CAPITOLUL 3 MINIMIZAREA ERORII MEDII P TRATICE (MMSE)

3.1 Structura semnalului recep ionat de c tre detectorul multiutilizator n acest scurt subcapitol vom prezenta modul n care un sistem de comunica ii cu acces multiplu cu diviziune n cod transmite prin canalul de date semnalul informa ional . Canalul prin care se realizeaz transmisiunea se consider a fi afectat de zgomot alb gaussian aditiv (ZAGA) , iar transmisia datelor se face sincron (n sensul c rata de transmisie i momentul emisiei sunt acelea i pentru to i utilizatorii). Vom considera c sistemul de comunica ie are un num r de N utilizatori. Pentru fiecare dintre utilizatori vom asocia cte o secven de cod de mpr tiere sk(t). Putem scrie semnalul ce va recep ionat la ie irea canalului de comunica ie :

y rec (t ) ! Ak bk s k (t )  W n(t )
k !1

t [0, T ]

(a.1)

unde : bk {-1,1} reprezint bitul transmis de utilizatorul k n perioada de timp T; Ak este amplitudinea recep ionat de la utilizatorul k ; Ak2 reprezinta laenergia fiec rui user k; n(t) reprezint zgomotul alb gaussian cu densitate spectral de putere unitar ;

W reprezint dispersia zgomotului prezent in canal. Performan ele strategiilor de

detec ie depind de raportul semnal zgomot i de asem n rile dintre semnale, aceste asem n ri fiind date de intercorela ie definit ca :

V ij ! s i , s j ! si (t ) s j (t )dt
0

(a.2)

i are proprietatea de a fi subunitar . Putem scrie matricea de intercorela ie R ca fiind definita astfel :

V11 V R ! 21 .. V N1

V12 V 22 .. VN2

.. V1 N .. V 2 N .. .. .. V NN

(a.3)

Matricea de intercorelatie are urmatoarele propietati : este nenegativ definit ,iar elementele de pe diagonala sa principal sunt egale cu 1 . 3.2 Detec ia Liniar Multiutilizator Cu Minimizarea Erorii P tratice Medii O abordare mai comun n teoria detec iei o reprezint problema estim rii unei variabile aleatoare W pe baza observa iilor f cute Z . n acest scop alegem func ia
W ( Z ) care minimizeaz eroarea patratic medie (MSE). Pentru exprimarea erorii

p tratice medii folosim formula urm toare:

2 E W  W Z

(3.1.1) solu ia ecua iei este

n condi ii foarte generale poate fi demonstrat c reprezentat de estimatorul mediei condi ionate :

Z W  ! E? Z A W

(3.1.2)

n majorotatea cazurilor este destul de greu de calculat estimatorul mediei condi ionate din distribu ia comun a lui W i Z . Din acest motiv pentru a minimiza eroarea p tratica medie pe baza transform rilor liniare a lui Z vom alege acea valoare care va determina eroarea minim . Acest estimator minim al MSE (MMSE) este, n general , u or de calculat i depinde de distribu ia comuna dintre varabila aleatoare (W) i observa iile (Z) prin varian a i covarian a acestora. Putem schimba problema detec iei multiutilizator ntr-o problem de estimare liniar , prin condi ionarea ca eroarea p tratic medie dintre bitul bk al utilizatorului k i ie irea transform rii liniare cu num rul k ( v k y ) s fie minim . Cu toate acestea abordarea f cut nu conduce la minimizarea BER (ratei erorii de bit). P bk { sgn(v k y ) ,
T

acesta este un criteriu de sesibilitate optim , n cazul particular cnd detectorul multiutilizator , n loc s demoduleze date , ne furnizeaz decizii soft ca un decodor de control al erorii. Detectorul liniar cu minimizarea erorii p tratice medii alege pentru utilizatorul k forma de und ck de perioada T. Aceast form de und ck mpreun cu vectorul

 ie irilor y dau bitul bk estimat. Eroarea minim dintre bitul real i cel estimat prin intermediul ck poate fi exprimat prin rela ia urm toare: min E  k  c k , y b
ck

A
2

(3.1.3)

, unde bitul estimat al vectorului de ie ire este:

bk ! sgn c k , y
Transformarea liniar ie irea transform rii liniare:

(3.1.4) la

MMSE maximizeaz raportul semnal-interferent

min

ck

E  k  ck , y b

A
2

! 1  max ck E

E  ck , Ak bk sk
k

? A ?c , y  A b s A 
2 2 k k k

(3.1.5)

Putem exprima ntodeauna transformarea liniar ca: (3.1.6)

c k ! ckS c O k

, unde c kS este o combina ie liniar compus din formele de und s1,,sk , iar
O c k este ortogonal cu c kS . Atunci putem scrie c :

E  k  ck , y b

A! E  b
2

 ckS , y

W
2

O ck

(3.1.7)

n consecin

este cel mai bine s ne restric ion m aten ia asupra combina iei

c kS compus din s1,,sk . Aceasta implic ca detectorul liniar MMSE s furnizeze la

ie irea sa cte o combina ie liniar ntre ie irile filtrelor adaptate . Aceasta ne permite s transform m problema pus anterior ntr-o problem dimensional finit , n care trebuie s alegem vectorul mk de dimensiune N care minimizeaz rela ia :
T E bk  m k y

A
2

(3.1.8)

