无记忆中继网络中信噪比最大化的最优中继功能

我们探讨了无记忆中继网络中的信噪比最优中继功能，即在每个信道使用期间，中继传输的信号仅取决于该中继处接收的最后一个符号。我们发展了一种针对无记忆中继函数类的信噪比泛化概念。该泛化信噪比优化问题的解导致了一种新颖概念，即最小均方无关联误差估计 (MMSUEE)。对于单个中继的基本情况，我们证明了 MMSUEE 是该网络中无记忆中继函数的信噪比最优解，无论源和中继的发射功率以及调制方案如何。该方案我们称为估计并转发 (EF)，也被证明在 PSK 调制的平行中继网络中为信噪比最优。在平行和串联中继网络中，EF 均优于最佳的放大并转发 (AF) 和调制并转发 (DF)。我们还确定，在平行网络中，AF 在低发射功率下接近最优；而在串联网络中，DF 在高发射功率下接近最优。对于包含平行和串联元素的混合网络，以及需要鲁棒性能的场合，EF 相对于最佳的 AF 和 DF 具有显著优势。提供了误码概率，以证明通过信噪比最优性获得的性能提升。我们还指出，对于高斯输入，AF、DF 和 EF 完全相同。