MIMO 学习4-2.pptVIP

第四部分：MIMO系统的基本检测算法 数据源分为多个子数据流，每个子数据流分别独立编码调制，各发射天线同时发射不同的数据子流，在接收端进行多天线的接收。 我们知道，最大似然检测在误比特率最小的意义下是最优接收，但是其解码复杂度随着天线个数及调制星座数的增加呈指数增加。 于是出现了一些次最优的检测算法，主要分为两大类：一类是线性检测算法，基于迫零（ZF）或最小均方误差（MMSE）准则，另一类是干扰删除的非线性检测算法：分为未排序串行干扰抵消算法和排序串行干扰抵消算法。还有可以降低运算复杂度的QR分解检测算法。 线性检测算法 非线性检测算法 QR分解算法. 线性检测算法 迫零检测算法 最小均方误差检测算法 迫零检测算法 2最小均方误差检测算法 ZF检测完全抵消了不同天线间的干扰（MSI），分离了不同的数据流，但是以噪声的增加为代价。 而MMSE检测以最下均方误差为准则，将实际发送的符号和检测器输出估计值之间的均方误差最小化，即： 上式用到了矩阵逆引理。因此滤波输出得到的估计信号为 可以看出引入扩展矩阵后，ZF线性检测和MMSE线性检测表达式上是相似的， 线性检测算法 非线性检测算法 QR分解算法. 非线性检测算法 最大似然检测算法 基于干扰消除（IC）的检测 仿真性能比较 最大似然检测算法 非线性检测算法包括：最大似然检测算法，干扰消除检测算法。其中，干扰消除检测算法又分为排序和未排序。 最大似然检测算法 最大似然（ML）接收机对于没有信道编码的BLAST系统是最优的接收机，同时也是复杂度最高的接收机。最大似然准则即要求满足式： 最大似然检测算法 最大似然检测算法 最大似然检测算法 利用得到的似然比对每一比特信息作判决即可检测出发送的信号 非线性检测算法 最大似然检测算法 基于干扰消除（IC）的检测 仿真性能比较 基于干扰消除（IC）的检测 两种基于干扰消除的检测方法：一种是串行干扰抵消（SIC）检测，另一种是排序串行干扰抵消（OSIC）检测 1 串行干扰抵消算法 串行干扰抵消（SIC）检测的核心思想在于执行多极的“分层剥离”，即在检测过程中发送数据流被一层一层串行地检测和消除。 对于V-BLAST信号模型，SIC检测算法可以简要的概括如下： 2排序串行干扰抵消算法 排序串行干扰抵消（OSIC）算法是一类改进的SIC检测算法，它在传统未排序的SIC算法的零化和IC操作的基础上，增加了符号检测的排序操作，这可以有效地降低SIC检测过程中误差传播的可能性，从而大大提高系统的检测性能 排序串行干扰抵消检测算法的基本思想在于执行多级的、优化排序（optimally ordered）的迭代干扰抵消。在OSIC算法的每一级中，需要执行三个核心的基本操作：排序，零化和干扰抵消。 首先，根据一定的排序准则（ordering metric），从当前级所有剩余未检测的发送数据流中选择出一个待检测数据流； 然后，将数据流通过基于特定零化准则的滤波器完成该数据流的检测； 最后，从接收信号中消除被检测数据流的干扰，准备进入下一级。 排序，零化和干扰抵消操作的不断重复，直至经过多级处理后，使所有发送数据流均被检测为止。 排序是OSIC算法中最具有特色的一个关键操作，其目的在于通过排序，相对未进行排序的SIC检测，尽可能地提高检测过程中先前检测数据流的检测可靠度，减少误差传播现象的发生，从而使得后续检测数据流的分集优势能够被挖掘出来，进而改善整个系统的检测性能。 常见的排序方法是： 在检测的每一级中，针对所采用的零化准则，以及某种排序准则，从所有剩余未检测的符号中选择一个在某种意义上检测可靠度最高的符号进行检测和干扰抵消。 采用不同零化和排序准则的OSIC算法。由于采用了优化排序操作，相比未排序的SIC算法，OSIC检测可以获得一定程度的选择分集增益，能有效地提高检测的性能，但是额外的排序操作也在一定程度上增加了检测的复杂度。 仿真对象为4发4收的V-BLAST系统，调制方式为格雷（Gray）编码的QPSK； 信道为独立准静态瑞利平衰落MIMO信道，它们在一个发送符号间隔内保持不变，而在不同的发送符号间隔衰落相互独立； 假设接收端知道精确的信道状态信息。所仿真的代表性检测算法见表。 图1给出了最优的ML检测算法和一系列基于ZF滤波的子最优算法的性能 图2给出了最优的ML检测算法和一系列基于MMSE滤波的子最优算法的性能 可以看出，基于MMSE滤波的算法可以获得比对应基于ZF滤波的算法更好的检测性能 这是由于基于MMSE准则的滤波综合考虑了干扰与噪声的抑制，从而有效地克服了ZF滤波中存在的噪声增强问题。 线性检测算法 非线性检测算法 QR分解算法. QR分解算法 QR分解算法 1基于Gram-Schmidt正交化的ZF-SQRD 2基于Hou