跳到主要內容

臺灣博碩士論文加值系統

(34.226.244.254) 您好!臺灣時間:2021/08/03 04:08
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

: 
twitterline
研究生:吳明璇
研究生(外文):Wu, Minghsuan
論文名稱:使用晶格縮減演算法之多用戶多重輸入輸出聯合預編碼與等化器技術研究
論文名稱(外文):Joint Lattice Reduction Aided Precoding And Equalization Techniques For Multiuser MIMO Systems
指導教授:陳喬恩
指導教授(外文):Chen, Chiaoen
口試委員:邱茂清劉宗憲胡家彰蔡佩芸陳喬恩
口試委員(外文):Chiu, MaochingLiu, TsunghsienHu, ChiachangTsai, PeiyunChen, Chiaoen
口試日期:2012-07-10
學位類別:碩士
校院名稱:國立中正大學
系所名稱:通訊工程研究所
學門:工程學門
學類:電資工程學類
論文種類:學術論文
論文出版年:2012
畢業學年度:100
語文別:中文
論文頁數:80
中文關鍵詞:湯林森-賀洛希碼預編碼部分晶格縮減演算法區塊對角幾何平均分解
外文關鍵詞:multiuserblock-diagonalpower allocationTomlinson-Harashima precodinglattice-reductionHadamard matrix
相關次數:
  • 被引用被引用:0
  • 點閱點閱:275
  • 評分評分:
  • 下載下載:8
  • 收藏至我的研究室書目清單書目收藏:0
在多用戶多重輸入輸出的通訊系統下,預編碼器可用來消除用戶之間的干擾。本篇論文使用區塊對角 (block-diagonal, BD) 的概念為主軸,分成兩大部分進行探討。在第一部分我們引進功率分配的概念使得總均方誤差為最小,並且利用阿達碼矩陣使系統中各空間串流 (spatial stream) 之 MSE 相同而擁有最佳位元錯誤率。本篇論文提出三種架構,分別為多用戶區塊對角最佳位元錯誤率 ZF 聯合線性預編碼與線性等化器系統、聯合線性預編碼與 DFE(decision feedback equalizer) 系統和聯合湯林森-賀洛希碼預編碼與等化器系統。
第二部分針對降低複雜度的方向做探討。全晶格縮減演算法使通道的向量之間彼此更接近正交,讓相同通道間的干擾變得更小,如此一來便能使系統效能獲得改善,達到全分集增益 (full diversity),但這麼做卻增加了系統的複雜度和硬體的成本。部分晶格縮減演算法 (partial lattice reduction algorithm) 的概念在近幾年被提出。該演算法只取通道矩陣的部分向量做晶格縮減,藉由選取區塊範圍的大小,在系統效能和複雜度之間做權衡。本篇論文提出了一個結合部分晶格縮減演算法與區塊對角幾何平均分解湯林森-賀洛希碼預編碼 (BD-GMD THP) 的系統。區塊對角幾何平均分解湯林森-賀洛希碼預編碼因為其特殊結構,能將每個用戶的通道分解成有相同訊雜比的平行子通道,所以具有最佳的系統效能。除此之外,我們也針對部分晶格縮減區塊選取的問題,提出三種選擇方式。第一種為選取最後 K 個列向量做部分晶格縮減,其系統架構具有最低的複雜度,但卻會造成效能的損失。第二種為最佳區塊選擇法,此方法能降低系統錯誤率,但也因為全搜索的方式使得複雜度又相對提高。第三種則為排序正交三角分解選擇法 (sorted-QR),它除了能大幅降低複雜度之外,還能使系統擁有跟最佳區塊選擇法相近的錯誤率。
In multiuser multiple-input-multiple-output (MU-MIMO) downlink communications, precoder design plays an important role in eliminating the co-channel interference (CCI) among the mobile users. In this thesis, we focus on the technique of block-diagonalization (BD) and propose several new transceiver design approaches.
