MIMO信号检测MMSE-SIC基于SINR性能相较于MMSE性能提升分析

论文:《Performance of iterative successive detection algorithm with space-time transmission》
《Comparison of ordered successive receivers for space-time transmission》


  • 假设系统为接收天线M=2,发射天线N=2
  • 假设第一个发射天线发射信号检测正确的概率为 p 1 p_1 p1,第二个发射天线信号检测正确的概率为 p 2 p_2 p2
  • 因此,通过MMSE算法可以得到 p 1 = 0.5 + △ x p_1=0.5+\bigtriangleup x p1=0.5+x,同理 p 2 = 0.5 + △ x p_2=0.5+\bigtriangleup x p2=0.5+x
  • 假设在MMSE-SIC算法当中按照SINR的从大到小的顺序对信号流进行先后顺序的检测,按照常理的高SINR的信号流检测概率将会大于小SINR信号流检测正确的概率:假设第一个信号流的SINR大于第二个信号流。
  • 经过SINR排序之后的信号流检测正确概率为:第一个(高SINR)信号流检测正确的概率为 p 1 ′ = 0.5 + △ x + ξ p'_1=0.5+\bigtriangleup x+\xi p1=0.5+x+ξ,第二个(低SINR)信号流检测正确的概率为 p 2 ′ = 0.5 + △ x − θ p'_2=0.5+\bigtriangleup x-\theta p2=0.5+xθ。其中存在约束: 0 < θ < ξ < 0.5 , 0 < △ x < 0.5 , 0 < △ x + ξ < 0.5 0<\theta <\xi <0.5,0<\bigtriangleup x<0.5,0<\bigtriangleup x+\xi <0.5 0<θ<ξ<0.5,0<x<0.5,0<x+ξ<0.5,第一个约束假设正确概率增加程度大于正确概率减小程度,第二个约束为不超过概率1的约束,第三个约束为不超过概率1的约束。
  • 由于检测算法本身就具有正确检测的能力,所以按照常理的分析,认为 θ < ξ \theta <\xi θ<ξ,因此此推导为在常理上的分析,更进一步的准确的分析或许本文可以带来一些启示。
  • 通过以上的约束,可以得到 ξ ∈ ( 0 , 0.5 ) , θ ∈ ( 0 , ξ ) , △ x ∈ ( 0.5 − ξ , 0.5 ) \xi \in \left( 0,0.5 \right) ,\theta \in \left( 0,\xi \right) ,\bigtriangleup x\in \left( 0.5-\xi ,0.5 \right) ξ(0,0.5),θ(0,ξ),x(0.5ξ,0.5)

通过以上在常理上的假设性分析可以得到以下的关系:

  • p 1 ∗ p 2 = 0.25 + △ x + △ x 2 p_1*p_2=0.25+\bigtriangleup x+\bigtriangleup x^2 p1p2=0.25+x+x2
  • 经过SINR排序之后: p 1 ′ ∗ p 2 ′ = 0.25 + △ x + △ x 2 + ( ξ − θ + △ x ( ξ − θ ) − θ ∗ ξ ) p'_1*p'_2=0.25+\bigtriangleup x+\bigtriangleup x^2+\left( \xi -\theta +\bigtriangleup x\left( \xi -\theta \right) -\theta *\xi \right) p1p2=0.25+x+x2+(ξθ+x(ξθ)θξ)
  • 因此,需要证明 ξ − θ + △ x ( ξ − θ ) − θ ∗ ξ > 0 \left. \xi -\theta +\bigtriangleup x\left( \xi -\theta \right) -\theta *\xi \right. >0 ξθ+x(ξθ)θξ>0
  • 即, ( △ x + 1 ) ( ξ − θ ) − θ ∗ ξ > 0 \left. \left( \bigtriangleup x+1 \right) \left( \xi -\theta \right) -\theta *\xi \right. >0 (x+1)(ξθ)θξ>0
  • 但是,上式的直接判断方法没能找到,并且文章开头的两篇提出基于SINR的MMSE-SIC的文章当中也没有响应的分析,因此直接通过MATLAB来仿真分析。
clear all;
close all;
clc;
result=[];
i=[];
ii=0;
step=0.001;
oare=0;
nare=0;
tic
for s=0:step:0.5
    for o=0:step:s
        for x=(0.5-s):step:0.5
            temp=(1+x)*(s-o)-s*o;
            result=[result,temp]; %#ok<*AGROW>
            if temp>0
                oare=oare+temp*step;
            else
                nare=nare-temp*step;
            end
            ii=ii+1;
            i=[i,ii];
        end
    end
end
toc
disp(oare/(oare+nare));
prob=num2str(oare/(oare+nare));
plot(i/ii/2,result);
title(prob);
grid on
save

仿真结果:
在这里插入图片描述

  • 通过仿真可以得知,在以上分析的条件下,性能提升的概率为0.90378。因此,可以认为基于SINR从大到小的顺序的信号流进行检测是能提升整体的检测性能。

文章的缺陷是一开始就假设 θ < ξ \theta <\xi θ<ξ,该条件是在已往经验的情况下认定,因此推导过程并不严谨。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值