移动通信8教材_第1页
移动通信8教材_第2页
移动通信8教材_第3页
移动通信8教材_第4页
移动通信8教材_第5页
已阅读5页,还剩22页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

1、第八章 多用户检测 针对同信道干扰的抑制,介绍了多用户检测的理论、一些具有代表性的方法和应用。 增加无线系统容量的最直接的方法通常有两种,一是增加无线带宽,二是增加发射功率。然而,这两种方法在现代无线网络中都是严格受限的。因此,最近几年人们致力于研究新的信号发送技术和先进的接收机信号处理方案来提高无线容量,多用户检测技术便是其中的一个主要研究方向。 多用户检测思想 多用户检测技术其实是一种联合多个用户的信息进行信号检测的技术。其解决的主要问题是:从相互干扰的数字信息序列中可靠地解调出特定用户的信息。与传统的检测技术相比,多用户检测把同时占用某个信道的所有用户或某些用户的信号都当作有用信号,而不

2、是作为干扰信号处理,利用多个用户的码元、时间、信号幅度以及相位等信息联合检测单个用户的信号,即综合利用各种信息及信号处理手段,对接收信号进行处理,从而达到对多用户信号的最佳联合检测 以CDMA系统为例,我们知道,当系统中各用户之间的码字完全正交并且同步时,各个用户之间的信息完全没有干扰,可以予以正常接收;但是由于多径、衰落以及其它原因,实际系统中各用户之间的码字不可能达到完全正交和同步,其非零互相关系数便会引起各用户之间的相互干扰,称为多址干扰(MAI)。多址干扰可以导致远近效应,即接收机近端用户信号可能比远端用户信号强得多,其产生的MAI相对较大时可将远端信号完全湮没。最终MAI和远近效应将

3、会严重影响目标用户的信号接收,限制系统容量的提高。 传统的接收机只是简单地将匹配滤波器的输出判决作为用户信息。实际上是一种把其他用户造成的多址干扰当作白噪声来处理的单用户检测(SUD)技术。它忽略了系统中MAI所包含的有用信息,无法真正消除MAI的影响。事实上,MAI具有很强的结构性,因为当每个用户的扩频码序列都已知时,各个用户以及各条路径之间的互相关系是可以获得的。如果利用MAI的这些结构信息来进行用户信号的检测,就可以消除其负面影响,从而达到提高系统性能及容量的目的,这就是所谓的多用户检测技术。 SDMA系统与CDMA系统类似,为了简便,我们甚至可以将SDMA系统中的CIR的功能与CDMA

4、系统中的正交码做简单的类比12:二者在各自系统的通信过程中都起到了相同的区分不同用户的功能。而且由于SDMA系统中CIR自身便是非正交的,因此为了能够有效区分不同用户的信息,多用户检测技术也有必要引入到SDMA系统中,以消除MAI,提高系统容量。 多用户检测器的发展 Schneider于1979年提出第一次提出将多个用户的码字和定时等信息联合起来以检测出每个用户信息的多用户检测思想。1986年,S.Verdu将多用户检测的理论向前推动了一大步,他认为多址干扰是具有一定结构的有效信息,理论上证明了采用最大似然序列检测( MLSD)可以逼近单用户接收性能,并有效克服了“远近效应”,大大提高了系统容

5、量。但是MLSD结构是匹配滤波组加上Viterbi译码,其复杂度高。由于目前DSP芯片的技术满足不了这么高的运算要求,在工程上基本无法实现,因此大量的研究次优多用户检测的文章如雪崩似的相继而产生,以达到在保证一定性能条件下能够将复杂度降低到工程可以接受的程度。研究首先集中在为AWGN信道寻找次优的多用户检测器,之后是研究多径衰落信道下的多用户检测器。次优多用户检测器主要分为线性检测器和非线性检测器。而线性和非线性多用户检测器的实现都需要知道期望用户的定时信息以及信道冲击响应,同时还需要知道其它干扰用户的相应信息。又因为多用户检测的参数,如振幅、相位和用户之间的互相关系数是经常改变的,所以人们开

6、始关注于自适应多用户检测器的研究。但自适应多用户检测器需不断的发送训练序列来获得这些变化的信息,而频繁发送则浪费了频率资源。为此,Honig和Madhow于1995年提出了盲多用户检测的思想。盲多用户检测器既不需要干扰用户的信息,又不需要发送训练序列,成为近期研究的又一大热点。多用户检测器的性能度量标准 误码率 渐进多用户有效性(多用户检测达到相同误码率所需能量与单用户系统之比) 抗远近能力多用户检测器的分类 多用户检测器最优多用户检测器次优多用户检测器线性多用户检测器非线性多用户检测器非自适应型自适应型解相关检测器判决反馈检测器干扰消除器MMSE检测器盲检测器非盲型检测器序列检测器分组检测器

