MIMO檢測與HARQ合并中的不確定性處理研究.pdf

1、憑借在提高系統(tǒng)頻譜利用率方面的卓越表現(xiàn)，多輸入多輸出（Multiple-Input Multiple-Output，MIMO）技術已經(jīng)成為移動通信發(fā)展史上的里程碑技術。實際應用中，MIMO技術通常和混合自動重傳（Hybrid Automatic Repeat reQuest，HARQ）技術組合構成MIMO-HARQ系統(tǒng)。已有的MIMO檢測算法和HARQ系統(tǒng)的數(shù)據(jù)合并算法都是基于傳統(tǒng)的貝葉斯理論。貝葉斯的有關理論和方法一直都是度量不確定性

2、的重要手段，但由于它刻畫不確定性知識不細致，還通常要求給出先驗概率和條件概率等限制了其更廣泛的應用。證據(jù)理論（Dempster-ShaferTheory，DST）是貝葉斯理論的擴展，在處理不確定性方面有其獨特的優(yōu)勢。本文在DST的框架下，研究了MIMO檢測和MIMO-HARQ系統(tǒng)中數(shù)據(jù)合并的方法，歸納起來，主要的工作和創(chuàng)新有以下幾個方面：
　　 首先，本文提出一種基于DST的MIMO檢測算法，稱為DS檢測。DS檢測方法把MIMO

3、信號的檢測看作是一個智能推理過程，對判決統(tǒng)計量的不確定性進行精細的刻畫，能夠獲得更好的檢測性能。另外，利用Turbo碼的譯碼原理，結合信道糾錯編碼，本文又提出了一種DS聯(lián)合迭代檢測譯碼算法，在該算法中，DS檢測器輸出的符號級軟信息轉化為比特級軟信息，并作為軟譯碼的輸入，軟譯碼輸出的信息又反饋給DS檢測器，構成一個收斂的迭代算法。
　　 其次，最大比合并（Maximal-Ratio Combining，MRC）被認為是在貝葉斯理論

4、體系下具有最優(yōu)性能的合并算法。本文基于DST對不確定性信息的處理能力，提出了一種單輸入單輸出（Single-Input Single-Output，SISO）-HARQ系統(tǒng)下性能優(yōu)于MRC的數(shù)據(jù)合并算法，即DSC算法。其中，針對基本可信度分配（Basic Probability Assignment，BPA）的計算，本文提出了兩種方法，分別是基于接收信號和候選集合之間距離的方法，即SISO-DSC-D，和基于發(fā)送符號的后驗概率的方法，即

5、SISO-DSC-APP。當原始信息比特先驗等概率時，兩種計算方法等價，并通過軟信息BPA之間的合并運算抵消不確定性信息的影響，使得性能優(yōu)于MRC。當先驗不等概率且已知先驗信息時，由于利用了先驗信息，SISO-DSC-APP在低信噪比時性能優(yōu)于SISO-DSC-D，且和基于最大后驗概率（Maximum A-Posteriori，MAP）判決準則的MRC-MAP算法的性能相當。隨著信噪比的提高，SISO-DSC-APP和SISO-DSC-

6、D的性能趨于一致，并且都優(yōu)于MRC-MAP算法的性能。另外，與MRC算法相比，本文提出的DSC算法具有處理不確定性信息的優(yōu)勢，因此算法具有魯棒性，特別適合于衰落信道下的數(shù)據(jù)合并。
　　 第三，本文提出兩種基于DST的MIMO-HARQ系統(tǒng)下數(shù)據(jù)合并算法，一種是用于符號級合并的DS-Symb-DSC算法，另一種是用于比特級合并的DS-Bit-DSC算法。兩種算法都是軟檢測軟合并算法，首先在DS檢測階段，對判決統(tǒng)計量做出軟判決，定義

7、相應的符號級或比特級的廣義軟信息并將其當作一個反映判決結果的證據(jù)，然后和原有出錯的信息包所提供的證據(jù)在DS合并階段根據(jù)組合規(guī)則進行融合，消除證據(jù)中所含有的不確定性信息，從而得到更優(yōu)的合并性能。與傳統(tǒng)基于最小均方誤差（Minimum Mean Square Error，MMSE）檢測的符號級后合并算法MMSE-post和比特級對數(shù)似然比（Log-Likelihood Ratio，LLR）合并算法MMSE-LLR相比，本文提出的DS-Sym

8、b-DSC和DS-Bit-DSC算法具有明顯的性能優(yōu)勢，并且當原始信息比特先驗不等概率時，DS-Symb-DSC算法的性能優(yōu)于一種MIMO-HARQ系統(tǒng)中的最大似然（MaximumLikelihood，ML）合并算法。另外，本文提出的比特級的DS合并算法是一種通用的合并算法，理論推導證明LLR合并是其一種特例。通過對算法在計算復雜度方面的分析比較可以得出，本文所提算法還具有低復雜度的優(yōu)勢。
　　 第四，對于高維的秩虧損MIMO系

9、統(tǒng)，本文提出了一種基于模擬退火的檢測算法，它能在不明顯降低ML算法性能的同時，大大降低算法的復雜度，特別是其并行運算的性質(zhì)使得這種算法更實用。對于低維的秩虧損MIMO系統(tǒng)，本文還提出了一種結合ML和MMSE的算法，即ML-MMSE算法。在這種算法中，關鍵是對選取信道條件較差的子信道上傳輸?shù)姆柌捎肕L窮舉搜索檢測，而對信道較好的子信道上傳輸?shù)姆栠M行MMSE檢測。這種ML-MMSE檢測算法能夠在復雜度和性能之間取得較好的折中，特別適合于