Abstract
Maximum Likelihood (ML) detection is well known to exhibit better bit-error-rate (BER) than many other detectors for multiple-input multiple-output (MIMO) channel. However, ML detection has been shown a difficult problem due to its NP-hard problem. It means that there is no known algorithm which can find the optimal solution in polynomial-time. In this paper, Semi-Definite relaxation (SDR) is iteratively applied to ML detection problem. The probability distribution can be obtained by survival eigenvector out of the dominant eigenvalue term of the optimal solution. The probability distribution which is yielded by SDR is recurred to the received signal. Our approach can reach to nearly ML performance.
MIMO 시스템에서 ML 검출 기법은 많은 다른 검출기들보다 우수한 성능을 보인다. 그러나 ML 검출기법은 NP-hard 문제로 인해 실제 시스템에서 사용하기 어려운 단점을 가지고 있다. 이것은 polynomial-time 안에 최적의 해 (optimal solution)를 찾을 수 없음을 의미한다. 본 논문에서는 ML problem을 적용한 SDR (Semi-Definite Relaxation)에 궤환기법을 통한 검출 알고리즘을 제안한다. 이는 SDR에 의해 구한 최적의 해를 spectral decomposition을 이용해 우세한 eigenvector를 찾아 송신 신호의 확률 분포를 구하고, 이를 수신 신호에 궤환 시킨다. 이는 또 다른 ML problem으로써 다시 SDR를 통해 최적의 해를 구하고 우세한 eigenvector에 해당하는 송신 신호 확률을 구한다. 이 확률은 ML problem에 해당하는 최적의 값으로 추정 송신 신호를 검출할 수 있다. 이러한 기법을 통해 최적 성능을 갖는 ML 검출 기법의 성능에 보다 더 가깝게 접근하였다.