信道资源管理(精选九篇)
信道资源管理 篇1
近年来, 我国的铁路建设发展迅速, 逐渐成为人们出门旅行首选的出行方式。这也导致火车站人流密度迅速增大, 特别是站台在上下车时人员流动迅速, 存在人流高峰, 例如北京站在客流高峰期日客流量会超过20万人[1]。随着车站用户需求的不断增长, 话务密度和覆盖要求也不断上升, 对频率干扰控制、系统间互操作、运行稳定性等方面都提出了很高的要求。用户密度大, 基站信道拥挤, 移动通信信号减弱, 手机无法正常使用, 给车站通信造成了巨大压力。能够在人流高峰时提供畅通、优质、稳定的通信服务是铁路车站通信系统面临的重要问题。
本文研究在铁路车站人流密度大, 移动速度快的情况下, 通过算法实现通信信道的智能分配, 改善车站的通信质量。由于分布式天线系统在信号覆盖范围、功率以及频谱效率等方面的诸多优势, 被越来越多地用于大型场馆的室内通信[2]。本文也在分布式天线系统的基础上, 通过分析天线分布、信道模型, 利用中断概率, 提出了基于中断概率的信号智能分配算法, 该算法能对信道资源实行智能分配, 改善无线信号弱覆盖区域的覆盖效果, 提高网络寻呼成功率, 减少掉话率, 改善网络质量, 减少网络拥塞率, 一个小区中使用相同信道而不至于带来严重的同信道干扰。最后设计出了基于中断概率的信号智能分配策略流程图。
1 系统模型图
现在新型火车站都向着简洁化、紧凑化、立体化和细微化的方向发展。虽然各大型火车站的外观有所不同, 但各大型火车站的主要构造都有着共同之处。由于火车站功能的特殊性, 车站大都依铁道而建, 主要包括站房和站台。人流密集及流动量大的区域主要包括站房内的候车大厅和站台。火车站人流的集散组织为进站人流由广场到候车大厅再到站台;出站人流由出站口至集散广场直到自选交通分流。
根据火车站的建筑及人员分布特点, 建立如图1所示的分布式天线系统, 使信号的覆盖范围呈带状分布。分布式天线系统将天线在地理上分开放置, 不仅能提高接受信噪比, 降低发送功率, 提高分集度, 而且还能减少切换次数, 从而大大改善系统性能[4];另外, 它还具有成本低, 部署灵活, 易于升级, 广泛适用的特点, 特别适用于火车站这种复杂的通信环境。在该系统中, 信号处理中心 (即基站) 位于小区的中心位置, 基站处的天线记为A, 其它天线都分布在基站周围, 分别记为ai (i=1、2、3……n) , 每个分布式天线通过光纤或同轴电缆与信号处理中心相连。
假设小区为圆形小区, 且半径为R。利用极坐标 (ρ, θ) 表示移动台的位置, ρ和θ分别表示移动台相对于小区中心即信号处理中心的距离与方位角, 如图2所示。
本文只考虑分布式天线系统的上行传输。基站和所有分布式天线接收到来自移动台的上行信号可以用以下数学表达式表示:
式中yi表示第i个天线ai所接收到的信号, E为移动台的上行信号发射功率, hi表示ai与移动台之间传输链路的信道增益, x则为移动台发射的上行信号, 而Z为夹杂在信号中的噪声矢量。在本文中, 假设噪声矢量Z中的每一个元素均为相互独立的均值为零、方差为N0的复高斯随机变量。该数学表达式, Y表示车站分布式天线系统中小区基站接收到的来自移动台的上行信号, 该信号由各天线ai所接收的移动台信号与噪声组成的矩阵表示。
2 系统中移动台的中断概率
在无线通信系统中, 中断概率是反应用户会话接入性能的重要指标, 与信道容量、误符号率等指标都是信噪比的函数。系统的中断概率与移动台在小区内的分布有关, 将中断概率作为优化目标可以直观地反映出移动台周围的信号覆盖情况[3]。因此我们使用移动台在系统中的中断概率作为优化目标函数来反映移动台周围的信号覆盖情况。
中断概率的定义:在小区内不能达到接收信噪比门限rth的区域面积与小区面积的比值称为系统的中断概率[4]。理论上, 系统中断概率与移动台在小区中的位置有关。本节将介绍小区中移动台的上行信号中断概率。分布式天线ai所接收上行信号的信噪比为:
其中gi为小尺度衰落的影响, 其包络服从零均值的Rayleigh分布, Ωi表示阴影衰落的影响。
位于 (ρ, θ) 处的移动台的上行中断概率可以表示为:
其中rth为信噪比门限, r=max{r0, r1, …, rN}表示经过信噪比最大的天线接收后接收端输出的信噪比的最大值, 这就使得选中天线的信噪比最大。
位于 (ρ, θ) 处移动台的中断概率为:
式中tn和Hn分别是Np阶Hermite多项式的权值, ui (ρ, θ ) =ωi (ρ, θ ) +10 lg (E/N0) , ωi (ρ, θ ) (单位d B) 和σi (单位d B) 分别为10lgΩi的均值和标准差。上式表示单个移动台在小区中的中断概率。由上式可以看出单个移动台在小区中的中断概率只与移动台的位置 (ρ, θ) 有关。根据该公式可以先计算出系统中移动台的中断概率, 将其与事先设置的门限值比较, 可判断出该移动台能否正常通信。若小于门限值, 则中断该移动台的通信;若不小于门限值, 则准许该移动台通信, 继续为该移动台分配信道。这样可以避免所有移动台同时占用信道而降低信道利用率。
3 基于中断概率的信道智能分配算法
基于中断概率的信道智能分配算法 (Channel Intelligent Allocation Algorithm based on Outage Probability, CIAAOP) 首先需判断移动台能否正常通信, 即根据移动台的中断概率公式计算出移动台的中断概率, 将其与设定门限值比较, 若不大于门限值则表示该移动台可以被分配信道;接下来只需在所有天线 (天线总数量用Ntotal表示) 中选择移动台周围信噪比最大的天线, 运用动态信道分配算法分配合适信道。基于中断概率的信道智能分配算法流程图如图3所示。 该算法会定期检测每个分布天线中所有可选信道的平均干扰量, 并将平均共信道干扰量 (Co-Channel Interference, CCI) 存储在每个天线相对的共信道干扰表中, 当有信道请求时, 所有空闲信道中共信道干扰量最低的信道将会被分配。在分布式天线系统中运用动态信道分配算法, 使得在一个蜂窝小区内同一条信道能够重复利用, 相对于传统的蜂窝系统, 该算法能显著提高频谱的利用效率。
本文中采用频分多址技术, 可用信道数量用S _c h表示, 假设第m (m=0~Ntotal-1) 个分布天线被选中了, 接下来我们将对共信道干扰表的更新和信道智能分配过程进行详细的分析。
3.1 CCI表更新
动态信道分配算法对每个天线的所有可用信道的平均CCI能量进行检测, 并不断更新[5]。设第一阶滤波是对平均CCI能量的测量。在t时刻第m个分布天线的第k条信道的CCI量即平均共信道干扰量的表达式如下:
In, k (t) 和β (0≤β <1) 分别是t时刻瞬时共信道干扰量和过滤遗忘因子。传输过程中瞬时CCI量在不断改变。其中β取值应适中, 若太小, 则会导致CCI的检测区间变小, 这就会使信道分配不稳定。
3.2 信道智能分配算法
假设第m条天线被选中了, 图3为信道分配流程图, 当t时刻向信道发送请求, 信道分配算法就会更新该天线所对应的CCI量, 并分配该天线所有空闲信道中平均CCI量最低的信道Kn进行通信, 其中Kn表达式为:
令An (t) 表示t时刻第n条天线的空闲信道条数, 如果没有信道是空闲的, 此次信道分配就会失败, 并且发出信道请求的移动台也不会得到任何数据。利用该算法使得在一个小区中的同一个信道能重复利用, 相对于蜂窝网络, 这能提高频谱利用率。
4 系统仿真与结果分析
针对以上理论分析, 本节将运用计算机仿真, 验证基于中断概率的信道智能分配算法在信道利用率上的优势。不失一般性地, 假设测试小区是一个半径为R的圆形区域。在该区域中, 分布式天线均匀分布在半径为R/2的圆上, 基站位于小区中央。设天线总数为Ntotal, 移动台均匀分布在小区内, 系统允许的信道衰落门限值为145, 移动用户的最大发射功率为22d Bmw。
实验过程中在选择一定中断概率门限值的情况下, 通过选择运用和不运用基于中断概率的信道智能分配算法, 对实验小区的吞吐量进行模拟仿真, 得出如图5所示仿真结果。从图5可以看出, 未使用该智能分配算法时, 在5-9S区间产生较大幅度抖动, 系统性能不稳定, 吞吐量小;在使用了本文所使用的基于中断概率的信道智能分配算法后, 系统性能获得了提高, 稳定性得到了增强。
5 结语
本文主要介绍了一种铁路车站通信信道资源智能分配策略。首先介绍了该分布式天线系统的系统模型, 在此基础上, 根据分布式天线系统的特点, 重点分析了系统中移动台的中断概率, 并得出计算公式;接下来在移动台中断概率的基础上, 结合动态信道分配算法, 设计出在分布式天线系统中的基于中断概率的动态信道分配算法流程图, 不仅可以降低移动台的发送功率, 减少切换次数, 还能提高信道的利用率, 提高小区的吞吐量, 能有效改善车站特殊通信环境的通信质量。
摘要:近几年随着铁路车站的不断扩大重建, 移动终端的迅速增加, 数据业务的多元化, 用户对高速度、大容量的通信数据业务需要的增大, 对车站移动通信的网络覆盖、容量、质量提出了更高的要求, 给车站移动通信造成了巨大压力。本文在分布式天线系统的基础上, 通过分析天线分布, 建立信道模型, 并利用中断概率, 提出了基于中断概率的信道分配算法, 并设计出策略流程图。该算法能够降低天线系统的发射功率, 提高信道利用率, 实现系统时隙资源的智能灵活分配。
关键词:中断概率,信道分配,CCI
参考文献
[1]刘珍妮, 北京站节前客流超22万警方将加强周边旅馆检查力度[EB/OL].http://www.bjnews.com.cn/news/2014/09/30/335957.html
[2]徐瑞.大型体育场馆的移动通信保障[D].山东:山东大学, 2009
[3]苏博, 朱敏.中断概率在TD-LTE信道资源分配中的应用[J].光通信研究, 2012, (3) :68-70
[4]王俊波, 王金元, 林敏, 陈明.分布式天线系统中的系统上行中断概率分析[J], 电子与信息学报, 2011, (5) :1136-1140
[5]Ryusuke MATSUKAWA, Tatsunori OBARA, Fumiyuki ADACHI.A Dynamic Channel Assignment Scheme for Distributed Antenna Networks[c].Proceedings of IEEE 75th Vehicular Technology Conference, Vancouver, Canada, 2012, 3:1-5
信道是什么_信道的报警信道 篇2
信道是什么
