（信号与信息处理专业论文）无线通信中低复杂度迭代检测算法研究.pdf

东南大学博士学位论文 摘要 c d m a 系统是一个干扰受限的系统，抑制多址干扰可相应提高系统容量。m i m o 技术町分为复 用增益技术和分集增益技术。利用复用增益技术时，对于某一发射天线发送的信号而言，其它发射 天线所发射的信号在接收端相叠加会形成多天线干扰，抑制多天线干扰同样可提高系统容量。迭代 检测技术利用软输入软输出( s l s o ) 译码器所提供的信息，可以较好的抑制干扰量，因而近年来受到 了较多的重视。本论文在跟踪和了解当前迭代检测技术最新进展的基础上，提出了新的算法。所做 工作町归纳如下： 1 ) 对基于最大后验准j j ( m a p ) 的检测算法进行了改进，提出了p m a p 算法。基本思想是利用 软输入软输出( s i s o ) 译码器提供的信息，将干扰信息分为两类：一类干扰量对应的发送符号具有较 高的估值可靠度，另一类干扰量对应的发送符号具有较低的估值可靠度：将具有较高估值可靠度发 送符号对应的干扰量从接收信号中直接消除，然后再利用m a p 算法进行检测。p - m a p 算法的性能 可以逼近m a p 算法，但计算复杂度低于m a p 算法，并且计算复杂度可随着迭代运算次数和信道信 噪比的增加而相应降低。 2 ) 提出了软干扰消除随机数据联合检测算法( s c p d a ) ， 对该算法进行了系统的理论分析。随 机数据联合检测算法( p d a ) 具有优异的检测性能和较低的计算复杂度，因而受到了当前学者的广泛关 注。本文提出的s c p d a 算法的计算复杂度低于p d a ，并且可以取得优于p d a 算法的系统性能。 3 ) 提出了串行随机数据联合检测算法( s e q p d a ) 和捧序串行随机数据联合检测算法 ( 0 - s e q - p d a ) 。s e q p d a 和o - s e q - p d a 算法对所发送的符号逐个进行检测，因此不仅可以利用s i s o 译码器提供的信息，还可以利用当前检测过程中s l s o 检测器输出的信息来抑制干扰量，这两种算法 的时延长于并行检测算法，但是性能优于并行检测算法。0 s e q p d a 算法先检测具有较高检测可靠 度的发送符号，后检测具有较低检测可靠度的发送符号，性能较s e q p d a 算法的性能有了进一步 的提高。 4 ) 利用互信息度量为工具，提出了一种针对双迭代接收机结构来设计非规则l d p c 码的方法。 5 ) 提出了一种低复杂度的迭代信道估计算法，称之为随机数据联合期望最大化( p d a - e m ) 算法。 最大后验准则- 期望最大化( m a p e m ) 信道估计算法是对基于最大后验准则信道估计算法的一种迭代 逼近求解，能够利用s l s o 译码器提供的信息来提高信道估计性能，但是计算复杂度较高。我们将 p d a 算法嵌入到e m 算法中，可相应降低算法的计算复杂度，并且仿真结果显示p d a e m 算法的性 能与m a p e m 算法相接近。 关键词：迭代检测算法，软输入软输出( s i s o ) 检测算法，l d p c 码，m i m o 。多用户检测，c d m a ， e l m 算法 东南大学博十学位论文 a b s t r a c t t h ec a p a c i t yo fac o d ed i v i s i o nm u l t i p l e x i n ga c c e s s ( c d m a ) s y s t e mi sl i m i t e db ym u l t i p l ea c c e s s i n t e r f e r e n c e ( m a da n dc a l lb ei m p r o v e db ys u p p r e s s i n gm a i m i m os y s t e mc a l lp r o v i d et w ot y p e so f g a i n s ：d i v e r s i t yg a i na n dm u l t i p l e x i n gg a i n w h e nm u l t i p l e x i n gs c h e m ei se m p l o y e 正t od e t e c tt h em e s s a g e f r o ma ni n d i v i d u a lt r a n s m i ta n t e n n a ，t h er e c e i v e r st r e a tt h es i g n a l sf r o ma l lo t h e rt r a n s m i ta n t e n n a sa s i n t e r f e r e n c e s i m i l a r l y , s u p p r e s s i n gm u l t i p l ea n t e t m a si n t e r f e r e n c ec a ni m p r o v et h em i m os y s t e mc a p a c i