分集与路径合并方式

news2024/11/25 7:13:09

本专栏包含信息论与编码的核心知识,按知识点组织,可作为教学或学习的参考。markdown版本已归档至【Github仓库:https://github.com/timerring/information-theory 】或者公众号【AIShareLab】回复 信息论 获取。

文章目录

  • 分集
    • 分集的概念
    • 分集的方法
      • 空间分集
      • 时间分集
      • 频率分集
      • 多径分集
    • 路径合并方式
      • 选择式合并
      • 等增益合并
      • 最大比值合并
    • Alamouti空时分组码(STBC)简介

分集

分集的概念

分集是一种抗衰落技术。原理是利用两个以上信号传送同一个信息,并且这些不同信号的衰落相互独立。在接收端以适当方式将这些信号合并利用,以降低合成信号电平起伏,减小各种衰落对接收信号的影响,进而恢复信息。

设同一信息经过两路信号传输, 包络为 v 1 ( t ) v_{1}(t) v1(t) v 2 ( t ) v_{2}(t) v2(t) , 设 u 0 u_{0} u0 为门限电平, 当小于门限电平时则产生错误, 令

P [ v 1 ( t ) < u 0 ] = P [ v 1 ( t ) < u 0 ] = 1 0 − 3 P[v_{1}(t) \lt u_{0}] = P[v_{1}(t) \lt u_{0}] = 10^{-3} P[v1(t)<u0]=P[v1(t)<u0]=103

v 1 ( t ) v_{1}(t) v1(t) v 2 ( t ) v_{2}(t) v2(t) 独立, 则二者同时小于 u 0 u_{0} u0 的概率为

P [ v 1 ( t ) < u 0 , v 2 ( t ) < u 0 ] = 1 0 − 3 × 1 0 − 3 = 1 0 − 6 ≪ 1 0 − 3 P[v_{1}(t) \lt u_{0}, v_{2}(t) \lt u_{0}]=10^{-3} \times 10^{-3}=10^{-6} \ll 10^{-3} P[v1(t)<u0,v2(t)<u0]=103×103=106103

此时若同时利用 v 1 ( t ) v_{1}(t) v1(t) v 2 ( t ) v_{2}(t) v2(t) 来恢复信息,则可减少错

v 1 ( t ) v_{1}(t) v1(t) v 2 ( t ) v_{2}(t) v2(t) 完全相关则 :
P [ v 1 ( t ) < u 0 , v 2 ( t ) < u 0 ] = 1 0 − 3 P[v_{1}(t) \lt u_{0}, v_{2}(t) \lt u_{0}]=10^{-3} P[v1(t)<u0,v2(t)<u0]=103
结论: 要达到抗多径效果, 要求 v 1 ( t ) v_{1}(t) v1(t) v 2 ( t ) v_{2}(t) v2(t) 统计独立或不相关或弱相关.

分集的方法

获得不相关路径信号的方法:

空间分集

采用多天线接收同一信号, 相邻天线间距离大于载波波长 3 倍以上。(注:理论最小值为 λ / 2 \lambda / 2 λ/2 )。

CCIR建议为了获得满意的分集效果, 移动单元两天线间距大于 0.6 个波长, 即 d > 0.6 λ \mathrm{d}>0.6 \lambda d>0.6λ , 并且最好选在 λ / 4 \lambda / 4 λ/4 的奇数倍附近。

分集天线数(分集重数)越多,性能改善越好。当分集重数多到一定数时,分集重数继续增多,性能改善量将逐步减小。

结论:分集重数在2~4重比较合适

空间分集还有两类变化形式:

  1. 极化分集: 它利用在同一地点两个极化方向相互正交的天线发出的信号可以呈现不相关的衰落特性进行分集接收,即在收发端天线上安装水平、垂直极化天线,就可以把得到的两路衰落特性不相关的信号进行极化分集。

    • 优点:结构紧凑、节省空间;
    • 缺点:由于发射功率要分配到两副天线上,因此有3dB的损失。
  2. 角度分集: 由于地形、地貌、接收环境的不同,使得到达接收端的不同路径。