一是指词语,表示知道的意思,二是指通信的通道,是信号传输的媒介。
信道的报警信息
信道是探测电信号传送的通道。信道的种类较多,通常分有线信道和无线信道。有线信道是指探测电信号通过双纹线、电话线、电缆或光缆向控制器或控制中心传输。无线信道则是对探测电信号先调制到专用的无线电频道由发送天线发出;控制器或控制中心的无线接收机将空中的无线电波接收下来后,解调还原出控制报警 信号。
信道是传输探测电信号的通道,也即媒介。信道的范围有狭义和广义之分。仅指传输信号的媒介称为狭义信道;把除包括传输媒介外,还包括从探测器输 出端到报警控制器输入端之间的所有转换器(如发送设备、编码发射机、接收设备等)在内的扩大范围的信道称为广义信道。
狭义信道
狭义信道,按照传输媒质来划分,可以分为有线信道、无线信道和存储信道三类。
有线信道
有线信道以导线为传输媒质,信号沿导线进行传输,信号的能量集中在导线附近,因此传输效率高,但是部署不够灵活。这一类信道使用的传输媒质包括用电线传输电信号的架空明线、电话线、双绞线、对称电缆和同轴电缆等等,还有传输经过调制的光脉冲信号的光导纤维。如图 3为常见的有线通信方式,通常每个家庭的固定电话就是通过有线信道进行通讯。
无线信道
无线信道主要有以辐射无线电波为传输方式的无线电信道和在水下传播声波的水声信道等。
无线电信号由发射机的天线辐射到整个自由空间上进行传播。不同频段的无线电波有不同的传播方式,主要有:
地波传输:地球和电离层构成波导,中长波、长波和甚长波可以在这天然波导内沿着地面传播并绕过地面的障碍物。长波可以应用于海事通信,中波调幅广播也利用了地波传输。
天波传输:短波、超短波可以通过电离层形成的反射信道和对流层形成的散射信道进行传播。短波电台就利用了天波传输方式。天波传输的距离最大可以达到400千米左右。电离层和对流层的反射与散射,形成了从发射机到接收机的多条随时间变化的传播路径,电波信号经过这些路径在接收端形成相长或相消的叠加,使得接收信号的幅度和相位呈随机变化,这就是多径信道的衰落,这种信道被称作衰落信道。
视距传输:对于超短波、微波等更高频率的电磁波,通常采用直接点对点的直线传输。由于波长很短,无法绕过障碍物,视距传输要求发射机与接收机之间没有物体阻碍。由于地球曲率的影响,视距传输的距离有限,最远传输距离 d 与发射天线距地面的高度 h 满足。如果要进行远距离传输,必须设立地面中继站或卫星中继站进行接力传输,这就是微波视距中继和卫星中继传输。光信号的视距传输也属于此类。
由于电磁波在水体中传输的损耗很大,在水下通常采用声波的水声信道进行传输。不同密度和盐度的水层形成的反射、折射作用和水下物体的散射作用,使得水声信道也是多径衰落信道。
无线信道在自由空间(对于无线电信道来说是大气层和太空,对于水声信道来说是水体)上传播信号,能量分散,传输效率较低,并且很容易被他人截获,安全性差。但是通过无线信道的通信摆脱了导线的束缚,因此无线通信具有有线通信所没有的高度灵活性。如图4所示为常见的无线通信方式,手机和手机之间通电话,电脑之间通过蓝牙互传信息,这些都是经过无线方式进行通讯。
存储信道
在某种意义上,磁带、光盘、磁盘等数据存储媒质也可以被看作是一种通信信道。将数据写入存储媒质的过程即等效于发射机将信号传输到信道的过程,将数据从存储媒质读出的过程即等效于接收机从信道接收信号的过程。
广义信道
广义信道,按照其功能进行划分,可以分为调制信道和编码信道两类。
调制信道是指信号从调制器的输出端传输到解调器的输入端经过的部分。对于调制和解调的研究者来说,信号在调制信道上经过的传输媒质和变换设备都对信号做出了某种形式的变换,研究者只关心这些变换的输入和输出的关系,并不关心实现这一系列变换的具体物理过程。这一系列变换的输入与输出之间的关系,通常用多端口时变网络作为调制信道的数学模型进行描述。
编码信道是指数字信号由编码器输出端传输到译码器输入端经过的部分。对于编译码的研究者来说,编码器输出的数字序列经过编码信道上的一系列变换之后,在译码器的输入端成为另一组数字序列,研究者只关系这两组数字序列之间的变换关系,而并不关心这一系列变换发生的具体物理过程,甚至并不关心信号在调制信道上的具体变化。编码器输出的数字序列与到译码器输入的数字序列之间的关系,通常用多端口网络的转移概率作为编码信道的数学模型进行描述。
有线信道
在报警器中常用的有线信道有如下两种。
① 专用线
专用于连接每个探测器和报警接收中心的线路,只作为传输该系统的探测信号用,不做它用。一般常用的有双绞线、电缆、通信电缆。专用线是我国目前大量采 用的信道。专用线有并行传输的多线制和串行传输的总线制两种。总线制线数最少有两根,既做电源传输用又做信号传输用。常用的是4根线,电源线和信号线分 开,也有6根线或更多一点的。串行总线制比并行传输的多线制对整个报警工程系统的设计、施工和节省导线上优越得多,尤其是对大、中型工程来说优越性就更加 显著。
② 借用线
一些建好的建筑物内,已有各种传输线网络,如220V的照明线路,电话及电视共用的天线线路等。若能借此传输报警系统的探测信号,这也是报警系统的设 计者和施工者们所盼望的。人们根据实际需要研制了能利用已有的线路传输报警探测信号的相关设备,像电话报警器,平时作为电话用,有情况时作为报警器用。
无线信道
无线信道将探测器输出的探测电信号经过调制,用一定频率的无线电波向空间发送,到报警控制器处接收。控制中心将接收信号分析处理后,发出报警和判定报警部位。
一般都是探测器在正常状态下不发射无线电波,而在报警状态下发射无线电波的模式。常用的有调幅与调频两种方式。a
信道资源管理 篇3
如何更有效地利用系统资源如频谱、发射功率等, 提供高质量的信息传输, 近年来有关这方面的研究引起人们极大的关注。将博弈论引入资源分配是资源分配算法的一大突破。博弈论, 包括合作与非合作博弈理论, 是数学的一个分支, 提供了一种分析资源冲突的工具。目前已有比较丰富的文献将博弈论应用到各种通信资源分配的研究。A.Mackenzie等人[2]讨论在ALOHA系统中应用非合作博弈理论解决码分多址功率控制问题和媒介接入控制问题。A.Leshem等人[3]和S.Mathru等人[4]研究干扰信道的联盟、协同和纳什议价理论。E.Altman等人[5]研究在干扰网络中功率控制优化的合作与非合作博弈方案。J.suris等人[6]通过合作博弈方式提出了一种频谱公平性分配方案。辜方林等[7]分析了一种基于效益函数的博弈功率控制 (UBPC) 算法与DPC功率控制算法用于CDMA系统的性能。结果表明恰当选择效益函数和代价函数后, 博弈功率控制算法可解决DPC算法因用户数的增加而发散的问题, 并且可以保证用户的Qo S要求及用户间的公平性。徐志强等[8]提出2种基于用户优先级的功率自适应动态资源分配算法, 通过定价因子的改变来控制分配的功率过大等问题, 从而能更好地满足电力线通信系统中高速率、低功耗和低复杂度的要求。解培中等[9]将博弈论应用于多小区多用户无线网络下行链路协同波束成形设计。
以往的大多数方案是研究在某些约束条件下如何有效地使用户通信速率最高或系统总传输功率最小, 主要解决的是能源效率问题, 但是这些方法对于接近基站或能获得更大功率的用户有益。公平问题被大多数人忽略。Max-min算法一直被认为具有更好的公平性, 但是, 没有考虑用户可能有不同的需求。此外, 由于Max-min算法将使信道好的用户受限而降低系统的效率, 因此, 有必要开发一种算法考虑资源分配公平性并提高系统效率。
出于上述原因, 我们在高斯干扰信道上通过运用合作博弈理论进行资源分配, 我们的目的是在满足每个用户最低速率要求和最大传输功率条件下使整个系统容量最大化。为此, 我们考虑在单输入单输出干扰信道采用功率分配设计和在多输入单输出干扰信道上采用波束成形设计。
1 系统模型
考虑两个相互独立的通信链路工作于相同的频率。基站BS1, 传输信息给移动站MS1。另一个基站BS2, 传输信息给移动站MS2。两条链路彼此产生干扰。这种场景称为干扰信道 (IC) 。考虑BS1和BS2有n个发射天线, MS1和MS2只有单一的接收天线。因此当n=1, 属于单输入单输出干扰信道 (SISO-IC) 。否则, 构成了多输入单输出干扰信道 (MISO-IC) , 参见图1。
1.1 单输入单输出干扰信道 (SISO-IC)
SISO是相对于SIMO、MISO和MIMO而言的, 发射机只有一个天线, 接收机也只有一根天线, 于是构成了单输入单输出干扰信道 (SISO-IC) 。对于SISO-IC, 考虑功率分配方式。
假设h11 (h22) 为源端到目的端的链路BS1→MS1 (BS2→MS2) 的信道增益;h12 (h21) 为源端到另一目的端的干扰链路BS1→MS2 (BS2→MS1) 的信道增益。第一个发射链路用功率P1传输信号x1 (n) , 第二个发射链路用功率P2传输信号x2 (n) ;y1 (n) 、y2 (n) 分别为MS1、MS2接收的信号。这两个接收到的信号可以建模为:
式 (1) 中, e1 (n) 和e2 (n) 分别是MS1、MS2接收机上的噪声, 是均值为0, 方差为σ2的圆对称复高斯噪声, 传输过程中, 定义了信噪比为1/σ2。BS1、BS2发送的信号功率分别为E[‖xi (n) ‖2]=Pi (i=1, 2) , 其中, E[·]为求数学期望;‖·‖为欧氏距离。假设每个基站可以使用的最大传输功率为Pimax, 但是这种功率不能在基站之间交换。不失一般性, 假设P1max=P2max。下面考虑将所有接收机同信道干扰视为噪声, 也就是说, 他们没有试图消除干扰, 每条通信链路可达速率为
1.2 多输入单输出干扰信道 (MISO-IC)
如果发射机有多个天线, 接收机只有一根天线, 就构成了多输入单输出干扰信道 (MISO-IC) 。我们考虑在MISO-IC中采用波束成形设计。
假设传输的信号为标量符号, 所有传播信道是频率平坦的, MS1和MS2处接收到的数据为
式 (3) 中S1和S2是标量符号, hij是n×1 BSi和MSj之间信道向量, 而wi由BSi使用的波束成形向量, 同时e1和e2是零均值方差σ2的独立同分布高斯噪声。假设每个基站可以使用传输功率Pimax, 不失一般性, 假设P1max=P2max=1。则存在功率约束
两条通信链路可获得如下速率:
Eduard等人[7]证明帕累托边界上任何点可以由NE和ZF策略某一线性组合来实现。用户在“自私” (NE) 和“利他” (AF) 行为之间通过选择加权系数实现, 从而, 困难的波束成形优化减少到权重优化。即帕累托边界上任何点都可以用波束成形策略实现。
式 (6) 中0≤λ1, λ2≤1,
