最美情侣中文字幕电影,在线麻豆精品传媒,在线网站高清黄,久久黄色视频

歡迎光臨散文網(wǎng) 會(huì)員登陸 & 注冊(cè)

接收分集--最大接收比合并 MRRC

2022-09-15 23:27 作者:樂吧的數(shù)學(xué)  | 我要投稿

這個(gè)文章主要是討論一下 MIMO 通信系統(tǒng)中的分集,用兩種非常簡(jiǎn)單的例子來討論發(fā)射分集和接收分集。

錄制的視頻? https://www.bilibili.com/video/BV1Qd4y137xL/

首先對(duì)分集這個(gè)概念做一下解釋,其英文是 Diversity,字面意思是多樣性。怎么來理解這個(gè)詞呢?假如我們做接收分集,那就是有所謂的接收 “多樣性”,例如下面這個(gè)一個(gè)發(fā)射天線,兩根接收天線的情況



則多樣性體現(xiàn)在:


如其中一根接收天線沒有接收到信號(hào),那么另外一根接收天線接收到信號(hào),則接收端還是可能正確接收到數(shù)據(jù)。


如果兩根接收天線接收的信號(hào)都偏弱,都弱到單個(gè)的接收信號(hào)無法還原發(fā)射的信號(hào),但是,兩個(gè)天線來的信號(hào)經(jīng)過某種疊加,就有可能增強(qiáng)了接收到的信號(hào),則能還原出來發(fā)射的信號(hào)。


從這個(gè)例子中,我們可以感受到某種接收的“多樣性”,稱之為 接收分集。


接收分集??最大接收比合并


我們來從數(shù)學(xué)的角度分析一下,假設(shè)信道的系數(shù)分別為 h_1?和 h_2,發(fā)射的數(shù)據(jù)是 s,這些都是復(fù)數(shù)信號(hào)。那么,兩根接收天線分別接收到的數(shù)據(jù)可以表示為

r_1%20%3D%20h_1%20s%20%2B%20z_1%20%5C%5C%0A%0Ar_2%20%3D%20h_2%20s%20%2B%20z_2

其中,z_1%2Cz_2 是高斯白噪聲,均值為 0,方差為 %5Csigma%5E2(即噪聲能量為 %5Csigma%5E2).


對(duì)兩個(gè)接收信號(hào)分別乘以信道系數(shù)的共軛:

h_1%5E*%20r_1%20%3D%20h_1%5E*h_1%20s%20%2B%20h_1%5E*%20z_1%20%20%3D%20%7Ch_1%7C%5E2%20s%20%2B%20h_1%5E*%20z_1%5C%5C%0A%0Ah_2%5E*%20r_2%20%3D%20h_2%5E*h_2%20s%20%2B%20h_2%5E*%20z_2%20%3D%20%7Ch_2%7C%5E2%20s%20%2B%20h_2%5E*%20z_2

上下兩個(gè)式子相加:


h_1%5E*%20r_1%20%2B%20h_2%5E*%20r_2%20%3D%20(%7Ch_1%7C%5E2%2B%7Ch_2%7C%5E2)%20s%20%2B%20h_1%5E*z_1%20%2B%20h_2%5E*z_2


則:


%5Cfrac%7Bh_1%5E*%20r_1%20%2B%20h_2%5E*%20r_2%20%7D%7B(%7Ch_1%7C%5E2%2B%7Ch_2%7C%5E2)%7D%20%3D%20s%20%2B%20%5Cfrac%7Bh_1%5E*z_1%20%2B%20h_2%5E*z_2%7D%7B(%7Ch_1%7C%5E2%2B%7Ch_2%7C%5E2)%7D


那么估計(jì)出來的發(fā)射信號(hào)是:

%5Chat%20s%20%3D%20%5Cfrac%7Bh_1%5E*%20r_1%20%2B%20h_2%5E*%20r_2%20%7D%7B(%7Ch_1%7C%5E2%2B%7Ch_2%7C%5E2)%7D



注意的是:

第一,這個(gè)估計(jì)出來的信號(hào),還不是發(fā)射方發(fā)射的原始數(shù)據(jù), 而是帶有噪聲的估計(jì)數(shù)據(jù). 如果需要還原原始的發(fā)送數(shù)據(jù),則需要用"白噪聲信道"下的最大后驗(yàn)概率來估計(jì)出原始數(shù)據(jù).

