MIMO系統(tǒng)檢測(cè)算法仿真設(shè)計(jì)

1、MIMO系統(tǒng)檢測(cè)算法仿真姓名：學(xué)號(hào)：目錄摘要3、MIMO系統(tǒng)簡(jiǎn)介4二、MIMO系統(tǒng)容量分析6三、MIMO多用戶系統(tǒng)檢測(cè)技術(shù)83.1多用戶檢測(cè)技術(shù)原理8V-BLAST的迫零檢測(cè)9ZF-SIC算法10MMSE算法11MMSE-SIC算法113.6最大似然（ML）檢測(cè)算法12四、仿真結(jié)果13五、分析與總結(jié)14六、參考文獻(xiàn)16七、附錄17摘要關(guān)于如何在有限的頻譜資源上實(shí)現(xiàn)高速率和大容量是未來移動(dòng)通信系統(tǒng)的關(guān)鍵因素之一。MIMO技術(shù)利用多個(gè)天線實(shí)現(xiàn)多發(fā)多收,充分開發(fā)空間資源，可以成倍地提高信道容量，同時(shí)也可以提高信道的可靠性，降低誤碼率。多用戶檢測(cè)技術(shù)與MIMO結(jié)合可以進(jìn)一步提高傳輸效率,提高系統(tǒng)性能。

2、報(bào)告首先介紹了MIMO系統(tǒng)以及多用戶檢測(cè)理論，然后著重解釋了BLAST系統(tǒng)中一類垂直分層空時(shí)碼的檢測(cè)算法，依據(jù)信號(hào)模型，分析推導(dǎo)了基于迫零準(zhǔn)則和最小均方誤差準(zhǔn)則的估計(jì)算法，并在此基礎(chǔ)上采用了以上算法與判決反饋及最佳排序思想結(jié)合的方法，使系統(tǒng)的誤碼率性能得到了提高。此外，還進(jìn)行了最大似然算法的仿真。最后通過仿真實(shí)驗(yàn)比較了各種算法的性能和特點(diǎn)，結(jié)果表明分層空時(shí)碼用于無線通信具有極大優(yōu)勢(shì)。一、MIMO系統(tǒng)簡(jiǎn)介多輸入多輸出(MIIMO,Multiple-InputMultiple-Output)技術(shù)最早由Marconi于1908年提出的，是利用多天線來抵御信道衰落?？梢院?jiǎn)單定義為：在一個(gè)任意的無線系統(tǒng)

3、中，鏈路的發(fā)端和收端都使用多天線，也包括單入多出系統(tǒng)和多入單出系統(tǒng)。MIMO的核心思想是：將發(fā)送端的信號(hào)分開而將接收端天線的信號(hào)合并，使每個(gè)MIMO用戶的傳輸質(zhì)量一一比特誤碼率(BER或數(shù)據(jù)速率得到改進(jìn)，提高網(wǎng)絡(luò)服務(wù)質(zhì)量MIMO技術(shù)可以把多徑效應(yīng)作為有利因素來加以利用，在不增加帶寬的情況下成倍地提高通信系統(tǒng)的容量和頻譜利用率。在理想情況下,MIMO系統(tǒng)的信道容量隨發(fā)送天線個(gè)數(shù)和接收天線個(gè)數(shù)的最小值線性增加，從而提供目前其他技術(shù)無法達(dá)到的容量潛力。多天線發(fā)送和接收技術(shù)是空間分集與時(shí)間分集技術(shù)的結(jié)合，有很好的抗干擾能力，如果能進(jìn)一步將多天線發(fā)送和接收技術(shù)與信道編碼技術(shù)結(jié)合，就可以更大程度地提高系統(tǒng)

4、性能。MIMO技術(shù)領(lǐng)域另一個(gè)研究熱點(diǎn)就是空時(shí)編碼。常見的空時(shí)碼有分層空時(shí)碼、空時(shí)網(wǎng)格碼、空時(shí)分組碼。空時(shí)碼的主要思想是利用空間和時(shí)間上的編碼實(shí)現(xiàn)一定的空間分集和時(shí)間分集，從而降低信道誤碼率。MIMO無線通信技術(shù)采用空時(shí)處理技術(shù)進(jìn)行信號(hào)處理，在多徑環(huán)境下，無線MIMO系統(tǒng)可以極大地提高頻譜利用率，增加系統(tǒng)的數(shù)據(jù)傳輸速率。MIMO技術(shù)利用多個(gè)天線實(shí)現(xiàn)多發(fā)多收，充分開發(fā)空間資源，可以成倍地提高信道容量，同時(shí)也可以提高信道的可靠性，降低誤碼率。多用戶檢測(cè)技術(shù)與MIMO結(jié)合可以進(jìn)一步提高傳輸效率。但是在MIMO系統(tǒng)多用戶檢測(cè)的研究上，盡管全空間最大似然（ML）檢測(cè)能獲取最優(yōu)的檢測(cè)性能，但由于其算法復(fù)雜度

