版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
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
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 非協(xié)作通信系統(tǒng)中弱信號(hào)檢測(cè)的不確定性處理.pdf
- 證據(jù)理論在事故樹(shù)不確定性處理中的應(yīng)用.pdf
- 2019不確定性中的確定性
- 論確定性與不確定性.pdf
- 2019不確定性中的確定性
- 基于證據(jù)理論的不確定性處理研究及其在測(cè)試中的應(yīng)用.pdf
- 時(shí)空數(shù)據(jù)庫(kù)中不確定性處理技術(shù)若干關(guān)鍵問(wèn)題研究.pdf
- 不確定性會(huì)計(jì)研究.pdf
- 論不確定性中的信任
- 銀行業(yè)不確定性中尋找確定性
- 油藏建模中的不確定性研究.pdf
- 傳感網(wǎng)中不確定性Skyline查詢處理研究.pdf
- 適合分布計(jì)算環(huán)境不確定性處理的概率圖模型若干問(wèn)題研究.pdf
- 需求不確定性、任務(wù)不確定性、人員沖突與項(xiàng)目績(jī)效關(guān)系的實(shí)證研究.pdf
- 不確定性與個(gè)人儲(chǔ)蓄.pdf
- 論哈姆雷特的不確定性
- 學(xué)會(huì)從不確定性中獲益
- 不確定性會(huì)計(jì)問(wèn)題研究
- 考慮載荷不確定性和剛度不確定性的魯棒優(yōu)化問(wèn)題.pdf
- 基于廣義區(qū)間的加工過(guò)程檢測(cè)中不確定性研究.pdf
評(píng)論
0/150
提交評(píng)論