第二, 我們來直觀理解一下上面這個(gè)估計(jì)的含義, 兩路來的信號(hào),雖然都是同一個(gè)天線發(fā)來的相同信號(hào),但是由于路徑不同,空中延時(shí)不同,到達(dá)兩根天線的信號(hào), 會(huì)有不同的相位差. 為了能最大化接收到信號(hào),我們需要把相位對(duì)齊, 這樣波峰對(duì)波峰,波谷對(duì)波谷就能增強(qiáng)信號(hào), 因此,

h_1%5E*%20r_1%20%3D%20%7Ch_1%7C%20%20(%5Cangle%20h_1%5E*%20%20r_1)


因?yàn)?r_1?是 s?乘以 h_1%20%3D%20%7Ch_1%7C%20%5Cangle%20h_1?(再加上噪聲), 所以:


h_1%5E*%20r_1%20%3D%20%7Ch_1%7C%20%20(%5Cangle%20h_1%5E*%20%20%7Ch_1%7C%20%5Cangle%20h_1%20s)%20%20%2B%20h_1%5E*z_1%3D%20%7Ch_1%7C%5E2%20s%20%2B%20%2B%20h_1%5E*z_1


同理


h_2%5E*%20r_2%20%3D%20%7Ch_2%7C%20%20(%5Cangle%20h_2%5E*%20%20%7Ch_2%7C%20%5Cangle%20h_2%20s)%20%20%2B%20%20h_2%5E*z_2%3D%20%7Ch_2%7C%5E2%20s%20%2B%20h_2%5E*z_2


則上面兩個(gè)的信號(hào)相位是對(duì)齊了的.


那么噪聲項(xiàng)呢? 因?yàn)樵肼暿枪潭ǖ? 而信號(hào) s?是根據(jù) %7Ch_i%7C?衰減的, 那么, 我們?yōu)榱吮苊夥糯笤肼? 我們把兩路信號(hào)相加的思想就為: 接收到的信號(hào)能量大的就加多一些,能量小的就加少一些,? 自然可以推理,按照接收到信號(hào)能量的比例系數(shù)來合并.



第三, 上面這個(gè)估計(jì) %5Chat%20s?,是基于最大化接收信噪比的出發(fā)點(diǎn)推導(dǎo)出來的.下面我們?cè)囍茖?dǎo)一下.


令:


r%3D%0A%0A%5Cbegin%7Bbmatrix%7D%0A%0Ar_1%20%5C%5C%0A%0Ar_2%0A%0A%5Cend%7Bbmatrix%7D


h%3D%0A%0A%5Cbegin%7Bbmatrix%7D%0A%0Ah_1%20%5C%5C%0A%0Ah_2%0A%0A%5Cend%7Bbmatrix%7D


z%3D%0A%0A%5Cbegin%7Bbmatrix%7D%0A%0Az_1%20%5C%5C%0A%0Az_2%0A%0A%5Cend%7Bbmatrix%7D



r%20%3D%20h%20s%20%2B%20z


其中 s?是一個(gè)復(fù)數(shù)的標(biāo)量.


我們需要找一個(gè)權(quán)重向量:


w%3D%0A%0A%5Cbegin%7Bbmatrix%7D%0A%0Aw_1%20%5C%5C%0A%0Aw_2%0A%0A%5Cend%7Bbmatrix%7D


使得


%5Chat%20s%20%3D%20w%5EH%20r


的信噪比最小.


%5Chat%20s%20%3D%20w%5EH%20r%20%3D%20w%5EH%20(%20hs%2Bz)%20%3D%20w%5EH%20h%20s%20%2B%20w%5EH%20z


其中,信號(hào)能量為:


(w%5EH%20h%20s%20)%20(w%5EH%20h%20s%20)%20%5E*%20%3D%20%7Cw%5EH%20h%7C%5E2%20%20%7Cs%7C%5E2


發(fā)射信號(hào)的能量是定值, 我們可以令 w%5EH%20h%20%3D%201%20?, 即接收到的信號(hào)能量先確定下來, 然后來最小話噪聲的部分, 這樣就能得到最大的信噪比.


