CN106027184A - 一种基于lte-a的链路级到系统级仿真的接口方法 - Google Patents

Abstract

本发明提供一种基于LTE‑A的链路级到系统级仿真的接口方法，该方法基于互信息量的有效信噪比映射算法，利用该算法中对各个子载波采用取平均的线性方式进行参数压缩的特点，提出利用指数函数进行压缩。该方法首先计算各个子载波的信噪比，通过查表方式得到各个信噪比对应的互信息量，对这些互信息量进行指数函数的数据压缩从而得到一个等效的互信息量，最后由这个等效互信息量即可得到预测的误块率。解决了接口算法在高阶编码调制方案中预测准确度低的问题，通过改进接口算法，提高了接口方法在高阶编码调制方案中的预测准确性。

Description

一种基于LTE-A的链路级到系统级仿真的接口方法

技术领域

本发明设计无线通信系统中链路级仿真和系统仿真领域，尤其是一种基于LTE-A的链路级到系统级仿真的接口方法

背景技术

无线通信系统的仿真分为系统级仿真和链路级仿真。链路级仿真关注的是点到点的链路级性能，通过物理层建模从比特数据的层面出发，具体分析物理链路层相应的物理技术给链路性能带来的影响。系统级仿真关注点主要集中于更高一级的层次，以链路仿真为基础，从网络层面出发，分析系统整体的覆盖率、容量等性能。不同于链路仿真的目的是为了验证分析物理层技术，系统仿真主要是为了网络规划，小区协同，基站选址等提供参考依据。然而基于链路仿真的系统仿真方法仿真数据量巨大，因此我们更多是采用依据物理层抽象接口来简化复杂度。

在MIMO-OFDM系统中，端对端之间的传输信道常常是频率选择性信道，也就是说同一个数据包中的数据经历的信噪比是不同的。在计算误包率时就需要考虑到每个子载波上的信噪比，也就是说影响数据包的信噪比不是一个值，也就难以建立SNR到BLER的曲线，因此我们需要一种信噪比的映射算法，将一系列SNR映射成一个SNR，这就是接口算法最核心的思想。

早期关于接口算法的研究一般是关注于平均值(AVI)方法，但是出于准确性和复杂度方面的考虑，AVI方法并不能很好地适用于MIMO-OFDM系统。在后来二十年的发展中，多种映射方法被人们探讨，这些方法使用有效信噪比的概念来适用到MIMO-OFDM通信系统当中。有基于信道容量的CESM算法，基于对数有效信噪比的LESM算法，基于指数有效信噪比的EESM算法以及基于互信息量的MIESM算法。本发明即基于MIESM算法提出一种提高准确度的新的方案。

发明内容

发明目的：为了解决物理层抽象接口算法在高阶编码调制方案下预测的误块率与实际误块率之间误差较大的问题，本发明提供了一种基于LTE-A的链路级到系统级仿真的接口方法，该方法能够提高高阶编码调制方案下接口算法预测的准确性。

技术方案：为实现上述技术效果，本发明提供的技术方案为：

一种基于LTE-A的链路级到系统级仿真的接口方法，该方法包括步骤：

(1)通过系统仿真构建LTE-A系统的信道模型和小区模型，并生成信道矩阵；通过MMSE检测得到LTE-A系统的检测矩阵；

(2)根据信道矩阵和检测矩阵计算各子载波的信噪比；

(3)根据各子载波的信噪比和预设的调制阶数，通过查询信噪比到互信息量的映射曲线得到各个子载波的互信息量；

(4)将各个子载波的互信息量压缩为一个等效互信息量，等效互信息量表达式为：

${\mathrm{RBIR}}_{eff}=-\mathrm{\β}\·\ln \left(\frac{1}{M\×L}\underset{l=1}{\overset{L}{\Σ}}\underset{k=1}{\overset{M}{\Σ}}{e}^{-\frac{{\mathrm{RBIR}}_{k,l}}{\mathrm{\β}}}\right)---\left(1\right)$

