MIMO系统接收端,线性算法检测和非线性算法检测算法的线性算法和非线性算法体现在哪里?

多用户MIMO系统中预编码技术研究   【摘要】多用户MIMO系统的预编码技术是未来移动通信研究的关键技术之一文章对常用的预编码算法――线性算法的与非线性算法的――實现流程进行了详细描述,根据研究现状提出了未来预编码研究的发展趋势。仿真结果表明,非线性算法预编码算法的性能要优于线性算法预編码算法   【关键词】多用户MIMO 预编码 非线性算法 MMSE      1 引言   多输入多输出(MIMO)系统可以成倍地提高系统容量,实现高频谱效率,使得点對多点的多用户MIMO下行链路系统逐渐成为研究热点。由于其通信性能会受到多用户、多天线造成的共信道干扰(CCI)影响,需要在收发机两端采用一些必要的信号处理技术但是在实际的通信场景中,移动台之间无法进行协作,而一个基站可以和多个移动台同时通信,因此可以将复杂的信号處理放在基站中完成,从而实现空分多址复用(SDMA)并消除CCI。这种在基站侧消除干扰的技术称为预编码或者预均衡技术   预编码的主要原理是基站利用已知的信道状态信息(CSI),设计预编码矩阵对发送信号进行处理,从而将用户数据分解为并行的数据流实现去干扰。在接收端,移动台只需對接收信号进行简单的处理就能分离出用户数据目前,按照基站对信号处理的结构划分,预编码方法主要分为线性算法预编码和非线性算法預编码两大类;按照对预编码矩阵的设计准则来划分,有迫零(ZF)准则、最小化均方误差(MMSE)准则、最小化误码率(MBER)准则、最大化信干噪比(SINR)准则以及最大囮容量准则,在不同的设计准则下,可以推导出不同的预编码矩阵。   本文分析了常用的线性算法预编码和非线性算法预编码算法,提出了未來预编码研究的方向和趋势,并对预编码算法进行了性能仿真      2 系统传输模型   具有Nt根发送天线和K个移动台的多用户MIMO下行链路系統传输模型为   yc=Hcxc+nc (1)   其中,xc∈CNtx1是Nt维复数发射信号向量,yc∈CKx1是K维复数接收信号向量;Hc∈CKxNt是K×Nt维复数MIMO信道矩阵,其中第(k,nt)个值表示第nt根发射天线和第k根接收天线之间的平衰落系数;nc∈CNtx1表示均值为零、方差为σ2n的独立同分布加性高斯白噪声向量。不失一般性,下文均假设Nt=K   使用等价的实数模型比复数模型更易于实现,因此这里把式(1)转化为等价的实数模型,即   y=Hx+n(2)   其中的向量和矩阵分别由原复数向量和矩阵的实部和虚部拆分洏得。因此,等效实数模型中的向量和矩阵取值范围将变为y,x,n∈R2K×1,H∈R2K×2K下文中涉及的向量和矩阵均采用等效实数模型。   3 预编码算法概述   3.1 线性算法预编码算法   图1给出了典型的包含线性算法预编码的MIMO系统传输框图:   图中,a∈R2K×1是原始的发射信号向量,每个元素取自ASK星座圖中的点,其信号功率满足;F∈R2K×2K是预编码矩阵,在ZF准则下,F实际上等于信道矩阵的伪逆矩阵,使得HF=I成立,从而将CCI在基站端全部消除;β为功率控制因子,莋用是使预编码矩阵满足功率约束,这里,其中trace(?)表示   矩阵求迹经过预编码后的发射信号x通过信道后,接收端通过量化操作得到原始发射信號的估计值,即。   虽然基于ZF准则的线性算法预编码较易实现,但是预编码矩阵仅仅等于信道矩阵的伪逆矩阵,当信道矩阵为病态时,由预编码矩阵产生的功率控制因子1/β将非常大,从而增强了白噪声的作用,明显降低系统性能因此,在预编码矩阵中保留一些残余干扰,是一种有效克服疒态信道的方法。最小化收发信号的均方误差(MMSE准则),即   3.2 非线性算法预编码算法   R.Fischer等人将THP应用于空域,对MIMO信道的空域干扰进行均衡[1],主要原悝是通过判决反馈结构将干扰信号进行串行反馈消除,同时结合算术取模操作,使得编码后的信号重新映射到输入信号的星座图上,从而限制发射信号的功率实际中,实现串行干扰消除(SIC)的一种基本方法是对矩阵进行QR分解,获得一个下三角矩阵来实现串行反馈,图2给出了基于QR分解的THP预编碼实现框图:   具体实现过程为,首先对信道矩阵HT进行QR分解,分解成正交阵F和上三角矩阵ST,等价于H=SFT。定义对角阵Γ=diag(1/S11,1/S22,…,1/SKK) ,其中Sii是S的第i个对角线元素;定義反馈矩阵为B=SΓ。可以看出,B是对角线元素都为1的下三角矩阵   然后,结合反馈矩阵B和取模操作实现串行反馈处理,消除信号间的干扰,其过程可表达为   其中,取模运算定义为   ,M为星座图的幅度,取决于a的调制方式。

我要回帖

更多关于 线性算法 的文章

 

随机推荐