无线通信信道技术

无线通信信道技术（精选八篇）

无线通信信道技术 篇1

一、无线通信技术发展及应用

随着现代科学技术的发展, 现代通信进入了数字化时代, 第三次信息技术革命的到来, 特别是因特网的发明, 原来的通信技术已经不能满足人们的需求, 人们需要无线通信来满足各种不同的需求。无线通信是采用电磁波传递信息的方式。无线通信的主要特点主要有几个方面:第一, 信息化发展的方向之一在于宽带化, 无线传播的速率将进一步提升。第二, 接入的网络将会越来越多样化, 使在同一核心网络上传送多种综合业务得以实现。第三, 信息的个人化, 更大地促进个人信息通讯的发展。第四, 无线通讯结构正在经历一场变革, 即将打破传统的网络接入方式。

无线通讯技术在近些年来运用地越来越广泛。比如在农业领域, 众所周知, 我国是农业大国, 精准农业在我国的农业生产中占据越来越重要的地位, 成为实现我国农业跨越式发展的关键步骤。又比如无线通信技术在军事领域的应用, 可以准确地实现战场的定位, 而且单兵数字信息要求单兵节点加入到继承网络中, 以保证指挥、控制、决策的有效性。

二、通信原理

从古代的驿站开始到现代的邮寄通讯都作为通信的一种方式, 通信主要包括以下几个基本要素:第一, 信息源, 即需要传递信息的人, 需要通过一定的方式将信息传递给他人。第二, 信道, 就是信息传播的渠道, 比如古代的传递信息的马以及现在的邮差。第三, 接收端, 即接收信息的人, 随着现代科学技术的发展, 接收端智能化的倾向也越来越明显。信息的传播在古代主要是靠人员来传播, 因为在那个时候的信息源主要是一封信或者是一段文字和口谕, 而在现在, 信息源也可以编码操作, 通过无线传播的方式进行传播。在发射端将信息进行编码, 然后通过信道进行传播, 最后由接收端进行接收。无线通信的最大优势在于传播的高效性, 将信号分为不同的波段和不同的频率, 从而实现了声音的传播。

三、信道原理

从通信技术原理的是三要素可以看出, 信道在无线通信技术中起到了桥梁的作用。若想信息准确及时的传播, 信道占据着和非常重要的地位。信道是传播信息的中介, 是信息传播的载体。无线通信技术已经发展到一定的阶段, 无线信道将需要传播的信息经过一定的处理, 将一定频率的无线电波向空间传送, 到接收端接受, 控制中心经过处理分析, 从而判断信息的内容及位置。

光通信是目前最高级的信息传递方式, 通过对信道的升级, 从而实现信息传播的准确性和及时性。光通信就是以光波为载体的信息传播方式, 其传播的原理是“光的全反射”, 光纤的传播能够最大限度的减少光的衰弱, 提高信息传播的准确性。总之, 在无线通信技术中, 信道的作用无可替代, 因为它是连接信息源和接收端的中间介质, 没有信道, 无线通信的传播也就无法实现。在现代生活中, 通信越来越重要, 人们生活中的的信息传播离不开无线通信技术。但是实际操作中, 通信技术存在着一定的阻碍, 比如在信息传播过程中不同信息在信道中的互相干扰, 常常造成信息的错乱, 加大了解码的难度。光通信以其对光纤最小的衰弱程度, 成为目前无线通信的主要方式, 但是仍然需要不断地创新来改进无线通信技术, 以便更好地传播信息。

摘要：近些年来, 无线通信技术获得了飞速的发展, 应用范围也越来越广泛, 尤其在军事以及航天业方面, 并逐步实现了现代化的过程。本文通过对无线电技术应用的分析, 阐述了无线电通信技术原理, 并探究其信道传播技术原理。

关键词：无线通信技术,通信要素,信道传播技术

参考文献

[1]杨光.水下无线通信网络安全关键技术研究[D].中国海洋大学, 2012.

[2]董立珉.星间/星内无线通信技术研究[D].哈尔滨工业大学, 2012.

[3]秦绍华.无线传感器网络多信道通信技术的研究[D].山东大学, 2014.

[4]马菁菁.Zigbee无线通信技术在智能家居中的应用研究[D].武汉理工大学, 2007.

[5]丁飞, 张西良, 张世庆.基于Zig Bee的无线通信技术及其应用[J].江苏通信技术, 2006, 05:24-27.

[6]赵晗.现代无线通信技术的发展现状及未来发展趋势[J].企业技术开发, 2011, 16:86+89.

[7]王富斌.短距离无线通信技术在抄表系统中的应用[D].山东大学, 2009.

[8]王陈海, 吴太虎.短距离无线通信技术发展及在医疗监护中的应用[J].医疗卫生装备, 2008, 01:30-34.

无线通信信道技术 篇2

【关键词】光学无线通信；海水信道；特征

潜艇在海水中运行时，需要与传感器以及水面舰艇指挥中心等进行沟通联系，这就需要使用到在海水中通信这一技术，在海水中进行通信与在陆地上有很大区别。利用海水作为信息传输的通道进行数据传播的途径，就是海水信道。近年来，水下声学或光学数据传感采集探测技术发展迅速。相比水下声学通信来说，水下光学通信具有受周围环境影响小、传输数据量大、传输耗时少以及载波频率高等优点。由于光波的这些优点使得光学无线通信越来越广泛地应用于水下通信中，在光学无线通信中，影响通信功效的重要因素就是海水信道的光学特征。本文首先对水下光学无线通信中的海水信道特征概要进行简单描述，然后建立水下光学无线通信中的海水信道特征模型，最后对基于水下光学无线通信海水信道特征模型进行仿真修正分析。

1.水下光学无线通信中的海水信道特征概要

水下光学无线通信中的海水信道特征主要包括海水信道具有吸收光数据信号的特征以及海水信道具有散射光数据信号的特征。与光数据信号在空气中传播相比较，光数据信号在海水中的传播过程非常复杂，这主要是由于海水信道中存在很多影响光传输的不确定性因素。这些不确定因素导致海水信道呈现出吸收光以及散射光的特征，海水信道对光的吸收及散射导致光数据信号在海水中传播时出现衰减现象，从而影响光数据信号在海水信道中的传播。

海水信道具有吸收光的特征：海水信道之所以能够吸收光，是因为海水中所含有的物质成分能够吸收光。而海水中所包含的成分是非常复杂的，概括起来可以分为水分子、悬浮体、无机溶解质以及各种有机物等，但是不同海域其包含的成分各有不同，即使相同海域不同位置包含的物质成分也有所不同。海水是一种非常复杂的生物、物力以及化学等相结合的系统，而海水中含有的一些物质对光具有吸收性，例如营光合作用的藻类生物以及黄色物质等。

海水信道具有散射光的特征：由于海水中包含的物质成分的复杂性，也使得海水信道对光数据信号的散射性非常复杂。海水中能够对光进行散射的物质主要包括：水分子、悬浮粒子以及透明物质等。水分子对光的散射性符合瑞利散射特征，悬浮粒子对光的散射性符合米氏散射特征，米氏散射的大小取决于海水中悬浮粒子的浓度以及粒子的大小。而透明物质对光的散射性是由于透明物质能够折射光所引发的。

2.水下光学无线通信中的海水信道特征模型

根据水下光学无线通信中的海水信道特征，可以建立一个关于海水信道特征的模型。我们已经知道光学无线通信的海水信道特征主要包括吸收光以及散射光，从而引发光在海水中传播时出现衰减现象。所以我们假设光在海水中的衰减参数为D，被吸收参数为A，被散射参数为S，光的波长为W，那么 。这说明，光数据信号在海水中的衰减也受到光波长的影響，衰减参数、吸收参数以及散射参数都是光波长的函数。

下面我们将分别对光吸收函数、光散射函数以及经过衰减后接收光数据总能量进行分析。

光吸收函数：在海水中，能够吸收光数据信号的物质分子很多，在此，我们先将主要的吸收光的因素归结起来，然后再进行函数修正分析。

海水中吸收光的物质主要包括：营光合作用的藻类以及CDOM（有色可溶性有机物）等，而营光合作用的藻类中，主要是利用叶绿素来吸收光。此外，还海水中能够吸收光的因素还包括海水以及有机碎屑以及矿物颗粒等。所以我们假设水的吸收参数为WA，叶绿素的吸收参数为C，CDOM的吸收参数为CD，有机碎屑以及矿物颗粒的吸收参数为M。其中C（W）等于叶绿素总浓度的修正值除以浓度常数修正值乘以叶绿素光谱系数。