而∏X⊥=I-X (XHX) -1XH。将式 (6) 带入式 (5) , 有
可达速率区域可能有多个帕累托最佳运算点, 需要从中选择一个议价的结果, 一个可能的标准是公平性, 常用的公平标准是最大最小化标准, 这个标准导致最差信道条件的用户获得的性能最大, 而惩罚了较好信道的用户, 会降低系统效率。因此。采用公平纳什议价解作为议价的标准。
1.3 公平纳什议价解
在合作博弈中, 玩家 (这里指通信链路) 可以讨价还价, 彼此达成协议。纳什议价的成果是下面这个定理。S是一个效用区域, 假设S是紧的凸集, 设u'1、u'2是所谓的威胁点 (threat point) 。这个威胁点可以取为R1min、R2min, 对应于系统中就是用户所期望的速率需求。将议价解映射为一系列可能的效用区域和威胁点的函数:
正如前面所讨论的, 在IFC中的合作博弈可以定义:每个玩家有Ri为目标函数, 而Ri是有界的, 有一个非空, 闭合的, 凸集支持, 目标是同时最大化所有Ri。一种直观的想法是:在满足所有用户最小速率要求后根据他们的情况将剩下资源比例分配给用户[10]。显然当R1min、R2min, 即不考虑用户的速率需求纳什议价, 公平性和比列公平性是一样的。
2 功率分配和合作优化波束成形设计
式 (2) 中一个有用的参数特征是关于参数P1和P2链路速率的一阶偏导数满足:
这个式子有利于获得干扰信道的可达速率区域并且得到帕累托优化。
功率分配的目标是考虑如下问题
如何求解式 (10) , 提出以下搜索算法1。
算法1:针对两用户SISO IFC功率分配算法
输入:信道实现h11, h12, h21, h22, σ2。
初始化:
当
执行循环
同样地, 合作优化波束成形设计的目标是考虑下列问题:
搜索算法与算法1相似, 只是修改其中的目标函数。
3 数值实验
用数值实验来深入分析第1节分析的问题, 对于一个固定的信道实现, 针对SISO IFC, 通过设置0≤p1, p2≤1, 间隔为0.005, 得到了近似的速率区域;针对MISO IFC, 通过设置0≤λ1, λ2≤1, 间隔为0.01得到近似的速率区域。用所提的公平纳什议价解算法获得的运算点记为NBS_Fairn, u'1=R1NE, u'2=R2NE时记为NBS_NE。和速率最大的点是 (R1+R2) 之和最大对应的运算点, 平等点是使min (R1, R2) 最大所对应的运算点。
可达速率区域例子 (最小速率R1min=1.2 bit/s, R2min=1.5 bit/s, NBS_Fair (Δ) , 和速率最大点 (o) , 平等点 (*) )
在图2中, 显示了SISO IFC的三个运算点的程序执行结果, 和速率最大点对应的R1=0, R2=4bit/s, 会导致MS1的通信困难, MS2的通信畅通;平等点对应的R1=0, R2=1.3 bit/s, 功率分配平等对待;我们看到由于R1min
完成速率区域例子 (R1min=0.9 bit/s, R2min=1.2 bit/s, NBS_Fair (Δ) NBS_NE (+) , 和速率最大点 (o) , 平等点 (*) )
图3、图4是针对MISO IFC的仿真, 为了观察R1min和R2min变化的情况, 如图3所示, 首先设R1min=0.9 bit/s, R2min=1.2 bit/s, 和速率最大的运算点为R1=1.72 bit/s, R2=1.14 bit/s, 平等点为R1=R2=1.41 bit/s。由于R1min
完成速率区域例子 (R1min=1.5 bit/s, R2min=1.0 bit/s, NBS_Fair (Δ) NBS_NE (+) 和速率最大点 (o) , 平等解 (*) )
4 结论
以往大多数的研究常常忽略无线通信系统的公平问题, 没有考虑到用户可能有不同的需求, 因此, 本文考虑了SISO IFC功率分配和MISO IFC波束成形设计, 提出了一种公平的资源分配算法, 针对SISO IFC和MISO IFC分别利用参数特征给出了搜索算法, 这种算法具有原理简单、实现方便的特点。仿真结果表明, 这种算法分配的资源可以随用户的需求而变化。
摘要:频谱、发射功率是通信工程中基本的资源。对资源进行有效地分配, 可以提高系统性能。针对单输入单输出干扰信道的功率分配和多输入单输出干扰信道波束成形设计, 提出了一种新的随用户最小速率要求改变的公平资源分配方案, 给出了一种利用特征参数的迭代搜索算法, 数值仿真结果与分析一致。
关键词:干扰信道,SISO,MISO,公平性,博弈论
参考文献
[1] Larrso E G, Jorswieck E A, Lindblom J, et al.Game theory and the flat-fading gaussian interferecne channel.IEEE Signal Processing Magazine Set, 2009;26:18—27
[2] Mackenzie A, Wicker S.Game theory in communications:motivation, explanation, and application to power control.Proc IEEE Global Telecommunications Conf (GLOBECOM) , 2001;2:821—826
[3] Leshem A, Zehavi E.Cooperative game theory and the gaussian interference channnel.IEEE J Select Areas commun, 2008;26:1059—1069
[4] Mathru S, Sankar L, Mandayam N.Coalitions in cooperative wireless networks.IEEE J Select Areas Commun, 2008;26:1104—1115
[5] Altman E, Avrachenkov K, Miller G, et al.Discrete power control:cooperative and nom-cooperative optimazation.Proc IEEE Int Conf Computer Communications (INFOCOM) , 2007:37—45
[6] Surs J, Dasilva L, Han Z, et al.Cooperative game theory for distributed spectrum sharing.Proc IEEE Int Conf Communications (ICC) , 2007:5282—5287
[7] 辜方林, 张杭.CDMA系统中的一种分布式功率控制算法.计算机应用及发展, 2011;47 (19) :118—120
[8] 徐志强, 翟明岳, 赵宇明.电力线通信正交频分复用系统中多用户协调资源分配.中国电机工程学报, 2009;29 (25) :56—61
[9] 解培中, 郑宝玉, 岳文静.多小区多用户无线网络下行链路协同波束成形设计.通信学报, 2012;33 (7) :191—198
[10] Jorswieck E A, Larsson E G.The MISO interference channel form game-theoretic perspective:a combination of selfishness and altruism achieves pareto optimality.ICASSP, 2008:5364—5367
信道资源管理 篇4
一般默认的是信道6或者AUTO,你可以先用wirelessmon这类的软件查找出你周围AP的信号信道,然后得知一个理你最近的AP信号信道是什么。
1.6.11.这些信道之所以用的比较多,因为他们的信号频率是阶梯式的,覆盖率最低的,也就是影响范围最小的,所以建议在你最近的那个AP的信号信道加一层,它是6,你就选11,它是1,你就选6。
wirelessmon 下载:xiazai.zol.com.cn/detail/14/136314.shtml
WirelessMon是一款允许使用者监控无线适配器和聚集的状态,显示周边无线接入点或基站实时信息的工具,列出计算机与基站间的信号强度,实时的监测无线网络的传输速度,以便让我们了解网络的下载速度或其稳定性。
安装过程我就不废话了,很简答,完成后,打开wirelessmon主界面,可以通过select network card右边的下拉菜单选择对应的无线网卡,需要注意的是,既然叫做WirelessMon,就只能对无线网络进行Monitor,无法支持有线网络速度 测试。
在中间右边区域看到当前环境下周边的无线网络信号基本情况,这里主要显示的是无线信道相关信息,包括有几个2信道,有几个6信道等等,下面还有 个切换按钮可以在802.11a与802.11b/g模式之间更换,估计绝大多数人用的无线网络都是b/g的,不过不知道为什么没有未来的趋势 802.11n切换。
在下方大面积区域我们能够看到当前环境周边扫描到的无线网络基本信息,包括状态是否可用,SSID信息,使用的发射频段,是否加密传 输,RSSI信号强度,目的无线网络基本传输速度模式,无线路由器或AP的MAC地址,无线网络组成模式(点对点还是点对多点),连接的时间基本信息等, 通过这个区域的信息我们可以清晰详细的了解四周无线网络的组成状况。
我的无线路由器可以设置信号强度,这是把路由器设置成最小28mW发射功率时候的监测数据,可以看到信号是-52dBm/47%。
在同一位置,设置成最大281mW时候的信号监测数据,可以明显看到信号边强,有-38dBm/65%了。不过建议各位不要超过100mW,要不然多少对人体有伤害,DD-WRT默认就是最小的28mW,就我这里来说,28mW也够用了。
除了上面提到的无线信号扫描功能外,wirelessmon还提供了信号强度检测、监测无线网络的传输速度与图标生成等功能,点主界面左侧的 graphs,横坐标是时间坐标,而纵坐标可以由我们来选择参数,包括signal strength percentage,signal strength(DBM),received rate,sent rate,total data rate等等,以便让我们了解网络的下载速度或其稳定性,
随着无线技术的逐渐发展,无线产品价格的不断走低,越来越多的企业开始着眼于将企业内网建立成无线网络,然而你是否知道在无线网络中各个设备该如何摆放呢?你又是否明白无线网络最忌讳的是地理位置出现信号盲点问题呢?
