b4g系统空间复用mimo信号检测研究(附件)【字数：11299】
摘 要摘 要在接收端采用多元天线来获得接收分集，发射端仍然采用一个阵元的的单输入多输出系统，和在发射端采用阵列结构而接收天线采用单天线结构的多输入单输出系统，两种系统相结合，即接收端和发射端同时采用阵列天线的系统就是多输入多输出（multiple input multiple output即MIMO）系统。它具备以下几个特点:第一能利用或减轻多径衰落，MIMO技术能够充分采用多径的各种发射/合成技术，提高通信系统的性能。第二MIMO系统内容能够采用自适应波束形成技术或者多用户检测技术多共道干扰进行有效的的抑制和消除。第三MIMO技术能够提高频谱利用率，提高发射效率，减小发射功率，减小空间电磁干扰以及增大系统容量，而且还能减小对生态环境的影响。本文主要研究了MIMO系统的信道模型，信号在无线信道传输中会遇到各种衰落问题，所以信道的研究可以为我们接下来的研究奠定基础。其次我找出最大似然（ML)、迫零检测（ZF)、最小均方误差检测（MMSE)和改进的MMSE-SIC检测算法这四种较为传统的信号检测算法，研究他们的原理以及各自的性能优劣，最后基于MATLAB仿真平台，对这几种算法进行仿真制图，在不同的条件下对他们的性能以仿真图的方式进行观察和分析。关键词多输入多输出；信号检测；最大似然
目录
第一章 绪论 1
1.1研究背景和意义 1
1.2国内外研究现状 2
1.3论文结构与主要内容 3
第二章 空间复用MIMO系统理论基础 4
2.1空间复用MIMO技术概述 4
2. 2 MIMO系统信道模型 5
2.2.1路径衰落 5
2.2.2阴影衰落 6
2.2.3多径衰落 6
2.2.4瑞利分布 7
2.2.5莱斯分布 8
2.2.6多径信道参数 10
2.3 MIMO系统模型 12
2.3.1 MIMO系统模型 12
2.3.2 VBLAST系统模型 14
2.4本章小结 14
第三章 空间复用MIMO系统检测算法 15
3.1最大似然检测算法（ML） 15
3.2线性检测之迫零算法（ *好棒文|www.hbsrm.com +Q: &351916072&
ZF） 15
3.3 MMSE检测算法 16
3.4改进型MMSESIC检测算法 18
3.5本章小结 19
第四章 检测算法仿真研究 20
4.1算法仿真结果 20
4.2算法仿真对比 20
4.3本章小结 26
结 论 27
致 谢 29
参考文献 30
第一章 绪论
1.1研究背景和意义
在当今社会，随着无线移动通信技术的迅猛发展，社会经济的发展也不断因此而极大的被推动，人们的生活方式也在时刻发生着很大的改变，目前第四代移动通信系统（4G）已经覆盖全国绝大部分主要城市以及次要城市。第四代移动通信技术可以实现三维图像高质量传输。相比第三代移动通信系统，第四代其支持的数据传输速率已经有更大的提高。但是未来的发展移动通信系统必然还需要更大的带宽，要满足未来宽带通信高速率传输的需求，必须提高频谱利用率。在传统的无线通信系统无法满足市场对数据的传输要求时，MIMO技术应运而生，它可以在不增加发射功率以及不占用额外带宽的情况下提高系统的频率利用率和通信系统链路可靠性。它的引入是无线通信领域的一大突破[1]。
通过在发射端和接收端同时使用多根天线，多输入多输出即MIMO技术可以显著的增强无线通信系统的能力和性能。MIMO系统通过使用多根天线发射和接收，信号可以使用分集进行发射和接收，用以消除信道衰落。对于无线通信，MIMO技术所带来的一个一个非常重要的改进是传输速率增益。由于MIMO系统具有这些优势，所以研究MIMO系统的人员正变得越来越多，并且在过去的几年内这个领域在理论和实践中均取获得了快速的发展，尤其是频谱效率的提升已经促使一些无线标准采用MIMO技术。
