2. A dissertation submitted to
Zhengzhou University
for the degree of Master
Multiuser detection algorithm for MIMO-OFDM systems
By Meng Qi
Supervisor: Prof. Xiaomin Mu
Communication and Information systems
6. 郑州大学硕士论文 Abstract 2010 年 5 月
Abstract
For future 3G/B3G broad and wireless services, the combination of MIMO and
OFDM is regarded as the most widespread attention. On the one hand, MIMO
technology can increase the system bandwidth without additional bandwidth to
improve spectrum efficiency, exponentially increase the system capacity. On the other
hand, OFDM technology can combat the frequency selective fading and Inter-Symbol
-Interference. The space-time coding is to obtain the benefits of MIMO systems as an
effective method , which exploits the spatial diversity obtained by separated
antennas, can be used to achieve either diversity gain to combat channel fading or
capacity gain to achieve higher throughput. Among various topics related to MIMO-
OFDM technologies, the multi-user MIMO-OFDM systems have caused more and
more attention. However, in multi-user MIMO-OFDM systems, there are still multi-
access interference and multi-path channel distortion. For solving these problems, we
need to propose the effective space time signal processing technique. Multi-user
detection (Multi-user Detection, MUD) technology is the solution from the receiver
side effective multi-user interference.
At first, we analyze the basic principles of MIMO-OFDM systems and introduce
the principle and design of space-time coding, then introduce the STBC encoding and
decoding as an example of specific design and performance analysis. We consider
employing MIMO-OFDM technique in a uplink multi-user system, with specific
transmitting and receiving strategies, it can efficiently suppress co-channel
interference. In this paper, we propose to use a successive interference cancellation
