在FPGA中實施4G無線球形檢測器的方案

　　球形檢測器

　　球形檢測器采用PED 單元進行范數計算。根據樹的層次，我們采用了三種不同類型的 PED 單元。根節點 PED 模塊負責計算所有可能的 PED。二級 PED 模塊針對上一級計算得出的 8 個幸存路徑計算出 8 個可能的 PED。這樣在樹的下一級索引中，我們就有 64 個生成的 PED。第三種類型的PED模塊用于其它樹級，負責計算上一級計算出的所有 PED 的最鄰近的節點 PED。

　　球形檢測器 (SD) 的流水線架構可以在每個時鐘周期中處理數據。其結果就是樹的每級只需要一個 PED 模塊。因此，對 4x4 64-QAM 系統而言，PED 單元的總數為 8，與樹的級數相等。

　　SD 可以采用硬解碼和軟解碼兩種類型的解碼技術。硬解碼能夠用貫穿樹的各級的最小距離矩陣度量次序；軟解碼，用對數似然比來代表輸出的每個比特。對數似然比一般被當作優先輸入值提供給信道解碼器，比如 turbo 解碼器。

　　FPGA資源占用

　　實施和仿真包括圖 2 所示的檢測過程，但不包括軟輸出生成模塊。目標芯片是 Virtex-5 XC5VFX130T-2FF1738 FPGA。設計的時鐘頻率為 225MHz，可用的數據率為 83.965Mb/s。

　　表 1 顯示了設計中每個主要功能單元的資源占用情況。利用率 (%) 表示 FPGA 面積占XC5VFX130T 器件總面積的百分比。

表 1. 按子系統劃分的資源占用情況

　　System Generator 和基于模型的設計

　　我們使用針對 DSP 設計流程的賽靈思 System Generator 實現了完整的硬判鏈。設計驗證工作不僅使用了 MATLAB?/Simulink? 環境的仿真語義，還有 System Generator 的協同仿真功能。信道矩陣參數的同相部分和正交部分從正常的分布得出，并由 MATLAB 交付給System Generator 建模環境。我們同樣使用這種仿真框架進行了比特誤碼率計算。圖 4 對我們的定點硬判決設計 BER 曲線、浮點硬判決設計BER曲線和最佳 ML 參考曲線進行了比較。我們通過對賽靈思 ML510 開發平臺進行基于以太網的硬件協仿真，開發出了該設計的硬件演示。信道矩陣參數采用賽靈思 AWGN IP核發送給球形檢測器。我們通過把設計嵌入到自同步 BER 測試器來計算 BER。該儀器能夠向檢測器發送輸入并捕獲誤碼。

圖 4. 4x4 64-QAM的浮點 MATLAB 仿真（硬判決）、System Generator設計（硬判決）BER 曲線與最大似然曲線相比

　　本文就采用空分復用 MIMO 的通信系統使用的球形檢測器進行了簡要介紹。我們詳細探討了球形檢測器和信道矩陣預處理器的架構情況。實現預處理的方法有許多種，雖然我們的方法在計算上要復雜一點，但得出的 BER 性能接近最大似然。雖然我們的討論是圍繞 WiMAX 進行的，設計人員可以把其中的許多方法用于 3G LTE（長期演進）無線系統。

　　我們團隊的下一步工作是通過采用 turbo 卷積碼和軟輸出生成模塊執行迭代軟檢測來改善BER 性能。