MIMO（多输入多输出）技术可以分为三种主要的类型。第一种类型使用空间复用技术来达到容量增益，第二种使用编码技术来提供空间分集，例如空时块码；第三种利用信道信息和去信道矩阵的相关性，以最小化天线之间的干扰，即所谓的预编码。
在空间复用MIMO系统中，输入数据流首先被分解成若干子数据流，然后每个子流通过发射天线发射，使这些流在空间域被被复用。
1.2国内外研究现状
目前，MIMO技术的信号检测算法以及相干的改进算法有很多，为了达到更好的研究效果，研究人员对传统的检测算法都有了一些改进的方案。
1）最大似然检测（ML）：ML接收机执行向量译码，可使差错概率最小，是最优的检测算法，能够获得全部接分集增益。这里的最小化是通过在所有向量中进行穷举而完成的，检测时要遍历所有可能的发射向量，因此当发射天线数与调制阶数的乘积变大时，它的复杂度就非常高[2]。
2）线性检测之迫零（ZF）：迫零算法是线性算法的两种均衡方式之一，它要解决的根本问题就是如何根据接收信号和信道特性矩阵来确定每根接收天线的迫零向量，以便根据该向量估计发送信号。ZF算法虽然实现的复杂度，但是由于没有考虑到噪声的影响，所以ZF检测的抗噪性能非常差，在实际中应用得不多[3]。
3）线性检测之最小均方误差[4]（MMSE)检测：因为MMSE算法与迫零算法同属于线性检测算法，因此它们需要解决的根本问题是同样的，与迫零算法不相同的是，MMSE检测算法对于迫零向量的选取规则更均衡。MMSE算法可以均衡残留干扰和噪声增强，所以它更近似于线性均衡算法，并且具有良好的性能，复杂度适中，在实际中应用较多。
4）MMSESIC（串行干扰消除）[5]信号检测：该算法是线性检测算法MMSE的一种改进算法，对信道矩阵减小连续干扰消除，从当前接收到的空间复用的信号中依次检测每个符号，然后消除该符号所造成的干扰，一直重复检测过程和消除过程，直到所有传输的符号都被判决，它的复杂度相对而言是比较低的。
5）MMSEOSIC（排序串行干扰消除）：MMSEOSIC检测对信道矩阵进行排序往往能够减少连续干扰消除接收机中的错误传播并提高基于检索的MIMO检测器的效率，它是从接收到的空间复用的信号中先检测最强的信号，然后依信号的强弱依次检测，消除该符号造成的干扰，一直重复这个过程，直到所有传输的信号被处理。
6）球形译码[6]（SD)：球译码可以作为ML检测的一种有效快色算法，但它的计算复杂度随着信道变化而变化，而且最坏情况下复杂度随着发射天线数与调制阶数的乘积呈指数增长，所以不改进应用得不多。
目录
第一章 绪论 1
1.1研究背景和意义 1
1.2国内外研究现状 2
1.3论文结构与主要内容 3
第二章 空间复用MIMO系统理论基础 4
2.1空间复用MIMO技术概述 4
2. 2 MIMO系统信道模型 5
2.2.1路径衰落 5
2.2.2阴影衰落 6
2.2.3多径衰落 6
2.2.4瑞利分布 7
2.2.5莱斯分布 8
2.2.6多径信道参数 10
2.3 MIMO系统模型 12
2.3.1 MIMO系统模型 12
2.3.2 VBLAST系统模型 14
2.4本章小结 14
第三章 空间复用MIMO系统检测算法 15
3.1最大似然检测算法（ML） 15
3.2线性检测之迫零算法（ *好棒文|www.hbsrm.com +Q: &351916072&
ZF） 15
3.3 MMSE检测算法 16
3.4改进型MMSESIC检测算法 18
3.5本章小结 19
第四章 检测算法仿真研究 20
4.1算法仿真结果 20
4.2算法仿真对比 20
4.3本章小结 26
结 论 27
致 谢 29
参考文献 30
第一章 绪论
1.1研究背景和意义
