Modulation Mode Detection & Classification for in-Vivo Nano-Scale Communication Systems Operating in Terahertz Band
这项工作开始努力设计一个智能/认知纳米接收器工作在太赫兹(THz)波段。具体来说,我们研究了智能纳米接收器的两个基本组成部分-调制模式检测(以区分基于脉冲的调制和基于载波的调制)和调制分类(以确定使用中的确切调制方案)。为了实现调制模式检测,我们在纳米接收机的通带内构造了一个二元假设检验,并给出了两个错误概率的封闭表达式。至于调制分类,我们的目标是通过高斯混合模型(GMM)来表示感兴趣的接收信号。这需要THz信道脉冲响应的显式估计及其随后的补偿(通过去卷积)。然后,我们通过期望最大化算法学习GMM参数。然后,我们对每个混合密度进行高斯近似,以计算对称Kullback-Leibler发散,以便区分各种调制方案(即,$M$ -进制相移键控、$M$ -进制正交幅度调制)。模式检测的仿真结果表明,存在唯一的Pareto最优点(SNR和判决阈值),在那里两个错误概率都最小化。调制分类的仿真结果的主要结论是,对于预先指定的正确分类概率,需要更高的SNR来正确识别更高阶的调制方案。更广泛地说,这项工作应该引发社区对智能/认知纳米接收器设计的兴趣(能够执行各种智能任务,例如,调制预测等)。
2018-07-28 cs.IT math.IT
The Diversity Order of the Semidefinite Relaxation Detector
我们考虑检测的二进制(对映)信号传输在一个空间复用的方式在衰落多输入多输出(MIMO)信道和检测是通过半定松弛(SDR)。SDR检测器是最大似然(ML)检测的一种有吸引力的替代方案,因为复杂度是多项式而不是指数。假设通道矩阵是用i.i.d.绘制的实值高斯项,我们研究了接收分集,并证明SDR检测器实现了最大可能的多样性。因此,在高信噪比(SNR)极限下,接收机的差错概率以与最佳最大似然(ML)接收机相同的速率趋于零。这大大加强了以前的性能保证可用于半定松弛检测器。此外,它证明了全分集检测在某些情况下也是可能的,当使用非组合接收机结构。
2006-06-19 cs.IT math.IT
Block Network Error Control Codes and Syndrome-based Complete Maximum Likelihood Decoding
本文研究了网络差错控制编码在有向无环网络中的鲁棒性和高效性。提出了块网络差错控制编码框架BNEC,并研究了该方案纠正符号差错和包擦除的混合以及检测符号差错的能力。BNEC引入了基于征兆的译码和检错思想,消除了输入数据的影响,降低了译码复杂度。接下来,提出了一种用于网络纠错的高效三阶段基于综合征的BNEC解码方案,其中在找到错误值之前,根据接收机处的错误空间来识别边缘错误的位置。除了有界距离的纠错解码方案的改进单例界,一个完整的解码方案BNEC也被引入。具体地说,它示出,使用所提出的基于综合征的完全解码,网络纠错码与接收器t的冗余顺序d,可以纠正d-1随机加性错误的概率充分接近1,如果字段大小是足够大的。此外,提出了一个完整的最大似然解码方案的BNEC。由于不同网络边缘中的错误概率通常不相等,并且给定特定接收器处的网络内的某些边缘错误的等效性,因此在改进的Singleton界中评估的边缘错误的数量对于ML解码来说不是足够的统计量。
2008-09-24 cs.IT math.IT
Joint Channel Estimation and Nonlinear Distortion Compensation in OFDM Receivers
功率放大器(PA)中的非线性失真会严重降低正交频分复用(OFDM)通信系统的性能。本文提出了一种OFDM信号的最大似然信道频率响应和非线性PA模型联合估计器。推导的估计器是基于泰勒级数表示的功率放大器的非线性,适用于广泛的无记忆PA模型。本文还提出了一种用于接收端非线性失真自适应补偿的次优判决辅助算法。结果表明,所提出的算法可以用于IEEE 802.11a/g/p/ac兼容的无线局域网接收机,而无需在发送端进行任何修改。通过计算机模拟研究了所提算法的性能。
2016-12-29 cs.IT math.IT
Capacity Gain from Two-Transmitter and Two-Receiver Cooperation
研究了在具有相位衰落和所有终端都可获得完整信道状态信息的两发射机两接收机网络中,发射机和接收机协作的容量改进。发射机通过首先在正交发射机协作信道上交换消息,然后用脏纸编码联合编码来协作。接收机通过在模拟正交接收机协作信道上使用Wyner-Ziv压缩转发来协作。为了考虑协作成本,研究了网络功率和带宽在数据信道和协作信道之间的分配。结果表明,发射机合作优于接收机合作,并在大多数操作条件下,当合作信道是强的非合作传输,提高容量。然而,弱协作信道限制了发射机协作速率;在这种情况下,接收机协作更有利。发射机和接收机的合作提供了相当大的额外的容量增益在低SNR的发射机只有合作,而在高SNR发射机合作单独捕获大部分的合作能力的提高。
