CN107222290B - 快时变信道下非数据辅助的误差矢量幅度自适应调制方法 - Google Patents

Abstract

本发明提供的快时变信道下非数据辅助的误差矢量幅度自适应调制方法，首先采用QAM进行调制，然后接收端估算信道的相干时间，统计相干时间内发送的符号数；其次根据当前调制阶数的数据符号计算出所有调制阶数的NDA‑EVM值，以及当前信道下各调制阶数的NDA‑EVM对应的误码率；最后在指定误码率的条件下，选择当前最优调制阶数，返回执行下一轮的调制阶数调整。该方法与SNR‑AM和DA‑EVM‑AM相比，NDA‑EVM‑AM可提高信道质量评估与调制阶数选择的实时性和准确性，进而提升系统的频谱利用率，最高可提升0.82bit/s/Hz和0.53bit/s/Hz。

Description

快时变信道下非数据辅助的误差矢量幅度自适应调制方法

技术领域

本发明属于通信技术领域，具体涉及快时变信道下非数据辅助的误差矢量幅度自适应调制方法。

背景技术

通信终端高速移动使无线信道呈现出快时变特性，造成通信系统的频谱利用率急剧下降，甚至不能正常通信。自适应调制具有增强传输可靠性并提高频谱利用率的特点，是解决该问题的有效途径。自适应调制的基本思想是在接收端对信道质量进行评估，将估计结果反馈回发送端，发送端据此调整发送数据的调制阶数；其关键问题为如何确定准确反映信道实时变化的物理量并设计适配信道质量的调制阶数选择机制。传统自适应调制常选用接收符号的信噪比(SNR，Signal to Noise Ratio)反映信道质量，采用固定间隔的前导或导频作为辅助数据完成SNR的估计，发端将预期的误码率换算为对应的SNR完成调制阶数的选择。这类自适应调制简称为SNR-AM(Signal to Noise Ratio based-AdaptiveModulation)，具有准确性高和算法复杂度低等优点，研究领域集中于最佳信噪比门限的确定，调制方式、编码方式、发送功率等参数对频谱利用率的影响和调制阶数选择策略的优化。上述方法可有效保证时不变信道或慢时变信道下系统的频谱利用率，但应用于快时变信道时仍存在以下问题：1)固定时间间隔统计的SNR不能实时并准确的反映信道变化，引起调制阶数选择错误；2)为保证SNR统计精度，需要大量使用辅助数据，降低了频谱利用率；3)需要频繁调整发射功率补偿信道衰落带来的SNR损失，频繁的功率调整会引起同信道干扰，影响系统稳定性。因此，研究快时变信道下的自适应调制具有重要的理论价值和工程意义。

误差矢量幅度(EVM，Error Vector Magnitude)定义为接收符号星座点与发送符号星座点误差的均方根，可以直接、快速反映信道变化对数据接收产生的误差，是反映信道质量的重要特征参量。目前将EVM应用于自适应调制的研究尚处于起步阶段，有限的研究集中于DA-EVM-AM(Data Aided Error Vector Magnitude based-Adaptive Modulation)的仿真模拟。现有文献证明了在误码率约束下的自适应调制中，DA-EVM的调整阈值较SNR有更好的有效性，有些文献提出利用“接收星座的离散程度(EVM)与传输速率的关系”提高时变信道下传输速率选择的准确性，还有些文献证明DA-EVM-AM在STBC-OFDM(Space-TimeBlock Coded Orthogonal Frequency Division Multiplexing)系统中较SNR-AM有更好的频谱利用率。然而DA-EVM-AM依然无法解决大量使用辅助数据导致频谱利用率降低的问题，更重要的是上述文献均没有给出有效的工程实现方案。