在当今社会，随着无线移动通信技术的迅猛发展，社会经济的发展也不断因此而极大的被推动，人们的生活方式也在时刻发生着很大的改变，目前第四代移动通信系统（4G）已经覆盖全国绝大部分主要城市以及次要城市。第四代移动通信技术可以实现三维图像高质量传输。相比第三代移动通信系统，第四代其支持的数据传输速率已经有更大的提高。但是未来的发展移动通信系统必然还需要更大的带宽，要满足未来宽带通信高速率传输的需求，必须提高频谱利用率。在传统的无线通信系统无法满足市场对数据的传输要求时，MIMO技术应运而生，它可以在不增加发射功率以及不占用额外带宽的情况下提高系统的频率利用率和通信系统链路可靠性。它的引入是无线通信领域的一大突破[1]。
通过在发射端和接收端同时使用多根天线，多输入多输出即MIMO技术可以显著的增强无线通信系统的能力和性能。MIMO系统通过使用多根天线发射和接收，信号可以使用分集进行发射和接收，用以消除信道衰落。对于无线通信，MIMO技术所带来的一个一个非常重要的改进是传输速率增益。由于MIMO系统具有这些优势，所以研究MIMO系统的人员正变得越来越多，并且在过去的几年内这个领域在理论和实践中均取获得了快速的发展，尤其是频谱效率的提升已经促使一些无线标准采用MIMO技术。
MIMO（多输入多输出）技术可以分为三种主要的类型。第一种类型使用空间复用技术来达到容量增益，第二种使用编码技术来提供空间分集，例如空时块码；第三种利用信道信息和去信道矩阵的相关性，以最小化天线之间的干扰，即所谓的预编码。
在空间复用MIMO系统中，输入数据流首先被分解成若干子数据流，然后每个子流通过发射天线发射，使这些流在空间域被被复用。
1.2国内外研究现状
目前，MIMO技术的信号检测算法以及相干的改进算法有很多，为了达到更好的研究效果，研究人员对传统的检测算法都有了一些改进的方案。
1）最大似然检测（ML）：ML接收机执行向量译码，可使差错概率最小，是最优的检测算法，能够获得全部接分集增益。这里的最小化是通过在所有向量中进行穷举而完成的，检测时要遍历所有可能的发射向量，因此当发射天线数与调制阶数的乘积变大时，它的复杂度就非常高[2]。
2）线性检测之迫零（ZF）：迫零算法是线性算法的两种均衡方式之一，它要解决的根本问题就是如何根据接收信号和信道特性矩阵来确定每根接收天线的迫零向量，以便根据该向量估计发送信号。ZF算法虽然实现的复杂度，但是由于没有考虑到噪声的影响，所以ZF检测的抗噪性能非常差，在实际中应用得不多[3]。
3）线性检测之最小均方误差[4]（MMSE)检测：因为MMSE算法与迫零算法同属于线性检测算法，因此它们需要解决的根本问题是同样的，与迫零算法不相同的是，MMSE检测算法对于迫零向量的选取规则更均衡。MMSE算法可以均衡残留干扰和噪声增强，所以它更近似于线性均衡算法，并且具有良好的性能，复杂度适中，在实际中应用较多。
4）MMSESIC（串行干扰消除）[5]信号检测：该算法是线性检测算法MMSE的一种改进算法，对信道矩阵减小连续干扰消除，从当前接收到的空间复用的信号中依次检测每个符号，然后消除该符号所造成的干扰，一直重复检测过程和消除过程，直到所有传输的符号都被判决，它的复杂度相对而言是比较低的。
5）MMSEOSIC（排序串行干扰消除）：MMSEOSIC检测对信道矩阵进行排序往往能够减少连续干扰消除接收机中的错误传播并提高基于检索的MIMO检测器的效率，它是从接收到的空间复用的信号中先检测最强的信号，然后依信号的强弱依次检测，消除该符号造成的干扰，一直重复这个过程，直到所有传输的信号被处理。
6）球形译码[6]（SD)：球译码可以作为ML检测的一种有效快色算法，但它的计算复杂度随着信道变化而变化，而且最坏情况下复杂度随着发射天线数与调制阶数的乘积呈指数增长，所以不改进应用得不多。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jsj/wlw/411.html
