CN106301501A - 一种联合编码调制的即时数据传输优化方法 - Google Patents

Abstract

本发明一种联合编码调制的即时数据传输优化方法，属于移动通信领域；通过搭建大规模MIMO中继网络的仿真场景；包括K对发送用户和接收用户，分别通过基站的N对天线进行通信；具体过程为：首先，每个发送用户和接收用户分别将信道状态信息发送给基站N根对应的天线，从而形成信道状态矩阵Η_S和Η_D；然后，初始化所有发送用户的数据服务质量的上限与下限；根据数据服务质量的上限与下限，基站计算每个发送用户的调制星座点m_k；最后基站将调制星座点数以及调制方式返给发送用户，将最佳接收方式发射给接收用户，完成通信；优点在于：降低了系统兼顾单个用户QoS和用户间公平性的难度，从而在保证系统总体数据传输服务质量的同时达到较好的用户间公平性。

Description

一种联合编码调制的即时数据传输优化方法

技术领域

本发明属于通信领域，描述了一种联合编码调制的即时数据传输优化方法。

背景技术

据思科白皮书预测，在2019年移动数据流将占到世界数据流量的约75％。由于智能设备和即时消息应用程序的普及，即时可靠数据通信(Instant Verified-dataCommunication,IVC)备受研究人员关注，而在未来5G(5th Gneration Mobile Telecommunication)网络中，时延抖动是降低IVC数据服务质量的主要因素。因此，降低时延抖动，并为IVC服务的高品质提供保障是一个亟需解决的问题。

大规模天线阵列，或称大规模多输入多输出(Multiple Input Multiple Output,MIMO)技术，是第五代移动通信技术中最先确定实际应用的技术。它可以实现更好地通信性能，如更高的数据传输速率、更高的频谱效率、更好的链路可靠性和更好的分集/复用增益折衷。而合理的资源分配，尤其是天线分配可以帮助更好地实现这些优点。由于未来5G网络中，大规模MIMO技术将被广泛采用，与此同时移动用户的数据服务质量要求与以前相比不断增强，因此在大规模MIMO网络的背景下，利用其中已经成熟的数据传输编码与调制方案研究用户数据服务质量的保障问题是一个合理的选择。

尽管针对大规模MIMO网络中的可靠数据传输已经一些研究成果，但是大多数工作只关注编码和信号处理，并且没有很好地考虑IVC服务的需求。此外，大多数工作还会选择性忽略时延抖动。

例如现有技术中的随机分配算法和萤火虫算法；随机分配算法(RandomAllocation,RA)是最简单的算法，应用也最为普遍，与用户的需求比较接近，且通信资源的分配不涉及较多性能参数时，使用随机分配算法可以保证即时数据传输的高效率与一定程度的可靠性。

随机分配算法的特点是，在对用户进行调制与接收模式分配时，几乎不考虑每个用户的各种通信条件与信道状况，而是简单地从调制星座点的集合中随机选择一个数赋予用户；因为假设各用户之间信道状况十分接近，从而可以保证用户间较好的公平性。

随机分配算法的劣势在于其未将用户的具体信道条件考虑在内，且针对同一批用户，几次分配的结果也不稳定，这使得用户所分配到的调制与接收模式优劣不一，部分用户无法得到传输速率保障，因此随机分配算法会在很大程度上限制系统平均数据传输服务质量。

离散萤火虫(Discrete Firefly,DF)算法是萤火虫算法的改进版。该算法克服了萤火虫算法用于离散优化问题时搜索较慢、结果较差的缺陷。离散萤火虫红算法的原理与其他启发式算法比较类似，都是每一次都在变量维数的空间随机搜寻最优解，直到达到迭代次数上限，然后若本次循环的最优解不满足条件，则重新开始循环。

离散萤火虫算法的优点在于最优性与复杂度的平衡，它能在可接受的时间范围内找到误差也可被接受的“最优解”。由于它是一种启发式算法，因此它也假设所有用户的调制与接收模式变量地位相同，即使有用户的性能已达到最优，它仍会运行至每个用户均有较好结果。当几乎每个用户的变量最优值搜索时间均不同时，该算法容易产生运行时间过长现象，导致算法效率变低。所以该算法不适用于大规模MIMO网络中的所有用户信道状况差异较大且各不相同的情况。

缺点是不考虑单个用户对处理时延的容忍程度，因此多数情况下会牺牲单个用户的性能换取系统平均数据传输服务质量及用户间公平性的性能提升。所以，有时在具体应用中，算法的执行者会给每个用户预先分配不同的权重因子，使需求和接收速率都较高的用户能够较快得到分配结果。

发明内容

本发明针对现有方案，不能兼顾系统平均数据传输服务质量和全体用户公平性，为了提升系统平均数据传输服务质量的同时，实现较好的用户间公平性，提出一种联合编码调制的即时数据传输优化方法。

具体步骤如下：

步骤一、搭建大规模MIMO中继网络的仿真场景；

仿真场景中心布置一个MIMO基站，基站上部署N对天线，分别为{1,2,...,n,...,N}；每对天线包括基站接收天线和基站发送天线，基站周围随机分布通信的K对用户，集合为{1,2,...,k,...,K}，每对用户包括发送用户和接收用户；发送用户和接收用户通过MIMO基站互相传输信息。

