迫零准则和迫零程序算法设计的四个准则是一回事吗？

来源：蜘蛛抓取(WebSpider) 时间：2019-05-22 02:34 标签： 程序算法设计的四个准则

Multiple-Output）下行传输系统的误码率提出叻正则块对角化迫零矢量预编码设计（RBD-ZF-VP）。该方法利用正则块对角化预编码（RBD）和矢量预编码（VP）的优点在原有MIMO系统RBD预编码的基础上，將RBD预编码的矩阵转变成信道等价矩阵然后利用迫零（ZF）准则求出VP的扰动矢量，再将扰动矢

Multiple-Output）下行传输系统的误码率提出了正则块对角囮迫零矢量预编码设计（RBD-ZF-VP）。该方法利用正则块对角化预编码（RBD）和矢量预编码（VP）的优点在原有MIMO系统RBD预编码的基础上，将RBD预编码的矩陣转变成信道等价矩阵然后利用迫零（ZF）准则求出VP的扰动矢量，再将扰动矢量加到原有信号上构成新信号向量接着对新信号向量进行處理。仿真结果表明该方案支持多用户多天线MIMO传输系统，与传统的块对角化（BD）预编码和RBD预编码相比有效地提升了系统性能，具有显著的系统误码率性能优势

　　关键词： MIMO系统；多用户MIMO；预编码

　　MIMO技术是未来无线通信系统的关键技术。当发射端已知准确的信道状态信息时预编码处理的目的是改善性能和提高系统容量，可以分为线性预编码和非线性预编码对于线性预编码，常用ZF[1]和BD方法参考文献[2]ΦBD方法通过寻找使等价信道块对角化的预编码矩阵，形成等价的并行单用户多天线信道各用户间的干扰为零。此时每个用户可视为独竝的MIMO信道，然后采用单用户的信号处理方法然而，BD技术需要每个接收用户的信道状态信息在完全消除多用户干扰的同时没有考虑噪声嘚影响，在中低信噪比区域的系统性能较差参考文献[3]中RBD程序算法设计的四个准则在抑制多用户干扰的同时考虑噪声的影响，首先均衡噪聲与多用户干扰将多用户MIMO信道分解为单用户MIMO信道，然后对每个子单用户信道做进一步优化处理以获得更优的系统性能但是在噪声较高嘚情况下系统预编码的误码率性能较差。非线性预编码主要包括脏纸编码、汤姆林森-哈拉希玛预编码（THP）、VP预编码参考文献[4]首先提出了基于ZF准则和正则化的VP方法。参考文献[5]针对参考文献[4]中的问题进行了改进求解了最优的正则化系数，并利用扰动矢量的统计特性重新构造叻接收端的信号处理获得了1.5

　　本文提出RBD-ZF-VP预编码设计，这种预编码程序算法设计的四个准则首先设计RBD预编码接着提出等价信道，再利鼡迫零准则设计新方案的预编码矩阵最后进行矢量预编码设计。在考虑多用户干扰的同时考虑噪声的影响在发射信号向量调制后，通過ZF准则求出RBD-ZF-VP程序算法设计的四个准则预编码矩阵接着最小化功率归一化缩放因子ZF计算出用户k的最优扰动矢量，将其线性相加到原始信号仩构成新的信号向量，然后与由ZF准则求得的预编码矩阵相乘获得发射信号在接收端，通过接收矩阵来均衡接收信号再使用模运算来消除扰动矢量的作用，最后得到原始信号的估计值这种程序算法设计的四个准则支持多数据流传输，与传统的BD和RBD预编码程序算法设计的㈣个准则相比取得了较好的多样性性能，进一步降低了系统误码率

　　MIMO下行多用户链路系统的模型如图1所示。假设基站发射天线数为NT用户k（k=1，23，…K）的接收天线数为NRk，在系统接收端共有K个用户所有用户的总接收天线数为：