t y t h ei t e r a t i v ed e t e c t i o nt e c h n o l o g yc a ne x p l o i tt h ei n f o r m a t i o nd e l i v e r e db yt h es o f t - i n p u tm r - o u t p u t ( s i s o ) d e c o d e rt os u p p r e s si n t e r f e r e n c ea n dh a ss h o w nav e r yg o o dp e r f o r m a n c e ，t h u sh a s g a i n e dm u c ha t t e n t i o n f r o mt h er e s e a r c h e r sr e c e n t l y t h em a i nw o r k so ft h i sd i s s e r t a t i o ni st ot r a c ka n dl e a r nt h ed e v e l o p m e n to f t h ei t e r a t i v ed e t e c t i o nt e c h n o l o g ya n dg i v es o m en e wa l g o r i t h m s ，t h u sc a nb es u m m a r i z e da sf o l l o w s ： 1 ) m a k ea ni m p r o v e m e n to ft h em a x i m u map o s t e r i o r i ( m a p 】d e t e c t i o na l g o r i t h ma n dp r e s e n tt h e p a r t i a lm a x i m u map o s t e r i o r i ( p m a p ) a l g o r i t h u xt h em a i ni d e ao fp - m a pa l g o r i t h mi st os e p a r a t et h e i n t e r f e r e n c e si n t ot h eo n e sc o r r e s p o n d i n gt ot h et r a n s m i ts i g n a l sw i t hh i g he s t i m a t i o nr e l i a b i l i t ya n dt h e o t h e r sc o r r e s p o n d i n gt ot h et r a n s m i ts i g n a l sw i t hl o we s t i m a t i o nr e l i a b i l i t yb yu s i n gt h ei n f o r m a t i o n d e l i v e r e db yt h es i s od e c o d e r , t h e ne l i m i n a t et h ef o r m e ro n e sf r o mt h er e c e i v es i g n a l sd i r e c t l ya n de m p l o y t h em a pd e t e c t i o na l g o r i t h mw i t ht h er e m a i n e ds i g n a l s p - m a pa l g o r i t h md e m o n s t r a t e sap e r f o r m a n c e a p p r o x i m a t i n gt ot h em a pa l g o r i t h mw i t hl o w e rc o m p u t a t i o n a lc o m p l e x i t y m o r e o v e r , t h ec o m p l e x i t yo f t h ep - m a p a l g o r i t h md e c r e a s e sw i t hi n c r e a s i n gi t e r a t i o nn u m b e r sa n ds i g n a lt on o i s er a t i o ( s n r ) 2 ) p r e s e n tt h es o f ti n t e r f e r e n c ec a n c e l l a t i o np l u sp r o b a b i l i s t i cd a t aa s s o c i a t i o n ( s c p d a ) a l g o r i t h m , a n dg i v ea ne x p l i c i tp o r f o m m c ea n a l y s i so f t h ep r o p o s e da l g o r i t h m p r o b a b i l