2023年全國(guó)碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩66頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、多輸入多輸出(MIMo,Multiple—InputMultiple—Output)技術(shù)是未來移動(dòng)通信領(lǐng)域研究的一個(gè)核心技術(shù),可以有效地提高通信系統(tǒng)容量和頻譜利用率。一個(gè)通信系統(tǒng)質(zhì)量的優(yōu)劣很大程度上取決于檢測(cè)出來的信號(hào)準(zhǔn)確性,所以在MIMO通信系統(tǒng)中設(shè)計(jì)一種高性能低復(fù)雜度的檢測(cè)算法已成為未來移動(dòng)通信研究的一個(gè)熱點(diǎn)。
   最大似然(ML,MaximumLikelihood)檢測(cè)算法能夠獲得最理想的檢測(cè)性能,但因?yàn)樽畲笏迫粰z測(cè)是一

2、個(gè)非凸的優(yōu)化問題,其計(jì)算復(fù)雜度較高。而半定松弛(SDR,SemideftniteRelaxation)方法是將該非凸的優(yōu)化問題轉(zhuǎn)化為一個(gè)可以在多項(xiàng)式時(shí)間復(fù)雜度內(nèi)求解的凸優(yōu)化問題。這樣將使檢測(cè)算法的復(fù)雜度降低,同時(shí)還可以獲得一個(gè)相對(duì)理想的檢測(cè)性能。本論文對(duì)半定松弛方法在高階QAM(QuadratureAmplitudeModulation)MIMO檢測(cè)中的應(yīng)用做了深入的研究。
   首先,分析和研究了高階QAM下基于V-BLAST

3、(Vertical—BellLabsLayeredSpace-Time)系統(tǒng)的幾種傳統(tǒng)MIMO檢測(cè)算法。通過對(duì)傳統(tǒng)算法優(yōu)缺點(diǎn)的分析以及檢測(cè)性能的仿真,繼而發(fā)現(xiàn)對(duì)半定松弛方法研究的必要性。
   然后,介紹了半定松弛方法在高階QAMMIMO檢測(cè)中的研究現(xiàn)狀。研究出一種適用于高階調(diào)制的高性能低復(fù)雜度的半定松弛檢測(cè)算法(SDF-SDR,SuccessiveDecisionFeedbackSDR),該算法能夠獲得較優(yōu)的檢測(cè)性能而不需要很

4、高的計(jì)算復(fù)雜度,在檢測(cè)性能和計(jì)算復(fù)雜度之間有很好的折衷。
   接著,分析了半定松弛方法在高階QAM盲檢測(cè)中的應(yīng)用。根據(jù)對(duì)現(xiàn)有盲半定松弛檢測(cè)方法的理解,推導(dǎo)出了兩種等效的盲半定松弛檢測(cè)算法(LF—PISDR,LinearFractionalPolynomialInspiredSDR、LF-VASDR,LinearFractionalVirtuallyAntipodalSDR)和一種高性能的盲半定松弛檢測(cè)算法(LF—FBCSDR,

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論