    信号可能来自不同的方向,这样在接收端可以采用方向性天线,分别指向不同的到达方向。而每个方向性天线接收到的多径信号是不相关的。

时间分集

不同时刻发送相同信号,时间间隔大于移动信道的相干时间,有效抵抗快衰落的分集技术。

注意:时间分集对于静止状态的移动台是无效果的。一般和空间分集结合,大多应用于快速移动的场合。

频率分集

采用不同频率载波传送同一信息, 不同载波频率差大于信道相干带宽。

  • 在移动通信中, 当工作频率在 900 MHz 频段, 典型的最大多径时延差为 5 μ s 5 \mu s 5μs , 此时有
    Δ f > B c = 1 Δ τ m = 1 5 × 1 0 − 6 = 200 k H Z \Delta f>B_{c}=\frac{1}{\Delta \tau_{m}}=\frac{1}{5 \times 10^{-6}}=200 \mathrm{kHZ} Δf>Bc=Δτm1=5×1061=200kHZ

因此, 若在该系统中利用频率分集, 载波频率差大于 200 kHz 。

  • 优点是在接收端可以减少接收天线及相应设备的数量
  • 缺点是要占用更多的频带资源,并且在发送端可能需要采用多个发射机。

多径分集

采用扩频信号传送消息,在接收端将不同时延的多径信号分离

路径合并方式

分集接收包含有两重含义:

  1. 分散接收,使接收端能得到多个携带同一信息的、统计独立的衰落信号;
  2. 集中处理,即接收端把收到的多个统计独立的衰落信号进行适当的合并,从而降低衰落的影响,改善系统性能。

假设 N 个独立衰落信号分别为 r 1 ( t ) , r 2 ( t ) , … , r N ( t ) r_{1}(t), r_{2}(t), \ldots, r_{N}(t) r1(t),r2(t),,rN(t) , 则合并器输出为
r ( t ) = a 1 r 1 ( t ) + a 2 r 2 ( t ) ⋯ + a N r N ( t ) = ∑ i = 1 N a i r i ( t ) r(t)=a_{1} r_{1}(t)+a_{2} r_{2}(t) \cdots+a_{N} r_{N}(t)=\sum_{i=1}^{N} a_{i} r_{i}(t) r(t)=a1r1(t)+a2r2(t)+aNrN(t)=i=1Nairi(t)
式中, a i a_{i} ai 为第 i 个信号的加权系数。选择不同的加权系数, 就可构成不同的合并方式。

常用的三种合并方式是:选择式合并、等增益合并和最大比值合并。表征合并性能的参数有平均输出信噪比、合并增益等。

选择式合并

选择式合并是所有合并方式中最简单的一种。其原理是检测所有接收机输出信号的信噪比,选择其中信噪比最大的那一路信号作为合并器的输出,其原理图如图所示

选择式合并的平均输出信噪比为
r M ‾ = r 0 ‾ ∑ k = 1 N 1 k \overline{r_{M}}=\overline{r_{0}} \sum_{k=1}^{N} \frac{1}{k} rM=r0k=1Nk1
合并增益为
G M = r m ‾ r 0 ‾ = ∑ k = 1 N 1 k G_{M}=\frac{\overline{r_{m}}}{\overline{r_{0}}}=\sum_{k=1}^{N} \frac{1}{k} GM=r0rm=k=1Nk1
式中, r M ‾ \overline{r_{M}} rM 为合并器平均输出信噪比, r 0 ‾ \overline{r_{0}} r0 支路信号最大平均信噪比。可见, 对选择式分集, 每增加一条分集路径 , 对合并增益的贡献仅为总分集支路数的倒数倍。