i s t i cd a t aa s s o c i a t i o n ( p d a ) a l g o r i t h mh a sr e c e i v e dm u c ha t t e n t i o nf r o mt h er e s e a r c h e r sr e c e n t l yd u et oi t sg o o dp e r f o r m a n c ea n dl o w c o m p l e x i t y s c p d aa l g o r i t h mc a nh a v eal o w e rc o m p l e x i t yt h a np d aa l g o r i t h mw i t he v b e t t e r p e r f o r m a n c e 3 ) p r e s e n tt h es e q u e n t i a lp r o b a b i l i s t i ed a t aa s s o c i a t i o n ( s e q - p d a ) a l g o r i t h ma n dt h eo r d e r e d s e q u e n t i a lp r o b a b i l i s t i cd a t aa s s o c i a t i o n ( o - s e q p d a ) a l g o r i t h m s e q p d aa l g o r i t h ma n d0 - s e q p d a a l g o r i t h md e t e c tt h et r a n s m i t t e ds i g m a so n eb yo n e ，a n dt h e nc a ne x p l o i tn o to n l yt h em e s s a g ef r o mt h e s i s od e c o d e r , b u ta l s of r o mt h es i s od e t e c t o r t h et w oa l g o r i t h m sa r ci m p l e m e n t o dw i t hal a r g e rt i m e d c l a yt h a nt h ep a r a l l e ld e t e c t i o na l g o r i t h m , b u tw i t hab e l i e rp e f f o r m a n c e o - s e q - p d aa l g o r i t h mf i r s t l y d e t e c t st h es i g n a l sw i t hh i g h e rd e t e c t i o nr e l i a b i l i t y , t h e nt h el o w e ro n e s ，a n dc a na c h i e v es o m ep e r f o r m a n c e g a i n so v e rt h es e q p d aa l g o r i t h m 4 1p r e s e n tas c h e m ef o rd e s i g n i n gi r r e g u l a rl o w - d e n s i t yp a r i t y - c h e c kc o d a s ( l d p c ) f o rt h e d o u b l y - r e c e i v e r sb ye m p l o y i n gm u t u a li n f o r m a t i o na st 0 0 1 5 ) p r e s e n tal o we o m p l e x i t yi t e r a t i v ec h a n n e le s t i m a t i o na l g o r i t h m m o da sp r o b a b i l i s t i cd a t a a s s o c i a t i o np l u se x p e c t a t i o nm a x i m i z a t i o n ( p d a e m ) a l g o r i t h m m a x i m u map o s t e r i o r i - e x p e c t a t i o n m a x i m i z a t i o n ( m a p - e m ) a l g o r i t h me s t i m a t et h ec h a n n e l sb a s e do nm a x i m u ma p o s t e r i o r ip r o b a b i l i t y , a n d c a nw e l le x p l o i tt h ei n f o r m a t i o nf r o mt h es i s od e c o d e rt oi n l p f o v et h ec h a n n e