以混合模式有效實現多輸入多輸出系統之最大可能性偵測(II)

去年我們申請了相關的科技部計劃爲兩年期，而審查結果只通過一年。在這段期間內，我們的研究也發展了新的結果與可進一步探討的方向，因此今年延續上期計劃，進而提出兩年期的計劃申請。我們將繼續探討多輸出多輸入(MIMO)系統之最大可能性(ML)偵測，基於將兩種ML演算法，即SD演算法與DM-Based演算法，予以修改使兩者使用相同的信號模式(Signal Model)，並合併完成樹狀搜尋。而在搜尋過程中，SD演算法使用分枝與界定法則，來避開不必要的搜尋;而DM-Based演算法則利用指示函數，來移除無效的路徑。將兩者合併後，所提出之混合模式ML演算法，初步已經顯示可以降低搜尋複雜度。在上一期計劃的研究過程中，我們也發現，如果將互爲反相的兩組數列信號，合併處理，將可以有機會進一步降低搜尋範圍與複雜度。合併處理反相的兩組數列信號，在SD演算法可以減少重複計算的複雜度，而在DM-Based演算法中，我們也發現反相的數列信號間，其指示函數有特定的關係，可以利用這關係來設計進一步降低複雜度的演算法。因此我們今年所提的計劃中，將此概念應於於MIMO系統之混合式的ML偵測法，期望能進一步增進系統效能，達到以更低之複雜度演算法，來實現MIMO系統之最大可能性偵測。計劃中也將進一步探討，可否能再做進一步的演算法複雜度減低，並發展相關的次佳演算法，以達成系統效>能與複雜度間的權衡取捨。