移动通信系统关键技术多址接入MIMO学习(8)

1.Multiple-antenna Techniques多天线技术MIMO,从SISO到SIMO到MISO到如今的MIMO;

2.SIMO单发多收,分为选择合并、增益合并;SIMO,基站通过两路路径将信号发送到终端,因为终端接收到的两路信号都是来自同一天线,所以数据是一样的,这是一种接收分集技术。

选择合并:接收天线多个中选择最大的SNR;

增益合并:信噪比较高的加权应在最终信号中发挥更重要的作用,利用所有接收到的信号根据权重进行最大比合并(MRC);

3.MISO多发单收,信道有反馈则为波束形成;信道无反馈,则为预处理 (空时编码);MISO 中,终端只有单根天线,基站多根天线发出的信号最终在终端处要合成一路信号,所以此时基站多根天线发出的信号都是相同的,这种是发送分集技术。

信道有反馈则为波束形成:匹配波束形成或传统波束形成或发射MRC;

无反馈:通过空时编码的发射分集,发射机侧不需要信道信息,双发射天线系统。

4.MIMO(Multiple-Input Multiple-Output System)多发多收系统。

MIMO的本质就是一种复杂的分集技术,它通过空间复用空间分集这两种方式来提高信息传输速率或改善系统性能。空间分集是为了提高系统的鲁棒性 (在异常的情况下维持某种性能的特性),而空间复用更多的是为了提高系统的吞吐量;这两种技术都可以有效的提高信号增益。

空间分集就是把信息符号的多个独立衰落的副本提供给接收机,减小信号深度衰落的概率,从而达到改善系统性能的目的。

空间复用,对于 MIMO 无线通信系统,衰落对于各个收发天线之间是独立的,因此可以将 MIMO 信道看成是多个并行的空间子信道。复用就是在多条独立的路径上传输不同数据,提高系统容量。

5.相对 SISO,SIMO 如何改进性能? SIMO 可以应用在移动通信系统的基站端还是终端?为什么?

答:SIMO 在上行传输过程中使用接收分集提高系统容量,SIMO 应用在基站端,基站为接收端,基站做多天线分集接收和信号合并。

6.相对 SISO,MISO 如何改进性能?MISO 可以应用在移动通信系统的基站端还是终端?为什么?MISO 和 SIMO 技术的主要区别在哪里?

答:MISO 在下行传输过程中使用发送分集提高系统容量,MISO 应用在用户端,用户端作为接收端,基站做多天线分集发送。

MISO 和 SIMO 的区别在于一个是在发送端使用多天线发送,一个是在接收端多天线接收。

7.空间多路复用(Spatial Multiplexing):在两个天线上在一个符号周期内传输的两个符号,吞吐量翻了一番;

8.MIMO系统为了获得最大的分集增益,应采取Dominant Eigenmode(主导特征模态)还是Multiple Eigenmode(多特征模态)? 发送端该如何设置?接收端该如何设置?

答:为了获得最大的分集增益,MIMO系统通常采用Dominant Eigenmode(主导特征模态)传输,其中发送端主要采用预编码技术来实现信号的预处理,而接收端则根据信道状态信息进行信号检测和解码。

9.MIMO系统为了获得最大的空间复用增益,应采取Dominant Eigenmode(主导特征模态)还是Multiple Eigenmode(多特征模态)? 发送端该如何设置接收端该如何设置?

答:为了获得最大的空间复用增益,MIMO系统通常采用Multiple Eigenmode(多特征模态)传输,其中发送端需要进行波束赋形和预编码处理,而接收端则需要进行信号检测和最大比合并操作。

10.考虑2x2的MIMO系统,采用Alamouti机制,请推导Alamouti机制下接收端可获得的SNR表达式。

答:根据Alamouti Code 的方案可得下图:

11.在利用多天线最大化分集增益时,每根发送天线上传送的信号是相同的还是不同的?在利用多天线进行空间复用时,每根发送天线上传送的信号是相同的还是不同的?为什么?

答:为最大化分集增益,每根天线上应发送相同的信号;

为最大化复用增益,每根天线上应发送不同的信号,因为空间复用则需要同时传输多个独立的数据流来提高吞吐量。

12.已知发送端采用 BPSK 调制,数据符号功率为 1,Simple example received signal接收信号的简单示例: Y=\begin{bmatrix} 1.0\\ -1.2 \end{bmatrix},𝑐ℎ𝑎𝑛𝑛𝑒𝑙𝑚𝑎𝑡𝑟𝑖𝑥矩阵信号:H=\begin{bmatrix} 1.2 &0.3 \\ -0.8 &0.5 \end{bmatrix},求s=?

