编辑推荐
《多天线系统中的迭代信号处理技术》可供无线通信系统设计、通信电子对抗等领域的技术人员学习和
参考,也可作为高等院校和科研院所信息与通信工程、信号与信息处理等专
业研究生的教材或参考书。
内容简介
《多天线系统中的迭代信号处理技术》深入、系统地论述多天线系统中迭代信号处理的理论、算法及应
用,总结作者多年来在该领域的研究成果及国际上的一些相关研究进展。
《多天线系统中的迭代信号处理技术》共7章,主要内容有迭代信号处理基础及研究进展、多天线系统迭代信
号检测与译码、迭代均衡和干扰抵消、迭代信道估计与同步技术等。
内页插图
目录
前言
第1章绪论1
1.1引言1
1.2MIMO系统的接收机2
1.3迭代思想的提出7
1.4MIMO迭代接收机的架构9
1.5MIMO迭代信号处理的研究与发展12
1.5.1MIMO迭代接收机的软检测/均衡算法12
1.5.2MIMO迭代接收机的参数估计16
1.5.3Turb0迭代接收机理分析18
1.5.4MIMO迭代接收机的纠错译码19
参考文献20
第2章MIMO系统概述27
2.1引言27
2.2MIMO系统的基本概念27
2.2.1MIMO系统的信道容量27
2.2.2MIMO系统的分集和复用31
2.3MIMO系统的不同架构37
2.3.1T系统37
2.3.2空时编码系统40
2.3.3MIMOOFDM系统42
2.4MIMO系统的信道模型45
2.4.1元线信道衰落特性46
2.4.2MIMO信道的描述47
2.4.3MIMO信道建模49
参考文献54
第3章迭代信号处理基础57
3.1引言57
3.2Turb0迭代原理57
3.2.1Turb0码的迭代译码58
3.2.2Turb0原理65
3.3迭代信号处理方法66
3.3.1因子图与SP算法67
3.3.2EM算法75
3.3.3VBEM算法80
3.3.4蒙特卡罗方法81
3.4迭代处理的性能分析86
参考文献92
第4章MIMO系统的迭代信号检测94
4.1引言94
4.2平衰落空分复用MIMO系统的SISO检测原理94
4.3线性软检测原理97
4.3.1LS软检测器97
4.3.2LMMSE软检测器98
4.4基于树搜索的软输出列表检测算法99
4.4.1树搜索检测算法原理99
4.4.2LSD算法105
4.4.3列表Stack算法108
4.4.4列表QRD-M算法110
4.5基于MCMC的软检测算法117
4.5.1基于吉布斯采样的比特计数算法117
4.5.2MCRB-算法118
4.6基于SDR的软检测算法121
4.6.1SDR的基本原理121
4.6.2基于SDR的硬判决MIMO信号检测123
4.6.3基于SDR的软判决MIMO信号检测124
参考文献127
第5章MIMO系统的迭代均衡与干扰抵消130
5.1引言130
5.2Turb0均衡和干扰抵消技术131
5.2.1统均衡器131
5.2.2Turb0均衡技术133
5.2.3干扰抵消技术139
5.3-STBC系统的迭代均衡141
5.3.1-STBC系统的Turb0接收系统141
5.3.2STBC码Turb0接收系统的EXIT图分析144
5.4多用户MIMO-OFDM系统的迭代干扰抵消151
5.4.1多用户MIMO-OFDM迭代干扰抵消原理152
5.4.2均衡后外信息计算153
5.4.3迭代干扰抵消的性能仿真155
参考文献158
第6章MIMO系统的迭代信道估计161
6.1引言161
6.2EM迭代信道估计162
6.2.1CE-EM接收机的信道估计163
6.2.2SD-EM迭代信道估计169
6.2.3基于导频的初始信道估计171
6.2.4算法性能仿真172
6.3VBEM迭代信道估计174
6.3.1VBEM接收机的软检测175
6.3.2VBEM信道估计177
6.3.3SFD-RVBCE算法178
6.3.4频域递推信道估计181
6.3.5VBEM迭代接收机总结182
6.3.6算法的性能183
6.4软判决RLS和LMS迭代信道跟踪186
6.4.1软判决RLS迭代信道跟踪算法187
6.4.2软判决LMS迭代信道跟踪算法189
6.4.3算法的仿真性能190
参考文献193
第7章MIMO系统的迭代同步技术195
7.1引言195
7.2Turb0同步基本知识195
7.2.1高斯白噪声信道下的基本同步问题196
7.2.2面向软判决的Turb0同步技术198
7.2.3基于EM算法的Turb0同步199
7.2.4基于SP算法的Turb0同步200
7.3MIMO系统中的迭代同步技术203
7.3.1频偏影响下的MIMO信号模型205
7.3.2数据辅助的频率同步技术205
7.3.3编码辅助的迭代频率同步技术207
7.4MIMO-OFDM系统中的迭代同步技术210
