Maximum likelihood (ML) detection is an optimal solution for the multiple-input multiple-output (MIMO) communication system, but the large complexity of ML made it difficult to implement in HW architecture. Sphere detection is an attractive approach to reduce the implementation complexity significantly without compromising performance of ML detector. As a modified sphere decoder, List Sphere Decoder(LSD) is a promising algorithm to guarantee superior performance of BER than Sphere Decoder which uses real-value expanded channel matrix and received vectors is analyzed, designed and implemented using a standard 0.25 um COMS process. Although the decoding latency of this scheme is almost twice the time of the complex-value based LSD, the hardware resource usages of the real-value based LSD are reduced down to root of the complex-based LSD. Also, the pipelining scheme is applied in this design to enhance the maximum clock frequency which is related to the throughput directly. Most of the related implementation is about Sphere Decoder and 4$\times$4 16QAM modulation. In the other hands, this paper implemented a LSD MIMO detector for a system of 3$\times$3 16QAM 3$\times$3 64QAM, 4$\times$4 16QAM and 4$\times$4 64QAM modes. It contains 408K gates and occupied a core area of 4.7mm $\times$ 4.7mm (including pads). The maximum searching latency of this architecture is 160 clock cycles at 4$\times$4 64QAM. Because LSD detects the list of candidates instead of just one candidate for SD, the average detection cycle of LSD is almost 20 times longer than SD. Therefore, the throughput of the designed LSD has to be also 20 times worse than the SD in [2] with the similar clock frequency. But, because the proposed architecture of LSD uses 3-stage pipelining scheme, the throughput is only about 7 times worse than SD in [2]. Also in sub-section 8.3 showed that when the proposed LSD is implemented with the 90nm CMOS process, the throughput of the designed LSD can be almost satisfied.
LSD 는 MIMO 기술에서의 주요 signal processing 으로 전송한 MIMO 벡터에 대한 수신기에서의 검출 scheme 이다. optimal 한 벡터 검출 방식으로 인정받고 있는 ML(Maximum Likelihood) detection 의 경우 Antenna 의 수가 증가하고, Modulation 수가 증가할수록 계산의 복잡도가 너무 심해 직접 application 에서 적용되지 못했으나, 최근 고집적의 chip 양산 기술을 이용하여, ML 의 performance 에 상당히 근접하는 SD (Sphere Decoder), LSD(List Sphere Decoder)등과 같은 Hardware implementation 에 대한 연구가 전 세계적으로 활발히 이루어지고 있다.
Sphere Decoder 의 ASIC 구현에 대한 연구는 Burg 의 논문[2]에서 볼 수 있는데, SD 의 한 블록인 tree searching algorithm 을 0.25um 공정에서 구현했다. 이 논문에서 주목할 점은 constellation value 의 특성을 이용하여 tree searching 에서 필요한 multiplication 연산을 shift 연산으로 바꿈으로써 결국 hardware 의 크기를 줄이는 효과를 얻었다는 것이다. 반면 List Sphere Decoder 에 대한 ASIC 구현에 대한 연구는 Bell lab 의 Benjamin Widdup 의 논문[2]에서 볼 수 있는데, 실제 칩으로 구현하지 않았지만, LSD 의 구현에 대한 issue 중의 하나인 parallel processing unit 을 증가시키면서 tree searching cycle 의 성능에 대해 simulation 했다. 이 논문 또한 tree searching block 에 대해 언급한 것으로, list 의 개수, 병렬 처리 된 processing unit 의 수에 따른 여러 가지 simulation 결과를 볼 수 있다. 본 연구에서는 LSD 에서의 주요 block 인 pre-processing 과 tree searching block 을 모두 0.25um 공정에서 구현하였고, architecture 상에서의 특징은 Burg 가 제시한 searching node 에서의 shift operation 을 이용하였고, LSD 의 throughput 을 증가시키기 위해 pipeline 구조를 이용하였다. 또한, [1]과 [2]에서 개괄적으로 언급된 구현 scheme 에 대해서 실제 시뮬레이션을 수행한 후, 본 연구의 목적 중 하나인 low cost 의 chip design을 위해 수정된 scheme을 적용하였다.
본 연구에서는 LSD 구현을 위한 연구로 본론에서 다음과 같이 수행하였다. 제 2 장에서는 차세대 무선 랜 시스템에 대한 간단한 소개와 세계적으로 제안되고 있는 두 가지 proposal 의 특징을 살펴 보았다. 제 3 장에서는 여러 가지 MIMO detector 들을 분석 해 보고, BER 성능과, 하드웨어 구현 시 복잡도에 대해서 시뮬레이션 하였다. MIMO detector 와 channel decoder 사이의 decoding 방법으로, iterative detection방식에 대해서 제 4 장에서 살펴 본 후, 제 5 장에서는 그러한 iterative detection 방식을 구현하기 위해서는 LSD 의 필요성을 보였다. 또한 이 장에서는 802.11n LDPCC MIMO-OFDM 시스템에 LSD 를 적용하여 BER/PER performance 를 시뮬레이션 하였다. 제 6 장에서는 LSD 를 구현함에 있어서 연구 되고 있는 몇 가지 issue 에 대해서 논한 후, LSD 적용한 여러 가지 design scheme 들에 대해 소개하였다. 제 7 장에서는 LSD 의 전체적인 구조를 설명하고, 하위 블럭의 구조와 동작을 기술하였다. 제 8 장에서는 front-end, back-end 디자인을 통한 칩 layout 결과를 정리하였고, throughput 측면에서 실제 시스템의 constraint 를 만족시킬 수 있는 방법을 제시한 후, 마지막으로 제 8 장에서 결론을 맺었다
