现代通信技术概论结课论文-多输入多输出MIMO系统.doc

.

现代通信技术概论
结课论文

2021 年春季学期

题 目：多输入多输出〔MIMO〕系统
专业班级：
姓 名：
学 号：
指导教师：
联系方式：
成 绩：

. .word..
. .
多输入多输出系统
摘要
随着信息技术在生活中的越来越深入广泛的应用，无线数字通信在现今的地位变得越来越重要。面对越来越高的通信速度和质量要求，传统的无线数字系统显然无法胜任。在人们广泛的研究时间、频率、码元等资源的利用效率同时，多输入多输出技术理论〔MIMO：Multiple-Input Multiple-Output.也称为：多天线技术〕为移动通信产业带来了新的增长点。本文将着重论述MIMO技术的一些根本模式以及一些技术要求。

关键词：MIMO，多天线，信号检测，欠定义MIMO系统，多用户MIMO系统

. .word..
. .
目 录
1概述1
2 MIMO信号检测1
2.1 MIMO系统根底1
2.2经典MIMO信号检测3
2.2.1最大似然MIMO信号检测3
2.2.2线性MIMO信号检测5
3两种经典的MIMO系统简介6
3.1欠定义MIMO系统6
3.2多用户MIMO系统7
参考文献8

. .word..
. .
1：概述
从1978年贝尔实验室在芝加哥成功试验了第一个蜂窝移动通信系统，即高级移动业务〔Advanced Mobile Phone Service，AMPS〕开场，移动通信进入了飞速开展的时代。截至2021年6月，手机网用户数量首次超过了计算机上网用户数量[1]。随着移动互联网业务的快速增长，此类效劳对于数据传输速率以及传输质量的要求也就越来越高。根据香农理论，其对应的无线频谱资源的需求也相应增长，从而导致适用于无线通信的频谱资源变得日益紧X，成为制约无线电通信开展的主要瓶颈。如何在复杂的环境和有限的带宽下实现高质量和高速率的无线信号传输一直是移动通信技术所需解决的关键问题。理论分析和工程实践已经证明了在发送端和接收端采用天线列阵或多天线技术可以在不增加带宽和发送功率的前提下大幅提高系统的信道容量以及频率利用率。多输入多输出〔MIMO〕技术因其具有随天线数量呈线性增长的理论信道容量，被公认为是现代移动通信系统的核心技术。
本文介绍了MIMO系统信号检测方法以及发送端和接收端经典的组合。
2.MIMO信号检测
2.1．MIMO系统根底
现代无线数字通信对于传输速率的要求日益增长，传统的单输入单输出〔Single-Input Single-Output，SISO〕无线传输系统〔即发射机和接收机均配有单根天线的系统〕已经无法充分满足相应需求。经典单工SISO系统模型如图2-1所示。其相应的接收信号可以表示为：
〔2.1〕
其中，h、s、n分别表示信道增益、发射信号和噪声。于是我们可以得出相应的信道容量〔bit/s/Hz〕为
C=E(log(1+))log(1+)(2.2)
其中，，且不等号来自詹森不等式[2]。由式〔2.2〕可以看出，信道容量随着信噪比〔即〕呈指数增长。为了获得足够高的传输速率，我们需要持续提高信噪比或者利用充分大的带宽。在无线通信中，由于路径损耗的存在，充分大的接收信噪比并不是能够轻松获得的。因此我们需要充分大的传输带宽来支持足够高的传输速率。然而，受到无线电频谱资源稀疏性的影响，单纯利用大宽带来获取高速率并不现实
从另一个角度来考虑此问题，我们可以在发射机和接收机上都装配多根收发天线来提高频谱效率，相应的系统就被称为多输入多输出系统〔MIMO〕。经典的单工MIMO系统传输模型如图2-2所示。
图2-1 经典单工SISO系统模型
图2-2 经典的单工MIMO系统传输模型
以2收2发系统为例，由于每根天线均能接收到来自不同发射天线的信号，2根接收天线上的接收信号可以表示为：

(2.3)
其中，、、分别表示从第根发射天线到第根接收天线的信道增益、第根发射天线的发射信号以及第根接收天线上的加性噪声。定义,这可利用矩阵乘法表示接收信号的矢量：
〔2.4〕
这里我们有信道矩阵，发射信号矢量，噪声矢量。相应的系统模型已经能够较为直观的扩展到配有M根发射天线和N根接收天线的任意MIMO系统。
作为一种信道模型，加性高斯白噪声〔AWGN〕信道通常被用于MIMO系统的理论分析和仿真。在AWGN信道中，接收噪声矢量被假设为零均值的球对称复高斯〔CSCG〕随机矢量，其均值，协方差矩阵为R，即[3]。
相关研究说明，式〔2.4〕所描述的MIMO系统的信道容量随着发射天线和接收天线数中的较小呈线性增长，其条件为信道增益为互相独立的零均值CSCG随机变量。因此，对于给定的带宽资源，如果系统装配更多天线，便能在不增加传输功率的前提下获取更高的传输速率。为了获取这一信道容量增益，我们需要在MIMO系统中使用高效的信号调制方式。脉冲幅度调制〔Pulse Amplitude Modulation， PAM〕和正交幅度调制〔Quadrature Amplitude Modulation， QAM〕是MIMO系统信号传输中比拟常用的调制方式。
2.2. 经典MIMO信号检测
2.2.1. 最大似然MIMO信号检测
矩形QAM星座图可以被视为具有一样水平和垂直间距的格基[4]。在数字无线通信中，可以通过编码调制与解调译码完成二进制信息的发送与接收，当忽略符号能量时，星座图和对应的二进制格雷码〔Gray Code〕如图2-3所示。具体来说，当采用4-QAM调制方式时，其星座图符号集合以及对应的格雷码见表2-1[5]。
图2-3 星座图和格雷码
表2-1 4QAM调制方式下的符号集合和格雷码
序号
符号集合
格雷码
1
-1+i
00
2
-1-i
01
3
1+i
10
4
1-i
11