今天给各位介绍的WirelessMon就是一款不错的无线信号扫描和监测工具,通过它我们可以更加合适更加高效的建立企业无线内网,也可以查看购买的无线产品信号到底好不好,是不是够稳定。
WirelessMon是一款允许使用者监控无线适配器和聚集的状态,显示周边无线接入点或基站实时信息的工具,列出计算机与基站间的信号强度,实时的监测无线网络的传输速度,以便让我们了解网络的下载速度或其稳定性。
安装过程我就不废话了,很简答,完成后,打开wirelessmon主界面,可以通过select network card右边的下拉菜单选择对应的无线网卡,需要注意的是,既然叫做WirelessMon,就只能对无线网络进行Monitor,无法支持有线网络速度 测试。
在中间右边区域看到当前环境下周边的无线网络信号基本情况,这里主要显示的是无线信道相关信息,包括有几个2信道,有几个6信道等等,下面还有 个切换按钮可以在802.11a与802.11b/g模式之间更换,估计绝大多数人用的无线网络都是b/g的,不过不知道为什么没有未来的趋势 802.11n切换。
在下方大面积区域我们能够看到当前环境周边扫描到的无线网络基本信息,包括状态是否可用,SSID信息,使用的发射频段,是否加密传 输,RSSI信号强度,目的无线网络基本传输速度模式,无线路由器或AP的MAC地址,无线网络组成模式(点对点还是点对多点),连接的时间基本信息等, 通过这个区域的信息我们可以清晰详细的了解四周无线网络的组成状况。
在同一位置,设置成最大281mW时候的信号监测数据,可以明显看到信号边强,有-38dBm/65%了。不过建议各位不要超过100mW,要不然多少对人体有伤害,DD-WRT默认就是最小的28mW,就我这里来说,28mW也够用了。
信道资源管理 篇5
关键词:GPRS,无线信道,资源优化,优先级
0 引言
移动通信从第一代的模拟系统发展到第二代的数字系统,再到现在第三代的移动多媒体业务系统,以飞快的速度向前发展。在第二代提出的GPRS(General Packet Radio Service)是一种基于GSM网络的移动分组数据承载业务,在当今通信领域研究中火热多年。利用GPRS的分组交换技术,可以在网络进行语音通信的同时,“见缝插针”地进行数据通信,其数据传输的速率最高可达171.2kbps,大大提高了无线网络的利用率[1]。GPRS最大限度的重用GSM网络,提供高效的无线资源利用率和无线接入速率。
提供高速的数据业务,一直是目前移动分组域发展的目标,尽管GPRS是作为向第三代移动通信系统平滑过渡的主要方案[2],但是在世人普遍向往3G的大环境下,GPRS将路归何处也成为了很多业内人士的焦虑。3G和WIFI技术的进一步发展都使GPRS的应用前景遭受挑战。然而,3G的发展同样阻力颇多,首先,建设成本高,目前各大运营商仍在紧锣密鼓的建设完备的3G网络;其次,市场营销障碍,目前大多数市民都对3G持观望态度,并没有转为3G的切实需求;再次,设备生产商阻力,市场上的3G终端数量也并不乐观。至于WIFI,尽管这是一个十分诱人的技术,但是它和国内标准WAPI之间还有着复杂的恩怨情仇,即使可以得以大规模应用,其建设成本也要耗费很多年。综上所述,在相当长的一段时间内,如果没有特别的改变,2G技术仍然会是主力或者占有不小市场份额,而2.5G之GPRS技术也将继续发挥它的光和热。
1 GPRS基本原理
1.1 GPRS系统构造
GPRS的网络结构如图1所示,其在GSM网络的基础上增加了分组控制单元(PCU)、GPRS服务支持结点(SGSN)和GPRS网关支持结点(GGSN)等功能实体。
GPRS骨干网连接基站子系统(BSS)、移动交换中心(MSC),以及各种外部网络,组建了一条由MS至BSS,经过GPRS网络连接到各种类型外部网络的通路。图1-1中展示了与GPRS网络联系的各功能实体,这里主要介绍与本论文所述“信道资源智能分配模块”相关的几个功能实体。
PCU:分组控制单元,负责处理无线信息的数据业务、无线数据业务的管理和分配;用户数据的压缩、加密和转发等[3]。
SGSN:业务支持结点,通过帧中继与BSS直接相连,是移动终端与GPRS网络之间的接口,它可以记录移动终端的当前位置信息,在移动终端和GGSN之间转发分组数据等[3]。
GGSN:网关支持结点,从结构图中可以看出,GGS对内可以维护GPRS骨干网,对外连接多个数据网络,并对经过它的数据包进行协议转换,使网络可以识别。
SGSN与GGSN之间的GPRS骨干网则是一个纯粹的IP网,所有的数据通过隧道传输。
了解了网络结构之后可以发现,在GPRS网络中,PCU与SGSN的功能与无线资源利用有关,因此,本论文将着重讨论该二实体的功能以及搭建在其上的改进模块。
1.2 协议模型
下图2所示为MS与SGSN之间的协议模型。
由图2可知,移动台(MS)与BSS之间采用空中接口Um,通过该接口,MS完成与网络侧的通信,传输MS与网络之间的信令信息和业务信息。Gb接口为BSS与SGSN之间的接口,该接口是GPRS组网的必选接口,通过该接口SGSN完成同BSS系统、MS之间的通信,完成分组数据传送、移动性管理、会话管理方面的功能。
1.3 GSM网络无线信道资源分配策略
MS与BTS之间需要传送大量的用户数据和控制信令,不同种类的信息由不同的逻辑信道传送,逻辑信道映射到物理信道上[1]。GPRS系统定义了为分组数据而优化的逻辑信道PDCH(Packet Data Channel)。在无线网络的空中接口即Um中,可定义的GPRS业务信道有两种,一种是专用的PDCH(Dedicated PDCH),另一种是动态的PDCH(On-demand PDCH)。
GPRS的动态PDCH与话音的TCH共享物理信道,当物理信道话音空闲时,即可用为动态PDCH以传输分组数据,当有话音通信需求时,则暂停分组数据传输,改用为话音TCH[1]。话音的级别高于数据传输,这种机制实现了用户在话音与数据的自如切换和无线信道的高利用率。相反,专用的PDCH只能作为话音信道使用,每个小区会根据本小区的业务特点设置若干个专用的PCDH来确保基本的GPRS业务。GPRS所谓的最大速率是在某用户全部占用8个时隙并且GPRS数据采用CS-4方式编码时的理论数据,但是这两种情况都无法被满足,因此这个理论数据是不能达到的,事实上,GPRS可以达到的速率在13.4kbps至40.2kbps[4]之间。
经过一系列的扩容与持续优化,目前GPRS网络已经具备一定的规模。由于GPRS、GSM共用无线网络资源,因此需要进行合理资源配置,应基于阶段性用户的需求考虑和效益最大化的原则配置无线资源[5]。本文在这个基础上,研究信道分配的改进策略,在无法额外获得更多GPRS信道的情况下设计了GPRS信道资源的智能分配模块,在GPRS原有分配策略的基础上加以改进,提供更加高效的GPRS信道使用效率,从而提高无线信道利用率。
2 信道资源智能分配模块的设计
2.1 GPRS数据通信的建立过程
GPRS移动台连接到网络的过程可以分为两个阶段:第一步是连接到GSM:这个过程也叫GPRS attach。GPRS MS开机后,向网络发起attach消息,SGSN得到该消息后,向HLR请求有关用户数据并进行身份验证,决定是否允许MS接入网络。第二步为连接到IP网络:这个过程也叫PDP上下文激活。GPRS MS完成attach之后,网络会为其分配一个IP地址,使之成为IP网络的一部分[3]。
由此可知,GPRS数据通信的建立过程中,MS与GPRS网络进行PDP上下文激活的过程对于双方交换信息十分重要。一个成功的注册过程首先是MS向SGSN发出激活PDP上下文请求,其内容包括PDP类型,配置选项等信息;然后SGSN将相应数据发送至相应的GGSN,请求创建PDP上下文请求;GGSN检验之后向SGSN返回创建PDP上下文响应。SGSN如果收到GGSN的创建PDP上下文响应,则向MS返回激活PDP上下文接受消息。此时就已建立起MS与GGSN之间的路由,开始计费,可以进行分组数据传送。当PDP上下文激活过程结束,MS内的PDP上下文一般会维持开户状态数小时之久,并不会在一次数据传输之后就关闭。
2.2 模块功能
2.2.1 GPRS系统中各模块逻辑图
图3为该信道资源智能分配模块CRIA在GSM/GPRS系统所处的位置。
CRIA模块增加在PCU与SGSN之间,其接口设置与原系统中PCU和SGSN之间的接口设置基本一样,仍然可以选择Gb接口,承左启右,但是增加了实体之间传递的参数类型。
2.1节描述了MS发起服务申请的注册过程,其中PDP上下文激活过程对于CRIA参数的获取十分重要。当MS向CRIA发起PDP上下文激活请求时,参数中增加了用户所进行GPRS服务的具体类型等信息。这些数据再加上CRIA模块中记录用户发起频率、用户本次服务申请次数等数据一起,进入CRIA模块。这时CRIA模块就可以在第一时间获取一个新的GPRS信道请求的详细信息,把这些信息进行处理后,再根据已设定的模块功能对各个用户的信道请求进行合理分配,最后把这些信息传达至SGSN。当一个PDP上下文激活过程成功结束之后,用户将可以依据自己的使用“权限”来使用GPRS信道,享受更高效的无线数据服务。在此,把这个增加了参数的PDP上下文激活过程称为PDP上下文激活扩展过程。
建立了PDP上下文之后,依据PDP地址,MS通过要与SGSN、GGSN通信来实现与外部网络的通信。这个通信过程仍然需要交换数据,除去掉了某些激活参数外,与CRIA模块的交互过程与上述过程基本相同。
这里的CRIA是一个逻辑功能实体,并不是一个物理实体,实际部署时,可以简单的升级SGSN,也可以增加一个物理实体,但显然前者的成本更低。
2.2.2 模块内部数据结构及功能
该模块体系结构如下图4所示,CRIA模块内部的数据结构主要包括当前MS服务状态列表、等待服务队列、信道分配算法、本小区状态表、相邻可用资源小区状态表和用户操作状态历史数据表几个部分。
◆MS服务状态列表