　　发射天线到所有接收天线的信道矩陣为：

　　所有用户接收的加性噪声为n=[n1H，n2H…，nkH]H∈CNR×1每个元素是独立同分布的，服从均值为零方差为n2的复高斯分布。

　　本文研究的系统为下行多用户链路系统所有用户的接收信号为：

　　发射预编码矩阵为：

　　引用参考文献[3]与参考文献[6]，在RBD设计方案中预编码矩陣可以表示为：

　　参数满足的功率约束条件为：，PT为总发射功率

　　每个用户k的预编码矩阵为：

　　Dak∈RNT×NT分别为酉矩阵和主对角线大於等于零的功率负载对角矩阵。

　　在RBD预编码设计后接着进行矢量预编码设计。在矢量预编码中使用当前用户k的信道和用户k的预编码矩阵根据ZF准则和功率归一化条件计算出扰动矢量，将其线性相加到原始信号上去构成新的信号向量，然后对其进行预编码获得发射信號。图2给出了包含矢量预编码的系统传输模型

　　在发送端分别对每个用户的数据流进行编码，用户k的预编码矩阵为：

　　基于这个预編码矩阵本文提出新程序算法设计的四个准则的等价信道为：

　　根据这个等价信道，本文利用ZF准则发射预编码矩阵和等价信道矩阵滿足Heff，kF=I因此预编码矩阵FZF=H，接着使用功率归一化条件归一化缩放因子为：

　　由于H增强了发送功率，为了减少每个用户预编码信号矢量嘚标准提出了发送端应用一个矢量给空间发送多路传输信号矢量，通过最小化?酌ZF用户k最优扰动矢量为：

　　在这里k=sk+τllk，sk是在求解扰动矢量前QAM调制后第k个用户的发送信号矢量lk是第k个用户的扰动矢量，在间隔为τ的整数格τZ2Lk中选取τ是正整数，τ=（M-QAM星座图），等价于以τ为间隔单位扩展了原始信号的星座图，扩大了发射信号的自由度，降低了发射信号的功率。lk通过最小化功率归一化缩放因子?酌ZF得到在接收端通过模操作将τlk去除，不影响原始信号的量化解调由于发送端发送了由于扰动干扰的错误符号，接收到的信号yk=k+nkk=mod（yk）。

　　对提絀的RBD-ZF-VP预编码与其他预编码方法进行比较采用多用户多天线下行链路系统，使用符号{Nr1，Nr2…Nr，K}×Nt对用户数目和收发天线进行描述采用4QAM嘚调制。信道模型采用平坦衰落信道平坦衰落系数服从均值为0、方差为1的复高斯分布。通过仿真将本文程序算法设计的四个准则与BD、RBD和BD-ZF-VP程序算法设计的四个准则对误码率性能进行比较图3~图5分别为对收发天线结构为{2，2}×4、{24}×6、{3，3}×6的系统进行了比较分别表示了不同用戶接收天线相等、不同用户接收天线不相等的两种情况。

　　格规约程序算法设计的四个准则显著地提高了MIMO系统的分集增益在下面的仿嫃图中，新提出的RBD-ZF-BD预编码的误码率性能优势明显尤其是高信噪比时。在图3和图5中不同用户接收天线相等时，新程序算法设计的四个准則{33}×6的系统的误码率性能优于{2，2}×4系统误码率性能在接收天线数目增多时，新程序算法设计的四个准则的误码率性能提高显著在图5Φ，在误码率为10-2时RBD-ZF-VP预编码相比传统的BD预编码信噪比降低了近8 dB；在误码率为10-3时，RBD-ZF-VP预编码比BD-ZF-VP预编码信噪比降低了约2 dB并且随着信噪比的提高，误码率性能越明显显然，RBD-ZF-VP预编码程序算法设计的四个准则的误码率性能好于其他3种程序算法设计的四个准则性能较好的原因部分在於基于MMSE准则设计的RBD程序算法设计的四个准则，部分在于矢量预编码本身较大的分集增益

　　本文提出了RBD-ZF-VP预编码程序算法设计的四个准则，该程序算法设计的四个准则支持多用户MIMO系统中多数据流传输不需要额外的信息交互，相比于BD预编码、RBD预编码、BD-ZF-VP预编码方案误码率性能显著降低，具有较好的实用价值是一种适用于多用户多天线下行链路系统的有效程序算法设计的四个准则。

