SCMA 基于球形译码的MPA算法

f(m1,m2,m3,k) = -(1/(2*N0))*abs(y(k,jj)-(CB(k,m1,ind(1))*h(k,ind(1),jj)+CB(k,m2,ind(2))*h(k,ind(2),jj)+CB(k,m3,ind(3))*h(k,ind(3),jj)));

f为接受码字与星座点的距离平方值。
我们知道，高斯白噪声信道中，噪声方差sigma^2为N0，对应就是距离的平方值。上式中f又乘以了一个系数-(1/(2N0))，所以f的方差为N0/(1/(2N0)) ^2=1/4N0,标准差sigma=1/(2*sqrt(N0))。
根据三sigma原则，
sigma原则：数值分布在（μ-σ，μ+σ）中的概率为0.6526；

2sigma原则：数值分布在（μ-2σ，μ+2σ）中的概率为0.9544；

3sigma原则：数值分布在（μ-3σ，μ+3σ）中的概率为0.9974；
取num分别等于1，2，3时，有不同的置信概率

if f(m1,m2,m3,k)>-1/(2*sqrt(N0))*num
                        sIgv((m2-1)*M+m3) = f(m1,m2,m3,k)+Ivg(k,ind(2),m2)+Ivg(k,ind(3),m3);
                        else
                         sIgv((m2-1)*M+m3)=-1e2;

由于信道高斯噪声，接收信号与星座图上点之间的距离呈高斯分布。