초록
Adaptive K-best 검출 방식은 MIMO system을 위해 제안된 알고리즘이다. 제안된 방식은 각 K-best 단계에서 Zero-Forcing(ZF) 추정치의 신뢰도의 정도를 기반으로 하여, 생존 path들의 개수인 K값을 바꾸는 방식이다. 고정된 K값을 사용하는 K-best 방식의 치명적인 단점은 잘못된 ZF 추정치에 의해 발생하는 불완전한 간섭 제거로 인해 올바른 path임에도 일시적으로 그 거리가 K개의 최소 path 거리들 보다 더 커질 수 있다. 잘못된 ZF 추정치가 발생된 경우에는, path들 간의 거리들이 뚜렷하게 다르지 않다는 것을 관찰을 통해 발견하였다. 본 논문에서는 ZF 추정치의 신뢰도를 나타내는 지표로, 최소값을 갖는 path의 거리와 두 번째 최소값을 가지는 path 거리의 비를 사용한다. 최소값을 가지는 두 path의 거리의 비를 근거로, K값을 적절하게 선택하는 제안된 방식은 기존의 고정된 K값을 사용하는 K-best 방식에 비해, 확연히 개선되었음을 보여준다. 제안된 방식은, 큰 K값을 사용하는 방식에 비해 평균 계산양은 매우 작으면서, 큰 K값을 사용한 방식의 성능을 가진다.
An adaptive K-best detection scheme is proposed for MIMO systems. The proposed scheme changes the number of survivor paths, K based on the degree of the reliability of Zero-Forcing (ZF) estimates at each K-best step. The critical drawback of the fixed K-best detection is that the correct path's metric may be temporarily larger than K minimum paths metrics due to imperfect interference cancellation by the incorrect ZF estimates. Based on the observation that there are insignificant differences among path metrics (ML distances) when the ZF estimates are incorrect, we use the ratio of the minimum ML distance to the second minimum as a reliability indicator for the ZF estimates. So, we adaptively select the value of K according to the ML distance ratio. It is shown that the proposed scheme achieves the significant improvement over the conventional fixed K-best scheme. The proposed scheme effectively achieves the performance of large K-best system while maintaining the overall average computation complexity much smaller than that of large K system.
