目录

  • 1.发射机模型
  • 2.信道模型
  • 3.接收机模型
  • 4.检测合并技术
    • 4.1正交恢复合并(ORC)
    • 4.2等增益合并(EGC)
    • 4.3 最大比合并(MRC)
    • 4.4 最小均方差合并(MMSEC)
    • 4.5 多用户检测
  • 5.性能比较
    • 5.1下行链路
    • 5.2上行链路
  • 6.MC-CDMA扩频序列
    • 6.1扩频序列分配策略
    • 6.2 复数形式扩频码的应用
  • 7.VSF-OFCDM
    • 7.1 VSF-OFCDM发射机原理
    • 7.2导频辅助MMSE合并方案
    • 7.3二维扩频VSF-OFCDM
  • 8. 高速高容量的宽带无线接入技术

MC-CDMA最早是由美国的Linnatz、Yee、 Fettweis 和德国的Fazel、Papke 各自独立提出的,前者提出的接收机方案是采用相关接收和采用可变增益因子的合并)式,后者提出在接收机端采用最大似然检测技术。因为MC-CDMA的一个 OFDM符号包含多个窄带的子载波信号,可通过选择适当的子载波数日,使得每个子载波信号的符号周期远远大于时延扩展,所以MC-CDMA对信道的时延扩展不敏感:同时,相同的信息符号在不同的子载波上同时发送,一般来说,不可能所有的子载波都同时处于深衰落中。因此,MC-CDMA可以达到频率分集的效果。

Yee 和Linnartz提出简单易行的MC-CDMA接收机模型,它通过相干接收和一个具有可变增益因子的合并器,将信号很好的恢复出来。合并器中每路的增益因子与相对应子载波的信道特性的数是相关的。1994 年,Yee 和Linnartz根据维纳滤波器原理,又提出了最佳增益因子的合并方式,这种合并方式同时考虑了噪声干扰和其他用户的干扰,能有效对抗多用户干扰。最大似然检测技术类似于多用户检测的作用,它的复杂度随着扩频码长度的增加呈指数上升。为了降低复杂度,系统采用了较短的扩频码,但是又为了不降低系统容量,将子载波分为若F组使用,实际上是采用频分和码分相结合的技术。

1.发射机模型

MC-CDMA是在频域内使用扩频序列对原始信号进行扩频。在多载波系统中,原始输入数据速率很高,经过串并转换,每个数据符号的周期变长,不易受到频率选择性衰落的影响,因此每个子载波可以认为是频率非选择性衰落信道。同时每个数据周期变长更容易实现同步。


在MC-CDMA系统中,扩频序列一般是沃什(WH,Walsh -Hardmard)码,这种码序列具有很好的互相关特性,而且在码组内所有的码序列是相互正交的。在MC-CDMA系统中,只要保证完善的定时同步以及理想的信道佔计,很容易做到恢复不同用户扩频码之间的正交性。因此系统能容纳的最大用户数目等于扩频码长度,从而提高系统的容量。

2.信道模型


多径衰落信道会产生多径效应和多普勒频移。多径效应可以由最大多径时延来表征,而多普勒频移,则可以由频域中的衰落来表示。

而如果发送信号的信道的带宽和周期远大于最大多径时延和多普勒频移,则可以被看为频率非选择性慢衰落信道。

3.接收机模型

接收机模型(针对第u个用户信号的接收)如图所示。接收机端的信号进行与发射端相反的一系列操作,去保护间隔,串并变换,FFT变换。在FFT变换之后要通过信道估计获取信道信息从而完成以后的合并。在进入合并模块前,第u个用户每路载波的接收信号乘以增益因子完成信道均衡和信号解扩,因此增益因了不但包含信道信息,还有扩频码信息。

(注:有的文献将信道均衡和信号解扩分开进行,这样增益因子只和信道特性有关)。合并模块是将传输相同信息的子载波数据线性叠加,送入解调器进行判决,最后恢复出原始信息数据。

4.检测合并技术

这里主要介绍最基本的4种方案,分别为:恢复正交性合并(ORC, Orthogonality Restoring Combing)、等增益合并(EGC,Equal Gain Combining)、最大比合并(MRC, Maximum Ratio Combining)和最小均方差合并(MMSEC, Minimum Mean Square Eror Combining)。

只对传输中的一路数据进行分析可以得到下图的情况

4.1正交恢复合并(ORC)

正交恢复合并的原则是在接收机端纠正信道的相位和幅度衰落,恢复不同扩频序列的正交性。

4.2等增益合并(EGC)

4.3 最大比合并(MRC)

4.4 最小均方差合并(MMSEC)

