【通信算法】NR中软解调LLR的计算

假设某一频点上的发送信号为$x$，该频点上的接收信号$\tilde{x}$可表示为

$$\tilde{x}=x+z$$

其中，$z$为高斯随机变量，均值为0，方差为${\sigma }^2$。

在已知发射符号$x$的条件下，接收符号$\tilde{x}$的条件概率密度函数为

$$p(\tilde{x}|x)=\frac{1}{\sqrt{2\pi {\sigma }^2}}\exp \left[-\frac{1}{2{\sigma }^2}|\tilde{x}-x{|}^2\right]$$

接收机的目的在于找出使得$p(x|\tilde{x})$最大的$x$（已知接收信号$\tilde{x}$，找出最有可能的发送信号$x$），该准则称为最大后验概率检测，即

$$\hat{x}=\underset{x}{\mathrm{argmax}}p(x|\tilde{x})$$

解调后第$l$个比特$b_l$的LLR公式为

$$LLR(b_l)=\ln \left(\frac{p(b_l=0|\tilde{x})}{p(b_l=1|\tilde{x})}\right)$$

若该LLR为正，则认为$b_l=0$，为负则认为$b_l=1$。由贝叶斯公式，有

$$p(b_l=0|\tilde{x})=\frac{p(\tilde{x}|b_l=0)p(b_l=0)}{p(\tilde{x})}$$

$$p(b_l=1|\tilde{x})=\frac{p(\tilde{x}|b_l=1)p(b_l=1)}{p(\tilde{x})}$$

由于各发送符号出现的概率相同（$p(b_l=0)=p(b_l=1)$），因此LLR公式可进一步表示为

$$LLR(b_l)=\ln \left(\frac{p(\tilde{x}|b_l=0)}{p(\tilde{x}|b_l=1)}\right)$$

下面以QPSK和16QAM为例对LLR公式进行推导。

QPSK

NR中给出的QPSK公式为

$$d(i)=\frac{1}{\sqrt{2}}\left[(1-2b(2i))+j(1-2b(2i+1))\right]$$

由此可得QPSK的bit映射规律为

b0	I	b1	Q
0	d	0	d
1	-d	1	-d

其中，$d=1/\sqrt{2}$为QPSK对应的归一化因子。

由QPSK的调制公式可知，$b_0$仅与实部有关，当$b_0=0$时，星座图实部为$d$，则均衡后信号的实部${\tilde{x}}_{re}$在$b_0=0$时的条件概率可以表示为

$$p({\tilde{x}}_{re}|b_0=0)=\frac{1}{\sqrt{2\pi {\sigma }^2}}\exp \left[-\frac{1}{2{\sigma }^2}|{\tilde{x}}_{re}-d{|}^2\right]$$

当$b_0=1$时，星座图实部为$-d$，则均衡后信号的实部${\tilde{x}}_{re}$在$b_0=1$时的条件概率可以表示为

$$p({\tilde{x}}_{re}|b_0=1)=\frac{1}{\sqrt{2\pi {\sigma }^2}}\exp [-\frac{1}{2{\sigma }^2}$$