le s t i m a t i o np e r f o r m a n c e , b u ti t sc o m p l e x i t yi sv e r yh i g h p d a - e ma l g o r i t h mu s e st h ep d a a l g o r i t h mt od e c t a f l et h ec o m p l e x i t yo f t h ee m a l g o r i t h m f u r t h e r m o r e ，t h es i m u l a t i o nr e s u l t ss h o wt h a ti t sp e r f o m m c ec a na p p r o x i m a t et ot h a to f t h em a p e m a l g o r i t h m 东南大学博士学位论文 k e y w o r d s ： i t e r a t i v e d e t e c t i o n , s o f t i n p u ts o f t - o u t p u t ( s i s o ) d e t e c t i o na l g o r i t h m , l o w - d e n s i t y p a r i t y - c h e c kc o d e s ，m i m o ，m u l t i u s e rd e t e c t i o na l g o r i t h m ，c d m a 。e ma l g o r i t h m i i i 东南大学博士学位论文 本论文专用术语( 符号、变量、缩略词等) 的注释表 s i s o ： s o f t i n p u ts o f t o u t p u t ，软输入软输出 m a p ：m a x i m u m 彳p o s t e r i o r i ，最大后验概率 p 州a p ：p a r t i a lm a x i m u m 彳p o s t e r i o ：i ，部分最大后验概率 p d a ：p r o b a b i l is t i cd a t aa s s o c i a t i o n ，随机数据联合检测算法 s c p d a ：s o f ti n t e r f e r e n c ec a n c e l l a t i o np l u sp r o b a b i l is t i cd a t a a s s o c i a t i o n ，软干扰消除随机数据联合检测算法 p a r p d a ：p a r a l l e lp r o b a b i l is t i cd a t aa s s o c i a t i o n ，并行随机数 据联合检测算法 s e q p d a ：s e q u e n t i a lp r o b a b i l is t i cd a t aa s s o c i a t i o n ，串行随机 数据联合检测算法 o - s e q p d a ： o r d e r e ds e q u e n t i a lp r o b a b i l is t i cd a t aa s s o c i a t i o n ， 排序串行随机数据联合检测算法 m a p e m ：最大后验概率一期望最大化信道估计算法 p d a e m ：随机数据联合一期望最大化信道估计算法 v i 东南大学学位论文独创性声明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所 知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果 也不包含为获得东南大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本 研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。 东南大学学位论文使用授权声明 东南大学、中国科学技术信息研究所、国家图书馆有权保留本人所送交学位论文的复印件和电 子文档，可以采用影印、缩印或其他复制手段保存论文。本人电子文档的内容和纸质论文的内容相 一致。除在保密期内的保密论文外，允许论文被查阅和借阅，可以公布( 包括刊登) 论文的全部或 部分内容。论文的公布( 包括刊登) 授权东南大学研究生院办理。 研究生签名：坐纽逸 导师签名：日期： 第1 章绪论 第1 章绪论 1 1c d m a 系统中的多址干扰与多用户检测 码分多址( c o d ed i v i s i o nm u l t i p l e x i n ga c c e s s c d m a ) 通信系统中每个用户的标识是与其对应的 扩频码，在同一个频段里所有用户采用不同的码字来同时发送信息，从而允许每个用户同时占用时 间和带宽资源，在接收端通过对用户特征码字的识别来解调出其对应的信息。