CN109245800A - 云接入网下行无速率码度数分布以及预编码联合优化方法 - Google Patents

Abstract

本发明公开了云接入网下行无速率码度数分布以及预编码联合优化方法，针对云接入网下行多用户接入场景，在基带处理单元池中我们借助迫零预编码思想，在射频拉远单元处单根天线峰值功率限制下提出了一种预编码矩阵与无速率码输出度数分布的联合优化方法。本发明通过在云接入网下行多用户场景下联合优化无速率码度数分布以及预编码，可以提升系统总吞吐量。

Description

云接入网下行无速率码度数分布以及预编码联合优化方法

技术领域

本发明涉及无线通信领域，具体涉及云接入网下行无速率码度数分布以及预编码联合优化方法。

背景技术

蜂窝网络正变得越来越小，同时由多层异构网络组成以便为更多的用户服务，因此，小区间干扰和小区关联问题变得越来越复杂且具有挑战性。同时下一代移动通信网络所面临的将是海量的用户数量，以及海量的数据传输量。这就对无线接入网(RAN)容量的提升带来了迫切的要求。

云接入网(C-RAN)是一种新型的接入网架构，其特点是将网络中各接入节点的远端射频单元(RRH) 和基带处理单元(BBU)完全地分离，将RRH更靠近用户，而各个BBU向后集中成虚拟的BBU池，BBU 池和RRH通过高速链路连接。这意味着C-RAN能够很好的适应不均匀的业务流量并合理利用资源，从而降低运营商的成本。同时C-RAN对于信号的协同处理可以提高运营商的网络容量并有效的消除小区间干扰。

无速率码是一种新型的信道编码形式，由于其具有良好的自适应性，已被应用于协作中继系统以及分布式天线系统，并且经过优化的无速率码在信道状态未知下仍能够具有贴近信道容量的性能。此外无速率码只需要接收方反馈一个ACK信号表示译码成功，减小了信令开销。无速率码的这些特性使得其可以适配C-RAN中灵活的传输机制。

发明内容

针对现有技术中存在的问题，本发明提供了高效稳定的云接入网下行无速率码度数分布以及预编码联合优化方法。

本发明的技术方案如下：

云接入网下行无速率码度数分布以及预编码联合优化方法，其特征在于：包括如下步骤：

1)在基带处理单元池中采用迫零预编码的方法，在射频拉远单元处单根天线峰值功率限制下，联合优化预编码矩阵与无速率码输出度数分布；

2)在基带处理单元池使用优化之后的度数分布无速率编码所传输的信息，然后经过预编码和量化，通过容量有限的高速链路将量化信号传送到对应的射频拉远单元；各个射频拉远单元对收到的量化信号进行解量化，之后广播传输给每个用户，用户根据接收到的码字对由射频拉远单元节点转发来的信息解映射；最后通过置信度传播算法(BP)译出原始信息。

所述云接入网下行无速率码度数分布以及预编码联合优化方法，其特征在于，所述步骤1)中联合优化预编码矩阵与无速率码输出度数分布的方法如下：

1.1)在相邻符号之间传递的LLR可以被认为是满足均值为τ和方差为2τ的对称高斯分布的随机变量，其携带的外信息按照下式计算：

针对第k个用户收到的信号y_k，使用外信息传递函数(EXIT)来分析译码过程中消息传递，其设计的码率可以表示为β_k为平均输入节点度数，是输出节点边的度数分布；具体传递过程如下(第l轮)：

(i)输入节点i传向校验节点c外信息：

其中I_i表示在随机选择度数为i的输入节点的概率，表示上一轮输出节点o传向输入节点i外信息。

(ii)校验节点c传向输入节点i外信息：

其中Λ_i表示随机选择的边连接到度数为i输入节点的概率，p_j表示在LDPC子图中校验节点边的度数分布， d_v表示输出节点的最大度数，d_c表示校验节点的最大度数。