5、太高，一直無法實(shí)際應(yīng)用，于是研究復(fù)雜度較低，性能接近ML的多用戶檢測(cè)算法具有重要意義,MMSE算法,ZF算法，以及對(duì)兩者進(jìn)行改進(jìn)的MMSE-SIC算法和ZF-SIC算法。二、MIMO系統(tǒng)容量分析假定一個(gè)點(diǎn)對(duì)點(diǎn)MIMO系統(tǒng)有Mr個(gè)發(fā)射天線、Mr個(gè)接收天線集中于用離散時(shí)間描述的復(fù)基帶線性系統(tǒng)模型，系統(tǒng)框圖如圖2-1所示。用MrX1列矩陣s表示每個(gè)符號(hào)周期內(nèi)的發(fā)射信號(hào)，其中第i個(gè)元素§表示第i根天線發(fā)射的信號(hào)。信號(hào)處理圖2-1MIMO系統(tǒng)框圖對(duì)于高斯信道，按照信息論可知，發(fā)射信號(hào)的最佳分布也應(yīng)該是高斯分布的。因此,s的元素是零均值獨(dú)立同分布的高斯變量。發(fā)射信號(hào)的協(xié)方差矩陣為：HRss=ES

6、S)(2-1)Eq代表均值；S表示矩陣的復(fù)共扼轉(zhuǎn)置矩陣。不管發(fā)射天線數(shù)是多少，總的發(fā)射功率限制為P。如果信道在發(fā)射端未知，則假定從各個(gè)天線發(fā)射的信號(hào)都有相等的功率P/Mt。這樣，發(fā)射信號(hào)的協(xié)方差矩陣為：pRslMr(2-2)mt由于發(fā)射信號(hào)的帶寬足夠窄，因此可以認(rèn)為它的頻率響應(yīng)是平坦的。換句話說,假定信道是無記憶的。用MrXMt的復(fù)矩陣H描述信道。hji表示矩陣H的第ji個(gè)元素,代表從第i根發(fā)射天線到第j根接收天線之間的信道衰落系數(shù)。為了規(guī)范，假定mr根接收天線中每一根天線的接收功率都等于總的發(fā)射功率。這種假定,實(shí)際上忽略了信號(hào)傳播過程中的信號(hào)衰減和放大，包括陰影、天線增益。于是得到了具有確定

7、參數(shù)的信道矩陣H中的各元素的規(guī)范限定，如下式所示：m2r£hji=Mt,j=1,2,.,Mr(2-3)i1當(dāng)信道矩陣元素為隨機(jī)變量時(shí)，規(guī)范就是對(duì)上述表達(dá)式取期望值。假定己知接收端信道矩陣，但發(fā)射端不確定，那么可以通過向接收端發(fā)射訓(xùn)練序列來估計(jì)信道矩陣，然后再通過可靠的反饋信道將估計(jì)的信道狀態(tài)信息(CSI)發(fā)送到發(fā)射端。用MrX1的列矩陣描述接收端的噪聲表示為n。它的元素是統(tǒng)計(jì)獨(dú)立的復(fù)零均值高斯變量，它具有獨(dú)立且方差相等的實(shí)部與虛部。接收噪聲的協(xié)方差矩陣為：Rnn=EnnH(2-4)如果n的元素之間沒有相關(guān)性，則接收噪聲的協(xié)方差矩Rnn那。"(2-5)Mr個(gè)接收分支中每一個(gè)都

8、有相同的噪聲功率N0。接收端基于最大似然準(zhǔn)則，在MR根天線上進(jìn)行聯(lián)合操作。用MrX1的列矩陣描述接收信號(hào)，表示為r,其中每個(gè)復(fù)元素代表一根接收天線。Pr表示每根接收天線輸出端的平均功率。則每根接收天線處的平均信噪比(SNR)定義為：=旦(2-6)N0前面己假定每根天線的總接收功率都等于總發(fā)射功率，這樣,SNR就等于總的發(fā)射功率和每根接收天線的噪聲功率的比值，而且它獨(dú)立于Mt,寫為:No(2-7)使用線性模型，可將接收矢量表示為r=Hs+n接收信號(hào)的協(xié)方差矩陣定義為E(rrH)，利用式(2-5)可以得出(2-8)HRrr=HRssH而總接收信號(hào)功率可表示為tr(Rss)。三、mimo多用戶系統(tǒng)檢