最小均方差合并可以有效的控制噪声和用户之间的干扰。它所使用的准则是使合并模块期望输出值和实际输出值之间的均方误差最小化。

4.5 多用户检测

由于引入了CDMA技术,MC-CDMA也是一种干扰受限系统。特别是在多用户的情况下,由于扩频码引入的多址串扰对误码率的影响远大于高斯噪声的影响, 所以,此时单纯依靠提高信噪比已不可能达到改善误码率性能的效果,**对于MC-CDMA系统而言,不同用户的信息是通过不同的沃什扩频序列来识别的,**同时各子信道衰落的不一致将会破坏扩频序列的正交性。如果是在上行链路,每个用户之间不可能达到同步发送,每个用户之间的子信道衰落也不会相何,在这种情况下,若要做到恢复扩频序列的正交性,对信道估计和均衡的要求都很高。上面所述的单用户检测技术没有考虑到多用户F扰的问题,在遭受到严重多址干扰时候,不可能获得满意的系统性能。

最大似然检测技术(MLD, Maximum Likelihood Detection), 它的基本思想就是计算接收到的序列与所有可能传输序列间的欧氏距离,从而选择最可能的传输序列。这是一种最优的多用户检测技术,该算法的精确度高,仰是对接收机而言,需要知道所有用户的信息,同时算法的复杂度随着用户数月的增加呈指数增长。为了实用,有人将这种算法做了进一步的改善,而获得次优的性能。先对所有的用户进行分组,每组中使用相同的扩频序列进行扩频,而每组内采用的新的扩频序列来识别不同的用户信息;这样首先利用MLD算法检测对应的组,在该组中,再次利用MLD算法检测有用信号。由于所用扩频序列长度缩短,因此虽然采用了两次MLD算法,但是每次算法的复杂度却大大下降,而且每次搜索序列的时间都大大缩短,总体上看,采用这种两级检测算法比单纯的一级检测有史高的有效性。

迭代检测(ID,Iterative Detection)算法也是一种常用的多用户检测技术。 迭代算法每次检测出当前所有激活用户的信息,然后从总的信息中减去不需要的其他用户的成分,再进行下次选代检测。这种算法也可以成为一种干扰相消的算法,如果每次检测出一个用户的信息,再从接收信号中减去这个用户的估计值,逐次消去一个用户信息直至获得有用用户的信息,这个过程被称为串行干扰消除。如果是在一次检测计算中获得所有干扰信号,然后一次减去干扰信号而得到有用信号,这个过程被称并行干扰消除。 而在MC-CDMA中引入这种迭代算法,干扰信号的获取就利用了单用户检测技术。很明显,迭代检测算法使用的迭代次数越多,性能越好,但同时复杂度也大大提高。事实上,第一次迭代检测后,性能的改善最大,因此一般只采用两级迭代检测:例如EGC-EGC多用户检测、MMSEC-MMSEC多用户检测等。

在系统负荷较轻时,迭代检测算法可能比一般的检测方法效果更差,因为此时多址干扰并不是影响误码率的主要因素,特别是在信噪比较低的情况下,达代检测算法对其他活动用户发送信息的估计误差较大,这样不但不能消除其他用户的干扰,反而会产生更多的负面影响。

需要注意的是,在接收机端使用多用户检测技术,要获取当前所有活动用户的信息,只有基站才能做到这点,因此这种检测技术非常适用于上行链路。虽然多用户检测技术可以有效消除多址干扰,提高系统性能,但是它的计算复杂度相当高,同时在接收机还偶要使用额外的反馈机制,这是制约该算法投入实际应用的重要因素。因此,改进现有的多用户检测算法,获取吏简单易实现的接收机算法值得深入研究的课题。

5.性能比较

在4种合并方式在不同的环境下的性能比较分析。单用户检测技术在下行链路得到比较满意的误码率性能曲线。但是在上行链路中,各用户之间很难保证完全的同步,扩频序列之间的正交性更易遭到破坏,多用户干扰更严重。

5.1下行链路

随着信噪比的增加,4种合并技术的误比特率曲线逐渐下降,说明系统性能随信噪比提高获得明显改善。同时也可看到,采用ORC方式,虽然没有受到多用户的干扰,但会对噪声有过度的放大作用,整个系统的误比特率偏高,因此在实际应用中,即使可以获取很好的信道信息,也不选取这种合并方式。

在单用户的情况下,MRC是这4种方式中最好的方案:随着活动用户数量的增加,平均信噪比的增加对系统的误码率改善不大,这是因为MRC任合并的过程中没有考虑扩频序列之间的正交性失真。也就是说,如果用户之间不能支持正交性,MRC会使这种负面效应更加严重。当系统的负荷较重时,EGC优于MRC。而采用EGC合并时,系统内同时激活的用户数月和平均信噪比对系统误比特率性能都有比较大的影响。MMSEC考虑到噪声和其他用户的干扰,对多址干扰不是太敏感,具有最好的性能。但是,MMSEC除了害要获得必要的信道信息以外,还需要增加一些额外开销,如当前活动的用户数H、噪声功率,这样会提高接收机的复杂度。因此,如果用户数不多,系统负荷较轻,可以号患采用EGC合并方案。

