菜单
  
    摘要MIMO(Multiple input multiple output,MIMO)系统能不占用额外带宽的同时显著提高频谱效率和信息传输可靠性,在未来的无线通信领域具有广阔的应用前景,MIMO 系统的各种检测算法也是现今的研究热点。但是 MIMO 系统接收机存在严重的多天线干扰,如何有效地消除这些干扰是挖掘 MIMO 空间复用增益和分集增益关键所在。本文主要研究内容如下:
    (1)研究并比较了迫零(Zero forcing,ZF)、最小均方误差(Minimum mean square error,MMSE)、串行干扰抵消(Successive interference cancellation,SIC) 、格基规约(Lattice Reduction,LR)和最大似然(Maximum likelihood,ML)等多种传统算法。通过仿真对比可以发现,传统检测算法性能优劣排序如下:ML,SIC,MMSE 和ZF。引入格基规约之后,传统检测算法性能均有显著提高。 (2)研究了球形译码(Sphere decoding,SD)和半正定松弛(Semi-definite relaxation,SDR)检测算法。仿真结果表明:球形译码的性能逼近最大似然的同时,在中高信噪比复杂度远低于最大似然。半正定松弛算法以多项式计算复杂度获得逼近最大似然的检测性能。 22273
     毕业论文关键词:  多输入多输出,检测算法,最大似然,格基规约,球形译码,半正定松弛
    Title     Advanced    Detectors    for    Muti-antenna    Wireless  Communication    System                  
     Abstract
    MIMO (Multiple input multiple output, MIMO) system can significantly improve
    spectral efficiency  and  reliability  of information transmission     without  occupying
    extra bandwidth of system. It  has broad applications  in  the  future wireless
    communications.  MIMO detectors  also  become the hotspots for the research on
    MIMO system.  But there is a serious interference between antennas of receiver in
    MIMO system,  and how to effectively eliminate such interference is  the key of
    exploiting spatial multiplexing and persity gains of MIMO. The main contents are
    as follows:  
    (1) We  study and compare the zero  forcing  (ZF), minimum mean square error
    (MMSE),  successive interference cancellation  (SIC),  lattice reduction (LR),
    maximum  likelihood (ML) and other traditional algorithms.  From  the simulation
    results,  these  traditional detectors  have decreasing order in  performance as follows:
    ML,SIC  ,  MMSE  and  ZF. Combining  lattice reduction  with  traditional detection
    algorithms can significantly improve the performance of traditional detection.
    (2)  Sphere decoding (SD) and  semi-definite relaxation  (SDR) detectors  are
    investigated. Simulation results show that:  the  performance of SD is  approximately
    identical to that of ML, but its complexity is far lower than that of ML in the low and
    medium SNR region.  SDR  can provide near-optimum BLER performance with
    polynomial time complexity.
    Keywords:  multiple input multiple output, detection algorithm, the maximum
    likelihood algorithm, lattice reduction, sphere decoding,    semi-definite relaxation
     目   录 
    1  绪论.  1
    1.1   选课背景及意义  1
    1.2  MIMO 系统的发展历史及研究现状    1
    1.3   本文主要工作和结构安排..  2
    2  MIMO 系统基本特性    4
    2.1  MIMO 系统基本模型    4
  1. 上一篇:混合粒子群算法的性能仿真研究+源代码
  2. 下一篇:多用户对双向中继协作无线通信系统干扰管理算法研究
  1. 基于多指标决策的通信网...

  2. HFSS偶极子天线的设计和仿真

  3. MATLAB中继选择方案设计与仿真

  4. 多小区协作大规模MIMO系统的能效优化

  5. 基于过期CSI的多天线中继选择系统设计与仿真

  6. SDR软件无线电的通信系统原理仿真

  7. MIMO干扰限制的无线中继系统性能仿真程序

  8. g-C3N4光催化剂的制备和光催化性能研究

  9. C++最短路径算法研究和程序设计

  10. 上市公司股权结构对经营绩效的影响研究

  11. 高警觉工作人群的元情绪...

  12. 巴金《激流三部曲》高觉新的悲剧命运

  13. 现代简约美式风格在室内家装中的运用

  14. NFC协议物理层的软件实现+文献综述

  15. 中国传统元素在游戏角色...

  16. 浅析中国古代宗法制度

  17. 江苏省某高中学生体质现状的调查研究

  

About

优尔论文网手机版...

主页:http://www.youerw.com

关闭返回