在实际系统中，即使 各个用户的扩频码字被设计成相互正交，由于用户间的不同步以及不同用户的信号是以不同的时间 延迟到达接收机，所以不可能使得扩频码字在所有可能的相对时延范围内保持正交，这就是多址干 扰( m u l t i p l ea c c e s si n t e r f e r e n c e ，m a d 存在的根源。c d m a 是一个干扰受限的系统，并不能通过增加 发射功率来增加系统容量，抑制干扰就意味着在有限的带宽内增加系统容量，干扰抑制的程度越高， 系统的容量就越大。 传统的单用户检测器将多址干扰当普通噪声对待，在接收端仅用匹配滤波器来对接收用户信号 进行简单的处理，而实际的多址干扰并不呈现白噪声特性，所以多址干扰的存在制约了接收机的性 能。1 9 8 0 年代中期，s v e r d u 提出了最优多用户检测算法“1 ，认为m a i 是具有一定结构信息的有效 信息，并从理论上证明了采用基于最大似然准则的检测算法町以逼近单用户检测性能，大大提高了 系统容量，因而引发了学者们对多用户检测技术的研究。由于最优多用户检测算法的计算复杂度与 用户数和调制信号星座点数呈指数级增长，难以实用，因此人们开始研究各种次优的多用户检测算 法，目标是寻找一个在现实中性能和计算复杂度都可以接受的检测技术。在接下来的l o 年中，人们 提出的各种次优多用户检测算法可被划分为线性多用户检测算法和非线性多用户检测算法两类”， 线性多用户检测算法主要有解相关检测算法”l 和最小均方误差检测算法( m i n i m u mm e a ns q u a r e e r r o r ，m m s e ) 。等，线性检测器的基本结构相当于在匹配滤波器后面加上一个线性变换矩阵来抑制 多用户干扰“1 ；而非线性多用户检测算法主要有并行干扰抵消检测算法( p a r a l l e li n t e r f e r e n c e c a n c e l l a t i o n ，p i c ) ”和串行干扰抵消检测算法( s 喇a ii n t e r f e r e n c ec a n c e l l a t i o n ，s i c ) “1 等，其中并行 算法同时检测所有干扰用户的信号，并将其对应的多址干扰量直接消除，而串行算法则首先检测最 强信号用户所发送的符号，然后从接收信号中减去己检测信号所对应的干扰量，再进行弱信号用户 的检测。在1 9 9 0 年代中后期，由ft u r b o 码的发明i t t - t i ) t u r b o 处理技术被用到多用户检测中“” 这种检测技术能够利用译码器提供的信息，我们称之为迭代检测技术，相对于传统的检测技术，能 显著提高系统性能，成为当前研究的热点之一。 1 2 m i m o 系统中的多天线干扰 多天线系统，即所谓多输入多输出( m i m o ) 系统，可以用来提高信道的容量，也可以用来提高信 道传输的可靠性，降低误码率”“。前者利用m i m o 信道提供的空间复用增益技术；后者则利用 m m o 信道提供的分集增益技术。m i m o 技术的空间复用就是在发射端和接收端使用多副天线，充 分利用空间传播中的多径矢量，在同一频带上使用多个数据通道( m i m o 子信道) 发射信号，从而使 得信道容量能够随着天线数量的增加而呈线性增加“。这种信道容量的增加不需要额外的带宽， 也不消耗额外的发射功率，因此是提高系统容量的一种非常有效的手段。利用m i m o 信道提供的空 l 东南人学博上学位论文 间复用增蒲技术时，由于发射端的不同天线发送不同的信号，对于其，f - 某一发射天线所发射的信弓 而言，其它发射天线所发射的信号在接收端相叠加会形成多天线t 扰，多天线干扰的存在严重影响 着m i m o 信道的罕量，抑制多天线干扰则n r 相应增加信道容量。“。可以将m i m o 信道矩阵等同看 作c d m a 系统中的扩频序列瓦相关矩阵，因此可以将相对成熟的多用户检测技术应用于m i m o 系 统中来抑制多天线干扰，进而提高系统容量。 1 3迭代检测系统 迭代检测系统通常由软输入软输出( s o f t i n p u ts o f t o u t p u t ，s i s o ) 检测器和s i s o 译码器级联而成， 迭代检测系统的信号检测器与传统的信号检测器相比较具有以下两个特点： ( 1 ) 迭代检测系统中的检测器采用软判决榆测。传统的检测系统中，检测器根据接收信号和信道 信息对发送信号进行硬判决检测，然后将硬判决结果送给译码器。事实上，同硬判决泽码器一样， 硬判决检测丢失了很多有利丁：译码的信息。软判决检测器输出的是发送符号的概率值和未量化输出， 则s i s o 译码器可以利用这些信息与编码信息综合做出判决，从而可相应提高系统性能。 ( 2 ) 能够利用s i s o 译码器提供的软信息来提高检测性能。传统的检测系统将检测器与译码器看 成是独立的两部分，而迭代检测系统采用系统的观点来解决检测问题，综合利用信道提供的信息和 译码器提供的信息来对发送信号进行检测，从而能够提高检测性能。 与迭代接收机的结构相关，当前学者们研究迭代检测系统主要从两方面着手： ( 1 ) 从检测器角度来考虑，研究低复杂度的准最优s i s o 检测算法。