发送用户集合S＝{S₁,S₂,...,S_k,...,S_K}；接收用户集合D＝{D₁,D₂,...,D_k,...,D_K}；每个用户设有两根天线，一个接收天线和一个发送天线。

步骤二、每个发送用户分别将信道状态信息发送给基站N根对应的接收天线，从而形成信道状态矩阵Η_S；

K个发送用户到N根基站接收天线形成的信道状态矩阵Η_S如下：

$H_S=\left[\begin{array}{cccccc}{h}_{1,S_1}& h_{1,S_2}& ...& h_{1,S_k}& ...& h_{1,S_K}\\ h_{2,S_1}& h_{2,S_2}& ...& h_{2,S_k}& ...& h_{2,S_K}\\ & & ...& & & \\ h_{n,S_1}& h_{n,S_2}& ...& h_{n,S_k}& ...& h_{n,S_K}\\ & & ...& & & \\ h_{N,S_1}& h_{N,S_2}& ...& h_{N,S_k}& ...& h_{N,S_K}\end{array}\right]$

表示第n根基站接收天线到发送用户S_k的信道状态信息；

步骤三、每个接收用户分别将信道状态信息发送到基站N根对应的发送天线，从而形成信道状态矩阵Η_D；

K个接收用户到N根基站发送天线形成的信道状态矩阵Η_D如下：

$H_D=\left[\begin{array}{cccccc}{h}_{1,D_1}& h_{1,D_2}& ...& h_{1,D_k}& ...& h_{1,D_K}\\ h_{2,D_1}& h_{2,D_2}& ...& h_{2,D_k}& ...& h_{2,D_K}\\ & & ...& & & \\ h_{n,D_1}& h_{n,D_2}& ...& h_{n,D_k}& ...& h_{n,D_K}\\ & & ...& & & \\ h_{N,D_1}& h_{N,D_2}& ...& h_{N,D_k}& ...& h_{N,D_K}\end{array}\right]$

表示第n根基站发送天线到接收用户D_k的信道状态信息；

步骤四、基于信道状态矩阵Η_S和信道状态矩阵Η_S，初始化所有发送用户的数据服务质量的上限与下限。

数据服务质量上限的表达式为：

$upper=max\left(Q_L^{{*}^{\′}}\right),L=(1,2,...,k,...,K)$

其中，是第k个发送用户的当前数据服务质量的值；是第k个发送用户上次的数据服务质量值；

的表达式为：

$Q_k^{*}={\log }_{2}E\left(\frac{1-BER}{BER}\right)E\left(\frac{p_k^{\left(re\right)}|g_k^H{h}_k{|}^2}{\underset{l=1,l\≠k}{\overset{K}{\Σ}}{p}_l^{\left(re\right)}|g_k^H{h}_l{|}^2+{\mathrm{\σ}}^2|\left|g_k\right|{|}^2}\right)$

BER是发送用户到基站的数据传输过程中的误比特率；h_k是信道状态矩阵Η_D的第k列向量值，是基站为第k个接收用户传输数据时所用功率，g_k是矩阵G的第k列的向量值。σ²表示基站为第k个接收用户传输数据时噪声的功率。

矩阵G是接收信道矩阵，由接收用户选择的接收方式确定，具体如下：

$G=\left\{\begin{array}{c}{H}_D\\ H_D{\left(H_D^H{H}_D\right)}^{-1}\\ {(H_D{P}^{\left(re\right)}{H_D}^H+{\mathrm{\σ}}^2{I}_M)}^{-1}{H}_D\end{array}\right.$

G＝H_D对应的接收方式为迫零(Zero Forcing,ZF)接收，对应的接收方式为最大比合并(Max Ratio Combining,MRC)接收，G＝(H_DP^(re)H_D ^H+σ²I_M)^-1H_D对应的接收方式为最小均方误差(Minimum Mean Square Error,MMSE)接收。