发明内容

针对现有技术中的缺陷，本发明提供快时变信道下非数据辅助的误差矢量幅度的自适应调制方法，提高信道质量评估与调制阶数选择的实时性和准确性，提高频谱利用率。

快时变信道下非数据辅助的误差矢量幅度自适应调制方法，包括以下步骤：

S1：设置自适应调制的调制阶数为M₁＝q(1)，即采用QAM进行调制，其中M_n＝q(n)∈{2²ⁿ，n＝1，2，…，m}表示调制阶数；

S2：接收端估算信道的相干时间T_C，确定单位符号的发送时间为T_symbol，按照

统计相干时间内发送的符号数N；

S3：根据当前调制阶数的数据符号计算出所有调制阶数的NDA-EVM值，即ξ[q(n)]＝{ξ[4]，ξ[16]，ξ[64]…ξ[M_n]}：

S4：计算当前信道下各调制阶数的NDA-EVM对应的误码率，即：

η(ξ[q(n)])＝{η(ξ[4])，η(ξ[16])，η(ξ[64])，…η(ξ[M_n])}；

S5：在指定BER_th的条件下，根据相干时间T_C包含的N个数据符号中保持不变的原则选出M_n作为当前最优调制阶数，返回步骤S2，执行下一轮的调制阶数调整。

优选地，所述步骤S3中，

其中，

μ_ji，R＝-S_i，R+α_RS_j，R，函数

为标准正态分布的概率密度函数，α为瞬时信道增益，σ_n为高斯噪声的标准差，

为高斯噪声的方差，S_i，R为系统根据接收信号所估计出的第i个发送符号的实部，S_j，R为系统实际发送的第j个符号的实部，α_R为相干时间内的信道增益的实部，μ_ji，R表示第j个发送符号对应所估计的第i个发送符号之间的偏差。

优选地，所述步骤S4中，MQAM的误码率为：

将瞬时信道增益α消去，即可得到NDA-EVM和BER之间的关系：

η(ξ[q(n)])＝f(ξ[q(n)]，q(n))。

优选地，所述步骤S5中，选择当前最优调制阶数的方法为：

其中，BER_th表示系统预期的误码率。

由上述技术方案可知，本发明提供的快时变信道下非数据辅助的误差矢量幅度自适应调制方法，给出了NDA-EVM在快时变信道下的计算模型，推导了不同调制阶数下NDA-EVM与误码率的关系，并据此设计了MQAM调制阶数选择机制。以3GPP R4-050388和TS25.104定义的高铁通信的两个快时变信道场景为例，数值仿真表明：与SNR-AM和DA-EVM-AM相比，NDA-EVM-AM可提高信道质量评估与调制阶数选择的实时性和准确性，进而提升系统的频谱利用率，最高可提升0.82bit/s/Hz和0.53bit/s/Hz。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。

图1为NDA-EVM的自适应调制系统模型。

图2为NDA-EVM-AM调制阶数选择原理图。

图3为大多普勒频移场景下的信道频谱利用率。

图4为多普勒频移快速变化的场景。

图5为多普勒频移快速变化场景下的信道频谱利用率。

具体实施方式

下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案，因此只作为示例，而不能以此来限制本发明的保护范围。需要注意的是，除非另有说明，本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。

EVM可以利用辅助数据计算(DA-EVM，DataAided-Error Vector Magnitude)，也可以不利用辅助数据，直接用数据符号计算(NDA-EVM，Non Data Aided-Error VectorMagnitude)。现实的通信中也多为非数据辅助接收，NDA-EVM不受辅助数据间隔的影响，有利于频谱利用率的提高，更适合于实际的通信场景。据此本专利提出一种基于NDA-EVM的自适应调制算法(NDA-EVM-AM)，给出了NDA-EVM在快时变信道下的计算模型，推导了不同调制阶数下NDA-EVM与误码率的关系，并据此设计了MQAM调制阶数选择机制。以3GPP R4-050388和TS25.104定义的高铁通信的两个快时变信道场景为例，数值仿真表明：与SNR-AM和DA-EVM-AM相比，NDA-EVM-AM可提高信道质量评估与调制阶数选择的实时性和准确性，进而提升系统的频谱利用率，最高可提升0.82bit/s/Hz和0.53bit/s/Hz。