5.2上行链路

上行链路中,MRC的性能一直优于 EGC。MMSEC同样还是一-种最优的合并方式。 但是由于上行链路中很难保证用户数据的同步发送,多址干扰严重影响了MC-CDMA系统性能。只有在单用户发送时,采用MMSEC合并的MC-CDMA的系统性能优于DS-CDMA.在其他情况下,MC-CDMA的性能都会比DS-CDMA差。

6.MC-CDMA扩频序列

由于沃什正交码具有很好的正交性,下行链路广 泛采用这种码作为用户的扩频序列。如果是在理想信道中传送,能保证沃什码的正交性,接收机端就能完全恢复出用户信息。但是实际的信道总存在衰落,这种衰落势必破坏扩频序列之间的正交性,产生多址干扰,从而降低系统性能。前面章节提到的接收合并技术并没有考虑其他用户的干扰,因此只能获得次优性能。任接收机端采用多用户检测技术能有效消除多址干扰,但其复杂度也是很高的。因此,针对扩频序列设计考虑,选择一组好的扩频序列或者是对现有的扩频序列进行改进来降低多址干扰。这种方法实现起来方便而且可以获得系统性能的改善。

6.1扩频序列分配策略

采用扩频序列分配策略的出发点在于网络在大多数的情况下通常不会满负荷运行,而会预留出一部分未使用的扩频序列。这就提供了这样一个机会,可以在所有的扩频序列组中,根据网络状况,从中挑选出一组扩频序列。当前的用户使用这组扩频序列时,多址干扰能达到最小。当在频率选择性信道中传输时,这种优化的扩频序列组合会有更好的性能增益。

6.2 复数形式扩频码的应用

MC-CDMA系统一般使用实沃什正交码扩频,这种正交码是由+1和-1组成的集合。如果采用复数形式的扩频码,可以将佔号分为相互正交的两部分同时传送,这样明以降低多径衰落带来的负面影响,减少米自其他用户的干扰。这种复扩频的方式,设计接收机端的相关器也比较简单,易于实现。

7.VSF-OFCDM

7.1 VSF-OFCDM发射机原理

正交频率码分复用(OFCDM,Orthogonal Frequency Code Division Multiplex) 是以MC-CDMA和OFDM为基础的技术,其本质 MC-CDMA .样, 每个了载波上能传输较低的符号速率,这样可以有效的抑制多径I扰(MPI, Multipath Interference),这种干扰在宽带信道中尤为明显。同时,在OFCDM系统中,利用扩频和编码,可以达到很好的频率分集的效果。最近提出的具有可变扩频因了OFCDM(VSF-OFCDM,Varible Spreading Factor-OFCDM),根据小区的结构和无线链路的状况灵活调整打频因子,能够支持面向特定区域(如办公室等)的服务,也能支持多小区(如蜂窝系统等)的服务。



7.2导频辅助MMSE合并方案

在宽带信道中,OPCDM技术能获得很高的系统吞吐量,但是,由于复用码道之间的正交性失真,同样会使系统的性能卜降。在前面提出的儿种合并方案中,MMSEC是性能最优的方案。

在MMSEC中,要获得最优的加权因子,只有采用自适应的算法才能准确估计信道衰落系数,而在宽带分组传送中,采用自适应算法进行信道估计复杂度高,准确性低,因此,提出了次优的MMSEC合并方案。前面已讨论, MMSEC合并必须获得三个参数:每个子载波的信道衰落因子、噪声功率和当前激活的用户数目。先前说过,这些参数足通过理想估计获取的。任实际应用中,对于这些参数是不可能通过理想估计来完成。在基于VSF-OFCDM系统中,有人提出了基于导频辅助的MMSEC合并方案。这种方案是在一帧数据中,通过时分复用的方式插入导频信道,通过利用在导频信道中传输的数据来估计这3个必要的参数取值。

7.3二维扩频VSF-OFCDM

8. 高速高容量的宽带无线接入技术







OFDM学习笔记(八)(MC-CDMA)相关推荐

  1. ReactJS学习笔记八:动画

    ReactJS学习笔记八:动画 分类: react学习笔记 javascript2015-07-06 20:27 321人阅读 评论(0) 收藏 举报 react动画 目录(?)[+] 这里只讨论Re ...

  2. 【opencv学习笔记八】创建TrackBar轨迹条

    createTrackbar这个函数我们以后会经常用到,它创建一个可以调整数值的轨迹条,并将轨迹条附加到指定的窗口上,使用起来很方便.首先大家要记住,它往往会和一个回调函数配合起来使用.先看下他的函数 ...