(iii)输入节点i传向输出节点o外信息：

其中l_i表示在LT子图中边随机连接到度数为i的输入节点的概率；

(iv)输出节点o传向输入节点i外信息：

其中表示在LT子图中边随机连接到度数为d的输入节点的概率，f_o＝(2α_k ²/(σ²+σ_k ²))，表示本轮中输入节点i传向输出节点o外信息。

结合公式(2)、(3)、(4)、(5)可得每轮迭代的更新公式：

其中a_k表示预编码系数，σ²+σ_k ²表示用户端的量化噪声和接收噪声的和；

1.2)在云接入网下行系统中，我们的目标是最大化网络中的速率和，因此联合优化问题列出如下：

其中(7a)等价于以下约束条件：

其中(7b)是线性码度分布的一般约束条件；约束条件(7d)是为了启动译码算法，需要一定数量的度数为1的输出节点，其中表示用户k度数为1的输出节点的占所有输出节点的比例；

1.3)针对优化问题(7)，具体解决步骤如下：

(i)初始化其中(α_k),k＝1,...,K初始化范围|α_k|≥0.6，对于的初始值则应根据(α_k),k＝1,...,K控制在峰值功率P_max限制的范围内；

(ii)初始化网络中所有用户的β_k,k＝1,...,K；

(iii)对于单个用户，在固定其α_k和β_k的情况下，通过线性规划，解决下面的问题：

(iv)返回(ii)，对于每个用户搜索最优的β_k直到(9)的目标函数收敛；

(v)返回(i)，根据初始化条件设立新的一组搜索最优的直到目标函数(7) 收敛。

所述云接入网下行无速率码度数分布以及预编码联合优化方法，其特征在于，所述步骤2)具体步骤如下：

2.1)将网络中所有用户需要编码的原始信息m＝[m₁,m₂,...,m_K]^T依次经过LDPC编码器和LT编码器进行编码，其LT编码度数分布为w(x)＝∑_dw_dx^d-1，其中w_d表示与度数为d的输出节点相连边的概率，生成码字c＝[c₁,c₂,...,c_K]^T；

2.2)对生成的码字c＝[c₁,c₂,...,c_K]^T进行调制，即将比特0和1根据实际调制方式分别映射得到调制符号s＝[s₁,s₂,...,s_K]^T；

2.3)在BBU池已知网络中每个用户到所有RRH的信道状态信息的情况下，采用迫零方法对已得到的调制符号进行预编码，其中预编码矩阵W＝[w₁,w₂,...,w_K]，其中w_k表示预编码矩阵W的第k列向量，可以表示为：

其中e_i是正交于w_k,inv与N(H)\{h_k}子空间的基向量，H＝[h₁,h₂,...,h_K]表示信道矩阵，h_k表示信道矩阵H的第k列向量，w_k,inv是信道矩阵H的伪逆矩阵的第k列向量，即H^H(HH^H)，α_k和分别是是w_kinv和e_i的功率系数，预编码后的信号可写为：

其中

2.4)预编码信号被量化以满足对应的高速链路的速率限制并被发送到第m个RRH，其中量化器的量化区间为[-F_max,F_max]，其中P_max为RRH发射天线峰值限制功率，量化器阈值设为：

此时量化器输出可以表示为

2.5)BBU池将步骤2.4得到的量化信号通过数字前向链路发送给网络中对应的RRH，每个RRH对收到的信号解量化，之后广播传输给所有用户；

从第m个RRH发出的信号为：

其中q_m是量化噪声；假定信道系数在整个传输期间保持不变，第k个用户收到的信号y_k：

y_k＝h_kx+z_k (15)

其中x＝[x₁,...,x_M]^T是所有RRH广播传输出去的基带信号集合，第k个用户接收噪声服从z_k～(0,σ²)；结合考虑公式(10)和(14)，有

y_k＝α_ks_k+h_kQ+z_k (16)