等增益合并

等增益合并原理如图所示。当加权系数 k 1 = k 2 = … = k N \boldsymbol{k}_{1}=\boldsymbol{k}_{2}=\ldots=\boldsymbol{k}_{N} k1=k2==kN 时, 即为等增益合并。假设每条支路的平均噪声功率是相等的, 则等增益合并的平均输出信噪比为
r M ‾ = r ˉ [ 1 + ( N − 1 ) π 4 ] \overline{r_{M}}=\bar{r}[1+(N-1) \frac{\pi}{4}] rM=rˉ[1+(N1)4π]
合并增益为
G M = r M ‾ r ˉ = 1 + ( N − 1 ) π 4 G_{M}=\frac{\overline{r_{M}}}{\bar{r}}=1+(N-1) \frac{\pi}{4} GM=rˉrM=1+(N1)4π
式中, r ˉ \bar{r} rˉ 为合并前每条支路的平均信噪比。

最大比值合并

最大比值合并方法最早是由Kahn提出的, 其原理可参见上图。最大比值合并原理是各条支路加权系数与该支路信噪比成正比信噪比越大, 加权系数越大, 对合并后信号贡献也越大。若每条支路的平均噪声功率是相等的, 可以证明, 当各支路加权系数为
k i = A i σ 2 \boldsymbol{k}_{\boldsymbol{i}}=\frac{A_{i}}{\sigma^{2}} ki=σ2Ai
时, 分集合并后的平均输出信噪比最大。式中, A i \mathbf{A}_{\mathrm{i}} Ai 为第 i \mathrm{i} i 条支 路信号幅度, σ 2 \boldsymbol{\sigma}^{2} σ2 为每条支路噪声平均功率。

最大比值合并后的平均输出信橾比为
r M ‾ = N r ˉ \overline{r_{M}}=N \bar{r} rM=Nrˉ
合并增益为
G M = r M ‾ r ˉ = N G_{M}=\frac{\overline{r_{M}}}{\bar{r}}=N GM=rˉrM=N
可见, 合并增益与分集支路数 N \mathbf{N} N 成正比。

分集接收信号的三种合并方式,下列哪种是按照性能由好到坏的排列? B

A. 最佳选择式、等增益合并、最大比合并

B. 最大比合并,等增益合并,最佳选择式

C. 等增益合并、最大比合并、最佳选择式

D. 最大比合并,最佳选择式、等增益合并

三种分集合并的性能如图所示。

可以看出,在这三种合并方式中,最大比值合并的性能最好,选择式合并的性能最差。比较增益表达式可以看出,当N较大时,等增益合并的合并增益接近于最大比值合并的合并增益。


选择式合并: G M = r m ‾ r 0 ‾ = ∑ k = 1 N 1 k 等增益合并: G M = r M ‾ r ˉ = 1 + ( N − 1 ) π 4 最大比合并 : G M = r M ‾ r ˉ = N 选择式合并: G_{M}=\frac{\overline{r_{m}}}{\overline{r_{0}}}=\sum_{k=1}^{N} \frac{1}{k} \\ 等增益合并: G_{M}=\frac{\overline{r_{M}}}{\bar{r}}=1+(N-1) \frac{\pi}{4} \\ 最大比合并: G_{M}=\frac{\overline{r_{M}}}{\bar{r}}=N 选择式合并:GM=r0rm=k=1Nk1等增益合并:GM=rˉrM=1+(N1)4π最大比合并:GM=rˉrM=N

Alamouti空时分组码(STBC)简介

Alamouti在1998年提出了一种采用两根发射天线的简单发射分集技术。Tarokh 等人在此基础上将其推厂到多根天线情况,并正式提出了STBC的概念。STBC的实质是一种空域和时域相结合的正交分组编码,利用正交设计的原理来分配多个发射天线的发射信号。由于STBC可以使接收机解码后获得完美的分集增益,且解码复杂度相对较低,因此,STBC在实际应用中是一类非常重要的空时编解码技术。

Alamouti方案是为发射天线数为 2 的系统提供完全发射分集增益的第一种空时分组码。

下图为Alamouti编码器原理图。

假设在Alamouti STBC方案中采用M进制调制。

首先将总的信息比特进行调制,得到调制符号;然后将调制符号分成两部分;最后根据Alamouti编码矩阵将两部分调制符号映射到两根发射天线上,其编码矩阵可以表示为

X = [ x 1 − x 2 ∗ x 2 x 1 ∗ ] X = [\begin{array}{cc} x_{1} & -x_{2}^{*} \\ x_{2} & x_{1}^{*} \end{array}] X=[x1x2x2x1]