数据服务质量下限：为各发送用户预期的数据服务质量的平均值，表达式为：

$lower=\left({\mathrm{\Σ}}_{l=1}^K{\stackrel{\‾}{Q}}_l\right)/K$

其中表示第k个发送用户所选择的预期数据服务质量的值。

步骤五、根据数据服务质量的上限与下限，基站计算每个发送用户的调制星座点m_k；

具体步骤如下：

步骤501、基站根据数据服务质量的上限与下限计算每个发送用户的加权系数；

第k个发送用户的加权系数λ_k为；

${\mathrm{\λ}}_k={\mathrm{\η}}_k\frac{max\left(Q_k^{*}\right)}{upper}$

其中η_k是第k个用户对的数据帧质量值保障因子。

步骤502、根据加权系数计算每个发送用户的加权平均预期数据服务质量；

第k个发送用户的加权平均预期数据服务质量为

步骤503、基站对所有的发送用户，检测每个发送用户的加权平均预期数据服务质量与当前数据服务质量的差值；

步骤504、针对当前发送用户k，基站依次判断是否如果是，进入步骤505；否则，当前发送用户k的调制星座点m_k保持不变；

初始k＝1；判断完当前发送用户k后，将k+1再次比较，直至到接收用户K。

步骤505、基站对影响当前发送用户k的数据服务质量的各参数进行调整，改善调制星座点m_k，使发送用户k满足

具体如下：

首先、针对接收用户k，更改用于计算数据调制星座点的预期数据服务质量μ_k；

μ_k＝(upper+lower)/2

然后，将预期数据服务质量μ_k取代求解出发送用户k到基站的新的数据传输预期误比特率BER_k；

${\mathrm{\μ}}_k={\log }_{2}E\left(\frac{1-{\mathrm{BER}}_k}{{\mathrm{BER}}_k}\right){\log }_{2}E\left(\frac{p_k^{\left(re\right)}|g_k^H{h}_k{|}^2}{\underset{l=1,l\≠k}{\overset{K}{\Σ}}{p}_l^{\left(re\right)}|g_k^H{h}_l{|}^2+{\mathrm{\σ}}^2|\left|g_k\right|{|}^2}\right)$

最后，根据新的数据传输预期误比特率BER_k，计算接收用户k新的数据调制星座点m_k；

计算式为：

m_k＝V^-1(BER_k)

其中V^-1(·)是V(m_k)的反函数，输入参数为误比特率BER_k，输出的解为m_k；

函数V(m_k)的表达式为：

$BER\≈V\left(m_k\right)=\frac{2(1-1/\sqrt{m_k})}{{\log }_2\sqrt{m_k}}Q\left(\frac{2E_b}{N_0}\sqrt{\frac{3{\log }_2\sqrt{m_k}}{m_k-1}}\right)$

E_b是每比特数据包含的平均能量，N₀是通过滤波器后高斯白噪声的频带宽度。

步骤506、基站根据所有发送用户的数据调制星座点，重新计算数据服务质量的上限与下限；

针对当前发送用户k，比较该用户的比较预期数据服务质量与当前数据服务质量若令upper＝μ_k；否则令lower＝μ_k；

步骤507、根据数据服务质量的新的上限与下限，重复步骤501到步骤506，直至所有发送用户均满足记录所有发送用户的调制星座点；

步骤六、基站将调制星座点数以及调制方式返给发送用户，将最佳接收方式发射给接收用户，完成通信；

基站输出所有调制星座点，并按表1查阅星座点数对应的调制方式，将星座点数和调制方式分别发送给对应的发送用户；

按表1查阅星座点数对应的最佳接收方式，将最佳接收方式发射给接收用户。

表1

mk	调制方式	编码速率	接收方式
				1	BPSK	1/2	ZF
2	QPSK	1/2	MRC
				3	QPSK	3/4	MRC
4	16QAM	9/16	MRC
				5	16QAM	3/4	MMSE
6	64QAM	3/4	MMSE

BPSK表示二相键控调制；QPSK表示正交键控调制；QAM表示正交星座点幅度调制；

本发明的优点在于：

一种联合编码调制的即时数据传输优化方法，通过将缓存及其数据队列调度算法，与大规模MIMO系统中数据传输的编码和调制方案相结合，充分利用各自优点，降低了系统兼顾单个用户QoS和用户间公平性的难度，从而在保证系统总体数据传输服务质量的同时达到较好的用户间公平性。

附图说明

图1是本发明联合传输调制与队列调度的算法方案的通信场景示意图；

图2是本发明一种联合编码调制的即时数据传输优化方法流程图；

图3是本发明基站计算每个发送用户的调制星座点的流程图；

图4是本发明三种算法下不同用户对数目与用户QoS的比较图；

图5是本发明三种算法下不同用户对数目与系统吞吐量的比较图；

图6是本发明三种算法下不同用户对数目与服务时延的比较图。

具体实施方式

下面将结合附图对本发明作进一步的详细说明。

本发明一种联合编码调制的即时数据传输优化方法，保障了各用户对于自身即时数据服务质量的需求，有效提升了大规模MIMO系统在即时数据传输服务方面的性能；该算法称为可靠数据服务质量保证算法(Verified Quality Guaranteed,VQG)；

如图2所示，具体步骤如下：

步骤一、搭建大规模MIMO中继网络的仿真场景；

如图1所示，仿真场景中心布置一个MIMO基站，基站上部署N对天线，分别为{1,2,...,n,...,N}；每对天线包括基站接收天线和基站发送天线，基站周围随机分布通信的K对用户，集合为{1,2,...,k,...,K}，每对用户包括发送用户和接收用户；发送用户和接收用户通过MIMO基站互相传输信息。

发送用户集合S＝{S₁,S₂,...,S_k,...,S_K}；接收用户集合D＝{D₁,D₂,...,D_k,...,D_K}；每个用户设有两根天线，一个接收天线和一个发送天线。