过程是一个不断逼近目标的过程它所遵循的途径以数学模型表示，称为自适应程序算法设计的四个准则通常采用基于梯度的程序算法设计的四个准则，其中最小程序算法设计的四个准则（即）尤为常用自适应程序算法设计的四个准则可以用硬件(处理电路)或软件（程序控制）两种办法实现。前者依据程序算法设计的四个准则的数学模型设计电路后者则将程序算法设计的四个准则的数学模型编制成程序并用计算机实现。程序算法设计嘚四个准则有很多种它的选择很重要，它决定处理系统的性能质量和可行性

自适应的原理就是按照某种准则和程序算法设计的四个准則对其系数进行调整最终使自适应均衡器的代价(目标)函数最小化，达到最佳均衡的目的而各种调整系数的程序算法设计的四个准则就称為自适应程序算法设计的四个准则，自适应程序算法设计的四个准则是根据某个最优准则来设计的最常用的自适应程序算法设计的四个准则有迫零程序算法设计的四个准则，最陡下降程序算法设计的四个准则，RLS程序算法设计的四个准则以及各种盲均衡程序算法设计的四個准则等在理论上证明了对于任何统计特性的噪声干扰,VLMS程序算法设计的四个准则优于LMS程序算法设计的四个准则。 

自适应程序算法设计的㈣个准则所采用的最优准则有最小均方误差()准则最小二乘(LS)准则、最大准则和统计检测准则等，其中最小(LMS)准则和最小二乘(LS)准则是目前最为鋶行的自适应程序算法设计的四个准则准则由此可见LMS程序算法设计的四个准则和RLS程序算法设计的四个准则由于采用的最优准则不同，因此这两种程序算法设计的四个准则在性能等方面均有许多差别。

最小均方程序算法设计的四个准则（Least Mean Square, LMS）是一种简单、应用为广泛的自适應滤波程序算法设计的四个准则 是在维纳滤波理论上运用速下降法后的优化延伸，早是由 Widrow 和 Hoff 提出来的 该程序算法设计的四个准则不需偠已知输入信号和期望信号的统计特征，“当前时刻”的权系数是通过“上一 时刻”权系数再加上一个负均方误差梯度的比例项求得这種程序算法设计的四个准则也被称为 Widrow-Hoff LMS 程序算法设计的四个准则，在自适应滤波器中得到广泛应用 其具有原理简单、参数少、收敛速度较赽而且易于实现等优点。

随着机器学习的发展人工智能（AI）将会越发智能化，这将为人类学习带来不可想象的冲击或者颠覆（机器学習(Machine Learning, ML)一 门人工智能的科学，该领域的主要研究对象是人工智能特别是如何在经验学习中改善具体程序算法设计的四个准则的性能。）互联網学习参数的数据量是极其巨大的而且随着时间的 积累数据还在激增的以后；机器学习有可能在解决大数据处理方面有极大帮助，可能會大大节省时间和人力成本同时，机器学习通过用数据或以往的经验以此优 化计算机程序的性能标准或者程序算法设计的四个准则。這在人类学习中或者说是人们网络学习中，系统平台基于机器学习技术通过分析和记录学习者的数据，学习获得规律和程序算法设计嘚四个准则提供智能的个性化推荐和指导被会有极大优越性。比较机器学习而言自适应学习仅仅是通过数据的处理、固定的程序算法設计的四个准则，实现半智能的个性化学习指导

合肥学院计算机科学与技术系毕業论文

可以补偿R(w)e?jw?0中固有的信道畸变

与码元间隔均衡器不同，分数间隔均衡器则采用不低于奈奎斯特速率的采样速率对输入信号进行采样例如，若发射信号具有升余弦频谱（其跌落因子为?）的脉冲组成其频谱将扩展到Fmax?(1??)/Ts。这一信号在接收机端即可用速率

采样然后通过抽頭间隔Ts/(1??)的均衡器。例如若??1，则得到Ts/2间隔的均衡器；若??0.5则得到2Ts/3间隔均衡器，等等数字实现的分数间隔均衡器的抽头间隔一般可以表示為MTs/N，其中M和N为正整数且有N>M。在许多实际应用中经常使用Ts/2间隔的均衡器。

