0 引言

随着通信技术不断发展，人们对无线通信系统的信息传输速率和服务质量要求越来越高。为了满足需求，必须采取有效措施来提高系统的频谱利用率和可靠性。研究表明，多输入多输出(Multi-Input Multi-Output，MIMO)技术通过增加发送与接收信号的天线数量，可以在不增加系统带宽与发射功率的前提下有效提高系统容量和数据传输速率。但随着天线数的增加，MIMO技术也存在弊端：一方面发送天线之间要求同步，极大地增加了硬件实现难度和成本；另一方面所有发送天线同时传输同频信号，将导致各天线之间存在极强的信道干扰。针对以上缺陷，2006年MESLEH R与HAAS H在文献[1]中提出了一种新的多天线传输技术——空间调制(Spatial Modulation，SM)方案，该技术具有单射频特性，天线间干扰程度低，接收端的信号处理较为简单，正逐渐成为MIMO传输技术研究的热点之一。

文献[1]和文献[2]中阐述了SM方案的核心思想，任一发送时刻只有一根发射天线处于激活状态，其余发射天线处于静默状态，发送的比特信息一部分映射到星座调制图上，其余比特信息映射到天线索引号构成的空间维上。因此，SM方案有效避免了信道间干扰和多天线发射同步难问题，但存在以下不足：首先，文献[1]和文献[2]中的调制技术都是通过单层调制模式将比特信息均匀地映射在MPSK/MQAM星座图上。这些星座图中的信号点等间隔等概率分布，从容量优化的角度来看这种模式并不是最优的，一定程度地限制了SM系统性能^[3]；同时在高速率系统中，系统译码复杂度是一个重要的考虑因素。文献[4]和文献[5]中的传统SM系统采用2^M进制非线性比特符号调制，然后通过最大似然算法(Maximum Likelihood，ML)进行信号检测，系统译码复杂度为o(2^MN_r)，随着M的增加，复杂度呈指数递增。因此，高阶调制方案很难用于高速率传输的MIMO系统。

针对以上存在的不足，本文在传统SM系统星座点映射上采用分层编码调制(Superposition Coded Modulation，SCM)技术，称为基于分层编码的空间调制（SCM-SM）系统，它极大地简化了可用码字的构成，且编码过程是线性的，接收端的译码复杂度也会相对降低，在准静态瑞利衰落信道中有效地均衡SM系统的有效性和可靠性。

传统SM系统采用ML算法、最大比合并算法(Maximum Ratio Combining，MRC)以及球形译码算法(Sphere Decoding，SD)等进行信号检测。ML通过遍历所有码本，它以牺牲系统复杂度换取了较低误比特率性能(Bit-Error-Rate，BER)，而复杂度相对低的MRC和SD算法性能略低于ML。为了更好地均衡系统的复杂度与性能，本文在SCM-SM系统下，提出了一种低复杂度的检测算法，连续干扰消除检测，能较好地恢复出星座域和空间域的比特信息。该算法的复杂度主要取决于编码层数，当层数为L时，系统译码复杂度随着L呈线性增加。因此，分层编码调制方案适合于高速率传输的大规模MIMO系统。

1 分层编码调制与系统模型

1.1 分层编码调制原理

无线通信系统中，语音、图像以及视频等业务对服务质量(Quality of Service，QoS)的要求各不相同。传统MIMO系统引入混合自动重转机制(Hybrid Automatic Repeat request，HARQ)和前向纠错码技术(Forward Error Correction，FEC)来保证不同用户QoS要求，但这些方案都需要系统提供额外的容量开销。文献[6]的LTE-A(Long Term Evolution-Advanced)系统中，作者通过SCM技术保证不同用户的QoS。同时，传统SM系统每次通过激活一根天线来传输信息，一定程度上浪费了系统资源。因此，本文将传统SM系统与SCM技术结合，得到SCM-SM系统。一方面很好地满足了不同业务的不同服务质量要求，另一方面充分利用了MIMO的系统资源。

