diversity order

原文地址:Diversity order, 分级阶数作者:abracadabra

分集阶数(diversity order):指独立的支路衰落数,若每对接收天线间的衰落都独立,则分集阶数=分集天线数Nt*接收天线数Nr,分集阶数越多,可以获得的最大分集增益 越大,对系统性能改善越多,在多径信道下分集阶数还会增加,分集阶数 = 分集天线数Nt*接收天线数Nr*信道多径数,实际空时码的设计会降低分集增益(这个我也不知道为什么)。分集阶数diversity order就是指独立衰落的支路数,在做误码率和中断概率的曲线时,其斜率就是分集阶数。比如有N个中继,再加上直接链路,总共有N+1条链路。此时用数 字来衡量则为每条链路衰落系数之和。在瑞利信道中,衰落系数为1,此时的分集阶数就为N+1;在nakagami信道中,衰落系数为m 则此时就是N+1个m的和,此时m为大于0.5的任何数。

分集阶数=diversity order。数学上判断diversity order比较简单,如果一个信号的SNR是N个独立的随机变量的和,他的diversity order就是N.

其实 分集阶数也叫着分集增益。
分集增益(diversity gain):d = -lim (lg Pe)/ lg SNR,为信噪比SNR趋于无穷时的极限值,系统误码率Pe = a*SNR^ -d,a与原系数相比就是获得的编码增益,分集增益确定的是误码曲线slope,编码增益去诶电脑个其平移距离

最大能获得的复用full multiplexing等于min{Nt, Nr},倒也不一定要接受天线必须大于发射天线,余下的天线可以提供分集增益。。矩阵H至多有m=min{Nt, Nr}个不同的奇异值,至多可分解为m个相互之间不存在耦合的并行子信道
可以阅读Lizhong Zheng的文章 Diversity and Multiplexing: A Fundamental Tradeoff in Multiple-Antenna Channels
Foschini [2] has shown that in the high-SNR regime, the capacity of a channel with transmit, receive antennas, and i.i.d. Rayleigh-faded gains between each antenna pair is given by
C(SNR)=min(Nt, Nr)logSNR+O(1)

[2] G. J. Foschini, “Layered space-time architecture for wireless communication in a fading environment when using multi-element antennas,” Bell Labs Tech. J., vol. 1, no. 2, pp. 41–59, 1996.

空时码的设计会降低分集增益是针对频率选择性衰落信道而言的,由于它不能获得频率分集(多径数量L),不能达到满分集增益。空时码在平坦衰落信道 上可以获得满分集增益。alamouti说他的方案就是在平坦瑞利衰落信道上获得满分集的,主要是通过对2根发射天线上发送的码进行正交化设计。

简单谈一谈我的理解:
分集增益(分集阶数)就是在传输过程中所能提供的最大的同一信号独立副本的个数。分集增益在高信噪比下对系统性能的 提高尤为重要。因为在高信噪比时分集增益近似为误码率曲线的斜率。对一个通信系统来说,可以获得的分集通常与发射接收天线个数,信道长度,极化方式等因素 密切相关。一般常见的分集方式有时间分集,空间分集,频率分集。在一个ofdm调制的多天线频率选择性信道下,可以获得的最大分集阶数为M.N.L.T. 其中M,N为发射接收天线个数,L为信道长度,T为联合编码的时隙长度。采用不同的编码方式,可以获得不同的分集阶数。在平坦mimo信道下,最大分集阶 数为MN。如果信道是选择性的,分集阶数可以扩大L倍。如果再考虑在不同ofdm符号间进行联合编码,分集阶数还可以再增加T倍。当然此时要求不同的 ofdm符号间的信道是不相关的。

http://bbs.cnttr.com/viewthread.php?tid=135850&extra=&page=2

最近在做有关协作通信的项目,里面反复提到分集增益和复用增益不可兼得,其中一个的提高是以另外一个的降低为代价的。这句话我是理解的。
分 集是为了对抗信道衰落的,而复用是为了提高系统容量。

分集阶数可以用MIMO系统中的发射天线和接收天线的数量之积得到,前提是它们经历 了相互独立的衰落。阶数越大,增益越大!
那么复用增益是怎么得到的呢??有没有精确的数学表达式?
主要是我想仿真一下,但是没有准确的数 学表达式,我没法写程序啊!!
谢谢兄弟来解释一下!!!!
tse 的书里面或论文里面可以找到精确的定义
直观的说来复用增益就是 通信速率对于logsnr的倍数

好象DIVERSITY是提高发射和接收抗快衰落能力的
MIMO是MULTIPLEXING的一 种形式,是提高数据吞吐量的.
好象DIVERSITY是提高发射和接收抗快衰落能力的
MIMO是MULTIPLEXING的一种形式,是 提高数据吞吐量的.
两者应该不是一个概念了.

mimo当然也可以用来做diversity用啊,比如最简单的所有的天线都传同样 的数据,或者alamouti也是以提高分集阶数为目标的

用MIMO做分集的功能难道不浪费吗?杀鸡用牛刀了.
MIMO需要多通 道,分集就相对简单多了.当然,我并不否认MIMO的接收本身就有分集的能力.不过在工程上还是有本质的不同了.