9、測(cè)技術(shù)3.1多用戶檢測(cè)技術(shù)原理傳統(tǒng)的接收機(jī)進(jìn)行的都是單一用戶的檢測(cè)，它的缺點(diǎn)是在對(duì)一個(gè)用戶解調(diào)時(shí)沒有利用已知的其它用戶的信息，而是將多址干擾當(dāng)作高斯白噪聲處理，按照經(jīng)典的直接擴(kuò)頻理論對(duì)每個(gè)用戶信號(hào)分別進(jìn)行擴(kuò)頻碼匹配處理，因此抗MAI干擾能力較差，大大降低了系統(tǒng)容量。MUD技術(shù)是在傳統(tǒng)的檢測(cè)技術(shù)基礎(chǔ)上，充分利用造成干擾的所有用戶的信息，對(duì)單個(gè)用戶進(jìn)行檢測(cè)，從而解決抗干擾問題和抗遠(yuǎn)近效應(yīng)的問題,降低了系統(tǒng)對(duì)功率控制精度的要求，因而能夠更加有效地利用上行鏈路的頻譜資源，從而顯著提高系統(tǒng)的容量。MUD的主要思想是：把同時(shí)占用某個(gè)信道的所有用戶或某些用戶的信號(hào)當(dāng)作有用信號(hào)而不是當(dāng)作干擾信號(hào)處理，利用多個(gè)

10、用戶的碼元、時(shí)間、信號(hào)幅度以及相位等信息聯(lián)合檢測(cè)單個(gè)用戶的信號(hào)，即綜合利用各種信息及信號(hào)處理手段，對(duì)接收信號(hào)進(jìn)行處理，從而達(dá)到對(duì)多個(gè)用戶信號(hào)的最佳聯(lián)合檢測(cè)。圖3-1多用戶檢測(cè)算法分類3.2V-BLAST的迫零檢測(cè)迫零檢測(cè)器是一種線性檢測(cè)器，它的作用是通過是通過線性濾波將數(shù)據(jù)流分隔開來，再對(duì)其進(jìn)行獨(dú)立譯碼。我們假定信道矩陣是可逆的，則發(fā)送信號(hào)向量的估計(jì)為：x=(HHH)-1Hx=Hx(3-1)其中H+表示矩陣H的偽逆。在迫零ZF檢測(cè)器中，每個(gè)數(shù)據(jù)流的分集增益為血w+1。因此,迫零檢測(cè)器是次優(yōu)的。迫零檢測(cè)是V-BLAST系統(tǒng)最早提出的經(jīng)典檢測(cè)算法。迫零算法的目的是找到迫零向量以消除各數(shù)據(jù)層之間的干

11、擾。3.3 ZF-SIC算法串行干擾抵消算法(SIC)的思想是采用過逐步檢測(cè)相消法來實(shí)現(xiàn)子流的區(qū)分和檢測(cè)，考慮MIMO系統(tǒng)的信號(hào)檢測(cè)模型x=hiSi+h2&+.+hnSn+n,之前所講的ZF和MMSE算法是將S各分量的估計(jì)值都得到后再作判決，而SIC算法是每得到一個(gè)分量就作判決得到Si(即根據(jù)某種準(zhǔn)則找出星座點(diǎn)集合中的一點(diǎn)與之對(duì)應(yīng))，然后得到一個(gè)新的接收信號(hào)x'=x-hiSi,這時(shí)x'中就消除了Si的干擾，重復(fù)上述步驟得到S所有分量的估計(jì)即可。然而如果某個(gè)分量估計(jì)出錯(cuò)，則會(huì)大大影響剩余分量估計(jì)的準(zhǔn)確度，即差錯(cuò)傳播問題。引入排序機(jī)制的OSIC算法就在一定程度上削弱了這個(gè)影

12、響。ZF的協(xié)方差矩陣Cz2(HhH)a=<t2WzfWzF,其中Wihj=【0，i*j,1,i=jW(i=1,2,.,n)作為行向量組成一個(gè)矩陣Wzf,這說明S各分量估計(jì)值的方差正比于Wzf相應(yīng)行向量的范數(shù),顯然應(yīng)該先選擇方差小的分量進(jìn)行估計(jì)，即最先選擇S的第k1=arg裸nJw個(gè)分量進(jìn)行估計(jì)，得Sk1=Wk1x,而后對(duì)該結(jié)果進(jìn)行判決得到Sk1。記x(1)=x,H(1)=H,Ls(1)=s,經(jīng)過第一次判決后，接收信號(hào)矢量更新為x(2)=x-hk1Sk1,去掉H的第k1列血得到H（2）,去掉s中已判決出的分量s燈得到S（2）=（Si,.,Sk1j,Skl+,.Snr）T,計(jì)算新的檢測(cè)子Wz

