高斯信道的信号检测.ppt

二元正交调制解调性能 * 二元正交调制解调性能 * 二元正交调制解调性能 Recall BPSK Performance loss: 3dB * Alternative Solution * Alternative Solution * 1.6多元复高斯信号检测 建模 Bayes判决规则 ML检测 M-PAM M-QAM * 定义 BPSK调制：每符号携带1比特信息 高速无线通信?高谱效率?高阶调制（如64-QAM，每符号携带log264=6比特信息）?如何检测？ 多元信号检测： * Problem Formulation 平均代价： 问题：如何对观测空间R进行划分（即确定R0,R1,…, RM-1）使得目标函数C最小（贝叶斯准则），即 * Solution * Solution * Min C?将使Ii (r)最小的r均放入判决区Ri，i.e. 如，H0成立的判决域R0为右式的解 M=2 * ML准则 正确判决代价为0，错误判决代价为1，且信源的假设先验等概 * M-PAM性能 M-PAM (M为偶数）调制 计算信号平均能量Eav，ML检测的平均错误概率Pe * M-PAM * M-PAM * M-PAM * M-PAM * M-QAM 计算采用ML检测的M-QAM平均错误概率Pe （M=22k，k0的正整数） * M-QAM * M-QAM * 第一章大作业 在同一张图中，给出BPSK, QPSK, 16-QAM在高斯信道上的BER（不同于SER）性能曲线（包括理论和Monte Carlo仿真曲线，横坐标为E_b/N_0）。 提示： * Monte Carlo 仿真结构 int main(int argc, char *argv[]) { double EbN0, BER; char *filename, defaultFilename[] = {sweep.opt}; FILE *fp; ? if (argc 1) filename = argv[1]; else filename = defaultFilename; ReadSweepFile(filename,SweepFile); fp = OpenOutFile(); EbN0 = EbN0_Start; for (int i = 0; i simnum; i++) { BER = Simulation(EbN0, errornum); fprintf(stderr,EbN0=%ledB\tBER=%le\n,10*log10(EbN0),BER); EbN0 += EbN0_Step; } } Monte Carlo 仿真结构 double Simulation(double snr, int errorNum) { int totalLength = 0; double en = 0.0, SNRindB = 10*log10(snr); while ((enerrorNum || totalLength20000) totalLength1.0e+8) { Sourcer(RawData); Mod_Demod(Estimate, RawData, snr); en += CounteErrors(Estimate, RawData, DataLength); totalLength += DataLength; fprintf(stderr,BER=%4e #k=%d\n, en/totalLength, totalLength); } return (en/totalLength);} Q function 证明： 证1： * Q function 证2：for * 思考题 一般的M-PSK(M4)和cross型M-QAM（M=32, 128, 512,…)在AWGN信道上的ML检测符号错误概率的推导。 (hint:大家可以先试着自己做下，然后google下相关文献，看看计算方法和你想的是否一样）。 * Cross QAM M=22k+1, 6*6 square block array with the 4 corner blocks deleted, each block with M/32 uniform distributed points. Example, M=128 * * * (l|Hj)：高斯变量