SCM其核心思想是将不同QoS要求的比特信息进行分层，QoS要求高或者优先级高的比特信息在上层进行独立编码调制，QoS要求低或者优先级低的信息在低层进行独立编码调制。图1为两层编码调制的星座点图(4/16QAM)，通过两层QPSK进行独立编码调制后线性叠加，相当于16QAM星座图。

如图1所示，待发送的比特信息通过分离器将QoS要求高的业务数据分离到第一层进行独立编码，映射到图中黑色点(QPSK星座点)上；QoS要求低的数据分离到第二层进行独立编码，也映射到对应的QPSK星座点上。最后通过加权叠加后调制到4/16QAM对应的白色星座点上。

1.2 系统模型

本文设计了一个包含N_t根发送天线、N_r根接收天线、N_a根激活天线的SCM-SM系统模型，发送端系统框图如图2所示。首先发送比特信息分为两个部分，即星座点调制和天线索引调制。天线索引调制部分与传统空间调制方案相同，用于选择发送时刻的激活天线索引号。而星座点调制部分与文献[2]和文献[3]的方案不同，本设计将其与SCM技术结合，使系统性能达到最佳。

由图2可知，星座点调制部分采用SCM技术，将调制的比特通过串并转换，得到L路比特信息。其中，每一路相当于一个调制层，每一层的信息通过相同编码器(Turbo编码/卷积编码)编码，输出序列为c_i，c_i经过交织器后得到b_i，且每一层交织方式不同，目的是得到相互独立的编码比特。最后，b_i通过相应调制方式(QPSK/QAM)进行星座图调制，得到调制符号x_i。发射的信息x^j由各层调制符号加权后线性叠加。

式中，L表示层数，J为每层调制符号长度，x_i是调制后的向量，ρ_i是第i层加权系数。ρ_i取值不同将会产生不同整形与性能的星座图，从而系统性能也大不相同。根据文献[4]中蜂窝系统加权因子的参数设计，此处设计的MIMO系统各层加权因子ρ_l如式(2)所示：

最后，x_j通过激活天线n_t发送到无线信道中。假设系统经过准静态瑞利衰落信道，H^j代表N_t×N_r的信道冲击响应矩阵，接收端信号为：

此时，该系统传输速率相对于文献[2]中的空间调制系统有所提高。传输速率R如式(4)所示，单位为bpcu(Bits per channel use)。

其中M_i表示第i层调制阶数，r是编码速率。

2 连续干扰消除信号检测

文献[7]的MRC算法和文献[8]的SD算法牺牲了一定系统性能，以换取较低的系统复杂度。考虑到ML较优的BER性能，本文将该算法与SCM方案相结合，提出了一种新的信号检测算法——连续干扰消除（Successive Interference Cancellation，SIC）。通过逐层运用干扰消除方法进行信号译码，算法检测流程框图如图3所示。

基于前面的N_t根发射天线、N_r根接收天线的MIMO系统模型，由式(3)可得：

式(8)中的s₁是第一层QAM星座点码本，式(9)中的s_L是L层线性叠加后的星座点码本。这样，系统复杂度就从原来随调制阶数呈指数增加变为随层数L线性增加。最后各层进行独立译码，得到各层的比特信息{c₁，…，c_L}。

3 算法复杂度分析

本文使用复数运算的次数来衡量算法的检测复杂度。两个复数相乘需要4次乘积运算和3次求和运算。在SCM-SM系统中。文献[4]中的ML检测算法需要4(N_t)²N_r2^M×L次复数乘法和((3N_t+7)N_r+2)N_t2^M×L次复数加法；其中M表示各层调制阶数。本文提出的SIC检测算法的复数乘与复数加次数如下：

由式(10)、式（11）可知，SIC检测方案的系统复杂度随层数线性增加。特别地，收发天线数相同情况下，R越高(即L越大)，提出的检测算法复杂度越低，例如当N_t=N_r=8，N_a=1，r=1/2传输速率(分别为5 bpcu和6 bpcu)，ML与SIC两种检测算法的计算复杂度对比如表1所示。