2007-04-27 cs.IT math.IT
Beyond Point Estimates: Likelihood-Based Full-Posterior Wireless Localization
本文提出MC-CLE方法,通过神经评分网络和蒙特卡洛采样实现无线定位的完整后验推断,有效提升位置估计的准确性和不确定性量化能力。
2025-09-30 cs.IT cs.LG eess.SP
3-D Diffusive Molecular Communication with Two Fully-Absorbing Receivers: Hitting Probability and Performance Analysis
三维介质中多个完全吸收接收器(FARs)的分子扩散通信(MCvD)系统的精确解析通道模型由于相应扩散方程的数学困难而难以获得。因此,这项工作,考虑一个MCvD系统与两个球形FAR在3-D扩散限制介质和开发几个见解使用近似的信息分子(IM)的命中概率的解析表达式。此外,基于命中概率,一个新的近似封闭形式的解析表达式的接收器工作特征曲线(AUC)下的面积推导出在每个FAR的检测性能分析在其他FAR的存在。最后,给出了仿真结果,以验证基于粒子和蒙特卡罗模拟的分析结果,并对具有两个FAR的MCvD系统性能产生重要的见解
2020-09-14 cs.IT math.IT
Space-Time Coding over Fading Channels with Stable Noise
本文讨论了空时编码在衰落信道与脉冲噪声,这是已知的准确捕捉网络干扰的性能。我们使用对称α稳定的噪声分布,并采用两种模型,假设依赖和独立的噪声成分在接收天线。本文推导了正交空时分组码(STBC)的成对错误概率(PEP),并给出了GAR(最小距离接收机)和MDR(最小距离接收机)的测试结果。对于一般的空时码,我们提出了一种最大似然(ML)接收机,以及它在高信噪比(SNR)下的近似。所得到的渐近最优接收机(AOR)不依赖于噪声参数,计算简单。蒙特卡洛模拟是用来补充我们的分析结果,并比较接收机的性能。
2011-02-16 cs.IT math.IT
SCW Codes for Maximum Likelihood Detection in Diffusive Molecular Communications without Channel State Information
瞬时或统计信道状态信息(CSI)是分子通信(MC)系统开发的大多数检测方案所需要的。由于MC信道随时间改变,例如,由于流速、温度或发射器与接收器之间的距离的变化,CSI采集必须重复进行以跟踪CSI变化。频繁的CSI获取可能需要较大的开销,而不频繁的CSI获取可能导致较低的CSI估计准确度。为了克服这些挑战,我们设计的代码,使最大似然序列检测在接收机没有瞬时或统计CSI。特别是,假设浓度移键控调制,我们表明,一类代码,被称为强恒重(SCW)代码,使最佳CSI-免费的序列检测的代价是数据率的下降。对于提出的SCW代码,我们分析了码率、出错率和释放分子的平均数量。此外,我们还进一步研究了二元SCW码和平衡SCW码的性质。仿真结果验证了我们的分析推导,并揭示了SCW码与CSI自由检测优于未编码传输的最佳相干和非相干检测。
2017-06-06 cs.IT math.IT
Enzymatic cycle-based receivers for approximate maximum a posteriori demodulation of concentration modulated signals
针对分子通信中浓度调制信号的解调需求,本文提出以活细胞中常见的酶促循环为构建模块的接收器,通过参数选择近似实现MAP解调,仿真验证特定参数区间可降低误码率。
2024-12-12 cs.IT math.IT
Estimation of Radio Channel Parameters in Case of an Unknown Transmitter
本文研究了从接收机数据估计无线电信道参数,其中发射机是完全未知的。我们使用多径模型来描述发射机和接收机之间的无线电信道。根据这个模型,我们讨论了估计参数的可及性。基于极大似然原理,我们推导出一个代价函数。从接收器通道之间的交叉关系导出第二成本函数。为了估计参数,我们寻求这些成本函数的最小值。所提出的成本函数的性能进行了比较,在模拟。
2015-12-11 cs.IT math.IT
Optimal Receiver Design for Diffusive Molecular Communication With Flow and Additive Noise