Avem acum k probleme de optimizare ( cte una pentru fiecare utilizator n parte ) , aceste probleme putnd fi rezolvate simultan prin introducerea matricei M de dimensiune N v N , ale c rei coloane sunt reprezentate de vectorii mk . Aceasta duce la urm toarea minimizare :
M R N v N

min E b  My

(3.1.9)

unde y reprezint vectorul normat al ie irilor filtrelor adaptate i poate fi scris ca :

y ! RAb  n

(3.1.10)

Rela ia face referire la vectorul bi ilor de intrare b i la vectorul de zgomot n ce are media nul Deoarece : i matricea de covarian a egal cu W 2 R .

x ! trace_ T a primul pas n rezolvarea problemei men ionate xx ,

2

n rela ia (3.1.9) este aceea de a calcula matricea de covarian

a vectorului de eroare:

cov{b  My} ! E b  My b  My ! E bb T  E by T M T  ME yb T  ME yy T M T

A ? A ? A

? A

? A

(3.1.11) Utiliznd (3.1.10) rezult : E bbT ! I N i faptul c zgomotul i datele transmise nu sunt corelate

? A

(3.1.12)

E by T ! E bbT AR ! AR

? A ?

(3.1.13)

E ybT ! E RAbbT ! RA

? A ?

(3.1.14)

E yy T ! E RAbb T AR  E nn T ! RA 2 R  W 2 R
vectorului de eroare :
cov_  Mya! I N  M RA 2 R  W 2 R M T  ARM T  MRA b

? A ?

A ? A

(3.1.15) a

Substituind aceste rela ii n ecua ia (3.1.11) rezult matricea de covarian

(3.1.16)
T

! I N  W 2 ARA

A  M  M RA R  W R M  M (3.1.17)
1 2 2

, unde

M ! A1 R  W 2 A 2

def

1

(3.1.18)

i am presupus c matricea A este nesingular (numai acei utilizatori care sunt activi sunt lua i n considerare). Mul umit ecua iei (3.1.17) suntem pregati i s rezolv m :
M R N v N

min E b  My

A!

M R N v N

a min trace_ _  Mya cov b

(3.1.19)

Deoarece matricea RA 2 R  W 2 R este nenegativ definit , al doilea termen al rela iei (3.1.17) este ntodeauna nenegativ . n plus deoarece primul termen al rela iei

10

nu depine de M putem cocluziona spunnd c

matricea M definit prin rela ia

(3.1.18) reprezint valoarea minim a sumei medie a erorilor p tratice .

M R N v N

min E b  My

A! trace_ ?I

 W 2 ARA

Aa
1

(3.1.20)

Cu valoarea M g sit se poate estima pentru fiecare utilizator k ce date a transmis, prin extragerea coloanei corespunz toare fiec ruia. n acest mod, putem lua decizie asupra valoarii estimate a bitului transmis de utilizatorul k este :

1 2 2 bk ! sgn A RW A k

A y ! sgn ?R  W
1 k

A 2 y

A
k

(3.1.21)

Prin urmare detectorul liniar MMSE nlocuie te transformarea R 1 a detectorului decorelator prin:

?R  W
unde:

A 2

1

(3.1.22)

(aceasta reprezint transformarea liniar a ie irilor y ale filtrelor adaptate )

2 W W2 W 2 A2 ! diag 2 ,..., 2 A A2 1

(3.1.23)

De notat c nu am necesitat ca matricea R s fie nesingular . Se observ n plus i dependen a amplitudinilor recep ionate de c tre detector numai prin rapoartele semnal-zgomot. Nu a trebuit s presupunem c zgomotul de fond este de tip gaussian. Mai mult pentru ob inerea rela iei (3.1.18) nu am presupus c bi ii transmi i sunt valori binare ci numai c sunt necorelate de la un utilizator la altul i E bk2 ! 1 . Putem renun a la ultima restric ie incluznd o valoare diferit
2 k 2 k

? A de 1 a lui E ? A n A . b

n continuare vom prezenta structura detectorului liniar MMSE pentru canale sincrone.

11

Figura 3.1.1 Detector liniar cu minimizarea erorii p tratice medii pentru canale sincrone O alt formulare pentru problema MMSE este cea n care se substituie n rela ia (3.1.9) ( minN E b  My Nv
M R

A) prin urm toarea rela ie : min E ?Ab  My A

2 M R
N vN

(3.1.24)

Aceasta este echivalent

cu ncercarea de nlocuire a termenului bk cu de

termenul Ak bk la ie irea transform rii liniare. Dar valoarea Ak este cunoscut

aceea nu ar trebui s fie surprinz tor faptul c solu ia rela iei (3.1.24) este data de urm toarea formul (cu ajutorul matricei M * ob inem valoarea minim ) :

M * ! R  W 2 A2

1

(3.1.25)

Aceasta duce la acela i detector ca mai nainte (rela ia (3.1.21)) , acesta fiind ob inut urmnd aceea i abordare ca n cazul rela iei (3.1.9). n cazul n care canalul este folosit doar de 2 utilizatori, matricea M * poate fi scris n forma urm toare :

12

?R  W

A 2

1

W ! 1  2 A1
2

W 1  2 A2
2

 V2

1

W2 1  2 A2 V

V (3.1.26) W2 1 2 A1

Structura detectorului n aceast situa ie este urm toarea :

1
T

y1
T

A1 V A2

+ _

b1

s1 (t )
y(t)

s 2 (t )

y2
T

b2

1
T

A2 V A1

Figura 3.1.2 Detector liniar MMSE pentru doi utilizatori sincroni Dup cum tim filtrul adaptat pentru un singur utilizator dintr-un detector este optimizat astfel nct s elimine zgomotul alb gaussian de fundal, iar detectorul decorelator are rolul de a elimina interferen a multiutilizator neglijnd zgomotul de fundal. n contrast detectorul liniar cu minimizarea erorii p tratice medii (MMSE) ine cont att de contribu ia fiec rui utilizator interferent ct i de zgomotul de fundal. De fapt i receptorul conven ional i receptorul decorelator sunt cazuri limit ale detectorului liniar MMSE. Dac inem A1 fixat i l s m ca valorile A2 ,, Ak 1 0

atunci prima linie a matricei R  W 2 A 2

1

tinde c tre :

A12 ,0,....,0, 2 2 A1  W
, ceea ce corespunde pentru un filtru adaptat pentru utilizatorul 1. Pe m sur ce W valoarea R  W 2 A 2
1

devine o matrice diagonal , atunci detectorul liniar .

