مقاله Adaptive Loading in MIMOOFDM Systems با ترجمه و کد متلب

اختصاصی از سورنا فایل مقاله Adaptive Loading in MIMOOFDM Systems با ترجمه و کد متلب دانلود با لینک مستقیم و پر سرعت .

مقاله Adaptive Loading in MIMOOFDM Systems با ترجمه و کد متلب

مقاله تخمین پارامترهای هدف درحال حرکت در سیستم‌های رادار MIMO غیرهمدوس

اختصاصی از سورنا فایل مقاله تخمین پارامترهای هدف درحال حرکت در سیستم‌های رادار MIMO غیرهمدوس دانلود با لینک مستقیم و پر سرعت .

این فایل ترجمه فارسی مقاله زیر می باشد:

Moving Target Parameters Estimation in Noncoherent MIMO Radar Systems

دانلود رایگان مقاله انگلیسی

چکیده

مسئله‌ی تخمین پارامترهای یک هدف در حال حرکت در رادار چند ورودی چند خروجی (MIMO) در نظر گرفته شده است و یک رویکرد جدید برای تخمین پارامترهای هدف در حال حرکت با استفاده از اطلاعات فاز مرتبط با هر فرستنده و گیرنده مسیر، معرفی شده است. این  برای این روش که آنتن‌های گیرنده‌ی مختلف دارای مرجع زمان یکسان هستند، مورد نیاز می‌باشد اما هیچ هماهنگ‌سازی از فازهای اولیه آنتن‌های دریافت مورد نیاز است و در نتیجه، فرایند تخمین غیرهمدوس است. ما حرکت هدف خاص را در درون یک فاصله پردازش به عنوان یک چند جمله‌ای از مرتبه‌ی کلی، مدل‌سازی می‌نماییم.  سه ضریب اولیه از چنین چند جمله ای متناظر با محل اولیه، سرعت و شتاب هدف، به ترتیب می‌باشد. یک تکنیک جدید حداکثر احتمال (ML) برای تخمین ضرایب حرکت هدف توسعه یافته است. نشان داده شده است که مسئله ML در نظر گرفته شده می تواند به عنوان مسئله حداقل مربعات کلاسیک غیرخطی "بیش‌از حد تعیین‌شده‌" تفسیر شود. تخمین‌گر ML ارائه‌شده نیاز به جستجوی چند بعدی بر روی ضرایب چند جمله ای‌های مجهول دارد. حد کرامر-رائو (CRB) برای مسئله‌ی تخمین پارامتر پیشنهادی استخراج شده است. عملکرد روش ارائه شده با نتایج شبیه سازی اعتبارسنجی شده است و نشان داده شده است که به CRB می‌رسد.

توضیحات: فایل ترجمه به صورت ورد می باشد و دارای 20 صفحه است.

دانلود کتاب - کتاب تخصصی در مورد مخابرات بیسیم - Wireless Communications over MIMO Channels

اختصاصی از سورنا فایل دانلود کتاب - کتاب تخصصی در مورد مخابرات بیسیم - Wireless Communications over MIMO Channels دانلود با لینک مستقیم و پر سرعت .

Wireless Communications over MIMO Channels

این کتاب در قالب pdf و به زبان اصلی می باشد.

  Wireless Communications over MIMO Channels - 2006
Applications to CDMA and Multiple Antenna Systems
Volker Kuhn

