mulitpartfile怎么接收不到值_最小均方误差接收机（MMSE接收机）

操作符：

为矩阵或向量的转置，

矩阵或向量的共轭，

矩阵或向量的共轭转置

无线通信多用户模型中，接收器会收到来自多个发送端得信号。假设发送器采用单天线发送，接收器有N个接收天线，接收器收到得信号模型可以表示为

其中

为接收到的信号，

为发送器

到接收器的信道向量，

为发送器 m所发送的信号,

为服从高斯正太分布的噪声

,

。

接收器收到的

是多个发送设备信号的和，解调每个发送设备信号的一种方法是用迫零预编码，其技术细节在文章

mmdong2：迫零预编码（zero forcing）​zhuanlan.zhihu.com

中已经提到。迫零预编码通常只在高SNR场景下表现出较好的性能[Chapter 8.3.3, 1], 在低SNR场景其性能较差。那么有没有线性预编码算法可以在高SNR和低SNR场景下都表现优秀呢。答案是有，它就是最小均方误差接收机。下面将从两个角度分别推导出MMSE预编码的数学表达式。

方法1: 从单用户最大比合并检测推导

如果一个单天线用户发送信号x，接收器有N个接收天线，无干扰情况下收到得信号模型可以表示为

，其中

为

高斯白噪声。在接收端使用向量

对信号进行处理，得到

为了使该处理后信号的SNR值最大，我们限定有用信号功率

，并最小化噪声功率

,即

该优化为凸问题，下面我们采用拉格朗日方法对其进行求解。目标函数的拉格朗日表达式为

其中

为拉格朗日乘子。通过设置其导数

，得到

其为上述最优化问题的最优解的表达式。因为约束条件

，可知

,从而得到最优解

.

基于上述模型可以得到一个结论：对于单用户，白噪声信号模型

，最优的线性预编码向量数学表达式为（2）

. 利用该结论，我们推导MMSE预编码的数学表达式。

为了在收端解调发送端m的信号，可以将信号模型（1）表示成为

，

其中

为

有色噪声，其协方差矩阵为

.

(a)是因为

,

.通过公式（3）两端均乘以矩阵

,

,

这其中

的方差

，证明其为高斯白噪声。 公式（4）可以理解为单用户高斯白噪声信号模型下的信号解调，根据之前结论（参照公式（2）），信号模型（4）的最优线性预编码向量数学表达式为

.

将其带入公式（4）后得到

(5)

所以解调公式（3）中发送器m信号

的预编码向量为

这就是我们常说的MMSE接收机。

方法2：基于MMSE的的定义推导

对于接收信号模型

，

我们希望引入一个向量

来

最小化均方误差（minimize mean square error）,即

（6）

其中（a）是因为

。

公式（6）对于变量

而言为一个凸函数，通过对

求导并设置导数为0，可得最优的

为

.

这就是MMSE预编码。现在我们来求出

的数学表达式。

因为

，

其中因为各个发送器发送的信号相互独立，

和

.

可得

.

因此可得MMSE接收机表达式

.

需要说明下上面方法1是从单个用户信号检测角度出发的，方法2是从所有用户信号检测出发得，所以方法1和方法2的表达式有些不同。

[1] David Tse, Pramod Viswanath, "Fundamentals of Wireless Communications" book.