详解最大比合并算法(Maximum Ratio Combining)

目录

[一. 空间分集(space diversity)](#一. 空间分集(space diversity))

[二. 系统模型](#二. 系统模型)

[三. 尝试性译码](#三. 尝试性译码)

[3.1 选择性合并算法(selection combining)](#3.1 选择性合并算法(selection combining))

[3.2 简单相加](#3.2 简单相加)

[四. 最大比合并算法](#四. 最大比合并算法)

[4.1 合并信号](#4.1 合并信号)

[4.2 设计权重值w](#4.2 设计权重值w)

[五. 波束赋形](#五. 波束赋形)

[5.1 小结](#5.1 小结)

[5.2 与波束赋形的关系](#5.2 与波束赋形的关系)

[六. 译码](#六. 译码)

[七. 写在最后](#七. 写在最后)


一. 空间分集(space diversity)

在接收端实现空间分集最常见有两种:一个叫选择性合并(selection combining);另一个就是本文的主题叫最大比合并。

其实最大比合并算法可以看成在接收端实现波束赋形(generalized beamforming)。

二. 系统模型

假定某个无线系统有一根发射天线(Tx),两根接收天线(Rx).发送端射出数据s。当然这个数据需要进行调制,比如QAM调制(Quadrature Amplitude Modulation)。

来看一个例图。

我们仅仅考虑一个时隙。

那么很明显第一根天线会收到r1,第二根天线会收到r2。发射天线与第一根天线之间为平坦衰落的信道增益h1,同理,发射天线与第二根天线之间为平坦衰落的信道增益h2.

由此接收端Rx会受到两个信号,如下等式:

上式子中h1和h2为信道增益(channel gain),通常会被建模为复数高斯分布。

三. 尝试性译码

3.1 选择性合并算法(selection combining)

选择性合并算法的流程如下:

第一步:探测到达每根天线的信号功率

第二步:选择信噪比(SNR)最高的天线

第三步:译码

从以上步骤可以看出,选择性合并算法抛弃了低信号能量的天线,这很浪费。

3.2 简单相加

如果把所有天线的信号都加在一起会怎么样?

首先,信道增益h1和h2都服从复高斯分布。如果写成极坐标的形式,那么h1和h2的模长(magnitude)就服从瑞丽分布(Rayleigh),相位(phase)在0到2π之间服从均匀分布。简单加在一起是没有任何意义的,所有的东西包括噪声都被扩大两倍,每个东西都被平均掉了。

四. 最大比合并算法

4.1 合并信号

我们可以尝试对接收到的信号r1和r2进行线性组合。

首先对r1乘以权重值w1.接着对r2乘以权重值w2.最后相加在一起,可得:

一般化,如果接收天线数是NR根的话,那么合并后的信号可以综合性写为:

需要注意的是,上面式子中的wi也都是复数。并且在设计算法时要求该复数不会放大噪声。

其实这个式子就有点波束赋形的味道了。

4.2 设计权重值w

信道增益h和权重因子w都有两大要素,第一个是模长,第二个是相位。回忆起极坐标的运算,相乘时,模长是直接相乘:

相位是相加:

也就是可以得到:

站在接收者的角度,怎么样设计权重因子对我们更有利呢?

首先,接收者通过信道估计过程(借助训练序列或者周期性的导频符号)可以得到信道增益h的值。

可以设计权重因子w来抵消相位的偏移。

换句话说,权重因子w的相位恰好与信道增益的相位相反。那么此时,合并后的信号则变为:

很明显,此时式子就简单多了。

抵消相位可以看一个简单的极坐标图:

接下来我们可以考虑权重因子的模长了。

如果不做任何改变,让权重因子的模长就是简单的1,那么这个方案也被称之为相等增益合并算法(equal gain combining)。

很明显,这个方法不是最优的。

我们希望信噪比SNR较优的天线能占比更大一些,也就是给予更多的权重。

怎么实现?

可以让权重因子与信道增益同样模长。也就是:

这个过程可以简单看如下图:

简单总结就是两者互为共轭复数,也就是:

那么原来的合并信号则可以化简为:

观察这个表达式,这不就是广义的波束赋形嘛,只不过是在接收端实现的。

在信号处理决策中,最大比合并算法是最优的,很好的实现了分集增益效果。

五. 波束赋形

5.1 小结

共轭复数(complex conjugate)是相位相反,模长相等。

最优的权重因子wj其实就是信道增益hj的共轭复数,如下:

当然,在实际应用中要实现功率归一化(power normalization),也就是保证系数平方和为1.那么每个因子的前面还要乘以如下标量:

5.2 与波束赋形的关系

物理层波束赋形中也利用了共轭复数的思想。但两者之间还是有细微的区别。

在经典的波束赋形场景中,权重wi的共轭性质是相对于到达波的角度来讲的。以此来保证波束朝着特定的方向传输。

在最大比合并算法中,权重因子wj的共轭性质是根据整个平坦衰落的信道增益hj来选择的。在接收端,这便出现了分集(diversity)的思想。

六. 译码

根据权重因子wj的选择,现在待解调(demodulation)的信号为:

备注:如上图,一根发射天线,两根接收天线

复数乘以其共轭复数即为模的平方。

因为噪声值通常很小,可以暂时忽略。那么最后译码出的信号为:

当然,也可以从图形的方式来理解如何译码一个带噪声的信号。

举一个16-QAM的例子。

图中五角星代表16-QAM中的星座点。蓝色小球代表带噪声的信号。黄色的五角星代表最近的星座点。

因为噪声是服从均值为0的高斯分布。所以,离其最近距离的星座点就是最后解调的信号。

七. 写在最后

内容与图片参考自书籍《Wireless Communications From the Ground Up》。

相关推荐
乐维_lwops21 天前
网管平台(三):如何高效管理无线网络
无线网络·网管平台·网管软件·网管系统
大鹅同志5 个月前
RadioML 2016.10a 调制方式识别
神经网络·cnn·无线网络·radioml 2016
晚风(●•σ )10 个月前
*(长期更新)软考网络工程师学习笔记——Section 22 无线局域网
网络·计算机网络·网络安全·无线网络·无线局域网·无线网络安全
视觉&物联智能1 年前
[杂谈]-快速了解LoRaWAN网络以及工作原理
物联网·网络协议·lora·lorawan·无线网络