A JOHN WILEY & SONS, INC., PUBLICATION

Contents

Preface xi
Acknowledgements xv
List of Abbreviations xvii
List of Symbols xxi
1 Introduction to Digital Communications 1
1.1 Basic SystemModel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1.2 Multiple Access Techniques . . . . . . . . . . . . . . . . . . . . . . 3
1.1.3 Principle Structure of SISO Systems . . . . . . . . . . . . . . . . . 5
1.2 Characteristics ofMobile Radio Channels . . . . . . . . . . . . . . . . . . . 8
1.2.1 Equivalent Baseband Representation . . . . . . . . . . . . . . . . . 8
1.2.2 Additive White Gaussian Noise . . . . . . . . . . . . . . . . . . . . 11
1.2.3 Frequency-Selective Time-Variant Fading . . . . . . . . . . . . . . . 12
1.2.4 Systems with Multiple Inputs and Outputs . . . . . . . . . . . . . . 16
1.3 Signal Detection . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.3.1 Optimal Decision Criteria . . . . . . . . . . . . . . . . . . . . . . . 18
1.3.2 Error Probability for AWGN Channel . . . . . . . . . . . . . . . . . 20
1.3.3 Error and Outage Probability for Flat Fading Channels . . . . . . . 22
1.3.4 Time-Discrete Matched Filter . . . . . . . . . . . . . . . . . . . . . 25
1.4 Digital Linear Modulation . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
1.4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
1.4.2 Amplitude Shift Keying (ASK) . . . . . . . . . . . . . . . . . . . . 28
1.4.3 Quadrature Amplitude Modulation (QAM) . . . . . . . . . . . . . . 30
1.4.4 Phase Shift Keying (PSK) . . . . . . . . . . . . . . . . . . . . . . . 33
1.5 Diversity . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
1.5.1 General Concept . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
1.5.2 MRC for Independent Diversity Branches . . . . . . . . . . . . . . 40
1.5.3 MRC for Correlated Diversity Branches . . . . . . . . . . . . . . . 47
1.6 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
2 Information Theory 51
2.1 Basic Definitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
2.1.1 Information, Redundancy, and Entropy . . . . . . . . . . . . . . . . 51
2.1.2 Conditional, Joint and Mutual Information . . . . . . . . . . . . . . 53
2.1.3 Extension for Continuous Signals . . . . . . . . . . . . . . . . . . . 56
2.1.4 Extension for Vectors and Matrices . . . . . . . . . . . . . . . . . . 57
2.2 Channel Coding Theorem for SISO Channels . . . . . . . . . . . . . . . . . 58
2.2.1 Channel Capacity . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
2.2.2 Cutoff Rate . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
2.2.3 Gallager Exponent . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
2.2.4 Capacity of the AWGN Channel . . . . . . . . . . . . . . . . . . . 64
2.2.5 Capacity of Fading Channel . . . . . . . . . . . . . . . . . . . . . . 68
2.2.6 Channel Capacity and Diversity . . . . . . . . . . . . . . . . . . . . 70
2.3 Channel Capacity ofMIMO Systems . . . . . . . . . . . . . . . . . . . . . 73
2.4 Channel Capacity for Multiuser Communications . . . . . . . . . . . . . . . 78
2.4.1 Single Antenna AWGN Channel . . . . . . . . . . . . . . . . . . . 78
2.4.2 Single Antenna Flat Fading Channel . . . . . . . . . . . . . . . . . 82
2.4.3 Multiple Antennas at Transmitter and Receiver . . . . . . . . . . . . 85
2.5 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
3 Forward Error Correction Coding 91
3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
3.2 Linear Block Codes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
3.2.1 Description byMatrices . . . . . . . . . . . . . . . . . . . . . . . . 94
3.2.2 Simple Parity Check and Repetition Codes . . . . . . . . . . . . . . 97
3.2.3 Hamming and Simplex Codes . . . . . . . . . . . . . . . . . . . . . 98
3.2.4 Hadamard Codes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
3.2.5 Trellis Representation of Linear Block Codes . . . . . . . . . . . . 99
3.3 Convolutional Codes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
