TD-SCDMA系统中联合检测算法研究及其DSP实现

TD-SCDMA系统中联合检测算法研究及其DSP实现

论文摘要

TD-SCDMA(Time Division Synchronous Code Division Multiple Access)是中国提出的时分双工模式的第三代移动通信技术,是IMT-2000标准中TDD方式的低码片速率(LCR,Low Chip Rate)解决方案,也是3GPP标准的一个重要组成部分。TD-SCDMA系统中的Node-B基站接收机要求使用联合检测(JD)来消除多址干扰(MAI)和符号问干扰(ISI),以提供满足通信传输要求的链路性能。联合检测的核心思想是将所有用户发送的数据字符视为单用户发送的数据序列,在接收检测时,利用已知的用户扩频码和信道冲激响应(CIR)估值,将MAI视为ISI进行处理。本文在介绍了TD-SCDMA系统的物理信道和上行链路基带信号模型的基础上,引入了线性联合检测器,对去相关匹配滤波器(DMF-Decorrelating Matched Filter)算法、迫零线性块均衡(ZF-BLE-Zero Forcing-Block Linear Equalizer)算法和最小均方误差线性块均衡(MMSE-BLE-Minimum Mean Square Error Block Linear Equalizer)算法进行了深入分析,并比较了三种线性联合检测算法的性能和计算复杂度。联合检测算法中,ZF-BLE是TDD标准25.945等模拟中提及的算法,在实际的工程实现中有着广泛的应用。该算法的核心思想是迫零滤波,它可以等效为一个求最小二乘解的问题,由于其中涉及大块矩阵的求逆运算,使得计算量十分巨大。本文重点研究了能够有效地解ZF-BLE方程的两种快速矩阵求逆算法-近似Cholesky分解算法和块傅立叶(Block FFT)算法,并在算法复杂度方面与其他几种算法进行比较,展示其有效性。文章在搭建好TD-SCDMA系统下上行链路物理层仿真平台的基础上,利用MATLAB对联合检测算法在无线衰落信道下的性能进行了仿真分析。论文最后分析了块傅立叶算法在DSP上进行定点实现并达到实时要求所要解决的关键问题,给出了基于块傅立叶算法的ZF-BLE联合检测器在Freescale新一代多核DSP MSC8144上的软件实现方案,并讨论了各个模块在定点实现时的代码优化方法,有效地降低了运算复杂度,在实际系统上行链路基站接收端中具有很好的应用前景。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 引言
  • 1.1 TD-SCDMA 系统简介
  • 1.2 联合检测技术研究领域现状
  • 1.2.1 多用户检测概述
  • 1.2.2 联合检测算法的研究现状
  • 1.3 课题来源和论文完成的工作
  • 1.4 论文章节安排
  • 第二章 TD-SCDMA 上行链路基带信号模型
  • 2.1 TD-SCDMA 系统的物理信道
  • 2.1.1 TD-SCDMA 系统物理信道的帧结构
  • 2.1.2 TD-SCDMA 系统物理信道的突发结构
  • 2.2 TD-SCDMA 上行链路基带信号模型
  • 2.2.1 CDMA 系统上行链路连续时间传播模型
  • 2.2.2 CDMA 系统上行链路离散时间传播模型
  • 2.2.3 单天线下上行链路离散时间传播模型的矩阵表示
  • 2.2.4 多天线下上行链路离散时间传播模型的矩阵表示
  • 第三章 信道估计和联合检测算法分析
  • 3.1 TD-SCDMA 系统中基于训练序列的信道估计
  • 3.1.1 TD-SCDMA 系统信道估计的数学模型
  • 3.1.2 训练序列的构造
  • 3.2 联合检测算法分析
  • 3.2.1 TD-SCDMA 系统中联合检测算法思想的提出
  • 3.2.2 检测算法概述
  • 3.2.3 线性联合检测算法
  • 3.2.3.1 去相关匹配滤波器(DMF)算法
  • 3.2.3.2 迫零线性块均衡器(ZF-BLE)算法
  • 3.2.3.3 最小均方误差线性块均衡器(MMSE-BLE)算法
  • 3.2.4 几种线性联合检测算法的性能比较
  • 第四章 基于ZF-BLE 算法的联合检测器
  • 4.1 基于 Cholesky 分解的迫零块线性均衡器
  • 4.1.1 简化迫零算法中相关矩阵的结构特征
  • 4.1.2 解ZF-BLE 方程的Cholesky 算法
  • 4.1.3 近似Cholesky 因式分解算法
  • 4.2 改进的快速矩阵求逆算法——块傅立叶算法
  • 4.2.1 多业务情况下系统矩阵的构成
  • 4.2.2 块循环矩阵的对角化
  • 4.2.3 在TD-SCDMA 系统中的应用
  • 4.2.4 三种迫零算法的计算复杂度
  • 第五章 上行链路联合检测算法仿真
  • 5.1 上行链路物理层仿真平台
  • 5.1.1 发送端仿真方案
  • 5.1.2 无线信道与信道仿真模型
  • 5.1.3 基站接收端仿真
  • 5.2 联合检测接收机仿真性能
  • 5.2.1 仿真指标说明
  • 5.2.2 仿真结果及分析
  • 第六章 联合检测在DSP 上的软件实现
  • 6.1 联合检测接收机的定点仿真
  • 6.1.1 定点仿真的程序实现
  • 6.1.1.1 定标与数据范围
  • 6.1.1.2 溢出的处理
  • 6.1.1.3 舍入方式
  • 6.1.2 主要模块定点分析
  • 6.2 联合检测算法实现的系统平台
  • 6.2.1 适合于TD-SCDMA 系统基带处理的DSP
  • 6.2.2 StarCore SC3400 单核子系统简介
  • 6.2.3 软件集成开发环境
  • 6.3 块傅立叶算法在DSP 上的软件实现方案
  • 6.3.1 算法的软件实现流程
  • 6.3.1.1 系统矩阵生成模块
  • 6.3.1.2 块对角矩阵生成模块
  • 6.3.1.3 Choleksy 分解及矩阵求逆模块
  • 6.3.1.4 最终检测数据计算模块
  • 6.3.2 定点代码的优化
  • 6.3.2.1 优化的总体思路
  • 6.3.2.2 C 代码优化的基本方法
  • 6.3.2.3 在MSC8144 上的汇编优化措施
  • 6.3.3 DSP 实现的多核策略
  • 第七章 总结和展望
  • 7.1 结论及本文的贡献
  • 7.2 下一步工作展望
  • 致谢
  • 参考文献
  • 个人简历及在校期间研究成果
  • 相关论文文献