步骤二、每个发送用户分别将信道状态信息发送给基站N根对应的接收天线，从而形成信道状态矩阵Η_S；

K个发送用户到N根基站接收天线形成的信道状态矩阵Η_S如下：

$H_S=\left[\begin{array}{cccccc}{h}_{1,S_1}& h_{1,S_2}& ...& h_{1,S_k}& ...& h_{1,S_K}\\ h_{2,S_1}& h_{2,S_2}& ...& h_{2,S_k}& ...& h_{2,S_K}\\ & & ...& & & \\ h_{n,S_1}& h_{n,S_2}& ...& h_{n,S_k}& ...& h_{n,S_K}\\ & & ...& & & \\ h_{N,S_1}& h_{N,S_2}& ...& h_{N,S_k}& ...& h_{N,S_K}\end{array}\right]$

表示第n根基站接收天线到发送用户S_k的信道状态信息；

步骤三、每个接收用户分别将信道状态信息发送到基站N根对应的发送天线，从而形成信道状态矩阵Η_D；

K个接收用户到N根基站发送天线形成的信道状态矩阵Η_D如下：

$H_D=\left[\begin{array}{cccccc}{h}_{1,D_1}& h_{1,D_2}& ...& h_{1,D_k}& ...& h_{1,D_K}\\ h_{2,D_1}& h_{2,D_2}& ...& h_{2,D_k}& ...& h_{2,D_K}\\ & & ...& & & \\ h_{n,D_1}& h_{n,D_2}& ...& h_{n,D_k}& ...& h_{n,D_K}\\ & & ...& & & \\ h_{N,D_1}& h_{N,D_2}& ...& h_{N,D_k}& ...& h_{N,D_K}\end{array}\right]$

表示第n根基站发送天线到接收用户D_k的信道状态信息；

步骤四、基于信道状态矩阵Η_S和信道状态矩阵Η_S，初始化所有发送用户的数据服务质量的上限与下限。

数据服务质量上限的表达式为：

$upper=max\left(Q_L^{{*}^{\′}}\right),L=(1,2,...,k,...,K)$

其中，是第k个发送用户的当前数据服务质量的值；是第k个发送用户上次的数据服务质量值；

的表达式为：

$Q_k^{*}={\log }_{2}E\left(\frac{1-BER}{BER}\right){\log }_{2}E\left(\frac{p_k^{\left(re\right)}|g_k^H{h}_k{|}^2}{\underset{l=1,l\≠k}{\overset{K}{\Σ}}{p}_l^{\left(re\right)}|g_k^H{h}_l{|}^2+{\mathrm{\σ}}^2|\left|g_k\right|{|}^2}\right)$

BER是发送用户到基站的数据传输过程中的误比特率；h_k是信道状态矩阵Η_D的第k列向量值，是基站为第k个接收用户传输数据时所用功率，g_k是矩阵G的第k列的向量值。σ²表示基站为第k个接收用户传输数据时噪声的功率。

矩阵G是接收信道矩阵，由接收用户选择的接收方式确定，具体如下：

$G=\left\{\begin{array}{c}{H}_D\\ H_D{\left(H_D^H{H}_D\right)}^{-1}\\ {(H_D{P}^{\left(re\right)}{H_D}^H+{\mathrm{\σ}}^2{I}_M)}^{-1}{H}_D\end{array}\right.$

G＝H_D对应的接收方式为迫零(Zero Forcing,ZF)接收，对应的接收方式为最大比合并(Max Ratio Combining,MRC)接收，G＝(H_DP^(re)H_D ^H+σ²I_M)^-1H_D对应的接收方式为最小均方误差(Minimum Mean Square Error,MMSE)接收。

数据服务质量下限：为各发送用户预期的数据服务质量的平均值，表达式为：

$lower=\left({\mathrm{\Σ}}_{l=1}^K{\stackrel{\‾}{Q}}_l\right)/K$

其中表示第k个发送用户所选择的预期数据服务质量的值。

步骤五、根据数据服务质量的上限与下限，基站对所有发送用户判断并计算每个发送用户的调制星座点m_k；

如图3所示，具体步骤如下：

步骤501、基站根据数据服务质量的上限与下限计算每个发送用户的加权系数；

针对第k个发送用户，基站计算该发送用户的加权系数λ_k为；

${\mathrm{\λ}}_k={\mathrm{\η}}_k\frac{max\left(Q_k^{*}\right)}{upper}$

其中η_k是第k个用户对的数据帧质量值保障因子。

步骤502、根据加权系数计算每个发送用户的加权平均预期数据服务质量；

第k个发送用户的加权平均预期数据服务质量为

步骤503、基站对所有的发送用户，检测每个发送用户的加权平均预期数据服务质量与当前数据服务质量的差值；

步骤504、针对每个当前发送用户k，基站依次判断是否如果是，进入步骤505；否则，当前发送用户k的调制星座点保持不变；

初始k＝1；判断完当前发送用户k后，将k+1再次比较，直至到接收用户K。

步骤505、基站对影响当前发送用户k的数据服务质量的各参数进行调整，改善调制星座点，使发送用户k满足

具体如下：

步骤5051、针对接收用户k，更改用于计算数据调制星座点的预期数据服务质量μ_k；

μ_k＝(upper+lower)/2

步骤5052、将预期数据服务质量μ_k取代求解出发送用户k到基站的新的数据传输预期误比特率BER_k；

用μ_k取代下个等式中的即可解出BER_k：

$Q_k^{*}={\log }_{2}E\left(\frac{1-BER}{BER}\right){\log }_{2}E\left(\frac{p_k^{\left(re\right)}|g_k^H{h}_k{|}^2}{\underset{l=1,l\≠k}{\overset{K}{\Σ}}{p}_l^{\left(re\right)}|g_k^H{h}_l{|}^2+{\mathrm{\σ}}^2|\left|g_k\right|{|}^2}\right)$