MS服务状态列表中存储的是当前正在为其提供GPRS服务的MS信息以及具体服务类X型、开始时间、已使用时间、已传输数据量、QoS等信息。这些信息同时也正在成为用户操作状态历史数据表中的数据。而且这里面正在被提供服务的MS随时可能因为服务运行时间过长且数据量过低而被信道分配算法模块强制挂起在等待队列中。
◆等待服务队列
等待服务队列存储一些不被立即响应或响应中途挂起的服务,由信道分配算法模块直接操作。
◆用户操作状态历史数据表
用户操作状态历史数据表中存储某段时间内某MS发起服务请求的次数、每次服务的时间、每次传输的数据量等信息,这些数据将做为信道分配算法模块进行算法判定的一项依据,例如如果某用户最近刚进行过一次数据量很少的数据业务,那么他的优先级将会低于首次发起相同类业务的用户。
◆相邻小区状态表
相邻小区状态表作为优化GPRS信道资源的辅助手段某些时候也可以发挥一定的作用。小区通常会检查CRO(Cell Reselect Offset,小区重选偏置)的设置情况,通过分析与相邻小区的位置关系及GSM业务分担情况,适当的加大或减小CRO;一般在BLER(Block Error Ratio,误块率)高的情况下减小CRO,使其尽快选择其他小区[6]。而此相邻小区状态表所在模块分析相邻小区的工作状态以及MS对本小区和相邻小区的适应程度,将相应数据报告给信道分配算法模块,让其来决定是否把该MS转移至相邻小区,以求得更高的服务效率。
◆本小区状态表
本小区状态表提供本小区当前可用的GPRS信道数,提供话音与数据信道的分配统计,是此模块的基本数据信息。
◆信道分配算法
信道分配算法是此优化信道分配模块的核心部分。信道分配算法模块收集所有与用户申请业务相关的数据,包括当前数据、历史数据和小区状态数据,然后根据最短服务时间优先、突发数据量较多者优先、发起次数单位时间内较少者优先、接收功率高者优先等一系列合理的优先法则,来给出一个为用户提供服务的优先级队列,依据队列次序,根据已有无线信道资源为用户提供服务。
此算法对反应时间的灵敏度要求较高,因此对承载算法模块这一部分功能的物理环境要求也较高,但是相对来说,算法需要达到的优化程度可以因地区而异,这个问题将在第三章详细分析。
总的来说,该CRIA模块的功能可以概括为以下几点:
●根据优先级动态分配GPRS无线信道资源,减少用户平均接受服务时间,提高无线资源利用率。
●合理分配与相邻小区之间的MS数量,尽量缓解某一个小区内的拥塞。
●对某些在忙时数据量很小且占用时间较长的服务实现挂起(计费根据数据量决定)。
2.3 模块工作流程分析
图5为CRIA模块的简化的工作流程图,图中所示为CRIA模块成功处理一个GPRS请求的过程。这个过程的完成时间为一次数据请求及分配周期。
3 信道资源智能分配模块的实现分析
3.1 改进模块的规模分析
与电路交换型网络相比,GPRS业务性能具有不确定性,研究发现,很大一类的突发业务都是小数据量业务,数据包一般在100byte以下[7]。这说明GPRS业务的种类相对集中,且服务量都很少。根据这一调查结果,就可以将CRIA模块中的信道分配算法设置为主要针对小数据量申请的业务,使其更有针对性。并且小数据量业务的服务时间较短,可以减少数据在CRIA模块数据库中的停留时间,减少模块物理上的和逻辑上的负担。
根据第二章中对模块功能和位置的分析,可以知道CRIA模块是位于BSS与SGSN之间的一个逻辑实体(暂采用此种解决方法),那么就可以将其增加在SGSN的物理实体上,以减少升级成本。这里主要分析增加CRIA模块后对原系统的改动规模。
CRIA模块中的各个数据库内容虽然是因小区而异的,但是其实现原理是完全相同的,最主要信道分配算法在通常情况下也没有必要区别。因此,在实际的GPRS网络中,用户密集的重要区域如大中城市可以设置CRIA升级模块,以在基本保证Qo S的前提下不对话音业务容量产生较大的影响且达到较高的GPRS无线信道利用率;用户稀疏的其他区域如小城镇和农村可不设置此升级模块,因为目前的GPRS信道分配策略已经可以很好的满足。
3.2 改进模块的效果分析
3.2.1 流量分析
该CRIA模块致力于改进GPRS的无线信道分配策略,使用户体验到更快更好的GPRS服务以及使无线资源得到更加深入的利用。因此,CRIA对于流量的改进指标是衡量此模块可用性的重要的指标之一。GPRS话务模型描述的是GPRS用户在数据传输的忙时平均每秒传输的信息比特量,单位为bit/s,它并不反映GPRS用户能真正感受到的数据传输速率,此指标由GPRS用户数据通信时所能得到的吞吐量来表示,单位为kbit/s[1]。从话务模型上可以看出小区承载数据量的能力,验证CRIA模块在流量方面的效率的方法就是比较CRIA模块增加后与原系统在话务模型上的差别。
从理论上分析,一方面改进后的模块在每次PDP上下文激活过程中,都会增加一些额外的数据参数,这在一定程度上浪费了无线带宽;另一方面,增加的额外数据为CRIA模块提供了基本的入口数据,使CRIA模块得出为用户服务的优先级,从而增加无线信道上的数据量并且减少为用户的平均服务时间。
下面来判断这两方面造成的综合结果:鉴于通信流量一般是随时间等有关因素增加的模型,流量的技术特征满足指数规律Yt=Y0ekt,Y0为流量的特征参数,k为流量特征指数[7]。而一个用户发起的PDP上下文请求可以在网络中保存数小时之久,因此,PDP中增加流量与GPRS通信的数据流量相比,所占用的带宽和流量比例很小。综合来说,CRIA模块在流量方面可以为原系统提升很多,至于提升的具体空间,需要用仿真测试来得出结论。
目前有两种方案来测量流量数据:
☆方案一:
当MS成功进行了PDP上下文激活过程之后,CRIA模块就可以利用自己的位置优势和功能特点来捕捉MS所发送和接收的流量大小。GPRS数据包的测量可以采用《Qo S测量方法和工具》一书中提出的方法,根据PDP中的主要参数(源和目的地址、源和目的端口、协议、服务类型等),经过UDP设备进行数据采集,最终获得精确的数据量通信[7]。
☆方案二:
如果建立了仿真系统,那么可以在CRIA模块本身的功能基础上增加一个测试模块,提取出“用户操作状态历史数据表”中的数据,以此来得到所有的通信数据量。由于CRIA模块本身要通过记录每个用户的数据通信量作为决定用户优先级的一个因素,因此直接从CRIA的数据库中拿数据来统计流量更为方便。但是这里要注意的是,出于节约物理资源和减轻硬件压力的考虑,CRIA模块中一个MS的历史数据不会保留很长时间,因此,如果要统计数据量,必须使测试统计模块与CRIA模块准同步运行。
由此可见,CRIA模块在流量方面可以为原系统提升很多,但只有分别在原系统环境下和改进系统环境下统计出话务模型,了解小区承载的数据量,才可以定量的分辨出该CRIA模块在流量方面的优势。
3.2.2 平均服务时间分析
计算机操作系统一章中讲述了进程调度思想,它对一个操作系统来说是至关重要的。
操作系统为了协调多个进程的“同时”运行,最基本的手段就是给进程定义优先级,定义了进程的优先级,如果有多个进程同时处于可执行状态,那么谁优先级高谁就去执行,这样可以以更合理的顺序来执行进程,更好地利用CPU资源。同样,在GPRS信道利用问题上,采用了信道资源智能分配(CRIA)模块的GPRS系统,就像采用了进程调度算法的操作系统一样,可以使用分配策略“调度”合适的MS使用GPRS无线信道。
因此同理,采用CRIA模块的GPRS系统可以提高GPRS信道的利用率,减少了为用户提供服务的平均时间,改善用户使用体验。从这个角度分析,该改进模块可以直接减少用户的平均服务时间。
3.3 改进模块对系统业务模块的影响
GPRS为用户提供了五种可协商的业务质量(Qo S)的基本属性,如图3-1[3]所示,图中的每一种属性都有多个级别的值可供使用。
由于GPRS QoS定义文件是与每一个PDP相联系的,因此其值在PDP中被当做一个参数来传输。该系统的改进模块CRIA增加PDP传递参数的同时,并没有减少原来的传递参数,因此新的GPRS系统仍然具备Qo S服务属性。
经过CRIA模块的信道分配算法之后,同一个MS之前协商好的各个Qo S属性的值可能会发生变化,例如延迟等级、优先级、吞吐量等都会因为下一次的传输信道分配限制而发生改变。但是改进版的GPRS网络仍然重视Qo S,尽最大努力保证Qo S,在CRIA模块的信道分配算法中,Qo S数据也是一项重要的参考数据。尽管这样,由于CRIA模块本身的分配决定性地位,原系统的Qo S会受到一定影响,这些影响会弥补在无线信道的利用率上。如果一个网络对Qo S要求极为严格,那么是否采用此改进模块仍然需要进一步的实践验证。
4 结论
由于当前GSM网络中话音与数据是共享无线信道的,因此话音与GPRS无线数据之间就存在着一定的资源竞争。当GSM和GPRS网络发生冲突时,必须首先以话音为主,即在保证GSM网络质量的基础上,尽可能提高GPRS的服务质量。本论文就在这个技术前提下探讨了在GPRS信道资源紧张的情况下的改进方案,提出了“信道资源智能分配”功能实体。这个功能实体主要解决大中型城市地区GPRS业务用户相对集中、信道资源相对紧张的地域的GPRS信道分配问题。
该信道资源智能分配功能实体采用信道分配算法将各MS发出的GPRS服务请求分出优先等级,综合影响无线信道利用率的各个因素以及Qo S参数,最终给出使无线信道利用率最优化的服务解决方案。该功能实体实现逻辑清晰、操作简单,如果可以大规模部署,将可以很大程度上改善用户使用GPRS服务的体验。但是从另一方面来看,从该功能的角度决定信道分配方案也会影响到网络本身的Qo S,一旦该逻辑实体出现任何的故障,信道逻辑分配将陷入混乱。论文中不仅探讨了该功能实体的设计思路及组成,还详细分析了其实现过程的一些重要指标及对原系统所带来的利与弊。总体来说,该改进模块实现简单、易于扩展,是一个在GPRS网络优化领域可以尝试的项目。
参考文献
[1]肖群力.GPRS在GSM无线网络中的应用技术研究[J].广东通信技术.2003(1)
[2]冯军亮.GPRS无线通信数据传输系统的设计与应用[J].百度文库.2010(6).
[3]綦朝辉等.现代移动通信技术[M].国防工业出版社.2005(8).
