寬帶無線通信迭代接收技術研究.pdf_第1頁
已閱讀1頁,還剩111頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、隨著無線通信系統(tǒng)寬帶化需求的增加,多載波傳輸技術和多天線MIMO傳輸技術得到廣泛研究和應用,以顯著提供無線通信系統(tǒng)的傳輸速率、頻譜效率、功率效率及傳輸的可靠性。迭代接收機是提高無線通信系統(tǒng)接收性能、逼近信道容量的有效方法,得到研究者們廣泛的關注。本文研究寬帶無線通信系統(tǒng)中的迭代接收技術。
   首先,針對傳統(tǒng)迭代檢測譯碼接收機存在的復雜度高、時延大等問題,研究了迭代接收機的因子圖分析及并發(fā)實現結構。以Turbo和LDPC編碼MI

2、MO-OFDM系統(tǒng)為例,通過接收機的因子圖分析,給出了接收機各個軟信息處理單元之間連接關系和軟信息交換的基本原理,提出了因子圖上新的軟信息傳遞和交換方式,進而提出了雙渦輪實現結構,并在復雜度和時延兩個方面與傳統(tǒng)串行結構進行了比較。在雙渦輪實現結構中,檢測器和譯碼器并發(fā)工作,且在檢測器和譯碼器之間,以及譯碼器內部不同軟信息處理單元之間均進行實時地軟信息交換。通過計算機仿真,驗證了所提出的雙渦輪迭代接收實現結構低復雜度低處理延時的優(yōu)點。

3、r>   然后,研究了低復雜度軟輸入軟輸出檢測理論方法,將待檢測信號分成最大后驗概率判決組和高斯干擾組,提出了典型軟輸入軟輸出檢測器的統(tǒng)一模型,即線性預濾波后進行最大后驗概率檢測,推導了最優(yōu)線性預濾波的充要條件,進而提出了低復雜度的基于匹配濾波的次優(yōu)預濾波方法。將線性預濾波檢測模型應用到MIMO多載波系統(tǒng)中,設計了低復雜度的頻域檢測器。將線性預濾波檢測模型應用到MIMO單載波系統(tǒng)中,采用不同的準則處理時間域的干擾信號和空間域的干擾信號

4、,提出了幾種空時級聯(lián)的時域檢測方法,降低檢測器的實現復雜度。此外,提出了軟解調的查表實現方法,具有低實現復雜度及靈活實現不同調制方式解調的優(yōu)點,并針對較為常用的格雷映射,提出了線性復雜度的軟調制方式。通過計算機仿真,驗證了所提低復雜度檢測算法的有效性。
   接著,研究了頻域交織DFT擴展OFDM傳輸方法。從能量擴展變換的定義和基本原理,提出了頻域交織DFT擴展OFDM發(fā)送方法,證明了頻域交織DFT擴展OFDM發(fā)送端的預處理矩陣

5、具有理想的時域擴展特性和頻域擴展特性。針對該發(fā)送方法,提出了基于匹配濾波的硬判決迭代檢測方法,并且通過性能分析說明了其在高信噪比下的性能能夠逼近匹配濾波界,推導了適用于迭代檢測譯碼接收機的軟輸入軟輸出最小均方誤差(MMSE)檢測,通過分析說明了在使用迭代接收機的情況下,所提出的頻域交織DFT擴展OFDM傳輸方法能夠獲得比傳統(tǒng)DFT擴展OFDM更好的差錯性能。通過計算機仿真,驗證了所提出傳輸方法的有效性。
   最后,研究了CP-

6、OQAM-OFDM系統(tǒng)及其在SC-FDMA系統(tǒng)中的應用。從傳統(tǒng)的OQAM-OFDM系統(tǒng)出發(fā),通過引入CP,提出了CP-OQAM-OFDM傳輸方法。在此基礎上,推導了所提出CP-OQAM-OFDM傳輸方法在傳統(tǒng)OFDM框架下的實現過程,并且推導了子帶濾波器所需滿足的精確恢復條件。將所提出CP-OQAM-OFDM傳輸方法應用于SC-FDMA系統(tǒng)中,設計了低發(fā)送信號包絡波動的SC-FDMA發(fā)送方法,并且針對該發(fā)送方法,提出了適合迭代檢測譯碼接

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論