其中，RBIR_k,l表示第k个子载波在第l层的互信息量，L、M分别表示层数和每层子载波数，β为编码调节参数，RBIR_eff为等效的互信息量；

(5)根据步骤(4)中得到的等效互信息量表达式，通过查询信噪比到互信息量的映射曲线得到相应的信噪比；基于这个信噪比参考AWGN参考曲线获得对应的预测误块率；并根据预测误块率和实际误块率之间的均方差最小的原则得到最优的编码调节参数；

(6)将步骤(5)中得到的最优编码调节参数带入步骤(4)中的等效互信息量表达式，得到等效互信息量的值；通过查询信噪比到互信息量的映射曲线得到该等效互信息量值对应的等效信噪比；根据等效信噪比查询AWGN参考曲线获得对应的误块率，并根据得到的误块率来调节系统级仿真的资源调度，资源分配以及编码调制方案的选择。

进一步的，所述步骤(2)中各子载波的信噪比的计算公式为：

${\mathrm{SNR}}_{k,l}=\frac{|K_k(l,l){|}^2}{{\Σ}_{i\≠l}|K_k(l,i){|}^2+{\mathrm{\σ}}^2{\Σ}_i{F}_k(l,i)}---\left(2\right)$

其中下标k表示子载波的序号，F_k为子载波k对应的MMSE检测矩阵，F_k(l,i)为其第l行i列，即第i层空间到第l层空间的增益。SNR_k,l表示第k个子载波符号在第l层的信噪比，K_k(l,i)表示第i层空间信号对第l层有用信号的干扰。

进一步的，所述步骤(4)中等效互信息量表达式的求解步骤为：

引入一个中间参数并建立这个中间参数与各个子载波的互信息量之间的函数关系为：

$I\left(\frac{{\mathrm{RBIR}}_{eff}}{\mathrm{\β}}\right)=\frac{1}{M\×L}\underset{l=1}{\overset{L}{\Σ}}\underset{k=1}{\overset{M}{\Σ}}I\left(\frac{{\mathrm{RBIR}}_{k,l}}{\mathrm{\β}}\right)---\left(3\right)$

计算得到：

${\mathrm{RBIR}}_{eff}=\mathrm{\β}\·I^{-1}\left(\frac{1}{M\×L}\underset{l=1}{\overset{L}{\Σ}}\underset{k=1}{\overset{M}{\Σ}}I\right(\frac{{\mathrm{RBIR}}_{k,l}}{\mathrm{\β}}\left)\right)---\left(4\right)$

令I(x)＝e^-x，并带入公式(4)，得到等效互信息量表达式；I(x)＝e^-x表示等效互信息量与各子载波的互信息量之间的映射函数。

有益效果：与现有技术相比，本发明采用基于互信息量指数映射函数的有效信噪比映射算法作为链路级仿真到系统级仿真的接口方法，将各子载波上的信噪比通过查表的方式得到相应的子载波互信息量。通过对各个子载波的互信息量采用指数函数映射的压缩方式得到等效的互信息量，最后将这个等效互信息量反查表得到相应的等效互信息量。该方法较之传统的互信息量有效信噪比映射算法，在高阶调制时拥有更高的预测准确度，从附图5，6以及表1，2均能够得到在高阶调制时该方法的预测准确度更为良好。

