专题研究周记(一)D9977729黄翊嘉-专题周记系统.PDF

專題研究周記(一) D9977729 黃翊嘉 1.新雙重空間次傳送變化(DSTTD) 收發機利用特別的架構信道矩陣 2.此實現非常低複雜度最大似然（ML ）檢測器 3.ML 檢測器需要比Schnorr-奧伊希納球體解碼算法（SE-SD ），在各自的兩個最壞情況 和平均複雜度的顯著較少的計算 。 4.建議的ML 檢測器的複雜性被進一步減少犧牲輕微的性能損失，提供擬議DSTTD 發 射機使用。 5.最大似然估計 （Maximum Likelihood ，ML ） 原理: 給定一個概率分佈D ，假定其概率密度函數（連續分佈）或概率聚集函數（離散 分佈）為fD ，以及一個分佈參數θ，我們可以從這個分佈中抽出一個具有n 個值的採樣 ，通過利用fD ，我們就能計算出其概率： 但是，我們可能不知道 θ的值，儘管我們知道這些採樣數據來自於分佈D 。那麼 我們如何才能估計出 θ呢？一個自然的想法是從這個分佈中抽出一個具有n 個值的採 樣X1,X2 ,...,Xn ，然後用這些採樣數據來估計θ. 一旦我們獲得 ，我們就能從中找到一個關於θ的估計。最大似 然估計會尋找關於θ的最可能的值（即，在所有可能的 θ取值中，尋找一個值使這個 採樣的 “可能性”最大化）。這種方法正好同一些其他的估計方法不同，如 θ的非偏 估計，非偏估計未必會輸出一個最可能的值，而是會輸出一個既不高估也不低估的 θ 值。 要在數學上實現最大似然估計法 ，我們首先要定義可能性: 並且在 θ的所有取值上，使這個[[函數最大化。這個使可能性最大的 值即被稱為 θ 最大似然估計 。  這裡的可能性是指 不變時，關於 θ的一個函數。  最大似然估計函數不一定是惟一的，甚至不一定存在。 6.2 個發送天線=Alamouti 編碼 7.實現DSTTD系統的主要瓶頸是在接收器的信號檢測的複雜性。 8.Naguib et al. developed two-stage linear detector with submatrix inversion rather than full matrix inversion. It was shown in 線性ZF(zero-forcing)和MMSE(minimum-meansquared-error)可以防止矩陣反轉 ZF 線性ZF 檢測直接對接收到的信號進行信道逆變換操作，帶有串行干擾抵消的ZF （ZF-SIC ）算法的處理流程是：首先檢測從某一層的發送信號，然後從其他層中抵消這 一層信號造成的干擾，逐次迭代，最後完成整個信號矢量的檢測。它需要進行兩步操作： 首先進行線性處理，然後進行SIC 檢測。線性處理是部分解相關運算，然後按照信號能 量從大到小的順序，採用SIC 進行干擾抵消。 MMSE 由於ZF 檢測算法只考慮了天線間干擾，完全忽視了噪聲干擾，留下了進一步改進性能 的餘地；而MMSE 檢測算法綜合考慮了天線間干擾和噪聲干擾的影響，在他們之間找 到了一個平衡，使其性能相比ZF 檢測更優。該算法的目標函數是最小化發送信號矢量 與接收信號矢量線性組合之間的均方誤差。 ZF 、MMSE 等傳統的線性檢測算法較為簡單但性能較差。由於分層空時結構的接收信 號矢量是所有發送天線信號的疊加，因此每個接收天線接收到的都是有用信號與乾擾信 號的混疊，因而可以採用帶有串行干擾抵消的非線性算法，以提高檢測性能。採用串行 干擾抵消 （SIC ）的目的，就是為了去除其他天線對每根天線的干擾，進而解調判決得 到該天線的發射信號。 (參考/html/gx/dzjx/200912/0214280.html) 9. ML檢測器能產生最佳的性能，但複雜性隨著傳送天線數量按指數速率增長 這會使的它變成較糟的調變 10. sphere decoding (SD) 可以有效降低 ML error performance 11. SD algorithm非常的密集. Low average complexity is merely feasible in medium-to-high SNR regim