MIMO系统ML检测(最大似然检测)
2014-12-20 00:00
1156 查看
Nt = 2 ; Nr = 2 ; Len = 10000 ; M= 4 ; bitsPerSymbol = log2(M) ; bitsTotal = bitsPerSymbol * Nt * Len ; ALP = [-1+1i ;-1-1* 1i ;1+1i ;1-1i] * sqrt(3/(2*(M-1))) ; %QAM符号 %ALPbin = dec2bin( 0:M-1 , log2(M)) ; %QAM的二进制编码 SNRVect = 0:2:20 ; SER = zeros( 1 ,length(SNRVect) ) ; for snrLoop = 1: length (SNRVect) fprintf(' snrLoop = %d \n',snrLoop) ; %计算信噪比 SNRdB = SNRVect(snrLoop) ; SNR = 10^(SNRdB/10) ; %此处我们假设每根天线发送的信号能量为1 %N0 表示噪声的能量 N0 = Nt * 1 / SNR ; %产生随机比特流 send = round(rand(1,bitsTotal)) ; sendReshape = reshape(send , Nt * bitsPerSymbol , Len ) ; symbols = zeros(Nt, Len) ; symbolsModulation = zeros(Nt ,Len) ; %发送端 4QAM调制 fprintf('\n正在调制并发送 \n') ; for sendLoop = 1 :Len for antennaLoop = 1: Nt twoBits = sendReshape ( 2* antennaLoop-1 :2* antennaLoop, sendLoop) ; symbols ( antennaLoop ,sendLoop) = 2 * twoBits(1) + 1 * twoBits(2) +1 ; symbolsModulation ( antennaLoop ,sendLoop) = ALP(symbols ( antennaLoop ,sendLoop) ) ; end end %经过信道 H = (randn(Nr, Nt) + sqrt(-1) * randn(Nr , Nt))/ sqrt(2) ; % 除以sqrt(2) 保证信道的能量为1 n = (randn(Nr , Len) + sqrt(-1)*randn(Nr, Len )) * sqrt(N0) /sqrt(2) ; %保证噪声 n ~N(0,N0) y = H* symbolsModulation + n ; %接收端 fprintf('\n正在译码 \n') ; symbolsDetect = zeros(2 , Len) ; for sendLoop = 1 :Len fprintf('%d %d \n',snrLoop ,sendLoop) ; %得到M*M种组合 dml = zeros(M ,M ,Len) ; for i1 = 1:M for i2 = 1:M dml(i1, i2, sendLoop) = (norm ( y(: , sendLoop) - H * [ALP(i1) ; ALP(i2)] ) ) .^2 ; % 共16种组合 end end dml_min = min( reshape(dml( :, :, sendLoop ) .' , 1, M*M) ) ; %找到最合适的 然后译码 for j1 = 1: M ; for j2 = 1:M if dml(j1 , j2, sendLoop) ==dml_min ; symbolsDetect(1, sendLoop) = j1 ; symbolsDetect(2, sendLoop) = j2 ; end end end end % 一个信噪比结束 统计SER SER(snrLoop) = sum ( reshape(symbolsDetect , 1, Len * Nt) ~= reshape (symbols , 1, Len *Nt) )/ (Len * Nt) ; end semilogy( 0: 2 : 20 , SER)L=1000时,仿真结果如下:
相关文章推荐
- MIMO系统ML检测(最大似然检测)
- 贝叶斯公式,最大似然和最大后验
- 深度学习中的最大似然估计简介
- 文本语言模型的参数估计-最大似然估计、MAP及贝叶斯估计
- 【算法】最大似然估计总结笔记
- 最大后验译码和最大似然译码
- 从最大似然到EM算法浅解
- 最大似然估计为什么要相乘和最小二乘法
- 从最大似然到EM算法浅解
- 最大似然估计学习总结------MadTurtle 1. 作用 在已知试验结果(即是样本)的情况下,用来估计满足这些样本分布的参数,把可能性最大的那个参数clip_image002作为真实cl
- MLE (最大似然) 与 LS (最小二乘) 与 MAP (最大后验)
- 协方差最大似然估计为什么比实际协方差小一点 E(ΣML)=(N-1)/N * Σ
- 机器学习 --- 2. 从最大似然再看线性回归
- 从最大似然到EM算法浅解
- 从最大似然到EM算法浅解
- 最大似然概率和后验概率的区别
- 最大似然估计的原理
- 最大似然估计(Maximum likelihood estimation)
- 正态分布的最大似然估计
- 最大似然概率和后验概率的区别