MMSE converge c tre detectorul conven ional pe masur ce W

13

Dac inem toate amplitudinile fixate i l s m ca W 0, atunci :

?R  W
aib aceea i eficien asimptotic

A 2

1

R 1

(3.1.27)

Pe m sur ce raportul semnal-zgomot tinde la infinit, detectorul liniar MMSE converge c tre un detector decorelator. Acest fapt implic ca detectorul MMSE s i rezisten near-far cu detectorul decorelator. n caz particular detectorul liniar MMSE ob ine rezisten a near-far optim . n cazul asincron detectorul liniar MMSE este un detector cu K-intr ri, K-ie iri , liniar, filtru invariant n timp cu func ia de transfer :

?R [1]z  R[0]  W
T

A 2  R[1]z 1

1

(3.1.28)

Cea mai simpl cale de a verifica acest lucru este de a observa faptul c n paralel cu detectorul decorelator asincron, ecua ia (3.28) limiteaz care folosim un cadru de lungime finit Ws. forma invers echivalent a matricei de cross-coreala ie pe care ar trebui s o ob inem n cazul n

R[0]  W 2 A  2 R[1] 0 / 0 exist

R T [1] R[0]  W A R[1] / 0

2 2 T

0 R [1] / R[1]

/ R[0]  W 2 A  2

0 / 0 (3.1.29) R T [1] R[0]  W 2 A  2 ntre o matrice

n contrast cu detectorul decorelator, forma invers a matricii din (3.1.28) ntodeauna deoarece matricea aceasta reprezint i ntre o matrice diagonal o sum nenegativ definit W 2 A2 . Putem interpreta structura

detectorului decorelator ca o cascad de structuri liniare ce combin ie irea filtrelor adaptate pentru a elimina interferen a multiutilizator urmat de un egalizator de tip zero-for at care elimin interferen a intersimbol a unui singur utilizator. Situa ia este oarecum diferit pentru detectorul MMSE. n acest caz combinarea ie irii filtrelor adaptate nu poate elimina ntreaga interferen a multiutilizator, iar filtrul unui singur utilizator nu se comport ca un egalizator zero-fortat. Strategia ferestrei trunchiate poate fi aplicat la detectorul liniar MMSE efectund unele modific ri. Aceast observa ie devine important atunci cnd se recurge la o implementare adaptiv a detectorului liniar MMSE.

14

Revenind acum la cazul sincron o reprezentare alternativ pentru detectorul liniar MMSE (ce va fi util n sec iuni ulterioare ) poate fi f cut utiliznd modelele n timp discret n care semnalul observat este o proiec ie pe o baza de semnale ortogonale :
N

r ! Ak bk s k  W
k !1

(3.1.30)

, unde m este un vector de lungime L de tip gaussian, ale c rui componente sunt independente i au varian a unitar . Consider m n continuare utilizatorul 1 ca fiind utilizatorul de interes, iar vectorul v care minimizeaz :

E b1  v T r

A
2

este acela pentru care gradientul expresiei anterioare se anuleaz , acesta este:

E b1 r  rr T v ! 0
N

(3.1.31)

Pentru a calcula partea din stnga a rela iei (3.31) trebuie s inem cont c : i
T E rr T ! W 2 I  Ak2 s k s k k !1

? A

(3.1.32)

Prin urmare solu ia pentru rela ia (3.31) este dat de vectorul :

v * ! E rr T

? A E?b r A
1 1

1

(3.1.33) (3.1.34)

N T ! A1 W 2 I  Ak2 sk sk s1 k !1

Filtrul ob inut se nume te filtru Wiener . Eroarea p tratic minim ob inut cu aceast transformare liniar este : E b1  r T v *

A! 1  E?b r A E ?rr A E?b r A ! 1  A s E? A s rr

2 T T 1 1 1 2 T 1 1 T 1 1 N T ! 1  A s W 2 I  Ak2 s k s k s 1 (3.1.35) k !1 2 T 1 1 1

Indic m i matricea de covaria ie a interferen elor:

T 7 ! W 2 I  Ak2 s k s k k !2

def

(3.1.36)

De observat c se exclude utilizatorul 1 din sum . Folosind 1 putem ob ine expresii alternative pentru transormarea MMSE (minimul erorii p tratice medii) i pentru minimul mediei erorii p tratice (3.1.33) : 15

v* !

A 7 1 s1 1  A s 7 1 s1
1 2 T 1 1

(3.1.37)

i
E  1  v* r T ! b

A 1  A s1 7
2 T 1 1

1

s1

(3.1.38) se ob ine la ie ire

n plus ne aducem aminte c cu ajutorul vectorului v* rela iilor (1.45) i (1.46) se poate exprima astfel :
T E A1b 1 s1 v *

raportul semnal-zgomot maxim n raport cu orice transformare liniar care datorit

SIR1 !

