MIMO系統(tǒng)檢測算法仿真.doc

學(xué)習(xí)資料收集于網(wǎng)絡(luò)，僅供參考MIMO系統(tǒng)檢測算法仿真姓名：學(xué)號：目錄摘要3一、MIMO系統(tǒng)簡介4二、MIMO系統(tǒng)容量分析5三、MIMO多用戶系統(tǒng)檢測技術(shù)83.1多用戶檢測技術(shù)原理83.2 V-BLAST的迫零檢測93.3 ZF-SIC算法103.4 MMSE算法113.5 MMSE-SIC算法113.6 最大似然(ML)檢測算法12四、仿真結(jié)果12五、分析與總結(jié)14六、參考文獻(xiàn)15七、附錄17摘要關(guān)于如何在有限的頻譜資源上實現(xiàn)高速率和大容量是未來移動通信系統(tǒng)的關(guān)鍵因素之一。MIMO技術(shù)利用多個天線實現(xiàn)多發(fā)多收,充分開發(fā)空間資源,可以成倍地提高信道容量,同時也可以提高信道的可靠性,降低誤碼率。多用戶檢測技術(shù)與MIMO結(jié)合可以進(jìn)一步提高傳輸效率,提高系統(tǒng)性能。 報告首先介紹了MIMO系統(tǒng)以及多用戶檢測理論,然后著重解釋了BLAST系統(tǒng)中一類垂直分層空時碼的檢測算法,依據(jù)信號模型,分析推導(dǎo)了基于迫零準(zhǔn)則和最小均方誤差準(zhǔn)則的估計算法,并在此基礎(chǔ)上采用了以上算法與判決反饋及最佳排序思想結(jié)合的方法,使系統(tǒng)的誤碼率性能得到了提高。此外，還進(jìn)行了最大似然算法的仿真。最后通過仿真實驗比較了各種算法的性能和特點,結(jié)果表明分層空時碼用于無線通信具有極大優(yōu)勢。一、MIMO系統(tǒng)簡介多輸入多輸出(MIIMO,Multiple-Input Multiple-Output)技術(shù)最早由Marconi于1908年提出的,是利用多天線來抵御信道衰落?？梢院唵味x為:在一個任意的無線系統(tǒng)中,鏈路的發(fā)端和收端都使用多天線,也包括單入多出系統(tǒng)和多入單出系統(tǒng)。MIMO的核心思想是:將發(fā)送端的信號分開而將接收端天線的信號合并,使每個MIMO用戶的傳輸質(zhì)量比特誤碼率(BER)或數(shù)據(jù)速率得到改進(jìn),提高網(wǎng)絡(luò)服務(wù)質(zhì)量。MIMO技術(shù)可以把多徑效應(yīng)作為有利因素來加以利用,在不增加帶寬的情況下成倍地提高通信系統(tǒng)的容量和頻譜利用率。在理想情況下,MIMO系統(tǒng)的信道容量隨發(fā)送天線個數(shù)和接收天線個數(shù)的最小值線性增加,從而提供目前其他技術(shù)無法達(dá)到的容量潛力。多天線發(fā)送和接收技術(shù)是空間分集與時間分集技術(shù)的結(jié)合,有很好的抗干擾能力,如果能進(jìn)一步將多天線發(fā)送和接收技術(shù)與信道編碼技術(shù)結(jié)合,就可以更大程度地提高系統(tǒng)性能。MIMO技術(shù)領(lǐng)域另一個研究熱點就是空時編碼。常見的空時碼有分層空時碼、空時網(wǎng)格碼、空時分組碼?？諘r碼的主要思想是利用空間和時間上的編碼實現(xiàn)一定的空間分集和時間分集,從而降低信道誤碼率。MIMO無線通信技術(shù)采用空時處理技術(shù)進(jìn)行信號處理,在多徑環(huán)境下,無線MIMO系統(tǒng)可以極大地提高頻譜利用率,增加系統(tǒng)的數(shù)據(jù)傳輸速率。MIMO技術(shù)利用多個天線實現(xiàn)多發(fā)多收,充分開發(fā)空間資源,可以成倍地提高信道容量,同時也可以提高信道的可靠性,降低誤碼率。