论文部分内容阅读
本文的内容分为两部分:一是针对多天线单载波频分多址接入(Single-Carrier Frequency Division Multiple Access,SC-FDMA)系统,研究了可提高系统误比特率(Bit Error Ratio,BER)性能的单用户和多用户信号检测算法;二是研究了空时分组码(Space-Time Block Coding,STBC)的接收机盲识别方法。多输入多输出(Multiple-Input Multiple-Output,MIMO)和单载波频分多址接入技术作为LTE(Long Term Evolution)系统上行的核心技术,极大地提高了上行传输的可靠性和频谱效率,而检测算法作为接收机一个不可或缺的组成部分,其在LTE/LTE-A(LTE-Advanced,LTE后续演进)通信系统中的重要性不言而喻。本文的第一部分内容主要针对LTE/LTE-A上行接收检测算法开展了研究。为完成MIMO信号的检测和恢复,接收机需要预先知道发送的MIMO模式。在LTE系统中,发送端的MIMO相关信息是通过信令传到接收端,比如发射端采用的STBC类型。而在诸如军事等特殊通信应用场景中,为完成信号的侦查、或提高己方的通信安全与效率,可能要求在没有发送模式的条件下,完成信号的检测,此时需要先完成对发送端MIMO模式的识别。已有的研究较多关注调制与带宽等参数的辨识,而较少在多天线通信环境下研究。本文的第二部分主要讨论了针对发送端采用了多种空时分组码的盲识别问题。以下是本文的内容概述和结构框架。第一章首先介绍了LTE/LTE-A上行关键技术——MIMO、SC-FDMA和Co MP技术以及盲识别技术的背景和发展,最后说明本文的研究内容及论文结构;第二章研究了单小区单用户MIMO系统下各种接收机检测算法。首先,对经典的频域线性均衡(Frequency Domain Linear equalization,FD-LE),判决反馈均衡(decision feedback equalization,DFE),Turbo均衡(Turbo Equalization,TE),及串行干扰抵消(Successive Interference Cancelation,SIC)方法进行概述,并研究了可进一步提高检测性能的准最大似然(Quasi-Maximum-Likelihood,Quasi-ML)类算法,包括基于符号间干扰(Inter-Symbol Interference,ISI)消除的算法、K-Best算法、QRD-M(QR-Decomposition based M search detection)算法,及ML-PDP(ML-Post Detection Processing)算法。通过搭建的Matlab Simulink链路仿真平台,研究比较了从单发单收到两发八收的多种天线配置条件下的BER性能。仿真结果表明,对于未加编码的系统,Quasi-ML类算法性能要优于其他算法。第三章针对单小区多用户(Multi-User MIMO,MU-MIMO)模型与多小区多点协作(Coordinated Multiple Point,Co MP)MU-MIMO模型,分别在3GPP空间信道模型(Space Channel Model,SCM)和三小区Co MP模型下,对迫零检测(Zero Forcing,ZF)、最小均方误差检测(Minimum Mean Square Error,MMSE)、串行干扰抵消(SIC)等方法进行了仿真。对于单小区MU-MIMO系统,分别在用户端和接收端相同天线配置,以及收发端总天线配置相同两种情况下,仿真研究了上述算法的BER性能,并与SU-MIMO系统中的性能进行了比较。仿真结果表明,由于多个用户占用相同物理资源,在用户端和接收端相同天线配置下,MU-MIMO系统中的BER性能要比SU-MIMO系统中的差;在收发端总天线相同配置下,MU-MIMO系统中的BER性能要比SU-MIMO系统中的好,这是由MU-MIMO的多用户分集增益带来的。多小区情况下,从仿真结果可以看出在无Co MP时,信噪比的改善对算法性能影响不大,因为这里来自相邻小区的干扰占主导地位;把Co MP-MU-MIMO与单小区无干扰的MIMO进行比较,可看到Co MP-MU-MIMO下的性能与单小区无干扰MIMO下性能接近。第四章研究了STBC编码的盲识别算法,其目标是在接收端已知STBC编码集合的情况下,对发送端采用的空时编码方案作出判决。本文主要研究了两类识别算法:第一类是基于矩阵范数的盲识别算法,根据判决依据的差别,包括基于判决树分类器和基于矩阵范数最小差值分类器;第二类是基于最大似然比的盲识别算法,又可分为最优分类器,二阶统计量分类器和码参数分类器。本文中以检测成功概率作为评估指标,对各算法的性能进行了比较仿真研究,研究结果表明:1)接收天线数和接收端采样点数越多,识别成功概率越高,性能越好;2)基于最大似然比的盲识别算法的性能优于基于矩阵范数的盲识别算法,且受采样点数影响相对较小;3)对发端采用空分复用和Alamouti两天线空时分组码,最优分类器、二阶统计量分类器和基于判决树的分类器检测性能差距不大,但是若采用码参数分类器和基于矩阵范数最小差值分类器,对空分复用方案的检测性能要优于对Alamouti两天线空时分组码的检测性能。本论文的最后一章对全文进行了总结,并指出了关于下一步LTE/LTE-A上行系统的检测算法和盲识别算法的研究方向。