E r  A b s *  v

T 1 1 1

A
(3.1.39)

E b1 r T v *

A
2

1

T ! A12 s1 7 1s

3.2.1 Criterii de evaluare a performan elor n cazul detec iei multiutilizator MMSE n cele ce urmeaz va fi analizat comportamentul detectorului liniar cu

minimizare a erorii p tratice medii din punct de vedere al semnalelor de la ie ire, n condi ii de varia ii asimptotice ale parametrilor. Aceste varia ii asimptotice se refer la num r mare de utilizatori, zgomot de nivel foarte mare, control perfect al nivelului puterii sau diferen e mari ntre nivelele de putere. n fiecare situa ie rezultatele sugereaz c probabilitatea de eroare de bit a acestui tip de detector poate fi aproximat cu succes presupunnd c partea din semnalul de la ie ire ce rezultat din contribu ia zgomotului i a interferen ei se poate nlocui printr-o variabil aleatoare gaussian . Acest rezultat vine n contrast cu detectorul conven ional unde

16

aproximarea gaussian nu era realist n orice situa ie, ci numai pentru raport semnal zgomot redus. Pentru calculul ratei de eroare de bit se va lua n considerare cazul primului utilizator. Semnalul rezultat n urma transform rii liniare cu minimizarea erorii p tratice medii i pe baza c ruia se face estimarea valorii bitului transmis, poate fi scris ca :

? M y ! R  W
* 1

A 2

A y ! B b  F b  Wn ~
1 N 1 1

k k

k !2

(3.2.1)

unde :
Fk ! Bk B1

(3.2.2) (3.2.3) (3.2.4)

Bk ! Ak  * R k M 1 ~ n1 ~N  ,  * RM * 0 M 11 Valoarea estimat a bitului b1 va fi:

N ~ W b1 ! sgn b1  F k bk  n1 B1 k !2

(3.2.5)

Coeficientul de scurgere

cuantific contribu ia utilizatorului interferent

k la decizia statistic , n raport cu contribu ia utilizatorului vizat. n rela ia (3.1.37) se poate observa c primul termen include contribu iile la semnalul de la ie ire ale utilizatorilor interfern i, iar cel de-al doilea termen se datoreaz zgomotului gaussian de fond. Probabilitatea de eroare, adic P b1 { b1 poate fi exprimat

innd cont c

valorile posibile ale bitului b1 sunt echiprobabile, astfel :

N ~ W " 1 P1m  ! P F k bk  n1 W B1 k !2
Mai putem probabilitatea de eroare astfel : P1m  ! 21 N W A Q 1 W b2 ,..., bN _1,1aN 1

(3.2.6)

M R M RM
* 11 * *

11

N 1  F k bk k !2

(3.2.7)

n figura 3.2.1 propus de Verdu se evaluez rela ia (3.2.7) n cazul n care avem doi utilizatori care au o intercorela ie egala cu 0.8 a codurilor de mpr tiere.

17

Raportul semnal-zgomot pentru primul utilizator este egal cu 10 dB .Probabilitatea de eroare este definit ca raport ntre A2/A1 i este comparat : cu probabilitatea de eroarea a unui filtru adaptat al unui singur utilizator, cu cea a unui detector decorelator i cu cea a detectorului multiutilizator optimal. De noatat c pentru o putere de interferen destul de mic probabilitatea de eroarea a MMSE este mult mai bun dect cea a detectorului decorealator. Pentru puteri de interferen destul de mari , detectorul MMSE cu toate c este departe de a atinge valoarea BER a unui singur utilizator (care de fapt este realizabil de c tre detectorul optimal ) se comport similar cu decorelatorul i mult mai bine dect filtrul adaptat al unui singur utilizator.

Figura 3.2.1 Probabilitatea de eroare pentru doi utililizatori si intercorelatie V =0.8 a) filtrul adaptat unui singur utilizator b) decorelatorul c) detectorul MMSE d) minimul (benzii superioare) e) minimul (benzii inferioare)

18

Valoarea probabilit ii de eroare dat de formula (3.2.7) poate fi aproximat nlocuind termenul datorat interferen ei multiutilizator aleatoare gaussian cu aceea i variant
N N

F
k !2

bk printr-o variabil

F
k !2

2 k

:
N 2  Fk k !2

1 ~ P1 m ! Q W 2 M * RM * A2 M * R 1 11

(3.2.8)

11 2

Dac not m : Q! A1 W

M R M RM
* 11 * *

i P2 ! Q 2 F k2
k !2

(3.2.9)

11

Atunci probabilitatea de eroare devine:

Q ~ P m  ! Q 1 W 2 1 P

(3.2.10)

innd cont de rela iile (3.2.6) i (3.2.7) se poate a tepta ca aproxima ia gaussian s fie corect n m sura n care
N

F
k !2

2 k

este neglijabil n raport cu:

A2  * R 2 1 M min 1, 2 * 11 * M 11 W  RM sau dac distribu ia binomial

(3.2.11)

F
k !2

bk nu are o varian

care tinde c re zero, dar

satisface teorema limit central . Cea de-a doua alternativ nu poate ap rea oricnd acest tip de detector este utilizat i matricea de intercorela ie R este nesingular . Pentru a vedea acest lucru, se observ c n aceast situa ie, coeficien ii rela ia:
N

satisfac

F
k !2

(3.2.12) 0. innd cont de

n cazul n care R este nesingular , P1m se anuleaz cnd superior astfel:

rela ia (2.11) varian a semnalului rezultat la ie ire datorit interferen elor este limitat