多用戶檢測技術(shù)與MIMO結(jié)合可以進(jìn)一步提高傳輸效率。但是在MIMO系統(tǒng)多用戶檢測的研究上,盡管全空間最大似然(ML)檢測能獲取最優(yōu)的檢測性能,但由于其算法復(fù)雜度太高,一直無法實際應(yīng)用,于是研究復(fù)雜度較低,性能接近ML的多用戶檢測算法具有重要意義,MMSE算法,ZF算法,以及對兩者進(jìn)行改進(jìn)的MMSE-SIC算法和ZF-SIC算法。二、MIMO系統(tǒng)容量分析假定一個點對點MIMO系統(tǒng)有Mr個發(fā)射天線、MR個接收天線。集中于用離散時間描述的復(fù)基帶線性系統(tǒng)模型,系統(tǒng)框圖如圖2-1所示。用Mr1列矩陣s表示每個符號周期內(nèi)的發(fā)射信號,其中第i個元素si表示第i根天線發(fā)射的信號。圖2-1 MIMO系統(tǒng)框圖對于高斯信道,按照信息論可知,發(fā)射信號的最佳分布也應(yīng)該是高斯分布的。因此,s的元素是零均值獨立同分布的高斯變量。發(fā)射信號的協(xié)方差矩陣為: (2-1)代表均值；S表示矩陣的復(fù)共扼轉(zhuǎn)置矩陣。不管發(fā)射天線數(shù)是多少,總的發(fā)射功率限制為P。如果信道在發(fā)射端未知,則假定從各個天線發(fā)射的信號都有相等的功率。這樣,發(fā)射信號的協(xié)方差矩陣為: (2-2)由于發(fā)射信號的帶寬足夠窄,因此可以認(rèn)為它的頻率響應(yīng)是平坦的。換句話說,假定信道是無記憶的。用的復(fù)矩陣H描述信道。表示矩陣H的第ji個元素,代表從第i根發(fā)射天線到第j根接收天線之間的信道衰落系數(shù)。為了規(guī)范,假定根接收天線中每一根天線的接收功率都等于總的發(fā)射功率。這種假定,實際上忽略了信號傳播過程中的信號衰減和放大,包括陰影、天線增益。于是得到了具有確定參數(shù)的信道矩陣H中的各元素的規(guī)范限定,如下式所示: (2-3)當(dāng)信道矩陣元素為隨機變量時,規(guī)范就是對上述表達(dá)式取期望值。假定己知接收端信道矩陣,但發(fā)射端不確定,那么可以通過向接收端發(fā)射訓(xùn)練序列來估計信道矩陣,然后再通過可靠的反饋信道將估計的信道狀態(tài)信息(CSI)發(fā)送到發(fā)射端。用的列矩陣描述接收端的噪聲,表示為n。它的元素是統(tǒng)計獨立的復(fù)零均值高斯變量,它具有獨立且方差相等的實部與虛部。接收噪聲的協(xié)方差矩陣為: (2-4)如果n的元素之間沒有相關(guān)性,則接收噪聲的協(xié)方差矩 (2-5) 個接收分支中每一個都有相同的噪聲功率。接收端基于最大似然準(zhǔn)則,在根天線上進(jìn)行聯(lián)合操作。用的列矩陣描述接收信號,表示為r,其中每個復(fù)元素代表一根接收天線。Pr表示每根接收天線輸出端的平均功率。則每根接收天線處的平均信噪比(SNR)定義為: (2-6)前面己假定每根天線的總接收功率都等于總發(fā)射功率,這樣,SNR就等于總的發(fā)射功率和每根接收天線的噪聲功率的比值,而且它獨立于,寫為: (2-7)使用線性模型,可將接收矢量表示為接收信號的協(xié)方差矩陣定義為,利用式(2-5)可以得出 (2-8)而總接收信號功率可表示為。三、MIMO多用戶系統(tǒng)檢測技術(shù)3.1多用戶檢測技術(shù)原理傳統(tǒng)的接收機進(jìn)行的都是單一用戶的檢測,它的缺點是在對一個用戶解調(diào)時沒有利用已知的其它用戶的信息,而是將多址干擾當(dāng)作高斯白噪聲處理,按照經(jīng)典的直接擴頻理論對每個用戶信號分別進(jìn)行擴頻碼匹配處理,因此抗MAI干擾能力較差,大大降低了系統(tǒng)容量。 