7.4.1同步误差影响下的MIMO-OFDM信号模型210
7.4.2联合定时、信道与频偏估计215
7.4.3联合频偏与等效信道跟踪218
参考文献225
精彩书摘
第1章绪论
1.1引言
MIMO技术最早于1908年由Marconi提出,当时通过采用多根天线来抵抗信道衰落对元线通信的影响。真正对当前及未来元线通信产生巨大影响的MIMO概念是由Be11实验室的Te1atar[1J与Foschini[2J于20世纪90年代分别独立提出的。MIMO技术通过在通信系统的发送端或/和接收端设置多个天线,允许多个天线同时发送或接收多个空间数据流,使空间同时间、频率一样,成为一种可用于提高性能或容量的资源,实现多个空间数据链路共享时间和频段的传输。Te1atar与Foschini从理论上证明,在总发射功率受限、空间独立的瑞利平衰落MIMO信道下,信道容量(单位:b/s/Hz)随发射与接收天线数中的最小值呈线性增长[1,门J,这意味着MIMO技术可以在不增加带宽和发射功率的前提下成倍提高元线通信系统的信道容量。目前,MIMO技术已成为实现高频谱利用率、高信息传输速率、高可靠性数据传输的有效方案之一。MIMO系统的提出引起了人们极大的兴趣和研究热情,人们围绕MIMO系统的信道容量分析、系统架构、空时编码、波束成形、有限反馈、接收机设计与系统实现等难题展开大量研究,取得了丰富的研究成果。
大量研究表明,接收机的性能是通信系统能否实现整体最佳性能的关键。MIMO系统能否发挥其性能和谱效率方面的优势同样受到接收机设计的影响。在通信理论中,最优接收机是使发送符号或序列错误概率最小的MAP接收机。虽然最优接收机的概念在通信理论中早已界定,但在实际问题中却因为复杂度过大而很少应用,尤其在MIMO系统中,由于收发两端引人多根天线,使得待处理的信号维数和未知参数增加,也使系统的最优接收更加难以实现。因此,实际系统的接收机通常将接收处理按照功能分成顺序执行的多个独立模块,如检测/均衡器、信道估计器、信道译码器等。典型的MIMO系统发送机和传统接收端框图如图1.1所示。这种传统接收机局限于对单个模块的优化设计,往往忽视各模块之间存在的联系,忽略了整体的优化设计,其性能与最优接收机存在较大差距。许多研究者致力于接收机中单个模块(如MIMO检测/均衡、信道译码等技术)的优化,但其在系统整体性能提升方面作用有限。
20世纪90年代,随着Turbo码迭代译码原理的提出和应用,迭代思想很快被扩展到通信系统的诸多应用领域,如Turb0均衡、Turb0解调及迭代信道估计与同步等。通过迭代接收可以建立接收机各模块之间内在的相互联系,实现各个模块间的有效信息交互。由于在多模块间反复交换信息,迭代接收能以合理的复杂度逼近最优接收性能。正因如此,研究者迅速将Turb0原理引人MIMO接收机设计中,并衍生出一系列基于Turb0原理的MIMO迭代信号处理技术。迭代信号处理技术是一类新兴的信号处理技术,已经在MIMO系统信号处理的多个领域得到应用,已被理论和实际证明具有超越传统非迭代接收机的优异性能。
1.2MIMO系统的接收机
MIMO系统在发送端和接收端同时配置多根天线,其简化框图如图1.2所示。MIMO系统的核心思想就是空时信号处理,即在原来时间维的基础上,通过使用多根发送天线和多根接收天线来增加空间维,从而实现多维信号处理,获得空间复用增益或空间分集增益。MIMO系统传输的数据经过的是矩阵信道而非矢量信道,这为改善系统性能或提高数据传输速率提供了更大的可能。实际上,MIMO系统可以将无线信道与发送机、接收机视为一个整体进行优化,从而实现高的系统传输性能和频谱利用率。MIMO系统理论上的性能提升和容量增益的获得需要依靠合理的接收机设计。举例而言,通用的MIMO容量分析通常假设发射或接收端完全已知信道信息,然而,这种假设条件一般在实际中无法获得,MIMO系统的信道容量会随着接收机非理想信道估计误差的增加而迅速降低。另外,从系统实现的角度来说,MIMO系统接收机需要在复杂度和性能上获取折中。因此,接收机设计是MIMO系统的关键问题,人们对此进行了广泛研究,提出了多种实现方案。下面简要介绍MIMO系统的接收机。
假设信道参数为H,发送信号(信道输人)为X,接收端观测信号(信道输出)为Y,则MIMO系统一般可以表示为如下线性模型:式中,Y为NRXl的观测矢量;X为NTXl的发送信号矢量;H为NRXNT的信道矩阵;W为NRXl的接收端观测噪声。MIMQ系统传统接收机设计的任务是:根据观测信号Y尽可能准确地估计出发送信息X,这就是信号处理中典型的信号估计问题。
假设待估计的参数为发送信号X,X的估计记做。→般的估计问题通常先设定某种关于X和X的代价函数c(X,X),然后通过最小化c(X,X)关于X和Y的联合概率分布P(X,Y)的期望E{c(X,)}进行求解,即
只考虑c(X,X)积分项的代价函数,从而最小化式就等价于最小化如下所示的