19

 F k2 e kmaxN F k F k ! 2 ,..., k !2 k !2

max F 1 k ! 2,..., N k

(3.2.13)

Deci dac

varian a semnalului rezultat la ie ire n urma contribu iei cu N, acela i lucru se ntmpl i cu

utilizatorilor interferen i nu se anuleaz

coeficientul F k maxim. n consecin termenul datorat interferen ei din rela ia (3.2.6) nu poate fi aproximat cu o variabil gaussian din moment ce varian a a cel pu in unuia din termenii s i este o frac ie care nu tinde c tre zero. innd cont de rela ia (3.2.5), se face o parti ie

_ ,3,..., N a! G G 2
astfel nct
k G

(3.2.14)

(3.2.15)

i limita superioar a probabilit ii de eroare poate fi scris ca: exp 2 2 W B1 * * 2 M RM 11  F k k G 1  F k kG

2

P1m

(3.2.16)

n situa ia special

n care G=

(nu are elemente) limita superioar

probabilit ii de eroare devine: exp 1 2 N W * * 2 2 B M RM 11  F k k !2 1

P1m

(3.2.17)

Aceast limit dep e te aproximarea gaussian a probabilit ii de eroare. n plus, dac matricea R este nesingular , n cazul particular n care G ! medii devine:
2 B1 1  F k exp  2 kG * * M 11 2W  RM

atunci limita

superioar a probabilit ii de eroare a detectorului cu minimizarea erorii p tratice

P1m

(3.2.18)

20

Pentru a g si formule de aproximare a rela iei (3.2.6), se vor studia condi iile n care to i coeficien ii F k tind c tre zero.

Bk Ak  * R k M 1 Fk ! ! p0 B1 A1  * R M 11

(3.2.19)

Dac aceast rela ie este valabil pentru orice k, rela ia anterioar va face ca ntregul termen datorat interferen ei n rela ia (3.2.5) s aib o varia ie asimptotic normal , adic s poat fi aproximat cu o variabil gaussian . Propozi ia 3.2.1:Considernd o matrice de intercorela ie oarecare R, pentru un k=2,...,N arbitrar fixat,
W p0
k

0 dac una din condi iile urm toare este satisf cut : A1 pg W Ak p0 W Ak pg W

n prima situa ie se consider c toate amplitudinile arbitrare r mn constante, iar n celelalte se presupune c toate celelalte rapoarte semnal zgomot r mn constante i arbitrare. Concluziile care se trag sunt c : y Detectorul cu minimizarea erorii p tratice converge n absen a zgomotului

W p 0 c
,unde :

tre cel cu decorelare, deci:

P1m ~ Q SNRo

(3.2.20)

SNRo !

A12 R 1 W 2  1 ,1

(3.2.21)

prin urmare eficien a asimptotic multiutilizator i rezisten a near-far ale celor dou detectoare sunt identice:
Lk ! 1

R
1

(3.2.22)

kk

N A1 p g , F k2 0. Este deci n continuare valabil W k !2 aproximarea gaussian pentru interfern i zgomot la ie ire i rela ia (3.2.21) A Condi ia k p g spune c , asimptotic, cu ct este mai mare amplitudinea W semnalului de la un utiliuzator interferent, cu att este mai mic efectul pe care l are asupra ratei de eroare de bit.

n condi iile n care

21

Un caz asimptotic ce nu a fost tratat de propozi ia 3.2.1 este acela al raportului semnal zgomot sc zut al utilizatorului vizat. n acest caz: A1 1 p 0 P1m p 2 W (3.2.23)

Comportamentul coeficien ilor F k n condi iile n care zgomotul domin interferen a poate fi caracterizat de urm toarea propozi ie, care arat coeficien i tind c tre cei ai detectorului conven ional. Propozi ia 3.2.2:Fie R, A1,...,AN fixate. Pentru k>1:
lim F k ! Ak V ik A1

ace ti

W pg

(3.2.24)

n continuare se va studia comportamentul coeficien ilor F k pentru cazul n care toate codurile de mpr tiere asociate utilizatorilor sunt echicorelate. Se va considera N fixat, n condi ii asimptotice de raport semnal zgomot; apoi se va studia situatia n care num rul utilizatorilor cre te nelimitat. Propozi ia 3.2.3: Presupunnd c

V ij ! V N  1 / N  1 1 pentru orice ij, ,

3

iar amplitudinile recep ionate satisfac rela ia

inf Ak e sup Ak
k k

g . Dac

N pg

lim sup V N

1 , atunci lim F k bk ! 0 .
N pg k !2

Propozi ia 3.2.3 stabile te c receptorul multiutilizator cu minimizarea erorii p tratice medii este cu att mai capabil s suprime efectul utilizatorilor interfern i cu ct num rul acestora este mai mare; aceasta se realizeaz f cnd coeficien ii F k s convearg c tre zero suficient de rapid pentru ca i
N

F
k !2

bk s convearg n acela i

sens. De remarcat c rela ia lim F k bk ! 0 garanteaz faptul c n canal exist un

N pg k !2

num r de utilizatori foarte mare i n cre tere. De asemenea, suprimarea amintit n propozi ia anterioar este posibil n cazul n care matricea de intercorela ie este nesingular , deci l rgimea de band cre te liniar cu N. n cazul n care exist un control perfect al nivelului puterii i semnalele sunt echicorelate, coeficien ii F k admit urm toarea formul nonasimptotic .