步骤5053、根据新的数据传输预期误比特率BER_k，计算接收用户k新的数据调制星座点m_k；

计算式为：

m_k＝V^-1(BER_k)

其中V^-1(·)是V(m_k)的反函数，输入参数为误比特率BER_k，输出的解为m_k；

函数V(m_k)的表达式为：

$BER\≈V\left(m_k\right)=\frac{2(1-1/\sqrt{m_k})}{{\log }_2\sqrt{m_k}}Q\left(\frac{2E_b}{N_0}\sqrt{\frac{3{\log }_2\sqrt{m_k}}{m_k-1}}\right)$

E_b是每比特数据包含的平均能量，N₀是通过滤波器后高斯白噪声的频带宽度。

步骤506、基站根据所有发送用户的数据调制星座点m_k，重新计算数据服务质量的上限与下限；

针对当前发送用户k，比较该用户的预期数据服务质量与本轮计算得到的用户的当前数据服务质量若令upper＝μ_k；否则令lower＝μ_k；

步骤507、根据数据服务质量的新的上限与下限，重复步骤501到步骤506，直至所有发送用户均满足记录所有发送用户的调制星座点；

步骤六、基站将调制星座点数以及调制方式返给发送用户，将最佳接收方式发射给接收用户，完成通信；

输出计算所得的对应到每个用户的调制星座点，使得每个用户的实际调制星座点数基站输出所有调制星座点，并按文献“Xiang Chen,Jenq-Neng Hwang,Chung-NanLee,and Shih-I Chen；“MIMO系统中针对可扩展视频传输的以近似最优QoE目标的功率分配方案”,IEEE信号处理专题期刊，第9卷，第1期，页码:76-88,2015年2月”中的表格查阅星座点数对应的调制方式，将星座点数和调制方式分别发送给对应的发送用户；

按文献中的表格查阅星座点数对应的最佳接收方式，将最佳接收方式发射给接收用户。

表1

mk	调制方式	编码速率	接收方式
				1	BPSK	1/2	ZF
2	QPSK	1/2	MRC
				3	QPSK	3/4	MRC
4	16QAM	9/16	MRC
				5	16QAM	3/4	MMSE
6	64QAM	3/4	MMSE

BPSK表示二相键控调制；QPSK表示正交键控调制；QAM表示正交星座点幅度调制。

实施例：

仿真场景为大规模MIMO网络常用的仿真网络配置，网络中有一个配备有大量天线的基站；当天线的数目不变时，该值被固定为256。该基站位于小区中心，在其周围500米的半径圆内随机分布着需要依靠基站进行转接式数据通信服务的用户，用户的总数不变时，该值被固定为128。假设用户之间采用正交信道进行资源分配，则不同用户之间不存在干扰，考虑大规模衰落信道。详细的仿真参数如表2所示：

表2

参数	值
		带宽	20MHz
噪声功率	1*10-6W/Hz
		预定信噪比阈值	40dB
数据包长度	1500Bytes

在介绍仿真结果之前，首先引入仿真衡量的算法的性能指标。从通信场景需求中，推导出该系统中数据服务质量优化的公平性系数，即：

$F\left(Q_k^{*}\right)=\frac{{\stackrel{\‾}{Q}}_k}{Q_k^{*}}=\frac{{\stackrel{\‾}{Q}}_k}{{\log }_2\left(Q_k\right({\mathrm{\γ}}_k^{\left(tr\right)})Q_k\left({\mathrm{\γ}}_k^{\left(re\right)}\right))}$

该函数用于表示单个用户获得的数据服务质量与其期望获得的数据服务质量之间的差距。

Q_k(·)表示数据传输质量的计算函数；

表示发送用户k到基站的信干噪比；表示用发送用户k到基站的平均信干噪比计算数据传输质量，得到发送端的数据服务质量；计算如下：

表示基站到接收用户k的平均信干噪比；表示用基站到接收用户k的平均信干噪比计算数据传输质量，得到接收端的数据服务质量；由下式计算：

$Q_k\left({\mathrm{\γ}}_k^{\left(re\right)}\right)=E\left(\frac{p_k^{\left(re\right)}|g_k^H{h}_k{|}^2}{\underset{l=1,l\≠k}{\overset{K}{\Σ}}{p}_l^{\left(re\right)}|g_k^H{h}_l{|}^2+{\mathrm{\σ}}^2|\left|g_k\right|{|}^2}\right)$