光散射函数：海水中的水分子、悬浮粒子以及透明物质等都可以对光进行散射作用。而散射规律主要包括米氏散射和瑞利散射。瑞利散射发生的条件是海水粒子的直径小于光波长，其特点是波长的四次方与散射强度成反比。米氏散射较为复杂，粒子直径与光波长的差距越大，散射分布越复杂。根据粒子直径，我们可以认为光散射函数是由水分子参数、叶绿素参数、小颗粒参数以及大颗粒参数组成。

经过衰减后接收光数据总能量：光数据信号从传输端发出后，经过海水信道，受到海水传播中光衰减的影响，并且也会受到传输端与接收端孔径引发的衰减效力，最后才传输到接收端。经过衰减后接收光数据总能量是发射功率、几何衰减、海水总衰减参数D（W）以及传输距离的函数。

3.基于水下光学无线通信海水信道特征模型仿真修正分析

任何一个模型在建立起来后，都需要进行仿真验证以及对函数进行修正等。基于水下光学无线通信海水信道特征模型仿真分析主要包括：在水下光学无线通信中海水信道特征函数仿真验证以及传播误码率分析。我们选取一个海域的相关数据以及光传播的相关数据，然后将这些数据代入模型函数中，看最后得出的结果与实际接收到的数据量的区别，然后根据这一区别进行传播误码率分析以及函数修正，修正后再选取另一个海域与光传播的数据，进行仿真验证，直到仿真实验后的结果与实际量的差距在误差允许范围之内后为止。

4.结论

本文首先海水信道特征概要进行简单描述，水下光学无线通信中的海水信道特征主要包括海水信道具有吸收光数据信号的特征以及海水信道具有散射光数据信号的特征，这些特征导致光在海水中传输时，出现衰减现象。然后根据这些特征建立了水下光学无线通信中的海水信道特征模型，包括一个衰减参数函数、光吸收函数、光散射函数以及经过衰减后接收光数据总能量。影响光吸收函数的因素主要包括：水的吸收参数、叶绿素的吸收参数、CDOM吸收参数以及有机碎屑矿物颗粒吸收参数等。影响光散射函数的因素主要包括：水分子参数、叶绿素参数、小颗粒参数以及大颗粒参数等。最后对基于水下光学无线通信海水信道特征模型进行仿真修正分析。基于水下光学无线通信海水信道特征模型仿真分析主要包括：在水下光学无线通信中海水信道特征函数仿真验证以及传播误码率分析。

【参考文献】

[1]魏巍，陈楠楠，张晓晖，饶炯辉，王文博.用于水下传感器网络的无线光通信研究概况[J].传感器世界，2011，3：6-10.

[2]隋美红，于新生，刘西锋，周章国.水下光学无线通信的海水信道特性研究[J].海洋科学，2009，33（6）.

[3]詹恩奇，王宏远.光在大气和海水信道中传输的能量衰减计算[J].武汉大学学报（工学版），2009，42（4）：529-530.

无线通信信道技术 篇3

1 无线信号信道的划分

根据输入信号的形式与可采用的频带将信道均匀的划分K个带域, 在每个不同的带域中可以实现各自的数据处理。这种分类方式具有多通道并行处理数据的特点, 传输处理快, 高效快捷, 节省更多的时间。

2 数字化高校系统机构推导

设输入一个信号s (n) , 信道数为K, 则可以从其结构中得到第k路的输出信号为yk (m) ={[s (n) *ejωkn]}, 第k路信道的调制频率为ωk={k- (2K-1) /4}*2π/K (其中k=0, 1…K-1)

3 宽带数字信道化接收机

3.1 目前的宽带数字信道化接收机现状

目前唯一种能够满足人们需求的接收机只有可编程门阵列 (FPGA) 和数字信号处理 (DSP) 技术的数字信道化接收机, 这种接收机具有瞬间宽带、动态范围较大, 同时还可以处理多个信号, 还能够截获捕捉到监视范围内所有的的可监视信号, 因此, 宽带接收机广泛应用数字信道化技术。

但是, 伴随着大量高性能芯片的出现以及数字器件的高速发展, 应用数字信道化的接收机已经出现发展的瓶颈, 信道化接收处理数据的时间、对每个信道的分辨率有限等也使信道化接收机的测试精度大大限制。

3.2 基于多相快速傅里叶变换的新型数字信道化结构

为了解决数字信道化快速发展瓶颈, 一种新的结构被提出, 基于多相快速傅里叶变换的新型数字信道化结构, 它能够进行实时并行滤波对信号进行检测, 并能够使数字信道化结构更加简单、高效, 并且具有很强的实用性, 其结构运用了流水线工作模式、插值法以及进行多次测量然后取其平均值等方法是信号的测试精度及其频率精度到了大大的保证。

3.3 数字信道化接收机模拟设计

我们运用FPGA和DSP器件来设计一个瞬间带宽 (采样率fs) 如640MHz的宽带数字雷达侦察接收机的样机。模拟出一个基于多相快速傅里叶变换的数字信道化结构的算法的接收机对信号接受处理的框图, 为了使数据率降低, 采用模拟正交下变频结构运用于前端射频部分, 零中频信号输出I/Q两路, 采用每秒的8位模数的2个最高采样率为640万样本数转换器件在A/D部分。为了使时域分辨率得到提高, 系统按流水线方式工作选取并行处理的4块多相快速傅里叶变换的新型数字信道化结构模块。每一帧数据长度N=128, 每一块多相快速傅里叶变换的数字信道化结构模块分成8个路段 (p=8) , 每个路段选取一个16点 (q=16) 的快速傅里叶变换的数字信道化结构器件;每一块多相快速傅里叶变换的数字信道化结构模块的每两帧数据间有重叠点数据64个, 而不同的多相快速傅里叶变换的数字信道化结构模块则是按照流水线的方式进行工作的, 其有16个点的流水深度, 其意思是只有16个点不重复数据在相邻数据帧间。系统的时间分辨率T=16ts=16/640MHz=25ns, 频率分辨率仍为f=fs/N=5MHz, 由于多块多相快速傅里叶变换的数字信道化结构模块并行工作, 留给FPGA模块中的的信号处理时间为留给每一块多相快速傅里叶变换的数字信道化结构模块的处理时间, 即TR=64ts=64/640MHz=100ns, FPGA模块的数据输出率为每一块多相快速傅里叶变换的数字信道化结构模块的每一路段数据输出率。

对于全系统的关键是FPGA内部各功能模块的设计, 当A/D工作时, FPGA中有高达640MB/s的数据流输入, 此时必须有与此相匹配各功能模块的处理速度, 尤其是要求有不低于处理速度输入的速度输入到多相快速傅里叶变换的数字信道化结构模块中, 才能够使实时处理得到实现。FPGA模块主要的功能是负责检测在频域实时信号是否存在, 而DSP模块的功能则是仅仅需要处理过门限的谱线进行也就是计算时频参数, 这样便大大降低了数据率。

系统的主要性能指标需要达到如下要求:640MHz瞬时带宽;最大偏差0.5MHz插值频率估计;25ns的时域分辨率。要求多次测量求统计平均 (对样本在25个以上) 对于隶属同一个辐射源脉冲序列的时频参数, 求完之后能够大大的提高测量的精度, 频率精度提高大约有0.1MHz (这一数据也受到频谱幅度测量精度的影响) , 时域精度提高大约5ns。

4 结束语

在无线通信高速发展的现在, 数字信道化技术已经成为其发展的最为关键的技术之一, 利用数字信道化技术将频段分为K个独立不同的子带信道段, 各个不同的子带路能够做到并行接受并处理数据。文章的研究与探讨对数字信道化技术的结构, 推导出来的一种具有多相滤波的高性能的数字信道化结构体系, 该结构具有计算量小、性能高效等特点, 并运用与宽带数字信道化接收机, 使其具有了数字信道化接收机的许多优点之外, 还具有一些其不具有的优点, 如高灵敏度、高效的处理功能、瞬时、数据的输出率较低等众多优点, 并对其进行了模拟仿真检验, 验证了其正确性。与此同时, 该结构运用了FPGA来实现运行, 使多通道并行运算的优点得到了充分的展示, 同时文章在研究虚线系统数字信道化有一定的成果, 在工程实际中也有一定的运用价值。

参考文献

[1]Tsui J.宽带数字接收机[M].杨小牛译.北京:电子工业出版社, 2002.

