文档介绍：英文文献翻译
文献一：改进的多分层空时分组码接收器算法
摘要：在多层次空时分组码的接收端，本文提出了一种采用基于QR分解的新的接收结构，并将它和接收端采用基于MMSE干扰抑制的方法的性能做了对比。这两种算法基于软统计判决来消除来自其它子层数据流的干扰，同时减少误差传播。最后将这两种算法的性能和采用排序QR方法进行比较，讨论复杂性、速率和分集之间的折中。
1．前言：
文献[1]提出了在发射端使用多天线系统可以产生容量增益，然而，由于在发射端和接收端没有对数据流进行联合编码和解码，这种系统不能达到满分集优势。这种次优系统性能主要在中到高信噪比中，由于在解码的第一层有最低的分集排序，导致在接收端发生估值错误[2]。这些误差传播基于连续干扰抵消属性同时对下层造成干扰。
使用多用户检测（MUD）[3],Tarokh[4]提出了一种分组干扰方法，这种方法要求计算零空间矩阵。相似的，在文献[5]，使用一种正交矩阵来消除除了预想求的码元外的其它干扰。然而[5]要求在发射端进行理想的功率分配增加了计算的复杂性。
次优接收检测算法如[6]中提到的垂直分层空时码的迫零（ZF）算法和[7]中提到的基于连续干扰抵消的最小均方误差（MMSE）算法。ZF-VBLAST迫使噪声在接收端乘以带有信道转置矩阵的接收信号。然而，它的性能仍然比[8]中使用的QR分解方法好很多。MMSE-VBLAST算法在复杂性和性能方面提供了一种很好的均横。以上所知的几种算法的误传（EP）性能在多用户检测－连续干扰抵消中都得到了实现。
文献[10]中我们提出了一种新的结合空时分组码和垂直分层空时码的算法，称为分层空时分组码，它显示了通过在解码第一层使用空时分组码可以减小EP的作用。为了匹配Genie-BLAST[11]提供假设无EP的性能，[10]中的MMSE算法和低计算度的QR分解干扰抑制算法进行了比较。最后将sorted QR分解方法和以上集中方法进行了比较
，结果显示：[10]中的MMSE检测算法能提供最好的复杂性、速率和分集之间的折中。
本文的剩余内容如下：在第2部分，我们描述了对所有的算法都普遍使用的发射系统模型。第4部分提供了接收算法，第4部分给出了性能分析并讨论了仿真结果。最后，第5部分进行全文总结。
2．发射系统模型
我们定义一个有发射天线和接收天线的系统。假设，将输入数据流进行M-PSK调制映射，这里，n是输入的每符号的比特数。为了简单起见，我们假设所有天线传输的信息来自同一个星座图，分组发射符号如图1所示。这里，我们仅分析根天线用于传送独立符号流，剩余的两根天线用于传Alamouti码，发送矩阵如等式（1）所示：
G＝ （1）
我们所使用的这个码是因为它能够实现全速率和全分集。在时间t＝1时，符号和同时从天线1和天线2分别发射出去。在时间t＝2时，和同时从天线1和天线2分别发射出去。我们定义码字间隔l为STBC中符号间隔的数量，在这种情况下，l=2。在每一个码字间隔，个符号被映射到天线形成如方程（2）所示的码字矩阵。
（2）
在天线1和天线2发射的码字联在一起作为一个空时分组码层（第一层），每个发射符号的能量给定为，。
通常，首先要译码的层显示在天线阵列的最低层，这种情况下，空时分组码层被放在天线阵列的顶层并首先进行译码。
对于MMSE-LSTBC系统，两根STBC天线放在何处无关紧要。它们也可以被置于底端。但是，在QR算法中，要求空时分组码的天线组必须相临。
图1：分层空时分组码的发射模型
3．分层空时分组码的接收模型
个发射信号经过丰富的散射环境，信道为瑞利衰落信道并假设在每个码间隔内保持不变。接收端知道理想信道状态信息，所有的发射天线有相同的发射功率。信道矩阵H是含有的矩阵，其矩阵元素为发射天线i到接收天线j的信道衰落系数，相关系数是相互独立的，为均值为零，。第l个码字间隔的接收信号如方程(3)所示：
(3)
最小均方误差－分层空时分组码算法
A．迭代一：
第l个码字间隔发送的符号乘以等式(4)给出的最小均方误差的权重函数w，估计结果为：
(4)
这里w表示为：
(5)
这