آشكارسازي ML در گيرنده سيستم‌هاي مخابرات بي‌سيم MIMO در حضور خطاي تخمين كانال
محورهای موضوعی : electrical and computer engineeringمهرزاد بیغش 1 , احمدعلی فرهودی 2 , محمدعلی مسندی شیرازی 3
1 - دانشگاه شیراز
2 - دانشگاه شیراز
3 - دانشگاه شیراز
کلید واژه: آشكارسازي MLخطاي تخمين كانالسيستم‌هاي چندورودي و چندخروجي (MIMO),
چکیده مقاله :
ظرفیت سیستم‌های مخابرات بی‌سیم را می‌توان با به کار بردن چند آنتن در فرستنده و چند آنتن در گیرنده به نحو قابل ملاحظه‌ای افزایش داد. در چنین سیستم‌هایی، که سیستم‌های MIMO نامیده می‌شوند، گیرنده با اطلاع از کانال به آشکارسازی سیگنال ارسالی می‌پردازد. در صورتی که اطلاعات کانال در گیرنده همراه با خطا باشد، كارايي آشکارساز كاهش يافته و نرخ خطای بیت افزایش می‌یابد. با توجه به اینکه در عمل، گیرنده تخمینی از کانال میان فرستنده و گیرنده را در اختیار دارد و نه مقدار دقیق آنرا، مقاله حاضر روشي بهبودیافته براي آشكارساز ML در سيستم‌هاي مخابرات بي‌سيم MIMO، در حالتي كه ماتريس كانال در گيرنده همراه با خطا در دسترس است را پيشنهاد مي‌کند. در روش پيشنهادي ما الگوريتم ML به صورت تحليلي اصلاح شده تا تأثير خطاي تخمين كانال بر روي آشکارسازی به حداقل كاهش يابد. بدین ترتیب در مقاله روشی پیشنهاد شده است که علاوه بر مقاوم‌بودن در برابر خطای تخمین کانال از نظر نرخ محاسباتی با الگوریتم ML چندان تفاوتی ندارد.
Capacity of wireless communication systems can be increased significantly by using arrays of antenna at the transmitter and receiver. In these so called multiple input multiple output (MIMO) communication systems, the algorithms used for detection of transmitted symbols are based on perfect channel state information (CSI) at the receiver side. The optimum detection approach in the sense of symbol error rate (SER) is Maximum likelihood (ML) detector. However, in the case of imperfect channel knowledge, the performance of this type of detection method degrades and symbol error rate (SER) increases. In this manuscript, we have briefly addressed the effect of imperfect channel knowledge on the performance of MIMO communication systems. Then, an analytical approach is proposed to cope with the destructive effect of CSI uncertainty on the ML detection algorithm and the performance of our proposed method is verified via computer simulations.