最大比率传输(Maximum Ratio Transmission, MRT)原理分析
转载请注明出处。
最大比率发射(Maximum Ratio Transmission, MRT)是文献中经常看见的一个词,今天就在这里做一下笔记。
参考文献为:T. K. Y. Lo, "Maximum ratio transmission," in IEEE Transactions on Communications, vol. 47, no. 10, pp. 1458-1461, Oct. 1999. doi: 10.1109/26.795811
1. 背景
无线通信系统受到的最不利的传播影响是多径衰落。天线分集技术是无线通信工程师对抗多径衰落的常用方法之一。一种经典的组合技术是最大比率组合(MRC),MRC中来自接收天线单元的信号被加权,使得其和的信噪比(SNR)最大。目前为止,MRC技术仅用于接收应用处理中。随着越来越多的无线业务的出现,越来越多的应用可能需要在发射机或发射机和接收机处进行分集以对抗严重的衰落效应。因此提出了一些方案,比如延迟发射分集方案。
然而,这些发射分集技术建立在目标的基础上,而不是最大化信噪比。也就是说,就信噪比性能而言,它们是次优的。因此,本文将从概念和原理上建立最大传动比(MRT)的框架。它可以看作是多发射天线和多接收天线最大比值算法的推广。它还为系统利用发射分集和接收分集获得最佳性能提供了参考。
2. 系统模型
发射端配备 \(K\) 根天线,接收端配备 \(L\) 根发射天线,其系统模型如图1所示:

假设其信道 \(\pmb{H}\) 是统计信道,可以表示为:

这里 \(h_{pk}\) 表示第 \(k\) 根天线和第 \(p\) 根天线的信道系数。
\]
这里发射的信号 \(\boldsymbol{s}\) 表示为
\]
\({\pmb{n}} = {[{n_1} \cdots {n_L}]^{\rm T}}\) 表示加性高斯白噪声。
3. 最大比率发射(MRT)原理
为了从信道矩阵生成 \(K \times 1\) 的传输权重向量,需要进行线性变换,即:
\]
这里 \({\pmb{g}} = [{g_1} \cdots {g_L}]\)。传输信号向量就可以表示为:
\]
归一化因子 \(a\) 必须满足:

因此,接收信号变为:
\]
为了估计发送符号,必须将接收权重向量 \(\pmb{w}\) 应用于接收信号向量 \(\pmb{x}\),如果将 \(\pmb{w}\) 设为 \(\pmb{g}\),那么估计的符号为:
\]
总的SNR为:
\]
这里 \({\gamma _0} = \frac{{\sigma _c^2}}{{\sigma _n^2}}\) 表示单发射天线的平均SNR,(即没有分集)。
从(10)式可知,总SNR和 \(\pmb{g}\) 有关,因此,可以通过选择合适的 \(\pmb{g}\) 来最大化总的SNR。
由于 \(h_{pk}\) 假设在统计意义上是相同的,所以最大化SNR必须满足 \(\left| {{g_1}} \right| = \left| {{g_2}} \right| = \cdots = \left| {{g_L}} \right|\)。在不改变问题性质的情况下,为了简单起见,可以设置 \(\left| {{g_p}} \right| = 1\),因此,总的SNR可以表示为:
\]
所以,当 \({{a^2}}\) 最大时,(11)式就是最大值。那么 \({{a^2}}\) 时就有:
\]
此时,有:
\]
4. 讨论

往期精选:
[1] 线性降维:主成分分析PCA原理分析与仿真验证
[3] 简述3D点云配准算法
[5] 智能算法|以动物命名的算法
[6] 一份超全面的机器学习公共数据集
[7] 矩阵填充|奇异值阈值算法
[8] 可重构/大规模智能反射表面reconfigurable/large intelligent surface综述
[9] 迭代硬阈值类算法总结||IHT/NIHT/CGIHT/HTP
[10] 软阈值迭代算法(ISTA)和快速软阈值迭代算法(FISTA)
[11] 伍德伯里矩阵恒等式(Woodbury matrix identity)
[12] 压缩感知:一种新型亚采样技术
更多精彩内容请关注订阅号优化与算法和加入QQ讨论群1032493483获取更多资料

