MIMO檢測(cè)與HARQ合并中的不確定性處理研究.pdf

1、憑借在提高系統(tǒng)頻譜利用率方面的卓越表現(xiàn)，多輸入多輸出（Multiple-Input Multiple-Output，MIMO）技術(shù)已經(jīng)成為移動(dòng)通信發(fā)展史上的里程碑技術(shù)。實(shí)際應(yīng)用中，MIMO技術(shù)通常和混合自動(dòng)重傳（Hybrid Automatic Repeat reQuest，HARQ）技術(shù)組合構(gòu)成MIMO-HARQ系統(tǒng)。已有的MIMO檢測(cè)算法和HARQ系統(tǒng)的數(shù)據(jù)合并算法都是基于傳統(tǒng)的貝葉斯理論。貝葉斯的有關(guān)理論和方法一直都是度量不確定性

2、的重要手段，但由于它刻畫(huà)不確定性知識(shí)不細(xì)致，還通常要求給出先驗(yàn)概率和條件概率等限制了其更廣泛的應(yīng)用。證據(jù)理論（Dempster-ShaferTheory，DST）是貝葉斯理論的擴(kuò)展，在處理不確定性方面有其獨(dú)特的優(yōu)勢(shì)。本文在DST的框架下，研究了MIMO檢測(cè)和MIMO-HARQ系統(tǒng)中數(shù)據(jù)合并的方法，歸納起來(lái)，主要的工作和創(chuàng)新有以下幾個(gè)方面：
　　 首先，本文提出一種基于DST的MIMO檢測(cè)算法，稱為DS檢測(cè)。DS檢測(cè)方法把MIMO

3、信號(hào)的檢測(cè)看作是一個(gè)智能推理過(guò)程，對(duì)判決統(tǒng)計(jì)量的不確定性進(jìn)行精細(xì)的刻畫(huà)，能夠獲得更好的檢測(cè)性能。另外，利用Turbo碼的譯碼原理，結(jié)合信道糾錯(cuò)編碼，本文又提出了一種DS聯(lián)合迭代檢測(cè)譯碼算法，在該算法中，DS檢測(cè)器輸出的符號(hào)級(jí)軟信息轉(zhuǎn)化為比特級(jí)軟信息，并作為軟譯碼的輸入，軟譯碼輸出的信息又反饋給DS檢測(cè)器，構(gòu)成一個(gè)收斂的迭代算法。
　　 其次，最大比合并（Maximal-Ratio Combining，MRC）被認(rèn)為是在貝葉斯理論

4、體系下具有最優(yōu)性能的合并算法。本文基于DST對(duì)不確定性信息的處理能力，提出了一種單輸入單輸出（Single-Input Single-Output，SISO）-HARQ系統(tǒng)下性能優(yōu)于MRC的數(shù)據(jù)合并算法，即DSC算法。其中，針對(duì)基本可信度分配（Basic Probability Assignment，BPA）的計(jì)算，本文提出了兩種方法，分別是基于接收信號(hào)和候選集合之間距離的方法，即SISO-DSC-D，和基于發(fā)送符號(hào)的后驗(yàn)概率的方法，即

5、SISO-DSC-APP。當(dāng)原始信息比特先驗(yàn)等概率時(shí)，兩種計(jì)算方法等價(jià)，并通過(guò)軟信息BPA之間的合并運(yùn)算抵消不確定性信息的影響，使得性能優(yōu)于MRC。當(dāng)先驗(yàn)不等概率且已知先驗(yàn)信息時(shí)，由于利用了先驗(yàn)信息，SISO-DSC-APP在低信噪比時(shí)性能優(yōu)于SISO-DSC-D，且和基于最大后驗(yàn)概率（Maximum A-Posteriori，MAP）判決準(zhǔn)則的MRC-MAP算法的性能相當(dāng)。隨著信噪比的提高，SISO-DSC-APP和SISO-DSC-

6、D的性能趨于一致，并且都優(yōu)于MRC-MAP算法的性能。另外，與MRC算法相比，本文提出的DSC算法具有處理不確定性信息的優(yōu)勢(shì)，因此算法具有魯棒性，特別適合于衰落信道下的數(shù)據(jù)合并。
　　 第三，本文提出兩種基于DST的MIMO-HARQ系統(tǒng)下數(shù)據(jù)合并算法，一種是用于符號(hào)級(jí)合并的DS-Symb-DSC算法，另一種是用于比特級(jí)合并的DS-Bit-DSC算法。兩種算法都是軟檢測(cè)軟合并算法，首先在DS檢測(cè)階段，對(duì)判決統(tǒng)計(jì)量做出軟判決，定義

7、相應(yīng)的符號(hào)級(jí)或比特級(jí)的廣義軟信息并將其當(dāng)作一個(gè)反映判決結(jié)果的證據(jù)，然后和原有出錯(cuò)的信息包所提供的證據(jù)在DS合并階段根據(jù)組合規(guī)則進(jìn)行融合，消除證據(jù)中所含有的不確定性信息，從而得到更優(yōu)的合并性能。與傳統(tǒng)基于最小均方誤差（Minimum Mean Square Error，MMSE）檢測(cè)的符號(hào)級(jí)后合并算法MMSE-post和比特級(jí)對(duì)數(shù)似然比（Log-Likelihood Ratio，LLR）合并算法MMSE-LLR相比，本文提出的DS-Sym

8、b-DSC和DS-Bit-DSC算法具有明顯的性能優(yōu)勢(shì)，并且當(dāng)原始信息比特先驗(yàn)不等概率時(shí)，DS-Symb-DSC算法的性能優(yōu)于一種MIMO-HARQ系統(tǒng)中的最大似然（MaximumLikelihood，ML）合并算法。另外，本文提出的比特級(jí)的DS合并算法是一種通用的合并算法，理論推導(dǎo)證明LLR合并是其一種特例。通過(guò)對(duì)算法在計(jì)算復(fù)雜度方面的分析比較可以得出，本文所提算法還具有低復(fù)雜度的優(yōu)勢(shì)。
　　 第四，對(duì)于高維的秩虧損MIMO系

9、統(tǒng)，本文提出了一種基于模擬退火的檢測(cè)算法，它能在不明顯降低ML算法性能的同時(shí)，大大降低算法的復(fù)雜度，特別是其并行運(yùn)算的性質(zhì)使得這種算法更實(shí)用。對(duì)于低維的秩虧損MIMO系統(tǒng)，本文還提出了一種結(jié)合ML和MMSE的算法，即ML-MMSE算法。在這種算法中，關(guān)鍵是對(duì)選取信道條件較差的子信道上傳輸?shù)姆?hào)采用ML窮舉搜索檢測(cè)，而對(duì)信道較好的子信道上傳輸?shù)姆?hào)進(jìn)行MMSE檢測(cè)。這種ML-MMSE檢測(cè)算法能夠在復(fù)雜度和性能之間取得較好的折中，特別適合于