结合概率半径预测与混合调制的低复杂度球形解码，用于低延迟无线MIMO系统

为什么更快的无线很重要

从不再卡顿的视频通话、在暴风雨中仍能保持连接的救援无人机，到与云端通信的数十亿微型传感器——这些都依赖于既快速又可靠的无线链路。现代网络通过同时使用多根天线（称为MIMO）来在空气中传输更多数据。但解码这些相互叠加的信号往往需要大量计算，进而增加延迟并消耗电池能量。本文旨在解决这一隐藏的瓶颈，通过重新设计接收端搜索最可能发送信号的方式，实现低延迟、低能耗并在噪声或灾区等恶劣环境下保持良好性能。

同时传输的天线有多少

MIMO 系统在发射端和接收端都使用多根天线，以便在相同频段内传输多条数据流。理论上，接收端可以通过枚举所有可能的符号组合并选择与接收到的信号最匹配的那个来完美恢复每条数据流。随着天线数量或符号选项增多，这种穷举式方法（即最大似然检测）很快变得不切实际。球形解码是一种更聪明的捷径：它不检查所有可能，而只在以接收信号为中心的“球”内搜寻附近候选项。挑战在于如何恰当地选择球半径——半径太大，计算量激增；太小，则可能错过正确解。

更智能的搜索范围猜测

传统球形解码器常用卡方规则来设定搜索半径，该规则假设噪声可能在较宽的范围内变化。这种方法虽然简单却偏保守：半径通常过大，算法会访问远多于必要的候选点。作者用基于高斯分布的方法取代之，利用噪声的统计特性来预测更紧凑的、具有概率意义的半径。随着解码器在符号组合搜索树中逐步展开，它动态调整半径，剪枝那些在高斯噪声模型下与测量信号距离不太可能的分支。这种有针对性的搜索在保持接近理想性能的同时，大幅减少访问节点数、计算时间，从而降低功耗。

混合简单与复杂的信号模式

除了搜索策略外，论文还改变了数据在无线波上传输的编码方式。传统系统通常在所有天线上采用一种调制格式（如16-QAM），这能在每个符号中承载更多比特，但使信号更脆弱并增加解码复杂度。作者提出一种混合方案：部分天线使用更健壮但更简单的调制（BPSK），其余天线使用密集的16-QAM。这样的组合缩小了解码器必须考虑的总符号组合空间，因为较少天线提供高复杂度的选择。与此同时，更稳健的BPSK流有助于在通道噪声或信号质量差的情况下降低整体误码率。

在现实信道中整合这些方法

研究在一个 8×8 MIMO 系统上、采用详尽的“相位散射”信道模型（模拟真实世界的反射与相位偏移）下进行了验证。研究者比较了三种接收机设计：使用卡方半径选择的基线球形解码器、采用高斯半径预测的球形解码器，以及在高斯方法基础上加入混合调制的完整系统。他们跟踪了比特误码率、符号误码率、搜索树中平均访问节点数和每帧解码时间等关键性能指标，覆盖了与5G及未来6G情景相关的一系列信噪比。

这些数据对未来网络意味着什么

在代表性的中等信噪比下，仅采用基于高斯的半径预测就将平均访问节点数减少约四分之三，并将解码时间近乎减半，同时还改善了误码率。当加入混合调制后，改进更加显著：与基线相比，比特误差率约下降了99.5%，访问节点数约减少77.6%，执行时间缩短约三分之二。通俗地说，接收机能更快地找到正确答案，同时犯更少错误并消耗更少计算资源。这使得所提设计对低延迟服务、电池供电的物联网设备以及信号微弱的灾区等恶劣环境具有吸引力。尽管在非常大规模天线阵列或更高阶调制下的扩展仍需进一步研究，本研究表明将更智能的概率搜索与混合信号策略结合，能为下一代无线网络带来可观的性能提升。

引用: Girija, M.G., Sudha, T. Low complexity sphere decoding with probabilistic radius prediction and hybrid modulation for low latency wireless MIMO systems. Sci Rep 16, 11051 (2026). https://doi.org/10.1038/s41598-026-41109-x

关键词: MIMO, 球形解码, 混合调制, 低延迟无线, 比特误码率