1、NDA-EVM-AM的系统模型及算法框架。

图1给出了NDA-EVM-AM的系统模型，分为发送星座成型模块、时变信道模块、解调模块、NDA-EVM计算模块和调制阶数选择模块，其中NDA-EVM计算和调制阶数选择模块为本专利研究的重点。如图1所示，发射机以恒定发送功率发送MQAM符号，调制阶数表示为M₀＝q(0)＝0，M_n＝q(n)∈{2²ⁿ，n＝1，…m}。发送端信息流d[i]的初始调制阶数为M₁＝q(1)，经过调制和星座成型后得到符号x[i]，调制符号经过时变信道中的衰落和加性噪声的污染到达接收端，假设相位偏移可以被完美估计，接收端得到的符号可表示为y[i]＝α[i]x[i]+n[i] (1)

其中，α[i]为瞬时信道增益，噪声n[i]服从期望为0，方差为

的正态高斯分布，记为

接收端高速移动引起的快时变信道，可视为时间选择性-频率非选择性瑞利衰落，瞬时信道增益由一阶自回归过程建模得到

其中c是相关参数，0＜c≤1，c越小表明信道变化越快，当c＝1时信道退化为准静态衰落信道。w[i]是复高斯随机过程，均值为0，其功率谱密度由路径损耗和阴影衰落确定，记为

NDA-EVM计算模块根据接收符号y[i]计算当前调制阶数为q(1)时数据符号的NDA-EVM值ξ[q(1)]，并根据NDA-EVM计算模型推算相同信道环境下若发送调制阶数为q(n)，(n＝2，…m)的数据符号对应的EVM值ξ[q(n)]。在NDA-EVM计算模块获得当前信道条件下所有调制阶数的NDA-EVM值后，根据NDA-EVM和BER之间的关系，计算出对应的误码率η(ξ[q(n)])，并将其输入调制阶数选择模块。

NDA-EVM-AM调制阶数选择模块以式(2)作为调制阶数选择的依据，其基本思想是根据所有候选调制阶数的NDA-EVM，选择满足预期误码率约束的最大调制阶数。

其中，BER_th表示系统预期的误码率。调制阶数选择模块选择最优的调制阶数M_n，计算相干时间T_C，确定以相同调制阶数发送的符号个数

直到下一次阶数调整。

2、NDA-EVM计算模型

首先建立NDA-EVM在时变信道下的计算模型，并推导NDA-EVM与BER的关系。DA-EVM的计算需要确知收/发符号的对应关系，NDA-EVM的计算则无须确知收/发符号的对应关系，可通过接收符号星座点y[i]与通过最大似然准则估计出的发送符号星座点

的误差求取，可表示为

其中，P₀为恒定的发射功率，设P₀＝1。发送符号S_i为M_n＝q(n)阶的MQAM符号，可表示为S_i＝(2i-k)b+j(2m-k)b，i，m＝0，1，…k； (4)

其中，

b是归一化幅度，

因为MQAM符号实部和虚部具有对称性，下文仅考虑实部用下标R表示，且省略收/发符号的索引号i，式(3)可简化为

化简式(5)需要得到接收符号在信道增益α下的概率函数。瞬时信道增益

相关参数c可由Jakes自相关模型得到，即c＝J₀(2πf_dT_symbol)，J₀为第一类零阶贝塞尔函数，f_d为多普勒频移。相干时间内的信道增益的实部α_R可近似为其算术平均：

相干时间内，瞬时信道增益α可视为定值且

由此可得接收符号y_R的条件概率密度函数为

其中，

在最大似然准则下，由接收符号y_R估计出发送符号为

的概率为

设发送符号是等概率出现，P(x_R＝S_j，R)＝1/(1+k)。利用条件概率和式(7)可得

其中，D_i，R为发送符号S_i，R的判决域

将式(7)，式(8)代入式(5)，可以得到：

其中，

μ_ji，R＝-S_i，R+α_RS_j，R。至此式(10)给出了时变信道下各调制阶数NDA-EVM的计算办法。由式(10)可知：接收端无须发送端发送所有调制阶数的数据符号，就可以推算出所有调制阶数的数据符号在同一信道下的NDA-EVM。