In the first part of the thesis, several new BD transceiver designs are investigated. The technique of BD is first applied to decouple the MU-MIMO system into multiple parallel point-to-point MIMO sub-systems.Each equivalent point-to-point MIMO sub-system is then designed by the minimum error rate criterion. Three different transceiver architectures have been considered in this thesis. They are the MU-MIMO BD zero-forcing linear precoding scheme, the MU-MIMO BD with decision feedback equalization, and MU-MIMO BD Tomlinson-Harashima precoding scheme.
In the second part of the thesis, we investigate a new transceiver design which applies the technique of lattice-reduction (LR) into the BD-GMD (block-diagonal geometric-mean-decomposition) transceiver design. In order to further reduce the computational complexity of LR, we also apply the recently proposed partial-lattice-reduction (PLR) into the transceiver design. We also propose three block selection schemes for PLR, which can attain different performance-complexity trade-off. The error rate performance of the proposed designs has been verified by extensive computer simulations.
1 緒論
1.1 研究動機與目的
1.2 章節概要
2 MIMO系統
2.1 MIMO系統介紹
2.2 MIMO系統架構模型
2.3 MIMO預編碼器
2.3.1 Zero-forcing 線性預編碼器
2.3.2 ZF 湯林森-賀洛希碼預編碼 (ZF-THP)
3 聯合預編碼與等化器系統之設計
3.1 聯合預編碼與等化器系統設計
3.2 區塊對角 (Block-diagonal)
3.3 ZF 區塊對角幾何平均分解湯林森-賀洛希碼預編碼
4 晶格縮減輔助系統
4.1 晶格縮減系統技術介紹 (Lattice-Reduction)
4.2 晶格縮減 ZF 線性預編碼
4.3 晶格縮減 ZF 湯林森-賀洛希碼預編碼
4.4 晶格縮減 ZF 區塊對角幾何平均分解湯林森-賀洛希碼預編碼
5 部分晶格縮減輔助系統
5.1 部分晶格縮減系統技術介紹(Partial Lattice-Reduction)
5.2 複雜度與分集增益
6 所提出的多用戶區塊對角最佳位元錯誤率系統
6.1 區塊對角最佳位元錯誤率 ZF 聯合線性預編碼與線性等化器系統
6.2 區塊對角最佳位元錯誤率 ZF 聯合線性預編碼與 DFE 系統、區塊對角最佳位元錯誤率
ZF 聯合湯林森-賀洛希碼預編碼與線性等化器系統
7 新式多用戶低複雜度系統
7.1 選取最後 K 個列向量做LLL演算法部分晶格縮減
7.1.1 區塊對角幾何平均分解的特殊結構
7.2 最佳區塊選擇法
7.3 Sorted-QR 排列選擇法
7.4 LLL 部分晶格縮減演算法結合 ZF 區塊對角幾何平均分解湯林森-賀洛希碼預編碼之系統
8 電腦模擬與效能分析
8.1 晶格縮減演算法輔助 ZF 預編碼設計
8.2 晶格縮減演算法輔助 ZF 區塊對角幾何平均分解湯林森-賀洛希碼預編碼設計
8.3 不同演算法作用在多用戶預編碼與聯合收發器設計之模擬結果
8.3.1 晶格縮減演算法輔助區塊對角 ZF 預編碼設計
8.3.2 區塊對角最佳位元錯誤率 ZF 聯合收發器設計
8.3.3 區塊對角 LLL 演算法晶格縮減與區塊對角最佳位元錯誤率 ZF 聯合湯林森-賀洛希碼預編碼與線性等化器系統之比較
8.4 LLL 演算法部分晶格縮減輔助技術之模擬與分析
8.4.1 選取最後 K 個列向量做 LLL 演算法部分晶格縮減 ZF 區塊對角幾何平均分解湯林森-賀洛希碼預編碼
8.4.2 LLL 演算法部分晶格縮減 ZF 區塊對角幾何平均分解湯林森-賀洛希碼預編碼最佳區塊選擇法
8.4.3 LLL 演算法部分晶格縮減 ZF 區塊對角幾何平均分解湯林森-賀洛希碼預編碼 sorted-QR 排列選擇法
8.4.4 多種 LLL 演算法部分晶格縮減 ZF 區塊對角幾何平均分解湯林森-賀洛希碼預編碼
8.4.5 多種 LLL 演算法部分晶格縮減 ZF 區塊對角幾何平均分解湯林森-賀洛希碼預編碼
8.4.6 Sorted-QR 排列選擇法與 LLL 演算法晶格縮減 ZF 區塊對角幾何平均分解湯林森-賀洛希碼預編碼之比較
9 結論
[1] F. Liu, L. Jiang, C. He, “Advanced joint transceiver design for block-diagonal geometric-mean-decomposition based multiuser MIMO systems” IEEE Trans. Vehicular Technology. pp. 692-703, Feb. 2010.