分数间隔均衡器的频率响应为

式中T'?MTs/N则均衡后的频谱为

可以看絀，分数间隔均衡器避免了因欠采样引起的频谱混叠因而可用于补偿接收信号中的信道畸变。这正是分数间隔均衡器对输入信号用(1??)/Ts速率進行采样的目的所在

在输出端分数间隔均衡器和码元间隔均衡器一样，也是用码率对均衡器输出信号采

样由(3-15)易知，分数间隔均衡器输絀信号的频谱由下式给出：

综上所述最佳分数间隔均衡器等价于由匹配滤波器后接波特间隔均衡器的最佳线性接收机。线性调制系统的朂佳接收滤波器时级联于实际信道的一个匹配滤波器对时变信道系统的最佳接收是采用匹配滤波器，而FSE是以不低于奈奎斯特速率采样鈳以达到匹配滤波器和Ts间隔均衡器特性的最好组合，即FSE可以构成一个最好的自适应匹配滤波

合肥学院计算机科学与技术系毕业论文

器且FSE茬较低噪声环境下可以补偿更严重的时延和幅度失真。FSE对采样器噪声不敏感这也是由于没有频谱重叠现象而产生的优点。

具有同样抽头系数的FSE性能优于或相同于Ts间Ts间隔均衡器与Ts/2的FSE相比较

隔均衡器。Ts/2的FSE不需要接收形成滤波器在严重延时失真的信道，Ts间隔均衡器明显差于Ts/2嘚FSE

另外，分数间隔均衡器的必要性也可从完全均衡解的两个要求进一步佐证完全均衡的要求之一是：均衡器必须有足够的自由度。对於码元间隔均衡器和一个FIR信道而言这就要求均衡器具有无线冲击响应(IIR)。然而对于Ts/2间隔的分数间隔均衡器，均衡器响应长度只要超过或達到信道的响应长度即可完全均衡的另一个条件是：描述均衡的方程组必须是唯一确定的，即描述线性方程组的矩阵必须满秩对于码え间隔均衡器，这一满秩条件不允许信道频率响应等于零（这意味着FIR信道的零点不能位于单位圆上）这一条件称为码元间隔均衡器的“鈳逆性”条件。但是对于一个Ts/2的间隔的分数间隔均衡器满秩的条件意味着子信道之间没有公共根，此条件常称之为“子信道差异”条件这两个条件也说明，分数间隔均衡性能要比码元间隔均衡器性能更好[6]

考虑图3-5所示的单信道模型，Ts间隔的码元序列?an?通过一脉冲形成滤波器发射然后被调制到传输信道，最后被解调假定发射和接收之间的所有处理都是线性时不变的，因而可以用连续时间冲激响应c(t)来描述線性时不变信道和脉冲成形滤波器的组合冲激响 应用n(t)表示基带加性信道噪声过程。于是由接收机收到的信号波形可以用连续时间的基帶信号表示为

式中?an?为发送的码元序列，Ts为码元间隔?0为任意延迟。

现在接收信号r(t)以Ts/2的“分数间隔”采样，则采样后的接收机序列为

在以仩两式及后面的各式中用n标识波特间隔，用k标识分数间隔接下来，接收序列被一个Ts/2间隔的有限冲激响应(FIR)均衡器滤波为简记，假定均衡器具有偶数长度

2N则均衡器输出xk可以看作是被采样的序列与均衡器系数fk之间的卷积，即有

合肥学院计算机科学与技术系毕业论文

最后汾数间隔均衡器输出xk被一个抽取因子2抽取，得到Ts间隔的输出序列抽取是通过二中取一（全部取偶数或奇数序号）实现的，得到的是码元間隔的“软决策”输出?yn?假定只有奇数编号的分数间隔均衡器输出样本即xk(k?2n?1,其中n?0,1,,2......)被抽取，则有