3.3.1 Structure of Encoder . . . . . . . . . . . . . . . . . . . . . . . . . . 101
3.3.2 Graphical Description of Convolutional Codes . . . . . . . . . . . . 104
3.3.3 Puncturing Convolutional Codes . . . . . . . . . . . . . . . . . . . 105
3.3.4 ML Decoding with Viterbi Algorithm . . . . . . . . . . . . . . . . . 106
3.4 Soft-Output Decoding of Binary Codes . . . . . . . . . . . . . . . . . . . . 109
3.4.1 Log-Likelihood Ratios – A Measure of Reliability . . . . . . . . . . 109
3.4.2 General Approach for Soft-Output Decoding . . . . . . . . . . . . . 112
3.4.3 Soft-Output Decoding for Walsh Codes . . . . . . . . . . . . . . . . 114
3.4.4 BCJR Algorithm for Binary Block Codes . . . . . . . . . . . . . . 115
3.4.5 BCJR Algorithm for Binary Convolutional Codes . . . . . . . . . . 118
3.4.6 Implementation in Logarithmic Domain . . . . . . . . . . . . . . . 120
3.5 Performance Evaluation of Linear Codes . . . . . . . . . . . . . . . . . . . 121
3.5.1 Distance Properties of Codes . . . . . . . . . . . . . . . . . . . . . 121
3.5.2 Error Rate Performance of Codes . . . . . . . . . . . . . . . . . . . 125
3.5.3 Information Processing Characteristic . . . . . . . . . . . . . . . . . 131
3.6 Concatenated Codes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
3.6.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
3.6.2 Performance Analysis for Serial Concatenation . . . . . . . . . . . . 137
3.6.3 Performance Analysis for Parallel Concatenation . . . . . . . . . . . 141
3.6.4 Turbo Decoding of Concatenated Codes . . . . . . . . . . . . . . . 146
3.6.5 EXIT Charts Analysis of Turbo Decoding . . . . . . . . . . . . . . 153
3.7 Low-Density Parity Check (LDPC) Codes . . . . . . . . . . . . . . . . . . 160
3.7.1 Basic Definitions and Encoding . . . . . . . . . . . . . . . . . . . . 160
3.7.2 Graphical Description . . . . . . . . . . . . . . . . . . . . . . . . . 165
3.7.3 Decoding of LDPC Codes . . . . . . . . . . . . . . . . . . . . . . . 167
3.7.4 Performance of LDPC Codes . . . . . . . . . . . . . . . . . . . . . 169
3.8 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171
4 Code Division Multiple Access 173
4.1 Fundamentals . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 174
4.1.1 Direct-Sequence Spread Spectrum . . . . . . . . . . . . . . . . . . . 174
4.1.2 Direct-Sequence CDMA . . . . . . . . . . . . . . . . . . . . . . . . 181
4.1.3 Single-User Matched Filter (SUMF) . . . . . . . . . . . . . . . . . 185
4.1.4 Spreading Codes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 191
4.2 OFDM-CDMA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 194
4.2.1 Multicarrier Transmission . . . . . . . . . . . . . . . . . . . . . . . 194
4.2.2 Orthogonal Frequency Division Multiplexing . . . . . . . . . . . . . 195
4.2.3 Combining OFDMand CDMA . . . . . . . . . . . . . . . . . . . . 200
4.3 Low-Rate Channel Coding in CDMA Systems . . . . . . . . . . . . . . . . 208
4.3.1 Conventional Coding Scheme (CCS) . . . . . . . . . . . . . . . . . 209
4.3.2 Code-Spread Scheme (CSS) . . . . . . . . . . . . . . . . . . . . . . 210
4.3.3 Serially Concatenated Coding Scheme (SCCS) . . . . . . . . . . . . 211
4.3.4 Parallel Concatenated Coding Scheme (PCCS) . . . . . . . . . . . . 214
4.3.5 Influence of MUI on Coding Schemes . . . . . . . . . . . . . . . . 216
4.4 Uplink Capacity of CDMA Systems . . . . . . . . . . . . . . . . . . . . . . 219
4.4.1 Orthogonal Spreading Codes . . . . . . . . . . . . . . . . . . . . . 220
4.4.2 Random Spreading Codes and Optimum Receiver . . . . . . . . . . 220
4.4.3 Random Spreading Codes and Linear Receivers . . . . . . . . . . . 222
4.5 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 225
5 Multiuser Detection in CDMA Systems 227
5.1 Optimum Detection . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 227
5.1.1 Optimum Joint Sequence Detection . . . . . . . . . . . . . . . . . . 228
5.1.2 Joint Preprocessing and Subsequent Separate Decoding . . . . . . . 229