    • [1].算法:一种新的权力形态[J]. 治理现代化研究 2020(01)
    • [2].算法决策规制——以算法“解释权”为中心[J]. 现代法学 2020(01)
    • [3].面向宏观基本图的多模式交通路网分区算法[J]. 工业工程 2020(01)
    • [4].算法中的道德物化及问题反思[J]. 大连理工大学学报(社会科学版) 2020(01)
    • [5].算法解释请求权及其权利范畴研究[J]. 甘肃政法学院学报 2020(01)
    • [6].算法新闻的公共性建构研究——基于行动者网络理论的视角[J]. 人民论坛·学术前沿 2020(01)
    • [7].算法的法律性质:言论、商业秘密还是正当程序?[J]. 比较法研究 2020(02)
    • [8].关键词批评视野中的算法文化及其阈限性[J]. 学习与实践 2020(02)
    • [9].掌控还是被掌控——大数据时代有关算法分发的忧患与反思[J]. 新媒体研究 2020(04)
    • [10].美国算法治理政策与实施进路[J]. 环球法律评论 2020(03)
    • [11].算法解释权:科技与法律的双重视角[J]. 苏州大学学报(哲学社会科学版) 2020(02)
    • [12].大数据算法决策的问责与对策研究[J]. 现代情报 2020(06)
    • [13].大数据时代算法歧视的风险防控和法律规制[J]. 河南牧业经济学院学报 2020(02)
    • [14].风险防范下算法的监管路径研究[J]. 审计观察 2019(01)
    • [15].模糊的算法伦理水平——基于传媒业269名算法工程师的实证研究[J]. 新闻大学 2020(05)
    • [16].算法推荐新闻对用户的影响及对策[J]. 新媒体研究 2020(10)
    • [17].如何加强对算法的治理[J]. 国家治理 2020(27)
    • [18].“后真相”背后的算法权力及其公法规制路径[J]. 行政法学研究 2020(04)
    • [19].算法规制的谱系[J]. 中国法学 2020(03)
    • [20].论算法排他权:破除算法偏见的路径选择[J]. 政治与法律 2020(08)
    • [21].政务算法与公共价值:内涵、意义与问题[J]. 国家治理 2020(32)
    • [22].算法的法律规制研究[J]. 上海商业 2020(09)
    • [23].蚁群算法在文字识别中的应用研究[J]. 信息与电脑(理论版) 2019(22)
    • [24].大数据聚类算法研究[J]. 无线互联科技 2018(04)
    • [25].RSA算法的改进研究[J]. 计算机与网络 2018(14)
    • [26].智能时代的新内容革命[J]. 国际新闻界 2018(06)
    • [27].改进的负载均衡RSA算法[J]. 电脑知识与技术 2018(25)
    • [28].基于深度学习的视觉跟踪算法研究综述[J]. 计算机科学 2017(S1)
    • [29].大数据算法的歧视本质[J]. 自然辩证法研究 2017(05)
    • [30].深度学习算法在智能协作机器人方面的应用[J]. 中国新通信 2017(21)

    标签:;  ;  ;  ;  

    TD-SCDMA系统中联合检测算法研究及其DSP实现
    下载Doc文档

    猜你喜欢