由于最优s i s o 检测算法( 即 m a p 检测算法1 的计算复杂度巨大，难以实用，同样促使学者们研究新的准最优s i s o 检测算法，这 种准最优算法必须满足两方面要求，即在性能上能够接近于最优算法，而计算复杂度远低于最优算 法。从1 9 9 0 年代中后期至今，许多学者在这方面作了卓有成效的研究，提出了多种准最优s i s o 检 测算法，我们在这里将这些算法主要归纳为两类： 1 ) 基于最大后验准, 1 ( m a x i m u ma p o s t e r i o r i ，m a p ) 的检测算法加以改进的准优s i s o 检测算法。 m a p 检测算法需对q 表示调制信号星座点数，d s c d m a 系统中m 表示用户数，m i m o 系统 中吖表示发射天线数1 中可能的发射信号矢量进行搜索来计算s i s o 检测器的输出，详见第2 章对 m a p 算法的介绍，但是这口”7 种信号矢量对汁算s s o 信号检测器输出结果的影响是不同的，那些 与发送信号相同或相近的信号矢量往往对计算检测器输出结果影响较大，因而这类算法的基本思想 就是仅选择那些对输出结果影响较大的信号矢量来汁算检测器的输出，在保证检测性能的前提下， 相应降低检测算法的计算复杂度。这类算法主要有列表球形检测算法( l i s ts p h e r ed e t e c t i o na l g o r i t h m , l s d ) 1 ”和树形截取算法( t r e e - p r u n i n ga l g o r i t h m ) ”“1 ”等。 2 ) 基于高斯逼近的准优s i s o 检测算法，主要以软干扰消除最小均方误差滤波检测算法( s o f t i n t e r f e r e n c ec a n c e l l a t i o np l u sm i n i m u mm e a ns q u a r ee r r o r ，s i c m m s e ) ”。和随机数据联合检测算法 ( p r o b a b i l i s t i cd a t aa s s o c i a t i o n ，p d a ) ”“5 。为代表。s i c m m s e 算法首先根据s i s o 译码器提供的信 息，对干扰信号进行软估值并消除其对应的干扰量，然后进行最小均方误差滤波和高斯逼近。p d a 算法的基本思想是用多维高斯分布函数来逼近干扰信息和信道噪声。由文献f 5 5 】知，s i c m m s e 检 测算法与p d a 算法可以相互等价。二者的计算复杂度仅为o ( m 31 ，而性能接近于m a p 算法，因而 受到了较多的重视，被广泛应用于迭代均衡和迭代检测系统中。 ( 2 ) 从编码方面来着手，针对所用的系统模型以及检测算法来设计与之相对应的编码结构，在 传输带宽利用率不变的情况下，能够使系统性能显著提高。这已引起当前学者极大的研究兴趣“”。 b r i n k 提出了利用互信息转换( e x t r i n s i ci n f o r m a t i o nt r a n s f e r ，e x i t ) 图来分析并行级联迭代译码器的 2 第1 章绪论 收敛性4 “，并利用e x i t 图作为工具来设计针对m i m o 信道模犁和m a p 检测算法的非规则l d p c 码。l ik a i 等人则利用e x i t 图来设计针对d s - c d m a 系统和s i c m m s e 检测算法的非规则l d p c 码。y u e g u o s e n 等人同样利用e x i t 图作为工具，用来设计针对m i m o 系统和s i c m m s e 检测算 法的非规则重复累积码( r e p e a t a c c u m u l a t ec o d e s ，r a ) 、聃。5 ”。 1 4 迭代信道估计算法 当接收端未知信道信息时，传统接收机通常利用嵌入到发送数据中的训练序列来进行信道估计， 训练序列越长。则相应的信道估计越可靠，但系统的带宽损失也越大。同样受t u r b o 码思想的影响， 学者们考虑利用s i s o 译码器和s l s o 检测器提供的信息来提高信道估计性能”1 。文献f 6 8 7 1 1 将 s l s o 译码器判决后的数据等同看作训练序列，并利用m m s e 算法来进行信道估计，当s i s o 译码器 提供的信息足够准确时，则相当于增加了训练序列的长度，因而可相应获得较好的信道估计性能。 文献 7 2 7 3 提出使用( m a x i m u ma p o s t e r i o r ip l u se x p e c t a t i o nm a x i m i z a t i o n 。m a p e m ) 算法来进行联合 信道估计和数据检测，其基本思想是仅根据接收数据和s i s o 译码器提供的信息，将信道信息当作未 知量，利用e m 算法来对发送数据进行估值，能够取得较好的系统性能，但是计算复杂度较大，并 且不能单独给出信道的估值信息。如果能够知道信道的估值信息并将其反馈给发射端，发射端可相 应调整各个子信道的发射功率和数据率，即可提高系统性能。