在未知源分布的多跳中继网络中实现最优检测：基于空中扩散技术

《IEEE Open Journal of the Communications Society》：Optimal Detection over Multi-Hop Relays with Unknown Source Distribution: Over-the-Air Diffusion

　　

摘要：

多跳放大转发（AF）中继机制在传输期望信号的同时，也会放大并传播噪声，导致噪声功率在连续的跳数中累积。在接收端，虽然需要一个最优的检测器，但对于非高斯或未知源分布（例如视频或语音信号）来说，实现这一目标具有挑战性，因为贝叶斯最小均方误差（MMSE）估计器通常没有封闭形式的解。基于学习的检测方法则引发了关于合适学习框架、跨传播环境和中继深度的泛化能力，以及是否需要中间中继的信道状态信息（CSI）和噪声统计数据进行最优检测的关键问题。本文利用信息论建立了AF中继链与保持方差扩散过程（即空中扩散）之间的形式对应关系。分析进一步表明，中间CSI并不能在端到端充分统计量的基础上提升最优检测性能。这种等价性意味着，在未知或非高斯源分布下的检测问题可以重新表述为学习有效噪声注入机制的逆过程，而不需要明确指定源分布的先验，即实现马尔可夫扩散过程的逆转。此外，只要保持决定逆过程起始点的有效信噪比（SNR），就可以在一个多跳配置下训练逆向去噪检测器，并在另一个配置下应用该检测器。数值模拟结果显示，与传统的逐符号最大似然检测方法相比，所提出的解码器显著降低了均方误差、符号错误率和比特错误率。