Оценка канала MIMO с использованием алгоритма LS и MMSE

Анатация

За последние несколько лет технологии беспроводной связи были разработаны для многих целей. Multiple Input Multiple Output (MIMO) является одним из методов, который используется для повышения скорости передачи данных, в котором несколько антенн используются как передатчик и приемник. Несколько сигналов передаются от разных антенн на передатчики использующих одинаковую частоту и разделенное пространство. Различные методы оценки каналов используются для оценки физического воздействия присутствующей среды. В этой статье мы анализируем и реализовуем различные методы оценки для систем MIMO, такие как наименьшие квадраты (LS), минимальное средняя квадратная ошибка (MMSE), поэтому эти методы сравниваются для эффективной оценки канала в системе MIMO.

Результаты показывают, что SNR(отношение сигнал/шум), требуемый для поддержки разных значений частоты ошибок по битам, варьируется в зависимости от величины корреляциb между передающей и приемной антеннами. Кроме того, это показывается, когда количество передающих и приемных антенн увеличивается, производительность схем TBCE значительно улучшается. Такое же поведение наблюдается и для системы MIMO. Производительность как MMSE, так и LS одинакова для всех видов модуляции при небольшом значении SNR, но чем больше мы увеличиваем значение SNR тем больше становится разрыв производительности.

Ввеение

В последние годы связь с несколькими входами и несколькими выходами (MIMO) была представлена ??как технология, предлагающая значительные перспективы для высоких скоростей передачи данных и мобильности, необходимых для беспроводных сетей следующего поколения. Используя несколько передающих и приемных антенн, система MIMO использует пространственное разнесение, более высокая скорость передачи данных, больший охват и повышенная надежность связи без увеличения общей передачи мощность или пропускная способность. Тем не менее, в системе MIMO полагается на знание информации о состоянии канала (CSI) на приемник для обнаружения и декодирования данных [1] [2]. Было доказано, что когда происходит затухание канала, производительность системы MIMO растет линейно с увеличением количества передаваемых данных или приемные антенны, в зависимости от того, что меньше [3]. Следовательно, точная и надежная оценка канала имеет решающее значение для когерентной демодуляции в беспроводных системах MIMO [7].

Использование каналов MIMO, когда ширина полосы ограничена, имеет гораздо более высокую спектральную эффективность по сравнению системой с входом и одним выходом (SISO), один вход с несколькими выходами (SIMO) и множественный вход с одним выходом (MISO) канала [4]. Показано, что максимально достижимое усиление разнесения каналов MIMO является произведением количества передающих и приемных антенн. Таким образом, используя каналы MIMO получаем не только мобильность, но и дальность связи может быть увеличена, но также и ее надежность [6]. Системы мобильной связи передают информация путем изменения амплитуды или фазы радиоволн. На принимающей стороне мобильной системы, амплитуда или фаза могут широко варьироваться [11]. Это приводит к ухудшению качества системы, так как производительность приемника сильно зависит от точности оцененного мгновенного канала, однако; эти детекторы требуют знания о канальной импульсной характеристике (CIR), которая может быть предоставлена ??отдельным каналом оценки для минимизации вероятности ошибки [5].

В этой статье мы анализируем оценки каналов LS и MMSE в системе MIMO, которые определяют сигнал необходимый для импульсной характеристики канала (CIR), чтобы обеспечить минимальную среднеквадратичную ошибку, оценку канала и минимизация вероятности ошибки. Мы представляем эффективную оценку канала MIMO с обучающими последовательностями. Предложенные алгоритмы были разработаны и смоделированы с использованием программы Matlab.

Остальная часть этой статьи организована следующим образом. Во втором разделе предоставляеся описание системы. 3 раздел знакомит с основами системы SMT на основе фраз, которая рассматривается как основа нашего эксперимента. Раздел 4 проиллюстрирует характерные факторы (POS и CCG). В разделе 5, мы объясним, как n–грамм LM был включен в процесс перевода. Раздел 6 показывает основы факторной модели перевода и показать ее сходство с основанными на фразе моделями SMT. В разделе 7, мы будем исследовать наши эксперименты и результаты на четырех моделях с баллами BLEU в присутствии различных моделей языков с высоким n–грамм. Раздел 8 завершит работу всесторонне.

Описание системы

Рассмотрим систему MIMO, оборудованную N_t передающими антеннами и N_r приемными антеннами. Структурная схема типичный MIMO_2×2 показан на рисунке 1.

Предполагается, что ширина полосы когерентности канала больше, чем ширина полосы передаваемого сигнала, поэтому канал можно рассматривать как узкополосное или плоское замирание [10]. Кроме того, предполагается, что канал является стационарным во время процесса связи блока. Следовательно, предполагая блочную модель замираний Рэлея для плоских каналов MIMO, отклик канала фиксируется в пределах одного блока и изменяется случайным образом от одного блока к другому. В течение периода обучения полученный сигнал в такой системе может быть записан как (1)