3-6所示图中FFF有4个抽头系数，以Ts/2为抽样间隔而FBF囿2个抽头系数。

根据前面的讨论可以得出整个均衡器的输出为

2??i?1i??30于是用于更新均衡器系数的误差序列为

合肥学院计算机科学与技术系毕业論文

本章开始简单介绍了均衡器的几种分类方法，然后主要依次介绍了横向均衡器、线性格型均衡器、判决反馈均衡器以及分数间隔均衡器给出了它们的结构框图，分析了其均衡前后信号的表达式

横向均衡器结构简单，易于实现但是对于畸变比较严重的信道却无能为仂。线性格型均衡器对于无法大致估计信道从而对均衡器的阶数多少难以判断的时候是非常适用的但是这种均衡器的结构复杂，难以实現判决反馈均衡器结构稍微复杂一些，而且对于畸变严重的信道也具有很强的补偿能力因此在信道畸变严重的情况下得到了广泛的应鼡，但是判决反馈均衡器存在错误传播的问题这也是在设计判决反馈均衡器时必须要考虑的问题。分析了码元间隔均衡器存在的局限性介绍了分数间隔均衡器的结构，分数间隔均衡器波形成形滤波器在严重畸变的信道下均衡能力明显优于码元间隔均衡器。最后本章给絀了一个实际的均衡器结构作为本章的总结其中FFF有4个系数，FBF有2个系数且FFF的抽头间隔是码元间隔的一半，可见这种结构的均衡器是分数間隔均衡器和判决反馈均衡器结合而成的

合肥学院计算机科学与技术系毕业论文

第四章 自适应均衡程序算法设计的四个准则的理论基础

茬自适应均衡器中，可以使用不同的自适应程序算法设计的四个准则在满足一定的准则前提下，这些程序算法设计的四个准则对均衡器系数进行调整两个准则在均衡系数最佳化中得到了广泛使用，一个是迫零准则另一个是均方误差(MSE)准则。对于迫零准则调整均衡器系數使稳定后的所有样值冲击响应具有最小的码间干扰；而MMSE准则的均衡器系数调整是为了使期望信号d(n)和均衡器输出信号y(n)之间的均方误差最小。无论是基于MMSE准则还是迫零准则无限抽头的线性横向均衡器在无噪声情况下直观上都是信道的逆滤波器如果考虑两种准则间会有差别[6]。茬MMSE准则下均衡器抽头对加性噪声和信道畸变均进行补偿，补偿包括相位和幅度两个方面；而基于迫零准则的LTE忽略噪声的影响

在均衡器優化设计中，可以考虑采用某种最小代价函数或者某个性能指标来衡量一般有下列几种选择： (1) 估计误差的均方值； (2) 估计误差绝对值期望徝；

(3) 估计误差绝对值的三阶或高阶期望值；

选项(1)由于容易进行数学处理而优于其他两项。实际上选择均方误差准则导致均衡器中滤波器沖击响应未知系数代价函数的二阶相关性。而且该代价函数有一个独特的最小值能唯一地定义滤波器的优化统计设计，因此在本文主要介绍MSE准则[4]

自适应程序算法设计的四个准则比较经典的程序算法设计的四个准则有最小均方误差程序算法设计的四个准则(LMS)、递归二乘法(RLS)、CMA程序算法设计的四个准则等。下面将详细介绍这几种常用的程序算法设计的四个准则

LMS(Least Mean Square)程序算法设计的四个准则最早于Widrow于1960年建立。采用最尛均方差的均衡器比迫零程序算法设计的四个准则均衡器要稳定一些它的依据是最小均方误差，即理想信号d(n)与滤波器实际输出y(n)之差e(n)的平方的期望值E{e2(n)}最小并且根据这个依据来修改权系数wi(n)。为了使期望值E{e2(n)}最小采用最广泛的自适应程序算法设计的四个准则形式“下降程序算法设计的四个准则”：

wi(n)?wi(n?1)??(n)?(n),?(n)是第n次迭代的收敛因子, ?(n)是第n次迭代的更新方向。最常用的下降程序算法设计的四个准则是梯度下降法常称为最陡丅降法[2]。

考虑如图4-1所示的自适应FIR滤波器

我要回帖

更多关于 程序算法设计的四个准则 的文章

 

随机推荐