[2]陈亮, 李建东, 董伟.信道误差下MIMO鲁棒迫零接收机[J].西安电子科技大学学报, 2008.

[3]周欣, 吴瑛.一种基于多相滤波的高效信道化算法研究及改进[J].信号处理, 2008.

[4]付俊平.基于无线通信的数字信道化技术研究[Z].

深空通信中的信道编码技术 篇4

关键词：深空通信,信道编码,Turbo码,LDPC码

一、引言

在深空通信中,由于通信距离的大幅增加,通信信号的自由空间传播损耗巨大,接收信号的信噪比极低,通信系统所处理的信号强度极其微弱。因此,提高系统的功率利用效率是深空通信系统设计需要考虑的最重要的问题之一,而信道编码则是一种有效地提高功率利用效率的方法。在20世纪60年代以后发射的所有深空探测器中,都无一例外地采用了有效的信道编码技术。

本文首先介绍了国内外深空通信中的信道编码方案及其在深空通信系统中的应用概况,然后详细分析了性能优越的Turbo码和LDPC码,对它们的编译码算法进行了深入研究,并对性能进行了仿真。这两种编码已经成为国际空间数据系统咨询委员会(Consultative Committee for Space Data System,CCSDS)的信道编码标准,在未来的深空通信中具有广阔的应用前景。

二、信道编码发展概况

信道编码技术在深空通信中的应用概况如表1所示,在20世纪60年代以前发射的探测器中还没有使用信道编码技术。在60年代后期和70年代初期,采用的编码方式主要是Reed-Muller码和长约束长度的卷积码。其中,卷积码采用次最佳的序列译码器,在信噪比Eb/N0=2,7dB时,能达到10-5的误码率,相比未编码的BPSK获得了6.9dB的编码增益。

1977年发射的旅行者号(Voyager)探测器采用了当时最先进的(7,1/2)卷积码.采用最大似然Viterbi译码器,在信噪比Eb/N0=2.5dB时能达到10-5的误码率。为了探测天王星和海王星,旅行者号的设计者还开发了(255,223)Reed Solomon码,当需要的时候可以与卷积码级联提供更强的纠错能力。通过将两种低复杂度的码字级联,可以提升更好的性能,其复杂度仍和单个码字的复杂度相当,这一种级联方式在后来30年中被多次应用,几乎成为行业的执行标准。虽然这种级联的方式取得了很大的成功,但是随着编码技术的发展,人们还在继续寻找更加接近Shannon极限的编码方式。

根据编码理论,码字接近最佳的性能与最小码距和指数增长的译码复杂度相关。而在深空通信中,由于探测器非常昂贵而且人们也会不惜为复杂的地面系统斥巨资,只要能够得到哪怕一点点编码增益,高复杂度的编码方式也是值得的。(15,1/6)的卷积码便是当时的代表,20世纪90年代中期发射的火星探路者(Pathfinder)和卡西尼(Cassini)即采用了该编码方式,为了采用该码字,人们对并行结构的超复杂的Viterbi译码器进行了深入的研究。(15,1/6)卷积码与10bit交织深度的(1023,959)RS码级联,可以在Eb/N0=0.42dB就获得10-5的误码率。实际上,获得比这更加有效的编码将变得非常困难,因为当信噪比降低到一定程度,可能就无法保证相关解调时锁相环的信噪比要求。1997年,在实验室验证了火星探路者使用的(15,1/6)卷积码与DSN BlockⅢ最大似然比译码器在各种深空通信速率下的结合性能。在数据速率为20bit/s时,(15,1/6)码比(7,1/2)码提高1.5dB的增益,在数据速率为1185b/s～11060b/s时,5×10-3误码率时的性能提高了2dB。

1991年伽利略探测器(Galileo)在飞往木星的途中,主天线未能成功展开,使得数据速率比计划的要低很多,却为新编码方案的测试提供了条件。当时采用JPL (喷气推进实验室)提出的通过软件实现编译码的级联编码方式,外码采用标准的RS码,内码采用较复杂的(14,1/4)的卷积码。伽利略探测器通过反馈级联译码器完成了在木星的探测任务,该译码器在内码和外码之间通过迭代译码得到了0.5dB的增益,开创了迭代译码的先河。

卷积码的编码器实现简单、可靠,因此决定卷积码能否实用的关键在于译码器的设计与实现。传统的Viterbi译码器,其复杂程度取决于约束长度、编码效率以及信息速率,其中约束长度是决定译码器复杂程度的主要因素。由于Viterbi译码器的硬件规模正比于2k-1,则当k=15时,其译码复杂度大约是k=7时的256倍。因此,当约束长度较大时,传统的Viterbi译码器已经很难适用。对约束长度较大的卷积码,一般采用两种最大似然卷积译码器,分别为B2MCD (Block2 MCD)与B3MCD (Block3MCD)。其中,B2MCD主要用于解约束长度等于7,编码效率等于1/2的卷积码,而B3MCD可用于解约束长度等于3～15,编码效率等于1/2～1/6的卷积码,其比较见表2。

1993年Turbo码的发明以及紧随其后的LDPC重发现,为深空通信中信道编码带来了新的革命。由于具有接近Shannon极限的性能,针对深空通信中的Turbo码和LDPC码的研究和标准化工作迅速展开,目前已经取得了相当的研究成果,成为CCSDS中新的信道编码标准,达到工程应用的水平。

图1给出各种应用于深空通信中的信道编码的性能比较结果,从图中可看出,编码码率为1/6至7/8之间,并且Turbo码与LDPC码可以取得更好的性能。本文接下来将详细介绍适合深空通信的Turbo码与LDPC码。

三、Turbo码

自1993年Turbo码发明以来,Turbo以其优异的译码性能被广泛应用于第三代数字移动通信和无线局域网中。对可以容忍解码时延的深空通信,Turbo码成为极有吸引力的选择。Turbo码将卷积码与一个伪随机交织器和最大后验概率迭代译码器相结合,可获得接近Shannon极限的性能。仿真表明,采用大小为65535的伪随机交织器,18次迭代译码、码率为1/2的Turbo码,在Pb=10-5时的编码增益可达8.9dB。欧洲航天局发射的SMART-1就使用了基于Turbo码的数据传输设备。欧空局在其他航天任务中也会选择这种编码,比如与彗星会合的罗塞塔(Rosetta)。美国国家宇航局也计划在未来的任务中用Turbo码提升通信的可靠性,第一个使用这种编码的将是火星轨道探测器。事实上,随着数字信号处理技术的飞速发展,Turbo迭代译码算法的实现复杂度已经不再是阻碍其实际应用的瓶颈。

1. 编码规范

鉴于Turbo码优异的性能表现,CCSDS将其作为外来深空通信中信道编码的标准之一。CCSDS规范中给出的Turbo码编码结构如图2所示,通过选取不同的删截矩阵就可以得到不同的码率,支持的码率有1/2,1/3,1/4,1/6几种,支持的码长有1784,3568,7136,8920和16384。

图2中的生成多项式分别为:

码结构中的交织器定义如下:

首先,预先选择8个质数,p=[31,37,43,47,53,59,61,69]设k表示交织器的长度,选择整k1和k2满足k=k1k2,取k1=8,则可以得到相应的k2。然后按照以下算法进行计算交织索引数:

即第s次读的数据为第π(s)个数据,从而实现交织的功能。

2. 译码

Turbo码译码的基本原理是:在几个具有软输入软输出(SISO)功能的RSCC子译码器间,通过交织/解交织器传递反映信息位可信度的“软信息”,经过若干次的反复迭代再做出硬判决的译码过程,图3给出的是一个反馈型二维Turbo码迭代译码器原理图。图中,LCxk,LCyk分别是反映接收序列中信息位和校验位可信度的对数似然比(LLR),作为来自信道的软信息输入;Le(dk)-,Le(di)1则代表由两个SISO子译码器产生的反映信息位可信度的附加(软)信息,以信息位先验概率的形式用做其他译码器输入;双刀双掷开关代表解复用器,用来分离校验位并恢复被删截的校验位,被删校验位当作与模拟零等值处理。