[2] A. K. Lenstra, H.W. Lenstra, Jr. and L. Lovász, “Factoring polynomials with rational coefficients” Math. Ann. vol. 261, pp. 515-534, Dec. 1982.
[3] C. Windpassinger, R. F. H. Fischer, J. B. Huber, “Lattice-reduction-aided broadcast precoding” IEEE Trans. Commun. vol. 52, pp. 2057 - 2060, 2004.
[4] D. P. Palomar, J. M. Cioffi, M. A. Lagunas, “Joint Tx-Rx beamforming design formulticarrier MIMO channels: a unified framework for convex optimization” IEEE
Trans. Signal Process. vol. 51, pp. 2381 - 2401, 2003.
[5] C.Windpassinger, “Detection and precoding for multiple input multiple output channels”PHD. thesis, Universitat Erlangen-Nurnberg, 2004
[6] D.Wubben, R. Bohnke, J. Rinas, V. Kuhn, K. D. Kammeyer, “Efficient algorithm for decoding layered space-time codes” IEEE Electron. Lett. vol. 37, pp. 1348 - 1350,2001.
[7] Z. Pan, K. K. Wong, T. S. Ng, “Generalized multiuser orthogonal space-divisionmultiplexing” IEEE Trans. Commun. vol. 3, pp. 1969 - 1973, 2004.
[8] C. Stierstorfer and R. F. H. Fischer, “Lattice-reduction-aided Tomlinson-Harashima precoding for point-to-multipoint transmission” AEU Int. J. Elctron. Commun. pp.1-3, 2005.
[9] Q. H. Spencer and M. Haardt, ”Capacity and downlink transmission algorithms for a multi-user MIMO channel” in Proc. 36th Asilomar Conf. Signals, Systems, Computers. Pacific Grove, CA, vol. 2, pp. 1384 - 1388, Nov. 2002.
[10] C. Masouros, M. Sellathurai, T. Ratnarajah, ”Interference optimization for transmit power reduction in Tomlinson-Harashima precoded MIMO downlinks” IEEE Trans. Signal Process. vol. 60, pp. 2470 - 2481, 2012.
[11] W. Yu, D. P. Varodayan, J. M. Cioffi, ”Trellis and convolutional precoding for transmitter-based interference presubtraction” IEEE Trans. Commun. vol. 53, pp. 1220 - 1230, 2005.
[12] C. Ling, W. H. Mow and L. Gan, ”Dual-lattice ordering and partial lattice reduction for SIC-based MIMO detection” IEEE J. Sel. Topics in Signal Processing. vol. 3, pp. 975-985, 2009.
[13] Y. Jiang, J. Li, W. W. Hager, ”Joint transceiver design for MIMO communications using geometric mean decomposition” IEEE Trans. Signal Process. vol. 53, pp. 3791 - 3803, 2005.
[14] S. Lin, W. W. L. Ho, Y. C. Liang, ”Block-diagonal geometric-mean-decomposition for MIMO broadcast channels” IEEE Trans. Wireless Commun. vol. 7, pp. 2778 - 2789, 2008.
[15] M. B. Shenouda, T. N. Davidson, ”A framework for designing MIMO systems with
decision feedback equalization or Tomlinson-Harashima precoding” IEEE J. Sel.
Areas Commun. vol. 26, pp. 401 - 411 , 2008.
[16] P. P. Vaidyanathan, S. M. Phoong, Y. P. Lin, “Signal processing and optimization for transceiver systems” Combridge 2010.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
無相關期刊