【導讀】電信號，所以通信受到多徑衰落的影響。分集接收是抵抗多徑衰落的有效方法，RAKE接收機能夠在時域中充分。廣泛被應用的抗多徑衰落技術。收機進行MATLAB仿真。并分別對最大比合并、等增益合并、選擇式合并這三種。仿真得到RAKE接收機的誤碼率性能。比較，得出最大合并比方式的誤碼率性能最好。機的比較，得出RAKE接收機更適合于多用戶情況。

　　

【正文】 接收機能比較好的解決多徑問題。 白噪聲 干擾對 RAKE 接收機誤碼率影響不大，而隨著信噪比的增大， RAKE 接收機的誤碼率迅速下降。 多用戶 RAKE 接收機性能仿真 通過 for 循環(huán)得到 16 用戶狀態(tài)下三種合并方式的誤比特率與信噪比關系曲線圖如圖 35 所示。 圖 35 和圖 36 中，仿真結果以 誤碼率 和 信躁比 的關系曲線給出。圖中同信噪比情況下采用最大比合并方式時誤碼率比選擇式合并方式時低了很多，和等增益合并方式相比也較低。 信息科學與工程學院 2020 屆本科畢業(yè)設計 (論文 ) 20 0 5 10 15 20 25 30 35 40104103102101100信噪比誤比特率3 種主要分集合并方式性能比較 最大比合并等增益合并選擇式合并 圖 35 16 用戶 RAKE 接收機誤碼率仿真圖 其中某一用戶 (如第 8 用戶 )的 三種合并方式誤比特率曲線圖如圖 36 所示。 0 5 10 15 20 25 30 35103102101100信噪比誤比特率3 種主要分集合并方式性能比較 最大比合并等增益合并選擇式合并 圖 36 第 8 用戶的仿真圖 信息科學與工程學院 2020 屆本科畢業(yè)設計 (論文 ) 21 由圖 35 和圖 36 可以看出， RAKE 接收機能夠較好地解決信號多徑傳播問題。隨著干擾功率增加， RAKE 接收機的誤碼率迅速上升，但 白噪聲 干擾對 RAKE接收機誤碼率影響不大。且隨用戶增多，碼間串擾增大，對信噪比要求變高。但相比未采用 RAKE 接收機時對信噪比要求低，等增益合并的性能次之，最后是選擇式合并。 本章小結 通過對單用戶、 16 用戶 RAKE 接收機在最大合并比、等增益合并比、選擇式合并三種合并方式下的誤碼性能仿真比較可知，最大比值合并方式是 RAKE接收機的最佳合并方式，且適用于多用戶接收。 結 論 傳統(tǒng)的 RAKE 接收機的主要問題是，隨著數(shù)據(jù)速率的增加，其性能 會變差，采用抗遠近效應接收機可 有效 防止性能下降。目前的 CDMA 接收機都基于 RAKE 接收機原理，它 把 其他用戶的信號作為干擾來對待。 RAKE 接收機主要應用在直擴 通信 系統(tǒng)中，特別是在民用 CDMA 移動通信系統(tǒng) 當 中。當 RAKE 接收機應用于 CDMA 系統(tǒng)時， CDMA 給每一用戶分配一個唯一的碼序列， 并用它來對承載信息的信號進行編碼。知道該碼序列用戶的接收機對收到的信號進行解碼，并恢復出原始數(shù)據(jù)。 對此，我通過學習 RAKE 接收機的基本原理，利用 MATLAB 軟件對單用戶、多用戶 RAKE 接收機誤碼率進行仿真，并比較三種合并方式對接收機誤碼率的影響，得出 RAKE 接收機能比較好的解決多徑問題且最大比值合并方式是最佳合并方式的結論。 白噪聲 干擾對 RAKE 接收機誤碼率影響不大，而隨著干擾用戶功率增加， RAKE 接收機的誤碼率迅速上升。且隨用戶增多，碼間串擾增大，對信噪比要求變高。但隨用戶增多，在誤碼率維持大致不變時，信 噪比增加比例可逐漸降低。 信息科學與工程學院 2020 屆本科畢業(yè)設計 (論文 ) 22 參考文獻 [1] 樊昌信，曹麗娜 . 通信原理 [M]. 北京 :國防工業(yè)出版社， 2020： 7377. [2] 李建東，郭梯云，鄔國揚 . 移動通信 [M]. 西安 :西安電子科技大學出版社，2020： 133147， 180188. [3] Matthias Patzold. 移動衰落信道 [M]. 陳偉 ,譯 . 北京 :電子工業(yè)出版社， 2020. [4] 韋崗，傅娟 . 通信系統(tǒng)建模與仿真 [M]. 北京 :電子工業(yè)出版社， 2020. [5] 張德豐 . matlab 通信工程仿真 [M]. 北京 :機械工業(yè)出版社， 2020. [6] 趙靜，張瑾 . 