V-Blast系统

系统模型

\quad 基于D-Blast系统，贝尔实验室提出了一种新的空间多路复用模式：V-Blast (Vertical-Blast)。该模式是一种简化的Blast系统，在贝尔实验室实现成功并在$\text{SNRs}=24-30\text{dB}$的室内信道条件下达到了$20-40\text{bps/Hz}$的频谱利用率。

\quad 上图为一个Blast系统的系统框图(图中M取4)，发端将一个单数据流分成$M$个子数据流，每一个子数据流经过编码调制后经过馈线传到相应的发射天线上，$1\times M$维度的发送天线同时同频（co-channel）将$M$个子数据流以$1/Tsym/sec$的符号速率发出，其中每一个发送天线中发送的都是普通的功率归一化到$1/M$的QAM信号，因此总发射功率保持为1。
\quad 接收方为$1\times N$维度的传统QAM接收机，也是同时同频接收来自$M$个发射天线的信号。为了分析方便假设信道为平坦衰落，信道系数为${\mathbf{H}}^{N\times M}$,其中$h_{ij}$表示从第$i$根发射天线到第$j$根发射天线的的复信道系数。通过训练序列可以完美估计信道系数，下文中对${\mathbf{H}}^{N\times M}$和其估计值不做区分。
\quad V-Blast系统和传统多址接入系统有一下区别：

1. 与码分或者其他扩频多址技术相比，Blast系统所利用的带宽只占符号速率的一小部分。
2. 与频分多址技术相比，Blast系统中每根天线的传输信号占用整个系统带宽。
3. 与时分多址技术相比，Blast系统中系统的整个带宽都被所有发射天线同时使用。

\quad 根据上面分析，事实上Blast系统的本质特征是：传输结构完全不对传输信号进行明确的正交化，而通过传播环境（多路径）来对同信道中叠加在一起的信号去相关。

信号检测

\quad 接下来分析V-Blast的信号检测，假设$\mathbf{a}=(a_1,a_2,\cdots ,a_M{)}^T$表示发送信号向量，则对应的接收$N$维向量可以表示为
$${\mathbf{r}}_1=\mathbf{H}\mathbf{a}+\mathbf{v}$$
其中$\mathbf{v}\sim \mathcal{C}\mathcal{N}(0,{\mathbf{I}}_N{\sigma }^2)$是噪声向量。
\quad 接收方需要通过接收信号${\mathbf{r}}_1$来恢复处发送信号$\mathbf{a}$:

1. Zero-forcing nulling
   \quad 通过计算一组权向量${\mathbf{w}}_i\in {\mathbb{C}}^{N\times 1},i=1,2,\cdots ,M$满足：
   $${\mathbf{w}}_i^T(\mathbf{H}{)}_j={\delta }_{ij}=\{\begin{array}{ll}0& ,i\ne j\\ 1& ,i=j\end{array}$$
   很显然${\mathbf{w}}_i$可以取${\mathbf{H}}^{+}$中第$i$列
   则发送的第$i$个数据流可以通过下面方法获取
   $$\begin{array}{rl}{y}_i=& {\mathbf{w}}_i^T{\mathbf{r}}_1\\ =& {\mathbf{w}}_i^T\mathbf{H}\mathbf{a}+{\mathbf{w}}_i^T\mathbf{v}\\ =& a_i+{\mathbf{w}}_i^T\mathbf{v}\end{array}$$
   第$i$个信号的信噪比就可以写成：
   $${\gamma }_i=\frac{|a_i{|}^2}{{\sigma }^2\Vert {\mathbf{w}}_i{\Vert }^2}$$
   最终可以解调出
   $${\hat{a}}_i=\mathcal{Q}(y_i)$$
   其中$\mathcal{Q}()$为QAM判决函数。
   需要说明的是ZF方法没有考虑噪声所以并不是最优的，可以使用MMSE来计算${\mathbf{w}}_i$。
2. Symbol cancellation with ZF nulling
   1中的线性方法是可行的然而非线性方案可以获得更加优越的性能，一个比较热门的方法是符号干扰消除法，顾名思义所有发送符号彼此之前可以视为干扰，当一个符号检测解调成功后将其从接收信号中剔除可以提高后面符号检测与解调的性能。定义检测顺序集合
   S ≡ { k 1 , k 2 , ⋯   , k M } \mathcal{S}\equiv\{k_1,k_2,\cdots,k_M\} S≡{k1​,k2​,⋯,kM​}
   其中$k_1-k_M$为$1-M$中互不相同的数。顺序确定算法如下：
   i n i t i a l i z a t i o n : i ← 1 G 1 = H + k 1 = a r g m i n j ∥ ( G 1 ) j ∥ 2 r e c u r s i o n : w k i = ( G i ) k i y k i = w k i T r i a ^ k i = Q ( y k i ) r i + 1 = r i − a ^ k i ( H ) k i G i + 1 = H k i + k i + 1 = a r g m i n j ∉ { k 1 , ⋯   , k i } ∥ ( G i + 1 ) j ∥ 2 i ← i + 1 \begin{aligned} ini&tialization:\\ &i\larr1\\ &\mathbf{G}_1=\mathbf{H}^+\\ &k1=\mathop {argmin }\limits_j \Vert(\mathbf{G}_1)_j\Vert^2\\ rec&ursion:\\ &\mathbf{w}_{k_i}=(\mathbf{G}_i)_{k_i}\\ &y_{k_i}=\mathbf{w}_{k_i}^T\mathbf{r}_i\\ &\hat{a}_{k_i}=\mathcal{Q}(y_{k_i})\\ &\mathbf{r}_{i+1}=\mathbf{r}_i-\hat{a}_{k_i}(\mathbf{H})_{k_i}\\ &\mathbf{G}_{i+1}=\mathbf{H}_{k_i}^+\\ &k_{i+1}=\mathop {argmin }\limits_{j\not\in\{k_1,\cdots,k_i\}} \Vert(\mathbf{G}_{i+1})_j\Vert^2\\ &i \larr i+1 \end{aligned} inirec​tialization:i←1G1​=H+k1=jargmin​∥(G1​)j​∥2ursion:wki​​=(Gi​)ki​​yki​​=wki​T​ri​a^ki​​=Q(yki​​)ri+1​=ri​−a^ki​​(H)ki​​Gi+1​=Hki​+​ki+1​=j​∈{k1​,⋯,ki​}argmin​∥(Gi+1​)j​∥2i←i+1​
   其中${\mathbf{H}}_{k_i}$表示$\mathbf{H}$中$k_1,k_2,\cdots ,k_i$列置零后的$\mathbf{H}$矩阵

\quad 上面算法的目的其实是为了尽可能提高每一检测的信噪比，原文中提到当${\mathbf{w}}_i$的范数随着需要正交向量的增多而增多，相应的信噪比会越来越小。与木桶效应相似，此处也应该最大化最小信噪比。当${\mathbf{w}}_i$需要和$\mathbf{H}$的$M-1$个列向量正交时是最差的情况，故先对这种情况下取最小范数${\mathbf{w}}_i$。而之前的线性ZF方法则相当于每次都是最差的情况。

参考文献

Wolniansky P W . V-BLAST: an architecture for realizing very high data rates over the rich-scattering wireless channel[J]. Proc IEEE Issse September, 1998.