其中Q＝[q₁,q₂,...,q_M]^T表示各条高速链路量化噪声的集合，h_kQ表示第k个用户接收的量化噪声；

2.6)将量化噪声h_kQ的分布近似为高斯分布，其均值为零，方差为σ_k ²，方差可由下式计算得到：

其中

其中w_j,m是预编码矩阵W中第m个列向量w_m中的第j个元素；

2.7)第k个用户对RRH发送来的信号进行软解调，无速率编码码字比特c等概率地取0和1，假定接收到的第n个信号为y_n，其对应的对数似然比(Log Likelihood Ratio,LLR)为：

2.8.1)第k个用户对接收的信号进行联合译码，具体的消息传递过程如下(第l轮)：

(i)输入节点i传向校验节点c的消息为：

(ii)校验节点c传向输入节点i的消息为：

式中i′c表示与校验节点c相连的除i以外输入节点；

(iii)输入节点i传向输出节点o的消息为：

其中o'≠o表示与该输入节点相连的除o以外输出节点；

(iv)输出节点o传向输入节点i的消息为：

其中Z_o是输出节点o根据对应接收码字比特由(20)计算得到的LLR，i'≠i表示与该输出节点相连的除i以外输入节点；

(v)输入节点i的LLR更新公式：

2.8.2)当输入节点的平均LLR超过门限m_th，收集这些LLR并单独在LDPC子图上进行迭代译码(第l 轮)：

(i)输入节点i传向校验节点c的消息为：

式中c′表示除c以外的校验节点，C_i表示与输入节点i相邻的校验节点集合，代表在上一轮由校验节点c′传向该输入节点i的消息；

(ii)校验节点c传向输入节点i的消息为

式中i′表示除i以外的输入节点，i_c表示与校验节点c相邻的输入节点集合；

2.8.3)判决后验似然比信息若LLR_i＞0，则信息比特判为0，否则判为1；根据判决输出结果，若译码不正确则继续迭代，若译码正确或达到最大迭代次数l_max结束译码。

本发明的有益效果是：该方法使用联合优化之后的度数分布在系统吞吐量性能上有较好的提升。

附图说明

图1是云接入网多用户下行传输系统示意图；

图2是云接入网下行系统和速率性能图。

具体实施方式

实施例：参照图1，云接入网下行系统由用户、基带处理单元(BBU)池、射频拉远单元(RRH)构成。用户到RRH节点之间是无线链路，RRH节点到BBU池之间是高速链路，其传输机制具体实现方法如下：

1.1)将网络中所有用户需要编码的原始信息m＝[m₁,m₂,...,m_K]^T依次经过LDPC编码器和LT编码器进行编码，其LT编码度数分布为w(x)＝∑_dw_dx^d-1，其中w_d表示与度数为d的输出节点相连边的概率。编码生成码字c＝[c₁,c₂,...,c_K]^T。

1.2)对生成的码字c＝[c₁,c₂,...,c_K]^T进行调制，即将比特0和1根据实际调制方式分别映射得到调制符号s＝[s₁,s₂,...,s_K]^T。

1.3)在BBU池已知网络中每个用户到所有RRH的信道状态信息的情况下，采用迫零方法对已得到的调制符号进行预编码，其中预编码矩阵W＝[w₁,w₂,...,w_K]，其中w_k表示预编码矩阵W的第k列向量，可以表示为

其中e_i是正交于w_k,inv与N(H)\{h_k}子空间的基向量，H＝[h₁,h₂,...,h_K]表示信道矩阵，h_k表示信道矩阵H的第k列向量。w_k,inv是信道矩阵H的伪逆矩阵的第k列向量，即H^H(HH^H)，α_k和分别是是w_k,inv和e_i的功率系数，预编码后的信号可写为

其中

1.4)预编码信号被量化以满足对应的高速链路的速率限制并被发送到第m个RRH，其中量化器的量化区间为[-F_max,F_max]，其中P_max为RRH发射天线峰值限制功率。量化器阈值设为

此时量化器输出可以表示为

1.5)BBU池将步骤2.4得到的量化信号通过数字前向链路发送给网络中对应的RRH，每个RRH对收到的信号解量化，之后广播传输给所有用户。我们可以写出从第m个RRH发出的信号