基于 matlab 的通信系統(tǒng)仿真 [M].北京 :北京航空航天大學出版社， 2020. [7] 韋慧民 . 擴頻通信技術及應用 [M]. 西安：西安電子科技大學出版社， 2020:210212. [8] 王秀芳，張靜，陳雪松，葛延良 . RAKE 接收機的設計與實現(xiàn) [N]. 大慶石油學院學報， 202010 (5). [9] 張曉蓉 . 多徑衰落信道中的 RAKE 接收機性能研究報告 [N].西安文理學院學報， 202010 (4). [10]陳云飛，羅漢文，宋文濤 . RAKE 接收選擇式分集系統(tǒng)誤碼率分析 [J]. 通信技術 , 2020, 27 (6) : 30 35. 致 謝 通過這一階段的努力，我的畢業(yè)設計終于完成了，四年的大學生涯接近尾聲，非常感謝各位老師和同學們在這四年里給予我的關心和幫助，讓我在學習上和思想上都有很大的進步。在畢業(yè)設計期間，陳東華老師從程序編寫到論文撰寫都給予了我耐心 的指導和無私的幫助，在此表示由衷的感謝。 信息科學與工程學院 2020 屆本科畢業(yè)設計 (論文 ) 23 附 錄 英文翻譯 關于模板更新的問題 伊恩馬修斯，塔卡西羅伊斯卡瓦和 西蒙貝克爾 卡內(nèi)基美倫大學機器人研究所 美國賓西法尼亞洲匹茲堡市福布斯大道 5000號。郵編： 15213 郵箱： {iainm,taka, 摘 要 模板跟蹤是關于計算機視覺研究的一個很好的課題，關于這個問題要追溯到1981 年的 LucasKanade 算法，自那以后，算法被以多種方式拓展，其中包括：模板的任意參數(shù)轉換和線性表觀變化，這些擴展已經(jīng)被結合起來，這些應用在非剛性表觀模型方面達到頂峰，例如主動表觀模型 (AAMS)和動態(tài)斑點。 但是有一個問題很少受到關注，就是如何更新過時的模板使它仍然是一個對目標進行跟蹤的很好的模型。本文提出了一種算法來更新模板，避免了那些天真的更新算法所面臨的“漂移”問題。我們的算法可以理解為一種對避免局部極值的啟發(fā)。它也可以擴展到線性表觀變化的模板。這個擴展可以用來把一類人的 AAM 轉換成一個特定的人的 AAM。 引言 模板跟蹤是關于計算機視覺研究的一個很好的問題，關于這個問題要追溯到[7]。跟蹤目標是通過在視頻序列中的第一幀提取一個樣本圖像作為模板，然后盡可能地在剩余幀中找到與模板相匹配的區(qū)域。 模板跟蹤已經(jīng)被以很多種方式進行了擴展，包括： (1)允許模板的任意參數(shù)轉換 [3]， (2)允許線性表觀變化 [4,6]，(3)使效率更高 [6， 2]。 結合這些擴展就產(chǎn)了生非剛性表觀模型，例如主動表觀模型 (AAMs)[5]和動態(tài)斑點 [9]。 模板跟蹤的根本前提是假設目標的表觀在整個視頻中自始至終都是相同的，這種假設在一段時間內(nèi)通常是合理的，但最終那個模板不再是目標表觀的精確模型，一個天真的解決方法是用從模板的當前位置的當前圖像提取的新模板來更新每一幀 (或每 n 幀 )的模板。這個天真的算法所面臨的問題是模板“漂 移”。模板的每一次更新，都會在模板位置引進一些小誤差。伴隨著一次次更新，這些誤差累積起來使得模板逐步地偏離目標。有關示例，請參閱圖 1。 信息科學與工程學院 2020 屆本科畢業(yè)設計 (論文 ) 24 在本文中，我們提出了一個可以避免漂移地模板更新算法。模板可以每幀更新，并且能夠緊緊貼在原來的目標上。該算法是那個天真算法的簡單擴展。同保持模板的當前估計一樣，我們的算法也保留了從第一幀中得到的第一個模板。采用那個天真的算法的時候，是用模板當前位置的圖像進行第一次模板更新的。但是，為了能夠估計漂移，這個剛更新的模板隨后同第一個模板共同給出最后的更新。我們首先定性地評估了 這個算法，并且證明它能夠不引進漂移地更新模板。接下來，我們重新把這個算法解釋為一種對避免局部極值的啟發(fā)，并且定量地評估了它。 然后，我們用線性表觀變化考慮更一般的情況下的模板跟蹤，具體來說就是在 AAMs[5]中運用我們的模板更新算法。在這種背景下，我們的表觀更新算法也可以理解為一種避免局部極值的啟發(fā)式的算法，因此，我們再次對它進行了定量評估。我們也論證了為什么我們的算法可以應用于把一類人的 AAM 自動轉換成一個特定的人的 AAM。 