有准静态频率选择性衰落信道和快变信道下的BER性能

假设最简单的单天线单载波的情况，
问题是，在下面两种情况下，接收机都采用MMSE均衡时的性能那个更好：
1，准静态频率选择性衰落信道；
2，快衰落频率选择性信道，接收机能完全跟踪信道（即接收机任何时刻都能根据
当前的信道设计相应的MMSE接收机）。
感觉上是不是应该性能一样啊？那位大侠给个答案，谢谢先！

准静态啥意思？

就是不随时间变化，在均衡的那段时间内不变

我理解就是指静态吧，呵呵
quasi-....直译过来的

反正就是这个意思，两种情况下那个性能好呢？
疑惑中～～～

我觉得应该是一样，准静态对于均衡而言，就是指接收机能够跟上信道变化

但是仿真出来怎么就不一样啊?

有没有引入信道编码或者交织之类的处理过程？
——如果没有人为的引入信道符号之间的相关性的话，那么请问你的仿真中的“准静态”
    和“快”两种情形之间有什么构成上的差别？
.33

没有任何其他的处理。
仿真是这样的，假设一帧有30个QPSK符号，那么在静态信道就是信道在一帧中不变。
这样在一帧中只需设计一次MMSE均衡器；
而在快衰落信道下，信道每个符号周期变一次，接收机也是每个符号就根据当前的
信道设计一次MMSE均衡器。
两种情况下，那个的BER性能更好呢？

关键是符号前后有没有交织，如果没有，并且还假设计算能力足够牛，那么快变信道其实也是准静态信道，呵呵
对于每一个symbol，如果均衡器的性能是一样的，那么均衡后的效果也就是一样的，
那么性能也就没有啥两样了

静态信道的信道矩阵是Toeplitz的，但是快衰落信道下信道矩阵不是
Toeplitz的，两种情况下设计MMSE均衡器，会对均衡性能产生影响吗？

你自己仿一下不就知道了么。

仿了，但是结果好像快衰落下的性能不如静态信道，
也不知道是程序有问题还是就是应该如此。

每个符号信道都变化.你怎么能跟得住信道?

呵呵，如果每个符号周期都变一次的话，这种情形下即使假设接收机端能够理想
精确获得信道冲激响应，其均衡也不一定能做到很好....
——因为你在生成接收到的数据 r 时，在每个采样点 r(n) 中隐含了那个时刻的
    整个信道冲激响应的信息 h(n,k)。
——而在做均衡时，只用到当前时刻（假设为 n0）时的一个冲激响应 h(n0,k) 序列和
    接收到的全部样点 r(n) ，其中 n≤n0，而没有用到所有的 h(n,k)，其中 n<n0
——所以即使是最佳均衡，也不能得到前面符号的精确估值，也就不能消除它们对当前
    符号的影响。因此均衡的性能肯定是要打折扣的。
.55

    ""而在做均衡时，只用到当前时刻（假设为 n0）时的一个冲激响应 h(n0,k) 序列
和接收到的全部样点 r(n) ，其中 n≤n0，而没有用到所有的 h(n,k)，其中 n<n0""
                                      ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
r(n0)=sigma k{h(n0,k)*x(k)},n0时刻的接收值只是和{h(n0,k)}有关,和h(n,k)，其中 n<n0有什么关系呢?

n0 时刻之前的接收值和哪些冲激响应有关啊...
——而均衡的时候，需要用到那些接收值...
.55

MMSE均衡是根据 Y=H*X+V 来设计滤波器 W，使得 X_hat=W*Y的MSE最小。
H应该已经包括了信道整个时段的信息了。

楼主说了他均衡的时候只用到了当前时刻的 H 信息... 所以我那么说。
——另一方面，如果像你所说，用到全部的 H 信息的话，那么需要有更大尺度的均衡
    器来完成均衡，才有可能达到相当的性能。
.55

对，就是这个式子，
信道时不变时H是一个Toeplitz矩阵，而信道快变时H就不是Toeplitz了，会对
性能造成影响吗？
本来我也想两者应该一样的，结果仿真出来快变信道下的性能要差，但是却无法解释这个结果。不知道是哪里的问题。

不用全部的信息。假设设计一个M-tap的滤波器，让length(Y)=length(W)=M就可以了。
H的维数是M-by-(M+L)，L是信道的阶数。只不过这个W也要是时变的而已。
再和你较个真。所谓当前时刻的信息，一般来说就是指当目前为止的所有信息了——起码在概率论里是用类似的定义的，信息论里我不是很清楚。

这个我觉得很难讲，你还是最好自己推一下吧，因为均衡后的结果要量化后再算BER——这一量化能有啥结果，从直觉上我说不出来。
但是如果你不用MMSE均衡，用的是ML detection的话，我觉得似乎应该没啥差别。

.33
.33

在分析这个影响之前，我想先问一下，你的信道归一化（Σ|h|^2 = 1）是用什么
方法来完成的？
.33

统计归一化，即假设L阶信道，则每个信道系数是一个方差为1/L的复高斯随机变量

如果是这样，那么当 L 较小的时候，有不小的可能性，某个发送符号到达接收
端的 L 个样点遭受较严重衰落，而同时周围的符号并没有遭受严重衰落。这时
候的信号自干扰是比较严重的。
另一方面，对于成块的变化的信道，信道符号扩散造成的 SIR 会保持相对稳定的
水平，虽然 SINR 会有变化。
想像起来的话，从矩阵的角度来讲，有可能逐符号变化的信道，在按线性 MMSE
算法求逆时，遭遇特征值的分布更不稳定的情况（有较大的概率有微小特征值出现）。
这是我的想像，可以考虑仿真的时候 验证一下。
.33

如果我没记错，高斯（白？）噪声的条件下，LMMSE就是MMSE吧。

“最小均方差”只是一个准则。
——具体的算法，还要指定结构模型才能确定。
——不可否认，最常见的 MMSE 算法是线性的估值算法，但是“非线性 MMSE”
    也是一个大类，而且设计得当的非线性MMESE，会在一定条件下优于线性MMSE。
.33