5.1.3 Turbo Detection with Joint Preprocessing and Separate Decoding . . 231
5.2 Linear Multiuser Detection . . . . . . . . . . . . . . . . . . . . . . . . . . . 233
5.2.1 Decorrelator (Zero-Forcing, ZF) . . . . . . . . . . . . . . . . . . . . 233
5.2.2 Minimum Mean Squared Error Receiver (MMSE) . . . . . . . . . . 236
5.2.3 Linear Parallel Interference Cancellation (PIC) . . . . . . . . . . . . 240
5.2.4 Linear Successive Interference Cancellation (SIC) . . . . . . . . . . 243
5.3 Nonlinear Iterative Multiuser Detection . . . . . . . . . . . . . . . . . . . . 245
5.3.1 Nonlinear Devices . . . . . . . . . . . . . . . . . . . . . . . . . . . 245
5.3.2 Uncoded Nonlinear Interference Cancellation . . . . . . . . . . . . . 247
5.3.3 Nonlinear Coded Interference Cancellation . . . . . . . . . . . . . . 253
5.4 Combining Linear MUD and Nonlinear SIC . . . . . . . . . . . . . . . . . 258
5.4.1 BLAST-like Detection . . . . . . . . . . . . . . . . . . . . . . . . . 258
5.4.2 QL Decomposition for Zero-Forcing Solution . . . . . . . . . . . . 258
5.4.3 QL Decomposition for MMSE Solution . . . . . . . . . . . . . . . 268
5.4.4 Turbo Processing . . . . . . . . . . . . . . . . . . . . . . . . . . . . 270
5.5 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 273
6 Multiple Antenna Systems 275
6.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 275
6.2 Spatial Diversity Concepts . . . . . . . . . . . . . . . . . . . . . . . . . . . 277
6.2.1 Receive Diversity . . . . . . . . . . . . . . . . . . . . . . . . . . . 277
6.2.2 Performance Analysis of Space–Time Codes . . . . . . . . . . . . . 279
6.2.3 Orthogonal Space–Time Block Codes . . . . . . . . . . . . . . . . . 282
6.2.4 Space–Time Trellis Codes . . . . . . . . . . . . . . . . . . . . . . . 293
6.3 Multilayer Transmission . . . . . . . . . . . . . . . . . . . . . . . . . . . . 304
6.3.1 Channel Knowledge at the Transmitter and Receiver . . . . . . . . 304
6.3.2 Channel Knowledge only at the Receiver . . . . . . . . . . . . . . . 306
6.3.3 Performance of Multilayer Detection Schemes . . . . . . . . . . . . 308
6.3.4 Lattice Reduction-Aided Detection . . . . . . . . . . . . . . . . . . 312
6.4 Linear Dispersion Codes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 319
6.4.1 LD Description of Alamouti’s Scheme . . . . . . . . . . . . . . . . 320
6.4.2 LD Description of Multilayer Transmissions . . . . . . . . . . . . . 321
6.4.3 LD Description of Beamforming . . . . . . . . . . . . . . . . . . . 321
6.4.4 Optimizing Linear Dispersion Codes . . . . . . . . . . . . . . . . . 322
6.4.5 Detection of Linear Dispersion Codes . . . . . . . . . . . . . . . . . 323
6.5 Information Theoretic Analysis . . . . . . . . . . . . . . . . . . . . . . . . 323
6.5.1 UncorrelatedMIMO Channels . . . . . . . . . . . . . . . . . . . . . 323
6.5.2 CorrelatedMIMO Channels . . . . . . . . . . . . . . . . . . . . . . 325
6.6 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 328
Appendix A Channel Models 329
A.1 Equivalent Baseband Representation . . . . . . . . . . . . . . . . . . . . . . 329
A.2 Typical Propagation Profiles for Outdoor Mobile Radio Channels . . . . . . 330
A.3 Moment-Generating Function for Ricean Fading . . . . . . . . . . . . . . . 331
Appendix B Derivations for Information Theory 333
B.1 Chain Rule for Entropies . . . . . . . . . . . . . . . . . . . . . . . . . . . . 333
B.2 Chain Rule for Information . . . . . . . . . . . . . . . . . . . . . . . . . . 333
B.3 Data-Processing Theorem . . . . . . . . . . . . . . . . . . . . . . . . . . . 334
Appendix C Linear Algebra 335
C.1 Selected Basics . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 335
C.2 Householder Reflections and Givens Rotation . . . . . . . . . . . . . . . . . 341
C.3 LLL Lattice Reduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 343
Bibliography . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .347
Index . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 359

