m基于LMMSE+turbo算法的信道估计均衡器误码率仿真,对比LS,DEF以及LMMSE三种均衡算法误码率

简介: m基于LMMSE+turbo算法的信道估计均衡器误码率仿真,对比LS,DEF以及LMMSE三种均衡算法误码率

1.算法描述

   本文推导了符号间干扰(ISI)信道的矢量形状因子图表示。结果图具有树形结构,避免了现有图方法中的短周期问题。基于联合高斯近似,我们在LLR(对数似然比)之间建立了联系由二进制输入和LMMSE(线性最小均方误差)驱动的线性系统的估计器高斯输入驱动的线性系统的估计器。此连接有助于应用最近提出的ISI信道无周期图高斯消息传递技术。

   LMMSE+Turbo主要原理见如下文献:

image.png

从参考文献中的内容可知,整个系统大概的结构如下所示:

image.png

所以,我们按这个结构进行编程设计。

LMMSE:

首先将MMSE计算公式中的XHX用其均值来代替,即

image.png



     为什么用均值来代替即时值能降低计算复杂度?这需要分析XHX里面的数据是什么,它是一个MM的矩阵,其对角线上是已知数据(导频信号)的功率,而其他位置的数据则是已知数据与其自身延迟数据的相关,该相关值可近似为满足标准正态分布的信号(均值为0)。那么对应到E(XHX),其对角线上的数据就是已知数据的平均功率,而其他位置的数据则为0。因此通过这种替代,可将hmmse进一步做如下化简

4.png
5.png

其中SNR为接收信号的信噪比,而β则是与调制方式有关的一个常数。

TURBO:

  turbo Codes译码是一类具有反馈结构的伪随机译码器,2个码可以交替互不影响的译码,并且还可以通过关于系统码信息位的软判决输出相互传递信息,进行递推式迭代译码。Turbo译码结构如图1所示: 

image.png

  Turbo码的译码算法主要分为两大类:一类是基于最大后验概率(Maximum A Posteriori,MAP)软输出算法,这类算法由标准MAP算法演化得来。对标准MAP算法取对数得到Log-MAP算法,对Log-MAP算法中的分支度量进行简化,得到MAX-Log-MAP算法。另一类是基于Viterbi算法的软输出算法,是对卷积码的译码算法Viterbi的改进,使其满足SISO特性,软信息可以在两个分量译码器之间交换。这种改进的Viterbi算法为软输出Viterbi算法(SOVA)。

2.仿真效果预览
matlab2022a仿真结果如下:

7.png
8.png

3.MATLAB核心程序

    %通过既有码间干扰又有白噪声信道
    for jj = 1:1000
        j
        jj
    info      = [ones(1,2048),func_random_binary(N)];%产生二进制信号序列
    %Encoder
    info2 = [];
    for ii = 1:(N+2048)/length(Interleaver)
        tmps  = info(length(Interleaver)*(ii-1)+1:length(Interleaver)*ii);
        info2 = [info2,tmps(Interleaver)];%交织
    end
    %turbo编码
    turbo_code = [func_turbo_encode_map(logical((info2+1)/2)),zeros(1,10000)];%82954,76810=6144
    %多径噪声信道
    [y,len,h]  = func_channel(2*turbo_code-1,SNR_in_dB(j));
    if j==1
       info4 = zeros(size(info)); 
    end
    %LMMSE均衡
    z          = func_LMMSE_eq(y,h,SNR_in_dB(j),info4);
    decis      = [2*[z>=0]-1]'; 
    %获得均衡后数据
    XX         = [decis(6:82953+5)];
 
    %demap_decode,译码
    output= 2*func_turbo_decode_demap(XX,ITER)-1;%82953
    
    %解交织
    info3 = [];
    for ii = 1:(N+2048)/length(De_Interleaver)
        tmps2  = output(length(De_Interleaver)*(ii-1)+1:length(De_Interleaver)*ii);
        info3 = [info3,tmps2(De_Interleaver)];%交织
    end
    
    %反馈,交织
    info4 = [];
    for ii = 1:(N+2048)/length(Interleaver)
        tmps3 = info3(length(Interleaver)*(ii-1)+1:length(Interleaver)*ii);
        info4 = [info4,tmps3(Interleaver)];%交织
    end
    