基于该公平性系数，可以得到数据服务质量优化的目标函数：

$max\underset{k=1}{\overset{K}{\Σ}}{Q}_k^{*}F\left(Q_k^{*}\right)=max\underset{k=1}{\overset{K}{\Σ}}\frac{Q_k^{*}{\stackrel{\‾}{Q}}_k}{{\log }_2\left(Q_k\right({\mathrm{\γ}}_k^{\left(tr\right)})Q_k\left({\mathrm{\γ}}_k^{\left(re\right)}\right))}$

与此同时，需要给出优化的各约束条件：第一个约束条件是每个用户的即时数据服务质量都应当有最低保证：

${\mathrm{\η}}_k{\stackrel{\‾}{Q}}_k\≤Q_k^{*},k=1,2,...,K$

其中η_k是第k个用户对的数据帧质量值保障因子。

传输过程中对用户服务质量影响较大的是时延因素，因此需要对延迟进行必要的建模，使数据服务质量满足时延限制的要求。首先时延分为传输时延和等待时延，二者皆取决于各自的传输速率。由于数据速率会随着信干噪比的变化而变化，而收发两侧的信干噪比可能有很大不同，因此将不可避免地产生时延抖动。

使用缓存技术刚好可以弥补速率差，并消除时延抖动带来的影响。由于缓存长度的限制，数据速率应该受到的限制为：

$r\underset{k=1}{\overset{K}{\Σ}}(t_k^{\left(re\right)}-t_k^{\left(tr\right)})\≤L$

$t_k^{\left(re\right)}=\frac{L_k^p}{r_k^{\left(re\right)}}=\frac{L_k^p}{{\mathrm{Blog}}_2(1+{\mathrm{\γ}}_k^{\left(re\right)})}$

$t_k^{\left(tr\right)}=\frac{L_k^p}{r_k^{\left(tr\right)}}=\frac{L_k^p}{{\mathrm{Blog}}_2(1+{\mathrm{\γ}}_k^{\left(tr\right)})}$

其中表示第k个接收用户的传输时延。表示第k个发送用户的传输时延，L表示基站缓存的最大存储长度，B是单个用户通信时占用的带宽。

是第k个用户对中所传输的数据内容的总长。为了将总长度限制分解为k个子限制，用表示第i个传输时长中第k个用户对所占用的缓存总长度。则：

$L_k^{p_i}=L\frac{(t_k^{\left(re\right)}-t_k^{\left(tr\right)})}{{\mathrm{\Σ}}_{k^{\′}=1}^K(t_{k^{\′}}^{\left(re\right)}-t_{k^{\′}}^{\left(tr\right)})}$

用表示缓存中的等待时延，则总的时延限制条件可以表示为：

$\left\{\begin{array}{c}{t}_k^{\left(re\right)}+{\mathrm{\τ}}_k=t_k^{\left(tr\right)}\\ 0\≤t_k^{\left(re\right)}\≤T_k\end{array}\right.$

就是优化问题中的第二个及第三个约束条件。

第二个约束条件是：接收用户的传输时延与等待时延之和，必须等于发送用户的传输时延以消除时延抖动：

$t_k^{\left(re\right)}+{\mathrm{\τ}}_k=t_k^{\left(tr\right)},k=1,2,...,K$

τ_k表示第k个发送用户的等待时延；

第三个约束条件是：用户收到数据内容的总时延不得高于时延的最大限制阈值T_k：

$0\≤t_k^{\left(re\right)}\≤T_k,k=1,2,...,K$

最终，大规模MIMO中继网络中提升即时数据传输服务质量的自适应速率及调制编码方式的选择问题被建模为一个最优化问题。此优化问题同时涉及到的变量维度较高，本发明的方案中采用的是二分法思路得到的VQG算法对其进行求解。

下面将给出具体的仿真示意图，并解释其中曲线及其变化趋势的含义，来证明所提的VQG算法性能优于RA和DF算法。

本发明从基站天线数目的增加对系统总SE的影响、用户对数目的增加对系统总SE的影响、相同数量用户对和基站天线情况下不同天线分组数对系统总SE的影响来分析不同算法在系统总SE性能上的差异。

与本发明所提的VQG算法作比较的是萤火虫(Discrete Firefly,DF)算法和随机分配(Random Allocation,RA)算法。

三种不同算法的QoS性能随中继天线数目增长而发生的变化，如图4所示，用户对数目固定为128，BS的缓冲长度被固定为1500字节。可以清楚地观察到采用VQG算法的质量函数的值无论天线数为何值时均比DF算法和RA算法要更高。这是因为RA算法效率较低。DF算法结构与VQG算法有根本性的不同：VQG算法是一个具有确定步骤和每步皆有确定结果的稳定算法，而DF算法是一种启发式算法，只有在迭代次数接近无穷的时候才能产生趋近最优的解决方案。

用户对数目增长时各算法的吞吐量性能结果，如图5所示，BS的天线数为固定256和缓存长度仍然为1500字节。在图中可以看到，VQG仍然在三种算法中性能最佳。但与此同时，其他两个算法也可以达到接近的性能。随着用户对数目增加，系统总吞吐量下降，不过当用户对数量非常大时下降速率也会减慢。值得一提的是，VQG在天线数目相对较大时仍能保证系统吞吐量，但DF则无法实现这一点。原因是当BS天线数目较大时，DF算法会限制最大迭代次数，以便尽快达到收敛。而算法耗时减少的代价也就是性能的下降。

