第三章CDMA的原理和應用(3)

1DS-CDMA系統概述

  • 在傳統的DS-CDMA中,把每個用戶當作單獨的信號來處理,其他的信號會被當作干擾
  • 利用碼字的互相關係數爲零來消除其他用戶的干擾
    在這裏插入圖片描述
    在這裏插入圖片描述

2多用戶檢測

2.1概述

  • 認爲所有信號都是有用的,採取聯合檢測的方式,減小干擾增加系統容量,減輕遠近問題的影響
  • 容量
    全部干擾爲I=IMAI+f×IMAI,I=I_{MAI}+f\times I_{MAI},其中IMAII_{MAI}爲同小區干擾,f是其他小區多址干擾和同小區干擾的比率(溢出率),理想的系統抑制了同小區的多址干擾,干擾只剩I=f×IMAI,I=f\times I_{MAI},最大容量增益因子是(1+f)/f,及最大容量增益是2.8.

2.2例子

核心思想是對較強的信號的用戶先做判決,然後在較弱的接收信號中減去較強信號的干擾,得到更好的結果。
uk(t)=i=0xk(i)ck(i)sk(tiTτk)u_k(t)=\sum_{i=0}^{\infty}x_k(i)\cdot c_k(i)\cdot s_k(t-iT-\tau_k) y(t)=k=1Kuk(t)+z(t)y(t)=\sum_{k=1}^Ku_k(t)+z(t)經過匹配濾波器的採樣輸出,可以得到yk=0Ty(t)sk(t)dt=ckxk+jkKxjcj0Tsk(t)sj(t)dt+0Tsk(t)z(t)dty_k=\int_0^Ty(t)s_k(t)dt=c_kx_k+\sum_{j\neq k}^Kx_jc_j\int_0^Ts_k(t)s_j(t)dt+\int_0^Ts_k(t)z(t)dt假設只有兩個用戶且r=0Ts1(t)s2(t)r=\int_0^Ts_1(t)s_2(t)匹配濾波器的輸出
在這裏插入圖片描述
如果用戶1的功率遠大於用戶2,我們可以

  • 先判決用戶1:x1^=sgn(y1)\hat{x_1}=sgn(y_1)
  • 從較弱的信號中減去MAI的估計值
    在這裏插入圖片描述

2.3MUD的優勢

  1. 有效地減弱和消除多徑干擾,多址干擾,遠近效應
  2. 簡化功率控制
  3. 減少正交擴頻碼互相關性不理想帶來的消極影響
  4. 提高系統容量,增加小區的覆蓋範圍

3MUD算法分類

在這裏插入圖片描述

3.1最大似然順序估計

列出似然函數求解即可,看着式子很複雜,實際上是符合邏輯的。對於似然函數ln{p[y(t)]k=1Kuk(t)}ln\{p[y(t)]|\sum_{k=1}^Ku_k(t)\}剛開始還有點疑惑,後面就可以理解了,類比之前的似然函數,試探發送信號,使得p(yx)p(y|x)最大,那麼多用戶檢測的似然函數也是成立的,不同之處在哪裏呢?發送信號是合在一起的。
對第一個區間的信號進行討論:
在這裏插入圖片描述
在這裏插入圖片描述
在這裏插入圖片描述
在這裏插入圖片描述
在這裏插入圖片描述
很直白,沒有什麼難度的直接的推導

3.2解相關算法

給接收信號乘互相關矩陣的逆矩陣,得到結果。
在這裏插入圖片描述
y~=R1y=Cx+Razyk~=ckxk+z~xk^=sgn(yk~)\tilde{y}=R^{-1}y=Cx+R^{-a}z\rightarrow \tilde{y_k}=c_kx_k+\tilde{z}\rightarrow \hat{x_k}=sgn(\tilde{y_k})
在這裏插入圖片描述

3.3解相關算法

不太能理解第二級的判決算法
在這裏插入圖片描述

3.4判決反饋算法

判決函數xk~=sgn[ck(yk~i=1k1fkiCixi~)]\tilde{x_k}=sgn[c_k^*(\tilde{y_k}-\sum_{i=1}^{k-1}f_{ki}C_i\tilde{x_i})]不曉得是什麼,這個算法也看的很迷
在這裏插入圖片描述

3.5並行干擾消除算法

y(t)y(t)化爲幾個數據流同時進行檢測,大大提高了檢測速率
在這裏插入圖片描述

3.6MUD的侷限性

  • 實際應用中的問題
    • 處理的複雜性
    • 處理時延
    • 靈敏度和魯棒性
  • MUD的侷限
    • 蜂窩容量擴展性不大
    • 僅僅上行鏈路的容量增加不一定帶來同等系統的總體容量的增加
    • 使用MUD的開銷必須儘可能小,因此存在使用/開銷和性能之間的權衡問題

4減輕MAI的影響

  • 編碼波形設計
  • 功率控制
  • FEC編碼
  • 扇形自適應天線
發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章