7、串行检测器并行检测器混合型检测器同步信道的解相关检测器(将所有用户间的线性相关解除掉)非同步信道的解相关检测器同步信道的MMSE检测器MMSE多用户检测器 MMSE检测器,即最小均方误差检测器,顾名思义,可知其设计目标就是使估计信号值与用户实际发送信号值之间的均方误差达到最小。MMSE检测在DEC检测的基础上作了一个改进,在线性变换的同时引入一个与信道噪声功率成正比的修正项,总体性能上要好于DEC多用户检测器。其基本思想是在抑制干扰和噪声增强之间取得折中,从而改善DEC检测所带来的噪声增强的负作用,其目的是让输出的均方误差最小。因此当噪声比较大时,可通过增大一定的残余多址干扰的代价来降低噪声。

8、MMSE检测等价于最大化输出端的信号与干扰加噪声的功率比。而且MMSE检测经过适当的修改可适用于自适应检测,这对于时变信道是很重要的。由通信理论可知,由于实际的移动信道可以近似看作为一个线性时变信道,而线性检测中要求每次重新计算线性变换矩阵是不可能的,因此引入自适应技术是必然的发展趋势。自适应不仅能自动跟踪信道变化,而且还可以降低每次的计算量。最佳线性多用户检测器单用户自适应MMSE检测器多用户自适应MMSE检测器SIC多用户检测器 SIC检测是一种多址干扰抵消检测技术,其基本思路是先解出各用户的数据比特,然后根据信道估值重构出期望用户的干扰信号,再从原接收的信号中减去重构的干扰信号,以达到干

9、扰抵消的目的。SIC检测器采用串行方式消除干扰,其基本过程为:首先按照需要将用户信号按功率大小降序排列,然后在每级检测器中都要进行信息比特判决、信号重生及信号抵消,使下级检测器中的用户受到较少的多址干扰影响。将各用户信号按功率大小降序排列是因为强度最大的信号最容易获得,也最容易解调,并且先把强度大的信号抵消掉,可使其余的用户获得最大收益,从而得到最佳的检测性能。 这种逐级抵消的检测方法无法改善用户1(信号功率最大的用户)的检测性能,但却可以显著改善信号强度弱的用户的检测性能。SIC检测器结构简单,大大提高了传统检测器的性能,但在实现时必须考虑好两个问题:一是,在SIC检测器中,每抵消一次即一个

10、用户,便会引入一定的处理时延,当用户较多时,时延将积累到系统难以忍受的地步,因此必须在可容忍的时延和可抵消的用户数目之间作一个折中(通常用户数目不能取得太多,一般取4个为宜);二是,当信号功率发生变化时,必须重新排序,因此必须在排序准确度和可接收的处理复杂度之间作出折中。 PIC多用户检测器 PIC检测器则是利用接收信号的初始(或前级)判决值,一次构造所有用户的干扰信号,然后再并行地从接收信号中抵消掉所有用户的干扰,它对所有用户进行同样的操作。信息比特的初始估计值首先是从匹配滤波器得到的,然后估计重构出各用户的接收信号。各用户的部分求和器将除自己以外的其他所有用户的重构信号相加,即得到其他用户

11、对自己的多址干扰估计值。由第一级PIC检测器得到的估计值接着送入第二级检测器,依此类推。这种对所有用户进行分阶段的迭代运算,可以提高抗多址和抗远近效应的能力。一般只需取2至3级即可,3级以上性能无明显改善。软判决SIC检测器和软判决PIC检测器相比,前者更适用于无功率控制的衰落信道,后者更适用于采用功率控制的信道。而且由于PIC检测器的性能与初始数据估计有很大关系,一般还可以采用DEC和MMSE检测器的输出作PIC第一级的输入,提高检测性能。自适应解相关检测器解相关决策反馈检测器自适应解相关决策反馈检测器自适应解相关决策反馈检测算法自适应多用户检测器不同多用户检测器盲多用户检测的Kalman自适应算法PASTD算法多用户检测器的商用前景 目前,制约多用户检测技术商用的主要瓶颈是复杂度太高,其花费在硬件上的代价可能会远大于采用多用户检测技术后系统在性能和容量方面上获取的增益。通常认为,多用户检测技术实现商用要在复杂性和性能之间做个折中,即牺牲一部分性能来换取实际可接受的硬件复杂度。但是随着电子器件水平的飞速发展,多用户检测技术进入

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论