项丙才，王明慧，吴远帅，陆梓赫，尹从宇——多维无记忆加性连续信道注水法功率分配的证明

目录

一、离散序列信道及其容量

二、多维无记忆加性连续信道及其容量

三、注水法功率分配的证明

四、注水法功率分配的应用及MATLAB仿真实例

---

前言

       本文是信息论周三上午三四节班第五组所做的调研报告

       小组成员：P02114041项丙才、P02114044王明慧、P02114045吴远帅、P02114046陆梓赫、P02114049尹从宇

       本文主要由平均互信息的定义推导出离散序列信道的容量。

       其次，多维无记忆加性信道可以等价为L个独立并联加性信道，从而推出多维无记忆加性连续信道及其容量。

       最后，根据加性噪声的不同，分两类情况讨论。其中， 当各单元时刻L个高斯噪声均为，但方差不同且为时，若输入信号的总均功率受限，本文根据拉格朗日乘数法推导出最佳输入功率分配。

一、离散序列信道及其容量

离散序列信道

       对于无记忆离散序列信道，其信道转移概率为

，

       根据平均互信息的定义

，

       如果信道无记忆，则 

                                                                                                                                     （1-1）

       证明如下：

二、多维无记忆加性连续信道及其容量

多维无记忆加性信道等价为L个独立并联加性信道

       信道数入随机序列，输出随机序列，加性信道由，其中是均值为零的高斯噪声，表示各单元时刻上的噪声。

       由于信道无记忆，所以有，即信源序列的转移概率等于各个符号转移概率的乘积。

   加性信道中噪声随机序列的的各时刻分量是统计独立的，即，各分量都是均值为、方差为高斯变量。所以多维无记忆高斯加性信道就可等价为L个独立的并联高斯加性信道。由式可得

       则

（2-1）

分下列两种情况讨论：

     （1）当每个单元时刻上的噪声都是均值为、方差相同且为的高斯噪声时，由式可得

       当且仅当输入矢量X的各分量统计独立，均值都为、方差相同为的高斯变量时，信道中传输的信息率可达到最大。

     （2）当各单元时刻L个高斯噪声均为，但方差不同且为时，若输入信号的总均功率受限，约束条件为

     （2-2）

       则此时各单元时刻的信号平均功率应合理分配，才能使信道容量最大。也就是需要在式的约束条件下，求式中的分布。

三、注水法功率分配的证明

       上述问题是一个标准的求极大值的问题，采用拉格朗日乘数法来计算：

       作辅助函数

       令，可得

       

       即

       满足上式时，式才能取得最大值。

       上式表示各单元时刻上信号平均功率与噪声功率之和，即各个时刻的信道输出功率相等，设为常数，则

       则各单元时刻输入信号平均功率为

       将上式代入式，得

、

       当某些单元时刻的噪声太大，大于常数，使式中出现负数值，说明这些时刻的信道质量太差，必须置，不进行功率分配，予以关闭。然后重新调整信号输入的功率分配，直至不再出现负值。这就是“注水法”的原理。

四、注水法功率分配的应用及MATLAB仿真实例

       例：有一并联高斯加性信道，各子信道噪声方差为 ， ， ， ， ， ， ， ， ， 。

       （1）若输入信号总功率 ，则平均输出功率 ，因为该值大于所有子信道的噪声功率 ，所以各子信道分配的功率分别是： ， ， ， ， ， ， ， ， ， 。总的信道容量。

       （2）若输入信号总功率 ，则平均输出功率 ，该值小于最后4个子信道的噪声功率 ，关闭这四个子信道，即 ， ， ， 。重新计算平均输出功率  ，关闭第6个子信道， 。再次计算平均输出功率 。此时其他子信道分配的功率： ， ， ， ， 。总的信道容量 。

 

       注水法功率分配实例如下：

     

        MATLAB仿真过程：

       MATLAB仿真结果：

 

参考代码：

clc;

close all;

clear;

%% 初始化

Ptsum=11;                               %总传输功率

noise=[2 1 4 3 2 4 2 1];             %噪声功率

N= length(noise) ;                    %信道个数

[noise_sorted,index]=sort(noise);

for p=length(noise_sorted):-1:1

    T_P=(Ptsum+sum(noise_sorted(1:p)))/p;

    Input_Power=T_P-noise_sorted;

    Pt=Input_Power(1:p);

    if(Pt(:)>=0)

        break

    end

end

power_alloc=zeros(1,N);

power_alloc(index(1:p))=Pt;                               %分配的功率

capacity=sum(log2(1+power_alloc./noise));   %信道容量

for ii =1:length(noise)

    g(ii,:)=[noise(ii),power_alloc(ii)];

end

bar(g,'stack');

legend ('Noise Level','Power Level')

ylabel('Noise & Power Level','fontsize',12)

xlabel('Number of Channels (N)','fontsize',12)

title('Power Allocation for Waterfilling Alogorithm','fontsize',12)