22

Propozi ia 3.2.4: Presupunnd c V ij ! V  1 / N  1 ,1 pentru orice ij, iar amplitudinile recep ionate satisfac rela ia A1 ==AN=A atunci coeficien ii F k sunt da i de formula: V Fk ! W2 A2

W2  1  N  2 V  N  1 V 2 2 A

(3.2.25)

Descre terea coeficien ilor F k ca func ie de N este evident n rela ia anterioar . Particulariznd (2.16) la cazul prezent, se ob ine urm toarea expresie pentru probabilitatea de eroare a detectorului multiutilizator cu minimizarea erorii p tratice medii: N 1 A k P1m ! 21 N C N 1Q W k !0 W2 W2 1  2  N  2 V  N  1 V 2  2 V N  1  2k A A W2 1  2  N  2 V A
2

2 2W  N  1 V 2 1  2  N  2 V A (3.2.26)

a c rei aproximare gaussian este: 2 V N  1 A ~ P1m ! Q 1 2 V W 1  2  V N  2 A

(3.2.27)

Pentru orice valoare a intercorela iei n intervalul [0,1) detectorul multiutilizator cu minimizarea erorii p tretice medii converge c tre detectorul conven ional cnd N . Ar fi gre it ns s se trag concluzia c nu este nici un c tig din luarea n considerare a interferen ei multiutilizator. Atunci cnd N rata de eroare de bit receptorului conven ional tinde c tre 0.5, n timp ce rata de eroare de bit a detectorului multiutilizator cu minimizarea erorii p tratice medii tinde c tre:
A Q 1 V W

(3.2.28)

23

3.3. DETEC IA MULTIUTILIZATOR N CAZUL MMSE ADAPTIV LINIAR

Structura detectoarelor liniare multiutilizator (ex: detectorul decorelator i detectorul MMSE) este atractiv deoarece poate fi implementat ntr-o manier descentralizat ca o sum de filtre adaptive modificate. Aceste filtre adaptive modificate depind de semnalul de intercorelare i calculul r spunsului la impuls. De i exist mijloace de a cre te viteza de calcul (ex. Pentru detectorul decorelator poate fi folosit ortogonalizarea Gram-Smidth), este mai interesant s se g seasc mijloace de evitarea a acestor calcule. n particular, este important s se elimine nevoia de calcul a r spunsului la impuls pentru detectorul liniar n canalele asincrone unde intercorelarea variaz n timp i n canalele cu puteri variabile tot n timp (n cazul detectorului liniar multiutilizator MMSE). Se dore te ob inerea unui detector multiutilizator liniar, care nu numai c elimin necesitatea calcul rii on-line a r spunsului la impuls, dar care s elimine i necesitatea cunoa terii intercorel rii. Vom ar ta cum poate fi atins acest obiectiv folosind o implementare adaptiv a unui detector liniar MMSE. Pentru a justifica legea detectorului liniar MMSE , nti vom trece n revist elementele gradientului.Presupunnd c minimizeaz urm toare func ie: vom reu i s g sim parametrul U * care (3.3.1)

]  ! E ?g X ,U A U

unde X este o variabil aleatoare. Dac func ia = este convex , atunci pornind de la condi ia ini ial U 0 este posibil s convergem la minimum functiei = urmnd direc ia de descre tere abrupt :
U j 1 ! U j  Q ]  j U

(3.3.2)

Dac m rimea pasului este oarecum mic , atunci se va dori ca U j s fie aproape de U * . Utiliznd cealalt convergen a lui = nu avem nc ncorporat structura n rela ia tim despre probabilitatea distibu iei lui X. Ce se (3.3.1) n concordan cu ceea ce trebuie s

ntmpl dac distribu ia lui X nu este cunoscut ? Atunci, nu putem calcula rela ia (3.3.1) si nici unul din gradien ii func iei = nu este cunoscut. Deci este imposibil de implementat rela ia (3.3.2) dac X este necunoscut. n schimb, ne las pe noi s presupunem c optimizarea algoritmului permite observarea unor secven e independente _X 1 , X 2 ,......aunde fiecare variabil aleatoare 24

are aceea i distribu ie ca X. Din acest moment putem estima distribu ia lui X i calcula cu aproxima ie = . Este versiunea zgomotoas , g X j 1 , U j :

U j 1 ! U j  Q g X j 1 ,U j

(3.3.3)

n conformitate cu legea numerelor mari, dac m rimea pasului este foarte mic atunci devia ia medie va tinde s se anuleze i traiectoria algoritmului va urm ri ndeaproape benzile de coborre abrupt ale lui = . Noi consider m rela ia (4.14) ca o metoda care compune minimul rela iei (3.3.1) cnd distribu ia variabilei aleatoare X este necunoscut dar o secven a distribu iei independent identic a lui X este disponibil . n practic poate fi compus avantajos pentru a se utiliza algoritmul aproximativ stochastic simplu n rela ia (3.3.3) pentru a compune minimul func iei = chiar dac distibu ia lui X este necunoscut . n plus, dac secven a sta ionar a lui X este dependent , putem folosi un algoritm de aproximare stochastic atta timp ct secven a este ergodic iar media temporal a gradien ilor zgomoto i converge la valoarea asteptat . n practic , condi ia pentru a-l face pe Q foarte mic este de a converge foarte ncet c tre solu ia lui U * ; valorile mari ale lui Q gr be te convergen a dar introduce imposibilitatea de a men ine fluctua iile din jurul lui U * . Detectorul MMSE liniar pentru userul 1 coreleaz forma de unda recep ionat cu semnalul c1 care minimizeaz :
E b1  c1 , y

