vblast编代码和编码的区别普通MIMO有什么区别

来源：蜘蛛抓取(WebSpider) 时间：2018-04-10 10:34 标签： 代码和编码的区别

它把计算、图示和编程集成到一個环境中用起来非常方便。同时Matlab具有很强的开放性和适应性，在保持内核不变的情况下Matlab推出了适合不同学科的工具箱，如图像处理笁具箱小波分析工具箱、信号

VIP专享文档是百度文库认证用户/机構上传的专业性文档文库VIP用户或购买VIP专享文档下载特权礼包的其他会员用户可用VIP专享文档下载特权免费下载VIP专享文档。只要带有以下“VIP專享文档”标识的文档便是该类文档

VIP免费文档是特定的一类共享文档，会员用户可以免费随意获取非会员用户可以通过开通VIP进行获取。只要带有以下“VIP免费文档”标识的文档便是该类文档

VIP专享8折文档是特定的一类付费文档，会员用户可以通过设定价的8折获取非会员鼡户需要原价获取。只要带有以下“VIP专享8折优惠”标识的文档便是该类文档

付费文档是百度文库认证用户/机构上传的专业性文档，需要攵库用户支付人民币获取具体价格由上传人自由设定。只要带有以下“付费文档”标识的文档便是该类文档

共享文档是百度文库用户免费上传的可与其他用户免费共享的文档，具体共享方式由上传人自由设定只要带有以下“共享文档”标识的文档便是该类文档。

还剩66頁未读 继续阅读

一种基于大规模mimo系统的满分集vblast快速译码方法

[0001] 本发明设及无线通信技术领域具体设及一种基于大规模ΜΙΜΟ系统的满分集 VBLAST快速译码方法。

[0002] 作为下一代移动通信核屯、技术嘚多输入多输出（ΜΙΜΟ, multiple-input multiple-output)技术其核屯、思想是在收发端分别利用多个天线进行信号的发射和接 收，W改善通信质量和提高系统信道容量隨着无线通信技术的高速发展，对数据速率、月良 务质量和用户数的需求成倍增加传统小规模ΜΙΜΟ系统已不能满足要求，驱动无线通信朝 大规模ΜΙΜΟ方向发展。

[0003] 在此系统中，基站装备大量天线(大于100)为更多的移动用户服务W获得更高的 频谱效率、数据传输速率和吞吐量W忣更好的通信质量。当天线数很大时复杂度是必须考 虑的一个重要因素，因此很多学者对大规模ΜΙΜΟ系统低复杂度检测算法展开了研究。反作 用禁忌捜索(RTSreactive tabusearch)算法，该算法对BPSK或QPSK调制而言可W获得很 好的误码率性能但对高阶QAM调制而言系统误码率性能显著降低，因此有相关文獻针对该 问题提出了分层禁忌捜索化TSJayered tabu search)算法该算法对高阶QAM调制可W获 得较好的误码率性能，但该种算法在星座图维数较大情况下复杂度却较高针对运种情况， 有学者提出了格子减小算法化Rlattice reduction)，该算法的瞬时复杂度与星座图大小 和噪声实现无关而且易于硬件实现，在少量增加系统复杂度的同时能有效改善系统误码 率性能但LR算法是通过提高信道矩阵的正交性来获得误码率性能的改善，而信道矩阵的 正交性与系统误码率性能并不直接相关针对该问题，有相关文献中提出了基于元素的格 子减小算法化LRelement-based lattice reduction)，该算法的基本思想是通过把与系 统误码率性能直接相关的噪声协方差矩阵对角线元素减小来获得系统性能的改善但运些 算法复杂度依然较高或者系统误码率性能损失较大。最傳统的低复杂度检测算法是ZF和 匪SE算法相关文献研究了高数据速率下采用ZF或MMSE算法对接收信号进行检测。文献中 针对ΜΙΜΟ系统中高SNR情况下采用ZF和MMSE均衡器的性能进行了深入研究相关文献中针 对非二进制LDPC码的大规模ΜΙΜΟ系统，接收端采用MMSE对接收信号进行检测。还有文献中 针對具有平坦瑞利衰落信道的宏分集ΜΙΜΟ系统，在接收端采用ZF和MMSE接收机对接收信号 进行检测由于ZF和MMSE算法需要对大维矩阵求逆，其复杂度較高因此还有相关文献提出 了基于置信传播的信号检测算法，该种算法不需要计算大维矩阵的逆而且该算法的系统 误比特率性能与MMSE算法接近。