当得到NDA-EVM计算模型后，还需确定NDA-EVM对应的误码率，才能建立调制阶数选择的理论依据。由于在相干时间内，

和α固定，等效于AWGN信道，平均信噪比为αP₀/N₀，可得MQAM的误码率为

将瞬时信道增益α消去，即可得到NDA-EVM和BER之间的关系

η(ξ[q(n)])＝f(ξ[q(n)]，q(n)) (13)

上述隐式方程理论上给出了NDA-EVM和BER的关系，在无需获知瞬时信道增益的条件下，由已知任意一方参数即可给出另一方在当前信道下的准确值；然而该隐式方程非线性很强，只能给出数值解。

该部分给出了时变信道下MQAM符号的NDA-EVM的计算方法，式(10)给出了信道变化时对应的NDA-EVM的解析式，该式不仅适合于加性高斯白噪声信道(对应与瞬时信道增益α＝1的退化情况)NDA-EVM的计算，也可作为任意衰落信道下计算NDA-EVM的通式。发送端发送任意调制阶数的数据符号，根据式(10)就可以得出所有调制阶数的NDA-EVM，再根据式(13)就可以得出所有调制阶数在当前信道下的误码性能，这种特性可以在NDA-EVM-AM中随时获取当前信道下所有调制阶数的误码性能，一次性调整到与信道条件适配的调制阶数，提高了阶数选择的正确率和阶数调整的实时性，而这种特性是传统的SNR-AM不具备的。

3、NDA-EVM-AM调制阶数选择机制

式(2)给出了NDA-EVM-AM调制阶数选择机制的核心思想，一次完整的调制阶数选择包含3个部分：1)根据时变信道的相干时间确定以相同调制阶数发送的符号个数

2)根据NDA-EVM计算模型，即式(10)，得到当前数据符号EVM值，并推算出所有调制阶数的数据符号对应的误码率，即式(13)；3)在系统误码率限制下选择出最优调制阶数，即式(2)，并在N个符号内保持不变。

图2给出的NDA-EVM-AM调制阶数选择机制，可以依据相干时间调整保持调制阶数的符号数，并保证信道的评估和调制阶数的调整在相干时间内完成，尤其在信道变化剧烈的情况下(大多普勒频移和普勒频移快速变化的信道)，NDA-EVM-AM的性能优势就越发明显。另外，NDA-EVM-AM调制阶数选择机制利用了NDA-EVM不依赖辅助数据特性，克服了传统自适应调制中固定间隔的辅助数据导致频谱利用率降低的缺点。可归纳成为：

S1：设置自适应调制的调制阶数为M₁＝q(1)＝QAM；

S2：接收端估算信道的相干时间T_C，确定单位符号的发送时间为T_symbol，按照

统计相干时间内发送的符号数N；

S3：根据式(9)由当前调制阶数的数据符号计算出所有调制阶数的NDA-EVM值，ξ[q(n)]＝{ξ[4]，ξ[16]，ξ[64]…ξ[M_n]}；

S4：根据式(12)得出当前信道下各调制阶数的NDA-EVM对应的误码率，η(ξ[q(n)])＝{η(ξ[4])，η(ξ[16])，η(ξ[64])，…η(ξ[M_n])}：

S5：在指定BER_th的条件下，根据式(2)选出

作为当前最优调制阶数，该调制阶数在相干时间T_C包含的N个数据符号中保持不变，由此完成一次调制阶数的调整。重复步骤S2，完成新一轮的调制阶数调整。

值得注意的是，如果在步骤S5中η(ξ[q(1)])＞BER_th，即最低调制阶数QAM对应的误码率仍然不能满足要求，则中断相干时间T_C的数据发送(NoTx，No Transmission)，即M₀＝q(0)，直到重复上述流程开始新的调制阶数调整。

在快时变衰落信道下，NDA-EVM自适应调制的频谱利用率是各调制阶数的速率按其出现的概率进行加权的和：

其中，M_n＝q(n)∈{2²ⁿ，n＝1，…j，…m}。

至此，根据式(10)给出的快时变信道下各调制阶数NDA-EVM计算模型和式(13)给出的NDA-EVM与BER的关系，设计了NDA-EVM-AM调制阶数选择机制，给出了快时变信道下自适应调制的工程可实现方案。