13、（2）,選擇Wz（f2）的第k2=ar%mW2|行與x（2）作內(nèi)積然后判決即可得到s中的第k2個(gè)分量的估計(jì)結(jié)果。重復(fù)上述步驟直到得到S所有分量的估計(jì)結(jié)果。3.4 MMSE算法MMSE算法在一定程度上改善了迫零算法的性能，它是用一個(gè)新的矩陣Hmmse來代替迫零算法中的H十。利用一下原則得到加權(quán)矩陣HMMSE-argmin（EHMMSEr一S）HMMSE其中E表示期望值。算法步驟如下：.21）先根據(jù)上述原則得到并計(jì)算加權(quán)矩陣Hmmse=（HHH十號(hào)I）HH,其中：澄為噪聲方差；P為發(fā)送信號(hào)功率。如果每根發(fā)射天線信號(hào)能量進(jìn)行歸一化，則在公式中的P可以省略，此時(shí)P=1。2）將加權(quán)矩陣左乘接收信號(hào)，式子

14、變?yōu)镠mmSE=HMMSEHs+HMMSEn。3）直接利用公式S=Q（Hmmse）進(jìn)行量化，從而對(duì)信號(hào)進(jìn)行譯碼。6) MMSE-SIC算法1）首先進(jìn)行初始化G=Hmmse；2）選取信噪比最大的信號(hào)k1=argm.in|（Gi）J；3）第i次迭代W&=（Gi）ki取第ki行；4）計(jì)算判決變量=Wkii;5）進(jìn)行硬判決s%=Wji;抵消這個(gè)信號(hào)對(duì)下面要進(jìn)行判決的影響弗=匚S；(H)kj；計(jì)算G+=H匕；再次選取信噪比最大的信號(hào)ki*=argmn|(GGj|；iJi+1。3.6最大似然(ML)檢測(cè)算法最大似然檢測(cè)是MIMO檢測(cè)中的最優(yōu)檢測(cè)方式，能獲得最高的分集增益，檢測(cè)出的信號(hào)是星座圖上最接

15、近發(fā)射點(diǎn)的信號(hào)。對(duì)于MIMO來說，對(duì)第k個(gè)子載波上的信號(hào)檢測(cè)表示如下：dk(n)ML=argnMZkn-)Hn(d)n()(3-2)式中，Hk(n)為MIMO信道估計(jì)所估計(jì)出的信道頻率響應(yīng)矩陣，S為BPSK調(diào)制中所有發(fā)出符號(hào)的星座集合，在進(jìn)行了信道估計(jì)后，產(chǎn)生一個(gè)對(duì)角矩陣，因此，對(duì)各個(gè)子載波上的數(shù)據(jù)dk(n)進(jìn)行ML檢測(cè)時(shí)，可以分離開來進(jìn)行，這時(shí)，多載波下的檢測(cè)就相當(dāng)于單個(gè)載波下的檢測(cè)。四、仿真結(jié)果EbN0(dB)圖4-1圖4-2010不同收發(fā)天線數(shù)MIMO檢測(cè)算法仿真圖2x2型：2x4型4x2型-110率特比-3-O-410日口口匚-510051015EbN0(dB)2025圖4-3五、分析

16、與總結(jié)由仿真結(jié)果可知，在采用相同的調(diào)制方式和相同的信噪比時(shí)，非線性檢測(cè)的ML算法的誤比特率遠(yuǎn)小于其他算法。線性檢測(cè)算法中MMSE算法要優(yōu)于ZF算法，這是因?yàn)镸MSE算法在處理消除符號(hào)間干擾的時(shí)候考慮了噪聲的影響，從而使得噪聲和同頻信號(hào)相互干擾造成的錯(cuò)誤最小。ZF算法因?yàn)橐l信號(hào)的相互干擾而忽略了噪聲的影響，因此，檢測(cè)效果差些。在線性檢測(cè)ZF和MMSE中，當(dāng)采用了順序干擾消除，一次一個(gè)地將干擾從接收信號(hào)中除去時(shí)，性能得到了較好的提升，從圖4-1中可以看出，ZF-SIC算法性能和MMSE算法性能差不多，但ZF-SIC算法和MMSE-SIC算法性能仍不及ML算法的性能。圖4-2和圖4-3是研究