由式〔2.4〕可知，MIMO信号的检测即在给定接收信号向量和信道矩阵的前提下，对未知的发送信号向量进展估计。经管我们无法获取噪声向量的准确信息，但是发送信号向量的所有可能情况是能够根据调制方式预先获取的。对于具有M根发射天线的MIMO系统，假设发射符号取自星座图符号集合，那么所有可能的发送信号向量的数量为，这里表示集合中的符号元素个数。可以发现，可能发送信号向量的数量随着M呈指数增长。
综上可见，最大似然MIMO信号检测可以通过对所有可能的发送信号进展穷尽检索，并计算相应的似然函数值来完成。定义为在接收到信号时发送信号向量为的似然函数，那么最大似然的发送信号向量可表述为

〔2.5〕
由于完成最大似然检测需要进展穷尽检索，且相应所有可能的发送信号向量的数量为，因此相应检测算法的计算复杂度会随着发射天线数量M呈指数增长。
2.2.2. 线性MIMO信号检测
为了降低检测的复杂度，我们也可以考虑利用线性滤波方式完成检测过程。在线性MIMO信号检测中，接收信号通过一个线性滤波器完成滤波后，各个发送信号量可以进展分别检测。因此，线性滤波器的作用在于别离干扰信号。
首先我们考虑迫零检测[6]。迫零检测线性滤波器定义为
〔2.6〕
而相应的迫零信号估计为

〔2.7〕

利用和，发送信号向量的硬判决可以通过符号级别的估计予以完成，具体过程如下。
① 利用式〔2.7〕，我们有。
②令表示K维QAM星座图符号合集，那么中第个发送符号的硬判决表述为
〔2.8〕
③ 发送信号向量的硬判决由给出。
然而，由于当信道矩阵近奇异矩阵时，噪声即式〔2.7〕中的的效应将被放大，等效噪声被放大，所以迫零检测的性能无法得到很好的保证。
为了减弱在迫零检测中等效噪声被放大而带来的影响，最小均方误差〔Minimum Mean Square Error，MMSE〕检测利用了噪声的统计特性对迫零检测方法进展改良。MMSE滤波器基于最小化的均方误差，即

〔2.9〕

其中，表示信号能量。相应的发送信号向量的估计值表示为

〔2.10〕
从而我们能够计算出相应的均方误差为

〔2.11〕

每个发射符号的均方估计误差可以由的对角元素获得。再利用式〔2.8〕中类似的方法，可得发送信号向量的MMSE硬判决。
3.两种经典的MIMO系统简介
3.1.欠定义MIMO系统
我们将发射天线数M大于、等于、小于接收天线数N的MIMO系统的信道矩阵分别称为胖阵、方阵和瘦阵。根据文献[7]，MIMO信道容量近似为
〔3.1〕
其中，代表SISO系统的信道容量。因此从信道容量的角度出发，方信道矩阵较优。然而，在实际应用中,我们常见的蜂窝网络系统基站的天线个数往往大于移动终端天线个数，而且在下行链路中，由于接收端的复杂度有限，我们必须降低一些调制方式，并且引入胖阵〔即M>N〕，这个时候每个发射天线的频谱效率将下降到
〔3.2〕
对于这种欠定义的MIMO系统，目前有很多改良技术能够应用于此。其中ML检测[8]采用穷举所有可能向量的策略，而列表检测器首先创立一X候选向量的列表。再从中选择出一个最优的候选向量。文献[9~14]中介绍了一系列列表Chase检测器。但Chase探测器不能实现完全接收分集阶数，特别是用于欠定义的MIMO系统中。为了提高性能，文献[15~19]中研究了可用于欠定义系统的广义球形译码〔Generalized Sphere Decoding, GSD〕方法。而文献[20]中介绍了2种非最优的分组检测器，文献[21]中研究了一种基于几何方法的欠定义的MIMO系统检测器。为了更有效的降低复杂程度，文献[22]中提出了带列重排的GSD检测器，即树搜索解码器列重排〔Tree Search Decoding-Column Reordering, TSD-CR〕。
3.2.多用户MIMO系统
在应用了MIMO技术的多用户无线电通信系统中，由于用户所处的地理位置以及信道状态均不同，在用户接入过程中那么有可能获得一种额外的分集增益，即多用户分集增益。因此，在多用户MIMO系统中，选择适宜的用户在适宜的信道条件下接入系统对于增大系统吞吐量具有非常重要的意义，其直接影响信号的传输质量以及接入用户所能获得的效劳质量。文献[23]研究了多用户接入带来的多用户分集增益；文献[24]将多用户接入扩展到了MIMO系统中；文献[25]分析了MIMO系统的用户接入策略和系统吞吐量之间的关系。
针对移动蜂窝网络的系统的时变信道，可以通过在一个时间单元内选择一个或多个信道增益最大的用户接入来提高系统的吞吐量。如图3-1所示。我们可以在A时刻选择用户1，而在B时刻选择用户2接入，以提升系统性能。
图3-1 不同时刻信道增益的变化

