In this thesis, we propose a near maximum likelihood (ML) scheme for the decoding of multiple input multiple output systems. Based on the metric-first search method and by employing Schnorr-Euchner enumeration and branch length thresholds, the proposed technique provides a higher efficiency than other conventional near ML decoding schemes. From simulation results, it is confirmed that the proposed scheme has lower computational complexity than other near ML decoders while maintaining the bit error rate very close to the ML performance. The proposed scheme in addition possesses the capability of allowing flexible tradeoffs between the computational complexity and BER performance.
이 논문에서는 여러 입력 여러 출력 시스템에 알맞은 준최적 복호 방법을 제안한다. 제안한 방법은 길이 먼저 살펴보기를 바탕으로 슈노르-오히너 벌여 놓기와 가지 길이 문턱값을 써서 신호를 복호하는데 드는 계산량을 줄인다. 제안한 방법의 비트오류율 성능은 최적 성능에 매우 가까우면서 계산량은 다른 준최적 복호기들보다 적다는 것을 모의실험으로 보인다. 게다가, 제안한 방법은 계산량과 비트오류율 성능을 적절히 맞바꿀 수도 있다.