    %初始误码统计数
    NumErr1 = sum(info(1:27499)~=info3(1:27499)); 
    if NumErr1 == 0%无法统计到误码率
       NumErr1 = 1;
    end
    
    Pe4(j,jj)  = NumErr1/N; 
    end
end;  
01-142m
相关文章
|
5月前
|
算法
基于MPPT算法的光伏并网发电系统simulink建模与仿真
本课题基于MATLAB/Simulink搭建光伏并网发电系统模型,集成PV模块、MPPT算法、PWM控制与并网电路,实现最大功率跟踪与电能高效并网。通过仿真验证系统在不同环境下的动态响应与稳定性,采用SVPWM与电流闭环控制,确保输出电流与电网同频同相,满足并网电能质量要求。
|
5月前
|
机器学习/深度学习 算法 数据可视化
基于MVO多元宇宙优化的DBSCAN聚类算法matlab仿真
本程序基于MATLAB实现MVO优化的DBSCAN聚类算法,通过多元宇宙优化自动搜索最优参数Eps与MinPts,提升聚类精度。对比传统DBSCAN,MVO-DBSCAN有效克服参数依赖问题,适应复杂数据分布,增强鲁棒性,适用于非均匀密度数据集的高效聚类分析。
|
5月前
|
开发框架 算法 .NET
基于ADMM无穷范数检测算法的MIMO通信系统信号检测MATLAB仿真,对比ML,MMSE,ZF以及LAMA
简介:本文介绍基于ADMM的MIMO信号检测算法,结合无穷范数优化与交替方向乘子法,降低计算复杂度并提升检测性能。涵盖MATLAB 2024b实现效果图、核心代码及详细注释,并对比ML、MMSE、ZF、OCD_MMSE与LAMA等算法。重点分析LAMA基于消息传递的低复杂度优势,适用于大规模MIMO系统,为通信系统检测提供理论支持与实践方案。(238字)
|
6月前
|
算法 数据建模 调度
【INC-MPPT】增量导纳算法追踪光伏的最大功率点用于光伏的并网接入研究(Simulink仿真实现)
【INC-MPPT】增量导纳算法追踪光伏的最大功率点用于光伏的并网接入研究(Simulink仿真实现)
176 0
|
5月前
|
机器学习/深度学习 算法 机器人
【水下图像增强融合算法】基于融合的水下图像与视频增强研究(Matlab代码实现)
【水下图像增强融合算法】基于融合的水下图像与视频增强研究(Matlab代码实现)
530 0
|
5月前
|
数据采集 分布式计算 并行计算
mRMR算法实现特征选择-MATLAB
mRMR算法实现特征选择-MATLAB
344 2
|
6月前
|
传感器 机器学习/深度学习 编解码
MATLAB|主动噪声和振动控制算法——对较大的次级路径变化具有鲁棒性
MATLAB|主动噪声和振动控制算法——对较大的次级路径变化具有鲁棒性
313 3
|
6月前
|
存储 编解码 算法
【多光谱滤波器阵列设计的最优球体填充】使用MSFA设计方法进行各种重建算法时,图像质量可以提高至多2 dB,并在光谱相似性方面实现了显著提升(Matlab代码实现)
【多光谱滤波器阵列设计的最优球体填充】使用MSFA设计方法进行各种重建算法时,图像质量可以提高至多2 dB,并在光谱相似性方面实现了显著提升(Matlab代码实现)
222 6
|
5月前
|
机器学习/深度学习 算法 机器人
使用哈里斯角Harris和SIFT算法来实现局部特征匹配(Matlab代码实现)
使用哈里斯角Harris和SIFT算法来实现局部特征匹配(Matlab代码实现)
265 8
|
5月前
|
机器学习/深度学习 算法 自动驾驶
基于导向滤波的暗通道去雾算法在灰度与彩色图像可见度复原中的研究(Matlab代码实现)
基于导向滤波的暗通道去雾算法在灰度与彩色图像可见度复原中的研究(Matlab代码实现)
307 8