此时,X的估计为
当X为连续随机变量时,若取代价函数c(X,)为均方误差MSE)函数,即
代入式(l.3),对求导并令导数等于零可得
显然,X的最小均方误差(mlnlmUmMSE,MMSE)估计就是X的后验均值E(XIY)。若给定任意小的ò>O,并取如下代价函数:
类似地,可以推导出X的估计为
此时,X的估计为估计。
若X为离散随机变量,则式(1.3)可写为
定义代价函数c(X,X)为
则式(1.9)简化为1,其他
最小化C(XY)得到X的估计X为
这里同样得到X的MAP估计。在最小误符号率准则下,MAP估计就是最优估计。
除了MAP估计以外,根据经典估计理论,还可以对X进行最小二乘(1eastsquares,LS)估计、加权最小二乘(weighted1eastsquares,WLS)估计和线性最小均方误差(linearminimummeansquareerr0r,LMMSE)估计。LS估计通过最小化代价函数推导:
若已知观测噪声W的协方差矩阵C0v(W)为Cw,WLS估计为
当观测噪声为高斯分布时,此模型下WLS估计等效为ML估计。对于连续信号,ML估计能达到经典估计理论中的Cramer-Ka0下界,是→种最小方差无偏(minimumvarianceunbiased,MVU)估计器。当待估计参数和观测信号为联合高
斯分布时,MAP估计等效于MMSE估计,而MMSE估计与形式简洁的LMMSE估计等效[4]。LMMSE估计的表达式为
式中,干0O(X,Y)表示X和Y的互协方差矩阵。如果进一步假设~(X)=0,
LMMSE估计就演变成维纳滤波的形式。
自MIMO系统提出后,人们就对MIMO发送信号的LS和MMSE等简单估计方法进行了深入研究。尽管上述估计方法为MIMO信号接收提供了多种解决途径,但实际情况更加复杂,具体表现在:①发送信号X通常为取自调制星座集的多维离散信号,那么,连续信号域上的LS和MMSE等估计将不是发送信号的最优估计,事实上,它们与最优接收机的性能相差甚远;②信道参数H通常是未知的,要估计信号X必须先获取信道信息;③信号X的估计是符号级的,而最终需要恢复的是发送信息比特流。
从误比特率(bit-err0r-rate,BER)最优的角度来看,假设发送信息比特流为,则MIMO系统的最优接收机是bj的MAP接收机,即
下面分信道参数已知和未知两种情况来讨论MIMO系统的接收机:
(1)信道参数已知。假设信道参数H对接收端来说完全已知,依据贝叶斯原理[4],j的后验概率可写为
bj的后验对数似然比为
式中,Pa(X)为信号X的先验概率,其与信道编码和发送信息比特分布有关。表示与发送信号矢量X一一对应的比特矢量中bj=+1(或bj=-1)的所有调制信号组成的集合。最优接收机按照式计算bj的后验LLR为Lapp(bjIY)。Lapp(bjIY)是信号X和比特流{bj}的函数,可以写成如下形式:
显然,最优接收机需要进行信号X和发送比特流{bj}的联合最优化,其复杂度随发送信号的维数和调制阶数等成指数增长,在实际系统中难以实现。传统MIMO接收机先根据检测得到X的硬判决值或软判决值,然后进行信道译码恢复出发送比特流{bj},其性能与最优接收机相差较大。所幸的是,Turb0原理为实现具有合理复杂度的MIMO近似最优接收机提供了切实可行的途径。Turb0接收机进行联合信号检测与信道译码,以迭代的方式逼近最优性能。第3章和第4章将详细介绍信道参数已知时MIMO系统的迭代接收原理和相应的信号检测译码算法。
(2)信道参数未知。信道参数未知时,受多种因素的影响,信道参数是未知的随机变量,因此,用分布函数来描述信道参数更加合理,此时,bj的后验概率P(bjY)可写为
其后验LLR为
计算式(1.22)需要计算分布P(Y,HX),该分布是信道参数H和发送信号X的函数。传统接收机将信道视为未知的确定量,通过信道估计获得信道参数,此时,MIMO接收机的设计思路与信道参数已知时相同。然而,这种接收机考虑的是信道参数H和发送信号X的单独优化,其性能有所损失。最优接收机考虑的是信道H、信号X和信息流{bj}的联合优化,这是一个多参数联合优化问题,该问题的求解非常困难。研究者们提出了多种迭代优化算法,典型的有M算法、M算法、和不(umpr0du,p)算法和蒙特卡罗方法等。第u章以MIMO-OFDM系统为例,详细介绍基于M和M的迭代接收原理和迭代参数估计算法。除了可以进行迭代信道参数估计外,还可以进行其他参数的迭代估计,第7章描述了迭代信道跟踪和迭代同步算法。将参数估计嵌入Turb0迭代形成了一系列迭代信号处理算法,这些算法使得参数估计能从Turb0迭代中获得增益,提高参数估计精度,而更精确的参数对发挥Turb0迭代的优势更加有利。
前言/序言
多天线系统中的迭代信号处理技术 电子书 下载 mobi epub pdf txt