分集还是很重要的,以一 般的瑞丽衰落来说,BER约等于1/SNR,这种情况下要想获得足够的troughput靠一个天线升功率是不现实的,spacial diversity还是很重要地方法。换一个角度说,因为diversity gain, 可以使用更高阶的调制方式,达到和复用同样的吞吐量。并且接收机也可以做的更简单。MIMO属于瑞士军刀类型,削苹果,开红酒都可以的。工作性质不同,都 是为了吃吃喝喝,不存在杀牛比杀鸡更高尚的问题。
工程上的本质区别指的是什么意思?呵呵
工程和理论的区别在于实用性和成本了
同意 没有什么高低之分,不过工程上更讲究实用性.
分集接收是2G广泛采用的技术.分集发射在3G中提出,但真用的并不多.MIMO就更少了.这就是现 实.虽然理论上都能实现的.

Diversitynbsp;order,nbsp;分级阶数相关推荐

  1. python cv2 轮廓的包络 面积_Python 基于FIR实现Hilbert滤波器求信号包络详解

    在通信领域,可以通过希尔伯特变换求解解析信号,进而求解窄带信号的包络. 实现希尔伯特变换有两种方法,一种是对信号做FFT,单后只保留单边频谱,在做IFFT,我们称之为频域方法:另一种是基于FIR根据传 ...

  2. pythonchar中的拟合方法_在python中利用numpy求解多项式以及多项式拟合的方法

    构建一个二阶多项式:x^2 - 4x + 3 多项式求解 >>> p = np.poly1d([1,-4,3]) #二阶多项式系数 >>> p(0) #自变量为0时 ...

  3. python优雅编程_Python优雅地可视化数据

    [导读]声明:由于本文的代码大部分是参考书中的例子,所以不提供完整代码,只提供示例片段,也就是只能看出某一部分用法,感兴趣的需要在自己的数据上学习测试. 声明:由于本文的代码大部分是参考书中的例子,所 ...

  4. Python小白的数学建模课-23.数据拟合全集

    拟合是用一个连续函数(曲线)靠近给定的离散数据,使其与给定的数据相吻合. 数据拟合的算法相对比较简单,但调用不同工具和方法时的函数定义和参数设置有所差异,往往使小白感到困惑. 本文基于 Scipy 工 ...

  5. Python优雅地可视化数据

    北京 上海巡回站 | NVIDIA DLI 深度学习培训 2018年1月26日/1月12日 NVIDIA DLI 深度学习学院 带你快读进入火热的DL领域 阅读全文 > 正文共3425个字,9张 ...

  6. 在线可视化python网站_利用Python优雅地可视化数据

    作者:刘潇龙 最近看<机器学习系统设计>...前两章.学到了一些用 Matplotlib 进行数据可视化的方法.在这里整理一下. 声明:由于本文的代码大部分是参考书中的例子,所以不提供完整 ...

  7. python多项式求导_Python求离散序列导数的示例

    有一组4096长度的数据,需要找到一阶导数从正到负的点,和三阶导数从负到正的点,截取了一小段. 394.0 388.0 389.0 388.0 388.0 392.0 393.0 395.0 395. ...

  8. R语言 时间序列arima模型

    基本理论知识    ARMA模型称为自回归移动平均模型,是时间序列里常用的模型之一.ARMA模型是对不含季节变动的平稳序列进行建模.它将序列值表示为过去值和过去扰动项的加权和.模型形式如下: yt=c ...

  9. 时间序列基础操作:使用python与eviews对AR与ARMA模型进行定阶与预报

    一般处理时间序列的基本过程: 几种基础时间序列模型: 目录 一.Python处理 1.1.step1:平稳性检验与白噪音检验 1.1.1平稳性检验:ADF检验 1.1.2差分修正: 1.1.3白噪音检 ...

最新文章

  1. spring整合redis缓存
  2. 论文笔记:Weighted Graph Cuts without Eigenvectors:A Multilevel Approach
  3. 数字签名时间戳服务器的原理 !
  4. java pdf电子签名_如何使用java在数字签名的pdf中添加空白页?
  5. UVA 536——Tree Recovery
  6. php oracle 需要libmysql.dll么_,Windows7环境下Apache+PHP+MySQL完美配置
  7. vue-cli4.0打包之后,页面空白,路由404
  8. useradd或adduser命令
  9. Transformer原理解析——一种Open AI和DeepMind都在用的神经网络架构
  10. 时钟分频中的计数值问题
  11. 条条道路通向SAN iSCSI SAN完全解读之基础篇
  12. 项目合作需求、数据集合作需求
  13. 《Java并发编程实战》【第四部分 高级主题】
  14. 老罗Android开发视频教程(Android入门介绍)九集集合
  15. 深度解读德勤RPA2020年市场调研报告
  16. java ajax是什么东东_Ajax是什么意思,它是在做什么用的?
  17. uboot2021.10-nandflash-1.nand_fill_oob
  18. python time strptime_Python time.strptime方法代碼示例
  19. SATA硬盘的数据和电源接口定义
  20. linux有趣的命令播放电影,常用的Linux命令片段

热门文章

  1. 手动将jar加入到maven仓库
  2. python根据经纬度确定省份_根据经纬度定位用户所在城市
  3. Linux C高阶(21)监听键盘单个按键输入
  4. flex4/air 护眼健康卫士(源码/air安装包)
  5. 工艺路线Routing
  6. 总结避免死锁的几种方法
  7. php 不重复邀请码,PHP生成不重复的短邀请码函数
  8. NovAtel Inertial Explorer(历史版本)
  9. 月薪10K码农,跳槽到40K架构师,技术学习路线图汇总
  10. 计算机组成原理8位串行可控加减法器