1）軟符號值計算（soft-symbol）
根據解碼器反饋回來的每位元的外資訊計算每位元的概率
\[\pr \left( ^ = + 1} \right) = \frac + \frac\tanh \left( l_^} \right)\]
根據每位元概率計算每符號概率
\[\pr \left( = a} \right) = \prod\nolimits_k ^ = } \right)} \]
計算軟符號值
\[\tilde x_j^ = \sum\nolimits_}} = a} \right) \cdot a} \]
dft變換
\[}^} = \;\tilde s_2^\; \cdots \tilde s_n^} \right]^t} = }^}\]
2）並行干擾消除
第w個子載波消除第i個使用者後的接收訊號為
\[}_} = }_w} - \sum\nolimits_ }_}\tilde s_w^} = }_w}}_} + }\]
其中，$}_}$為矩陣$}_w}$的第j列，$}_} = }_^\;}_^\; \cdots }_^} \right]^t}$定義為
\[}_^ = \left\
s_w^\;\;,\;\;\;\;\;\;\;\;\;\;\;\;if\;j = i\\
s_w^ - \tilde s_w^\;\;,\;\;\;\;if\;j \ne i
\end \right.\]
3）mmse檢測器
mmse通道均衡
\[\hat s_w^ = }_^h}_} = }_}} \right)^h}}_^}_}\]
其中，$}_^ = }_w}}_}}_w^h + }_}$，$}_} = e\left[ }_}}_}} \right)}^h}} \right]\]$是對角矩陣，對角元
\[\lambda _^ \right)} = \left\
\;\;\;,\;\;\;\;\;\;\;\;if\;j = i\\
} \left[ } \right],\;\;if\;j \ne i
\end \right.\]
其中，$} \left[ } \right] = }\sum\nolimits_^n } \right)}^2}} \right] - } \right)}^2}} \right)}$以及
$e\left[ } \right)}^2}} \right] = \sum\nolimits_}} = a} \right) \cdot ^2}}$
dft逆變換
}^} = f_n^h}^} = \;\hat x_2^ \cdots \hat x_n^} \right]^t}
4）llr計算
\hat x_t^ = x_t^ + e_t^
其中，$$為等效通道增益，$e_t^$為均衡後雜訊疊加干擾項（npi），其方差為$\upsilon _i^2$
\[ = }\sum\nolimits_^n }_^h}_}} \]
\[\upsilon _i^2 = - } \right|^2}\]
逐位元llr為
\[\tilde l_^ = \frac}\left( \limits_}_k^0} \left| - a} \right| - \mathop \limits_}_k^1} \left| - a} \right|} \right)\]
LTE uplink 迭代檢測
lte上行鏈路迭代檢測系統模型 其頻域模型為 對於第w個子載波而言，上述模型等效於 w left begin y w y w vdots y w end right left begin h w right h w right cdots h w right h w right h w right ...
迭代二感想
時光飛逝，迭代二也結束了 這門軟體工程課雖然是一門專業課，但從這門課上我學到的卻不止於專業知識和專業技術，而是學到了更多的，更深層次的，關乎素養和能力的東西。現在再回顧大學前兩年我所寫的所謂 大作業 不論是 風格，質量，還是最終的呈現效果，都很難達到真正的 產品級別 而通過這次軟工課，我才真正體會到...
目標檢測 二
目標檢測是計算機視覺中乙個傳統的問題，基本流程可以看做 特徵提取 模型訓練 分類 滑動視窗計算響應 可以做多尺度 非極大值 等基本步驟 傳統的目標檢測方法 svm hog,dpm等，這裡就不詳細解釋了。卷積神經網路目標檢測的發展 r cnn fast r cnn faster r cnn yolo ...