目录
一、理论基础
基于K-Best球形译码的MIMO信号检测算法是一种用于多输入多输出(MIMO)通信系统中的信号检测方法。它通过考虑接收信号的多样性和可能性,来估计发送信号的最可能状态。MIMO系统中,发送信号经过信道传输后,受到噪声的影响。接收端需要对接收到的信号进行解调和检测,以恢复发送的信息。K-Best球形译码算法通过考虑不同可能性的信号状态,来进行信号检测,从而提高系统的性能。
步骤:
-
信号模型: 假设你有一个MIMO系统,其中有N个发射天线和M个接收天线。接收信号可以表示为一个复数向量,其维度为M。
-
球形解调: 首先,将接收信号向量视为一个复数空间中的点,形成一个信号点云。K-Best球形译码算法通过在复数空间中寻找距离接收信号点最近的K个参考信号点,来估计可能的发送信号。
-
生成参考信号点: 生成所有可能的发送信号点,这些信号点通常是由调制方案和调制符号决定的。
-
度量距离: 计算接收信号点与每个参考信号点之间的距离。通常使用欧氏距离、马哈拉诺比斯距离等来度量距离。
-
选择K-Best: 选择距离接收信号点最近的K个参考信号点,这些点构成了可能的发送信号候选集。
-
译码: 对于选定的K个候选信号点,对每个信号点进行解调和译码,以恢复发送的信息。解调过程通常涉及复杂的线性代数运算和可能的干扰消除。
-
选择最佳: 根据解码结果和译码度量,选择最有可能的发送信号点作为估计的发送信号。
-
输出: 将估计的发送信号作为检测结果输出,从而恢复发送的信息。
优势:
- K-Best球形译码算法在MIMO系统中能够提供较好的性能,特别是在高信噪比(SNR)条件下。
- 它充分利用了接收信号的多样性,从而提高了信号的估计准确性。
- 适用于各种调制方案和信道模型,具有一定的通用性。
然而,需要注意的是,K-Best球形译码算法的复杂性随着K值的增加而增加,因为需要计算和比较更多的候选信号点。因此,在选择K值时需要平衡性能和复杂性。
总之,基于K-Best球形译码的MIMO信号检测算法是一种有效的信号检测方法,适用于MIMO通信系统中的高性能应用场景。
空间调制技术因其具备更高的数据传输效率、更高的频谱效率和更低的功率损耗而受到学术界和工业界的广泛关注。空间调制技术通过控制发射天线的激活状态传输附加的比特信息,从而实现在不增加无线通信资源的前提下提高通信的效率。另一方面,正交频分复用技术作为4g通信系统的关键技术之一,被广泛应用到各种通信协议和场景中。不幸的是正交频分复用技术存在峰均比过高的问题。单载波系统可以很好地解决峰均比问题,将空间调制技术应用到单载波系统是一种可行的方案。
多输入多输出(MIMO)的(ML)性能侦查作为低复杂度MIMO解码算法KSE被证明适用于超大规模集成电路(VLSI)并且能够支持软输出。进一步提出了改进的KSE(MKSE)译码算法提高软输出KSE的性能修改。此外,还提出了一种VLSI体系结构,用于这两种算法。有几个低复杂性和低功耗所提出的算法和VLSI中包含的特征建筑学提出的硬输出KSE解码器和软输出MKSE解码器是在0.35μ以及0.13 m CMOS技术。已实施的硬输出KSE芯片芯为5.76mm2,具有91K栅极。这个KSE解码吞吐量高达53.3Mb/s,核心功率在100 MHz时钟频率和2.8 V下消耗626 mW供给所实现的软输出MKSE芯片可以实现解码吞吐量超过100 Mb/s,0.56 mm2核心区和97K门。实施结果表明实现接近ML的性能和高检测是可行的4 4 16-QAM MIMO系统的吞吐量算法和具有合理复杂性的VLSI结构.
二、核心程序
................................................................
for j = 1:length(Sim_EbN0)
Eb_N0 = Sim_EbN0(j);
sigma = 10^(-Eb_N0/20);
Nerr = 0;
Num = 0;
%根据误码率判决门限进行误码率统计
while Nerr <= Tj(j)
Nerr
%产生信道
Nt = Ntant;
Nr = Nrant;
H(1:Nt ,1:Nr) = randn(Nt ,Nr);
H(Nt+1:2*Nt,1:Nr) = randn(Nt ,Nr);
H(1:Nt ,Nr+1:2*Nr) =-H(Nt+1:2*Nt,1:Nr);
H(Nt+1:2*Nt,Nr+1:2*Nr) = H(1:Nt ,1:Nr);
H = 1/sqrt(2)*H;
%QR分解
[Q,R] = qr(H);
%产生噪声大小
N = sigma*randn(Nr*2,1);
SignalTx = [];
......................................................................
%最后发送的信号
if mod(Num,Ntant) == 0
%接收信号
SignalRx = H*SignalTx + N;
%最终接收到的信号%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
NQ = Q'*N;
RN = R*SignalTx+NQ;
SignalRX_rec = func_KSE(R,RN,K,Mode_Map1,Mode_Type1);
end
%最后发送的信号
if mod(Num,Ntant) == 1
%接收信号
SignalRx = H*SignalTx + N;
%最终接收到的信号%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
NQ = Q'*N;
RN = R*SignalTx+NQ;
SignalRX_rec = func_KSE(R,RN,K,Mode_Map2,Mode_Type2);
end
%最后发送的信号
if mod(Num,Ntant) == 2
%接收信号
SignalRx = H*SignalTx + N;
%最终接收到的信号%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
NQ = Q'*N;
RN = R*SignalTx+NQ;
SignalRX_rec = func_KSE(R,RN,K,Mode_Map3,Mode_Type3);
end
%最后发送的信号
if mod(Num,Ntant) == 3
%接收信号
SignalRx = H*SignalTx + N;
%最终接收到的信号%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
NQ = Q'*N;
RN = R*SignalTx+NQ;
SignalRX_rec = func_KSE(R,RN,K,Mode_Map4,Mode_Type4);
end
%KSE
Nerr = Nerr + sum(SignalRX_rec(:,1)~=SignalTx);
Num = Num + 1;
end
Bers(j) = Nerr/Num/Ntant/2;
end
figure;
semilogy(Sim_EbN0,Bers,'b-o');
grid on
xlabel('EbN0');
ylabel('Ber');
axis([0,30,1e-5,1]);
if K == 16;
save r1.mat Sim_EbN0 Bers
end
if K == 14;
save r2.mat Sim_EbN0 Bers
end
if K == 5;
save r3.mat Sim_EbN0 Bers
end
if K == 12;
save r4.mat Sim_EbN0 Bers
end
figure;
load r1.mat
semilogy(Sim_EbN0,Bers,'k-o');
hold on;
load r2.mat
semilogy(Sim_EbN0,Bers,'k-^');
hold on;
load r3.mat
semilogy(Sim_EbN0,Bers,'k-s');
hold on;
load r4.mat
semilogy(Sim_EbN0,Bers,'k->');
hold on;
grid on
xlabel('EbN0');
ylabel('Ber');
axis([0,30,1e-5,1]);
A01-100