  3. python3.4学习笔记(八) Python第三方库安装与使用,包管理工具解惑

    python3.4学习笔记(八) Python第三方库安装与使用,包管理工具解惑 许多人在安装Python第三方库的时候, 经常会为一个问题困扰:到底应该下载什么格式的文件? 当我们点开下载页时, 一 ...

  4. ROS学习笔记八:创建ROS msg和srv

    ROS学习笔记八:创建ROS msg和srv 本节主要讲述了如何创建和建立ROS msg和srv,同时使用命令行工具rosmsg.rossrv和roscp. msg和srv简介 msg:描述ROS m ...

  5. Halcon 学习笔记八:颜色识别

    Halcon 学习笔记八:颜色识别 一.图像处理需要的知识 二.图像处理的预处理和分割过程 二.颜色识别的方法 三.例子一 四.例子二 五.例子三 一.图像处理需要的知识 1.图像处理基础(rgb(h ...

  6. ZooKeeper学习笔记(八):ZooKeeper集群写数据原理

    写数据原理 写流程直接请求发送给Leader节点 这里假设集群中有三个zookeeper服务端 ACK (Acknowledge character)即是确认字符,在数据通信中,接收站发给发送站的一种 ...

  7. MongoDB 学习笔记八 复制、分片、备份与恢复、监控

    MongoDB 学习笔记八 复制.分片.备份与恢复.监控 MongoDB复制(副本集) 什么是复制? MongoDB 复制原理 MongoDB 副本集设置 副本集添加成员 MongoDB 分片 分片 ...

  8. python3第三方库手册_python3.4学习笔记(八) Python第三方库安装与使用,包管理工具解惑...

    python3.4学习笔记(八) Python第三方库安装与使用,包管理工具解惑 许多人在安装Python第三方库的时候, 经常会为一个问题困扰:到底应该下载什么格式的文件? 当我们点开下载页时, 一 ...

  9. Polyworks脚本开发学习笔记(八)-组合运用命令批量改名

    Polyworks脚本开发学习笔记(八)-组合运用命令批量改名 需求解析 以下是使用包边比较点创建的一组包边点(即Gap点)和曲面点-包边点(即Flush点),这种命名方式不太常规,改为Gap和Flu ...

  10. Redis 学习笔记八:集群模式

    Redis 学习笔记八:集群模式 作者:Grey 原文地址: 博客园:Redis 学习笔记八:集群模式 CSDN:Redis 学习笔记八:集群模式 前面提到的Redis 学习笔记七:主从复制和哨兵只能 ...

最新文章

  1. AI算法 真的能算出人类的欲望吗?
  2. 1.单机部署hadoop测试环境
  3. 飞畅 Profibus总线光纤中继器产品介绍
  4. AI应用开发实战系列之二:从零开始搭建macOS开发环境
  5. Hadoop框架:HDFS读写机制与API详解
  6. big5码在线转换_【开源】基于 SpringBoot 的 web kettle 在线采集平台
  7. 60-100-024-使用-MySQL 表锁
  8. matlab2c使用c++实现matlab函数系列教程-conj函数
  9. Unity3d场景漫游---iTween实现
  10. windows server 2012 --安装远程桌面服务后无法远程的问题
  11. 【.Net Framework 体积大?】不安装.net framework 也能运行!?原理补充-3
  12. 三、Linux常用命令——权限管理命令
  13. jquery 多个class操作
  14. 【数学建模】相关软件
  15. 戴尔计算机更新程序,戴尔电脑怎么关闭自动更新系统
  16. iOS 苹果自带地图需求开发——1
  17. 【Laravel笔记】12. 模型的预加载
  18. JS判断字符是否为数字类型
  19. exlc如何对比_excel表格图形数据比较-Excel如何做柱状对比图
  20. 软件“吃掉”创新 企业如何深陷罗网?

热门文章

  1. R语言向前或者向后移动时间序列数据(自定义滞后或者超前的期数):使用lag函数将时间序列数据向后移动一天(设置参数k为负值)
  2. Swift - is(类型转换)和 as(类型转换)
  3. Java Types
  4. Maya2012中英文对照表(二)
  5. 计算机图形学OpenGL中的glLoadIdentity、glTranslatef、glRotatef原理,用法 .(转)
  6. mac终端命令显示/隐藏文件夹
  7. 在python中、关于全局变量和局部变量、以下_python中的全局变量和局部变量
  8. 网络训练若干问题小结
  9. Python爬虫之selenium对标签页切换、切换frame标签、cookie处理、执行js代码、开启无界面、以及使用代理ip和替换user-agent等方法
  10. html5css设置链接颜色,html超链接颜色设置