MIMO detection using soft heuristics

Abstract

Im Zuge dieser Masterarbeit wird eine recheneffiziente Approximation für den ML Detektor in einem System mit mehreren Sende- und Empfangsantennen entwickelt. Der Detektor eignet sich für alle quadratischen Modulationskonstellationen, arbeitet auf Bit-Ebene und besitzt eine dreistufige Grundstruktur. Die erste Stufe detektiert einige Bits der ML Lösung auf sehr effiziente Weise. In der zweiten Stufe werden Erwartungswerte, sog. soft values, für die noch unbestimmten Bits generiert. Für die dritte, nicht mehr optimal Stufe, werden zwei heuristische Algorithmen, die vor allem in der Informatik Verwendung finden, für das MIMO Detektionsproblem adaptiert. Der sog.<br />Sensitivity-Driven Heuristic Algorithm ist eine erweiterte Version des Greedy Algorithmus der einerseits auf den Umgang mit soft values abgeänderte wurde, andererseites bei der Reihenfolge in der die Bits detektiert werden, einem Zuverlässigkeitskriteium folgt.<br />Der zweite, komplexere suboptimale Detektor ist eine Kombination aus einem Genetischen Algorithmus und Lokaler Suche der die soft values zum Generieren der Startlösungen verwendet. Durchgeführte Simulationen zeigen die sehr niedere Bitfehlerrate der entwickelten Detektoren bei zugleich geringer Komplexität für die Modulationskonstellationen BPSK und 4-QAM auf.<br />

In this Masters thesis a computationally efficient approximations of the maximum likelihood (ML) detector for square modulation constellations in multiple-input multiple-output (MIMO) systems is developed. The proposed detector works on bit level and has three stage. The first stage detects some bits in a very efficient way.<br />In the second stage, soft values are generated for the still undetermined bits. For the modelling of the undetermined bits both, a uniform and a normal distribution is considered. In the third, suboptimum stage two different heuristic algorithms from computer science are adopted to the MIMO detection problem. The sensitivity-driven heuristic algorithm is a modified version of the greedy algorithm taking into account soft values and a reliable bit setting order. The second, more sophisticated version of the suboptimum detection stage is a genetic algorithm combined with local search that makes use of the soft values for the generation of the starting set.<br />Simulation results show the very good BER of the proposed low-complexity detector for BPSK and 4-QAM modulation constellations.