在本文中,我们进行接收机设计的扩散分子通信环境。我们的模型包括在任何方向的流动,信息分子的来源,除了发射机,在传播环境中的酶,以减轻符号间干扰。我们表征接收机观测之间的互信息,以显示多久可以独立的意见。我们推导出的最大似然序列检测器提供一个下界的比特错误概率。我们提出了家庭的加权和检测器更实际的实现,并得出其预期的误码率。在一定条件下,最佳加权和检测器的性能与匹配滤波器相当。接收机仿真结果表明,权衡检测器的复杂性与可实现的比特错误概率,并在任何方向上的慢流可以提高加权和检测器的性能。
2014-07-07 cs.IT math.IT
Maximum Likelihood Detection for Cooperative Molecular Communication
针对基于扩散的分子通信系统,提出了一种逐符号最大似然检测方法。在该系统中,融合中心(FC)选择更可能的发射机的符号,给定来自多个接收机(RX)的观测的可能性。我们根据FC可用信息的不同约束提出了三种不同的ML检测变体,这使我们能够证明其性能与可用信息之间的权衡。一个变量的系统错误概率推导出封闭的形式。数值和仿真结果表明,ML检测变量提供了更简单的合作变量的错误性能的下限,并表明多数规则检测具有性能媲美ML检测时,报告是嘈杂的。
2018-03-03 cs.IT math.IT
TOA-based passive localization of multiple targets with inaccurate receivers based on belief propagation on factor graph
位置感知现在正成为许多实际应用的重要需求。本文研究了基于到达时间(TOA)测量的单发射机多接收机多目标无源定位问题。现有的研究假设接收器的位置是完全已知的。但在实际应用中,接收机的位置可能不准确,从而导致目标定位误差。提出了一种基于因子图的置信传播(BP)算法,在提高接收机定位精度的同时实现对被动目标的定位。由于似然函数的非线性,FG上的消息不能以封闭形式导出。我们提出了基于样本和参数的方法来解决这个问题。在基于样本的BP算法中,采用粒子群优化来减少表示消息所需的粒子数。在参数BP算法中,对信息中的非线性项进行线性化处理,从而得到高斯信息的封闭形式。推导了接收机不确定情况下被动目标定位的贝叶斯克拉美-罗界(BCRB),以评估所提算法的性能。仿真结果表明,基于样本的BP算法和参数化BP算法都优于传统的BP算法,并达到了所提出的BCRB。接收机的位置也可以通过所提出的BP算法来改善。虽然参数BP算法的性能比基于样本的BP方法稍差,但由于其计算复杂性显著降低,因此在实际应用中可能更具吸引力。
2015-11-19 cs.IT math.IT
Capacity Regions and Optimal Power Allocation for Groupwise Multiuser Detection
在本文中,最佳的功率分配和容量区域推导出GSIC(groupwise连续干扰消除)系统工作在多径衰落信道下,在不理想的信道估计条件下。结果表明,信道估计误差对系统容量的影响是双重的:它影响一组用户内的接收机的性能,以及消除性能(通过消除误差)。推导了一种迭代功率分配算法,在此基础上可以证明,当按消除误差对分组进行排序时,所需的总接收功率最小,且第一个检测到的分组具有最小的消除误差。性能/复杂性的权衡问题也讨论了直接比较系统容量为不同的实现:GSIC与线性最小均方误差(LMMSE)接收机内的检测组,GSIC与匹配滤波器接收机,多码LMMSE系统,和简单的所有匹配滤波器接收机系统。
2005-01-24 cs.IT math.IT
Symbol Error Rates of Maximum-Likelihood Detector: Convex/Concave Behavior and Applications
研究了AWGN信道(非衰落信道和衰落信道)下最大似然检测器符号出错率的凸性/凸性特性。通用条件下,SER是一个凸/凹函数的SNR确定。SER的一阶和二阶导数的普遍界,得到的任意星座,其中一些是紧的。最后讨论了这些结果的应用,包括空间复用系统中的最优功率分配,降低或增加(干扰问题)出错率的最优功率/分时分配,以及对衰落信道的影响。
2007-05-08 cs.IT math.IT
Performance Analysis of Raptor Codes under Maximum-Likelihood (ML) Decoding
Raptor码在多媒体广播/组播中得到了广泛的应用。然而,我们对Raptor码的理解仍然是不完整的,由于对Raptor码的性能分析的理论工作量不足,特别是在最大似然(ML)解码下,这为其他解码方案提供了系统性能的最佳基准进行比较。本文首次给出了Raptor码在ML译码下的误包性能的上界和下界,该上界和下界是用接收机在给定数目的编码数据包下成功译码所有源数据包的概率来度量的.仿真结果验证了分析的准确性。更具体地说,Raptor码与不同程度的分布和预编码器,评估使用导出的边界具有高精度。
2015-01-29 cs.IT math.IT
Error Rate Analysis and Low-Complexity Receiver Design for Zero-Padded AFDM
