数字通信_5_1.pptVIP

图5-1-9 最佳AWGN接收机的另一种实现形式 上面得到的是最佳ML检测器，当M个发送信号等概率出现时，MAP准则等价于ML准则。但如果M个发送信号不是等概率时，最佳MAP检测器将基于概率P(sm|r) (m=1,2,…,M)作出判决，或等价于度量 例5-1-3 研究二进制PAM调制信号 求：工作于AWGN信道中的最佳MAP检测器。 二进制PAM是一维信号，其接收信号向量 (5-1-46) yn(T)是零均的、方差 的高斯随机变量 (5-1-48) (5-1-47) (5-1-49) (5-1-50) (5-1-51) (5-1-53) (5-1-52) (5-1-54) 判决步骤：首先计算相关度量 ，随后与门限 作比较，如果大于门限值，则判为s1；反之，则判为s2。 s2 s1 门限 区域R2 区域R1 p1/2时，s1出现的概率较s2大，所以R1区域比R2大； p1/2时，与情况1相反，即R2区域比R1大； p=1/2，R1、R2区域一样大，这时判决门限为零，与噪声谱高N0无关。而当p≠1/2时，门限与N0有关。 ML准则是当M个发送信号等概率出现时使判决错误概率最小的证明 当接收信号向量r=[r1 r2 … rN]时，将N维信号空间中Rm区域划给发送信号sm(t)，那么这一判决错误的概率为 其中 为 的补集。M个发送信号的平均判决错误概率为 通过把接收信号区域划分给具有最大p(r|sm)的sm，使P(e)最小。当M个信号不等概时，上述证明可推广到MAP准则。 (5-1-55) (5-1-56) 每个小区域划给具有最大条件pdf p(r|sm)的sm。 * Rm的划分原则是，对于接收到的信号向量r，比较M个条件pdf p(r|sm) ，谁最大就判给谁。如果信号向量空间中的某一区域没有划给具有最大p(r|sm) 的Rm ，则 将不是最大的。这就证明了ML准则是当M个发送信号sm(t)等概率出现时，其判决的错误概率最小。 接收信号空间R 5.1.4 最大似然序列检测器 当发送信号无记忆时，上节所述的逐个符号检测器在最小符号错误概率意义上是最佳的。但当发送信号有记忆时，即在连续的符号间隔内发送信号是相关的，则最佳检测器根据在连续信号间隔内接收信号的观察序列来判决。 本节研究4.3.2节所述的NRZI信号的最大似然序列检测算法，在每个信号间隔内发送信号是二进制PAM信号，相应的信号点 ，其中 为每比特能量。匹配滤波器或相关解调器在第k个信号间隔内的输出 T {ak} {bk} (5-1-57) nk是零均的、方差?n2 =N0/2的高斯随机变量。 两个发送信号的条件pdf分别为 任意二个信号间隔内的噪声分量 nj , nk( j≠k)是不相关的，因此，对任意给定的长度为K的发送序列 s(m) (m=1,2,…,2K)，解调输出序列r1，r2， …， rk的条件pdf可表示为K个边际pdf的乘积 (5-1-58) (5-1-59) 在给定接收序列 r1，r2， …， rk 的条件下，使条件pdf p(r1,r2, …,rk |s(m))最大的序列s(m) (s1(m) , s2(m) ,…, sK(m) ) 的检测器称作最大似然(ML)序列检测器。 将式(5-1-59)取对数，并忽略与判决无关的项，可得到ML序列检测器等价于选择使欧氏距离度量 最小的序列s(m)。 为了找到最小 的序列s(m)，似乎必须对共2K个可能的序列计算距离 。但可用维特比算法消去一些序列。 (5-1-60) 假定搜索过程从状态S0开始 t＝T r1＝s1(m)+n1 状态第一次转移 t＝2T r2＝s2(m)+n2 状态第二次转移，因记忆长 度为1，所以此时进入稳态。 S0=0 S1=1 … t＝T t＝2T t＝3T 每个节点各有两条输入和输出路径。 S0节点的输入路径为(0,0)和(1,1)，欧氏距离度量为 舍去大的，留下小的，假定留下的是D0(0,0)。 S1节点的输入路径为(0,1)和(1,0)，欧氏距离度量为 同样舍去大的，留下小的，假定留下的是D1(0,1)。 (5-1-61) (5-1-62) S0=0 S1=1 … t＝T t＝2T t＝3T t＝3T r3＝s3(m)+n3 状态第三次转移 S0节点的输入路径为(0,0,0)和(0,1,1)，欧氏距离度量为 S1节点的输入路径为(0,0,1)和(0,1,0