4.2 接收端检测从ZF到球形译码

4.2 接收端检测：从 ZF 到球形译码

本节摘要：当信号到达接收端，它已经是多路被信道 H 搅拌、被噪声污染后的混合物 y = H·s + n。检测的任务，是从 y 里还原出发送符号 s。本节以理论最优的 ML（最大似然）检测为标杆，揭示其复杂度随天线数指数爆炸的困境；对比 ZF、MMSE、SIC 三类近似检测的代价；重点解释球形译码如何用"只搜信号空间里一个球面内的点"把搜索量从天文数字砍到可计算范围，并说明为何 SIC（逐层干扰抵消）虽有误差传播隐患却是现网最常用的折中。

你能学到什么

阅读完本节，你应当能够：

1. 说明 ML 检测为何最优、为何复杂度随天线数与调制阶数指数级增长
2. 对比 ZF、MMSE、SIC 三类线性/序贯检测的近似代价与适用边界
3. 描述球形译码的核心思想：把全空间搜索收缩到"一个球面内的格点"
4. 解释 SIC 误差传播为何是复用系统对 CSI 敏感的根源之一
5. 用复杂度—性能坐标判断一个给定规模该选哪档检测

一、检测在解决什么

接收端拿到的是 y = H·s + n。H 是已知的（理想情况下）信道矩阵，s 是待求的发送符号向量（每个元素取自一个有限星座图，如 16-QAM 有 16 个可能值），n 是噪声。检测就是从 y 反推 s。最朴素的解法是直接求逆 ŝ = H⁻¹y，但那忽略了噪声且只适用于方阵满秩——真实 MIMO 是"在噪声里找最接近 H·s 的那个 s"，本质是一个带约束的搜索问题。

二、ML：最优但不可承受之重

ML（最大似然）检测 的定义是：遍历 s 所有可能的取值组合，挑出使"H·s 与 y 的欧氏距离最小"的那一组。它给出的误码率在所有检测里最低，是理论最优。但代价是搜索量 =（星座点数）^（流数）：16-QAM 单流只有 16 种，两流 256 种，四流 65536 种，八流已经超过 40 亿种。每多一流就乘一个星座点数——这是指数级爆炸。在大规模 MIMO 动辄 16 到 64 流的时代，穷举 ML 在实时性上根本不可能，所以 ML 是"标杆"而非"工具"。

把数字说得更扎心：同样是 16-QAM，单流只需比对 16 种符号，两流 256 种，三流 4096 种，到八流已经超过 42 亿种组合——注意这是"每算一次距离"就要遍历的量。若调制升到 64-QAM，单流就是 64 种，八流直接是 64 的 8 次方、约 2.8×10¹⁴ 种，单帧检测就要做万亿次距离运算，根本不可能实时。这也是为什么"流数越多越想用 ML、却越用不起 ML"：最需要最优检测的大规模场景，恰好是 ML 最不可算的场景，逼出了下面所有近似算法。

三、线性检测：ZF 与 MMSE

ZF 检测 直接取 H 的伪逆：ŝ = H†·y。实现简单、无搜索，但和发射端 ZF 预编码同源的问题——它无视噪声，弱信道处放大噪声。在检测侧 ZF 的意义更多是"提供一个基线"，而非实用方案。

MMSE 检测 在伪逆里加入噪声方差正则，等价于解一个带噪声惩罚的最小二乘问题，误码率明显优于 ZF，复杂度仍是多项式级（主要是一两次矩阵求逆）。它和 MMSE 预编码成对出现，构成线性 MIMO 收发两端最省心的组合——代价是性能停在线性界，离 ML 还有可见差距。

四类检测器的性能—复杂度对照如下：

为什么"线性界"和 ML 之间还有可见差距？因为线性检测对每路符号是独立求解的，它不去利用"某一路解出的结果能反过来约束另一路"这种结构化信息；而 ML 是联合搜索所有路的最优组合，天然吃到了符号间的耦合增益。在信道条件好、流间干扰弱时，这种差距不大，MMSE 足够；一旦流间强相关、干扰结构复杂，线性检测"各算各的"的短板就被放大，误码率明显落后于 ML——此时若又受复杂度限制上不了球形译码，就只能在"降流数"和"吞下误码"之间二选一。这再次印证第 3 章的母题：自由度有限，要么用算法（非线性/球形）去抠性能，要么用降流去换可靠。

四、SIC：逐层剥，但有污染

SIC（逐层干扰抵消） 是 V-BLAST（第 3 章）的检测搭档：先解最可靠的一层，把它从接收信号里减掉，再用更干净的信号解下一层，层层推进。它把"同时解 N 层"变成"串行解 N 次单层"，复杂度大幅下降，且利用已解层的先验显著改善弱层。问题是误差传播：若某一层解错，减掉的是错误符号，后面所有层都被污染，错误沿层累积——这正是第 3 章说"复用对 CSI 极敏感"的检测侧根源。工程上常用"按信噪比排序先解强层"来缓解，但根因（串行依赖）无法根除。

用一个具体过程体会误差传播：假设四层检测里第二层解错（把符号 A 误判成相邻的 A'），SIC 会把"按 A' 算出的干扰"从接收信号里减掉，可真实信号里混的是 A 造成的干扰，减错的结果让第三、四层看到的"干净信号"里混进了 A 与 A' 的差值噪声。于是第三层在错误的起点上再解，出错概率被放大，第四层雪上加霜。这就是"前层错、后层崩"的链式效应——它解释了为何复用系统宁可让调度器保守降流一次成功，也不赌高流反复重传：流的层数越多，SIC 链条越长，误差传播的风险敞口越大。

