第5章多用户检测技术2014

第五章多用户检测技术•基本的多址方式有FDMA、TDMA和CDMA三种，其中CDMA是一种以扩频通信为基础，基于时频共享方式的多址技术•主要优点：系统容量大、抗干扰性强、保密性好、发射功率低、电磁干扰小等，是3G移动通信系统主要的多址接入手段。在CDMA中，DS-CDMA方式应用最为广泛•信号模型：b1(t)b2(t)bK(t)s1(t)s2(t)sK(t)第五章多用户检测技术•在接收端，利用匹配滤波器组，通过相关处理执行各路信号检测•第k路信号输出•接收信号与第k个用户相关运算恢复数据，与其它用户相关运算生成多址干扰，与噪声相关还是噪声。多址干扰（MAI）与用户数、信号幅度以及互相关系数有关•判决器输出s1(t)s2(t)sK(t)第五章多用户检测技术•上述分析过程假定发射端所有用户是同步的，但在实际系统中，各用户发射信号往往是异步的•接收信号模型为•系统输出矩阵•如图所示的2用户6bit检测可等效为6用户1bit检测，时间宽度第五章多用户检测技术•传统检测的特点利用匹配滤波器执行相关运算，然后判决检测，简单、易于实现；采用单用户检测策略，各用户分开处理，不对其他用户产生的干扰做特别处理多址干扰会对判决性能产生影响远近效应可能导致干扰信号淹没期望信号多址干扰•多址干扰产生的原因：多个CDMA用户共用同一信道，不同用户的扩频码互相关系数不等于零(伪随机码之间无法实现严格正交)，随着用户数增加，干扰累积，累积到与期望信号强度相当时(干扰低限)，判决器将无法识别期望信号和干扰信号，导致判决错误•克服MAI的途径寻找好码(理想扩频码的自相关为1、互相关为0)：很难功率控制：能减弱MAI的影响，但无法从根本上消除空间滤波：多扇区化、智能天线，可减少波束覆盖的用户数多用户检测：从根本上消除MAI远近效应•远近效应产生的原因：如果干扰用户比期望用户距离接收端近很多，那么干扰信号接收功率将比期望信号接收功率大得多，传统检测方法执行相关运算之后形成的多址干扰分量可能与期望信号相当，甚至淹没期望信号，导致判决错误•远近效应使多址干扰的影响更加复杂、严重•克服远近效应的途径功率控制：降低干扰用户发射功率，但无法从根本上消除多用户检测：从根本上消除MAIMUD的基本思想(Multi-usersDetection)•多用户检测技术是一种从接收端设计入手的干扰抑制技术，解决的基本问题是：如何从相互干扰的信息流中正确解调出某个特定用户信号(同信道干扰抑制、多用户解调、干扰对消)•如前所述，如果不同用户的特征波形(扩频波形)是正交的，接收信号与特定用户的扩频码做相关处理后无多址干扰成分，此时为最佳接收，但由于用户之间不同步，不同用户信号到达接收机的传播时延不同，无法做到所有特征波形在相对时延范围内正交，加之不同用户扩频码之间的互相关系数不为零，MAI必定存在MUD的基本思想(Multi-usersDetection)•多用户检测把同时占用某个信道的所有用户信号都作为有用信号，将期望信号和干扰信号的特征波形、定时信息(传输时延、载波相位)等联合起来，检测某一个用户信号，从数学角度可归结为一个K元决策问题：多用户检测算法分类•最优检测：基于极大似然准则，是理论上的最佳结构，但由于不可实现的复杂度，主要用于评价次优检测性能•次优检测：可实用的检测算法MUD的性能测度•评价多用户检测算法的性能测度：误码率、渐进多用户有效性和抗远近效应能力误码率：AWGN信道下不存在多址干扰时，具有能量Ek的单用户系统的误码率为，为噪声方差在多用户系统中，由于存在多址干扰，误码率会增大，此时用户k的误码率为为用户k达到误码率Pk,su时所需要的实际能量(有效能量)，MUD的性能测度•渐进多用户有效性：衡量干扰用户对期望用户误码率的影响程度多用户有效性：多用户系统达到单用户系统相同误码率所需能量与单用户系统所需能量之比渐进多用户有效性：高信噪比