,其中 (·)*表示复共轭。

发射端通过两根发射天线在两个连续发射周期里发射调制符号。在第一个发射周期中, 天线 1 发射调制符号 x 1 \boldsymbol{x}_{\mathbf{1}} x1 , 天线 2 发射 调制符号 x 2 x_{2} x2 ; 在第二个发射周期中, 天线 1 发射 − x 2 ∗ -x_{2}^{*} x2 , 天线 2 发射 x 1 ∗ x_{1}^{*} x1 。可以看出, 第二个发射周期 发射的调制符号和第一个发射周期的调制符号是相关的, 可以简单的认为第二个发射周期发射的调制符号是第一个发射周期发射的调制符号的副本。

在 Alamouti 方案中, 分别令

X 1 = [ x 1 − x 2 ∗ ]  和  X 2 = [ x 2 x 1 ∗ ] \boldsymbol{X}^{\mathbf{1}}=[\begin{array}{ll} x_{1} & -x_{2}^{*} \end{array}] \text { 和 } \boldsymbol{X}^{2}=[\begin{array}{ll} x_{2} & x_{1}^{*} \end{array}] X1=[x1x2]  X2=[x2x1]

表示天线 1 和天线 2 的发射序列, 很显然 , 两根发射天线的发射序列是正交的, 即

X 1 ⋅ ( X 2 ) ∗ = x 1 x 2 ∗ − x 2 ∗ x 1 = 0 \boldsymbol{X}^{\mathbf{1}} \cdot(\mathbf{X}^{\mathbf{2}})^{*}=x_{1} x_{2}^{*}-x_{2}^{*} x_{1}=0 X1(X2)=x1x2x2x1=0

此外, Alamouti 编码矩阵 $ \mathbf{X}$ 具有如下特性:

X ⋅ X H = [ ∣ x 1 ∣ 2 + ∣ x 2 ∣ 2 0 0 ∣ x 1 ∣ 2 + ∣ x 2 ∣ 2 ] X \cdot X^{H}=[\begin{array}{cc} |x_{1}|^{2}+|x_{2}|^{2} & 0 \\ 0 & |x_{1}|^{2}+|x_{2}|^{2} \end{array}] XXH=[x12+x2200x12+x22]

其中 ( ⋅ ) H (\cdot)^{\mathrm{H}} ()H 表示矩阵的共轭转置。

下图为Alamouti的仿真结果。

其中MRRC表示最大比合并。Alamouti方案的检测采用ML,以最小欧式距离为测度。

Alamouti空时分组码利用了空间分集和时间分集,发射天线数n=2,若接收天线数为m,则它的分集增益为2m。

优缺点:

  • 结构简单,译码复杂度是线性的;
  • 能够实现完全分集;
  • 没有编码增益。

下图所示的分集是 (A)

A. 空间分集

B. 时间分集

C. 多径分集

D. 频率分集

参考文献:

  1. Proakis, John G., et al. Communication systems engineering. Vol. 2. New Jersey: Prentice Hall, 1994.
  2. Proakis, John G., et al. SOLUTIONS MANUAL Communication Systems Engineering. Vol. 2. New Jersey: Prentice Hall, 1994.
  3. 周炯槃. 通信原理(第3版)[M]. 北京:北京邮电大学出版社, 2008.
  4. 樊昌信, 曹丽娜. 通信原理(第7版) [M]. 北京:国防工业出版社, 2012.

