第5章(58)最大似然序列估计(MLSE)与维特比算法(VA).docVIP

PAGE PAGE 127 《数字通信》辅导材料 第5章 在有ISI及加性高斯噪声信道中的数字信号传输 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。 M元{xi} M元{xi} 发送信息符号序列统计独立 噪声（白，非白） 用K-L展开式，分解y 任意正交基，分解y y(t)或y , 判发送 . i=1,2,…,M 可分解成N个独立的一维概率密度函数连乘 2.最大似然序列估计准则—在ISI+AGN（AWGN）信道 噪声（非白） 噪声（非白） 用K-L展开式，分解y 引入相关性 信道弥散效应 卷积编码器 卷积计算 y(t)或y 由于引入相关性，似然函数与xi有关. 映射 {xi} 一 最佳接收准则及性能指数 系统模型 {In {In} g(t) c(t) 接收机 r(t) z(t) h(t) 问题：在非白噪声及ISI中的最佳接收 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 统计独立高斯变量 统计独立高斯变量 统计独立高斯变量 式中， 特点：的均值与所覆盖的若干连续符号（即序列Ip）有关。 原因：信道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 接收信号能量 接收信号能量 MF输出y MF输出yn 相关函数x 相关函数xn-m 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） 1.性能指数的递推算法 设发送序列（复） 总长度为N 收：最佳估计序列 使 （2）（1） （2） （1） 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