因子图在MIMO-LDPC联合检测算法中的应用研究

"基于因子图的MIMO-LDPC联合检测算法研究" 这篇硕士论文主要探讨了基于因子图的MIMO-LDPC（Multiple-Input-Multiple-Output - Low Density Parity Check Codes）联合检测算法在无线通信领域的应用。MIMO技术因其高频率利用率而在现代无线通信中扮演着关键角色，通过利用多个天线发送和接收数据，能够显著提升通信系统的容量和性能。然而，随着天线数量的增加，信号检测的复杂性和对算法性能的要求也随之提高。 LDPC码作为一种先进的信道编码技术，以其优良的纠错能力而受到广泛关注。这种编码方法通过稀疏的校验矩阵设计，能够在保持较低的编码复杂性的同时，提供接近香农限的性能。将LDPC码与MIMO系统结合，可以进一步增强通信系统的鲁棒性和可靠性，尤其是在对抗信道衰落和干扰时。 因子图是一种图形模型，常用于表示概率分布或计算问题的结构，尤其在信息理论和统计推理中。基于因子图的消息传递算法（Message Passing Algorithm）是解决这类问题的有效工具，它通过在图中节点之间交换消息来近似地求解最大后验概率（MAP）或者最小均方误差（MMSE）估计问题。在MIMO-LDPC系统中，这种算法能实现联合检测，即同时进行信道解码和符号检测，以降低错误率并提高系统性能。 论文可能深入研究了如何构建MIMO-LDPC系统的因子图模型，分析了消息传递算法在不同条件下的性能，并对比了传统检测算法如最大似然（ML）检测和维特比（Viterbi）解码。此外，可能还探讨了算法的复杂度优化，包括迭代次数的控制、硬件实现的考虑以及在有限计算资源下如何平衡性能与效率。 论文作者薛明杨在胡剑浩教授的指导下，完成了这项工程硕士级别的研究，论文于2019年4月提交，5月答辩，并于同年6月由电子科技大学授予学位。这表明该研究工作经过了严格的学术审查，旨在为MIMO-LDPC系统的联合检测算法提供新的理论和实践见解，对于推动无线通信技术的发展具有重要意义。