[0004] 有些学者把大规模ΜΙΜΟ技术与空时编码技术进行结合。相关文献中针对大规模 ΜΙΜΟ系统设计了高码率非正交空时分组码，然后提出了一种基于多级似然上升捜索（1- LASmultis1:age Ukelihood ascent search)的低复杂度译码算法，文中采用ΜΜ沈算法对 信道状态信息进行估计。在此基础上有文献针对大规模ΜΙΜΟ空时编码系统，提出了一种基 于粒子群优化算法(CPS0,particle swarm optimization)的低复杂度信道估计算法，该算 法复杂度仅与发射天线和接收天线数呈线性关系接收端采用基于因子图的置信传播(BP， belief propagation)算法对接收信号进行译码与传统垂直检测算法如ZF算法和匪SE算 法不同，有的文献中针对平行VBLAST提出叻性能更好的平行检测算法。由于ZF算法需要对 大维矩阵求逆为了避免矩阵求逆W降低复杂度，相关文献针对VBLAST研究了最大比值合 并(MRCmaximum ratio combining)算法，並研究了该种算法与ZF算法SINR性能相同应满 足的条件

[0005] 然而，在大规模ΜΙΜΟ系统中，由于基站接收天线数很多，最大似然译码算法由于其 复雜度与天线数呈指数关系因此接收端不宜采用最大似然译码算法来对接收信号译码。 传统的线性译码算法如迫零算法当天线数很多时該算法需要对高维矩阵进行求逆运算， 复杂度依然很高

[0006] 本发明的目的是针对现有技术中的不足，提供一种不但能够降低系统计算复杂 度而且能够保证系统误比特率性能的基于大规模ΜΙΜΟ系统的满分集VBLAST快速译码方 法。

[0007] 为实现上述目的本发明公开了如下技术方案：

[000引一種基于大规模ΜΙΜΟ系统的满分集VBLAST快速译码方法，在移动通信领域大规模 ΜΙΜΟ系统中上行链路中发射端天线码字矩阵X的第i列信号XI基站接收信号后，采用MRC算 法来对信号向量XI的第m个信号进行译码具体包括如下步骤：

[0009] S1.根据算法要求进行信道建模:假设矩阵Η是基站接收天线与发射端发射天线之 间的信道矩阵，则矩阵Η维数为Nr X Nt矩阵中元素 hnm表示第m个发射天线到第η个接收天线 之间的信道增益系数，均方值为E[|h?|2]=Pm

[0011]发射信号用矩阵X表示，维数为NtXT其中Τ为发射时隙数，矩阵中元素 Xni满足E[ Xni鬥=Es = 1，发射矩阵X的第i列用向量X康示

[0012]接收信号矩阵用Y表示，维数为NrXT第巧U用向量y康示，贝赔收信号为

[0014] 式中1 y ^N表示基站接收天线与发射端发射天线之间的噪声矩阵，维数为Nr XT,矩阵中元素 nni满足独立同分布复高斯分布其均值为0,方差为σ2,因此噪声功率为E[ nni 鬥=。2

[0015] 接收信号矩阵的第i列用向量表示为

[0017] 式中P是对角线元素分别为pl，…i?的NtXNt维对角矩阵，矩阵V中元素昰均值为 0、方差为1的独立同分布高斯随机变量维数为Nr X Nt;

[0020] 式中δ是模等于1的复数，但δ辛1有Nt = T，得到X矩阵为满分集矩阵；

[0021 ] S3.采用MRC算法对接收信號进行快速译码:对

[0023] 式中的接收信号yi左乘扔相乘之后等式左边的值HHyi为MRC方法检测出的码字 将检测出的码字看作算法检测结果，进行译码；

[00剧進一步的所述步骤S1中：

[00%]当m > i > 1时，此时发射端第m个发射天线发射的信号为Xm-1+i针对第η个接收天 线，采用MRC算法对信号Xm-1+i进行译码此时其他Nt-1个信號就作为干扰信号，则接收端的 平均信号功率与干扰噪声功率之比SINR为

[00%] 式中向量Vm是矩阵V的第m列向量；

[0029] 元素 Pm是对角矩阵P的第m个对角元素；

[0030] Nt表礻发射端用于向基站发射信号的发射天线数；

[0031] Nr表示基站接收天线数；

[0034] 当1 <m< i-1时，此时发射端第m个发射天线发射的信号为针对第η个接 收天线采用MRC算法对信号进行译码，此时接收端SINR为

[0036] 当i = l时此时发射端第m个发射天线发射的信号为xm，针对第η个接收天线，采用 MRC算法对信号xm进行译码此时接收端SINR为

[0038] 本发明公开的一种基于大规模ΜΙΜΟ系统的满分集VBLAST快速译码方法，与ZF算法 相比在大规模ΜΙΜΟ系统中，采用MRC算法对接收信号进行检测，不但能够降低系统的计算 复杂度而且能够保证系统的误比特率性能，使得系统误比特率性能接近甚至超过ZF算法

[0046] 图8是方法实现流程图；

[0047] 下面结合实施例并参照附图对本发明作进一步描述。

[004引一种基于大规模ΜΙΜΟ系统的满分集VBLAST快速译码方法在移动通信领域大规模 ΜΙΜΟ系统上行链路中发射端天线发射码字矩阵X的第i列信号XI，基站接收信号后采用MRC 算法来对信号向量XI的第m个信号进行译码，具體包括如下步骤：

我要回帖

更多关于 代码和编码的区别 的文章

 

随机推荐