现代数字信号处理ch-.pptVIP

如果任何两个不同用户之间的扩频码严格正交，则由式（4）表示的相关系数为零，式（3）中的MAI项也将不复存在，此时的系统性能即为最优的单用户系统性能。但在实际系统中往往很难保证各用户之间的同步，它通常为一异步系统；退一步来说，即便能够保证各用户之间的发射同步，各用户之间的多径时延也根本无法控制。这种情况下，即使发送端各用户的扩频码取自同一严格正交的码集，在接收端这一正交性也已经被破坏，因而实际系统中多址干扰是一定存在的。这里，我们为模型描述的需要假设各用户采用的扩频码为非正交码。 定义所有K个用户在一个符号间隔内K×1维匹配滤波器输出矢量为 式中上标T代表向量转置。定义A=diag[A1,A2,…,AK]；b=[b1,b2,…,bK]T；n=[n1,n2,…,nK]T为匹配滤波器输出噪声矢量，均值为零，协方差阵为E(nnT)= 。 为用户扩频码相关系数矩阵，显然R为一对称阵。 （5） （6） 式（3）经过处理可写成更紧凑的矩阵-矢量表述形式： （7） 3.2 最优多用户检测器 1986年Verdu提出以匹配滤波器加维特比算法来实现最大似然序列检测（MLSD）的最优多用户检测器。理论上证明采用最大似然检测在低噪声的情况下，最小误码率接近单用户系统的误码率，并能有效克服远近效应。这一MLSD检测器具有最小序列错误概率，它通常作为最优多用户检测器来评估其他次优检测算法。最优检测器虽然性能优异，但其实现复杂度为O(2K)，与系统用户数呈指数关系增长，由于实际系统中用户数巨大而不能实用。所以自最优MLSD检测器提出以后至今的十几年中，人们一直致力于寻找在性能和计算复杂度之间取得适当折中的次最优多用户接收机。 四、次最优多用户检测器 次最优多用户检测器大体上可分为线性多用户检测器和干扰抵消多用户检测器两个大类。前者对传统检测器的输出进行解相关或其它的线性变换以利于接收判决，后者利用已知信息对干扰进行估计，然后在原信号中减去干扰估计再判决。 4.1 线性多用户检测器 线性检测是用线性变换矩阵L左乘匹配滤波器输出矢量y从而完全或者部分消除其他用户多址干扰的一种检测算法，其判决前输出可表示为 z的判决输出 取代 成为信息矢量b的估计。原理图如图1所示。 （8） 图1 同步信道的线性检测器 匹配滤波器的输出 线性检测通过对y做线性变换L得到 （9） （10） （1）解相关算法 假设相关矩阵R可逆，当L=R-1时就构成了解相关算法。 此时检测器由 直接构成。解相关算法的优点是不需要估计信号振幅，与最大似然序列检测器相比计算复杂度降低，相对于传统匹配滤波器单用户检测可以获得不错的性能/容量增益，其缺点是涉及矩阵求逆，运算量较大；放大了背景噪声。 （11） （12） （2） 线性最小均方误差算法 当 时构成线性最小均方误差算法（MMSE）。 MMSE检测器的指导思想是寻找一线性变换因子L，使实际发送信号b和判决前的信号Ly之间的均方误差 达到最小，即寻找LMMSE满足如下的优化问题： 可以证明变换因子 （13） （14） 当背景噪声趋于零时， ，则 MMSE退化为解相关检测；当背景噪声趋于无穷时， ，则 MMSE检测退化为传统匹配滤波。这两种接收机是MMSE检测的两种极限情况。 MMSE检测器在消除MAI和不增强背景噪声之间进行了折衷，继承了解相关检测的绝大多数优点。但与解相关相比它除了仍需要计算矩阵的逆以外，还需要估计信号的幅度，抗远近性能也不如解相关检测。 4.2 干扰抵消算法 干扰抵消（IC）的基本原理是利用已检测的信号重构期望用户的干扰信号，并从接收信号中抵消掉。干扰抵消包括串行干扰抵消（SIC）和并行干扰抵消（PIC）。 （1）串行干扰抵消 串行干扰抵消按照功率下降顺序排序。用户1（功率最强的用户）进行匹配滤波并判决，然后利用所得判决值与用户1的扩频码、振幅估计重构用户1的发送信号；接下来，从总的接收信号r(t)中减去该估计值，就得到已消除用户1影响的比较“干净”的接收信号r1(t)，它将作为下一级用户2检测的总接收信号。 以上步骤重复进行，直到所有用户信息都被解调。串行干扰抵消器由多级组成，一级对一个用户序列信号进行判决、再造、消除。 串行干扰抵消原理直观，实现复杂度低。其缺点是要求对信道参数的估计相当准确以实现精确的干扰估计和对消；需要对信号功率估计准确并排序；引入的时延比较大；最不利的一点是如果初始数据判决不可靠将对下级产生较大的干扰。 （2）并行干扰抵消 图2给出了并行干扰抵消多用户检测器第m级的结构示意图。图中，