MUD技術(shù)是在傳統(tǒng)的檢測技術(shù)基礎(chǔ)上,充分利用造成干擾的所有用戶的信息,對單個用戶進(jìn)行檢測,從而解決抗干擾問題和抗遠(yuǎn)近效應(yīng)的問題,降低了系統(tǒng)對功率控制精度的要求,因而能夠更加有效地利用上行鏈路的頻譜資源,從而顯著提高系統(tǒng)的容量。MUD的主要思想是:把同時占用某個信道的所有用戶或某些用戶的信號當(dāng)作有用信號而不是當(dāng)作干擾信號處理,利用多個用戶的碼元、時間、信號幅度以及相位等信息聯(lián)合檢測單個用戶的信號,即綜合利用各種信息及信號處理手段,對接收信號進(jìn)行處理,從而達(dá)到對多個用戶信號的最佳聯(lián)合檢測。圖3-1多用戶檢測算法分類3.2 V-BLAST的迫零檢測迫零檢測器是一種線性檢測器，它的作用是通過是通過線性濾波將數(shù)據(jù)流分隔開來,再對其進(jìn)行獨立譯碼。我們假定信道矩陣是可逆的,則發(fā)送信號向量的估計為： (3-1)其中表示矩陣H的偽逆。在迫零ZF檢測器中，每個數(shù)據(jù)流的分集增益為。因此，迫零檢測器是次優(yōu)的。迫零檢測是V-BLAST系統(tǒng)最早提出的經(jīng)典檢測算法。迫零算法的目的是找到迫零向量以消除各數(shù)據(jù)層之間的干擾。3.3 ZF-SIC算法串行干擾抵消算法(SIC)的思想是采用過逐步檢測相消法來實現(xiàn)子流的區(qū)分和檢測，考慮MIMO系統(tǒng)的信號檢測模型，之前所講的ZF和MMSE算法是將s各分量的估計值都得到后再作判決，而SIC算法是每得到一個分量就作判決得到（即根據(jù)某種準(zhǔn)則找出星座點集合中的一點與之對應(yīng)），然后得到一個新的接收信號，這時中就消除了的干擾，重復(fù)上述步驟得到s所有分量的估計即可。然而如果某個分量估計出錯，則會大大影響剩余分量估計的準(zhǔn)確度，即差錯傳播問題。引入排序機制的OSIC算法就在一定程度上削弱了這個影響。ZF的協(xié)方差矩陣，其中，作為行向量組成一個矩陣，這說明s各分量估計值的方差正比于相應(yīng)行向量的范數(shù)，顯然應(yīng)該先選擇方差小的分量進(jìn)行估計，即最先選擇s的第個分量進(jìn)行估計，得，而后對該結(jié)果進(jìn)行判決得到。記，經(jīng)過第一次判決后，接收信號矢量更新為，去掉H的第k1列得到，去掉s中已判決出的分量得到，計算新的檢測子，選擇的第行與作內(nèi)積然后判決即可得到中的第個分量的估計結(jié)果。重復(fù)上述步驟直到得到s所有分量的估計結(jié)果。3.4 MMSE算法MMSE算法在一定程度上改善了迫零算法的性能，它是用一個新的矩陣來代替迫零算法中的。利用一下原則得到加權(quán)矩陣 其中E表示期望值。算法步驟如下：1) 先根據(jù)上述原則得到并計算加權(quán)矩陣，其中：為噪聲方差；為發(fā)送信號功率。如果每根發(fā)射天線信號能量進(jìn)行歸一化，則在公式中的可以省略，此時。2) 將加權(quán)矩陣左乘接收信號，式子變?yōu)椤?) 直接利用公式進(jìn)行量化，從而對信號進(jìn)行譯碼。3.5 MMSE-SIC算法1) 首先進(jìn)行初始化；2) 選取信噪比最大的信號；3) 第i次迭代取第行；4) 計算判決變量；5) 進(jìn)行硬判決；6) 抵消這個信號對下面要進(jìn)行判決的影響;7) 計算;8) 再次選取信噪比最大的信號;9) 。