(SIC) multi-user detection algorithm which based on minimum mean square error
(MMSE) algorithm. This algorithm by optimizing the sorting structure enables the
receiver algorithm has better performance.
For the actual frequency selective MIMO channel environment, the existence of
correlation effects on the system and the multi-user detection algorithm applied to the
relevant channel, in order to detect a more objective understanding of the actual
performance of the algorithm. The simulation results show that spatial correlation on
MIMO-OFDM system multiuser detection algorithm can not be ignored.
Key words: MIMO; OFDM; STC; MUD; spatial correlation
II
21. 郑州大学硕士论文 2 MIMO-OFDM 系统与多用户检测技术 2010 年 5 月
1.多径衰落
移动通信环境中受地面、水面反射或大气折射散射体的影响,使得微波信号
在传播过程中会使得经历不同路径到达接收机 的信号形式各异,不同时间不同
相位的信号在接收端叠加成时变信号,产生了多径衰落。多径衰落可分为平坦衰
落和频率选择性衰落。
2.周围物体以及移动台的速度
如果信道中的物体处于运动中,它们就会对多径分量产生时间变化的多普
勒频移。基站与移动台之间的相对运动会使每个多径分量产生不同的多普勒频移,
从而引起接收信号的随机频率调制。移动接收机与基站之间的传播路径是缩短还
是加长,则多普勒频移表现为有可能为正,也可能为负。若周围物体以明显快于
移动台的速度运动,时间变化的多普勒频移则在小尺度衰落中占主导地位。否则,
周围物体的运动就可以忽略,只需要考虑移动台的速度。
3.信号的发射带宽
如果发射的无线电信号带宽大于多径信道的“带宽”,即信号的自相关时
间小于多径信号的延时差,则接收信号会发生畸变,而小尺度衰落则不明显。信
道的带宽可以用刻画信道特殊多径结构的相干带宽进行量化。相干带宽是信号在
幅值上仍然保持强相关时的最大频率差的测度。若发射信号相对于信道有一个窄
的带宽,则信号的幅值将快速变化,但信号在时间上将没有畸变。因此小尺度信
号强度的统计特征和小尺度距离范围内信号畸变的可能性在很大程度上与多径
信道的幅值特性、时延以及发射信号的带宽有关。因为多径传播导致信号在不同
维(时间、频率、空间)的扩展,它们对通信信号有明显的影响,因此是重点关注
的对象。
2.1.3 无线衰落多径信道模型
设无线衰落信道共有 L 条路径(只考虑非零抽头),如果采用抽头延迟线
模型来模拟,信道的等效低通冲激响应 h(τ ; t ) 可以表示成如下形式[11](这里仅
考虑了多径效应,未考虑移动引起的多普勒效应):
L
n
h(τ ; t ) = ∑ a (l ; t )δ (τ − l ) (2.3)
l =1 fs
现选取符号的持续时间小于信道相干时间。这样,信道 h(τ ; t ) 在 T 时刻可以
等效为一线性时不变系统。现对 h(τ ; t ) 作傅里叶变换得到 t 时刻多径衰落信道的
频率特性:
11
22. 郑州大学硕士论文 2 MIMO-OFDM 系统与多用户检测技术 2010 年 5 月
L
H ( f ; t ) = ∑ a (l ; t )e − j 2πf nl / f s (2.4)
l =1
这就得到一个时变线性系统模型。但在相干时间内,信道的频率特性看成是
时不变的。
2.2 OFDM 技术
OFDM 是一种特殊的多载波传输技术,它是一种解调,也可以被称作一种
分集。多载波传输的原理是把高速的数据流分解成若干个低速的子数据流,用这
样的低速率多状态符号去调制子载波,就形成多个低速率符号并行发送的传输
系统。由于低速率的并行子载波增加了码元符号持续时间,并远大于信道最大时
延扩展时,则同时降低了对于多径时延扩展造成的时间上的衰落。它的特点是个
