为了降低Turbo均衡中均衡器的复杂度,该文提出了符号方差反馈均衡算法(SVFE)。该算法是对精确的线性最小均方误差估计值(LMMSE)进行Taylor展开得到的。在该算法中,先利用时不变均衡器得到初步符号估计值,再根据先验符号方差对估计值加权...为了降低Turbo均衡中均衡器的复杂度,该文提出了符号方差反馈均衡算法(SVFE)。该算法是对精确的线性最小均方误差估计值(LMMSE)进行Taylor展开得到的。在该算法中,先利用时不变均衡器得到初步符号估计值,再根据先验符号方差对估计值加权,最后进行时不变滤波得到更佳的符号估计值。由于用到了时变的先验符号方差信息,其性能更接近精确的LMMSE均衡器。将所提算法用于Proakis C信道下的Turbo均衡处理,和时不变均衡算法进行仿真对比,所提算法将信噪比损失从0.83 d B降到了0.17 d B,并且仍可通过快速傅里叶变换降低为对数复杂度。展开更多
针对现有的正交时频空(Orthogonal Time Frequency Space,OTFS)调制系统中最大比合并(Maximal Ratio Combining,MRC)均衡算法收敛速度慢、误码率高的问题,提出一种基于水声OTFS系统的分块线性最小均方误差的最大比合并(Maximal Ratio Co...针对现有的正交时频空(Orthogonal Time Frequency Space,OTFS)调制系统中最大比合并(Maximal Ratio Combining,MRC)均衡算法收敛速度慢、误码率高的问题,提出一种基于水声OTFS系统的分块线性最小均方误差的最大比合并(Maximal Ratio Combining Based on Block Linear Minimum Mean Square Error,BLMMSE-MRC)均衡算法。该算法基于水声信道的稀疏性,利用分块线性最小均方误差算法进行预处理,将输出结果作为MRC检测的初始估计值,然后在延迟多普勒空间中估计发射信号的多径分量,并利用MRC进行合并检测。实验结果表明,与已有零填充最大比合并算法(Maximal Ratio Combining Based on Zero Padding,ZP-MRC)和零填充块线性最小均方误差算法(Block Linear Minimum Mean Square Error Based on Zero Padding,ZP-BLMMSE)相比,所提算法能快速收敛,在10-4误码率条件下,信噪比提升了2 dB以上。展开更多
针对高速移动场景中正交时频空间(Orthogonal Time Frequency Space, OTFS)系统线性最小均方误差(Linear Minimum Mean Square Error, LMMSE)检测复杂度过高而难以快速有效实现的问题,利用零填充(Zero Padding, ZP)OTFS系统时域信道矩...针对高速移动场景中正交时频空间(Orthogonal Time Frequency Space, OTFS)系统线性最小均方误差(Linear Minimum Mean Square Error, LMMSE)检测复杂度过高而难以快速有效实现的问题,利用零填充(Zero Padding, ZP)OTFS系统时域信道矩阵呈块对角稀疏特性提出一种逐块迭代的对称逐次超松弛(Symmetric Successive over Relaxation, SSOR)迭代算法,在降低系统复杂度的同时获得与LMMSE检测近似的性能。仿真结果表明,与逐次超松弛(Successive over Relaxation, SOR)算法相比,所提算法对松弛参数不敏感且具有更快的收敛速度,在迭代次数为10次时误码性能几乎达到LMMSE误码性能,显著降低了检测器的复杂度。展开更多
文摘为了降低Turbo均衡中均衡器的复杂度,该文提出了符号方差反馈均衡算法(SVFE)。该算法是对精确的线性最小均方误差估计值(LMMSE)进行Taylor展开得到的。在该算法中,先利用时不变均衡器得到初步符号估计值,再根据先验符号方差对估计值加权,最后进行时不变滤波得到更佳的符号估计值。由于用到了时变的先验符号方差信息,其性能更接近精确的LMMSE均衡器。将所提算法用于Proakis C信道下的Turbo均衡处理,和时不变均衡算法进行仿真对比,所提算法将信噪比损失从0.83 d B降到了0.17 d B,并且仍可通过快速傅里叶变换降低为对数复杂度。
文摘针对现有的正交时频空(Orthogonal Time Frequency Space,OTFS)调制系统中最大比合并(Maximal Ratio Combining,MRC)均衡算法收敛速度慢、误码率高的问题,提出一种基于水声OTFS系统的分块线性最小均方误差的最大比合并(Maximal Ratio Combining Based on Block Linear Minimum Mean Square Error,BLMMSE-MRC)均衡算法。该算法基于水声信道的稀疏性,利用分块线性最小均方误差算法进行预处理,将输出结果作为MRC检测的初始估计值,然后在延迟多普勒空间中估计发射信号的多径分量,并利用MRC进行合并检测。实验结果表明,与已有零填充最大比合并算法(Maximal Ratio Combining Based on Zero Padding,ZP-MRC)和零填充块线性最小均方误差算法(Block Linear Minimum Mean Square Error Based on Zero Padding,ZP-BLMMSE)相比,所提算法能快速收敛,在10-4误码率条件下,信噪比提升了2 dB以上。
文摘针对高速移动场景中正交时频空间(Orthogonal Time Frequency Space, OTFS)系统线性最小均方误差(Linear Minimum Mean Square Error, LMMSE)检测复杂度过高而难以快速有效实现的问题,利用零填充(Zero Padding, ZP)OTFS系统时域信道矩阵呈块对角稀疏特性提出一种逐块迭代的对称逐次超松弛(Symmetric Successive over Relaxation, SSOR)迭代算法,在降低系统复杂度的同时获得与LMMSE检测近似的性能。仿真结果表明,与逐次超松弛(Successive over Relaxation, SOR)算法相比,所提算法对松弛参数不敏感且具有更快的收敛速度,在迭代次数为10次时误码性能几乎达到LMMSE误码性能,显著降低了检测器的复杂度。