17、在ZL算法種發(fā)射天線與接收天線不同組合時(shí)檢測(cè)性能的優(yōu)劣?？梢钥闯觯?dāng)發(fā)收天線數(shù)一致時(shí)，不影響ZF算法的檢測(cè)性能。當(dāng)發(fā)射天線數(shù)大于接收天線數(shù)時(shí)，算法檢測(cè)性能不受信噪比的影響。發(fā)射天線數(shù)小于接收天線數(shù)時(shí)，算法有更佳的檢測(cè)性能。六、參考文獻(xiàn)1 GB/T7714趙莉.MIMO檢測(cè)算法J.2010.2 龔兵，鄧飛其.LTE系統(tǒng)中的MIMO檢測(cè)算法J.重慶理工大學(xué)學(xué)報(bào)白然科學(xué)版,2009,23(9):115-117.3 王利勇.MIMO檢測(cè)算法的研究與實(shí)現(xiàn)D.西安電子科技大學(xué),2010.4 肯莉.LTE系統(tǒng)中MIMO檢測(cè)算法的研究D.安徽大學(xué),2012.5 劉文龍，裴瑩瑩，金明錄.BPSK通信系統(tǒng)的部分最

18、優(yōu)MIMO檢測(cè)算法J.信號(hào)處理,2013,29(10):1315-1322.陳雯柏，李衛(wèi)，張小頻.一種低復(fù)雜度的近似最大似然MIMO檢測(cè)算法J.哈爾濱工業(yè)大學(xué)學(xué)報(bào)，2012,44(5):140-143.6 王靈光，劉皓，王軍，等.MIMO檢測(cè)算法研究與實(shí)現(xiàn)C/中國西部青年通信學(xué)術(shù)會(huì)議.2005.主要代碼%經(jīng)過BPS曲制的V-Blast發(fā)射矩陣XX=zeros(tx,L);fork=1:txX(k,:)=(-1)，(A(k:tx:end)+1);End%Rayleigh信道HH=sqrt(1/2)*(randn(rx,tx,L)+i*randn(rx,tx,L)n=sqrt(1/2)*(rand

19、n(rx,L)+i*randn(rx,L);R=zeros(rx,L);%ZF檢測(cè)disp('berz');berz=;form=SNRsnr=10A(m/10);R_noised=R+sqrt(1/snr)*n;x=;a=zeros(tx*L,1);fort=1:Lr=R_noised(:,t);G=pinv(H(:，:,t);y=G*r;xtemp=(y>=0)-(y<0)+0;x=x,xtemp;endfork=1:txa(k:tx:end)=(x(k:tx:end)+1)/2;enderrbit,temp_ber=biterr(A,a);berz=berz,

20、temp_ber;end%ZF-SIC(orderedJf法disp('ZF-SIC');berzs=;form=SNRmsnr=10A(m/10);R_noised=R+sqrt(1/snr)*n;x=;a=zeros(tx*L,1);.專業(yè).整理.七、附錄fort=1:r=lH卜G=S=xteforenx=endfork=1aenderrbit,berzs=end%MMSE算法disp('MMSE'：berm=;form=SNRmsnr=10R_noisx=;a=zercfort=1r=Hxlw=inv(HH'*HHy：xlx：endfork=1:t

21、xa(k:tx:end)=(x(k:tx:end)+1)/2;enderrbit,temp_ber=biterr(A,a);berm=berm,temp_ber;end%MMSE算法disp('MMSE')berm=;form=SNRsnr=10A(m/10);R_noised=R+sqrt(1/snr)*n;x=;a=zeros(tx*L,1);fort=1:Lr=R_noised(:,t);HH=H(:，:,t);xtemp=zeros(tx,1);w=inv(HH'*HH+(1/snr)*eye(tx)*HH'y=w*r;xtemp=(y>=0)-(y<0)+0;x=x,xtemp;end%ML算法forii=1:length(Eb_N0_dB)ip=rand(1,N)>0.5;s=2*ip-1;sMod=kron(s,ones(nRx,1);sMod=reshape(sMod,nRx,nTx,N/nTx);h=1/sqrt(2)*randn(nRx,nTx,N/nTx)+j*randn(nRx,nTx,N/nTx);%Rayleighchanneln=1/sqrt(2)*randn(nRx,N/nTx)+j*randn(nRx,N/nTx);%whitegaussiannoise,0dBvariancey=sq