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:

图1. 系统模型

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。

\[{\pmb{x}} = {\boldsymbol{Hs}} + {\boldsymbol{n}} \quad \quad \quad \quad \quad(2)
\]

这里发射的信号 \(\boldsymbol{s}\) 表示为

\[{\pmb{s}} = {[{s_1} \cdots {s_K}]^{\rm T}} = c{[{v_1} \cdots {v_K}]^{\rm T}}
\]

\({\pmb{n}} = {[{n_1} \cdots {n_L}]^{\rm T}}\) 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:

\[{\pmb{v}} = \frac{1}{a}{({\pmb{gH}})^{\rm H}}
\]

这里 \({\pmb{g}} = [{g_1} \cdots {g_L}]\)。传输信号向量就可以表示为:

\[{\pmb{s}} = \frac{c}{a}{({\pmb{gH}})^{\rm H}}
\]

归一化因子 \(a\) 必须满足:

因此,接收信号变为:

\[{\pmb{x}} = \frac{c}{a}{\pmb{H}}{({\pmb{gH}})^{\rm H}} + {\pmb{n}}
\]

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:

\[\tilde c = {\pmb{gx}} = \frac{c}{a}{\pmb{gH}}{({\pmb{gH}})^{\rm H}} + {\pmb{gH}} = ac + {\pmb{gn}}
\]

总的SNR为:

\[\gamma = \frac{{{a^2}}}{{{\pmb{g}}{{\pmb{g}}^{\rm H}}}}{\gamma _0} = \frac{{{a^2}{\gamma _0}}}{{\sum\limits_{p = 1}^L {{{\left| {{g_p}} \right|}^2}} }}\quad \quad \quad\quad\quad(10)
\]

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:

\[\gamma = \frac{{{a^2}}}{L}{\gamma _0} \quad \quad\quad \quad\quad \quad (11)
\]

所以,当 \({{a^2}}\) 最大时,(11)式就是最大值。那么 \({{a^2}}\) 时就有:

\[{({g_p}g_q^*)^*} = \frac{{\sum\limits_{k = 1}^K {{h_{pk}}h_{qk}^*} }}{{\left| {\sum\limits_{k = 1}^K {{h_{pk}}h_{qk}^*} } \right|}}
\]

此时,有:

\[{a^2} = \sum\limits_{p = 1}^L {\sum\limits_{q = 1}^L {\left| {\sum\limits_{k = 1}^K {{h_{pk}}h_{qk}^*} } \right|} }
\]

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

[2] 5G+AI:有哪些新的研究方向和新范式?

[3] 简述3D点云配准算法

[4] 5G为人工智能与工业互联网赋能|79页高清PPT

[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

  1. 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 ...

  2. 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 ...

  3. 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 ...

  4. 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 ...

  5. 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 ...

  6. 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 ...

  7. 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 ...

  8. 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 ...

  9. 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

  1. 重大改革!Python将被加入高考科目!

    未来大学生将分为两种:一种是编程好的人,另一种是编程超好的人. Python 将被纳入高考科目 近期,浙江省信息技术课程改革方案出台,Python 确定进入浙江省信息技术高考,从2018年起浙江省信息 ...

  2. RxJava 2.x 源码分析

    本次分析的 RxJava 版本信息如下: 12 implementation 'io.reactivex.rxjava2:rxandroid:2.0.1'implementation 'io.reac ...

  3. Ta说:2016微软亚洲研究院第二届博士生论坛

    ​ "聚合多元人才创造无尽可能,让每一位优秀博士生得到发声成长机会"可以说是这次微软亚洲研究院博士生论坛最好的归纳了.自去年首次举办以来,这项旨在助力青年研究者成长的项目迅速得到了 ...

  4. Asp.Net Core EndPoint 终点路由工作原理解读

    一.背景 在本打算写一篇关于Identityserver4 的文章时候,确发现自己对EndPoint -终结点路由还不是很了解,故暂时先放弃了IdentityServer4 的研究和编写:所以才产生了 ...

  5. Ansible-基本概述

    为什么要自动化运维 纯手动软件安装部署方式 我们以 10 台机器部署 Nginx 为例.部署步骤如下: 1.通过 ssh 登录一台机器: 2.yum install -y nginx 或者 获取安装包 ...

  6. 关于css 的垂直居中

    对于元素的水平居中,我根据我自己之前的一些学习来进行一些总结,如果有不对的地方,欢迎指正~ 一.让大小不固定的元素垂直居中 因为:表格的单元格的特别属性:垂直居中等: `div.parent { di ...

  7. Let’s Encrypt https证书安装

    我的博客: https://www.seyana.life/post/15 现在已经有很多的免费ssl证书提供商,国内的也有, 不过国内政策要求还要把key给他们, 我们还是用Let's Encryp ...

  8. 关于Java序列化的问题你真的会吗?

    引言 在持久化数据对象的时候我们很少使用Java序列化,而是使用数据库等方式来实现.但是在我看来,Java 序列化是一个很重要的内容,序列化不仅可以保存对象到磁盘进行持久化,还可以通过网络传输.在平时 ...

  9. 最简单易懂的实现CRC16校验

    public String getCRC16(byte[] bytes) { //CRC寄存器全为1 int CRC = 0x0000ffff; //多项式校验值 int POLYNOMIAL = 0 ...

  10. eetcode必要技巧--动态规划(一)

    首先我们要搞清楚什么是动态规划 动态规划是运筹学中用于求解决策过程中的最优化数学方法.当然,我们在这里关注的是作为一种算法设计技术,作为一种使用多阶段决策过程最优的通用方法. 当然这个很难理解,但是按 ...