子载波相互正交,所以扩频调制后的频谱可以相互重叠,不但减少了子载波间
的相互干扰,还大大提高了频谱利用率。OFDM 系统能够很好地对抗频率选择性
衰落和窄带干扰。
数字信号处理技术的发展进一步推动了 OFDM 技术的实现。OFDM 系统可
以利用快速傅里叶变换实现调制和解调,简化硬件实现的复杂度。N 个 OFDM
子载波使用的快速傅里叶逆变换(IFFT)等同于一个矩形基带调制脉冲成型分
别调制。接收机端对波形样本进行采样用于获取通过快速傅里叶变换(FFT)后
的 N 个样本。 调制相当于使用一个矩形基带波形匹配滤波器对每一个子载波
FFT
进行积分。
2.2.1 OFDM 基本原理
一个 OFDM 符号内包含多个经过正交幅度调制(QAM) 或者相移键控
(PSK)的子载波[16]。这里用 N 表示子载波个数,T 表示 OFDM 符号的周期,
用 di 表示分配给子信道的原始基带数据符号,f 是发送时使用的载波频率,则
t=ts 从开始的 OFDM 符号可以表示为:
12
23. 郑州大学硕士论文 2 MIMO-OFDM 系统与多用户检测技术 2010 年 5 月
N −1
2 i + 0.5
s (t ) = Re ∑ d N exp j2π f c − (t − t s ) (2.5)
t =− N i+ 2 T
2
ts ≤ t ≤ ts + T
s (t ) = 0 t < ts ∧ t > ts + T
可以采用等效基带信号来描述 OFDM 输出信号,如下式(2.6)
N −1
2 i
s (t ) = Re ∑ d N exp j2π (t − t s ) (2.6)
t =− N i + 2 T
2
ts ≤ t ≤ ts + T
s(t ) = 0 t < ts ∧ t > ts + T
式(2.6)中, s (t ) 的实部和虚部分别对应 OFDM 符号的同相和正交分量,
在实际系统中可以分别与相应子载波的余弦分量和正弦分量相乘,构成最终的
合成的 OFDM 符号。
从式(2.6)可以看出,每个子载波在一个 OFDM 符号周期 T 内都包含整数
倍个周期,而且任意两个相邻的子载波相差一个周期,这样看来子载波之间是
相互正交的,即:
1 T 1 m =n
T ∫0 exp( jωn t ) exp( jωm t )dt = 0
m ≠n (2.7)
接收端的解调可将接收信号与解调载波相乘,然后在时间长度为 T 内进行
积分,经串并转换后的数据即为:
13
24. 郑州大学硕士论文 2 MIMO-OFDM 系统与多用户检测技术 2010 年 5 月
N
−1
1 t s +T j 2
i
ˆ
dj = ∫ exp − j2π ( t − t s ) ∑ d m exp j2π ( t − t s ) dt
T ts
T i = N T
2
N
−1
(2.8)
1 2 t s +T i− j
= ∑N d i ∫ts exp j2π T ( t − t s ) dt = d j
T m= −
2
对于 N 较大的系统来说,式(2.8)的 OFDM 复等效信号可以采用快速傅
里叶逆变换(IFFT)方法实现。对于信号 s(t)以 T/N 的速率进行抽样,令 t=kT/
N(k=0,1,…,N.1),等效为对 N 个 QAM 符号进行 IFFF 运算,得到:
N −1
2πik
s k = s (kT / N ) = ∑ d i exp j 0 ≤ k ≤ N −1 (2.9)
i =0 N
同样在接收端可以对 sk 用 FFT 实现解调,即:
N −1
2πik
d i = ∑ s k exp − j 0 ≤ i ≤ N −1 (2.10)
k =0 N
2.2.2 OFDM 系统模型
图 2.1 给出了 OFDM 系统框图。略述其工作原理为:在发端,二进制数据流
经过前向纠错编码(FEC)和交织,然后根据调制方式(BPSK 或 QAM 等)进行
星座映射,插入相应的导频后,经过串/并变换变成 N 路并行符号进行 IFFT 处
理,把 IFFT 的结果串行输出并加入循环前缀,经过数模变换(D/A),送到信
道传送。接收端是发送端的逆过程,图 3.2 中上半部分对应发射链路,下半部分
对应接收链路,由于 IFFT 操作与 FFT 类似,因此发射机和接收机可以用同一个
硬件设备实现。当然,这种硬件的节省是以收发信机不能同时工作为代价的。
14
26. 郑州大学硕士论文 2 MIMO-OFDM 系统与多用户检测技术 2010 年 5 月
