對于改進數據速率和/或信噪比，多輸入和多輸出(MIMO)是領先的方法之一。通過使用多個接收和發送天線，MIMO可利用無線信道的多樣性。對于任何給定的信道帶寬，這可用于提高信道的頻譜效率并改進數據速率。

MIMO的規格取決于發送和接收天線的數量。在一個4×4 MIMO配置中，使用了四個發送天線和四個接收天線。這在同樣信道帶寬上實現了(在合適的條件下)高達四倍的數據傳輸。

一方面，簡單的MIMO接收器基 于線性接收器算法，其易于實現但無法完全利用MIMO的好處。另一方面，使用迭代法，可以實現最佳的最大后驗概率近似MIMO算法；然而，這會導致高延時 的不足。一種更加實用的非線性MIMO接收器的實施途徑是最大似然(Maximum Likelihood, ML)或最大似然檢測器(Maximum Likelihood Detector, MLD), 它在根本上是基于一個徹底的并列搜索。MLD在處理方面比傳統線性接收器要求更高，但對于相同的信道條件，可提供明顯更高的比特率。另外，對于具有天線相關性的信道，MLD更穩健可靠。

使 用高階MIMO規格(超過兩個接收和兩個發送天線)可以導致顯著的頻譜效率改進——但這也有其成本代價：隨著MIMO規格的增加，MLD接收器的計算復雜 性以指數方式增加。高階MIMO要求相當大的處理能力——對于這一點，直接的MLD方法是不切實際的，必須使用次優(suboptimal)MLD算法來 實現用戶設備(User Equipment，UE)的實施。

次優ML接收器

次優ML接收器試圖以更有效的方法來掃描可能的傳送信號，從而減少整體復雜性并達到接近ML精度的結果。減少復雜性有助于根據大小和功率進行更加實際的硬件實施。這還使硬件能夠保持由先進通信標準規定的高吞吐量。

次優ML方程式的解決可定義為一種樹形搜索，其中樹的每一個層級對應于一個發送符號。每個節點的分支突出數匹配QAM或發送符號的調制。一個4×4 MIMO配置可由一個四層樹表示。假如調制為BPSK，每個節點將包含兩個分支。

一旦定義了樹的符號，可以部署樹遍歷算法，借用其它領域比如計算機科學。

關于此點，次優ML接收器可劃分為兩個主要類型：

1. 橫向優先搜索

2. 深度優先搜索

橫向優先搜索

橫 向優先的一個例子就是K-best算法。該解碼器是一個固定復雜性解決方案，從樹根開始并上行，直至它達到樹的最后一層。在樹的每層上，對所有選擇的分支 進行了評估并保留K留存節點，匹配最佳解決方案(代表了最接近接收信號的符號)——因此得名“K-best”。K剩余樹葉然后就用于生成LLR結果。

該解碼器的優點是：

* 單向流有助于硬件的簡易流水線實施。

* 計算每層所需要的處理能力是恒定的，且直接與實施中所選的留存節點(K)的數量相關。

* 數據吞吐量是恒定的，其反過來簡化了在系統中計劃的數據流

該解碼器的缺點包括：

* 需要大面積實施以便評估和分類所有選擇的層級節點。

* 精度要求越高，所需要的K值越高。

* 在最佳SNR條件中，數據吞吐量不會增加。

* 不能保證達到ML解決方案，因為最佳解決方案可能存在于沒有選擇的節點中。

下述圖表顯示了一個采用QPSK調制的MIMO 4×4 (4-層)樹。在此例子中，K為四。樹的每層將分為十六個節點。最好的四個將會是用于下一層的留存節點。

深度優先搜索

深 度優先的一個例子就是軟輸出球解碼(Soft-Output Sphere Decoder)算法。此解碼器是一種自適應復雜性解決方案，從樹根開始并首先直接上升到樹葉——因此得名“深度優先”。該樹的優先解決方案確定了初始搜 索半徑或范圍。從那時起，解碼器在整個樹層中追溯并上升。對樹的每個超出搜索半徑的節點及其下面的所有節點進行修整。每次找到一個更好的解決方案，相應地 減少半徑范圍。以此方法，掃描并修整了符號樹，直至有效選項數量減少。余下的符號代表了ML解決方案。

此解碼器的優點是：

* 可保證獲得ML解決方案，有助于結果精確度。

* 在高SNR條件下， 解碼器運行更快，增加了數據吞吐量并降低了功耗。

* 相比同等的橫向優先解決方案，可在更小區域內實施。

圖3顯示了具有自適應復雜性軟輸出球解碼器與固定復雜性K-best解碼器間的循環計數比較。因為SNR增加，球解碼器將減少它的循環計數，而固定復雜性將保持不變，無論信道條件如何。