文献 7 4 - 7 5 1 给出利用m a p e m 算法单 独进行信道估计，从而可以将信道估计模块和数据检测模块分离开来，并取得较好的信道估计性能。 1 5本论文的主要工作 本论文的主要工作为跟踪和了解当前迭代检测算法的最新进展，从算法的性能和计算复杂度等 方面考虑来提出新的准最优s i s o 检测算法；针对给定的系统和接收算法来优化设计非规则l d p c 码；针对于块瑞利衰落信道模型提出了一种低复杂度迭代信道估计算法。具体的工作及论文内容安 捧如下： 第2 章给出了部分最大后验概率检测算法( p a r t i a l m a x i m u m a p o s t e r i o r i , p m a p ) 。基本思想是利 用s i s o 译码器提供的信息来降低s i s o 检测算法的计算复杂度。该算法的性能能够较好地逼近m a p 算法，计算复杂度低于m a p 算法，并且计算复杂度随信道信噪比的提高和迭代运算次数的增加而相 应降低。 第3 章首先提出了软于扰消除随机数据联合检测算法( s o f ti n t e r f e r e n c ec a a c e u a t i o np l u s p r o b a b i l i s t i cd a t aa s s o c i a t i o n ，s c - p d a ) ，然后对该算法进行了系统的理论分析，从理论上证明其能 够取得优于p d a 算法的系统性能且计算复杂度低于p d a 算法，并通过计算机仿真验证了理论分析 的结果，最后将该算法用于m i m o - o f d m 系统中。 第4 章给出了串行随机数据联合检测算法( s e q u e n t i a lp r o b a b i l i s t i cd a t aa s s o c i a t i o n , s e q - p d a ) 和 捧序串行随机数据联合检测算法( o r d e r e ds e q u e n t i a lp r o b a b i l i s t i cd a t a a s s o c i a t i o n ，o - s e q p d a ) 。第2 章与第3 章所提出的算法均可称为并行检测算法，即对发射端某一时刻所发送的信号在接收端可同 时进行检测。本章所提出的s e q - p d a 算法对发射端某一时刻所发送的信号逐个进行检测，算法时 延大于并行p d a 检测算法，但性能较并行算法显著提高。0 s e q p d a 算法先检测具有较高检测可 靠度的发射信号，后检测具有较低检测可靠度的发射信号，其性能较s e t ：) p d a 算法又有了一定程 度的提高。本章最后将s e q - p d a 算法和o s e q p d a 算法应用于非同步c d m a 系统中。 东南大学博上学位论文 第5 章以互信息度量为工具，针对双迭代接收机结构给出了一种设计非规则l d p c 码的方法。 所谓般迭代接收机是指当s i s o 榆测器与s i s o 译码器进行外迭代运算互换信息时，s 1 s o 译码器内 部也进行一定次数的迭代运算，如l d p c 码、t u r b o 码等。我们以互信息度量为上具分析双迭代接 收机的收敛性，并以此来搜索具有较好收敛特性的接收机所对应的非规则l d p c 码，计算机仿真显 示经过优化设计的非规则l d p c 码编码的系统较规则l d p c 码编码的系统有着更好的系统性能。 第6 章提出了一种低复杂度的迭代信道估训算法，我们称之为p d a e m 算法( p r o b a b i l i s t i cd a t a a s s o c i a t i o np l u se x p e c t a t i o nm a x i m i z a t i o n ) 。其基本思想是将p d a 算法嵌入到e m 算法中，从而相应 降低e m 算法的计算复杂度，计算机仿真结果显示该算法的性能与文献1 7 4 7 5 所给山的m a p e m 算 法的性能相接近，叮在每次e m 迭代运算过程中，p d a e m 的计算复杂度较m a p e m 算法显著降低。 综上所述，我们可以用图1 1 所示的结构框图来归纳本论文所作的下作。 图1 1 本论文所作工作的结构框圈 d 第2 章对m a p 算注加以改进的准优s s o 检测算法 第2 章对m a p 算法加以改进的准优s i s o 检测算法 在第l 章我们将当前准最优s i s o 检测算法归纳为两类，其中一类是对m a p 算法加以改进，即 对q “1 种可能的发射信号矢量进行部分搜索来计算检测器的输出，从而达到减小算法计算复杂度的 目的，本章提出的p m a p 算法町以归为这一类。p - m a p 算法根据从s i s o 译码器所获得的信息， 将干扰信息分为具有较高估值可靠度符号对应的干扰量和具有较低估值可靠度符号对应的干扰量 两类，将具有较高估值可靠度符号对应的干扰量从接收信号中直接消除，仅对具有较低估值可靠度 符号所对应的信号矢量进行搜索来计算s i s o 检测器的输出，被搜索的信号矢量的维数相应减小， 因而算法的计算复杂度较m a p 算法相应降低。 