空间多路检
去循环前缀 FFT
测器
解
空间多路检 复
去循环前缀 FFT
测器 用
器
空间多路检
去循环前缀 FFT
测器
图 2.3 MIMO-OFDM 系统接收端框图
图 2.3 和图 2.4 是 MIMO-OFDM 系统在发射端和接收端的系统框图。
考虑一个有 N t 个发送天线, N r 个接收天线的 MIMO-OFDM 系统,每根天
线传输的信号包换 N 个 OFDM 符号。这些 N × N t 个符号按照发射天线和时间组
成 N t 个 N 长的列向量,每根天线发射信号表示如下:
[
x(i ) = x1 (i ), x 2 (i ), x T (i )
T T
N ] T
i = 1,2 N t (2.11)
接收到的 OFDM 符号能够形成 ( N + N ep ) N r 个列向量, N ep 是循环前缀数。
第 j 根天线接收到的信号为:
[
y ( j ) = y1T ( j ), y 2 ( j ), y T + N ep ( j )
T
N ] T
j = 1,2 N r (2.12)
信道假定为平衰落信道且天线 i 到天线 j 的信道增益定义为 hi , j 。信道增益可
以建模为均值为 0 方差是 0.5 的复高斯随机变量。假定路径增益是准静态的,即
hi , j 在帧长 N 0 内保持不变。
在时刻 t,接收天线 j 的接收信号表示为:
16
27. 郑州大学硕士论文 2 MIMO-OFDM 系统与多用户检测技术 2010 年 5 月
Nt
y ( j ) = ∑ hi , j x(i ) + n( j ) (2.13)
i =1
其中,噪声 n( j ) 是零均值复高斯随机变量。把每根天线发射的符号的平能量
归一化为 1,所以每根接收天线的接收信号的平均功率为 N t ,信噪比是 SNR。
以上只是 MIMO 系统与 OFDM 技术相结合的一个最简单的方案,本文将在
第三章中详细描述 OFDM 与 STBC 系统结合的具体结构,并提出适用于多用户
系统的接收端检测方案。
2.4 多用户检测技术
2.4.1 多用户检测技术的提出
在传统的CDMA接收机中各个用户的接收是相互独立进行的。在多径衰落环
境下由于各个用户之间所用的扩频码通常难以保持正交。因而造成多个用户之间
的相互干扰并限制系统容量的提高。CDMA蜂窝移动通信系统中,一个小区总的
干扰[6]为:
I total = I MAI + f ⋅ I MAI + I noise + I ISI (2.14)
上式中 I MAI 是小区中同频用户对期望用户造成的干扰,即多用户间的多址
干扰(MAI);f为相邻小区的干扰与本小区多址干扰之比; I noise 是加性高斯白噪
声; I ISI 表示为期望用户的符号间干扰(ISI)。以上四种干扰,在CDMA通信系统
中消除方法各有不同。
高斯白噪声是所有通信系统都存在的一类加性噪声,是由通信设备的有源、
无源器件所产生。它的概率密度函数满足正态分布统计特性且功率谱密度函数是
常数,故称为加性高斯白噪声 (Additive White Gaussian Noise,AWGN)。在实际
CDMA 无线蜂窝移动通信系统中,通常 MAI 和 ISI 的影响要远大于热噪声,因
此实际应用中可通过限制接收机噪声系数的方法来消除。
ISI 的形成原因有两种:一种是信号在传输时未满足奈奎斯特第一准则,在
抽样时刻存在失真,对于这种原因引起的 ISI,在 CDMA 移动通信系统中采用
了升余弦滤波器等方法来克服;另一种是由无线传播信道中的多径成分造成,
在实际系统是无法避免这种干扰的,但可以通过均衡尤其是空时处理方法来改
善。
17
28. 郑州大学硕士论文 2 MIMO-OFDM 系统与多用户检测技术 2010 年 5 月
MAI 是由同频用户对期望用户造成的干扰。它可分为两部分:一部分是小
区内的 MAI,也就是同信道干扰。另一部分是小区间的 MAI,也就是邻信道干
扰。在 CDMA 无线蜂窝移动通信系统中,同一小区内同时通信的用户有多个,
而在 CDMA 通信方式中多个用户占用同一时隙同一频隙进行通信,所不同的就
是各个用户选取不同的地址码来区分,但是实际选用的各地址码间的互相关函
数又不可能全部为零的这种理想状态,因此造成多用户同时通信时时,必然要
产生 MAI。当小区内同时通信的用户数较多时,小区内的 MAI 就成为 CDMA 无
线蜂窝移动通信系统中的最主要干扰。小区间 MAI 是指其他相邻同频小区的用