请给出MLD的的中英文全称,并用 MLD 算法求取 S。

答:最大似然检测MLD(maximum likehood detection),因为 Y=HX+N ,一一列举X值的所有可能,\arg min_x\left \| Y-HX \right \|^2

13.与上一题相同的条件下,请给出 ZF 和 MMSE 的中英文全称,并用 ZF 检测算法求取 S。

答:最大比合并MRC(maximum ratio combining),\hat{X}=H^HY

破零检测(zero forcing, ZF)和最小二乘法 LS(least square),将 X 看为是任意值,求解\arg min_X\left \| Y-HX \right \|^2,    \hat{X}=H^+Y=H^H(HH^H)^{-1}H^HY

最小均方误差(minimum mean square error, MMSE),将 X 看为是任意值,求解\arg min_X\left \| WY-X \right \|^2,    \hat{X}=WY=H^H(HH^H+\frac{\sigma ^2}{P_s})^{-1}Y

14.与 ZF/MMSE 相比,MLD 的优势在哪里?缺点在哪里?

答:MLD 检测即有分集增益,又有复用增益,检测性能好,但是复杂度较高。检测性能排序是: MLD>MMSE>ZF>MRC,MMSE 和 ZF 都不具有分集增益,而MMSE 因为利用 SNR 信息,检测效果更好。

15.IC 全称是什么?其作用是什么?

答:干扰消除(Interference Cancellation, IC),先检测一个符号(正确检测),将该符号的影响减去,增加系统分集增益。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/614282.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

旋转的表示

欢迎访问我的博客首页。 旋转的表示 1.旋转轴的性质2.罗德里格斯公式3.右雅可比矩阵 三维空间内的旋转可以由三维旋转向量 n θ \bm n \theta nθ 表示。其中,单位向量 n \bm n n 表示旋转轴, θ \theta θ 表示旋转角度。旋转向量由一个轴和一个角表示…

大模型训练营Day3 基于 InternLM 和 LangChain 搭建你的知识库

本次的授课人是一个提示词开发项目的负责人。下面一起进入本期课程吧》 本次课程内容主要如下: 开篇交代了大模型的局限性,然后引出主题: 简单总结,大模型是根据数据集训练,很难使用具有实时性的数据进行重新训练&am…

Hana 实时数据同步优化(3)

简述 CloudCanal 近期对 Hana 源端链路做了新一轮优化,优化点主要来自用户实际场景使用,这篇文章简要做下分享。 本轮优化主要包含: 新增任务级增量表新增增量表定时清理能力新增增量表表结构自动演进能力任务延迟判定优化Hana 1.x 的兼容产品化和文档…

Oracle数据库19c OCP 1z0-082考场真题解析第24题

考试科目:1Z0-082 考试题量:90 通过分数:60% 考试时间:150min 本文为云贝教育郭一军guoyJoe原创,请尊重知识产权,转发请注明出处,不接受任何抄袭、演绎和未经注明出处的转载。【云贝教育】Orac…

玻璃酒瓶市场分析:行业仍呈现长期向好的发展势头

玻璃工艺酒瓶的外表可以让别人领略到中国酒文化的艺术价值。在这些玻璃上,风景、人物、动物、书法艺术等图案记载着酒的历史、典故、产地等信息,此外青花、粉彩、素釉、斗彩、珐琅彩和五彩等瓷艺无所不包,算得上是现代藏品中的"古玩会&q…

X3En【禾川】

地址: P9-00 波特率:【005】 DI: P4.0 滤波【微秒us】P4.1 DI1【1】使能 P4.2 DI2【2】复位 P4.3 DI3【13】禁止脉冲 P4.4 DI4【5】 P4.5 DI5【25】 P4.6 DI6【14】 P4.7 DI7【15】 P4.8 DI8【0】 P4.9 DI9【0】P4.11 DI1【逻辑】0低电…

Nacos:微服务架构的得力助手

Nacos是一个开源的、易于使用的平台,用于构建云原生应用和微服务架构。它提供了一系列关键功能,帮助开发者更高效地管理和协调微服务。 一、Nacos的功能 1. 服务发现:在微服务架构中,服务的网络位置是动态变化的。Nacos通过服务注…