[4]武雪明.GPRS网络优化[J].中国知网.2005(5).
[5]郭宝.GSM与GPRS无线网络协调优化分析[J].Telecommunications Technology.2005(11).
[6]翁文.GPRS网络的优化问题[J].中国信息科技.2005(13).
信道资源管理 篇6
在高速移动环境中, 无线信道的冲激响应会呈现时变特性, 在接收端解调信号中引入子载波间干扰 (ICI) , 使得系统性能严重恶化, 因此接收端的信道估计和ICI消除算法就显得十分重要[1,2,3]。信道估计可以分成盲估计和数据辅助型两大类。盲信道估计算法很难跟踪时变信道的变化情况, 因此OFDM系统中多采用基于导频的数据辅助型算法[4,5]。在时域和频域设计导频结构, 在导频点处插入已知序列, 在收端利用各种算法估计出传输信道响应。常用的导频辅助算法包括最小二乘 (LS) 算法[6]和最小均方误差 (MMSE) 算法[7]。LS算法复杂度低, 不依赖信道的统计特性;但由于没有考虑噪声对信道估计造成的影响, 并且不能对抗多普勒频移, 所以性能受限。MMSE算法理论上具有最好性能, 但由于需要求取逆矩阵, 复杂度高, 并且需要知道信道的统计特性, 实现困难。
本文提出一种OFDM系统的快速时变信道估计方法, 可以有效消除多普勒频偏引入的ICI, 在取得较好性能的同时能够避免MMSE算法过高的运算复杂度。
1 系统模型
假设OFDM系统包含N个子载波, 频域发送数据为X=[X0, X1, …, XN-1]T。通过逆快速傅里叶变换 (IFFT) 将频域数据转换为时域数据, 即x=FHX=[x0, x1, …, xN-1]。经过无线信道传输以后, 接收端数据y=[y0, y1, …, xN-1]为:
H表示N×N的时域信道冲击响应矩阵, 其中第n行第l列元素为表示求模运算, hn, l表示在时刻n (0≤n≤N-1) , 延时l (o≤l≤L-1) 处的信道冲击响应, v表示噪声向量。
假设理想时间同步, 接收端对式 (1) 做FFT变换, 得到
其中, 表示无线信道的频率响应矩阵, V表示噪声的频域形式。如果无线信道保持不变, 则H是一个循环矩阵, 那么G是对角阵。这种情况下子载波间没有干扰, 数据解调十分容易。如果无线信道由于多普勒效应而发生变化, 则H是不再是循环矩阵, G也不是对角阵。此时第k个子载波的输出[8]为:
式中, 第1项为希望解调的信号, 第2项为ICI。
2 ICI分析
将频率响应矩阵C中的元素Gk, n展开得到:
如果信道保持不变, 可以推导出[9]:
这种情况下矩阵G是对角阵, 不会引入ICI。
首先定义, 表示第m条多径分量冲击响应的平均值。然后用一个线性模型来模拟无线信道在时域的变化情况, 如图1所示。文献[7]证明在归一化多普勒频移不超过20%的条件下, 这个线性模型都很精确。假设αm表示第m条多径信道冲激响应的斜应, 那么第m条多径信道在时间r处的冲激响应可以写成:
将式 (4) 代入式 (6) , 可以推导出Gk, n的表达式为:
可以发现矩阵G的对角线由hmavg决定, 而非对角线元素由变化量Δhr, m决定。
3 频域均衡
根据式 (2) , 可以采用频域均衡的方法消除ICI, 这里采用MMSE准则。相应估计算法可以表示为:
式中, σ2是噪声能量, IN是N×N的单位矩阵。计算矩阵的逆, 需要数量级为 (N3) 的运算量, 复杂度很高。进一步分析可以发现对某个子载波而言, 绝大部分的ICI是由临近子载波引起的, 而与其距离较远的子载波影响可以忽略。因此可以将G近似为一个带状矩阵, 如图1所示。这个带状矩阵包含 (2D+1) 条主对角线和2个D×D的上三角和下三角矩阵, 表示ICI主要来自左右相邻的D个子载波。和传统频域均衡对整个ICI进行消除不同的是, 这种方法是对每一个子载波分别进行ICI消除, 所以只用考虑临近子载波的影响。为此构建一个G的子矩阵Gm, 大小为 (2D+1) × (4D+1) , 具体形式为:
利用子矩阵Gm进行频域均衡, 具体表示为:
其中, Q=2D+1, gm=Gm (:, 2D+1) 表示Gm的中间列。则经过均衡后的第m个子载波上的数据为:
4 信道估计
以上的频域均衡方法需要知道信道矩阵G, 这里采用导频辅助的方法对信道进行估计。假设一共有P=N/d个导频均匀分布在p (0) , …, p (P-1) 中, 彼此间隔为d。信道估计算法步骤如下:
(1) 暂时忽略掉ICI, 那么在有导频的子载波上可以进行信道估计, 具体为:
(2) 利用插值方法计算出整个G上的对角线元素, 然后再利用P点IFFT将频域信道相应转换成时域冲激响应向量, 其中t-1表示第t个OFDM符号。同理计算出
(3) 对t个OFDM符号, 假设无线信道变化的斜率有两个, 符号的前半部分为, 后半部分为, 分别的计算公式为:
(4) 有了斜率以后, 就可以计算出矩阵G中所有的非主对角线元素, 结合第一步中得到的主对角线元素, 对整个G的估计完成。然后就可以构造子矩阵Gm, 利用式 (9) 分别对每个子载波进行ICI补偿。
5 仿真结果与分析
为了验证本文所提算法的性能, 进行了算法仿真。仿真参照Wi MAX标准设计了OFDM的系统参数[10]。载波频率为2.4 GHz, 可用带宽为5 MHz。调制方式采用QPSK星座图映射。所有结果都是经过10 000次的蒙特卡洛仿真得到。本文采用服从瑞利衰落的5径信道模型[11], 信道冲击响应为:
信道的最大多普勒频移为1 000 Hz。
图2给出了本文信道估计算法的均方差仿真结果, 同时加入了LS、MMSE信道估计算法进行性能对比。本文算法中取D=1。从图中可以发现, 由于较大的多普勒频移会带来严重的ICI, 使得LS算法的性能恶化, 并且会出现平台现象, 即增大SNR, 算法MSE不会再降低。本文方法通过简化ICI矩阵, 可以达到与MMSE信道估计算法相近的性能, 同时算法复杂度大大降低。通过计算, 本文算法复杂度运算量级为N×O (53) , 而MMSE算法运算量级为O (N3) , 若取N=256, 则复杂度减少了99.81%。
图3对3种方法的误比特率进行了仿真对比。从图中可以看出, 本文提出的算法和MMSE信道估计误比特率性能十分接近, 并且与理想情况相比, 性能损失很小。对于LS算法而言, 由于其信道估计不准确, 导致误比特率性能相比于其他两种方法有明显恶化, 同时存在平台现象。
6 结束语
在快速时变信道下, 如何消除由多普勒频移引入的ICI是十分重要并且具有挑战性的。为了提高传统算法的性能, 通过分析ICI矩阵的特点, 提出了基于带状矩阵的简化MMSE信道估计算法。经过仿真分析, 在多普勒频移为1 000 Hz的时变信道中, 所提出的基于带状矩阵的信道估计算法相比于传统LS算法在估计精度上更为准确;同时在获得与MMSE算法相近性能的前提下, 计算复杂度大大降低, 表明算法在快速时变信道下是有效的, 并且能够在运算复杂度和估计精度之间很好地折中。
参考文献
[1]李敏, 黎锁平, 田秀丰.OFDM系统基于信道多径时延检测的自适应信道估计[J].无线电通信技术, 2009 (3) :1-5.
[2]王晗, 汪晋宽.OFDM系统LS信道估计中的最优导频设计[J].东北大学学报, 2008 (29) :673-676.
[3]席晓平, 张灿.移动OFDM系统中的ICI消除算法研究[J].电子与信息学报, 2009 (31) :653-656.
[4]张海滨.正交频分复用的基本原理与关键技术[M].北京:国防工业出版社, 2006:59-62.
[5]惠永涛, 李兵兵, 同钊, 等.时频双选信道OFDM系统的低复杂度MMSE-SD算法[J].电子与信息学报, 2013 (35) :261-266.
[6]李一杰, 周新力, 宋斌斌.OFDM系统中基于DFT的信道估计方法[J].无线电工程, 2014 (4) :73-76.
[7]YASAMINM, DONALD C C.ICI Mitigation for Pilot-Aided OFDM Mobile Systems[J].IEEE Transactions on Communications, 2005, 4 (2) :765-774.
[8]龚钢, 雷维嘉, 谢显中.基于梳状导频分布的OFDM信道估计改进算法[J].电讯技术, 2011 (4) :102-105.
[9]SI L U, Naofal A D.Coherent and Differential ICI Cancellation for Mobile OFDM with Application to DVB-H[J].IEEE Transactions on Wireless Communications, 2008, 7 (7) :1-7.
[10]ABICHAR Z, PENG Y, CHANG J M.Wi Max:The Emergence of Wireless Broadband[J].IEEE IT Prof., 2005, 8 (4) :44-48.