基于SISO算法的子译码器是构成TC (Turbo Code)迭代译码器的核心,目前,普遍采用是BCJR算法及其改进型,即图3中的最大后验概率(MAP)算法,以及改进的维特比算法(SOVA)等。

3. 性能仿真

对信息长度为1784、码率为1/2和1/3的Turbo码性能进行仿真,仿真中Turbo码的编解码器严格按照规范中的定义,调制方式为BPSK,信道采用AWGN信道,结果如图4所示。可以看出,通过5,6次迭代,就可以得到很大的编码增益。

四、LDPC码

低密度奇偶校验(LDPC)码由Gallager于20世纪60年代首次提出,它是一种基于稀疏校验矩阵的线性分组码。限于当时的硬件和计算机水平,一直没有受到应有的重视。一直到1993年Turbo码问世后,LDPC码才又一次引起了学界的极大关注,并引发了世界范围内的研究热潮,取得了瞩目的研究成果并开始转入实用化。由于其具有逼近仙农极限的性能和硬件可实现的编译码复杂度,LDPC码在深空通信领域的应用也吸引了众多学者的研究兴趣。其中以JPL (喷气推进实验室)的J.Thorpe等人的研究成果最具有代表性,他们提出的AR4JA码已经于2007年被CCSDS (空间通信系统咨询委员会)批准正式成为深空通信信道编码的建议标准。

设计适合深空通信中的LDPC码,需要考虑的因素或选择码字的标准主要有:

⊙译码运算量:具有更小的IE/n,其中I是平均迭代译码次数,E是图中的边的总数,n是信道符号数,等于编码长度。

⊙编码运算量:具有更大的编码符号/时钟周期/逻辑门。

⊙描述复杂度:不同码率、码长的码字可以通过更小的表来描述。

⊙误码性能:对于给定的误码率需要更小的Eb/N0。一般需要比较的误码率包括10-4和10-6。

一般来讲,一个码字不可能兼具上述所有优点,最终的选择都是基于联合性能指标的折中。

1.编码规范

在CCSDS规范中,建议的LDPC码支持的码率有1/2,2/3和4/5,支持的码长(信息长度)有1024,4096和16384,以上组合可以得到9种码字,分别应用于对性能有不同要求的场合。鉴于编码结构,该码字也被称为AR4JA码。

校验矩阵H由许多循环移位矩阵组成,记循环移位矩阵的大小为M×M,则不同码率时码字(n,k)对应的M值如表3所示。

下面以(2048,1024)码为例给出AR4JA码码的编码规范。校验矩阵如下所示。

其中,IM和0M是大小都为M的单位阵和零阵,M=512;Πk,k=1,...8是置换矩阵。

可以得到的校验矩阵如图5所示,图中的点表示矩阵中的非零元素对应的位置,为了得到相应码率的码字,需要删截最后的M列(从第2049列到第2560列)。

2.编码器

AR4JA码具有循环移位结构或分块循环移位结构,因此可以通过简单的移位寄存器实现编码,其编码复杂度和生成矩阵的大小成线性关系(和码字的长度也基本成线性关系),极大降低了实现复杂度。AR4JA码字支持码率K/(K+2),其中对于码率1/2时,K=2;码率2/3时,K=4;码率4/5时,K=8。可以得出AR4JA码的编码器结构,如图6所示。该结构中共有长度为m的循环移位寄存器2M/m=8个,寄存器中的内容根据生成矩阵G每m次循环重载一次。寄存器A用来存储累积和。信息序列依次进入编码器,每一信息比特与移位寄存器中的2M比特相乘然后与寄存器A中的累积和相加。当所有信息比特进入编码器后,寄存器A中的内容即为校验序列,该序列在信息序列之后依次串行进入信道。

3.译码算法

LDPC码的译码算法主要是基于二分图的消息传递(Message Passing)算法。每一个变量节点i都有一个对数似然比λi=ln(P(ci=0)/P(ci=1)),表示码符号ci取0或1的相对可信度。变量节点利用λi和来自于校验节点的{ui}计算新的ci可信度,然后将新消息vi传递给相关的校验节点。校验节点对收到的消息vi进行处理并将得到的新消息ui传递给变量节点,从而完成一次迭代。变量节点和校验节点处消息处理算法如下式所示。

上述算法即是置信度传播(BP)算法,通过简化校验节点的处理公式可以得到最小和算法及其归一化最小和算法,简化算法减小了译码复杂度,但性能有所下降。

4. 性能仿真

对(2048,1024) AR4JA码进行性能仿真,采用BPSK调制方式,AWGN信道,迭代次数为25,采用不同译码算法时的误码率曲线如图7所示。AR4JA码具有较低的译码门限,不存在错误平层,具有良好的误码率性能。

需要注意的是:比较图6和图7可以看出,当码率为1/2时,LDPC码的性能还没有相同码率Turbo码的性能好,这主要是因为LDPC码设计时采用了准循环的码结构,大大降低了码字的复杂度和消除降低错误平层;同时,两种码字的码率没有重叠,分别能够应用到不同的场合,起到互补的作用。

五、结束语

Turbo码是现代编码理论中第一个采用迭代译码的编码方式,LDPC码紧随其后并被证明具有更好的通用性,但是它并不能代替Turbo码,甚至也不能代替传统的分组码和卷积码。LDPC码采用校验矩阵译码,当码率变小的时候,校验矩阵就会变大,从而引起译码复杂度上升。而Turbo码是基于栅格图译码,每个栅格对应一个信息比特或几个编码符号。因此,在低码率时,Turbo码具有优势。Turbo码和LDPC码采用的迭代译码算法,与卷积码的Viterbi算法以及RS码的代数译码相比还是复杂很多,因此在高速率和复杂度受限的应用场合,传统的编码方式还是不可替代。对于删除信道,无码率分组编码是一种渐近最佳的解决方案,因此可以猜想在统计错信道中也会出现一种渐近最佳的纠错编码而解决所有问题。总之,信道编码的应用重在译码复杂度,还有很多问题需要突破。

参考文献

无线通信信道技术 篇5

智能天线与无线信道仿真

智能天线原名自适应天线阵列 (A A A, Adaptive Antenna Array) 。最初的智能天线技术主要用于雷达、抗干扰通信、定位及军事通信方面等, 完成空间滤波和定位功能。智能天线系统在无线链路的发射端和/或接收端带有多根天线, 为了利用移动无线信道的空间特征, 智能天线系统中的信号都进行了自适应处理。根据信号处理是位于通信链路的发射端还是接收端, 智能天线技术被定义为多入单出 (M I S O, Multiple Input Single Output) 、单入多出 (S I M O, Single Input Multiple Output) 和多入多出 (MIMO, Multiple Input Multiple Output) , 具体结构如图1。其中MIMO技术充分开发了无线信道的空间特性, 利用空间维数可以增加无线网络的容量, 可以在不增加频谱资源和发射功率的情况下, 大幅度地提高频带利用率、系统容量和业务的可靠性。现在, MIMO技术已经被3GPP的高速下行分组接入技术 (H S D P A) 、无线局域网 (W L A N) I E E E 8 0 2.1 1和无线城域网 (WMAN) IEEE802.16标准所采用。

TD-SCDMA作为中国自主开发的标准, 给了中国无线产业链企业一个成长壮大, 追赶西方技术潮流的机遇, 而标准的开发和商用, 离不开出色的测试技术保障。MIMO技术的盛行, 对无线测试提出了新的挑战, 安捷伦中国通信产品中心市场经理M a r i o Narduzzi谈到, B3G时代无线网络测试需要面对的是智能天线为主的多天线技术, 对抗多径问题的同时需要提高信号吞吐量, 特别是MIMO需要对真实信道的场景进行测试, 这其中的难点就在于模拟MIMO测试的场景真实性, 同时MIMO信号的配置也非常重要。要模拟测试场景的真实性, 必然需要高可靠性的无线信道仿真技术。