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/630277.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

《C和指针》读书笔记(第十章 结构和联合)

目录 0 简介1 结构基础知识1.1 结构声明1.2 结构成员1.3 结构成员的直接访问1.4 结构成员的间接访问1.5 结构的自引用1.6 不完整的声明1.7 结构的初始化 2 结构、指针和成员2.1 访问指针2.2 访问结构2.3 访问结构成员2.4 访问嵌套的结构2.5 访问指针成员 3 结构的存储分配4 作为…

TiDB亿级数据亚秒响应查询集群部署

目录 1 集群部署1.1 环境要求1.1.1 操作系统建议配置1.1.2 服务器建议配置 1.2 环境准备1.3 安装TiUP1.3.1 什么是TiUP1.3.2 安装TiUP组件1.3.3 配置TiUP环境1.3.4 检查TiUP 工具是否安装1.3.5 安装 cluster 组件1.3.6 升级cluster组件 1.4 编辑部署文件1.4.1 常见的部署场景1.…

Go语言并发微服务分布式高可用

Go语言并发微服务分布式高可用 Go语言基础 环境安装 命令行输入go&#xff0c;当前操作系统Os环境中依赖于PATH指定的日录们去找命令(可执行文件)windows会优先搜索当前日录&#xff0c;当前日录没有才依赖PATH中指定的日录 环境变量: 操作系统运行环境中提前定义好的变量P…

FreeRTOS简单任务创建和任务删除(基于stm32F407)

1. 实验目的 使用动态方法 xTaskCreate()创建任务&#xff0c;使用vTaskDelete()函数删除任务&#xff1b;创建开始任务start_task&#xff0c;在开始任务中创建其他三个任务&#xff0c;创建task1任务实现LED0每500ms闪烁一次&#xff0c;创建task2任务实现LED1每500ms闪烁一…

Linux C简易聊天室

对于初学者而已&#xff0c;我们学习的网络编程&#xff08;如TCP,UDP编程&#xff09;&#xff0c;我们通常都是在局域网内进行通信测试&#xff0c;有时候我们或者会想&#xff0c;我们现在写的内网网络数据和外网的网络数据有什么不同&#xff0c;我们内网的数据是如何走出外…

notepadd++快捷键记录

记录下 notepadd 常用快捷键 1.搜索 普通搜索&#xff1a;Ctrl F 正则表达式搜索&#xff1a; 查找模式用 正则表达式 。如 A|B|C &#xff0c;搜索多个关键字&#xff0c; 更多正则表达式探索中。 还可以选中 选取范围内 &#xff0c;就会只在鼠标选中区域内查找。 2.区…

Visual Studio Code 1.79 发布

发布模式 - 将工作区中的特定文件和文件夹标记为只读。 在某些开发场景中&#xff0c;将工作区的某些文件夹或文件显式标记为只读会很有帮助。例如&#xff0c;如果文件夹或文件内容由不同的进程管理(例如 node_modules 由 Node.js 包管理器管理的文件夹)&#xff0c;则将它们…

E往无前 | get正确使用姿势!腾讯云大数据ES日志场景优化案例回顾

导语&#xff1a; 随着ELK方案在开源日志分析领域越来越流行&#xff0c;各种业务场景也给ELK方案带来了越来越多的挑战。本文将回顾一次真实客户案例&#xff0c;从使用姿势上&#xff0c;提供一些大集群、多日志主题场景下的集群优化思路。 一、ELK不香了&#xff1f; 我们…

DevOps系列文章之 Docker-compose

一&#xff0c;Docker-compose全集 1&#xff0c;Docker-compose简介 Docker-Compose项目是Docker官方的开源项目&#xff0c;负责实现对Docker容器集群的快速编排。 Docker-Compose将所管理的容器分为三层&#xff0c;分别是工程&#xff08;project&#xff09;&#xff0c…

ChatGLM简介和SSE聊天接口测试效果

开发公司 智谱AI是由清华大学计算机系技术成果转化而来的公司&#xff0c;致力于打造新一代认知智能通用模型。公司合作研发了双语千亿级超大规模预训练模型GLM-130B&#xff0c;并构建了高精度通用知识图谱&#xff0c;形成数据与知识双轮驱动的认知引擎&#xff0c;基于此模型…

java异常 | 处理规范、全局异常、Error处理

文章目录 &#x1f683;异常类型&#x1f3a0;显示声明异常&#xff1a;①&#xff1a;try-catch②方法签名 &#x1f683;异常处理规范⚓️异常包装⚓️异常传递⚓️异常日志记录⚓️异常处理的最佳实践 &#x1f683;全局异常处理⛵️优点&#xff1a;⛵️代码示例&#xff1…