4、NDA-EVM-AM在快时变信道下的测试与性能分析

选取3GPP R4-050388和3GPP TS25.104协议定义的高铁通信的两种快时变信道场景进行仿真验证。它们分别是大多普勒频移下的快时变信道和多普勒频移快速变化的快时变信道，仿真参数设定见表1。对比算法为恒定功率下SNR-AM算法和DA-EVM-AM。对比算法中的辅助数据为前导，包含5个确知的数据符号，两个前导之间为随机的数据符号。

表1仿真参数表

5、大多普勒频移下的快时变信道

大多普勒频移下的快时变信道场景选取为3GPP R4-050388定义的ITU-VA高铁信道，其抽头数为2，信道类型为B类，多普勒频移f_d分别为400Hz和800Hz(对应的移动速率为180Km/h和360Km/h)。图3和表2给出了三种算法在上述快时变信道下的频谱利用率和调制阶数选择的正确率。

表2三种算法在大多普勒场景下的调制阶数选择的正确率

由图3可知：当f_d＝400Hz时，三种算法在低信噪比区的频谱利用率几乎相等；但在中、高信噪比区，本实施例算法的频谱利用率高于对比算法，其差值随信噪比增加不断增大。这是由于NDA-EVM对时变信道质量评估的准确性高，并且信噪比的增加有利于NDA-EVM估计精度的提高。由表2可知：当f_d＝400Hz时，三种算法的调制阶数选择的正确率随信噪比的增加而增加；特别是在高信噪比区，正确率的提升最高，分别达到了5％和13％，这与图3反映的结论相吻合。

同理，当f_d＝800Hz时，本实施例算法的频谱利用率高于对比算法；与f_d＝400Hz的信道比较，本实施例算法较对比算法在频谱利用率上的提高更明显。这是由于相较于f_d＝400Hz的场景，前者信道的相干时间更短，远小于对比算法中辅助数据的固定间隔，导致对比算法对信道质量的评估失真。例如，在f_d＝400Hz的场景下，本实施例算法的频谱利用率最高可达5.62bit/s/Hz，较DA-EVM-AM和SNR-AM最大提升了0.46bit/s/Hz和0.69bit/s/Hz。而在f_d＝800Hz的场景下，最大提升了0.53bit/s/Hz和0.82bit/s/Hz。同理，表2中对应场景下的调制选择的正确率的差异也反映出多普勒频移越大本实施例算法较对比算法性能差异越大这一趋势。由此说明NDA-EVM对快时变信道的信道质量评估更为准确，本实施例算法有着更高的频谱利用率。

6、多普勒频移快速变化的快时变信道

采用3GPP TS25.104定义的高铁穿越基站时，多普勒频移快速变化的场景作为测试的快时变信道场景，多普勒频移变化周期分别为T＝40s和20s，如图4所示，其余信道参数见表2。图5和表3反映了三种算法在上述快时变信道下的频谱利用率和调制阶数选择的正确率。

表3三种算法在多普勒快速变化场景下的调制阶数选择的正确率

由图5可知：两种信道场景下，三种算法的频谱利用率均随信噪比增加而增加，但本实施例算法增幅更为明显。这是由于三种算法的调制阶数选择机制均受信噪比影响，而对比算法除此影响因素外，辅助数据固定的时间间隔还降低了阶数调整的准确性。由表3可知：这种性能的差异也可以由调制阶数选择的正确率体现出来，例如在T＝40s的场景下，本实施例算法有最大频谱利用率5.41bit/s/Hz，与对比算法的差异在高信噪比区也达到最大，分别为3％和6％。

在同一信噪比区时(特别是中、高信噪比区)，当多普勒频移变化周期减小时(T＝20s)，本实施例算法与对比算法频谱利用率的差异变大。由图5可以看出最大差异分别达到0.51bit/s/Hz和0.81bit/s/Hz；表3也验证了该特征，本实施例算法与对比算法在调制阶数选择正确率的差值在T＝20s的场景下也达到最大，分别为7％和13％。这是由于在相干时间变化越频繁的信道中(T＝20s)，阶数的调整也越频繁，辅助数据的固定间隔导致了调整的实时性降低，调整的阶数与当前信道状况失配，频谱利用率不高。而本实施例算法保证了相干时间内完成信道质量评估和阶数调整，在阶数选择的实时性方面要高于对比算法，所以在多普勒频移变化的快时变信道下，本实施例算法阶数调整的实时性和准确性更好，有更高的频谱利用率。

