一个先进的ISI抵消动态多.pptVIP

一个先进的ISI抵消动态多路径信道跟踪器 余子斌 2011.3.26 * 内容提要： 1.研究目的 2.研究内容 3.落到实处：PF-based——EKF-based (MIMO) communication 研究目的 无线信道是一个随机时变多路径信道，导致发射端按序发送的符号在接收端有可能出现“后来先到”的现象，也称为符号间干扰，简称ISI，影响可靠通信。 单路径信道通信 多路径信道通信 研究目的（2） 为克服ISI问题，要求估计信道特性，在接收端抵消ISI。 系统冲击响应的物理意义： FT 研究目的（3） 采用训练序列带来的问题（见下页） Then 研究目的（4） 由于无线信道存在动态变化的特性，实际可行的估计器应当序贯跟踪信道的变化。 训练序列码是对发射功率和信道带宽的一种浪费，且动态变化的信道要求大量的训练序列码，怎么办？ 研究目的（4） 解决之道：联合信道估计和码检测方法。 Supervised training mode Tracking mode 总而言之，本项目为克服无线通信时变多路径信道带来的ISI问题研究先进算法序贯地对信道进行动态跟踪。 研究内容 贝叶斯随机滤波理论 （1） 状态—空间模型 状态方程（状态过程演化） 测量方程（观察过程演化） （2）模型与滤波的耦合 模型：概率表征。状态方程（1a）表征Markov转变概率 ，测量方程（1b）表征似然 模型基滤波：概率传播和递归 （1a） （1b） 研究内容（2） 贝叶斯随机滤波理论 （3）贝叶斯滤波：一个最精致的框架 基于模型（1a）和（1b），在给定观察 情况下，随着时间的进展，序贯估计条件滤波后验 （2） 所谓最高境界指模型基信号处理，建模：状态—空间模型，包含了“all relevant information required to describe the system under investigation”;处理：贝叶斯序贯状态估计，状态的后验pdf包含了 “all available statistical information”。因而可以说是提供了估计问题的“complete solution”。 贝叶斯滤波—最佳滤波：Estimating recursively in time the sequence of posterior densities: 无论是线性，还是非线性，也不论是高斯，还是非高斯。 研究内容（3） 卡尔曼滤波：线性状态方程与测量方程，高斯噪声背景下的最佳贝叶斯估计器是卡尔曼滤波器。 MMSE准则：使均方误差 最小 线性高斯 单模对称分布情况下，MMSE=MAP 研究内容（4） 研究内容（5） 扩展卡尔曼滤波（EKF） 线性化 研究内容（6） 质点滤波：无线信道并不一定符合高斯线性条件，这时卡尔曼滤波器对信道的估计性能变差。质点滤波器基于重要性采样—再采样模拟方法来概率采样信道响应的后验概率，对计算资源有一定要求，但并不局限在高斯线性条件下，因而具有普遍意义。 研究内容（7） 实际情况下，可能从 中直接采样数据难，从 中采样数据简单。 研究内容（8） Sequential Importance Sampling (SIS) Filter Sequential Importance Resampling (SIR) /Bootstrap Filter 存在问题：权退化 缓解方法：重采样 遗留问题：并没有克服权退化问题，仅是通过舍弃低权值质点来避免无用计算时间。且在高权值质点处的质点分裂引入了质点间的相关性，对平均等效期望是不利的。需研究MCMC PF。 落到实处：PF-based——EKF