现有和未来的无线通信系统需要实现高数据率, 高可靠性, 高度稳定的服务质量, 高频谱效率和高速移动性。充分理解无线信道并考虑其特性已经成为无线产品设计中至关紧要的因素。无线系统和产品研发工程师都知道一旦工作与无线信道有关就会变得麻烦起来, 因为信道并不在实验室中, 而且随时间、地点和地理条件变化。信道仿真仪把各类无线信道环境带到工程师的实验室中, 使他们能够考虑多径衰落, 信道相关性, 噪声与干扰等因素带来的影响。因此如今的产品性能测试、一致性测试和同类产品比较测试都需要考虑无线信道的影响, 信道仿真仪市场正在不断增长, 而且其增长率高于测试与测量市场的平均值。这反映了无线通信系统的趋势是越来越复杂的技术综合。

无线通信技术发展迅猛, 信道仿真技术必须发展得更快。一般说来, 信道仿真仪属于测试测量范畴, 其性能必须大大优于被测设备的性能。信道仿真仪结合了多种技术, 如高性能DSP, 高质量的RF设计, 大量的嵌入式软件和友好的人机交互界面等等, 其复杂程度极高。

MIMO信道模型的发展

任何无线通信系统的标准都需要指定一个信道模型作为性能评估和比较的基础, 而该模型必须充分体现出目标应用信道的各种特性。由于MIMO技术优势是建立在空间特性的利用上, 所以MIMO的信道模型必须充分模拟信道的各种空间特性。

在早期MIMO信道模型研究中, 为简化分析, 通常假设天线阵列周围存在大量散射物, 且天线元间距大于半波长, 不同天线的信道衰落是不相关的。在仿真中通常利用3GPP中的TU信道来模拟MIMO信道, 各个TU信道是独立产生, 相互之间独立, 即相关系数为零。

随着M I M O信道研究的发展和趋于成熟, 人们发现随着MIMO信道相关性逐渐增强, MIMO信道的容量将急剧下降。当信道存在相关性时, 早期部分将MIMO技术研究成果应用于无线通信系统中时, 性能将急剧降低甚至于不能正常工作, 而在现实环境中具有相关性或相关性强的MIMO信道环境又大量存在, 所以在MIMO信道的研究中要考虑建立接近实际信道环境的M I M O信道模型。下面简要介绍在3G以及B3G/4G系统中采用的MIMO信道模型。

3GPP在TR25.996中提出的SCM信道模型是为载频2GHz、带宽5MHz系统设计的, 它是基于散射随机假设建立的信道模型, 基本原理是利用通过统计得到的信道特性, 如时延扩展、角度扩展等来得到信道系数并通过在公式中引入天线间距得到信道之间的相关性。主要定义了3种场景, 即市郊宏小区、市区宏小区和市区微小区。在3GPP LTE中采用的也是这种SCM信道模型, 只不过实现方法从原来的基于几何统计法简化成为相关矩阵法。

在未来B3G/4G系统中所采用的SCME信道模型是SCM信道模型的扩展。扩展保持简便性和向后兼容性, 即SCME信道模型要能够向后兼容SCM, 这样就保持了模型的一致性和可比性。信道扩展是因为在I M T-A d v a n c e d系统中带宽扩大到2 0 M H z～100MHz, 所需要的抽样频率也大大提高, 每条链路能分辨的延迟数目也随之增大, SCM模型6条延迟路径不再满足系统的需要。

在MIMO应用领域则有两种不同的建模方式。一种方式是应用于标准的一致性测试中, 采用定义MIMO信道间相关性的方式。另一种方式则是基于几何信息来创建MIMO模型。测试解决方案则要求达到“端到端”, OTA (Over the Air) 和网络级测试将成为未来仿真仪应用发展的主要方向:

1.虽然单链路的测试需求很常见, 但是我们相信未来网络级测试会成为主流。网络级测试是指在实验室中链接真正的基站和终端来测试全网性能。这样对信道仿真仪的挑战就是大量的基站与终端间的链接同时存在。

2.OTA测试是终端测试领域的另一个增长点。传统测试是通过电缆连接终端天线的传导性测试, 而OTA测试中经过衰落的测试信号在暗室中向终端辐射。传导性测试中天线特性完全被忽略, 而在LTE和HSPA中的多天线方案使终端天线占有重要位置, 天线对终端性能影响显著, 但在传导测试中因无法测试, 使终端性能结果准确性受到影响。

新解决方案

精确的, 可重复性的, 节省成本的和易于控制的实验室测试要求越来越接近真实的空中接口环境, 因此需要更真实的信道和无线环境仿真。多天线和MIMO系统仿真中到底需要什么样子的无线信道仿真仪?

来自芬兰的伊莱比特 (Elektrobit, EB) 公司日前推出一个全新信道仿真平台, 用以实现WiMAX、LTE和4G等通信系统的测试。基于这个崭新的平台, 伊莱比特同时推出第一款新产品EB Propsim F8, 通过为现有及未来无线通信系统提供完全的信道仿真, 将信道仿真性能推向更高境界。单台Propsim F8可支持双向70Mhz带宽4x4 MIMO仿真, 或单向125MHz的4x4 MIMO信道仿真。共有32个衰落通道每通道支持24个衰落路程。测试工程师也可以在单台F 8中配置多个MIMO系统来模拟多小区的情形, 例如可以模拟1个双天线的移动终端与2个双天线基站之间的切换通信, 每个链接都可以配置为上下行双向的2x2 MIMO连接, 通过多台该仪器级联能够使仿真信道数目或基站和终端数目倍增, 使无线系统网络级测试成为可能。EB Propsim F8拥有出色RF性能, 频率范围350MHz～6000MHz, 支持125MHz的信号带宽。从EVM这一描述RF性能的典型指标来看, 其EVM在测试64QAM时小于-48dB。

在新仿真平台的开发过程中多天线应用是测试着重考虑的课题之一, E B在现有Propsim C8基础进行了良好的升级。仿真仪要满足多天线测试必须具有足够多的衰落通道, 良好的RF相位与幅度的稳定度和精确度, 高性能DSP和先进的信道建模软件工具。在波束赋形测试中相位稳定度更是关键指标之一, 这是由于波束赋形的原理正是建立在基站端的相位和幅度控制上。波束赋形应用中对无线信道建模也有特殊需求, 典型测试例中需要定义信号从各个特定的角度到达。实际应用中用户也是在网络内移动的, 对于基站来说必须持续地估计用户在网络中的方向并对基站控制软件作必要地调节。E BPropsim F8提供了波束赋形测试中的所有必备因素。

摘要：随着无线技术的发展, 通信容量和多路通信逐渐对无线信道的性能提出更高的要求, 在这样的情况下, 无线信道仿真技术在无线标准开发中扮演了越来越重要的角色, 本文探讨了无线信道仿真技术的最新进展。

关键词：无线信道仿真,MIMO,智能天线,EB

参考文献

[1]赵绍刚.无线通信智能天线技术的未来发展趋势[J].电信技术, 2005.9:35.

[2]薛伟, 王忠.基于实测的无线信道仿真分析[J].中国测试技术, 2008.1:74

[3]Elektrobit.EB Propsim F8Handbook[G].Elektrobit, 2008

[4]杜加懂, 林辉.多天线无线信道仿真与建模方法[J].电信网技术, 2007.11

无线通信信道技术 篇6

随着无线通信业务需求的迅猛增长,可用频谱资源逐渐变得稀少。由于采用m-W复合序列的直扩系统既具有扩频通信的特点,又具有频谱可控的能力,因此在频谱资源日益紧缺且授权频段利用率较低的情况下,将认知无线电技术与具有频谱可控能力的直扩系统相结合,可实现在有限频带范围内,认知用户与授权用户的信道共存,从而提高频谱资源的利用率。如果对复合序列采用码位移技术,则使得可用序列数量大大增加,进而实现系统容量的提高。

2 码位移复合序列

将扩频码在信息码片内做不同的位移,通过对其自身进行循环移位,从而得到多个具有良好相关特性的序列。多数情况下该基函数为一个二进制序列()001221,,,,,MMS b b b b b--=L,1(0 1)mb=±≤m≤M-,M为伪码长度。

令m序列左边端点为起始点,周期长为M,根据传输信息的不同值,可将该m序列向右移位i个切普(i=0,1,2,L,M-1),这时m序列的起始点就是距码片左端点i切普处。将码位移之前和之后的m序列分别同Walsh序列进行复合,得到不同的m-W复合序列,为区分之前的复合序列,将采用码位移的m-W复合序列改写为im-W复合序列。循环码移位过程及对m-W复合序列进行码位移的过程分别如图1和图2所示:

由于im-W复合序列是由im序列(周期为1N)与Walsh序列(周期为N2)经一次扩频复合生成的,mi-W复合序列的自相关函数可表述为

式中:R(l)为im-W复合序列的自相关函数;Rmi(l)是im序列的自相关函数;

RW(l)是Walsh序列的自相关函数。

周期为15的m序列与周期为8的Walsh序列生成复合序列,由图3和图4为自相关函数特性仿真,由仿真结果可知,码位移前后复合序列的自相关特性没有发生改变,且主瓣的幅度远远大于旁瓣。

由图5和图6为互相关函数的仿真特性,由仿真结果可知,m序列的互相关函数有较大的旁瓣,而复合序列的互相关函数虽然旁瓣的幅度增大了,但其和主瓣的距离与原来相比被增大了8倍,其互相关特性明显提高。

3 具有信道共享能力的复合序列扩频通信系统

在认知环境下,将使用码位移技术生成的im-W复合序列应用于采用直扩方式的认知用户通信系统,可使认知用户在系统带宽内通过对扩频序列的控制,使信号频谱结构发生变化,从而实现与授权用户共享频谱。同时,通过采用码位移技术,使得在可用信号频谱结构较少的情况下,实现认知用户的高效通信。

3.1 系统结构

采用码位移复合序列的具有认知功能的扩频通信系统,如图7所示。

设由数据源输出的信息数据为d(t)

式中:dn为信息码元,dn∈{-1,+1};g d(t)——门函数,在0≤t≤Td时为1;dT为信息码元宽度。

将数据d(t)按k bit分组,每k位为一组,可得

其中

T=k Td为复合序列的周期。

3.2 仿真与分析

3.2.1 系统误码率

在高斯信道中,同步锁定的情况下,对于采用不同周期长度的im-W复合序列的直扩系统在中频时(不考虑射频,中频载波70MHz)的误比特率进行仿真。在内码采用同一个周期长度为8的Walsh序列的条件下,对外码周期长度分别为7,15,31的m序列进行码位移后,采用其中部分序列,利用软扩频方式分别传输2,3,4比特信息。其误码率曲线如图8所示。为了方便比较,图中还加入了普通直扩系统的误码率曲线。

由仿真结果可知,在传输2bit信息时,虽然系统的比特误码率不如普通直扩系统,但信息速率提高了一倍。但随着外码周期的增大,通过码位移产生的可用复合序列成倍增多,与普通直扩系统相比,一方面在误码率相同情况下,可使传输效率进一步增加,同时bE/N0随着传输效率的提高,而明显减少,另一方面由于扩频增益的提高,在bE/N0相同情况下,可使系统的比特误码率明显降低。这表明认知用户在带宽和频谱结构受限的情况下,可以采用码位移技术来提高通信容量,并且还能得到较好的抗噪声性能。

3.2.2 窄带授权用户兼容性能

当高斯信道中载频附近存在窄带授权用户时,分别对采用im-W复合序列的直扩系统与传统多进制扩频系统在信息传输速率相同情况下的误比特率进行仿真。两个系统的载频都为300MHz,信息传输速率为4Mbit/s。采用im-W复合序列的直扩系统,切普速率为1 M H z,带宽为1 2 4 M H z,其内码是周期长度为4位的Walsh序列,外码是由周期长度为31位的m序列经过码位移后产生的16个序列组成。多进制扩频系统的切普速率为1MHz,带宽为127MHz,扩频序列是由16个周期为127位的m序列组成。信道中在310MHz～315MHz范围内,还有一个信噪比为15dB的授权用户。当认知用户分别采用im-W复合序列的直扩系统和能进行陷波处理的多进制扩频系统时,与窄带授权用户共享频谱的误码率曲线如图9所示。

由仿真结果可见,当信道中无授权用户时,采用mi-W复合序列的直扩系统和多进制扩频系统的误码率曲线是近似的。而当窄带授权用户出现时,采用mi-W复合序列的直扩系统的误码率略有提高,说明直扩系统在窄带授权用户所在频段的能量较少,可以实现与授权用户的信道共享。而多进制扩频系统虽然也不会影响授权用户,但其受授权用户的影响却很大,性能会急剧下降,需要采用陷波处理后才有所好转,但误码率仍高于直扩系统。

4 结束语

由以上分析可知,对于使用m-W复合序列的直扩系统,在实现频谱可控的基础上,采用码位移技术,不仅可以降低对于扩频序列的需求难度,简化系统结构,而且在扩频序列周期不变的情况下,还能够提高系统的传输效率,同时获得更好的抗噪声性能。当将其应用于认知用户时,既可以获得较高的系统容量和性能,还可以实现与授权用户的信道兼容,提高了频谱的利用效率。

参考文献

[1]J.MITOLA.Cognitive radio for flexible mo-bile multimedia Communications[J].Sixth InternationalWorkshop on Mobile Multimedia Communications(MoMuC’9),San Diego,CA,1999(11):3-10.

[2]C BENNETT,G ROSS.Time-domainelectromagnetics and its applications[J].Processing ofthe IEEE,1978,66(3):36-38.

[3]PIAZZO L,AMELI F.Performance analysis forimpulse radio and direct-squence impulse radio innarrowband interference[J].IEEE Transactions onCommunications,2005,53(9):351-360.

[4]郭黎利.具有DS/FH频谱特性的复合序列扩频通信方式[J].哈尔滨工程大学学报,1998,19(4):24-30.

无线通信信道技术 篇7

1 CDMA的信道编码方案

CDMA的信道编码方案包括以下几个方面:纠错编码/译码(包括速率适配),交织/解交织,传输信道映射至/分离出物理信道。另外,信道编码方案还涉及与高层消息的通信,从高层获得业务质量指示、业务复用等消息,以实现不同业务的不同编码和复用案,从而以最高的效率提供多种业务的组合。为了适应多种速率的传输,信道编码方案中还增加了速率适配功能。

2 CDMA的差错控制技术

决定信道编码性能的最基本的问题还是它的差错控制方案。CDMA传输信道提供了两类纠错方式:前向纠错(FEC)和自动重发(ARQ)。几C是作为无线业务最基本的纠错方式,而ARQ是作为一种补充方式。

FEC的通信系统的优点是:只有一个信道,而且系统的传输效率高,即码速率与信道的差错率无关,由此可保证业务的时延要求;FEC的缺点是:第一,当错误译码时,错误的信息也会送给用户,影响可靠性;第二,为了获得高的系统可靠性,必须使用长码和纠错能力强的码组,这使得译码电路复杂化,造价提高。与FEC系统相比,ARQ通信系统设备简单,可靠性高。但它必须使用一个反向信道,并且当信道变坏(差错率太大时),系统由于经常处于请求状态而使传输效率非常低。鉴于FEC和ARQ系统各自的优缺点,适当的把它们结合起来,就构成了混合ARQ通信系统,即在ARQ系统中引人一个FEC子系统。混合ARQ系统已被广泛用于分组数据交换网和计算机通信网中,对迫切需要与因特网建立通信的移动通信系统具有重要的参考价值。CDMA中还没有提及用于ARQ式的具体差错控制编码式。按照差错控制原理,这两种系统用的码型并没有明显的区分,任何一类码,按照译码方法的不同,均可作为纠错码用于FEC系统,或作为检错码用于ARQ码。下面就CDMA中的FEC的纠错码分别做介绍在早期的CDMA的提议中,它建议了四种前向信道纠错码,它们分别是:卷积码、RS码与卷积码的串行级联、Tu Rbo码以及业务专用码。

2.1 卷积码

用于BER为10-3级别的业务,典型的有传统的话音业务。所用的卷积码的码行和编译码方法基本上是对第二代移动通信系统的继承。如约束长度为9的卷积码,码率可以是1/2、1乃、2/3或1/4等。我国的TD一SCDMA方案中还用到3/4的卷积码,译码采用维特比译码算法,其中,1/2、1/3是最常用的码率。卷积编码一般用于话音业务在内的速率相对较低的业务。