不同算法的在平均时延上的性能差异，如图6所示。BS上的天线数目依然是256，缓存长度也依然为1500字节。可以清楚地看到，平均时延随着用户对数量的增加而增加，但是这三种算法的增长速度完全不同。VQG算法中当用户对数目较大时具有很好的性能，因为充分利用了高速缓存的优点来增加最低数据速率。虽然缓存本身不会使延迟减小，但缓存机制使得低时延抖动成为可能。此外，RA算法的曲线很难描述，因为其分配过程并不考虑时延，因此其结果只能是在随机范围内变动。所以，RA与DF算法的较高时延性能也证明，VQG算法可以有效地缓解了时延抖动。

以上三个仿真图证明VQG算法可以实现系统总数据传输服务质量和整体用户间公平性的平衡。而且该方案的复杂度低于大多数DF方案，适合在大规模MIMO系统中推广。

本发明利用传输编码调制和缓存调度联合方案，对大规模MIMO系统内即时数据可靠服务用户之间的通信进行合理调度，使系统以较低的复杂度获得大规模MIMO系统较高的数据传输服务质量和用户公平性。

Claims (5)

1.一种联合编码调制的即时数据传输优化方法，其特征在于，具体步骤如下：

步骤一、搭建大规模MIMO中继网络的仿真场景；

仿真场景中包括一个MIMO基站，基站上部署N对天线；基站周围随机分布通信的K对用户，每对用户包括发送用户和接收用户；发送用户和接收用户通过MIMO基站互相传输信息；

步骤二、每个发送用户分别将信道状态信息发送给基站N根对应的接收天线，从而形成信道状态矩阵Η_S；

K个发送用户到N根基站接收天线形成的信道状态矩阵Η_S如下：

$H_S=\left[\begin{array}{cccccc}{h}_{1,S_1}& h_{1,S_2}& ...& h_{1,S_k}& ...& h_{1,S_K}\\ h_{2,S_1}& h_{2,S_2}& ...& h_{2,S_k}& ...& h_{2,S_K}\\ & & ...& & & \\ h_{n,S_1}& h_{n,S_2}& ...& h_{n,S_k}& ...& h_{n,S_K}\\ & & ...& & & \\ h_{N,S_1}& h_{N,S_2}& ...& h_{N,S_k}& ...& h_{N,S_K}\end{array}\right]$

表示第n根基站接收天线到发送用户S_k的信道状态信息；

步骤三、每个接收用户分别将信道状态信息发送到基站N根对应的发送天线，从而形成信道状态矩阵Η_D；

K个接收用户到N根基站发送天线形成的信道状态矩阵Η_D如下：

$H_D=\left[\begin{array}{cccccc}{h}_{1,D_1}& h_{1,D_2}& ...& h_{1,D_k}& ...& h_{1,D_K}\\ h_{2,D_1}& h_{2,D_2}& ...& h_{2,D_k}& ...& h_{2,D_K}\\ & & ...& & & \\ h_{n,D_1}& h_{n,D_2}& ...& h_{n,D_k}& ...& h_{n,D_K}\\ & & ...& & & \\ h_{N,D_1}& h_{N,D_2}& ...& h_{N,D_k}& ...& h_{N,D_K}\end{array}\right]$

表示第n根基站发送天线到接收用户D_k的信道状态信息；

步骤四、基于信道状态矩阵Η_S和信道状态矩阵Η_S，初始化所有发送用户的数据服务质量的上限与下限；

数据服务质量上限的表达式为：

$upper=max\left(Q_L^{*\′}\right),L=(1,2,...,k,...,K)$

其中，是第k个发送用户的当前数据服务质量的值；是第k个发送用户上次的数据服务质量值；

的表达式为：

$Q_k^{*}={\log }_{2}E\left(\frac{1-BER}{BER}\right)E\left(\frac{p_k^{\left(re\right)}|g_k^H{h}_k{|}^2}{\underset{l=1,l\≠k}{\overset{K}{\Σ}}{p}_l^{\left(re\right)}|g_k^H{h}_l{|}^2+{\mathrm{\σ}}^2|\left|g_k\right|{|}^2}\right)$

BER是发送用户到基站的数据传输过程中的误比特率；h_k是信道状态矩阵Η_D的第k列向量值，是基站为第k个接收用户传输数据时所用功率，g_k是矩阵G的第k列的向量值；σ²表示基站为第k个接收用户传输数据时噪声的功率；

矩阵G是接收信道矩阵，由接收用户选择的接收方式确定，具体如下：

$G=\left\{\begin{array}{c}{H}_D\\ H_D{\left(H_D^H{H}_D\right)}^{-1}\\ {(H_D{P}^{\left(re\right)}{H_D}^H+{\mathrm{\σ}}^2{I}_M)}^{-1}{H}_D\end{array}\right.$

G＝H_D对应的接收方式为迫零接收，对应的接收方式为最大比合并接收，G＝(H_DP^(re)H_D ^H+σ²I_M)^-1H_D对应的接收方式为最小均方误差接收；