3.6 最大似然(ML)檢測算法最大似然檢測是MIMO檢測中的最優(yōu)檢測方式，能獲得最高的分集增益，檢測出的信號是星座圖上最接近發(fā)射點的信號。對于MIMO來說，對第k個子載波上的信號檢測表示如下： (3-2)式中，為MIMO信道估計所估計出的信道頻率響應(yīng)矩陣，S為BPSK調(diào)制中所有發(fā)出符號的星座集合，在進(jìn)行了信道估計后，產(chǎn)生一個對角矩陣，因此，對各個子載波上的數(shù)據(jù)進(jìn)行ML檢測時，可以分離開來進(jìn)行，這時，多載波下的檢測就相當(dāng)于單個載波下的檢測。四、仿真結(jié)果 圖 4-1圖4-2圖4-3五、分析與總結(jié)由仿真結(jié)果可知，在采用相同的調(diào)制方式和相同的信噪比時，非線性檢測的ML算法的誤比特率遠(yuǎn)小于其他算法。線性檢測算法中MMSE算法要優(yōu)于ZF算法，這是因為MMSE算法在處理消除符號間干擾的時候考慮了噪聲的影響，從而使得噪聲和同頻信號相互干擾造成的錯誤最小。ZF算法因為要根除同頻信號的相互干擾而忽略了噪聲的影響，因此，檢測效果差些。在線性檢測ZF和MMSE中，當(dāng)采用了順序干擾消除，一次一個地將干擾從接收信號中除去時，性能得到了較好的提升，從圖4-1中可以看出，ZF-SIC算法性能和MMSE算法性能差不多，但ZF-SIC算法和MMSE-SIC算法性能仍不及ML算法的性能。圖4-2和圖4-3是研究在ZL算法種發(fā)射天線與接收天線不同組合時檢測性能的優(yōu)劣?？梢钥闯觯?dāng)發(fā)收天線數(shù)一致時，不影響ZF算法的檢測性能。當(dāng)發(fā)射天線數(shù)大于接收天線數(shù)時，算法檢測性能不受信噪比的影響。發(fā)射天線數(shù)小于接收天線數(shù)時，算法有更佳的檢測性能。六、參考文獻(xiàn)1 GB/T 7714趙莉. MIMO檢測算法J. 2010.2 龔兵, 鄧飛其. LTE系統(tǒng)中的MIMO檢測算法J. 重慶理工大學(xué)學(xué)報自然科學(xué)版, 2009, 23(9):115-117.3 王利勇. MIMO檢測算法的研究與實現(xiàn)D. 西安電子科技大學(xué), 2010.4 肖莉. LTE系統(tǒng)中MIMO檢測算法的研究D. 安徽大學(xué), 2012.5 劉文龍, 裴瑩瑩, 金明錄. BPSK通信系統(tǒng)的部分最優(yōu)MIMO檢測算法J. 信號處理, 2013, 29(10):1315-1322.6 陳雯柏, 李衛(wèi), 張小頻. 一種低復(fù)雜度的近似最大似然MIMO檢測算法J. 哈爾濱工業(yè)大學(xué)學(xué)報, 2012, 44(5):140-143.7 王靈光, 劉皓, 王軍,等. MIMO檢測算法研究與實現(xiàn)C/ 中國西部青年通信學(xué)術(shù)會議. 2005. for t=1:L r=R_noised(:,t); HH=H(:,:,t); G=pinv(HH); S=1:tx; xtemp=zeros(tx,1); for k=1:tx wki,ki=minnorm(G,S); S(ki)=0; y=wki*r; xtemp(ki)=1*(y=0)-1*(y=0)-(y=0)-(y=0)-(y0.5; s = 2*ip-1; sMod = kron(s,ones(nRx,1); sMod=reshape(sMod,nRx,nTx,N/nTx); h = 1/sqrt(2)*randn(nRx,nTx,N/nTx) + j*randn(nRx,nTx,N/nTx); % Rayleigh channel n = 1