本章的内容安排如下：在2 1 节给出系统模型；2 2 节介绍基于m a p 算法加以改进的准优s i s o 检测算法；2 3 节介绍l d p c 码：2 4 节介绍由s l s o 检测器与l d p c 译码器级联组成的迭代检测系 统；2 5 节通过计算机仿真对所提出算法的性能进行评估；2 6 节为本章小结。 2 1基于m i m o 快瑞利衰落信道的系统模型 2 1 1 信号模型 第1 章已作论述，多用户检测算法一般既可以用于c d m a 系统中，也可以用于m i m o 接收机 中，为了论文的一致性，在本章及后续章节中，我们一股将采用m i m o 快瑞利衰落信道模型来提出 各种准优s i s o 检测算法，本节先给出该系统模型。 假定一个点对点的m i m o 系统有脚个发射天线、个接收天线。发射端的信息流经信道编码 器编码后，再经q - q a m 调制器进行调制。在时刻l ，发射端个发射天线所发送的信号可表示为 l ( ，) = h ( ，) ，( ，) 。，接收端第j 个接收天线所接收的信号可表示为 r , ( o - e h 。( f ) s ，( o + v , o ，j = l ， ( 2 1 ) 式中v ，( ，) 表示复高斯信道噪声，其实部与虚部为独立同分布的高斯变量，方差均为口2 ；h i , ( ，) 表示 第f 个发射天线与第，个接收天线间的信道衰落系数，在快瑞利衰落信道中，假定 。( i ) 的实部与虚 部是独立同分布零均值高斯随机变量，方差均为1 2 ，且k ( ，) 对于不同的，值相互独立。 取r ( ，) = l ( ，) ( ，) 7 ，h ( ，) = b ( ，) ：和v ( ，) = i v , ( 0 ， 7 ，可将式( 2 1 ) 写成矩阵形 式 r ( t ) = h ( ，) - ( ，) + v ( o ， ，= l - - , l( 2 2 ) 同文献f 2 9 】【7 9 】，我们可以将信道信噪比定义为 鲁l 口= 爰i 一。l o g - 。石丙着历 ( 2 3 ) 式中e 表示每根接收天线的平均接收信号功率；o 表示噪声功率；震表示信道编码器的码率。 5 东南大学博十学位论文 2 1 2m i m o 快瑞利衰落信道的容量 由于本论文一般以m i m o 快瑞利衰落信道模型来提出备种准优s i s o 检测算法，因而在这里仅 介绍m i m o 快瑞利衰落信道容量的数学袁达式。 为了便丁推导信道容量，首先将m i m o 信道解耦，方法是将m i m o 信道矩阵h f ，1 进行奇异值 变换。如果砒( h ( 7 ) ) = ，( 必然有r m i n ( n 。n ，) ，那么m 1 m o 信道就r 】丁转化为r 个去耦的平行子 信道。可以证明，第i 个子信道的增益相应为( 。为矩阵h ( ，) h ( f ) “的第i 个非零特征值) 。设 传输带宽为w ，用球。表示第i 个子信道的接收信号功率，r 表示噪声功率，m i m o 信道的容量丌丁 表示为r 个子信道的容量之和，即有“。2 6 1 c = 噶：f + 等) 幢。， ；i 、1 ， 如果发射端知道信道信息，可以根据灌水原理为不同的子信道分配不同的发射功率：信道条件 较好的分配较高的发射功率，较差的则分配较低的发射功率。在这里，我们仅假设接收端知道信道 信息，于是每个子信道被分配相同的发射功率p ，这样第i 个子信道的接收信号功率就可写为 砖”= 五p( 2 5 ) 将式( 2 5 ) 代入式( 24 ) 可得 c 一： d e t ( ”万pq 偿s ， 式中m = m i n ( n r ，帆) ，q 为w i s h a r t 矩阵，定义为 q 槎漱虬n x ： - r ，( r ，”1 ) ( r ，) ，e ( 8 。d a 将增大， 由式( 3 2 6 ) 知 ! c p “将在概率统计属性意义卜增人，故s c p d a 算法的性能将相应下降。 为比较p d a 算法与s c p d a 算法的性能，取 碟2 。( s ，c “1 = e x p 2 ( 3 2 9 ) 式- 和由r 式给出 = 9 一”。“ f 3 3 0 1 对式( 3 3 0 ) 取数学期望，由式( 3 2 4 ) 和式( 3 2 8 ) 可得 e f = r “w - - ，1 2h ，” ( r - ) ) 一( r 。) 。i h ( 3 3 1 ) 由式( 3 _ 3 ) 和式( 3 1 7 ) 知t r 。”- _ o - n 。o ，当对干扰量所对应的符号的估值偏差较小时，则山式( 3 2 1 ) 所定义的 罗“ 和式( 32 6 ) 所定义的i 嚣“州在概率统计属性上满足条件 唧( 氆芦 鲰一 等 譬”川z e x p 一吒。2 k a 1 2 f 3 4 2 1 ( 34 3 ) 其中t 2 r 表示信道噪声方差。由此可见当o - n 。值较大时，p d a 算法与s c p d a 算法可相应取得较好的 系统性能。 证明：不失一般性，假设发射端信号满足v a r s t = v a r s ： 一= v “ s 。 = v a r s ，由h = u z v 及式( 3 7 1 可得 因而有 r = h d i a g v