理论教育 MRC算法优化线性接收中的偏心信号处理

MRC算法优化线性接收中的偏心信号处理

时间:2023-06-26 理论教育 版权反馈
【摘要】:MRC就是采用加权因子h^i来线性合并各接收信号,合并后得到其中,三言两语从线性空间的角度来看,MRC实质上就是把接收到的信号投影到某个方向,使得信号部分的投影长度尽量大,噪声部分的投影长度尽量小。所以,只需要信号部分的投影长度最大即可,那么也就只要接收信号往信号方向投影,即完全匹配达到最大值即可,所以说MRC是一种偏心有用信号的方法。

MRC算法优化线性接收中的偏心信号处理

在上一节讨论信道容量时,我们已经讨论过SIMO信道的最大比合并(MRC)。具体来说,假设同一个信号通过某种手段得到了r份,比如通过重复发送,或者多天线等,得到接收信号y=[y1,…,yr],其中第i份发送得到接收信号为

yi=hix+wi

其中,hi为接收端已知,高斯噪声wi相互独立。MRC就是采用加权因子h^i线性合并各接收信号,合并后得到

其中,

三言两语

从线性空间的角度来看,MRC实质上就是把接收到的信号投影到某个方向,使得信号部分的投影长度尽量大,噪声部分的投影长度尽量小。这里注意到,相互独立的高斯噪声往任何方向的投影<wh^*>长度都不变,即具有无趋向性(Isotrophic)。所以,只需要信号部分的投影长度最大即可,那么也就只要接收信号往信号方向投影,即完全匹配达到最大值即可,所以说MRC是一种偏心有用信号的方法。

如果除了信道衰落外只有AWGN,这个方法很好;但是,如果除了噪声之外,还有干扰的话,就需要多看一眼了,稍后说明。(www.daowen.com)

首先对于ISI信道模型

先引入一些记号:

则ISI信道写成矩阵形式为

y=Hx+w(14-17)

和SIMO信道对比,如果认为信号只有x0,那么这也就是一个对于x0的SIMO信道,其他xii≠0的项相当于干扰。那么对于x0的信道我们可以用MRC合并得到

单独对其他xi的合并处理类似,最后得到关于所有xi的均衡值。显然,每个xi的均衡值里还是有相互干扰在里面。最后,不管是否有干扰,我们看到MRC其实能最大化接收信号与噪声的功率比,即最大化SNR。

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