Trabajo Fin de Máster
Revisión de algoritmos de detección para sistemas MIMO de alto orden
Autor/es | Santos Velázquez, Irene |
Director | Murillo Fuentes, Juan José |
Departamento | Universidad de Sevilla. Departamento de Teoría de la Señal y Comunicaciones |
Fecha de publicación | 2014 |
Fecha de depósito | 2015-07-10 |
Publicado en |
|
Resumen | Con este trabajo se pretende comparar varios algoritmos de detección para sistemas de comunicación MIMO y
constelaciones de gran orden, dado que la utilización del detector óptimo de máxima verosimilitud (ML) es
inabordable ... Con este trabajo se pretende comparar varios algoritmos de detección para sistemas de comunicación MIMO y constelaciones de gran orden, dado que la utilización del detector óptimo de máxima verosimilitud (ML) es inabordable computacionalmente. Para este fin, se han creado varias funciones en código matlab que se han publicado como toolbox en mathworks: http://www.mathworks.com/matlabcentral/fileexchange/48212-detection-mimo-toolbox Entre los algoritmos de detección destacan el ZF, MMSE y sus versiones con cancelación de interferencias (SIC), las cuales proporcionan una mejora de la probabilidad de error a cambio de una mayor carga computacional. Sin embargo, este trabajo se centra tanto en el algoritmo GTA [1], [2] como en el algoritmo EP [13] (publicada recientemente su aplicación a los sistemas MIMO). - El algoritmo GTA (aproximación de árbol gaussiana) se basa en aproximar la distribución de probabilidad a posteriori gaussiana exacta mediante un árbol libre de bucles. A continuación, se aplica la restricción de que los símbolos pertenecen a un conjunto finito de datos (determinados por el tipo y tamaño de la constelación) para obtener una aproximación de la distribución de probabilidad discreta libre de bucles, la cual se maximiza mediante un algoritmo de paso de mensajes, i.e, el algoritmo BP. - El algoritmo EP (expectation propagation) está basado en buscar una aproximación a la distribución de probabilidad a posteriori a través de una distribución gaussiana cuya media y varianza estén lo más próximas posible a la media y la varianza de la distribución exacta original. Esto se consigue a través de un método iterativo. Los resultados de simulación muestran que la probabilidad de error del algoritmo GTA (en concreto, su versión con cancelación de interfencias) y de EP, son bastante mejores si se comparan con los algoritmos ZF y MMSE, tanto en su versión estándar como SIC. |
Ficheros | Tamaño | Formato | Ver | Descripción |
---|---|---|---|---|
TFM Irene Santos.pdf | 2.517Mb | [PDF] | Ver/ | |