A
2

(3.3.4)

Minimizarea rela iei (4.66) se potrive te cu aproximarea stohastic :

g X , c1 ! b1  c1 , y

(3.3.5)

Unde X reprezint forma de und receptionat y i bitul. Func iile distribuite identic independent folosite n algoritmul de aproximare stohastic sunt:
X j ! b1 ?j A, y?jA

(3.3.6)

Unde :
y?j A t ! Ai bi ?j A i t  jT  n(t ),  s
i !1 K

t ?jT , jT  T A

(3.3.7)

Deci tot ce avem nevoie ca s specific m gradientul descendent al algoritmului (3.3.3) este s ob inem gradientul rela iei ( (b1  c1 , y ) 2 ) respectnd condi iile pentru c1 ceea ce este egal cu:

25

2 c1 , y - b1 y
n concluzie algoritmul adaptiv este: c1 ?j A! c1 ?j - 1A- Q  c1 ?j - 1A y?jA  b1 ?j A y?j A ,

(3.3.8)

(3.3.9)

Actualizarea r spunsului la impuls este egal cu forma de unda recep ionat scalat cu o eroare ntre datele cunoscute i ie irea filtrului. Solu ia la care legea de adaptare (3.3.9) converge este detectorul liniar MMSE pentru utilizatorul 1. n consecin ea depinde de toate rapoartele semnal zgomot recep ionate i semnele formelor de und . n orice caz algoritmul nu necesit nici o cunoa tere apriori a semnalelor formelor de und dar, nici a raportului semnal zgomot recep ionat. n afara de secven a utilizatorului dorit singura cerin a algoritmului dorit este s fii ob inut o sincronizare de bit cu utilizatorul dorit. De ce converge la detectorul MMSE dorit dect la un alt detector al unui alt utilizator? (de exemplu :cel mai puternic) deoarece algoritmul este guvernat de datele (secven a) utilizatorului dorit. Un alt aspect al deriva iei detectorului MMSE adaptiv este c nu a trebuit s aib in vedere n structur interferen a n (3.3.7) numit zgomot alb gaussian plus formele de und ale semnalului modulat liniar. Transformarea liniar adaptiv exploreaz o astfel de structur . O schem ce trebuie urmat n acest algoritm este urm toarea:

r (n)
T

bn

+ _ K

K=closed during the transmission of the training b(n) training sequence

_ +

c (n-1)

z 1

c (n)

Implementarea detectorului MMSE liniar adaptiv

Dup cum am v zut, n afar de ini ializarea algoritmului, detectorul liniar MMSE adaptiv nu folose te formele de und ale semnalului utilizatorului dorit. Chiar dac semnalele ( c1 [ j ], y[ j ]) ) n (4.20) sunt semnale continue n timp de durata T, implementarea practic a legii adaptive va fii realizat cu vectori de dimensiune finit .

26

Dac formele de und ale semnalelor tuturor utilizatorilor sunt cunoscute atunci este necesar ca dimensiunea vectorului adaptiv s nu fie mai mare dect k. Chiar dac acest lucru e real n anumite situa ii, este important un alt avantaj al detectorului MMSE adaptiv liniar: nici o form de und a semnalului nu este nevoie s fie cunoscut dinainte. Secven a vectorilor receptiona i verific modelul:

r ?nA! SAb?n A W m?n A

Acum, versiunea de dimensiune finit a algoritmului adaptiv din (4.20) este:

(3.3.10)

v1 ?n A! v1 ?n  1A Q  1T ?n  1Ar ?nA b1 ?n Ar ?n A v

(3.3.11)

Putem demonstra c algoritmul prezentat n (3.3.11) este global convergent atunci cnd Q descre te corespunz tor. Acest comportament convergent este o consecin a urm torului rezultat general, care pune ideile intuitive men ionate mai nainte printr-o aproximare stohastic pe un echilibru de sunet. Consider m func ia:

] v ! E   v T w u

(3.3.12)

Unde u este un scalar oarecare i w este un vector L -dimensional oarecare. Minimizarea rela iei (3.3.12) rezult n estimarea liniar MMSE a lui u bazat pe observarea lui w . Argumentul care minimizeaz (3.2.12) este:

v * ! E ww T

A E?u wA

1

(3.3.13)

Dac performan ele perechii ( u , w ) sunt disponibile atunci o alternativ de calcul a membrului drept din rela ia (3.3.13) este folosirea aproxim rii stohastice. n acest caz, convergen a algoritmului este justificat prin urm torul rezultat: w[n] ! r[n] u[n] ! b1 [n] Propozi ia 3.3.1: Consider m ecua ia recursiv :
v?n A ! v?n  1A 1 T v ?n  1Aw?nA u?nA w?nA n

(3.3.14)

Unde v[n ] , w[n] este vectorul L dimensional i u[n] sunt scalari care satisfac urm toarele condi ii: a) _ [n], u[n]a este o secven ergodic sta ionar w b) E[w[1]w[1]T ] este inversabil

27

c) E[ w[1] ]

d) E[u 2 [1]] g Atunci, pentru orice v[0] avem:

npg

lim v?n A! E w? Aw? A 1 1

T 1

A E?u?1Aw?1AA

(3.3.15)

Acum rela ia (4.73) poate fi v zut ca un caz particular al rela iei (4.25) cu nota iile:

u?n A ! b1 ?n A w?nA! r?nA

(3.3.16) (3.3.17)

