第5章(5.8)最大似然序列估计(MLSE)与维特比算法(VA).docVIP

5.8 最大似然序列估计（MLSE）与维特比算法（VA） 引言： 1．最大似然函数准则—在AWGN或AGN信道上最佳接收准则。 2.最大似然序列估计准则—在ISI+AGN（AWGN）信道 一 最佳接收准则及性能指数 系统模型 2．最佳接收准则——ML函数准则——MLSE准则 求似然函数： 在N维复信号空间中，利用K－L展开式，在标准正交基上 特点：的均值与所覆盖的若干连续符号（即序列Ip）弥散效应使相邻符号之间引入相关性。 所以：的统计特性与序列Ip有关。 则似然函数为 也可写成： ， 按照MLSE准则，对给定接收信号r(t), 当 ，判 即最佳估计序列 是取遍所有序列后使ML最大的序列。 3．性能指标 使似然函数最大，等价于使积分值为最小。 定义：性能指数 故, MLSE准则等价于最小。 可简化为： 最佳估计时, 式中, 为MF在 时输出 为MF(或信道)自相关函数 注：，。 二．维特比算法（VA）的递推算法 设发送序列（复） 总长度为N 收：最佳估计序列 使 可分解为递推形式： (1) (2) (A) 证明： （自相关函数） 其中，设信道(Tx+ch)的冲激响应h(t)持续时间为[0, LT]（支撑），则自相关函数（或Tx+ch＋MF的响应）持续时间为[-LT, LT] （支撑）。 (A)式可表示为： (A1) 对子序列Ik 进行估计时（换个时间下标），性能指数 （A2） 对子序列Ik+1 进行估计时，性能指数：(将（A）式中N→k+1, N-1→k) (A3) 或 （性能指数增量） k值的确定： k=L,L+1,…,N 最大值kmax=N,由发送序列最大长度所确定 最小值kmin=L,由信道响应的长度所确定。（因为ISI覆盖了L个符号，只有在后，才有可能做出正确的估计） (A3)式就是性能指数的递推算法。 为了从概念上更清晰地说明和简明地表达VA 定义：估计序列状态 表示t=kT时刻，包括当前及其前列符号在内的L个符号（即ISI所覆盖的符号）估计值所有可能取值的组合。 若符号为M元，则每个状态取值组合共有ML个。 例如，M=2，L=2，则共有4个取值组合。显然，正确估计只能是其中某一个。状态中取值组合可简称为状态取值（或状态元素），用节点0表示。 因此，一般讲，对长度为L的M元符号序列，每一个状态共有ML个节点。 0 0 0 0 0 . 0 . ML个节点 0 0 长度为N (NL)的序列经历了(N-L+1)个状态。 （N-L+1）个状态 —从一个状态过渡到下一个状态，记为，将“状态”及“状态转移”引入（A3）式，性能指数可改写为 , (A4) 上式即为性能指数递推算法简洁形式，即VA。 2．Trellis图及最佳估计的几何解释。 Trellis图 由前面分析可以看出： 由（A1），并寻找其最小值，来获得对发送符号序列的最佳估计的算法，等价于(A4)式的递推算法。 因此，最佳估计应满足： 为最小值 （A5） （A6） ( A7) (A7)式所表示的求最佳估计序列的递推算法，可以用Trellis图加以几何解释。 0 0 0 … 0 0 0 0 … 0 … … … … … 0 0