附图说明

图1为本发明的原理框图；

图2为本发明的流程图；

图3为信噪比与比特信息量在不同调制阶数下的关系图；

图4为实施例所提供的算法在MIMO情况下的仿真结果图；

图5为实施例所提供的算法和现有算法在TM2的均方差性能对比图；

图6为实施例所提供的算法和现有算法在TM3的均方差性能对比图。

具体实施方式

下面结合附图对本发明作更进一步的说明。

如图1所示为本发明的原理框图，链路级仿真到系统级仿真的接口方法包括如下步骤：设置系统级仿真的网络拓扑结构，包括：设置信道类型，例如LTE仿真中常用的频率选择性信道以生成信道矩阵确定每两个节点之间的链路参数即信道信息，配置小区参数以及符号的发射功率等；通过将这些参数进行相应的计算可以计算出各个子载波上的信噪比，并将其作为L2S算法的输入；通过本发明提出的L2S算法计算出有效信噪比后，查询链路仿真中AWGN参考曲线后可以预测该链路的误块率性能，并将其反馈给系统级仿真，用于调整下一时刻的资源分配和功率分配以提高整个系统的传输性能,比如吞吐量以及链路自适应能力。

图2表示本发明的流程，首先通过得到各个子载波的信道，噪声功率等信息，计算出信噪比，根据调制阶数的不同参考不同的曲线如图3映射得到各个子载波的互信息量，利用本发明提出的接口算法得到最优的编码调制的调节参数，并得到相应的等效互信息量，最后参照AWGN的参考曲线得到预测的误块率，具体操作步骤可以表示为：

第一步：根据信道矩阵和MMSE接收机的检测矩阵，计算出各个子载波的信噪比的表达式如下：

r_k＝F_k·y_k＝F_k·H_k·W·x_k+F_k·n_k

K_k＝F_k·H_k·W

${\mathrm{SNR}}_{k,l}=\frac{|K_k(l,l){|}^2}{{\mathrm{\Σ}}_{i\≠l}|K_k(l,i){|}^2+{\mathrm{\σ}}^2{\mathrm{\Σ}}_i{F}_k(l,i)}$

其中下标k表示子载波的序号；F_k为子载波k对应的MMSE检测矩阵，F_k(l,i)为其第l行i列，即第i层空间到第l层空间的增益；H_k表示子载波k上的信道传输特性；W表示预编码矩阵，n_k表示子载波k上的噪声，x_k表示子载波k上的发射符号，r_k表示子载波k上的接收符号；SNR_k,l表示第k个子载波在第l层的符号的信噪比，为第l层有用信号的功率，K_k(l,i)表示第i层空间信号对第l层有用信号的干扰。

第二步：对不同的调制阶数参照不同的信噪比到互信息量映射得到各个子载波下的互信息量。

第三步：将各个子载波的互信息量进行压缩，得到等效的互信息量

${\mathrm{RBIR}}_{eff}=-\mathrm{\β}\·ln\left(\frac{1}{M\×L}\underset{l=1}{\overset{L}{\Σ}}\underset{k=1}{\overset{M}{\Σ}}{e}^{-\frac{{\mathrm{RBIR}}_{k,l}}{\mathrm{\β}}}\right)$

其中，RBIR_k,l表示第k个子载波在第l层的互信息量，L、M分别表示层数和每层子载波数，β为编码调节参数，RBIR_eff为等效的互信息量。

第四步：将得到的互信息量查表得到相应的信噪比，由这个信噪比映射到AWGN参考曲线得到的预测误块率和实际误块率之间的均方差最小的原则得到最优的编码调节参数。

图4为本发明一个实施例的仿真结果，在本实施例中，仿真信道采用EPA信道模型，编码方式采用MCS0、MCS3、MCS6、MCS9、MCS12、MCS15、MCS18、MCS21、MCS24和MCS27，信道实现次数为20，从仿真结果图4中可以看出，本发明提出的算法和对应编码方式下的AWGN信道的误块率趋势一致，能够较准确的预测链路的误块率。

图5和图6表示本发明提出的接口算法(MIEESM)和原来的MIESM算法(RBIR)在传输模式2和传输模式3下的均方差性能对比，从仿真的结果图可以发现，本发明提出的接口算法在低阶编码调制方案下性能和原算法几乎一致，而在高阶部分，本发明提出的接口算法有着很大的提高，因此本发明的接口算法方案要优于原先的MIESM算法。

