基于消息傳遞的多用戶(hù)檢測(cè)算法研究
發(fā)布時(shí)間:2024-12-21 01:37
稀疏碼多址接入(Sparse Code Multiple Access,SCMA)技術(shù)由Hosenin Nikopour等人于2013年提出,是低密度符號(hào)(Low Density Signature,LDS)演進(jìn)而來(lái)的一種基于碼域的非正交多址技術(shù),其接收端的多用戶(hù)檢測(cè)采用了消息傳遞算法(Message Passing Algorithm,MPA)。MPA算法利用SCMA碼本的稀疏性來(lái)降低了復(fù)雜度,但在實(shí)際應(yīng)用中,MPA仍具有較高的復(fù)雜度。本文通過(guò)對(duì)經(jīng)典MPA算法的譯碼過(guò)程進(jìn)行分析,發(fā)現(xiàn)其復(fù)雜度主要受限于迭代更新過(guò)程,即變量節(jié)點(diǎn)和資源塊節(jié)點(diǎn)之間迭代傳遞外部信息的過(guò)程。因此,本文針對(duì)MPA算法展開(kāi)研究,從最大迭代次數(shù)和參與迭代更新的消息數(shù)目?jī)蓚(gè)方面來(lái)降低MPA算法的實(shí)現(xiàn)復(fù)雜度,具體內(nèi)容如下:1.針對(duì)經(jīng)典MPA算法收斂速度較慢的問(wèn)題,首先對(duì)比分析了基于串行策略和并行策略的MPA算法的工作模式,發(fā)現(xiàn)串行模式的MPA算法可以很好地提高外部信息的收斂速度。但現(xiàn)有的串行MPA算法節(jié)點(diǎn)更新順序固定,譯碼性能有待進(jìn)一步提高,因此本文提出基于外部消息自適應(yīng)更新的MPA(Adaptive Update Mes...
【文章頁(yè)數(shù)】:74 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
abstract
注釋表
第1章 緒論
1.1 研究背景和意義
1.1.1 研究背景
1.1.2 研究意義
1.2 國(guó)內(nèi)外研究現(xiàn)狀
1.2.1 非正交多址接入技術(shù)的研究現(xiàn)狀
1.2.2 SCMA技術(shù)的研究現(xiàn)狀
1.3 文章主要內(nèi)容和結(jié)構(gòu)
第2章 SCMA系統(tǒng)基本原理
2.1 引言
2.2 SCMA系統(tǒng)概述
2.2.1 SCMA基本原理
2.2.2 上行SCMA鏈路模型
2.3 發(fā)送端模型
2.3.1 SCMA編碼
2.3.2 SCMA復(fù)用
2.4 接收端模型
2.5 MPA算法理論基礎(chǔ)
2.5.1 因子圖模型
2.5.2 和積算法
2.5.3 最大后驗(yàn)概率估計(jì)
2.6 本章小結(jié)
第3章 快速收斂型的低復(fù)雜度MPA算法
3.1 引言
3.2 初始MPA算法
3.2.1 初始MPA算法原理
3.2.2 復(fù)雜度分析
3.3 基于并行/串行策略的MPA算法
3.3.1 基于并行策略的MPA算法
3.3.2 基于串行策略的MPA算法
3.4 自適應(yīng)更新的MPA算法
3.4.1 自適應(yīng)隊(duì)列的生成
3.4.2 AU-MPA算法
3.4.3 復(fù)雜度分析
3.5 仿真結(jié)果與分析
3.5.1 收斂速度
3.5.2 BER性能
3.5.3 復(fù)雜度比較
3.6 本章小結(jié)
第4章 基于條件概率選擇更新的低復(fù)雜度MPA算法
4.1 引言
4.2 對(duì)條件概率密度函數(shù)值的分析
4.2.1 疊加星座點(diǎn)與條件概率密度函數(shù)值
4.2.1 蒙特卡洛仿真統(tǒng)計(jì)
4.3 基于條件概率選擇更新的MPA算法
4.3.1 外部信息的選擇
4.3.2 CPSU-MPA算法流程
4.3.3 復(fù)雜度分析
4.4 仿真結(jié)果與分析
4.4.1 收斂速度
4.4.2 BER性能
4.4.3 復(fù)雜度比較
4.5 本章小結(jié)
第5章 總結(jié)與展望
5.1 主要工作與創(chuàng)新點(diǎn)
5.2 后續(xù)研究工作
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間從事的科研工作及取得的成果
本文編號(hào):4018187
【文章頁(yè)數(shù)】:74 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
abstract
注釋表
第1章 緒論
1.1 研究背景和意義
1.1.1 研究背景
1.1.2 研究意義
1.2 國(guó)內(nèi)外研究現(xiàn)狀
1.2.1 非正交多址接入技術(shù)的研究現(xiàn)狀
1.2.2 SCMA技術(shù)的研究現(xiàn)狀
1.3 文章主要內(nèi)容和結(jié)構(gòu)
第2章 SCMA系統(tǒng)基本原理
2.1 引言
2.2 SCMA系統(tǒng)概述
2.2.1 SCMA基本原理
2.2.2 上行SCMA鏈路模型
2.3 發(fā)送端模型
2.3.1 SCMA編碼
2.3.2 SCMA復(fù)用
2.4 接收端模型
2.5 MPA算法理論基礎(chǔ)
2.5.1 因子圖模型
2.5.2 和積算法
2.5.3 最大后驗(yàn)概率估計(jì)
2.6 本章小結(jié)
第3章 快速收斂型的低復(fù)雜度MPA算法
3.1 引言
3.2 初始MPA算法
3.2.1 初始MPA算法原理
3.2.2 復(fù)雜度分析
3.3 基于并行/串行策略的MPA算法
3.3.1 基于并行策略的MPA算法
3.3.2 基于串行策略的MPA算法
3.4 自適應(yīng)更新的MPA算法
3.4.1 自適應(yīng)隊(duì)列的生成
3.4.2 AU-MPA算法
3.4.3 復(fù)雜度分析
3.5 仿真結(jié)果與分析
3.5.1 收斂速度
3.5.2 BER性能
3.5.3 復(fù)雜度比較
3.6 本章小結(jié)
第4章 基于條件概率選擇更新的低復(fù)雜度MPA算法
4.1 引言
4.2 對(duì)條件概率密度函數(shù)值的分析
4.2.1 疊加星座點(diǎn)與條件概率密度函數(shù)值
4.2.1 蒙特卡洛仿真統(tǒng)計(jì)
4.3 基于條件概率選擇更新的MPA算法
4.3.1 外部信息的選擇
4.3.2 CPSU-MPA算法流程
4.3.3 復(fù)雜度分析
4.4 仿真結(jié)果與分析
4.4.1 收斂速度
4.4.2 BER性能
4.4.3 復(fù)雜度比較
4.5 本章小結(jié)
第5章 總結(jié)與展望
5.1 主要工作與創(chuàng)新點(diǎn)
5.2 后續(xù)研究工作
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間從事的科研工作及取得的成果
本文編號(hào):4018187
本文鏈接:http://sikaile.net/kejilunwen/xinxigongchenglunwen/4018187.html
最近更新
教材專(zhuān)著