条件下多用户有效性的极限渐进有效性取值范围[0,1]，其含义：当噪声趋于0而误码率不趋于0时，渐进有效性取值为0，即在无噪环境中，单用户检测也存在误码；渐进有效性取值越大，表明误码率随噪声减小下降越快；当渐进有效性为1时，表明用户不受其他用户干扰影响MUD的性能测度•抗远近效应能力：所有相关用户能量范围内测得的最差渐进有效性，用于评价多用户检测算法抵御远近效应的鲁棒性•抗远近效应能力与扩频码特征波形和解调方式有关最优多用户检测•假定发送信号的先验概率相等，从接收信号r(t)中提取发送序列，使其联合后验概率最大，即依据最大后验概率准则执行序列检验•后验概率用似然函数表示•Bayes后验概率最大原理或极大似然估计最优多用户检测•如果已知信号幅度和扩频特征波形，使似然函数最大，意味着使均方误差达到最小，即使得下式最小•由此获得极大似然准则下的检测结果•最优多用户检测能达到最小误码率，提供最佳检测性能，但需要已知期望用户和干扰用户的特征波形和定时信息(实际无法实现)，且计算复杂度为，不切实际线性多用户检测•基本思想：判决前对匹配滤波器组输出进行线性变换(变换矩阵为T)，再对变换后的输出序列执行判决，即x=Ty，b=sgn(x)，其运算复杂度与用户数成线性增长关系信号模型•接收信号•相关运算输出信号•互相关系数•相关矩阵•匹配滤波组输出向量算法设计•线性变换•判决输出•匹配滤波器+线性变换器组合输出•判决输出标量形式•算法分类：线性最小均方误差检测、解相关检测、子空间斜投影检测、多项式展开检测、自适应检测等1,21,2,12,,1,2111KKKKRRRRRRR1,21,2,12,,1,2111KKKKRRRRRRR线性最小均方误差检测•线性最小均方误差检测：设计一种线性变换，使得发送数据比特与多用户检测器输出之间的均方误差最小，即求解上述优化问题，获得最优线性变换矩阵为多用户检测器输出为即判决向量为每个用户的判决输出比特技术特点：由于同时考虑了抑制多址干扰和噪声，误码性能好；无需已知其他用户的扩频码特征波形，但需要估计接收信号幅度；还需要相关矩阵求逆，运算量大解相关检测•解相关检测：通过线性变换去掉信号间的相关性，即去掉多址干扰线性变换新的判决量中只有期望信号成分和噪声成分，完全消除了MAI，对其进行判决第k个用户的误码率技术特点：能提高系统容量；无需估计信号幅度，且性能与干扰用户无关；算法复杂度大幅降低；误码率与信号能量无关，但此法可能放大噪声，且相关矩阵求逆运算量大多项式展开检测•前面两种线性多用户检测都需要执行矩阵求逆运算，复杂度高，工程上通常采用迭代法近似逼近最优解，以降低运算量•多项式展开检测的基本思想：利用某种迭代关系反复迭代，最终逼近最优解，并根据精度要求选择迭代次数，实现精确度和复杂度之间的折衷•线性变换对于给定的级数N和对接收信号相关运算获得的相关矩阵R，通过调节加权系数就能改善检测性能自适应多用户检测•自适应多用户检测利用自适应滤波原理，不断调整和更新线性变换矩阵元素，能抵御信道时变对判决性能产生的影响•自适应MMSE多用户检测：在接收端首先进行码片匹配滤波，然后用码片速率采样，在码元周期内得到与扩频码码长相等的样本，构成接收信号列向量•将相关运算和多用户检测融为一体，统一用C表征其滤波特性•判决输出比特为•MMSE准则下：自适应多用户检测•针对单用户的自适应MMSE检测：在接收端对接收信号进行码片滤波后接入一个横向滤波器，延迟时间为码片时间，抽头数等于扩频码长，滤波器抽头系数以码元时间为单位更新•无需已知其他用户的扩频码，无需本用户序列严格同步，但需要训练序列，如果信道时变，需要不断发送训练序列盲自适应多用户检测•前述多用户检测的工作过程均需要两个阶段：一是训练阶段，通过训练更新滤波器参数并执行判决，需要已知期望用户的码元序列，即必须添加训练序列；二是判决指示阶段，反馈判决结果用于下次参数更新。