دانلود پایان نامه پردازش فضا - زمان در کانال های MIMO

اختصاصی از سورنا فایل دانلود پایان نامه پردازش فضا - زمان در کانال های MIMO دانلود با لینک مستقیم و پر سرعت .

پرداز ش فضا - زمان در کانال های MIMO

لینک پرداخت و دانلود *پایین مطلب* 

فرمت فایل:PDF

تعداد صفحه:155

پایان نامه برای دریافت درجه کارشناسی ارشد “M.Sc”
گروه مهندسی برق گرایش مخابرات سیستم

چکیده :

پس از احساس نیاز در نسل سوم مخابرات سیار به سرعت انتقال بالاتر و ظرفیت بیشتر و داشتن کیفیتی مانند تلفن ثابت، نظریه به کارگیری کانال های MIMO توجهات بسیاری را به خود جلب کرد. برای استفاده هرچه بهتر از این کانال ها، علاوه بر اجرای تکنیک دایورسیتی فضایی در کانال های MIMO، می توان سمبل ها را در چندین بازه زمانی مختلف ارسال نمود و همزمان دایورسیتی زمانی را نیز به اجرا درآورد. الگویی که برای اجرای همزمان این دو دایورسیتی به کار می رود، کدهای فضا – زمان نامیده می شود. درست است که اعمال کدهای فضا – زمان بر روی سمبل های ارسالی، کیفیت دریافت را افزایش می دهد، اما متاسفانه پردازش این گونه کدها، زمان زیادی را می طلبد و این، با نیازمندی های مخابرات بی سیم نسل 3 و بالاتر همخوانی ندارد. به همین دلیل توجهات به روش های کدگشایی شبه بهینه جلب شد که در آنها در ازای اندکی تقلیل عملکرد سیستم، پیچیدگی کدگشایی به شدت کاهش پیدا می کند. یکی از این روش ها که بر مبنای اصول کدگشایی ML استوار است، به کدگشایی کروی مشهور است. تحقیقات قبلی نشان داده که کدگشایی کروی روی سمبل های M-QAM در کانال های MIMO عملکرد مناسبی دارد و امروزه تحقیقات حول کاهش هرچه بیشتر پیچیدگی الگوریتم های این گونه کدگشایی قرار دارد. در این پایان نامه، پس از بررسی کدهای فضا – زمان و اصول کدگشایی آنها، الگوریتم II، یکی از پرکاربردترین روش های پیاده سازی کدگشایی کروی، بررسی می گردد. در ادامه، پیشنهادی برای بهبود عملکرد الگوریتم II ارائه شده که با زبان نمودارهای حاصل از شبیه سازی کانال میزان این بهبود نشان داده می شود. همچنین پیشنهادی نیز برای کاهش پیچیدگی الگوریتم II بیان شده است که با استخراج نتایج حاصل از شبیه سازی این ایده، تاثیر مثبت آن در کاهش پیچیدگی الگوریتم II تغییریافته در کانال های MIMO آشکار می شود.

