2019-06-11

  • M進制調(diào)制的最佳接收
  • MAP：最大后驗概率
  • 一維似然函數(shù)
    • 對于一維調(diào)制，若發(fā)送星座點為s_i的信號s_i(t) = s_if_1(t)，則接收信號是r(t) = s_if_1(t)+ n_w(t)
    • 投影到信號空間后是r = s_i+n
      • 其中n是高斯白噪聲的投影，是均值為零，方差為\frac{N_0}{2}的高斯隨機變量。
      • 似然函數(shù)是p(r|s_i) = \frac{1}{\sqrt{\pi N_0}}e^{-\frac{(r-s_i)^2}{N_0}}
      • f(x) = \frac{1}{\sqrt{2\pi}\sigma}e^{-\frac{(x-\mu)^2}{2\sigma^2}}
  • 二維似然函數(shù)
    • 對于二維調(diào)制，若發(fā)送星座點為s_i = (s_{i1},s_{i2})的信號s_i(t) = s_{i1}f_1(t)+s_{i2}f_2(t)，則接收信號是r(t) = s_i(t)+n_w(t)
    • 投影到信號空間后得到r(t)在該空間中的坐標向量為r = (r_1,r_2)，其中r_ 1 = s_{i1}+n_1,r_2 = s_{i2}+n_2，其中n_1,n_2是高斯白噪聲的投影，它們是獨立同分布的零均值高斯隨機變量，方差均為\frac{N_0}{2}
  • 似然函數(shù)是
    • p(r|s_i) = \frac{1}{\sqrt{\pi N_0}}e^{-\frac{(r-s_{r1 })^2}{N_0}}\cdot \frac{1}{\sqrt{\pi N_0}}e^{-\frac{(r-s_{r2})^2}{N_0}} = \frac{1}{\pi N_0}e^{-\frac{\parallel r-s_i \parallel ^2}{N_0}}
  • 判決域
    • 判決器是一個函數(shù)映射，它將R^N中的點映射到集合\{ s_1,s_2,...,s_M\}。反過來看，集合\{ s_1,s_2,...,s_M\}中的每個點對應R^N的一個子集，這樣的子集叫判決域。
    • 判決器的工作是：如果接受向量r落在星座點s_i的判決域D_i內(nèi)，則判決發(fā)送的是s_i
      • MAP判決域：判決域的劃分滿足，若r落入判決域D_i，則后驗概率Pr\{s_i|r\} \geq Pr\{s_k|r\}, \forall k\neq i
    • ML決域：判決域的劃分滿足，若r落入判決域D_i，則似然概率Pr\{s_i|r\}一定是最大的，即Pr\{r|s_i \} \geq Pr\{ r|s_k \},\forall k\neq i，對于連續(xù)型隨機變量，可將概率Pr\{ r|s_i \}換成概率密度。
    • 貝葉斯公式：后驗概率Pr\{s_i|r\}、似然概率 Pr\{r|s_i\}、先驗概率Pr\{s_i\}，三者之間的關(guān)系：Pr\{ s_i|r \} = \frac{Pr\{ r|s_i\} Pr\{s_i\}}{Pr\{r\}}
    • 先驗等概時，MAP = ML:如果Pr\{ s_i\} = \frac{1}{M}與s_i無關(guān)，則Pr\{ s_i|r \} = \frac{Pr\{ r|s_i\}}{Pr\{r\}\cdot M}
  • 此時若Pr\{s_k|r\} \geq Pr\{s_{k^{'} }| r \}，必有Pr\{r|s_k \} \geq Pr\{ r|s_{k^{'} } \}，反之亦然。因此在先驗等概的情況下，按MAP準則設(shè)計ML判決域就是MAP判決域。
  • AWGN信道
    • p(r|s_i) = \prod_{k = 1}^Np(r_k|s_{ik}) = \frac{1}{(\pi N_0)^{\frac{N}{2}}}e^{-\frac{\parallel r-s_i \parallel ^2}{N_0}}
    • 對于給定的r，如果某個s_i在所有s_1,s_2,...,s_M中對應有最小的p(r|s_i)，則該s_i也一定對應最小的\parallel r-s_i \parallel。
  • 對于AWGN信道，基于ML準則的判決規(guī)則，等價于尋求在距離上最接近于接收信號矢量r的信號s_i
  • MAP準則，先驗等概 ，ML準則，AWGN信道，最小距離檢測
  • AWGN下M進制確定信號的最佳接收過程：
    • r(t)投影r = [r_1,r_2,...,r_N]檢測器（基于MAP或ML準則檢測）
    • r_k = \int_{0}^{T_s}r(t)f_k(t)dt,解調(diào)器
    • 匹配濾波器等效實現(xiàn)r_k = \int_{0}^{T_s}r(t)f_k(t)dt = [\int_{-\infty}^{\infty}r(\tau)h_k(t-\tau)d\tau]_{t= T_s} = [\int_{-\infty}^{\infty}r(\tau)f _k(T_s-t+\tau)d\tau]_{t= T_s}
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成，瀏覽時請結(jié)合常識與多方信息審慎甄別。
平臺聲明：文章內(nèi)容（如有圖片或視頻亦包括在內(nèi)）由作者上傳并發(fā)布，文章內(nèi)容僅代表作者本人觀點，簡書系信息發(fā)布平臺，僅提供信息存儲服務(wù)。

相關(guān)閱讀更多精彩內(nèi)容

友情鏈接更多精彩內(nèi)容