算法在N=3,5时系统误码性能比较码率进行比较分析Figure 3 Comparison of three algorithms error rate其中,图3显示了协作参数对应用于协作系统henn is 3 or 5中的PASD算法性能的影响,可以看出在信噪比为16左右时,误码率曲线发生变化.假定SNR=16图5和图6对PASD、SD、ML三种算法的复为信噪比阈值,在小于信噪比阈值的范围内,协作杂度进行比较分析本文的复杂度主要是从扩张节点个数的增加对误码率性能的提高没有影响,节点的角度来分析系统多消耗的复杂度反而降低了系统误码性能;然而当信噪比大于信其中,图5显示了在分组长度为3的情况下噪比阈值时,系统的误码性能随着协作节点个数PASD算法在不同协作节点个数下扩展节点数的的增加而提高比较.从图中,可以清晰的看出随着节点数目的增第3期陈婕,周小微,等:差分酉空时协作系统的多符号裁减自动球形译码313加,系统的复杂度开销也相应增大,然而随着信噪相比,SD算法所消耗的复杂度随着信噪比的增加比的增大,他们之间的差距也越来越小.但是,由而相应减少,然而复杂度曲线收敛比较缓慢,从而于协作节点个数的增加,只是增大了星座点数的导致了系统的平均复杂度相应增大同样在分组空间大小,在相同分组长度情况下仿真,树形检测长度N=5、信噪比SNR=15dB的情况下,层数保持不变.因此,在高信噪比的情况下,达到PASD、SD算法的扩展点数分别为14.1386理想状态,每层只需扩展一个节点,此时协作节点78.9505,从而相应的降低了系统的复杂度个数的变化不会影响系统复杂度性能,所有的曲综上所述,当SNR>16dB时,协作节点的增线都最终回归于同一点加有利于提高系统的误码性能,然而系统的复杂度性能并没有很大的损失;同时,PASD算法的误L=1歲减自动球形算法L-2裁减自动球形算法码性能相比于SD,ML算法几乎没有损失,然而eL=3减自动球形算法-L=裁减自动球形算法系统的平均复杂度却得到了很好的改善效果一L-5.菠减自动球形算法岷担名4结语通过引用PASD算法来解决差分酉空时协作系统中多符号差分检测算法的高复杂度缺点同时,在误码性能和扩展节点所消耗的复杂度性能两方面对多符号ML、SD、PASD算法进行比较分析.仿真结果表明,当SNR>16dB时,随着协信噪比/dB作节点数目增加,系统的误码性能也相应的提图5PASD在不同协作节点个数下的复杂度比较高,然而对系统复杂度的影响很小;同时,PASDFigure5 Comparison of PASD complexity with different算法在误码性能几乎不变的情况下,复杂度曲图6显示了PASD,SD,ML三种算法在分组杂算法收敛迅速,降低了系统的平均复number of cooperative nodes长度3和5、L=3时扩张点数的比较.从图中,可【参考文献】以明显的看出ML算法消耗的复杂度最高,不随着信噪比的增加而改变,并且随着分组长度N的[1] FOSCHINI G J, GANS M J. On limits of wireless communications in a fading environment when using multiple an-增加,访问点数所增大的幅度也是最大.与MLtennas [J]. Wireless Personal Communications, 1998,6(3):311-335.N最大似然算法[2] SENDONARIS A, ERKIP E, AAZHANG B. User coop-一N=5最大似然算法eration diversity-part I: system description [JJ. IEEE★N=3.球形算法口N=5球形算法Transactions on Communications, 2003, 51(11):192一+N=3.裁减自动球形算法裁减自动球形算法1938乓担名喽…日…口[3] SENDONARIS A, ERKIP E, ZHANG B. User cooperation diversity-part I: implementation aspects and performance analysis [J]. IEEE Transactions on Communications2003,51(11):1939-1948.[4] LI W, HANZO L. The amplify-and-forward cooperativeuplink using multiple-symbol differential sphere detection[J]. IEEE Signal Processing Society, 2009, 16(10): 913-信噪比/dB916图6三种算法在不同分组长度下的复杂度比较[5] SWASDIO W, PIRAK C. A novel alamouti-coded decode-Figure 6 Comparison of three algorithms error rate withand-forward protocol for cooperative communications [C]//different observe window sizesTENcON 2010-2010 IEEE Region 10 Conference. Bangkok: King Mongkut's University, 2010: 2091-2095314中国计量学院学报第23卷[6] JING Y,JAFAKHNI H. Distributed differential space[10] KAREN S. Efficient maximum likelihood detection fortime coding for wireless relay networks [J]. IEEE Transac-communication over MIMO channels [D]. Cambridgetions on Communications, 2008, 56(7):1092-1100University of Cambridge Department of Engineering[7] ZHAO Q, LI H. Performance of differential modulation200with wireless relays in rayleigh fading channels[J.IEE[1]李颖魏急波裁减自动球形译码算法与性能分析[Communications Letters, 2005, 9(4):343-345通信学报,2007,28(5):49-54[8] LAMPE L, SCHOBER R, PAUL V, et al. Multiple-sym. [12] HANZO L, AKHTMAN Y, LI W. MIMO-OFDM forbol differential sphere decoding [J, IEEE Transactions onLTE, Wi-Fi and WIMAX [M. United Kingdom SouthCommunications,2005,53(12):1981-1985ampton: IEEE Press, 2010: 380-418[9] XIAO P J, YING G Y, NING J. Multiple-symbol[13] TAO C, CHINTHANANDA T. Bound-intersection de-sphere detection based on linear radius for differential unita-tection for multiple symbol differential unitary space timery space-time modulation systems []. International Journalmodulation [J]. IEEE Transactions on Communicationsof Digital Content Technology and Its Applications, 2011,52005,53(12):21142123(4):201-208.(上接第294页)lecular dynamics simulations of two-component fluids[J]【参考文献】Colloids and Surfaces A, 2002, 210(2): 199-222[13] WANG Z J, CHEN M, GUO Z Y. Analysis of transition[18] INZOLI I, KJELSTRUP S, BEDEAUX D, et al. Transstate theory for condensation [J]. Chinese Science Bullefer coefficients for the liquid-vapor interface of a two com-tin,2002,47(11):952-954ponent mixture[J]. Chemical Engineering Science, 2011[14]孙杰,何雅玲,李印实.温度对 Lennard-Jones流体凝结4533-4548.过程影响的研究[J]西安交通大学学报,2006,40(11)[19] RAPAPORT D C. The art of molecular dynamics simulation1250-1253.[M. Cambridge: Cambridge University Press, 1998:11-90.[15] HUI X, LIU C. Effects of surface wettability on bubbles[20] SEMIROMI D T, AZIMIAN A R. Molecular dynamicsin nanochannels[J]. Acta Physico-Chimica Sinica, 2009simulation of slab geometry and the effect of cut-off radius25(12):2537-2542[C]//Proceeding of the 13th Asian Congress of Fluid Me[16] MECKE M, WINKELMANN J, FISCHER IMolecularhanics. Bangladesh: [s. n. 1,2010:899-902dynamics simulation of the liquid-vapor interface: The Len[21] TEGELER C, SPAN R, WAGNER W. A new equationnard-Jones fluid[J]. Journal of Chemical Physics, 1997of state for Argon covering the fluid region for tempera-107(21):9264-9270[17] OLIVIER M L, ROLLIER J D, KJELSTRUP S. Equilib-1000MPa[I]. Journal of Physical and Chemical Referencerium properties and surface transfer coefficients from moData,l999,28(3):779850