4 仿真分析

为了验证SCM-SM系统性能，以系统的BER为衡量指标。发送端采用编码速率为1/2的(7，5)₈卷积码，假设信道矩阵H的每一个元素都服从均值为0、方差为1的复高斯分布，且接收端对H完全已知，考虑不同的调制方式和收发天线数。

图4表示在N_t=N_r=8、N_a=1、R=5 bpcu时，SCM-SM系统采用4/16QAMSM系统采用16QAM调制。且接收端都采用ML检测算法，两系统的总误比特率（BER）、天线索引映射（Index）以及调制符号（Constellation）的误比特率曲线如图4所示。

图4中，SCM-SM系统性能曲线始终位于SM系统的下方，在信道环境好的情况下，SCM-SM系统优于SM系统1.4～2.0 dB左右。

为进一步验证SCM方案在高速率传输下的性能，对两系统下在R=5 bpcu和R=6 bpcu进行仿真对比；且接收端都基于ML检测算法，仿真图如图5。

在R为5 bpcu和6 bpcu时，SCM-SM系统性能曲线始终位于传统SM系统性能曲线的下方。特别在信噪比为12～17 dB时，该系统的性能优势较显著。最后，在SCM-SM系统下还将提出的SIC信号检测算法性能与文献[4]中的ML算法和文献[7]中的MRC算法细性能进行仿真对比。

从图6中可以看出，提出检测算法的BER曲线近似ML，两者之间相差约0.6～1.0 dB。特别在R=5 bpcu，采用4/16QAM调制，星座点分布相对分散，SIC相比于MRC改善了约 0.8～1.2 dB的检测性能；在R=6 bpcu，采用4/64QAM调制，星座点相对密集，SIC检测算法优于MRC约1.4～1.8 dB。

5 结论

传统SM系统采用均匀分布的星座点进行星座映射，一定程度上限制了系统性能，且该系统不能在同一传输时隙满足不同业务的QoS要求。本文在SM系统的星座点调制上采用SCM技术，有效地改善其性能。并提出了一种低复杂度的检测算法，经理论分析和计算机仿真表明，该检测算法性能接近ML，且接收端译码复杂度与星座点调制阶数M呈线性关系，即在很大程度上降低了检测复杂度。同时，该方案能在同一传输符号下满足不同业务的不同QoS要求，更加灵活地满足未来5G系统的多种业务需求，在未来高速率传输的移动通信系统中，该方案存在着一定的优势和实际应用价值。

参考文献

[1] MESLEH R，HAAS H，SINANOVI S，et al.Spatial modulation[J].IEEE Transactions on Vehicular Technology，2008，57(4)：2228-2241.

[2] RENZO M D，HAAS H，GHRAYEB A.Spatial modulation for multiple antenna wireless systems-A survey[J].IEEE Communications Magazines，2011，49(12)：182-191.

[3] Zhou Wen，Kai Caihong，Li Xutao.MIMO system capacity with imperfect feedback channel[C].Communications and Networking in China(CHINACOM)，2012 7th International ICST Conference on，2012.

[4] WU X，RENZO M D，HAAS H.Channel estimation for spatial modulation[C].In Personal Indoor and Mobile Radio Communications(PIMRC)，2013.

[5] RAJASHEKAR R，HARI K V S，HANZO L.Reduced-complexity ML detection and capacity-optimized training for spatial modulation systems[J].IEEE Transactions on Communications，2014，62(1)：112-125.

[6] ELDIN A E Z，HAGRAS E A A，ABDEL-KADER H M.Performance analysis of single code SCM-OFDM in mobile communication system[C].Engineering and Technology(ICET)，2014 International Conference on，2014.

[7] GUO M X，JIA C，SHEN Y H.Detection algorithm for spatial modulation system under unconstrained channel[C].Communication Technology(ICCT)，2010 12th IEEE International Conference on，2010.

[8] YOUNIS A，RENZO M D，MESLEH R，et al.Sphere decoding for spatial modulation[C].2011 IEEE International Conference on Communications(ICC)，2011.