骨传导蓝牙耳机哪个牌子好,列举几款知名的骨传导耳机

​骨传导耳机&#xff0c;顾名思义就是通过骨头传播声音的耳机&#xff0c;由于它在声音传播方式上与传统耳机不同&#xff0c;不需要借助外耳、耳道&#xff0c;也能让耳朵更好地感受到外界的声音&#xff0c;在一些特殊场合下可以让使用者听到环境音。骨传导耳机虽然很小巧轻…

AI实战营:目标检测与MMDetection

目标检测的基本范式 什么是目标检测 目标检测 vs 图像分类 目标检测 in 人脸识别 目标检测 in 智慧城市 目标检测 in 自动驾驶 目标检测 in 下游视觉任务 目标检测技术的演进 基础知识 框、边界框&#xff08;Bounding Box&#xff09; 交并比 Intersection Over Union 目标检…

奇舞周刊第495期:软件高可用实践那些事

记得点击文章末尾的“ 阅读原文 ”查看哟~ 下面先一起看下本期周刊 摘要 吧~ 奇舞推荐 ■ ■ ■ 软件高可用实践那些事儿 本文从高可用落地实践的角度&#xff0c;通过协作效率&#xff0c;技术落地和运营规范等几个层面&#xff0c;阐述了高可用具体实施步骤和落地细节。 浏览…

如何使用微软官方工具制作win11启动盘

windows11 启动盘制作和使用 一、启动盘制作准备二、制作步骤三、对其他电脑安装windows11系统 一、启动盘制作准备 1.至少存储空间为8GB的空白U盘 2.一台电脑 二、制作步骤 1.在官方网站中选择下载工具&#xff0c;选择创建windows11安装&#xff0c;下载完毕之后&#xff…

混淆矩阵、准确率、召回率、漏报率、误报率、F1分数

1、混淆矩阵 在二分类问题中&#xff0c;混淆矩阵被用来度量模型的准确率。因为在二分类问题中单一样本的预测结果只有Yes or No&#xff0c;即&#xff1a;真或者假两种结果&#xff0c;所以全体样本的经二分类模型处理后&#xff0c;处理结果不外乎四种情况&#xff0c;每种情…

ASP.NET Core MVC 从入门到精通之Html辅助标签(一)

随着技术的发展&#xff0c;ASP.NET Core MVC也推出了好长时间&#xff0c;经过不断的版本更新迭代&#xff0c;已经越来越完善&#xff0c;本系列文章主要讲解ASP.NET Core MVC开发B/S系统过程中所涉及到的相关内容&#xff0c;适用于初学者&#xff0c;在校毕业生&#xff0c…

微信小程序快速入门【一】

微信小程序快速入门【一】 文章目录 微信小程序快速入门【一】&#x1f468;‍&#x1f3eb;内容1&#xff1a;背景&#x1f468;‍⚖️内容2&#xff1a;准备工作&#x1f468;‍&#x1f4bb;内容3&#xff1a;新建一个小程序&#x1f349;文末推荐 &#x1f468;‍&#x1f…

有关 python 切片的趣事

哈喽大家好&#xff0c;我是咸鱼 今天来讲一个我在实现 python 列表切片时遇到的趣事 在正式开始之前&#xff0c;我们先来了解一下切片&#xff08;slice&#xff09; 切片操作是访问序列&#xff08;列表、字符串…&#xff09;中元素的另一种方法&#xff0c;它可以访问一…

莱特兄弟的家庭教育

莱特兄弟的三个设计经验 你可以从他们如何使得一辆自行车飞行中学到很多东西 克莱夫汤普森 大家都知道莱特兄弟是第一个实现动力飞行的人——他们的飞机于1903年12月17日在北卡罗来纳州的基蒂霍克起飞。 但是在实现这一突破之前的过程? 这真是令人感兴趣&#xff0c;并且充满了…