最大比率传输(Maximum Ratio Transmission, MRT)原理分析的更多相关文章
- SPI协议及工作原理分析
说明.文章摘自:SPI协议及其工作原理分析 http://blog.csdn.net/skyflying2012/article/details/11710801 一.概述. SPI, Serial ...
- TCP协议可靠性数据传输实现原理分析
http://blog.csdn.net/chexlong/article/details/6123087 TCP 协议是一种面向连接的,为不同主机进程间提供可靠数据传输的协议.TCP 协议假定其所使 ...
- Android应用程序组件Content Provider在应用程序之间共享数据的原理分析
文章转载至CSDN社区罗升阳的安卓之旅,原文地址:http://blog.csdn.net/luoshengyang/article/details/6967204 在Android系统中,不同的应用 ...
- 消息队列NetMQ 原理分析1-Context和ZObject
前言 介绍 NetMQ是ZeroMQ的C#移植版本,它是对标准socket接口的扩展.它提供了一种异步消息队列,多消息模式,消息过滤(订阅),对多种传输协议的无缝访问. 当前有2个版本正在维护,版本3 ...
- 消息队列NetMQ 原理分析2-IO线程和完成端口
消息队列NetMQ 原理分析2-IO线程和完成端口 前言 介绍 目的 IO线程 初始化IO线程 Proactor 启动Procator线程轮询 处理socket 获取超时时间 从完成端口获取处理完的状 ...
- 消息队列NetMQ 原理分析3-命令产生/处理和回收线程
消息队列NetMQ 原理分析3-命令产生/处理和回收线程 前言 介绍 目的 命令 命令结构 命令产生 命令处理 创建Socket(SocketBase) 创建连接 创建绑定 回收线程 释放Socket ...
- 消息队列NetMQ 原理分析4-Socket、Session、Option和Pipe
消息队列NetMQ 原理分析4-Socket.Session.Option和Pipe 前言 介绍 目的 Socket 接口实现 内部结构 Session Option Pipe YPipe Msg Y ...
- 消息队列NetMQ 原理分析5-StreamEngine、Encord和Decord
消息队列NetMQ 原理分析5-StreamEngine,Encord和Decord 前言 介绍 目的 StreamEngine 发送数据 接收数据 流程分析 Encoder V2Encoder V1 ...
- java多线程系列(五)---synchronized ReentrantLock volatile Atomic 原理分析
java多线程系列(五)---synchronized ReentrantLock volatile Atomic 原理分析 前言:如有不正确的地方,还望指正. 目录 认识cpu.核心与线程 java ...
随机推荐
- 收费的QQ群 改变的不只是所谓的在线教育
改变的不只是所谓的在线教育" title="收费的QQ群 改变的不只是所谓的在线教育"> 如果说国内互联网企业中最会捞钱的,腾讯敢认第二,恐怕没有其他的企业敢认第一 ...
- Android中Intent的各种常见作用。
Android开发之Intent.Action 1 Intent.ACTION_MAIN String: android.intent.action.MAIN 标识Activity为一个程序的开始. ...
- Java NIO-09-零拷贝之 DMA
DMA 的好处 在介绍DMA之前我想问大家:我们为什么要引入DMA,DMA对我们有什么好处那? 计算机系统中各种常用的数据输入/输出方法有查询方式(包括无条件及条件传送方式)和中断方式,这些方式适用于 ...
- 极验验证码破解之selenium
这一篇写完很久了,因为识别率一直很低,没办法拿出来见大家,所以一直隐藏着,今天终于可以拿出来见见阳光了. 哈喽,大家好,我是星星在线,我又来了,今天给大家带来的是极验验证码的selenium破解之法, ...
- 【h5ai】搭建服务器目录
在前几天,我帮人安装h5ai这个东西,结果直接踩坑,装了一个下午,打算自己也装一个,顺便写一下教程 最终效果演示: https://larsjung.de/h5ai/demo/ 服务器 服务器这里推荐 ...
- C#中使用 正则表达式 替换img中src路径但保留图片名
text = Regex.Replace(text, @"(?i)(?<=<img\b[^>]*?src=\s*(['""]?))([^'"& ...
- NIO-EPollSelectorIpml源码分析
目录 NIO-EPollSelectorIpml源码分析 目录 前言 初始化EPollSelectorProvider 创建EPollSelectorImpl EPollSelectorImpl结构 ...
- PHP网络爬虫实践:抓取百度搜索结果,并分析数据结构
百度的搜索引擎有反爬虫机制,我先直接用guzzle试试水.代码如下: <?php /** * Created by Benjiemin * Date: 2020/3/5 * Time: 14:5 ...
- python之模块中包的介绍
跨文件夹导入模块 1:有文件夹a,名下有ma功能,在文件夹外调用ma功能的话, 导入import a.ma 运用ma() 或者 from a import ma ma() 2;假定a有多重文件夹,想要 ...
- sublime text3 搭建c++/c环境
sublime搭建的c++/c使用很方便,实用性很强,自己阅览了无数的博客,csdn,博客园的都看了,最后还是自己摸索着搭建成功了,如果觉得还不错请给个评论谢谢.(提前声明本人专利不允许转载!!!!) ...