Datorit faptului c secven a de nv are este distribuit identic independent procesul {w[n], u[n]} este distribuit identic independent n cazul sincron i condi ia a) din propozi ia 3.3.1 este satisfacut . Condi ia b) este satisfacut a a cum se poate vedea din Aj Ak u R jk
 Rkk

, pentru j { k Condi ia c) este satisfacut pentru c

toate momentele

normelor unui vector gausian oarecare sunt finite. Condi ia d) este evident ndeplinit pentru c

u 2 [n ] ! 1 . Presupunnd c toate K secven ele de nv are sunt mutual

independente membrul drept al rela iei (3.3.15) devine caracterizarea Wiener a detectorului liniar multiutilizator MMSE dup substituirea lui (3.3.16) si (3.3.17). Astfel propozi ia 3.3.1 arat c algoritmul MMSE adaptiv (cu Q n !
1 ) converge n

independent de ini ializarea solu iei dorite. n implement rile practice n mediile nesta ionare o margine inferioar diferit de zero trebuie impus pentru Q n astfel nct s poat urm ri varia iile pe canal. Ne ntoarcem la o scurt examinare a factorilor care afecteaz viteza de convergen ntro stare stabil a legii adaptive n (3.3.11) n cazul unui pas fixat Q .A a cum am v zut n Aj Ak u R jk
 Rkk

, pentru j { k filtrul MMSE corespunde urm toarei rela ii:

* v1 ! E rr T

? A E?b r A
1

1

(3.3.18)

Eroarea a teptat ntre filtrul adaptiv i solu ia dorit urmeaz evolu ia descris de rela ia:

E v1 ?n A v1* ! E v1 ?n  1A v1*  Q E r?n A T ?nA 1 ?n  1A  Q E rr T v1* r v

T 1 * 1

A ? A ? ?I  Q E?rr AE? ?n  1A v A Av

r ?0A ,......., r ?n  1A
28

? A

(3.3.19)

Unde (3.3.19) ine cont de v1 [n  1] deoarece depinde de observa ia:

Dar nu este corelat r[n] .Vectorul de erori pare s se supun unei ecua ii liniare care se rezolv u or folosind matricile exponen iale. Mai degrab putem s prevedem viteza de deteriorare a erorii medii alegnd baze diferite pentru transformarea liniar . Ortogonaliznd matricea simetric n membrul drept al rela iei (3.3.19): QQ ! I  Q E rr T ! G T AG

? A A

(3.3.20)

Unde G este o matrice ortogonal , GG T ! I , i 0 este matricea diagonal con innd valorile proprii ale lui QQ . Atunci (3.3.19) este echivalent cu :

GE v1 ?n A v1* ! AGE v1 ?n  1A v1*

(3.3.21) de G

Asta nseamn c fiecare component a erorii a teptate de vector rotit elaboreaz autonom cu o descompunere a factorului egal cu valorile proprii: a1, j ?n A!   QW 2  QP j a1, j ? A 1 0
n

(3.3.22)

Unde:
* a1 ?n A!  1,1 ?n A a ,......., a1, L ?n A ! GE v1 ?n  1A v1

(3.3.23)

i P j denot a j-lea valoare proprie a expresiei:

A
k !1

2 k k

T s sk

Rata descompunerii geometrice a rela iei (3.3.22) este:

1  QW 2  QP j
Care este stabil dac si numai dac se ndepline te condi ia: 0 Q 2 W  Pj
2

Urm re te stabilitatea rela iei (3.3.23) care dicteaz m rimea pasului mai mic dect:
2 W  Pmax
2 K k !1

Q max !

Unde P max este valoarea proprie maxim a sumei

A s

2 k k

T sk . Cu aceast constrngere

viteza de convergen este maximizat alegnd pasul care maximizeaz minimul ratei descompuse. Independent de alegerea lui Q viteza de convergen este aceea i pentru toti utilizatorii, de i eroarea p tratic medie nu este necesar s fie aceea i pentru to i utilizatorii.

29

n cazul filtr rii adaptive sunt cunoscute mai multe modalit i de accelerare a convergen ei bazate pe tehnici recursive sau alte tehnici.Abordarea pe care am urmato pn aici n aceast sec iune trebuie modificat doar pu in pentru a putea fi aplicabil si pentru canalul asincron. Algoritmul (3.3.4) va conduce la o singur versiune a detectorului liniar MMSE. Receptorul adaptiv trebuie s cunoasc datele utilizatorului dorit i trebuie s se sincronizeze cu acesta. Rezisten a near-far a detectorului liniar MMSE rezultat este aceea i cu a detectorului decorelator, care nu este la fel de bun ca a detectorului decorelator sincron. Pentru a mbun ta i performan ele detectorului liniar MMSE trebuie s m rim intervalul de observa ie la o fereastr care are o deschidere mai mare de un bit per perioad . Acest lucru implic c produsul s nu fie considerat pe toat fereasta care are o deschidere mai mare de un bit per perioada. Acest lucru nu are nici un efect asupra convexit i func iei i detectorul liniar MMSE dorit este unicul minim local al acestei func ii. Normal convergen a la solu ia MMSE depinde de amplitudinile primite i de constanta factorului de intercorela ie. Cnd ace ti parametrii variaz u or(relativ la viteza de convergen a algoritmului) atunci este nc posibil s urm rim varia iile cu algoritmul adaptiv condus de o secven de nv are sau cu decizii luate in mod direct. Totu i dac este o schimbare brusc n canalul CDMA ,de exemplu ca o interferen puternic ap rut brusc algoritmul de decizie direct va folosi date incorecte, decizii gre ite n locul deciziilor corecte i algoritmul poate s nu convearg n acest caz.

30