4. 检测算法基础：最大似然(ML)检测、线性检测(ZF/MMSE)、球形译码(SD)
各位同学，今天我们来聊聊MIMO检测算法。说实话，这是整个LTE物理层里最让我头疼、也最让我着迷的部分。我在做DSP实现那几年，光是在检测算法上踩过的坑，就够写一本小册子了。
MIMO检测，说白了就是接收端怎么把多个天线收到的混叠信号，还原成发射端送出的原始比特。你想想看，多个天线同时发，多个天线同时收，信号在空中搅成一锅粥——我们要做的，就是把这锅粥里的米粒一颗颗挑出来。
核心问题：给定接收信号 y = Hx + n，已知信道矩阵 H，如何估计出发送向量 x？
4.1 最大似然(ML)检测——理论上的天花板
ML检测，我愿称之为"暴力美学"。它的思路特别直接：把所有可能的发送向量都试一遍，看哪个组合能让接收信号最接近实际收到的值。
数学上，ML检测要解决的是这个优化问题：
x̂_ML = argmin || y - Hx ||² (x ∈ 星座点集合)说白了，就是穷举搜索。对于64QAM、4层空间复用，搜索空间有多大？64⁴ ≈ 1677万个候选点。嗯，这个数字我到现在都记得很清楚——当年第一次做仿真时，看到这个数字直接傻眼了。
ML检测的优点：
- 理论上最优，误码率最低
- 可以作为其他算法的性能基准
ML检测的缺点：
- 计算复杂度随天线数和调制阶数指数增长
- 实际DSP上基本跑不动（除非天线数极少）
我的经验：ML检测在实际工程中很少直接用。但我建议你把它当作"黄金标准"——你设计的任何检测算法，都要拿ML的结果来对比。如果差距在1dB以内，那就算不错了。
4.2 线性检测——工程界的"快餐"
既然ML太复杂，那我们就想点简单的。线性检测的思路是：设计一个线性滤波器 W，让 ŝ = W·y 直接得到发送信号的估计。
4.2.1 迫零(ZF)检测
ZF检测的想法很朴素：既然 y = Hx + n，那我直接把 H 求逆不就行了？
W_ZF = (H^H · H)^(-1) · H^H这样做的好处是：完全消除了天线间的干扰。但代价呢？噪声被放大了。我在项目中遇到过这种情况：信道条件差的时候，ZF检测的误码率简直没法看。
注意：当信道矩阵 H 接近奇异时，(H^H·H) 的求逆会非常不稳定。我曾经在定点化实现时，因为这个矩阵的条件数太大，导致结果完全不对——后来加了正则化才解决。
4.2.2 最小均方误差(MMSE)检测
MMSE比ZF聪明一点。它不追求完全消除干扰，而是在"消除干扰"和"抑制噪声"之间找个平衡。
W_MMSE = (H^H · H + σ²·I)^(-1) · H^H你看，就多了个 σ²·I 项。这个 σ² 是噪声方差。信噪比高的时候，σ² 小，MMSE趋近于ZF；信噪比低的时候，σ² 大，MMSE会主动抑制噪声放大。
线性检测的对比：
| 算法 | 复杂度 | 抗噪声 | 抗干扰 | 适用场景 |
|---|---|---|---|---|
| ZF | 低 | 差 | 好 | 高信噪比 |
| MMSE | 低 | 较好 | 较好 | 通用 |
| ML | 极高 | 最优 | 最优 | 性能基准 |
我的建议：实际DSP实现时，MMSE是首选。它复杂度低，性能也还行。我当年做的第一个LTE原型机，用的就是MMSE检测——虽然被领导嫌弃"不够高级"，但至少能跑起来。
4.3 球形译码(SD)——折中的艺术
ML太慢，线性检测性能不够。那有没有中间路线？有，球形译码就是。
SD的核心思想是：我不搜遍整个星座空间，我只在一个"球"里搜。这个球的半径选得合适，就能在性能和复杂度之间取得很好的平衡。
算法流程：
1. 对信道矩阵做QR分解：H = Q·R
2. 从最后一层开始，逐层搜索
3. 只保留落在球半径内的候选点
4. 找到使 ||y - Hx||² 最小的x为什么会叫"球形"？因为搜索空间被限制在一个超球体内。球半径越小，搜索越快，但可能漏掉最优解；球半径越大，越接近ML，但复杂度也上去了。
关键参数：球半径的选取直接影响SD的性能和复杂度。我一般会先跑一次MMSE检测，用它的结果来估算一个合理的初始半径。
SD的复杂度不是固定的。信道条件好的时候，它跑得飞快；信道条件差的时候，它可能退化到接近ML的复杂度。嗯，这一点在实时系统中要特别小心——你不能保证每次都能在规定时间内算完。
4.4 三种算法的对比总结
好了，我们来捋一捋这三种算法的关系：
- ML：性能天花板，复杂度也天花板。适合做仿真对比，不适合实时实现。
- ZF/MMSE：简单粗暴，DSP上跑得飞快。性能一般，但在高信噪比下够用。
- SD：折中方案。性能接近ML，复杂度可控。但实现起来比线性检测麻烦不少。
我个人习惯是：先上MMSE保底，如果性能不够再考虑SD。至于ML？嗯，留着写论文用吧。
避坑指南：我曾经在定点化实现MMSE时，忽略了矩阵求逆的数值稳定性问题。结果仿真时性能好好的，一上硬件就崩。后来花了整整一周才定位到问题——是求逆时的动态范围没控制好。所以，做DSP实现时，数值问题一定要提前考虑。
好了，这一章的内容就到这里。三种检测算法各有各的脾气，关键是要根据你的应用场景来选。下一章我们会深入MMSE的DSP实现细节——嗯，那才是真正考验功夫的地方。
公众号:蓝海资料掘金营，微信deep3321