علاوه بر این، در این تحقیق با به کارگیری نتایج شبیه سازی کانال های MIMO در حالات گوناگون (تعداد متنوع آنتن، SNRهای مختلف و M-QAMهای گوناگون)، با دقت بالا، نشان داده می شود که مقدار اولیه شعاع کره ای که برای کدگشایی کروی انتخاب می شود چه تاثیری در عملکرد و پیچیدگی سیستم دارد. در نهایت با تحلیل نتایج شبیه سازی، راهکاری برای انتخاب مناسب “شعاع اولیه کره جستجو” به عنوان شرایط اولیه الگوریتم II ارائه می گردد.

در اواخر دهه نود میلادی، به کارگیری دایورسیتی فضایی که در گیرنده، برای افزایش بهره و کاهش اثر فیدینگ مرسوم بود، در فرستنده نیز مورد توجه قرار گرفت. به دنبال آن تحقیقات گوناگونی نشان دادند که تحت ساختارهای خاصی، کانال های بی سیم که چندین آنتن ارسال و چندین آنتن دریافت داشته باشند یا اصطلاحا MIMO باشند، دارای کیفیت و ظرفیت بهتری خواهند بود. از آن زمان بود که ایده کدینگ فضا – زمان شکل گرفت تا با ترکیب دایورسیتی فضایی، دایورسیتی زمانی و کدینگ مناسب، سیستم از مزایای هر سه تکنیک برخوردار شود.

در سال 1998 اولین و ساده ترین کد فضا – زمان در مأخذ [1] برای 2 آنتن ارسال و 2 آنتن دریافت ارائه شد که به دلیل خطی بودن کد، کدگشایی ساده ای داشته ولی با وجود این برای آشکارسازی نهایی کد از کدگشای ML استفاده می شد. در سال 1999 در مأخذ [2] کد فضا – زمان جدیدی برای بیش از 2 آنتن پیشنهاد شد که اصولش شباهت زیادی به کد فضا – زمان قبلی داشت. در همان سال معیارهای ریاضی طراحی کدهای فضا – زمان که بهره کدینگ و بهره دایورسیتی مناسب را تامین کند در مأخذ [3] منتشر شد. از آن به بعد، با به کارگیری این معیارها، کدهای فضا – زمان گوناگونی طراحی گردیدند. براساس اصول طراحی، این کدها به دسته های مختلفی تقسیم می شوند که هریک چند شرط از شرایط زیر را برآورده می سازند:

1) تأمین حداکثر ظرفیت

2) حداکثر عملکرد

3) نرخ انتقال بالا

4) کمترین پیچیدگی در مرحله کدگشایی

5) داشتن دایورسیتی کامل با هر نوع منظومه و هر تعداد از آنتن های ارسال و دریافت

سال ها بود که مزایای مدولاسیون چند سطحی M-QAM شناخته شده بود، با رواج کانال های MIMO و بالا رفتن سرعت انتقال، لزوم استفاده از این مدولاسیون بیشتر احساس شد. از طرفی به علت ساختار لتیسی منظومه این نوع مدولاسیون، مناسبترین مدولاسیون برای کدگشایی آسانتر در کانال های MIMO به حساب می آید و در تحقیقات کنونی روی کدهای فضا – زمان، بیشتر همین مدولاسیون را به کار می برند.