Java并发之互斥一:管程

1、简单聊聊什么是管程模型 (共享资源):定义一个共享变量,可以理解锁,令牌这类的东西(互斥访问共享资源):获取这个锁、令牌的时候是排好队的,只允许单线程访问&#xff…

Gorm 数据库表迁移与表模型定义

文章目录 一、Docker快速创建MySQL实例1.1 创建1.3 创建数据库 二、AutoMigrate介绍与使用2.1 AutoMigrate介绍2.2 AutoMigrate 基本使用 三、模型定义3.1 模型定义3.2 快速增删改查3.3 约定3.4 gorm.Model 四、表模型主键、表名、列名的约定4.1 主键(Primary Key&a…

动态规划Day02

62.不同路径 力扣题目链接(opens new window) 一个机器人位于一个 m x n 网格的左上角 (起始点在下图中标记为 “Start” )。 机器人每次只能向下或者向右移动一步。机器人试图达到网格的右下角(在下图中标记为 “Finish” )。…

WPF XAML(一)

一、XAML的含义 问:XAML的含义是什么?为什么WPF中会使用XAML?而不是别的? 答:在XAML是基于XML的格式,XML的优点在于设计目标是具有逻辑性易读而且简单内容也没有被压缩。 其中需要提一下XAML文件在 Visu…

HR_net逐步实现过程(2.2)

1.numpy实现数组卷积操作 这里是一个矩阵,换个图试一下 import numpy as np #输入数组 input_imagenp.array([[1,2,3],[4,5,6],[7,8,9]]) #卷积核 kernelnp.array([[1,0],[0,1]]) #卷积操作 output_imagenp.zeros((2,2)) for i in range(2):for j in range(2):out…

1886_emacs_v29中的行号配置

Grey 全部学习内容汇总: GitHub - GreyZhang/editors_skills: Summary for some common editor skills I used. emacs 29中的行号显示配置 行号显示 行号显示是一个编辑器中很常见的功能,我觉得这个功能的需求度可能因人群或者个人习惯而不同。对于只…

【python、pytorch】NLP模型

自然语言处理(Natural Language Processing,简称NLP)是计算机科学与语言学中关注于计算机与人类语言间转换的领域。 1. 文本预处理 文本预处理详情 4. RNN模型

如何给字符串字段添加索引

MySQL是支持前缀索引的,可以定义字符串的一部分作为索引,如果创建索引的语句不指定前缀长度,那么索引就会包含整个字符串。 alter table SUser add index index1(email);alter table SUser add index index2(email(6)); 如上两个创建索引的语…

完整的模型训练套路(一、二、三)

搭建神经网络 model import torch from torch import nn#搭建神经网络 class Tudui(nn.Module):def __init__(self):super(Tudui, self).__init__()self.model nn.Sequential(nn.Conv2d(3, 32, 5, 1, 2),nn.MaxPool2d(2),nn.Conv2d(32, 32, 5, 1, 2),nn.MaxPool2d(2),nn.Conv…

Godot游戏引擎有啥优势

游戏开发是一个充满创造力和技术挑战的领域。选择适合的游戏引擎是开发过程中至关重要的决策。在众多的游戏引擎中,Godot以其许多的优势吸引着越来越多的开发者。下面简单的介绍一下Godot游戏引擎的优势。 免费和开源 Godot游戏引擎的免费和开源特性是优势之一。开…

动态规划day03

343. 整数拆分(第二次做还是没弄明白) 力扣题目链接(opens new window) 给定一个正整数 n,将其拆分为至少两个正整数的和,并使这些整数的乘积最大化。 返回你可以获得的最大乘积。 示例 1: 输入: 2输出: 1解释: 2 1 1, 1 1 1。 示例 2: 输入: …

redis 相关面试题(一)

redis 相关面试题(一) 文章目录 redis 相关面试题(一)**面试官**:什么是缓存穿透 ? 怎么解决 ?**面试官**:好的,你能介绍一下布隆过滤器吗?**面试官**:什么是缓存击穿 …

Vue2-导航守卫

在Vue中,导航守卫是一组用于控制路由导航的钩子函数。这些钩子函数允许你在路由导航的不同阶段执行一些操作,比如在路由切换之前进行验证、处理路由变化等。 Vue提供了三种类型的导航守卫: 全局前置守卫:在路由切换之前执行&…