预编码算法
在用于消除干扰的策略中,对发射信号进行预编码处理就是一种非常适用的方法。
它的基本思想是,通过矩阵运算把经过调制的符号信息流和信道状态信息进行有机结合,变换成适合当前信道的数据流,然后再通过天线发送出去。
预编码算法根据其中是否引入了非线性运算,分为线性预编码和非线性预编码。
线性预编码算法
- 迫零(Zero - Force,ZF)预编码
- 匹配滤波(Matched Filter,MF) 预编码
- 最小均方误差(Minimum Mean Square Error,MMSE)预编码
当 SNR 很大即噪声很小时,其性能趋近于 MF预编码,而当 SNR 很小即噪声很大时,其性能就趋近于 ZF 预编码。
MMSE 和 ZF 预编码算法相比,两者的设计几乎相同,唯一的不同之处在于 MMSE 预编码考虑了信道噪声的影响,并在发送端设计预编码时就对噪声进行了相应的预处理,从而使得误码率( Bit ErrorRate,BER) 性能更优。MMSE 算法的误比特性能要明显优于 MF 算法和 ZF 算法,但相比之下,MMSE 预编码算法的复杂度较大。 - 正规化迫零(Regularized Zero-Forcing,RZF)预编码算法
用户数量很大时,应优先选择 MF 预编码,它更有助于提高下行链路和速率;而当用户数量很少时,则应优先选用 RZF 预编码。 - 块对角化预编码( Block Diagonalization,BD) 算法
块对角化预编码是对 ZF 预编码算法的改进,它在线性预编码矩阵前乘入了零空间矩阵,可以有效减小其他用户产生的干扰。. - 信漏噪比预编码算法等。
非线性预编码算法
- 恒定包络( Constant Enve-lope,CE) 预编码;
该算法规定,每根天线上的发射功率被限定为一个与信道条件和信号符号均无关的常数,各根天线均发射恒包络信号,符号信息由其相位携带,接收端通过将各根天线发出的恒包络信号进行矢量合成后,即可得到一个与之相应的星座点,同时也就降低了 PAPR。 - 脏纸编码 ( Dirty Paper Coding,DPC) 算法
脏纸编码( Dirty - Paper Coding,DPC) 算法的基本思想是:假设一张纸上有许多相互独立的污点,且书写者准确知道它们的分布状况(即完美的CSI),那么,只要书写者采用一种与之相适应的书写方式,就可以使得阅读者在不知道污点分布状况的情形下,仍旧可以获取书写者想要传递的信息,这就可以使信道容量达到最大。 简单说就是在节省资源的条件下,将多用户信息叠加在一起。
如果基站端掌握了完备的 CSI,那么使用 DPC 预编码是最佳的选择,因为它可以使信道的利用率达到最大。同时,虽然在实际系统中获取完备的 CSI 非常困难,即 DPC 算法几乎不可能得到应用,但其理论性能指标可以作为ZF 和 MMSE 等传统预编码算法的参考基准 。 - THP 预编码算法
它是一种连续的非线性预编码技术,可以对下行链路子信道间产生的相互干扰进行均衡。与 DPC 算法极其类似,是一个串行进行的过程,经过反馈之后,第二个用户可以消除来自第一个用户的干扰,第三个用户可以消除来自第一个和第二个用户的干扰,如此类推下去,就可以达到消除符号间干扰、提高误符号率性能的目的,是一种具有实际意义的预编码算法。
与 DPC 的不同之处在于 THP 预编码算法中加入了模运算,虽然 THP 预编码算法在性能上不如DPC,但它可以有效降低发射功率。当然,它也需要基站端掌握完备的信道状态信息 。 - 矢量预编码算法
相对于 THP 而言,向量扰动预编码是更广义的脏纸编码算法。它的算法原理是:在原本要发射的信号上加上一个扰动矢量,可以使原发射信号的发射功率最小化。向量扰动预编码算法面临的问题就转换成为寻找最优扰动矢量的最优化问题 。
在多输入多输出(MIMO)应用中,大规模 MIMO 和传统 MIMO 相比,除了可以通过预编码提升误比特性能外,还可以大幅提升系统容量。
本篇博客大多为概念知识,没有提供其他,比如预编码的实现原理等,侵权删~