针对快时变信道中无线通信系统频谱利用率低的问题，本专利提出了一种基于NDA-EVM的自适应调制算法。算法建立了时变信道下NDA-EVM的计算模型，推导了任意调制阶数的NDA-EVM与误码率的关系，设计了按相干时间分配调制符号的自适应调制阶数的选择机制的工程可实现方案。以高铁通信的快时变信道场景为例，数值仿真表明：1)NDA-EVM-AM能有效解决快时变信道下频谱利用率低的问题，两种快时变信道场景下的频谱利用率最高达5.62bit/s/Hz和5.41bit/s/Hz；2)NDA-EVM-AM在信道质量评估与调制阶数选择方面有较高的实时性和准确性，尤其是在高信噪比的大多普勒频移和多普勒频移快速变化的快时变信道下，相较传统的DA-EVM-AM和SNR-AM有更大的性能提升，调制选择正确率最大提升7％和13％，频谱利用率最大提升了0.53bit/s/Hz和0.82bit/s/Hz；3)在低信噪比的快时变信道中，NDA-EVM-AM与两种传统算法性能接近，频谱利用率的提升不大。简言之，NDA-EVM-AM在快时变信道下具有广泛的工程应用价值，可作为地空通信、高铁通信、水下声通信等快时变信道下自适应调制的参考模型。未来的研究工作包括研究NDA-EVM-AM在时变信道下的容量上限和存在反馈时延的调制阶数选择机制等。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。

Claims (4)

1.快时变信道下非数据辅助的误差矢量幅度自适应调制方法，其特征在于，包括以下步骤：

S1：设置自适应调制的调制阶数为M₁＝q(1)，即采用QAM进行调制，其中M_n＝q(n)∈{2²ⁿ,n＝1,2，…，m}表示调制阶数；

S2：接收端估算信道的相干时间T_C，确定单位符号的发送时间为T_symbol，按照

统计相干时间内发送的符号数N；

S3：根据当前调制阶数的数据符号计算出所有调制阶数的NDA-EVM值，即ξ[q(n)]＝{ξ[4],ξ[16],ξ[64]…ξ[M_n]}；

S4：计算当前信道下各调制阶数的NDA-EVM对应的误码率，即η(ξ[q(n)])＝{η(ξ[4]),η(ξ[16]),η([64]),…η(ξ[M_n])}；

S5：在指定BER_th的条件下，根据相干时间T_C包含的N个数据符号中保持不变的原则选出M_n作为当前最优调制阶数，返回步骤S2，执行下一轮的调制阶数调整；

BER_th表示系统预期的误码率。

2.根据权利要求1所述的快时变信道下非数据辅助的误差矢量幅度自适应调制方法，其特征在于，所述步骤S3中，

其中，

μ_ji,R＝-S_i,R+α_RS_j,R，函数

为标准正态分布的概率密度函数，α为瞬时信道增益，σ_n为高斯噪声的标准差，

为高斯噪声的方差，S_i,R为系统根据接收信号所估计出的第i个发送符号的实部，S_j,R为系统实际发送的第j个符号的实部，α_R为相干时间内的信道增益的实部，μ_ji,R表示第j个发送符号对应所估计的第i个发送符号之间的偏差。

3.根据权利要求2所述的快时变信道下非数据辅助的误差矢量幅度自适应调制方法，其特征在于，所述步骤S4中，MQAM的误码率为：

将瞬时信道增益α消去，即可得到NDA-EVM和BER之间的关系：

η(ξ[q(n)])＝f(ξ[q(n)],q(n))。

4.根据权利要求3所述的快时变信道下非数据辅助的误差矢量幅度自适应调制方法，其特征在于，所述步骤S5中，选择当前最优调制阶数的方法为：

Images