可见，此类多用户检测不仅需要添加训练序列，导致传输的有效信息减少，而且对快速时变信道的鲁棒性差。•盲自适应多用户检测：无需其他用户信息和训练序列，即无需判决指示阶段，仅需要待测用户的观测数据即可完成多用户检测，理论上能适应无线信道特性快速时变的应用场景•盲检测无需训练序列，开销小、效率高，但复杂度高，收敛慢盲自适应多用户检测•根据盲多用户检测的代价函数不同分为：约束最小输出能量的盲检测：检测器已知用户特征波形和定时信息基于子空间的盲检测：检测器已知用户特征波形，定时信息可通过对接收信号定时估计获得基于恒模的盲检测：未知任何用户先验信息，仅知道用户码元速率和调制模式约束最小输出能量盲检测•K个CDMA用户接收信号为：•在码元时间内用户k的特征波形为•假设已知所有用户的定时信息并做同步处理，即在码元时间内，按照码片速率采样，得到接收信号离散表达式其向量表达式为相关运算+多用户检测融合为一个滤波器c，其判决输出为约束最小输出能量盲检测•假设已知期望信号的特征波形，据此将滤波器参数分解为两个正交向量之和，分别表征期望信号特征波形和干扰滤波器参数基于最小均方误差准则，即使得干扰最小构建代价函数•定义最小输出能量(MOE)为：•上述取最小值对应的滤波器参数就是使得多址干扰为最小的盲多用户检测滤波器参数•运用此算法要求已知用户的特征波形和定时信息，否则无法进行滤波参数的正交分解基于子空间的盲检测•K个CDMA用户接收信号为：•在码元时间内用户k的特征波形为•假设已知所有用户的定时信息并做同步处理，即在码元时间内，按照码片速率采样，得到接收信号离散表达式其向量表达式为相关运算+多用户检测融合为一个滤波器c，其判决输出为基于子空间的盲检测算法•首先计算接收信号的相关矩阵•这里为扩频向量，为信号幅度组成的对角矩阵•对相关矩阵执行特征值分解•对角阵按照降序排列，对应相关矩阵的K个最大特征值，矩阵由对应的特征向量构成；对角阵对应相关矩阵的另外N-K个特征值，矩阵由对应的特征向量构成•矩阵和的列向量张成两个正交子空间，即)(log)(APAI)(log)(APAI)(log)(APAINiiippH1log基于子空间的盲检测•定义平均输出能量(MOE)和均方误差(MSE)分别为•在约束条件下，最小化目标函数MOE即可获得最佳滤波器参数c•对滤波器参数分解，写成，优化问题变成•有用信号和多址干扰均位于信号子空间内，通过在信号子空间内寻求最佳权向量就能抑制多址干扰，且还可消除噪声对算法收敛性能的影响。事实上，由于多用户检测无法抑制噪声，若在全空间搜索，不仅运算量大，而且没有意义)(log)(APAI)(log)(APAI)(log)(APAINiiippH1log基于恒模的盲检测•定义代价函数为•加权向量迭代更新公式•判决输出•此法既不需要已知信号特征波形，也不需要定时信息，仅利用信号的恒模特征构造求取最优加权向量的代价函数)(log)(APAI)(log)(APAI)(log)(APAINiiippH1log非线性多用户检测•非线性多用户检测：利用已检测的信号重构多址效应引起的干扰信号，然后从接收信号中抵消(无法提供系统的数学描述和分析)•分类：串行干扰抵消检测、并行干扰抵消检测、串并混合型干扰抵消检测、迫零检测、序列检测、分组检测、基于神经网络的干扰检测等串行干扰抵消并行干扰抵消串行干扰抵消法•基本思想：按照接收信号功率降序排列，先对用户l进行匹配滤波并判决，然后重构用户l的发送信号；从总的接收信号中减去重构信号，得到已消除用户l影响的比较“干净”的接收信号，将其作为下一级用户2检测的总接收信号，重复以上过程，直到完成所有用户检测串行干扰抵消法•性能分析检测性能比传统检测(单用户检测)有很大提升硬件实现容易每次抵消均会引入处理时延，多址用户不能多(最多4个)如果接收信号功率变化，需要重新排序如果初始数据判决错误，会扩散，导致整体性能严重下降并行干扰抵消法