高阶导数在最大似然序列估计中的路径度量.docVIP

高阶导数在最大似然序列估计中的路径度量

一、最大似然序列估计的核心框架

最大似然序列估计（MaximumLikelihoodSequenceEstimation,MLSE）是通信信号处理领域中用于从噪声污染的接收信号中恢复原始发送序列的关键技术。其核心思想是在所有可能的发送序列中，找到使得接收信号条件概率最大的序列，即：$$\hat{\mathbf{s}}=\arg\max_{\mathbf{s}\in\mathcal{S}}p(\mathbf{r}|\mathbf{s})$$其中，$\mathbf{r}$为接收信号向量，$\mathbf{s}$为发送序列，$\mathcal{S}$为所有可能的发送序列集合。在实际通信系统中，由于信道的记忆性（如多径传播），接收信号通常可以表示为：$$r_k=\sum_{i=0}^{L-1}h_is_{k-i}+n_k$$其中，$h_i$为信道冲激响应的抽头系数，$L$为信道阶数，$n_k$为加性高斯白噪声。此时，MLSE的优化目标转化为寻找最可能的路径，使得接收信号与该路径对应的期望信号之间的度量最小。

传统的MLSE通常采用欧几里得距离作为路径度量的基础，即计算接收信号与每个候选路径的期望信号之间的平方误差：$$d(\mathbf{s},\mathbf{r})=\sum_{k=0}^{N