随着人们对移动互联网、移动多媒体等宽带数据业务的大量需求，需要一种能够在有限的频谱资源上实现更高传输速率和更大带宽的通信系统。多输入多输出MIMO(Multiple-Input Multiple-Output)系统由于能有效地提高无线通信系统的频谱利用率，因此成为下一代移动通信的核心技术之一。长期演进项目LTE(Long Term Evolution)[1]是3G通信技术的演进技术，LTE-A[2]引入了8发8收的天线配置，多天线技术在带来空域处理的一些优势的同时，还将会在接收端带来空间干扰，信号处理也变得更为复杂。研究适合多天线配置的高效的MIMO检测算法显得尤为重要。

最大似然检测MLD(Maximum Likelihood Detection)[3]能够达到最优检测效果，但其复杂度随发送天线数和调制阶数呈指数增长，很难在实际中广泛应用。球形译码SD(Sphere Decoder)检测算法[4-5]是一种深度优先遍历算法，它在降低平均计算复杂度的同时能够达到最优检测性能，但其复杂度会随着不同的信道条件而变得不稳定。参考文献[6]介绍了一种基于信道矩阵QR分解[7]的M分支树搜索算法(QRD-M),该算法是一种广度优先遍历算法，其不需要对整个信号空间进行搜索，但可以在每一层选取适当的最大搜索分支数M，在保证合理复杂度的同时达到逼近ML检测性能的效果。
因此，本文提出一种基于QRD-M的多天线分组并行检测算法，该算法首先根据列范数大小对信道矩阵进行排序，据此将多根(比如8根)发送天线分成两组(每组4根发送天线),然后分别在每组组内并行采用灵活配置的QRD-M检测算法，在降低了多天线信号检测过高复杂度的同时，获得了较好的系统性能。

(2)基于前i层把保留的符号估计值再利用式(5)对i+1层的当前分支度量值进行计算,并得到i+1层的累积分支度量，进而与步骤(1)中类似，保留M个信号估计值。

对于8×8天线配置的MIMO系统，采用BPSK和QPSK两种调制方式时，在不同的M和Sm条件下，计算出搜索的总分支数如表1和表2所示。

3.2 性能仿真与分析
为了进一步验证算法的有效性，现对所提出的算法进行计算机仿真，并与传统算法进行对比。仿真假设无信道编码且为理想的信道估计，设置仿真条件为：采用V-BLAST传输机制，BPSK和QPSK两种调制方式；发射天线数NT=8，接收天线数NR=8；每对收发天线间假设为平坦瑞利衰落信道。
图5和图6分别为BPSK(取M=2)和QPSK(取M=4)两种调制方式下，传统QRD-M检测算法与本文算法(Sm=1,Sm=2,Sm=3,Sm=4)的检测性能比较。可以看出，当Sm=1时，本文算法与传统算法性能相当，这是因为本文算法在Sm=1时，信号树每层仍只保留M=2(BPSK)和M=4(QPSK)个分支，其需要计算的总分支数与传统算法相同，因此性能无明显改善；当Sm=2时，本文算法在达到误码率为10-4时，BPSK调制方式下与传统算法相比有大约3 dB的增益，QPSK方式下大约有2 dB的增益，然而根据表1，BPSK方式下其所需计算的总分支数仅仅比传统方案多4个，QPSK方式下比传统方案多24个；当Sm=3时，本文算法的检测性能较传统算法有了更大的改进，BPSK方式下其所需计算的分支数比传统方案多16个，QPSK方式下比传统方案多136个；当Sm=4时，本文算法的检测性能基本达到饱和效果，较Sm=3时有略微的改进。

因此根据性能需要以及复杂度的折衷，可灵活配置Sm的大小。例如，采用BPSK调制方式时，宜采用Sm=2和Sm=3两种检测方案；采用QPSK调制方式时，则采用Sm=2的检测方案更为适宜。
本文针对未来移动通信系统中多天线处理复杂度过高的问题，提出了一种基于QRD-M的多天线分组并行检测算法。该方法首先将发送天线按照列范数大小分成两组，组内并行采用改进的QRD-M算法，灵活配置第一级ML检测的序列长度来实现性能需要和复杂度的折衷。本文分析比较了所提算法与传统算法的复杂度，通过计算机仿真证明了在相近的复杂度下本文算法能够获得更好的检测性能。
参考文献
[1] Li Qinghua, Li Guangjie, Lee Wookbong, et al. MIMO techniques in WiMAX and LTE:a feature overview[J].IEEE Communications Magazine,2010,48(5):86-92.
[2] ZHANG C,ARIYAVISITAKUL S L. LTE-advanced and 4G wireless communications[J]. IEEE Communication Networking & Broadcasting.2012,50(2):102-103.
[3] 王东明.无线MIMO系统中迭代检测与信道估计技术研究[D]. 南京：东南大学,2006.
[4] VITERBO E, BOUTROUS J. A universal lattice code decoder for fading channels[J]. IEEE Transactions on Information Theory, 1999,45(5):1639-1642.
[5] DAMEN M O, GAMAL H E I, CAIRE G. On maximumlikelihood detection and the search for the closest lattice Point[J].IEEE Transactions on Information Theory, 2003,49(10):2389-2402.
[6] KIM K J, Yue Jiang,ILTIS R A,et al. A QRD-M/Kalman Filter-based Detection and Channel Estimation Algorithm for MIMO-OFDM Systems[J]. IEEE Transactions on Wireless Communications, 2005,4(2):710-721.
[7] 陈亮，李建东，陈东. 改进的基于QR分解的分层空时检测算法[J].电子与信息学报, 2010,32(6): 1505-1509.
[8] WOLNIANSKY P W,FOSCHINI G J，GOLDEN G D, et al. V-BLAST：An architecture for realizing very high data rates over the rich-scattering wireless channel[C]. 1998 International Symposium on Signals Systems and Electronics. Pisa, Italy: [s. n.], 1998：295-300．
[9] 张贤达. 矩阵分析与应用[M]. 北京：清华大学出版社,2004.
[10] 李玮, 程时昕, 陈明. MIMO通信系统中QRD-M检测算法的改进[J]. 电子与信息学报, 2008,30(8):1828-1831.