软解调-软判决

软解调-软判决

省流

• 简单来说，软判决是对应每一位比特来说的。每一位比特的对数似然比（LLR）就是软判决值。通过LLR值与0比较，得到对应比特位是bit 0还是bit 1。
• 每一位比特LLR的计算可以通过一系列计算简化为，星座图上欧式距离的差。

本文是针对MIMO-OFDM无线通信技术及MATLAB实现的第11.7节中的内容解读。
如有不对之处，烦请各位指出。

什么是对数似然比（LLR）？

---

• 首先是，通俗来说，似然（likelihood）：当我们在一个条件下，发生一种情况的概率有多大，也就是可能性。
  那么似然比就是两个概率之比，对数似然比也自然就是去一个自然对数了。
  $$L\left(b_i\right)=\ln \left(\frac{P\left(b_i=1\mid r\right)}{P\left(b_i=0\mid r\right)}\right)\text{\hspace{1em}(1)}$$
• 公式（1）中，我们假设当接收信号为 r 时，发送信号的这一位是0还是1。如果$L\left(b_i\right)>0$则发射为1，如果$L\left(b_i\right)<0$则发射为0。

软解调是干嘛的？

1. 对于一个SISO系统
   $x$ 为发射信号（已经调制），$\tilde{x}$为经过信道均衡后的信号。
   $$\tilde{x}=\frac{y}{h}=x+\frac{z}{h}=x+\tilde{z}\text{\hspace{1em}(2)}$$
   $\tilde{z}$为高斯噪声。

本文中假设$x$是利用16-QAM进行调制的，**那么我们现在要做的就是从16-QAM中找到与$\tilde{x}$最近的星座点，以此来实现解调。

2. 16QAM星座图如下：

怎么实现软解调？

1. 假设$S_1^{+}=-3+3j,-1+3j,1+3j,3+3j,-3+j,-1+j,1+j,3+j$表示第一位为0的符号集。$S_1^{-}=-3-3j,-1-3j,1-3j,3-3j,-3-j,-1-j,1-j,3-j$表示第一位为1的符号集。
2. 计算每个比特位的LLR，假设每个符号出现概率相等，经过一系列化简推导（后续更新）可以得到LLR表示为两个欧氏距离的差值。
   $$\mathrm{LLR}\left(b_1\right)\approx {\left|\tilde{x}-x_{1,\mathrm{opt}}^{-}\right|}^2-{\left|\tilde{x}-x_{1,\mathrm{opt}}^{+}\right|}^2\text{\hspace{1em}(3)}$$
   $\tilde{x}$表示经过信道均衡后的信号（上文中有），$x_{1,\mathrm{opt}}^{-}$表示与$\tilde{x}$欧式距离最近的$S_1^{-}$中的符号。$x_{1,\mathrm{opt}}^{+}$表示与$\tilde{x}$欧式距离最近的$S_1^{+}$中的符号。
   下图给出了计算16QAM星座每一位LLR的示意图。（后面的公式实际上就是在计算式（3））
   