信道资源管理 篇7
关键词:OFDM,信道估计,本地人工信道,奇异值分解
0 引言
正交频分复用 (OFDM) 技术由于具有较高的频谱利用率、对抗多径干扰效果好、较高的数据速率等优点, 广泛地应用到无线通信系统中。因为无线信道具有多径和时变特性, 为了降低多径和衰弱对系统性能的影响, 需要在接收端利用信道估计来补偿信道的变化。
OFDM信道估计是一个古老的话题, 但是对于它的研究一直没有停止, 有对估计算法的研究, 如文献[1]提出的基于本地人工信道的估计方法;还有设计合适导频序列来对抗频率偏移的信道估计[2];有针对MIMO系统的递归更新的信道估计方法[3];有对导频摆放方法的研究[4];有基于二维扩展的对时域快变信道的估计[5];当然也有对现有算法的改进的文章[6,7]。本文主要针对基于导频的信道估计算法的研究, 这类算法是利用在数据流中插入一定数量的已知数据 (导频) 进行信道估计, 传统估计方法包括最小二乘估计 (LS) 和线性最小均方误差估计 (LMMSE) , 两种方法在性能和复杂度上各有利弊。本文介绍了这两种基于导频的OFDM信道估计基本方法, 以降低LMMSE复杂度为目标, 引入一种基于本地人工信道的估计方法来减少LMMSE方法中的自相关矩阵问题, 并对此改进方法进行进一步的奇异值分解解决矩阵求逆的问题, 使本文的方法不但具有很少的计算量而且在性能上与传统LMMSE方法相差不到1 d B, 是一种具有实际应用价值的OFDM信道估计方法。
1 基于导频的传统信道估计基本方法
建立OFDM系统的基带模型, 如图1所示是一个简单的基带模型[8]。x0, x1, ⋯, xN-1为发射的频域值, y0, y1, ⋯, yN-1为接收到的频域值, CP为循环前缀, h (t) 为时域多径信道, 它的表达式为[9]:
式 (1) 表示有M条径;hk来自功率延迟分布, 表示第k条径上的衰减系数;τkTs表示第k条径上的延时;Ts为系统的采样间隔。
假定CP (循环前缀) 能够完全的保证OFDM系统中的各个子信道的正交性并能消除符号间干扰, 并假设信道是慢变信道, 即一个OFDM符号的时间当中基本保持信道的不变。那么可以把该系统简单地描述为由多个子信道组成的系统, 转化为数学模型为一个向量和矩阵的等式:
式中:y表示接收端收到的频域N×1向量;X是一个N×N的对角线矩阵, 对角线上的值为发送的对应子信道的导频信号;h为N×1的子信道的信道参数矩阵;n为高斯白噪声, n和h是不相关的。
最小二乘估计 (LS) 是观测值与估计值之间的误差平方和最小, 按上述矩阵等式可得最小二乘估计[8]:
线性最小均方误差估计 (LMMSE) 利用正交原理, 估计误差和观测样本是正交的, 得到:
其中, 显然β是跟调制方式有关, 如果是QPSK调制, 那么β=1;Rhh是信道的自相关矩阵;就是LS估计。
从公式来看LS算法相对简单, 一次估计只需要进行N次运算即可, 而LMMSE算法的复杂度非常高, 不但需要进行LS估计, 还需要求自相关矩阵, 并且要进行矩阵的求逆和矩阵相乘的运算, 计算复杂度太高, 所以实际系统中运用的基本都是LS算法, 然而在性能上, LMMSE算法要远好于LS算法, 所以如何让LMMSE算法能简单地应用到实际系统中是一个研究方向。要实现上述要求, 需要解决两个主要问题, 一个是自相关矩阵Rhh的计算, 另一个是矩阵求逆的计算。
2 基于本地人工信道的信道估计
首先, 解决自相关矩阵的计算问题, 采用本地建立人工信道g并只对导频进行滤波, 然后与经过实际信道的导频和起来进行估计, 基本流程如图2所示[1]。
通过增加本地人工信道g, 使得等效信道模型的表达式变为:
则混合信道k的LMMSE估计为:
而实际信道h的估计就变为:
当本地人工信道满足一定条件时, Rkk≈Rgg, 这样自相关矩阵只需要计算一次, 大大简化了计算量。当多径延时满足均匀分布, 功率延时谱满足负指数分布时, 自相关矩阵中的每个元素为[8]:
式中:τmax为最大多径延时相对于采样率Ts的归一化值;τrms为均方根时延相对于采样率Ts的归一化值;N为子载波个数。显然, 当子载波个数确定时, 这个自相关矩阵的元素只跟τmax, τrms这两个关键元素有关。而当这两个关键元素都由本地人工信道g决定时, 自相关矩阵就只需要计算一次。分析混合信道k, 它可以表示为[1]:
式中:B, L, D分别为混合信道k、实际信道h和本地人工信道g的多径数;kb, hl, gd为各自信道多径的衰减值。显然BL+D, 而且对于给定的τb, 如果g (τbTs) =0 (或者h (τbTs) =0) , 那么kb的值就等于hl (或者gd) ;如果g (τbTs) 和h (τbTs) 都不等于0时, kb=hl+gd, 此时说明两个信道都具有一条延时τbTs的径。当D≫L时, B≈D, 而实际设计OFDM系统时, CP的长度是要大于最大多径延时的, 这样才能保证系统不受符号间干扰。如果令本地人工信道的最大多径延时接近CP的长度, 那么这个混合信道k的最大多径延时就等于本地人工信道的最大多径延时。当满足以上条件时, 可以认为决定自相关矩阵中的每个元素值的τmax和τrms基本由本地人工信道决定, 也就是说Rkk≈Rgg。那么可以在接收端事先知道自相关矩阵而不需要每次都进行计算。
然后是矩阵求逆的问题, 因为Rkk已知, 而自相关矩阵是一个非常特殊的矩阵, 它是一个厄米特矩阵, 对于厄米特矩阵而言, 奇异值分解和特征值分解是一致的, 对其进行奇异值分解 (SVD) 就可以表示为:
其中, U是一个酉矩阵, 由奇异向量组成;Λ是由奇异值组成的对角线矩阵, 对角线上的值是按大小排列的奇异值, 。信道的自相关矩阵的奇异值在P个 (P为CP的长度) 之后迅速变小[8], 所以可以近似Λ为P维的矩阵, 也就是舍去P个之后的奇异值来达到减少计算量的目的。近似之后的结果为:
其中ΔP是一个对角线矩阵, 里面的元素为:
对上述两种近似进行组合之后, 信道估计系统框图如图3所示。
需要在接收端存储人工信道G (N×1) 、部分的奇异值 (P个) 和奇异向量组成的矩阵 (N×P) , 并在接收端增加一个估计SNR的模块。这样就把普通的LMMSE简化成为只需要进行简单的相乘相加的运算, 而舍去了自相关矩阵的计算和复杂的矩阵求逆运算, 而这仅仅需要增加一小部分的数据存储。
3 仿真
用Matlab进行仿真, 接收端只考虑信道估计的性能, 不计其他纠错编码的影响。子载波数N=1 024, CP长度为N 4256, 采样率为10 MHz, 采用块状导频结构。实际信道采用COST 207标准的典型城区Ⅰ多径信道[10], 多普勒频移为25 Hz, 本地人工信道多径延时满足均匀分布, 功率延时谱满足负指数分布, 应用与中低速的图传系统。
图4显示了几种AC (Artificial Channel) 方法的性能, 其中Delay Sufficient表示的是按照文中的要求构造本地人工信道, 即本地人工信道的τmax设为CP的长度 (远大于实际信道) ;而Delay Insufficient1和Delay Insufficient2都与文中的要求有一定的差距, 情况1的本地人工信道的τmax略小于实际信道的τmax, 而情况2的本地人工信道的τmax为实际信道的τmax的一半。可以看出, 当本地人工信道设置合理时, 它的性能基本跟实际的LMMSE算法接近, 相同BER信噪比差距小于1 d B;而当本地人工信道设置不合理时, 性能会有很大的差距, 如情况1在10 d B之后开始逐渐地变差, 16 d B之后甚至比LS算法还要差;而情况2由于人工信道设置得更不合理, 导致从8 d B开始就比LS算法差了。
图5显示AC和SVD结合后的性能, 其中AC SVD1表示的是按文中要求进行取舍奇异值, 即取了最大的前CP个奇异值;而AC SVD2只取了最大的前CP/2奇异值。从图中可以看出, SVD1与普通的AC基本重合, 可以认为基本没有性能上的损失, 而SVD2因为少取了一些奇异值, 丢弃了一些有用信息而导致性能下降, 尤其是在信噪比10 d B之后性能迅速下降, 16 d B之后甚至比LS算法的性能还要差。
4 结论
通过以上仿真可以看出, 本文提出的AC+SVD的方法不但减少了求自相关矩阵、矩阵求逆在内的大量计算, 只需要进行简单的乘法和加法, 而且在性能上跟传统的LMMSE算法差距在1 d B以内, 所以该方法是一种具有实际应用价值的、高性能的OFDM信道估计方法。
参考文献
[1]SAVAUX Vincent, SKRZYPCZAK Alexandre, LOUET Yves, et al.Near LMMSE channel estimation preformance with artificial channel at receiver for OFDM systems[C]//13thInternational Workshop on Signal Processing in Wireless Communications.[S.l.]:[s.n.], 2012:545-549.
[2]OLIVER J, ARAVIND R, PRABHU K M M.Improved least squares channel estimation for orthogonal frequency division multiplexing[J].IET Signal Processing, 2012, l.6:45-53.
[3]HESKETH Thomas, DE LAMARE Rodrigo C, WALES Stephen.Adaptive MMSE channel estimation algorithms for MIMO system[EB/OL].[2012-11-26].www.ymcn.org/d-9bs1.html.
[4]Qun Yu and Ronglin Li.”Research on Pilot Pattern Design of Channel Estimation”Journal of Automation and Control Engineering, Vol.1, No.2, March 2013.
[5]PENA-CAMPOS F, CARRASCO-ALVAREZ R, LONGORIAGANDARA O, et al.Estimation of fast time-varying channels in OFDM systems using two-dimensional prolate[J].IEEE Transaction on wireless communications, 2013, 12 (2) :898-907.
[6]ZHOU Wen, LAM Wong Hing.A fast LMMSE channel estimation method for OFDM systems[D].Hong Kong, China:Department of Electrical and Electronics Engineering, The University of Hong Kong, 2009.
[7]MINN H, BHARGAVA V K.An investigation into time-domain approach for OFDM channel estimation[J].IEEE Transactions on Broadcasting, 2009, 46 (4) :240-248.
[8]EDFORDS O, SANDELL M, VAN DE BEEK J J, et al.OFDM channel estimation by singular value decomposition[J].IEEE Transactions on Communications, 1998, 46 (7) :923-927.
[9]VAN DE BEEK J J, EDFORS O, SANDELL M, et al.On Channel Estimation in OFDM Systems[C]//Proceedings of IEEE conference on Vehicular Technology.Chicago, USA:IEEE, 1995, 2:815-819.