户对期望用户造成的干扰。通常这部分 MAI 可以通过合理的小区配置来减少其
影响。因此,为了满足不同业务质量的要求,消除和抵抗小区内 MAI 成为
CDMA 移动通信系统接收端的一项主要任务。在本文中主要考虑的是就是同信
道干扰。
多用户检测是一种从接收端消除抑制干扰的方法,它要解决的基本问题是:
从相互干扰的数字信息串中如何可靠地解调出某个特定用户信号。通过 MUD 既
可以实现抗 MAI,又可以抵抗远近效应和多径干扰。
显然,最大似然 [16] (ML)检测是最优的解决办法。对于本节中提到的
MIMO系统,发送信号向量估计为[17]:
2
ˆ
x = arg min y − Hx
ˆ
x∈S (2.15)
ˆ
上式中, H 是MIMO信道估计的频率响应矩阵,S是星座点坐标,。最大似
然检测器是从所有发送信号向量的星座图中搜索最大可能的发送信号向量,仿
真结果表明最大似然检测器能实现与单个用户接收时几乎一样的性能,但是复
杂度 O( 2 ) 也是很大的,这在实际中难以实现[17]。下面我们依次介绍几种次最
k
优的检测算法。其中迫零检测和最小均方误差检测是线性检测,串行并行干扰检
测是非线性的。
2.4.2 迫零(ZF)检测
式(2.15)所示的线性检测器是在等式两端乘以式(2.16)所示的滤波矩阵
18
29. 郑州大学硕士论文 2 MIMO-OFDM 系统与多用户检测技术 2010 年 5 月
G ,通过滤波矩阵将数据流分离,筛选出期望用户的信号并对其译码。这种检测
方式叫做迫零检测。其滤波器矩阵表示为[18]:
GZF = (H H H) −1 H H = H + (2.16)
+
上式中 H 表示矩阵 H 的Moore-Penrose伪逆。这里我们假定MIMO信道估计
的频率响应矩阵 GZF 是满秩的,则检测阶段滤波器输出为:
x ZF = G ZF r = x + (H H H) -1 Hn
ˆ (2.17)
估算误差对应于主对角线元素的协方差矩阵表示为:
P( n) = E{( x( n) − xZF (n))( x( n) − xZF (n)) H } =
Ts
( H H)
2 N 0 H −1
(2.18)
从上式可以明显看出 ( H H ) 矩阵的特征值会放大噪声,导致系统性能的
H −1
下降。ZF 检测无需知道信号与噪声的统计特性,复杂度相对 ML 检测算法大大
地降低了。它的缺点是:放大噪声功率,扩大噪声的影响,也就是说它的性能是
以提高背景噪声为代价换取消除多址干扰。
2.4.3 最小均方误差(MMSE)检测
为了提高式(2.16)的检测性能,线性最小均方误差检测 [18]算法的基本思
想是求解一种线性变换 (即滤波矩阵 ),然后计算经线性变换后的接收数据和传
统检测器的软判决输出之间的均方差 (MSE),使 MSE 最小的矩阵即为所求线性
变换。
假设发射天线数为m,发射信号向量为X,接收天线数为n,接收信号向量
为 r , 信道响应 矩阵 为 H ,在MMSE 检测算法中, 令发射 矢量 x 与检测信号
G MMSE r 之间的均方误差的均值最小化,即[19]:
{
min E ( x − G MMSE r )
2
(2.19)
}
其中,G是一个 n × m 的检测系数矩阵,
GMMSE = [ H H H + σ 2 I m ]−1 H H
(2.20)
式(2.19)中, σ 是噪声方差, I m 是一个 m × m 的单位矩阵。
2
从天线i发射符
19
30. 郑州大学硕士论文 2 MIMO-OFDM 系统与多用户检测技术 2010 年 5 月
号的判决统计量为:
y i = GiH r (2.21)
H
式(2.20)中, G 是检测系数矩阵 G MMSE 的第i行,由m个分量组成。通过
i
i
对 y 作硬判决得到天线i发射符号的估计值
x i = q( y i )
ˆ (2.22)
估算误差对应于主对角线元素的协方差矩阵表示为:
P(n) = E{( x(n) − xMMSE (n))( x(n) − xMMSE (n)) H } =
Ts
(
2N0 H
H H + σ 2Im ) −1
(2.23)
跟ZF检测算法相比,MMSE检测充分利用了信源符号和噪声的统计信息,
能够在抑制数据流间干扰和抑制噪声干扰之间取得折中,因此MMSE检测具有
比ZF检测更好的性能。
2.4.4 非线性多用户检测器
干扰消除检测器一般由多级组成,其基本思想是在接收端估计对每个用户
的多址干扰,然后从接收信号中部分或全部消除多址干扰。这种消除器与抗 ISI