模板跟蹤 我們從考慮在原始模板跟蹤的目標由單一模板圖像表示的問題開始 ，假設給定了視頻的一系 列圖像的 ??nIx，其中 Tx= x y（ ， ） 是像素坐標， n = 0,1,2,???是幀號。在模板跟蹤里，一個包含我們所感興趣的目標的初始幀 ??0Ix的子區(qū)域被提取出來，成為模板 ??Tx。 (模板不一定是長方形的，例如， 也可以 是一個臉形區(qū)域 [5]。 ) 令 ??Wxp； 表示允許模板變形的參數(shù)化設置，其中 ? ?1p , , Tkpp? ??? 是一組參數(shù)向量。 ??Wxp； 從模板 ??Tx的坐標系中取像素 x，并且把它映射到視頻 ??nIx的坐標系的子像素 ??Wxp； 處。是否設置允許變形取決于我們所希望從跟蹤目標處得到的姿態(tài)。如果目標是一個二維運動的近似平坦模樣 的小塊東西，就可以考慮相似變形： ??Wxp； = ? ?? ?1 2 32 1 411p x p y pp x p y p? ? ? ? ?????? ? ? ? ??? (1) 其中有四個參數(shù) ? ?1 2 3 4p , , , Tp p p p? 。一般情況下，參數(shù) k 的數(shù)值可以任意大，??Wxp； 可以任意復雜。 (一個復雜的例子是在主動表觀模型 [5]里用 分段仿射 變換對非剛性運動目標建模。 ) 模板跟蹤目標是在隨后的每一幀中找到模板的最佳匹配。均方誤差的和通常用來衡量模板和視頻幀之間的匹配程度，因此我們的目標是計算： ??? ? ? ? 2p = a r g m i n W Tnnp xT I p x? ????? x ； (2) 當 n≥1 時， 對在模板中的所有像素 點求和 。 (原諒我濫用術語 。 )起初解決方程(2)非線性最優(yōu)化的是 LucasKanade 算法 [7]隨后多種其他算法被提出，見最近的一項調查 [2]。 信息科學與工程學院 2020 屆本科畢業(yè)設計 (論文 ) 25 模板更新策略 在本論文中，我們考慮了如何更新模板 ??xT 的問題。 假設 每一幀都使用不同的模板 。 意味著它在 nth 幀中被使用。跟蹤包括計算： ??? ? ? ? 2p = a r g m in Wnn n np xT I p T x? ?????? x ； (3) 模板更新問題包括用 ? ? ? ?0 ,nI x I x??? 計算的 ? ?1nTx? 以及 ? ? ? ?1 ,nT x T x??? 。最簡單的策略是根本不更新模板： 策略 1：不更新 對所有 1n? ，有 ? ? ? ?11nT x T x? ? 對于實際更新模板最簡單的策 略是 把 新的模板 作為 ??nIx中被模板跟蹤的輸入圖像區(qū)域。 策略 2：天真算法更新 對所有 1n? ，有 ? ? ? ?? ?1 。n n nT x I W x p? ? 這些策略都不是很好。使用第一個策略，模板最終不可避免地會過時，因而不能再代表被跟蹤的目標。使用第二個策略，模板最終將偏離目標。一些出現(xiàn)在變形參數(shù) pn 中的小誤差意味著新的模板 ? ?? ?。nnI W x p 總是一個相對于理想情況有輕微改變的版本。這些誤差經(jīng)過一段時間累積起來后，模板就偏離了我們最初要跟蹤的目標。以這種方式偏離的例子請參見圖 1。 (請注意，像每隔幾幀更新模板這樣對這種策略進行簡單變化雖然會更加有效，但是也面臨同樣的漂移問題。 ) 我們怎樣才能既更新模板又避免它偏離目標呢？一種可能是保持第一個模板 ??1Tx，并且用它來糾正 ? ?1nTx? 的漂移。例如，我們可以用策略 2 估算 ? ?1nTx? ，然后結合 ? ?1nTx? 和 ??1Tx來消除漂移。由于 ? ? ? ?? ?1 。n n nT x I W x p? ? 和先用模板??nTx跟蹤圖像 ??nIx，然后用 ??1Tx跟蹤是一樣的。如果在方程 (2)和 (3)中的非線 性最小限度能夠完美地解決， 這在理論上和只用 ??1Tx跟蹤 就完全一樣了。非線性最小限度可以用梯度下降算法來解決，然而，這個策略實際上因此變得不一樣了。我們稍微改變符號來強調對方程 (3)使用了梯度下降算法。特別地重寫方程 (3)如下： ??? ? ? ?12p = g d m in W Tn nn n nPP xT I p x?? ? ????? x ； (4) 其中1min nPgd ?表示從 1nPP?? 開始“執(zhí) 行一次最小限度梯度下降