信道资源管理 篇8
MIMO信道的状态信息对于接收端和发射端来说, 都是未知的。因此为了获取信道的状态信息, 通常的方法是在数据传输之前发送一段发射端和接收端都已知的训练符号。Hassibi和Hochwald[1]在假定系统接收算法理想的情况下, 对此问题展开了研究, 并讨论了信道估计误差的特点。M.S.Baek[2]讨论了半盲信道估计算法及信道估计误差的性质。因此, 不管是采用基于导频的还是采用盲的信道估计, 通常都会存在一定的估计误差。信道估计误差的存在会引起MIMO系统的信道容量下降[3,4,5,6,7,8,9]。
Bhavani Shankar采用一阶扰动理论推导了存在信道估计误差情况下系统信道容量的上下限[7], 但其分析过程繁琐, 而且计算复杂度非常高。M.Medard详细推导了当接收端存在信道估计误差时, 单输入单输出 (SISO) 系统互信息的下限[10]。本文重点研究在相关Rayleigh衰落信道情况下, 接收端存在信道估计误差时MIMO系统信道容量的下限。
1 信道信号模型
考虑接收天线和发射天线数分别是M和N的MIMO系统, 接收信号模型为:
式中:x为M×1维发射信号向量;y为N×1维接收信号向量;H为M×N维信道转移矩阵;n为N×1维加性白高斯噪声矢量。
发射端ULA天线阵上间距为d的两根天线空间相关系数约为:
式中:λ为载波波长;φ为信号平均出发方向角;Δ为散射角。
MIMO系统信道矩阵分解为[7]:
式中:矩阵U的元素为独立同分布的均值为0, 方差为1的复高斯随机变量;R1/2RH/2=R。
设接收端能准确估计衰落空间相关矩阵R, 利用MMSE对矩阵U进行估计。
式中:
利用二元正态分布性质, 可以得到:
将矩阵U写成如下形式:
式中:矩阵η的元素为独立同分布的复高斯随机变量, 均值为0, 方差为σ2η=σ
因此, 可以将存在信道估计误差时的MIMO信道模型构建为:
式中:
2 MIMO系统信道容量分析
接收信号向量可以写为:
当L=αx+n被视为高斯噪声时, 可得到MIMO系统信道容量下限为:
系统平均信道容量下限为:
将
当发射端未知信道状态信息时, 发射端在各发射天线上采用等功率发射方案。假设发射的总功率为P, 则每根发射天线上分配的发射功率为P/N, 即Q=E (xxH) =P/NIN。这种情况下, 式 (12) 可简化为:
由于矩阵
由Wishart分布性质可得:
利用式 (14) 可得:
将式 (15) 代入式 (13) 中可得:
3 仿真结果与分析
仿真中, 假设散射物都位于天线阵的远场, 并且信道为准静态瑞利衰落信道;噪声为均值是0, 方差为1的加性高斯白噪声。
图1给出了存在信道估计误差时, 收发天线数对系统信道容量的影响, 其散射角Δ=π/6, 信道估计误差σ
图2给出了MIMO信道矩阵满秩时, 信道估计误差大小对系统平均信道容量的影响, 其散射角Δ=π/6, 发射天线采用ULA, 相邻天线间距d=λ/4, M=N=4。从图中可看出, MIMO系统平均信道容量对信道估计误差很敏感。随着信道估计误差的增大, 平均信道容量逐渐减小。当信噪比较小时, 信道估计误差对系统平均信道容量的影响不明显。当信道估计误差一定时, 信噪比增大到一定程度后, 系统的信道容量达到饱和, 再增大信噪比, 信道容量基本保持不变。
4 结 论
接收端获取准确的信道状态信息是MIMO系统达到理论信道容量的前提。但是, 信道估计时通常会引入估计误差, 导致系统信道容量的下降。鉴于此, 研究了相关衰落环境中信道估计误差对系统信道容量的影响。在探讨了信道估计误差特点的基础上, 重新构建了MIMO信道的统计模型, 进而推导了当MIMO信道矩阵满秩时, 仅接收端已知信道CSI情况下系统信道容量的下限。
参考文献
[1] HASSIBI B, HOCHWALD B M. How much training is needed in multiple-antenna wireless links?[J]. IEEE Trans. Info. Theory, 2003, 49 (4) : 951-963.
[2]BARK MS, KI M MJ, YOU Y H.Semi-blind channel esti-mation and PAR reduction for MI MO-OFDMsystem withmultiple antennas[J].IEEE Trans.Broadcasting, 2004, 50 (4) :414-424.
[3] YOO T, YOON E, GIKDSMITH A. MIMO capacity with channel uncertainty: does feedback help? [C]//IEEE Proc. of Globecom′04. Dallas, USA: IEEE, 2004: 96-100.
[4]CHEN Y X, TELLAMBURA C.Performance analysis ofmaxi mumratio transmission withi mperfect channel esti ma-tion[J].IEEE Commun.Lett., 2005, 9 (4) :322-324.
[5]GU D, LEUNG C.Performance analysis of transmit diver-sity scheme with i mperfect channel esti mation[J].Electronics Letters, 2003, 39 (4) :402-403.
[6]BALTERSEE J, FOCK G, MEYR H.Achievable rate ofMI MOchannels with data-aided channel esti mation and per-fect interleaving[J].IEEE Select.Areas Commun., 2001, 19 (12) :2358-2368.
[7]SHANKAR M R B, HARI K VS.On the variations in ca-pacity of MI MO communication systems to channel pertur-bations[C]//Proc.2002 IEEE International Conference onPersonal Wireless Communications.New Delhi, India:IEEE, 2002:76-80.
[8]SAMARDZIJA D, .MANDAYAM N.Pilot-assisted esti ma-tion of MI MO fading channel response and achievable datarates[J].IEEE Trans.Signal Processing, 2003, 51 (11) :2882-2889.
[9]YAO Y W, GIANNAKIS G B.Rate-maxi mizing power al-locationin OFDM based on partial channel knowledge[J].IEEE Trans.Wireless Commun., 2005, 4 (3) :1073-1083.
信道资源管理 篇9
时延和多普勒频移是无线衰落信道中最重要的统计参数。对这两个参数具备量化的认识对我们研究无线信道有很大的帮助。时延是由多径产生, 取决于用户所处的地理环境, 例如, 在大部分大城市里面, 由于基站比较密集, 时延维持在P A (Pedestrian A[3]) 的量级, 大约几百纳秒。而在农村地区, 大部分都保持在5微秒以下。然而, 有些地方譬如山区或者偏远农村地区, 时延可以达到2 0微秒。多普勒频移由用户相对于基站的速度以及载波的频率决定。例如对于以2 G H2为载波的系统, 一般行人用户的多普勒频移都在5 0 H z以下, 而高速公路上以1 2 0公里/小时行驶的小轿车中的用户, 多普勒频移在2 2 0 H z左右。
1 通信系统中信道模型的演变
通过进行实地测量和分析, 我们可以将各种无线信道抽象为模型, 然后依据这些模型对无线通信系统进行设计和优化。理论上来说, 无线通信信道就是一个线性滤波器。发射的信号通过这个滤波器后被接收, 所以信号传输就是一个信号处理的过程。信道模型给出了信道的基本统计信息, 因此它是信道估计的基础。我们这里要讨论的信道模型有以下几类:Typical Urban (TU) 模型, I T U信道模型, L T E扩展信道模型。
在G S M网络投入运行之前, T U模型就已经被用来决定G S M中均衡器的需求和性能。后来3 G P P组织提出的一个新的T U模型, 其与旧T U模型的最大区别在于新模型的最大时延只有旧模型的一半。随着时间的推移, 在3 G系统进入标准化阶段的过程中, ITU (International Telecommunication U n i o n) 组织提出了一系列的信道模型。这一系列一共有6个模型[3]:4个具有经典J a k e s谱的模型和2个具有矩形谱的模型。4 G通信系统的标准在制定过程中首先需要确立自己的信道模型, 然而, 随着通信系统的演变和基站数量的增加, 以前人们确定好的模型已经不再适合被用来模拟当今通信系统中的信道, 因此, 制定L T E标准的3 G P P组织确立了3个从旧信道模型演变出来的扩展信道模型, 它们分别是[5]:E xtended Pedestrian A (EPA) , Extended Vehicular A (EVA) 和Extended Typical Urban (E T U) 模型。图1给出了这些常用信道模型的累积分布函数。
2 信道模型的仿真及信道估计
在介绍信道的仿真和信道估计之前, 我们先讨论信道估计的核心基础:二维采样定律。具体说来就是, 在给定信道的带宽τma x∆F和fDmaxTs后, 导频的在时间轴和频率轴上的间隔必须满足:
这样我们才能够在没有噪声的前提下, 完美地恢复出信道参数。通过二维采样定理, 我们可以大体计算出基于导频进行信道估计的通信系统在没有噪声情况下所能维持的最大的时延和多普勒频移。表1给出了D V B-H 4 K模式和L T E系统一些结构参数和理论能够维持的最大时延和频移。在这里, τmax和fDmax分别表示最大时延∆F和TS多普勒频移, 和分别表示载频的间隔和信号的码元长度, 而NT和NF则表示导频在时间轴上的码元间隔和频率轴上的载频间隔。
前面我们已经提到过, 无线信道可以模拟为有限冲激响应滤波器。这个滤波器的阶数是由信道的时延决定, 而滤波器的每一阶是一个锐利随机过程。我们可以首先产生独立同分布的零均值复高斯噪声, 然后将此噪声通过由信道频谱决定的多普勒滤波器来产生滤波器的每一阶, 这样我们就可以仿真出我们所需要的信道。
信道估计是一个通过利用导频获得的信道参数, 在压制噪声同时估计未知信道参数的过程, 它是一个信号的采样与恢复的过程。我们可以使用维纳滤波器来最大压制噪声, 获得最小均方误差的信道估计。维纳滤波器是在最小均方误差准则下最优化的信道估计方法。对于均匀分布的时延扩展和矩形多普勒频谱, 令τn和fn分别表示标准化的最大时延和多普勒频移, 我们可以获得最小均方误差如下:
该公式可以让我们对信道估计和信道的统计参数对信道估计的影响有一个量化的认识, 同时, 通过该公式, 我们还可以估计在非均匀分布的时延扩展和J a k e s谱情况下信道估计所可能产生的最小均方误差, 而且此估值和精确值的偏差并不大, 这一点可以通过仿真来获得验证。
3 结语
在这篇论文中, 以下一代通信系统为背景, 我们简要阐述了无线通信信道的一些基本理论和一些常用的信道模型, 同时讨论了信道模型的仿真及信道估计。
参考文献
[1]Qualcomm.3GPP Long-Term Evolu-tion (LTE) .2008.
[2]G.Faria, J.A.Henriksson, E.Stare, DVB-H:Digital Broadcast Services to Handheld Device.Proc.IEEE, 94 (1) :194~209.
[3]Recommendation ITU-R M.1225.Guidelines for Evalution of Radio Transmission Technologies for IMT-2000.1997.
【信道资源管理】相关文章:
别孙信道,别孙信道陈与义,别孙信道的意思,别孙信道赏析04-15
与信道游涧边,与信道游涧边陈与义,与信道游涧边的意思,与信道游涧边赏析04-19
无线通信系统中的信道模型及信道检测12-20
上行信道05-11
同步信道06-06
信道分析06-22
信道处理07-27
信道估计08-12
信道模型08-31
MIMO信道06-21