通信系統(tǒng)中基于概率圖模型的迭代接收技術(shù)研究.pdf

1、比特交織編碼調(diào)制(Bit-inter leaved Coded Modulation，BICM)可以有效提高頻譜利用率，LDPC(Low-density-parity-check)碼具有低延時并行的強(qiáng)糾錯性能，LDPC-BICM充分結(jié)合兩者的優(yōu)勢，可以獲得良好的編碼增益，是未來寬帶移動通信系統(tǒng)中的關(guān)鍵技術(shù)之一。但在信道信息未知或多徑信道下，如何精確估計信道和消除符號間干擾，并利用迭代結(jié)構(gòu)交換軟解調(diào)和譯碼信息，以盡可能低的計算成本獲得更佳

2、的迭代性能仍是LDPC-BICM-ID(LDPC-BICM-Iterative decoding)系統(tǒng)需要解決的問題。
　　本文以概率圖模型(Probability Craphical Model，PGM)為工具，研究了在不同信道和噪聲環(huán)境下LDPC-BICM-ID系統(tǒng)的迭代譯碼問題、聯(lián)合信道估計與譯碼問題、聯(lián)合檢測與譯碼問題，論文的主要工作和創(chuàng)新點(diǎn)可以概括為以下幾個方面:
　　1.提出了一種基于概率圖模型的低復(fù)雜度自適應(yīng)置

3、信差分LDPC譯碼算法。通過展開節(jié)點(diǎn)的圖變換方法降低校驗節(jié)點(diǎn)消息的計算復(fù)雜度。同時，為彌補(bǔ)由復(fù)雜度降低而造成的性能損失，一方面自適應(yīng)地調(diào)整校驗節(jié)點(diǎn)消息的歸一化系數(shù)，另一方面僅當(dāng)變量節(jié)點(diǎn)的消息值振蕩時引入差分映射策略，給出了一種選擇性的置信差分規(guī)則，該規(guī)則有效地加快了收斂速度，減少了實際總迭代次數(shù)。仿真結(jié)果表明，和對數(shù)似然的置信傳播算法相比，所提出的譯碼算法降低了在低信噪比區(qū)域的計算復(fù)雜度，提高了在高信噪比區(qū)域的性能。
　　2.研究

4、LDPC-BICM-ID系統(tǒng)在最優(yōu)映射下無迭代增益問題，借鑒LDPC圖模型中的重加權(quán)方法，創(chuàng)建新的迭代結(jié)構(gòu)，提出了均勻重加權(quán)迭代譯碼算法和重加權(quán)差分映射的最小和迭代接收算法。不同于傳統(tǒng)結(jié)構(gòu)，本文在反饋部分添加調(diào)制器和加權(quán)值乘法器，在譯碼器中引入指數(shù)型加權(quán)先驗信息，用聯(lián)合概率信息取代外信息，使解調(diào)器輸出的互信息值在迭代中不斷增加，獲得最優(yōu)映射下的迭代增益。給出了互信息理論證明，討論了加權(quán)值對性能的影響。不僅運(yùn)用變分理論給出了定性分析，而且

5、利用外信息轉(zhuǎn)移特性圖預(yù)測了最優(yōu)取值。仿真結(jié)果表明在高斯和瑞利衰落信道下，上述兩種算法均獲得迭代增益。
　　3.針對時間選擇性平坦衰落信道的信息未知時，LDPC-BICM-ID系統(tǒng)中參數(shù)消息傳遞的信道估計方法穩(wěn)健性差，已有的非消息傳遞迭代接收算法復(fù)雜度高等問題，建立了系統(tǒng)的概率圖模型，提出了一種融合MCMC(Markov chain Monte Carlo，MCMC)粒子濾波的非參數(shù)消息傳遞算法。為提高信道估計精度的同時降低消息更新

6、的復(fù)雜度，推導(dǎo)了MCMC最大和(max-sum)消息更新規(guī)則，與解調(diào)/譯碼模塊的消息更新規(guī)則統(tǒng)一為最大和形式。在此基礎(chǔ)上，從局部考慮設(shè)計了低復(fù)雜的粒子集消息調(diào)度機(jī)制，先后利用粒子集與粒子集眾數(shù)計算信道估計部分的外信息，給出了選擇性更新機(jī)制以減少譯碼與解調(diào)之間交換的外信息數(shù)量。同時從全局出發(fā)設(shè)計了稀疏性信息調(diào)度機(jī)制從而降低復(fù)雜度，同時為信道估計提供了更準(zhǔn)確的譯碼外信息，進(jìn)一步提高了估計性能。仿真結(jié)果表明，該聯(lián)合信道估計與譯碼算法提高性能的

7、同時有效降低了計算復(fù)雜度，而且穩(wěn)健性強(qiáng)。
　　4.研究ISI（inter-symbol-interference）信道下LDPC編碼的SISO(single-Input single-Output)/MIMO(Multiple-Input Multiple-Output)系統(tǒng)中聯(lián)合迭代檢測與譯碼問題。首先，依據(jù)馬爾科夫隨機(jī)場理論提出了基于邊出現(xiàn)概率和基于因子出現(xiàn)概率的重加權(quán)算法，提高信道均衡即檢測性能。然后，將上述檢測算法與LDP