图 4-2：检测复杂度的性能—代价光谱

五、球形译码：把天空搜成球面

球形译码（Sphere Decoding） 是 detection 工程里最漂亮的妥协。它观察到：ML 要找的是使 ‖y − H·s‖ 最小的 s，那这个最小距离必然落在某个半径 R 的球内——球外点的距离更大，不必搜。于是搜索从"整个星座空间"收缩到"以 y 为中心、半径 R 的球内格点"。半径选得巧，球内点数从指数级骤降到可枚举量级，性能却几乎等于 ML。

难点在半径 R 怎么定：太大退化成穷举、太小漏掉真解。实际实现用"树搜索"在格点上逐维收紧半径（如 Schnorr–Euchner 枚举），复杂度从硬性的指数变成"平均可算、最坏仍指数"——好在大数信道下最坏情况极少触发，所以球形译码成为追求近 ML 性能又不爆算力的首选。它也是连接"理论最优 ML"与"可落地实现"的桥梁，在 WiFi、蜂窝的接收机里广泛存在。

半径 R 的选取是球形译码的全部艺术：R 太大，球里塞进太多格点，退化回近穷举，复杂度优势尽失；R 太小，真解可能被挡在球外，检测器输出错误结果。工程实现用一个递推技巧动态调整——先从一个较紧的 R 出发，一旦发现球内为空就逐步放大 R，直到搜到至少一个点；搜到后立刻用该点的距离收紧 R，后续搜索只在更小的球里进行。这种"边搜边收口"的策略，让平均复杂度稳定在可计算区，同时保证不漏真解。代价是 R 的调整本身要算，且最坏情况下（信道近奇异、信噪比极低）球仍会胀大——但大数信道下这种坏情况极少触发，所以球形译码成为追求近 ML 性能者的首选。

六、工程实例：复用接收机的现实分层

真实 MU-MIMO 接收机的分工很清晰：终端侧天线少（2 到 4），单纯 MMSE 或低阶 SIC 就够了，省电省算力；基站侧要解几十路用户叠加，且追求近 ML 的吞吐，于是上球形译码配合排序 SIC——先用 SIC 把强层快速剥掉、降维，再对剩余难层用球形译码精搜。这种"粗剥 + 精搜"的两级结构，既控住平均复杂度，又把最棘手的层交给近最优算法。理解了这层分工，就不难明白为何同一套 MIMO 理论，在手机和基站里跑的是完全不同的检测实现。

把这套分工落到排障语言里更有用：当用户投诉"速率忽高忽低、重传多"，在基站侧看往往是球形译码在难层（条件数差、信噪比低）频繁退化为高复杂搜索，时延抖动；在终端侧看则多是 MMSE 在弱信道下凭空硬解、误码累积。二者共同指向同一个根因——CSI 质量（4.3 节）：信道估不准，检测再巧也是错起点。所以检测算法的选择很少是孤立决策，它和预编码、CSI 是绑定的三联：预编码压不住干扰，检测就累；CSI 不准，预编码和检测一起崩。排障时顺着这条链从 CSI 往上查，比直接调检测参数有效得多。

⚠️ 常见坑：以为 MMSE 检测"够好就不用管 CSI"。检测端再强也救不了 CSI 误差——H 估偏时，MMSE 的正则项基于错误的噪声—干扰比求解，SIC 的"先解强层"排序也会排错，误差传播被放大。检测性能的上限仍由 4.3 节的 CSI 精度封顶。

💡 关键直觉：检测是"把麻烦留到接收端"，越想逼近 ML 越贵；球形译码用几何约束把搜索空间从全天空砍到一个球面，是性能与复杂度之间最优雅的那一档折中。

七、常见疑问

球形译码为什么"平均可算、最坏仍指数"？

因为它依赖半径 R 把球内点数压到可枚举。在典型信道（噪声 moderate、格点分布均匀）下，球内点很少，搜索极快；但当信道近奇异（条件数很差）或信噪比极低时，球会膨胀到包住大量格点，退化回近穷举。所以球形译码是"平均情况高效"，靠统计性质而非最坏情况保证。

SIC 误差传播能不能根除？

不能根除，只能缓解。缓解手段包括：按后验信噪比排序先解最可靠的层（最强层最先剥、污染最少）、在每层做软输出而非硬判决、或用球形译码替代串行 SIC。但"SIC 链式依赖"的结构性风险始终存在，这也是为什么对 CSI 极度敏感的复用系统要把 CSI 精度当第一优先级。

大规模 MIMO 检测为何更依赖近似算法？

因为流数到了 16、32、64，ML 与球形译码的搜索维度同步爆炸，即便球形译码也难实时。此时工程转向"近似消息传递（AMP）""共轭梯度""基于 Neumann 级数展开"等低复杂度近似检测器，用可控的性能损失换实时性——检测和预编码一样，在大规模场景被迫向复杂度投降。

本章回顾

• ML 最优但指数爆炸：搜索量 = 星座点^流数，是标杆不是工具
• ZF 检测忽略噪声：弱信道处放大噪声，仅作基线
• MMSE 检测加正则：多项式复杂度、工程常用、性能居中
• SIC 逐层剥干扰：复杂度低但有误差传播，复用对 CSI 敏感的根源
• 球形译码限球面搜：把全空间收缩到球内格点，近 ML 可计算
• 粗剥+精搜两级结构：基站侧 SIC 降维 + 球形译码精搜难层
• 检测上限由 CSI 封顶：H 估偏则所有检测退化为错误基准
• 大规模场景被迫近似：AMP/Neumann 级数等低复杂度检测器登场

下一节专门拆开 CSI 这根"总闸门"：发射端预编码和接收端检测都依赖 H，而 H 究竟怎么来——TDD 靠互易省反馈，FDD 靠码本量化付出精度代价。