的反馈均衡器类似,所以又称为判决反馈检测器[19,20]。在文献[19]中指出不可
靠的估计将严重降低检测性能。干扰抵消多用户检测包括串行干扰消除、并行干
扰消除两种。
1 串行干扰消除(SIC)
SIC每一级只检测一个用户信号,K个用户需要K级判决,采用的是串行结
构。各用户的操作顺序是根据信号信噪比下降顺序来确定的。以第一级为例,检
测前先对K个用户的接收信号信噪比按从大到小的顺序排序,接收机检测(译
码)出信噪比最大的信号,然后对该信号进行估计和重建,在后续用户的检测
前,从接收信号中减去先前已检测用户的重建信号。重复以上过程直到所有的用
户信号均被检测。这样,在判决第k个用户的时候,已经消除了前k-1个用户信号
的影响。显然,用户的检测顺序越靠后,该用户受到其他用户的干扰就越小。由
于判决顺序由信号强度的强弱决定,检测顺序的选取对于用户的接收信号质量
以及整个系统性能均有重要影响。为了达到最佳的检测性能,每次都是信噪比大
的信号先检测,这样保证待检用户的信号在剩余的用户信号中信噪比总是最大
的。
SIC 相对传统的检测器可以获得很大的性能 增益,而且硬件实现简单。但
有两个缺点影响SIC的`实用化:第一,SIC 需要不断的对各个用户重新排序,因
20
41. 郑州大学硕士论文 3 空时编码 OFDM 系统中多用户检测技术 2010 年 5 月
1
X 1 (l , n)
空 IFFT
用户1 时
编 1
X 2 (l , n)
IFFT r1 (l , n) R1 (l , n)
码 FFT 多
用
rM (l , n)
FFT
RM (l , n) 户
检
X 1K (l , n) 测
空 IFFT
用户K 时
K
编 X 2 (l , n)
IFFT
码
图3.4 STBC-OFDM系统发送接收框图
数据流 X j (l , n)(n = 1 N ) 经 IFFT 变换后由天线 j(j=1,2)在第 l 个符号连续时
k
间发出,在发射前插入了循环前缀保护间隔,用以消除信道间(ICI)干扰。在
接收端,接收信号经过串并转换,去掉循环前缀的保护间隔后,进行 DFT 解调
变换后获得频域基带复信号,直接进入多用户检测器,检测器结合信道结构产
生合适的软判决输出,即多用户接收机的输出。
当 K 个用户被激活时,接收端第 i(i=1…M)个接收天线上接收到的信号可表
示为:
K 2
Ri (l , n) = ∑∑ X k (l , n)H k (l , n) +ηi (l , n)
j ji (3.15)
k =1 j =1
写成矩阵形式:
R[l , n] = H[l , n]X[l , n] + η[l , n] (3.16)
在本系统中设信道在连续两个 OFDM 符号连续时间内不变化,当考虑两个
连续的 OFDM 符号时,式(2)写成以下形式:
R[ n] = H[l , n]X[n] + η[n] (3.17)
31
42. 郑州大学硕士论文 3 空时编码 OFDM 系统中多用户检测技术 2010 年 5 月
∗ ∗
式(3.17)中 R[ n] = [ R1 (l , n), R1 (l , n), R2 (l , n) RM (l , n), RM (l , n)] ,
T
X[n] = [ X[l , n], X[l + 1, n]] , X[l , n] = [ X 1 (l , n), X 2 (l , n}, X 1K (l , n), X 2K (l , n)]T ,
1 1
∗ ∗
X[l + 1, n] = [− X 2 (l , n), X 1 (l , n} − X 2K (l , n), X 1K (l , n)]T 。
1 1
频域信道矩阵:
H [l , n ] =
H 11 (l , n)
1
H 21 (l , n) H 11 (l , n)H 21 (l , n) H 1 (l , n)
1 K K 1
H 12 (l , n) H 1K (l , n)
1 2 K K 1
H 12 (l , n) H 22 (l , n) H 12 (l , n)H 22 (l , n) H 2 (l , n) H 2 (l , n) H 2K (l , n)
2
=
H 1M (l , n) H 2 M (l , n) H 1K (l , n)H 2KM (l , n) H M (l , n)
1 1
M
1
H M (l , n) H M (l , n)
2 K
其构成
H 1km (l , n) H 2 m (l , n)