تحقیقات گوناگونی که روی عملکرد کدهای فضا – زمان صورت گرفت، نشان داد که کدگشایی نقش عمده ای روی کارآیی سیستم دارد. کدگشایی ML در این موارد بهترین عملکرد را داراست. اما به دلیل اجرای طولانی این نوع کدگشایی، خصوصا وقتی منظومه پرنقطه باشد، مناسب مخابرات بی سیم کنونی نیست. در سال 1998 در مأخذ [4]، روش شبه بهینه ای به نام کدگشایی کروی برای اجرای کدگشایی ML به کار گرفته شد و پس از آن در اکثر تحقیقات از آن استفاده شد. در سال 2003 در مأخذ [5] الگوریتم های مناسب کدگشایی کروی برای اجرای کدگشایی ML روی کانال های MIMO گوسی خطی ارائه شد که بیش از گذشته کیفیت این کدگشایی را برای لتیس های محدود نشان داد. همچنین تحقیقات گوتاگونی عمدتا برای بهینه سازی الگوریتم های اجرای کدگشایی کروی و کاهش میزان محاسبات این الگوریتم ها صورت گرفت. در همین راستا در سال 2005، مأخذ [6] الگوریتم II (ارائه شده در مأخذ [5]) را برای منظومه های M-QAM مستطیلی بهبود بخشید و عملکرد آن را برای منظومه 64-QAM در کانالهای فیدینگ MIMO با 4 آنتن ارسال و 4 آنتن دریافت، شبیه سازی نمود. الگوریتم های کدگشایی کروی بر “انتخاب یک کره و پیدا کردن نزدیک ترین نقطه لتیس به سیگنال دریافتی که در این کره محصور باشد”، استوار است. در بسیاری از مقالات اخیر اشاره شده است که انتخاب شعاع این کره در میزان محاسبات الگوریتم نقش عمده ای دارد؛ اما در مورد میزان این نقش بحثی به میان نیامده است. در این پایان نامه با استفاده از نرم افزار MATLAB، کانال های MIMO با فیدینگ تخت رایلی و مدولاسیون M-QAM مستطیلی شبیه سازی شده و الگوریتم II برای کدگشایی ML رشته های ارسالی در این اعمال گردیده است. با این کار تاثیر دقیق انتخاب شعاع کره در میزان محاسبات کدگشایی، در کانال های MIMO در شرایط متفاوت از لحاظ تعداد آنتن های ارسال و دریافت، تعداد نقاط منظومه و میزان SNR نشان داده شده است. همچنین در این تحقیق مشخص شده است که اندازه شعاع اولیه کره در عملکرد سیستم نیز تاثیر دارد. علاوه بر این در اینجا پیشنهاد شده است که با انتخاب شعاع نهایی کره؛ می توان از محاسبات اضافی که تاثیری در عملکرد سیستم ندارد؛ کاست. این پیشنهاد با شبیه سازی ایده و استخراج نتایج شبیه سازی در کانال های MIMO، کاملا بررسی شده است.

ساختار کلی پایان نامه به شرح زیر است:

در فصل اول به مزایای کانال های MIMO، ظرفیت آنها و انواع کدینگ کانال که برای این کانال ها رایج است، پرداخته شده تا جایگاه کدینگ فضا – زمان و کدگشایی نگاشت، در این کانال ها مشخص شود. در انتهای این فصل، انواع فیدینگ و نویز در کانال های بی سیم ارائه شده تا فرضیات شبیه سازی کانال که در این پایان نامه استفاده شده، واضح تر گردد.

در فصل دوم، مدولاسیون M-QAM و پارامترهایش معرفی شده و سپس لتیس ها و تئوری های مربوط به آن ارائه می گردد تا به کمک ریاضیات، ارزش و توانایی های این مدولاسیون در کانال های MIMO شناخته شود و دلیل انتخاب آن در اینجا مشخص شود.

در فصل سوم، اصول کدینگ فضا – زمان و معیارهای انتخاب کد مناسب بررسی می شود تا مقدمه ای برای برشمردن چند نوع باارزش از این کدها باشد. در ادامه در فصل چهارم چند نوع از انواع کاربردی کدینگ فضا – زمان، به ترتیب از ساده به پیچیده، معرفی شده و تا حدی به خواص شان پرداخته می شود. با معرفی هریک از روش های کدینگ، روش مناسب کدگشایی آن که در مقالات پیشنهاد شده، ارائه می شود تا وابستگی پردازش این کدها به کدگشایی و اهیمت این روش کدگشایی در عرصه کدینگ فضا – زمان نمایان شود.

و...

NikoFile