以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (3)

1.一种基于LTE-A的链路级到系统级仿真的接口方法，其特征在于，该方法包括步骤：

(1)通过系统仿真构建LTE-A系统的信道模型和小区模型，并生成信道矩阵；通过MMSE检测得到LTE-A系统的检测矩阵；

(2)根据信道矩阵和检测矩阵计算各子载波的信噪比；

(3)根据各子载波的信噪比和预设的调制阶数，通过查询信噪比到互信息量的映射曲线得到各个子载波的互信息量；

(4)将各个子载波的互信息量压缩为一个等效互信息量，等效互信息量表达式为：

${\mathrm{RBIR}}_{eff}=-\mathrm{\β}\·ln\left(\frac{1}{M\×L}\underset{l=1}{\overset{L}{\Σ}}\underset{k=1}{\overset{M}{\Σ}}{e}^{-\frac{{\mathrm{RBIR}}_{k,l}}{\mathrm{\β}}}\right)---\left(1\right)$

其中，RBIR_k,l表示第k个子载波在第l层的互信息量，L、M分别表示层数和每层子载波数，β为编码调节参数，RBIR_eff为等效的互信息量；

(5)根据步骤(4)中得到的等效互信息量表达式，通过查询信噪比到互信息量的映射曲线得到相应的信噪比；基于这个信噪比参考AWGN参考曲线获得对应的预测误块率；并根据预测误块率和实际误块率之间的均方差最小的原则得到最优的编码调节参数；

(6)将步骤(5)中得到的最优编码调节参数带入步骤(4)中的等效互信息量表达式，得到等效互信息量的值；通过查询信噪比到互信息量的映射曲线得到该等效互信息量值对应的等效信噪比；根据等效信噪比查询AWGN参考曲线获得对应的误块率，并根据得到的误块率来调节系统级仿真的资源调度，资源分配以及编码调制方案的选择。

2.根据权利要求1所述的一种基于LTE-A的链路级到系统级仿真的接口方法，其特征在于，所述步骤(2)中各子载波的信噪比的计算公式为：

${\mathrm{SNR}}_{k,l}=\frac{|K_k(l,l){|}^2}{{\mathrm{\Σ}}_{i\≠l}|K_k(l,i){|}^2+{\mathrm{\σ}}^2{\mathrm{\Σ}}_i{F}_k(l,i)}---\left(2\right)$

其中下标k表示子载波的序号，F_k为子载波k对应的MMSE检测矩阵，F_k(l,i)为其第l行i列，即第i层空间到第l层空间的增益。SNR_k,l表示第k个子载波符号在第l层的信噪比，K_k(l,i)表示第i层空间信号对第l层有用信号的干扰。

3.根据权利要求1所述的一种基于LTE-A的链路级到系统级仿真的接口方法，其特征在于，所述步骤(4)中等效互信息量表达式的求解步骤为：

引入一个中间参数并建立这个中间参数与各个子载波的互信息量之间的函数关系为：

$I\left(\frac{{\mathrm{RBIR}}_{eff}}{\mathrm{\β}}\right)=\frac{1}{M\×L}\underset{l=1}{\overset{L}{\Σ}}\underset{k=1}{\overset{M}{\Σ}}I\left(\frac{{\mathrm{RBIR}}_{k,l}}{\mathrm{\β}}\right)---\left(3\right)$

计算得到：

${\mathrm{RBIR}}_{eff}=\mathrm{\β}\·I^{-1}\left(\frac{1}{M\×L}\underset{l=1}{\overset{L}{\Σ}}\underset{k=1}{\overset{M}{\Σ}}I\right(\frac{{\mathrm{RBIR}}_{k,l}}{\mathrm{\β}}\left)\right)---\left(4\right)$

令I(x)＝e^-x，并带入公式(4)，得到等效互信息量表达式；I(x)＝e^-x表示等效互信息量与各子载波的互信息量之间的映射函数。