National Key Laboratory of Wireless Communications, University of Electronic Science and Technology of China(电子科技大学无线通信国家重点实验室);School of Computer Science and Electronics Engineering, University of Essex(埃塞克斯大学计算机科学与电子工程学院)
本文研究了零填充仿射频分复用系统误差率性能及低复杂度接收机设计,提出了一种低复杂度的最小均方误差检测器和基于最大比合并的时域检测器,并分析了两种检测器的理论误码率性能。
2026-04-28 cs.IT eess.SP math.IT
Antenna Impedance Estimation at MIMO Receivers
本文针对MIMO接收机天线阻抗实时估计问题,利用现有信道估计资源,结合预设阻抗切换与瑞利衰落假设,推导了适配独立同分布和相关衰落场景的闭式估计算法,可实现全瑞利衰落信道下的阻抗实时估计。
2022-04-04 cs.IT eess.SP math.IT
Joint Channel Estimation and Data Decoding using SVM-based Receivers
现代通信系统将接收机组织成块,以便简化其分析和设计。然而,从更广泛的角度考虑接收器设计而不是逐块处理它的方法可以利用这些块对彼此的影响并提供更好的性能。在这里,我们可以受益于机器学习,并组成一个接收器模型实现监督学习技术。有了这个动机,我们考虑一个一对一的传输系统在平坦快衰落无线信道,并提出了一个支持向量机(SVM)为基础的接收机,结合了基于导频的信道估计,数据解调和解码过程中的一个联合操作。我们在接收机设计中遵循两种技术。我们首先设计了一个基于SVM的分类器,它输出在发送端进入编码器的编码码字的类。然后,我们提出了一个模型,一个基于SVM的分类器编码码字中的每一个比特,其中每个分类器分配相应的编码向量中的位的值。使用第二种技术,我们简化了接收器设计,特别是对于较长的编码码字。我们表明,基于SVM的接收机执行非常接近的最大似然解码器,这是已知的最佳解码策略时,在发射机的编码向量是同样可能的。我们进一步表明,基于SVM的接收机优于传统的接收机,执行信道估计,数据解调和解码块。最后,我们表明,我们可以训练基于SVM的接收机与1位模数转换器(ADC)的输出和基于SVM的接收机可以执行非常接近的传统接收机,采取32位ADC的输出作为输入。
2020-12-04 cs.IT eess.SP math.IT
Robust Data Detection for MIMO Systems with One-Bit ADCs: A Reinforcement Learning Approach
Department of Electrical Engineering, Princeton University(普林斯顿大学电气工程系);Department of Electrical Engineering, POSTECH(浦项科技大学电气工程系)
在接收器处使用一位模数转换器(ADC)是用于以大信号带宽和/或大量接收射频链操作的未来无线系统的功率高效解决方案。然而,该解决方案引起高的信道估计误差,并且因此使得难以执行最佳数据检测,该最佳数据检测需要在接收机处的似然函数的完美知识。在本文中,我们提出了一种似然函数学习方法的多输入多输出(MIMO)系统与一位ADC使用强化学习方法。其关键思想是利用数据检测得到的输入输出样本,来补偿似然函数中的失配。这个想法的潜在困难是由数据检测错误引起的样本中的标签不确定性。为了解决这个问题,我们定义了一个马尔可夫决策过程(MDP),以最大限度地提高从样本学习的似然函数的准确性。然后,我们开发了一个强化学习算法,有效地找到最佳的政策,通过近似的过渡函数和最佳状态的MDP。仿真结果表明,所提出的方法提供了显着的性能增益的最佳数据检测方法,遭受的不匹配的似然函数。
2019-03-29 cs.IT cs.LG eess.SP
Parameter Estimation in a Noisy 1D Environment via Two Absorbing Receivers
本文研究了不同参数的估计,例如,传播距离和流速,通过在一维(1D)环境中利用两个全吸收接收器(RX)。推导出在每个RX处的随时间变化的吸收分子的数量和随着时间接近无穷大的时间间隔中的吸收分子的数量。噪声分子在这种环境中,除了发射机的来源,也被认为是释放。提出了一种新的估计方法,即差分估计(DE),以消除噪声的影响,利用接收信号在两个RX的差异。对于DE,Cramer-Rao下界(CRLB)的方差估计的推导。独立的最大似然估计也被认为是在每个RX作为一个基准,以显示DE的性能优势。借助基于粒子的仿真,验证了推导的分析结果。此外,数值结果表明,DE达到CRLB和是不敏感的噪声的变化比独立估计在每个RX。
2020-09-29 cs.ET cs.IT math.IT