噪聲的能量是


(w%5EH%20z)%20(%20w%5EH%20z%20)%20%5EH%20%3D%20w%5EH%20(z%20z%5EH)%20w


我們假定兩個(gè)接收天線的高斯白噪聲, 能量都是 %5Csigma%5E2, 則:


z%20z%5EH%20%3D%20%0A%0A%5Cbegin%7Bbmatrix%7D%0A%0A%5Csigma%5E2%20%20%26%200%20%5C%5C%20%0A%0A0%20%20%26%20%5Csigma%5E2%0A%0A%5Cend%7Bbmatrix%7D


那么:


(w%5EH%20z)%20(%20w%5EH%20z%20)%20%5EH%20%3D%20w%5EH%20(z%20z%5EH)%20w%20%3D%20w%5EH%0A%0A%5Cbegin%7Bbmatrix%7D%0A%0A%5Csigma%5E2%20%20%26%200%20%5C%5C%20%0A%0A0%20%20%26%20%5Csigma%5E2%0A%0A%5Cend%7Bbmatrix%7D%0A%0Aw%20%0A%0A%20%3D%0A%0A%5Csigma%5E2%20(w%5EH%20w)%20%3D%20%5Csigma%5E2%20%7Cw%7C%5E2


由于噪聲的能量也是定值(因?yàn)槲覀冊(cè)谇蠼? w 的具體值), 要想讓接收噪聲最小,就是讓 %7Cw%7C%5E2?最小.


那么最后的問題變成一個(gè)帶有條件的最優(yōu)化問題:


%7Bmin%7D_%7Bw%7D%20%7Cw%7C%5E2%20%20%5C%5C%0A%0As.t.%20%5C%5C%0A%0A%20w%5EH%20h%20%3D%201


用拉格朗日乘數(shù)法來求解:


F%20%3D%20w%5EH%20w%20-%20%5Clambda(w%5EH%20h%20-%201%20)


求導(dǎo):


%5Cfrac%7B%5Cpartial%20F%7D%7B%5Cpartial%20w%7D%20%3D%202w%20-%20%5Clambda%20h%20%3D%200



w%3D%20%5Cfrac%7B%5Clambda%20h%7D%7B2%7D

代入 w%5EH%20h%3D1?有:


(%5Cfrac%7B%5Clambda%20h%7D%7B2%7D)%5EH%20h%20%3D%201%20%20%5C%5C%0A%0A%3D%3D%3D%3E%20%5Clambda%20%3D%20%5Cfrac%7B2%7D%7B%7Ch%7C%5E2%7D


求出了 %5Clambda%20,則可以求出 w:


w%20%3D%20%5Cfrac%7B%5Clambda%20h%7D%7B2%7D%20%3D%20%5Cfrac%7B%5Cfrac%7B2%7D%7B%7Ch%7C%5E2%7D%20*%20h%7D%7B2%7D%20%3D%20%5Cfrac%7Bh%7D%7B%7Ch%7C%5E2%7D


則接收信噪比為:

%5Cfrac%7B%5Cquad%20P%20%5Cquad%7D%7B%20%5Csigma%5E2%20%7Cw%7C%5E2%7D%20%3D%20%5Cfrac%7B%7Ch%7C%5E2%20P%7D%7B%5Csigma%5E2%7D


這里涉及一個(gè)理論上 MRRC 的誤碼率公式,待補(bǔ)充。

接收分集--最大接收比合并 MRRC的評(píng)論 (共 條)

分享到微博請(qǐng)遵守國(guó)家法律
嘉禾县| 泊头市| 湖口县| 南雄市| 潞城市| 临安市| 洞头县| 苍溪县| 江达县| 滁州市| 天柱县| 迁西县| 黔南| 平凉市| 绵竹市| 泰兴市| 玉溪市| 荃湾区| 绥宁县| 竹北市| 博兴县| 扶风县| 惠来县| 册亨县| 锡林郭勒盟| 惠来县| 宁河县| 天水市| 栾城县| 长泰县| 美姑县| 游戏| 随州市| 汕尾市| 莒南县| 湘乡市| 珠海市| 泽库县| 秭归县| 涿鹿县| 多伦县|