参考文献：

[1]：数据来源：赛迪网.
[2]：X勇.科教文汇..XX电大X家港学院. 2021.
[3]：X丹谱. 加性高斯白噪声信道下的最正确接收机. 邮电大学信息与通信工程学院无线通信系统与网络实验室〔WCSN〕. 2021.
[4]：NJUer. 正交调制读书报告. wenku.baidu./link?url=MGfnCXDg1QrVT7FeD9T7sAUMjJmiCLPJSxN1hvKmqetG0sB_Ktewy8dn801m1smZKwVT1SzUmgvU8qkL657afM0Tkr5BJLEdrbvQovz37
[5]：陈启美 李勃等编. ?数据通信原理?. XX大学.
[6]：关雪梅 陈纯锴著. ?电信科学?. .人民邮电. 2021.08.
[7]：TSE D, VISHWANATH P. Fundamentals of Wireless munications[M]. Cambridge University Press,Cambridge,2005.
[8]：潘文 蒋占军 杜正锋 王炎等著. ?中国科学信息科学?. . 2021.
[9]：CHASE D. Class of algorithms for deciding block codes with channel measurement information[J]. IEEE Transactions on Information Theory, 1972,18(1).
[10]：WATERS D W, BARRY J R. The Chase family of detection algorithms for multiple-input multiple-output channels[A]. IEEE Global Telemunications Conference[C]. 2021,(4).
[11]：WATERS D W, BARRY J R. The sorted-QR Chase detector for multiple-input multiple-output channels[A]. IEEE Wireless munications and Networking Conference[C].2005.
[12]：WATERS D W, BARRY J R. Partial decision-feedback detection for multiple-input multiple-output channels[A]. IEEE International Conference on munications[C]. 2004
[13]：LOVE D J,HOSUR S, BATRA A, et al .Space-time Chase decoding [J]. IEEE Transactions on Wireless munications, 2005,4(5).
[14]：BAI L, CHOI J. Partial MAP-based list detection for MIMO systems[J]. IEEE Transactions on Vehicular Technology, 2021, 58.
[15]：DAMEN M O, ABED-MERAIM K, BELFPORE J C.Generalised sphere decoder for asymmetrical space-time munication architecture[J]. Electronics Letters. 2000,36(2).
[16]：DAMEM M O, GAMAL H E, CAIRE G. On maximum-likelihood detection and the search for the closest lattice point[J]. IEEE Transactions on Information Theory, 2003,49(10).
[17]：CUI T, TELLAMBURA C. An efficient generalized sphere decoder for rank-deficient MIMO systems[J]. IEEE Vehicular Technology Conference, 2004(5).
[18]：YANG Z, LIU C, HE J. A new approach for fast generalized sphere decoding in MIMO systems[J]. IEEE Signal Processing Letters, 2005,12.
[19]：WANG P, THO L N. A low-plexity generalized sphere decoding approach for underdetermined MIMO systems[J]. IEEE International Conference on munications, 2006(9).
[20]：KAPUR A, VARANASI M K. Multiuser detection for overloaded CDMA systems[J]. IEEE Transactions on Information Theory, 2003,49.
[21]：WONG K K, PAULRAJ A. Efficient near maximum-likelihood detection for underdetermined MIMO antenna systems using a geometrical approach[A]. EURASIPJ Wireless munication Network[C]. 2007.
[22]：CHANG X W, YANG X. An efficient tree search decoder with column reordering for underdetermined MIMO system[A]. IEEE Global Telemunication Conference[C]. 2007.
[23]：KNOPP R, HUMBLET P. Information capacity and power control in single-cell multiuser munications[A]. IEEE International Conference on munications [C]. 1995.
[24]：BENGTSSON M. From single-link MIMO to multiuser MIMO[A]. IEEE Iternational Conference on Acoustics, Speech, and Signal Processing [C]. 2004.
[25]：DIMIC G, SIDIROPOULOS N. On downlink beamforming with greedy user selection:Performance analysis and a simple new algorithm[J]. IEEE Transactions on Signal Processing. 2005,53.
. .word..