2.2 RS码与卷积码的串行级联。

这种串行级联码用于BER为10-1沪的业务中。RS码为256进制,码率在4乃左右,码长根据业务速率和时延的要求可在一定范围内变化。RS码和卷积码通过交织相连接,交织的范围可在20 Ins和巧om s之间变化,属于祯间交织。

2.3 Turbo码

Turbo码是一种新型级联递归系统卷积码,如图1所示,它是由两个结构通常相同的递归卷积(RSC)编码器通过内部交织器的级联而成的。它的主要优点是:在AWGN信道中,其纠错性能可接近香农限,在传输同样长的信息位的数据块时,Turbo码的性能要比RS码级联要好ld B以上;缺点是:计算量大,有可能引入较大的时延。

在CDMA中,在低速率和低性能要求下仍采用与第二代移动通信系统中类似的卷积码编译码技术,而在高速率和高性能要求的情况下,RS码与卷积码的级联的编码方案已渐渐被Tu rbo码所代替。

2.4 业务专用码

业务专用码是在上述标准信道编码之外的一种选择。例如,某些信道类型的话音编解码的不等纠错保护。它允许业务自带特殊的编码方式而不经上述的任何一种编码,为物理层提供了更大的灵活性。

3 CDMA2000技术与通信编码

2000年5月,全球无线电大会(WRC-2000)正式批准了第三代移动通信系统(IMT-2000)无线接口技术标准。方案中,宽带CDMA(码分多址)技术是第三代移动通信的主要技术。其中,又以W-CDMA和CDMA2O00为主流技术。

3.1 CDMA2000的关键技术

高效信道编译码技术:选择效率高、编码增益高、时延性能好、译码算法简单、存储量较小、溢出概率小、适于衰落信道传送、易于实现的编译码技术。基于上述要求,在CDMA2000中,除采用卷积编码技术外,还采用了具有优异译码性能的Turbo编码技术。

功率控制技术:在CDMA系统中,由于用户共用相同频带,且各用户的扩频码之间非理想相关特性,用户发射功率的大小将直接影响系统的总容量,这使得功率控制技术成为CD-MA系统最重要的核心技术之一。

除上述二者之外,还采用了诸如RAKE多径分集接收、智能天线以及多用户检测等许多新的关键技术。

3.2 信道编码

在实际信道上传输数字信号时,由于信道传输特性的不理想以及干扰噪声的影响,所收到的数字信号不可避免地会发生错误。因此,必须采用信道编码将误比特率进一步降低以满足指标要求。信道编码的基本做法是:在发送端被传输的信息序列上以某种确定的规则附加一些监督码元,接收端按照既定的规则检验并纠正错误。根据信息码元与监督码元之间的相关性来检测和纠正传输过程中产生的差错就是信道编码的基本思想。

结束语

无线通信信道技术 篇8

目前国内外的研究者已对CUAC做了相关的研究。文献[3,4]研究了适用于水下的认知信道分配技术,使得水声通信系统的容量最大化。文献[5] 提出了一种水下频谱动态接入和动态频谱共享技术, 使水下频带得到更有效的利用。文献[6]验证了OFDM技术在CUAC系统中的可行性和有效性。考虑水声频带的稀疏性,文献[7]将压缩感知理论应用于水下频谱感知,来检测CUAC系统中的频谱空洞。

水声信道的特殊性使CUAC中的频谱感知非常困难,而系统采用多载波调制可有效抑制多径效应以及码间串扰的影响。在认知无线电( cognitive radio,CR) 中,Quan等人[8]提出了多信道联合感知的方法,明显提升了系统性能。考虑到多信道联合感知问题本质上是一个优化问题,文献[9]和文献 [10]分别采用了遗传算法和免疫克隆算法进行优化。基于此,本文又考虑到水下节点通常采用电池供电,节能问题十分突出,所以检测器算法的计算量不宜过大。而粒子群算法( particle swarm optimization,PSO) 很容易实现,计算代价低,收敛速度快,需要调整的参数少,对内存和CPU速度需求都没有很高的要求,适用于硬 件设施相 对落后的 水下环境[11],所以将PSO应用于CUAC系统中的多信道联合感知问题中,并通过仿真实验验证该方法的可行性和有效性。

1 认知水声通信多信道联合感知模型

在CUAC系统中,没有授权用户的概念,所有声呐设备均可以自由地对整个水下频谱加以利用,认知用户感知到的其他用户信号都可视为干扰用户, 水下频谱感知的一个主要目的就是有效抑制通信中的对抗干扰。水下多信道感知可由一个能够实现宽带接收的水听器对整个可用水声频带进行扫描侦听,并将其划分成N个子信道,认知用户对所有的N个子信道进行并行检测,在频域采用能量检测方法, 计算各个子信道收到的信号能量,并通过一个门限向量判定各个子信道上是否有干扰用户存在,如图1所示。对于干扰用户出现的频带设置为不可用频带,相应的子载波设置为关闭子载波,同时对于通信性能较差 的子载波 同样设置 为关闭子 载波[6]。CUAC系统利用检测到的空闲且通信性能高的子载波进行接下来的数据传输。

1. 1 单信道感知

对于子信道k,其感知问题可以描述为如下二元假设检验模型:

式( 1) 中,H0,k和H1,k分别表示第k个子信道不存在或存在干扰用户信号; Rk为SU在信道k处接收到信号的频域表示; Sk为其他干扰用户在信道k上的发射信号的频域表示; Vk为水下加性高斯白噪声的频域表示,其方差为σ2 v; Hk为子信道k上的信道增益。

子信道k对接收到的信号进行M次采样,检验统计量Yk为接收信号的能量和。假设λk为第k个子信道判决门限,则二元判决准则为:

为了后续讨论方便,假设每个子信道中的干扰用户信号具有归一化功率,即Ε[| Sk|2] = 1。由中心极限定理可知,当采样数M足够大时,Yk近似服从高斯分布:

相应地,第k个子信道上的虚警概率P(f k) ,检测概率P(d k) 及漏检概率P(m k) 可分别表示为:

式中,Q(·) 为标准的高斯互补累积函数,

由式( 4) 和式( 5) 可看出门限值λk的选取至关重要。较大的λk的值可以降低虚警概率P(f k) ,从而使感知用户有更多的机会接入“通带”,提高频谱利用率和系统的吞吐量,但同时会使漏检概率P(m k) 增加,干扰用户的干扰量增大。为了保证CUAC系统存在的可能性,认知用户必须保证有一定的吞吐量水平,要求虚警概率不能太大,同时为了抑制干扰, 检测概率也不能太小,认知用户自身的吞吐量和产生的对抗干扰量是相互制约的,所以认知用户需要寻求一个最优的门限值,在获得较大吞吐量的同时又能保证对抗干扰量足够小。

1. 2 多信道联合感知

认知水声通信中多信道联合频谱感知算法主要目标是建立如下优化模型求解最优判决门限向量λ = [λ1,λ2,… ,λk]T: 在给定最小干扰强度的约束条件下,最大化CUAC系统的吞吐量。

CUAC系统可获得的吞吐量可分为两部分考虑: 一部分是当前子信道没有干扰用户存在时认知用户成功做出判决传输数据所得到的吞吐量,用W0( λk) 表示; 另一部分是当前子信道存在干扰用户,认知用户判断错误而使用该信道所产生的吞吐量,用W1( λk) 表示。由此可将第k个子载波上的归一化吞吐量 表示为两 者之和,即用W( λk) = W0( λk) + W1( λk) 表示。但是,对于认知用户在存在干扰用户的情况下做出了错误判决这一特殊情况来说,继续使用该子载波会产生强烈的对抗干扰,且认知用户一般选择接入干扰用户占用率不高的子信道。因此可以近似认为W1( λk) = 0。

根据以上情况,可得到第k个子信道的总的归一化吞吐量为:

式( 7) 中,P( k)f( λk) 为第k个子信道的虚警概率;P( Hk0) 表示第k个子信道干扰用户不存在的概率; Ck表示第k个子信道不存在干扰用户,认知用户成功做出判决后使用该子信道所达到的吞吐量值,在水声通信中,吞吐量的值主要取决于信道的频率及传输的距离。

以此类推,认知用户总的归一化吞吐量为:

由式( 8) 可以看出,总的归一化吞吐量是关于门限向量λ的函数。由于P( k)f和P( k)m 是一对相互制约的变量,如果要获得较高的总归一化吞吐量,必然会导致较大的对抗干扰。在CUAC系统中,需保证与干扰用户之间的对抗干扰在可承受的范围内。定义Ik为信道k受到干扰时的干扰代价,一般来说,Ik与该信道上传输的信息的重要程度相关。

总的对抗干扰值为:

式( 9) 中P( Hk 1) 表示第k个子信道干扰用户存在的概率,且P( Hk 1) = 1 - P( Hk 0) 。

多信道联合感知模型可以表示为一个最优化问题,给定每个子信道的最大虚警概率α和最小检测概率 β,同时给定干扰门限值G,求解使总的归一化吞吐量达到最大的最优门限值λ。数学表达式 如下:

虚警概率α用于限定子信道的信道利用率,检测概率β用于限定传输中的对抗干扰。由于Q(·) 具有非减特性,将式( 4) 及式( 5) 分别代入式( 12) 和式( 13) ,可得到

综上所述,得到优化模型为:

由此可见,最优门限向量λ的设置,在可以获得较大吞吐率的“通带”上应该设置较大的λk,以使这些子信道可以充分的利用; 其次,对于传输重要信息的信道应该设置较小的λk,以降低水声通信中的对抗干扰。由于式( 10) 是非凸问题,因此其全局最优解的求解比较困难,本文将采用粒子群算法对该问题进行求解。

2 基于粒子群算法的多信道联合感知

在基本的粒子群优化算法中,粒子群由m个粒子组成,每个粒子的位置代表优化问题在n维搜索空间中潜在的解。在本文设计的基于粒子群优化算法的多信道联合感知算法中定义优化门限值向量λ 为每个粒子的位置向量,即第i个粒子位置对应一组候选的门限向量值λi= ( λi,1,λi,2,…,λi,N)Τ,其速度为vi= ( vi,1,vi,2,…,vi,N)Τ,N为子信道的个数。适应度函数fitness( λi) 即为认知用户的总的归一化吞吐量:

本文算法流程图如图2所示,基本步骤如下。

算法的主要计算步骤如下:

第1步: 初始化: 设定学习因子c1、c2,最大迭代次数Tmax和粒子数目m。问题参数的取值范围设置为粒子的范围即λi,k∈ [λk,min,λi,k,max]( k = 1,2, …,N - 1) ,并且根据门限值的范围随机初始化每个粒子的位置和速度。

第2步: 干扰约束处理: 由于随机初始化的粒子位置极有可能不是可行解,因此必须进行约束处理, 对不可行解进行修正。在初始化粒子位置时已经考虑了门限值表示的约束,因此只需修正其满足干扰代价约束即可,具体流程如下:

( 1) 由式( 9) 计算出该粒子对应的总的干扰代价G( λi) ,若G( λi) < G则不需要修正,跳转至( 3) , 否则进入( 2) ;

( 2) 若G( λi) > G意味着某些子信道上的漏检概率过高,可以通过减小门限值来降低漏检概率。在λi中随机选择一个变量λi,k,并将其修正为λi,k= λk,min+ rand( ) ( λi,k- λk,min) ,返回至( 1) ;

( 3) 输出经过约束处理的粒子位置向量。

第3步: 个体评价,根据公式( 16) 计算群体中每个粒子的适应度值fitness( λi) 。

第4步: 对每个粒子,将其适应度值fitness( λi)和自身历史最优值pbest进行比较,如果更好,则将其作为粒子的个体历史最优值,用当前位置更新个体历史最好位置。

第5步: 对每个粒子,将其适应度值fitness( λi) 和种群最优值gbest进行比较,如果更好,则将其作为当前的全局最好位置。

第6步: 根据公式( 17) 和公式( 18) 对粒子的速度和位置进行更新:

第7步: 对更新的粒子位置进行约束处理,同第2步。

第8步: 检查结束条件,若满足,则结束寻优; 否则转至第3步。结束条件为寻优达到最大迭代次数Tmax,或评价值小于给定精度ε。

3 仿真结果及分析

仿真考虑浅海水声信道,可用带宽为20 k Hz, 将水声信道分为8个互不重叠带宽相等的子信道, 水声噪声功率为1,采样长度M = 100。浅海水声子信道的幅频特性,干扰代价因子与吞吐量值的具体参数见表1。干扰用户采用OFDM方式传输,其信道的占用率为25% 。在求解优化问题时考虑群体数目为30,学习因子c1= c2= 2,惯性权重w = 1 , 最大迭代次数为50。

图3对本文算法与多载波一致判决门限感知算法( STS) 性能进行比较。可以看出,在同等干扰约束条件下,基于粒子群优化算法的多载波联合频谱感知算法使CUAC系统达到更大的总归一化吞吐量值。随着干扰约束值的增大,两种算法获得的最大吞吐量值也相应的增大,验证了前面分析得到的对抗干扰值和吞吐量之间的相互制约关系。同时也证明了本文算法可以充分考虑各个子信道的不同情况,克服由于水声信道的频率选择性衰落等造成的CUAC系统吞吐量的下降,选择性能较好的通带进行数据传输。

图4给出了不同最小检测概率β的两种情况。可以看出,当干扰约束值较小时,即使允许减小最小检测概率β ,CUAC系统的总吞吐率也无明显改善, 这是因为此时系统性能主要受较小的干扰约束限制; 随着对抗干扰值的增加,较小的检测概率可使得系统吞吐率明显提高,由此进一步验证了本文算法的有效性。

4 结论

本文研究了认知水声通信中的频谱感知技术, 以多信道联合感知为框架,提出了一种基于粒子群优化方法的多信道联合感知算法。仿真结果表明, 基于粒子群的多载波联合频谱感知算法能够达到的总归一化吞吐量要大于传统的一致判决门限算法, 从而验证了本文算法的有效性。目前对认知水声通信系统的频谱感知技术的研究还较少,其将是一个很有前景的研究方向。

参考文献

[1] 朱昌平,韩庆邦,李建,等.水声通信基本原理与应用.北京:电子工业出版社,2009:97—119Zhu C P,Han Q B,Li J,et al.The theory and application of underwater acoustic communication.Beijing:Publishing House of Electronics Industry.2009:97—119

[2] Haylin S.Cognitive dynamic systems.ICASSP IEEE,2007:1369—1372

[3] Baldo N,Casari P,Zorzi M.Cognitive spectrum access for underwater acoustic communications.In:Proc IEEE ICC Workshops,2008:518 —523

[4] Torres D,Charbiwala Z,Friedman J,et al.Spectrum signaling for cognitive underwater acoustic channel allocation.Proc IEEE Infocom Workshops,2010:1—6

[5] Tan Hwee-pink,Seah W K G,Doyle L.Exploring cognitive techniques for bandwidth management integrated underwater acoustic system.Proceedings of the IEEE Oceans,Quebec City,2008:126—132

[6] 殷敬伟,王驰,王宇,等.OFDM技术在认知水声通信系统中的应用.声学技术,2012;31(6):615—619Yin J W,Wang C,Wang Y,et al.Application of OFDM in cognitive underwater communication.Technical Acoustics,2012;31(6):615 —619

[7] 左加阔,陶文凤,包永强,等.多跳认知水声通信中的分布式稀疏频谱检测算法.电子与信息学报,2013;35(10):2359—2365Zuo J K,Tao W F,Bao Y Q,et al.Distributed sparse spectrum detection in multihop cognitive underwater acoustic communication networks.Journal of Electronics and Information Technology,2013;35(10):2359—2365

[8] Quan Zhi,Cui Shu Guang.Optimal multiband joint detection for spectrum sensing in cognitive radio networks.IEEE Transactions on Signal Processing,2009;57(3):1128—1140

[9] Sanna M,Murroni M.Optimization of non-convex multiband cooperative sensing with genetic algorithms.IEEE Journal of Selected Topics in Signal Processing,2011;5(1):87—96

[10] 夏巧桥,田茂,汪鼎文,等.基于免疫克隆算法的认知无线电多信道联合感知方法.电子与信息学报,2014;36(1):55—61Xiao Q Q,Tian M,Wang D W,et al.Immune clone algorithm based multiband joint detection method for cognitive radio.Journal of Electronics and Information Technology,2014;36(1):55—61