Skip to main content
QUICK REVIEW

[论文解读] A Family of Likelihood Ascent Search Multiuser Detectors: Approach to Single-User Performance via Quasi-Large Random Sequence CDMA

Yi Sun|ArXiv.org|Nov 24, 2007
Wireless Communication Networks Research参考文献 13被引用 5
一句话总结

本文提出了一类用于准大随机序列CDMA系统的似然上升搜索多用户检测器(WSLAS),在高信噪比(SNR)区域实现了单用户性能。通过利用每比特线性复杂度的搜索策略,WSLAS检测器在用户负载低于1/2 - 1/(4ln2) bit/s/Hz的系统中实现了单位渐近多用户效率(AME),接近单用户性能,且无需进行完整的全局最大似然检测。

ABSTRACT

Since Tse and Verdu proved that the global maximum likelihood (GML) detector achieves unit asymptotic multiuser efficiency (AME) in the limit of large random spreading (LRS) CDMA, no suboptimal detector has been found to achieve unit AME. In this letter, we obtain that the WSLAS detector with a linear per-bit complexity achieves unit AME in the LRS-CDMA with a channel load < 1/2 - 1/(4ln2) bits/s/Hz. For a practical system with any user number, a quasi LRS-CDMA is then proposed to approach the single-user performance in the high SNR regime.

研究动机与目标

  • 解决在CDMA系统中次优多用户检测器实现单位渐近多用户效率(AME)这一长期存在的挑战。
  • 弥合实际次优检测器与全局最大似然(GML)检测理论基准之间的性能差距。
  • 提出一种实用的检测器家族,可在高SNR区域接近单用户性能,且无需完整GML计算。
  • 将理论结果从大随机扩频(LRS)CDMA扩展至适用于实际用户数量的准LRS-CDMA系统。
  • 证明具有低每比特复杂度的似然上升搜索方法可实现近似最优性能。

提出的方法

  • 提出一种似然上升搜索(LAS)框架,通过最大化似然函数迭代提升检测器性能。
  • 引入加权顺序似然上升搜索(WSLAS)检测器,具有每比特线性计算复杂度。
  • 将LAS框架应用于准大随机序列CDMA(准LRS-CDMA),实现有限用户数下的实际部署。
  • 推导出WSLAS检测器实现单位AME的理论条件,特别针对用户负载低于1/2 - 1/(4ln2) bit/s/Hz的情况。
  • 通过大系统极限下的渐近分析,证明在高SNR下可收敛至单用户性能。
  • 采用准LRS模型,弥合理论LRS假设与实际CDMA系统中有限用户数之间的差距。

实验结果

研究问题

  • RQ1次优检测器是否可在大随机扩频CDMA系统中实现单位渐近多用户效率(AME)?
  • RQ2具有每比特线性复杂度的似然上升搜索检测器是否可在高SNR区域接近单用户性能?
  • RQ3能否通过低复杂度检测器设计实际实现全局最大似然检测的理论性能增益?
  • RQ4WSLAS检测器在准LRS-CDMA系统中的性能如何随用户负载变化?
  • RQ5所提出的检测器家族实现单位AME的用户负载基本限制是什么?

主要发现

  • 当用户负载低于1/2 - 1/(4ln2) bit/s/Hz时,WSLAS检测器在大随机扩频(LRS)-CDMA系统中实现了单位渐近多用户效率(AME)。
  • 检测器保持每比特线性复杂度,使其在实际系统中计算上可行。
  • 在高SNR区域,WSLAS检测器在具有有限用户数的准LRS-CDMA系统中接近单用户性能。
  • 理论分析确认,在指定条件下,似然上升搜索策略可收敛至全局最大似然解。
  • 所提出的准LRS-CDMA模型使高性能检测器的实际部署成为可能,而无需无限用户极限假设。
  • 结果表明,当采用适当的似然上升机制设计时,次优检测器可实现接近最优性能。

更好的研究,从现在开始

从阅读论文到最终审阅,大幅缩短您的研究时间。

无需绑定信用卡

本解读由 AI 生成,并经人工编辑审核。