   $$\begin{array}{rl}& \mathrm{LLR}(b1)=\{\begin{array}{ll}{\left({\tilde{x}}_{\mathrm{I}}-3\right)}^2-{\left({\tilde{x}}_{\mathrm{I}}-(-1)\right)}^2=-8{\tilde{x}}_{\mathrm{I}}+8,& 2\le {\tilde{x}}_{\mathrm{I}}\\ {\left({\tilde{x}}_{\mathrm{I}}-1\right)}^2-{\left({\tilde{x}}_{\mathrm{I}}-(-1)\right)}^2=-4{\tilde{x}}_{\mathrm{I}},& 0\le {\tilde{x}}_{\mathrm{I}}<2\\ {\left({\tilde{x}}_{\mathrm{I}}-1\right)}^2-{\left({\tilde{x}}_{\mathrm{I}}-(-1)\right)}^2=-4{\tilde{x}}_{\mathrm{I}},& -2\le {\tilde{x}}_{\mathrm{I}}<0\\ {\left({\tilde{x}}_{\mathrm{I}}-1\right)}^2-{\left({\tilde{x}}_{\mathrm{I}}-(-3)\right)}^2=-8{\tilde{x}}_{\mathrm{I}}-8,& {\tilde{x}}_{\mathrm{I}}<-2\end{array}\\ & \mathrm{LLR}(b2)=\{\begin{array}{ll}{\left({\tilde{x}}_{\mathrm{I}}-3\right)}^2-{\left({\tilde{x}}_{\mathrm{I}}-1\right)}^2=-4{\tilde{x}}_{\mathrm{I}}+8,& 2\le {\tilde{x}}_{\mathrm{I}}\\ {\left({\tilde{x}}_{\mathrm{I}}-3\right)}^2-{\left({\tilde{x}}_{\mathrm{I}}-1\right)}^2=-4{\tilde{x}}_{\mathrm{I}}+8,& 0\le {\tilde{x}}_{\mathrm{I}}<2\\ {\left({\tilde{x}}_{\mathrm{I}}-(-3)\right)}^2-{\left({\tilde{x}}_{\mathrm{I}}-(-1)\right)}^2=4{\tilde{x}}_{\mathrm{I}}+8,& -2\le {\tilde{x}}_{\mathrm{I}}<0\\ {\left({\tilde{x}}_{\mathrm{I}}-(-3)\right)}^2-{\left({\tilde{x}}_{\mathrm{I}}-(-1)\right)}^2=4{\tilde{x}}_{\mathrm{I}}+8,& {\tilde{x}}_{\mathrm{I}}<-2\end{array}\\ & \mathrm{LLR}(b3)=\{\begin{array}{ll}{\left({\tilde{x}}_{\mathrm{R}}-(-1)\right)}^2-{\left({\tilde{x}}_{\mathrm{R}}-3\right)}^2=8{\tilde{x}}_{\mathrm{R}}-8,& 2\le {\tilde{x}}_{\mathrm{R}}\\ {\left({\tilde{x}}_{\mathrm{R}}-(-1)\right)}^2-{\left({\tilde{x}}_{\mathrm{R}}-1\right)}^2=4{\tilde{x}}_{\mathrm{R}},& 0\le {\tilde{x}}_{\mathrm{R}}<2\\ {\left({\tilde{x}}_{\mathrm{R}}-(-1)\right)}^2-{\left({\tilde{x}}_{\mathrm{R}}-1\right)}^2=4{\tilde{x}}_{\mathrm{R}},& -2\le {\tilde{x}}_{\mathrm{R}}<0\\ {\left({\tilde{x}}_{\mathrm{R}}-(-3)\right)}^2-{\left({\tilde{x}}_{\mathrm{R}}-1\right)}^2=8{\tilde{x}}_{\mathrm{R}}+8,& {\tilde{x}}_{\mathrm{R}}<-2\end{array}\\ & \mathrm{LLR}(b4)=\{\begin{array}{ll}{\left({\tilde{x}}_{\mathrm{R}}-3\right)}^2-{\left({\tilde{x}}_{\mathrm{R}}-1\right)}^2=-4{\tilde{x}}_{\mathrm{R}}+8,& 2\le {\tilde{x}}_{\mathrm{R}}\\ {\left({\tilde{x}}_{\mathrm{R}}-3\right)}^2-{\left({\tilde{x}}_{\mathrm{R}}-1\right)}^2=-4{\tilde{x}}_{\mathrm{R}}+8,& 0\le {\tilde{x}}_{\mathrm{R}}<2\\ {\left({\tilde{x}}_{\mathrm{R}}-(-3)\right)}^2-{\left({\tilde{x}}_{\mathrm{R}}-(-1)\right)}^2=4{\tilde{x}}_{\mathrm{R}}+8,& -2\le {\tilde{x}}_{\mathrm{R}}<0\\ {\left({\tilde{x}}_{\mathrm{R}}-(-3)\right)}^2-{\left({\tilde{x}}_{\mathrm{R}}-(-1)\right)}^2=4{\tilde{x}}_{\mathrm{R}}+8,& {\tilde{x}}_{\mathrm{R}}<-2\end{array}\end{array}$$
3. 通过第二步的计算，下图给出了16QAM星座图四个比特LLR的示意图。
   
4. 后续软判决输出比特**(还未弄清楚)**，可以参考文章1中的matlab代码。

软解调为什么可以实现性能增益？

• 软判决是一个系统的概念，不能从软判决模块的输出直接获得性能的比较，而是要经过信道解码后的输出，才能显示出性能的差异性，所以需要放在一个较完整的系统中予以评价其性能的优劣。
• 软判决所携带的比特似然比信息是给后级信道解码所利用的，要是没有后续的模块，则软判决不会带来任何性能增益。差异性体现在BER性能以及BLER性能，这是由于软判决的准确性不是体现在其符号的正负，而是体现在其幅度是否能真实反映接收信号为比特1或是比特0的概率大小，进而被信道译码所利用。

硬解调是什么？

我感觉解释的很好的是，最近写的代码里就是这么做的：
硬解调其实是把解调+硬判决的工作一起做了。简单的通过设置阈值来判断输出，以二进制来说的话，一般大于0的判1，小于0的判0。
具体参考文章5。

参考文献

1、https://www.zhihu.com/question/22019466/answer/1967818641
2、MIMO-OFDM无线通信技术及MATLAB实现
3、https://zhuanlan.zhihu.com/p/615787267
4、https://blog.csdn.net/pgone1/article/details/124469107
5、https://blog.csdn.net/ddatalent/article/details/129692524