基于因子图的相位估计研究

【摘要】： 通信领域研究所追求的目标就是提高信息传输的可靠性和有效性。随着信道编码技术的发展,如Turbo码等的信道编码可以通过有效的迭代译码算法得到接近香农限的性能,然而由于这些信道编码通常应用于低信噪比(SNR)情况下,相位噪声对系统性能的影响日益突出。此外,诸如卫星通信等通信系统也要求接收机有良好的抗相位噪声性能。因此相位估计问题得到了越来越多的关注与研究。近些年来又有文献提出了迭代的编码辅助相位估计以取代传统的估计方法,由于因子图可以很好地对系统模型和函数进行图形表示并通过和积算法(SPA)进行迭代计算,基于因子图的相位估计也得到了深入讨论和研究。 本文在现有基于因子图的相位估计研究的基础上,进一步对基于因子图的消息传递的相位估计问题进行了比较详细、深入的研究,系统地分析了基于因子图的相位估计算法的性能。本文的研究内容主要有以下几个方面： 1)结合因子图及系统模型数学表达,重点给出恒定相位模型和随机相位模型,并通过仿真从星座图的角度明确地比较了两种相位模型对原始信道符号的影响。 2)介绍了因子图的基本表示方法,并通过Forney型(FFG)因子图给出了基于因子图的边界问题的求解,消息传递,以及和积算法(SPA)。并与数学方法相比较,说明了因子图的优点。随后具体给出了因子图上消息的表示方法。 3)在恒定相位模型和随机相位模型的基带数字通信因子图的基础上,通过消息传递以及和积算法对相位估计问题进行研究。首先介绍了恒定和随机相位模型下的数值整合(NI)算法,由于该算法的相位估计过程中要对连续相位变量进行离散化,必然引入量化噪声影响最终的相位估计精度。较高的量化阶数会减小量化噪声但同时也会增加计算量。为了消除精度与计算量这一对矛盾,本文提出了一种基于分层量化的NI算法,在不影响算法性能的前提下减小了计算量。其次介绍了梯度算法在基于因子图的恒定与随机相位估计方面的应用。由于在随机相位模型下梯度算法存在计算量大,不易稳定,对相邻相位估计结果依赖严重等问题,提出了一种随机相位模型下的简化梯度算法,去除了原梯度算法的不稳定因素,以及对相邻估计的依赖性,在减小计算量的同时没有明显的性能损失。最后介绍了恒定相位模型和随机相位模型下的EM算法相位估计。由于在随机相位模型下,该EM算法也存在计算量大,不易稳定以及对相邻估计依赖的问题,提出了简化EM算法,去除了不稳定因素及依赖性,在减小计算量的同时没有明显性能损失。并通过仿真曲线证明了以上分析及算法性能。