k
H [l , n] =
k
m , H k [l , n] 为用户 k 的发送天线 j 和接收
jm
k ∗ ∗
H 2 m (l , n) − H 1km (l , n)
天线 m 之间第 l 个符号持续时间内第 n 个子载波的信道频域响应。高斯白噪声
η[n] = [ η[l , n] η[l + 1, n]]T 是独立同分布复高斯随机向量。
3.3.2 STBC-OFDM 系统上行多用户检测
由于传统的最优化多用户检测 [17]的复杂度随用户数目的增加呈指数增长,
难于付诸于实时应用,因此研究各种具有良好性能和较低复杂度的次优方案 [31]
[32]
具有重要意义。本文在MMSE检测算法的基础上,仿真了MMSE-SIC算法,通
过迭代运算获得每个用户的发射信号。
迭代算法最早应用于非 OFDM的系统中,基站接收信号经离散傅里叶变换
32
43. 郑州大学硕士论文 3 空时编码 OFDM 系统中多用户检测技术 2010 年 5 月
后,得到式 (3.17)的信号 R,由式( 3.17)看出 OFDM各自子载波所传输的数据
是可以分开检测的,不存在空时码块干扰,因此可以逐个空时码块地进行联合
多用户检测 和空时码解码。MMSE算法[35]采用线性的估计矩阵G来估计向量X,
使得估计向量与原始向量的误差的平方最小,即:
G = arg min E{ x − Gr }
W (3.18)
可以得到估计矩阵G的表示式为:
N0
G = (H H H + I Tx*usernum ) −1 H H (3.19)
Eb
式(3.19)中 N 0 是噪声方差, E b 是发送信号能量, I Tx*usernum 是酉矩阵。
采用联合干扰抑制和干扰消除的接收算法,在接收信号中对多个用户逐个
进行数据判决,每一级只检测一个用户信号,操作顺序是根据信号信噪比或均
方误差(MSE)[35],信噪比或均方误差大的信号先进行操作,每级输出的是信
噪比或均方误差大的用户的数据判决和去除该用户造成的 MAI以后的接收信号,
这样就可以将多址干扰的影响降到最低,大大增加检测的可靠性。接收端框图如
下:
1
FFT
. 空时解码及软判断 用户k数据
.
. MMSE
. 初检测
M
FFT
⊕
- 用户k重建
空时解码及软判断 用户k+1数据
多用户检测
图 3.5 接收端多用户检测框图
33
44. 郑州大学硕士论文 3 空时编码 OFDM 系统中多用户检测技术 2010 年 5 月
在算法开始时按照估计信号的均方误差的降序来确定估计用户顺序。假设收
端已知信道状态信息,在一个发送符号间隔,MMSE-SIC检测算法流程如下:
(1) 初始化 l=K
(2) 递归 l = 1,...K
[ j]
N0
计算 G = (H H +
[l ] H [l ] [ l ]
I Tx*usernum ) −1 H H [l ] ,根据 MSE ( k )[ l ] = ∂ 2 (1 − H 1( k )[ l ]G1( k )[l ] ) 得
k
Eb
到 k[l ] = arg min{MSE
( k )[ l ]
} ,这里 MSE ( k )[l ] 表示用户k发送信号 X (k)的均方
1
误差, ∂ k = E X 1
2
{ } 为发送信号能量, H
k 2 (k )
1 是 H )的第一列。计算判决统计量
(k
y ( k )[l ] = G ( k )[l ] r ,将 y ( k )[l ] 量化到星座图中对应欧氏距离最近的星座点,得到用户
ˆ
k发送信号的估计量 x ( k )[l ] ,即 x
ˆ ( k )[ l ]
= Q ( y ( k )[l ] ) 。
( k )[ l ]
ˆ
对第 k 个用户发送信号检测后,从接收信号中通过消除 x ,得到修正后
[ l +1]
的接收向量 r
[ l +1]
,即 r = r [l ] − H ( k )[ l ] x ( k )[l ] 。
ˆ
(3)循环结束
基于 MMSE-SIC的多用户检测算法采用兼顾抑制干扰与噪声的 MMSE 准则
进行滤波,相比采用 ZF准则进行滤波的 ZF-SIC,可以有效地克服噪声增强的问
题,提高检测性能,而且由于采用了优化排序消除干扰, MMSE-SIC能获得比
线性的 MMSE 检测以及未排序的 MMSE-SIC 检测更好的性能,在略微增加系统
时间复杂度的基础上,使系统检测性能得到了明显改善。
3.3.3 仿真结果分析
下面采用计算机仿真来验证算法的可行性。一个基于空时分组码的同步
34