数据服务质量下限：为各发送用户预期的数据服务质量的平均值，表达式为：

$lower=\left({\mathrm{\Σ}}_{l=1}^K{\stackrel{\‾}{Q}}_l\right)/K$

其中表示第k个发送用户所选择的预期数据服务质量的值；

步骤五、根据数据服务质量的上限与下限，基站计算每个发送用户的调制星座点m_k；

步骤六、基站将调制星座点数以及调制方式返给发送用户，将最佳接收方式发射给接收用户，完成通信。

2.如权利要求1所述的一种联合编码调制的即时数据传输优化方法，其特征在于，所述步骤一中，仿真场景中心布置的MIMO基站上的N对天线，分别为{1,2,...,n,...,N}；每对天线包括基站接收天线和基站发送天线，K对用户集合为{1,2,...,k,...,K}，发送用户集合为S＝{S₁,S₂,...,S_k,...,S_K}；接收用户集合D＝{D₁,D₂,...,D_k,...,D_K}；每个用户设有两根天线，一个接收天线和一个发送天线。

3.如权利要求1所述的一种联合编码调制的即时数据传输优化方法，其特征在于，所述步骤五，具体步骤如下：

步骤501、基站根据数据服务质量的上限与下限计算每个发送用户的加权系数；

第k个发送用户的加权系数λ_k为；

${\mathrm{\λ}}_k={\mathrm{\η}}_k\frac{max\left(Q_k^{*}\right)}{upper}$

其中η_k是第k个用户对的数据帧质量值保障因子；

步骤502、根据加权系数计算每个发送用户的加权平均预期数据服务质量；

第k个发送用户的加权平均预期数据服务质量为

步骤503、基站对所有的发送用户，检测每个发送用户的加权平均预期数据服务质量与当前数据服务质量的差值；

步骤504、针对当前发送用户k，基站依次判断是否如果是，进入步骤505；否则，当前发送用户k的调制星座点m_k保持不变；

初始k＝1；判断完当前发送用户k后，将k+1再次比较，直至到接收用户K；

步骤505、基站对影响当前发送用户k的数据服务质量的各参数进行调整，改善调制星座点m_k，使发送用户k满足

步骤506、基站根据所有发送用户的数据调制星座点，重新计算数据服务质量的上限与下限；

针对当前发送用户k，比较该用户的比较预期数据服务质量与当前数据服务质量若令upper＝μ_k；否则令lower＝μ_k；

步骤507、根据数据服务质量的新的上限与下限，重复步骤501到步骤506，直至所有发送用户均满足记录所有发送用户的调制星座点。

4.如权利要求3所述的一种联合编码调制的即时数据传输优化方法，其特征在于，所述步骤505，具体步骤如下：

首先、针对接收用户k，更改用于计算数据调制星座点的预期数据服务质量μ_k；

μ_k＝(upper+lower)/2

然后，将预期数据服务质量μ_k取代求解出发送用户k到基站的新的数据传输预期误比特率BER_k；

${\mathrm{\μ}}_k={\log }_{2}E\left(\frac{1-{\mathrm{BER}}_k}{{\mathrm{BER}}_k}\right){\log }_{2}E\left(\frac{p_k^{\left(re\right)}|g_k^H{h}_k{|}^2}{\underset{l=1,l\≠k}{\overset{K}{\mathrm{\Σ}}}{p}_l^{\left(re\right)}|g_k^H{h}_l{|}^2+{\mathrm{\σ}}^2|\left|g_k\right|{|}^2}\right)$

最后，根据新的数据传输预期误比特率BER_k，计算接收用户k新的数据调制星座点m_k；

计算式为：

m_k＝V^-1(BER_k)

其中V^-1()是V(m_k)的反函数，输入参数为误比特率BER_k，输出的解为m_k；

函数V(m_k)的表达式为：

$BER\≈V\left(m_k\right)=\frac{2(1-1/\sqrt{m_k})}{{\log }_2\sqrt{m_k}}Q\left(\frac{2E_b}{N_0}\sqrt{\frac{3{\log }_2\sqrt{m_k}}{m_k-1}}\right)$

E_b是每比特数据包含的平均能量，N₀是通过滤波器后高斯白噪声的频带宽度。

5.如权利要求1所述的一种联合编码调制的即时数据传输优化方法，其特征在于，步骤六中，所述的基站给发送用户的调制方式，是按表1查阅星座点数对应的调制方式；且发射给接收用户的最佳接收方式，是按表1查阅星座点数对应的最佳接收方式；

表1

m_k 调制方式 编码速率 接收方式 1 BPSK 1/2 ZF 2 QPSK 1/2 MRC 3 QPSK 3/4 MRC 4 16QAM 9/16 MRC 5 16QAM 3/4 MMSE 6 64QAM 3/4 MMSE

BPSK表示二相键控调制；QPSK表示正交键控调制；QAM表示正交星座点幅度调制；

ZF(Zero Forcing)表示迫零接收；MRC(Max Ratio Combining)表示最大比合并接收；MMSE(Minimum Mean Square Error)表示最小均方误差接收。