其中q_m是量化噪声。假定信道系数在整个传输期间保持不变，第k个用户收到的信号y_k

y_k＝h_kx+z_k (6)

其中x＝[x₁,...,x_M]^T是所有RRH广播传输出去的基带信号集合，第k个用户接收噪声服从z_k～(0,σ²)。结合考虑公式(1)和(5)，我们有

y_k＝α_ks_k+h_kQ+z_k (7)

其中Q＝[q₁,q₂,...,q_M]^T表示各条高速链路量化噪声的集合，h_kQ表示第k个用户接收的量化噪声。

1.6)我们将量化噪声h_kQ的分布近似为高斯分布，其均值为零，方差为σ_k ²。方差可由下式计算得到

其中

其中w_j,m是预编码矩阵W中第m个列向量w_m中的第j个元素。

1.7)第k个用户对RRH发送来的信号进行软解调，无速率编码码字比特c等概率地取0和1，假定接收到的第n个信号为y_n，其对应的对数似然比(Log Likelihood Ratio,LLR)为

1.8.1)第k个用户对接收的信号进行联合译码，具体的消息传递过程如下(第l轮)：

(i)输入节点i传向校验节点c的消息为

(ii)校验节点c传向输入节点i的消息为

式中i′c表示与校验节点c相连的输入节点(除i以外)。

(iii)输入节点i传向输出节点o的消息为

其中o'≠o表示与该输入节点相连的输出节点(除o以外)。

(iv)输出节点o传向输入节点i的消息为

其中Z_o是输出节点o根据对应接收码字比特由(10)计算得到的LLR，i'≠i表示与该输出节点相连的输入节点(除i以外)。

(v)输入节点i的LLR更新公式

1.8.2)当输入节点的平均LLR超过门限m_th，收集这些LLR并单独在LDPC子图上进行迭代译码(第l 轮)：

(i)输入节点i传向校验节点c的消息为

式中c′表示除c以外的校验节点，C_i表示与输入节点i相邻的校验节点集合，代表在上一轮由校验节点c′传向该输入节点i的消息。

(ii)校验节点c传向输入节点i的消息为

式中i′表示除i以外的输入节点，i_c表示与校验节点c相邻的输入节点集合。

1.8.3)判决后验似然比信息若LLR_i＞0，则信息比特判为0，否则判为1。根据判决输出结果，若译码不正确则继续迭代，若译码正确或达到最大迭代次数l_max结束译码。

2.无速率码度数分布以及预编码联合优化，按照如下过程进行：

2.1)在相邻符号之间传递的LLR可以被认为是满足均值为τ和方差为2τ的对称高斯分布的随机变量，其携带的外信息可以按照下式计算

针对第k个用户收到的信号y_k，如式(7)，我们使用外信息传递函数(EXIT)来分析译码过程中消息传递，其设计的码率可以表示为β_k为平均输入节点度数，是输出节点边的度数分布。具体传递过程如下(第l轮)：

(i)输入节点i传向校验节点c外信息：

其中I_i表示在随机选择度数为i的输入节点的概率，表示上一轮输出节点o传向输入节点i外信息。

(ii)校验节点c传向输入节点i外信息：

其中Λ_i表示随机选择的边连接到度数为i输入节点的概率，p_j表示在LDPC子图中校验节点边的度数分布， d_v表示输出节点的最大度数，d_c表示校验节点的最大度数。

(iii)输入节点i传向输出节点o外信息：

其中l_i表示在LT子图中边随机连接到度数为i的输入节点的概率。

(iv)输出节点o传向输入节点i外信息：

其中表示在LT子图中边随机连接到度数为d的输入节点的概率，f_o＝(2α_k ²/(σ²+σ_k ²))。

结合公式(19)、(20)、(21)、(22)我们可以可得每轮迭代的更新公式

其中a_k表示预编码系数，σ²+σ_k ²表示用户端的量化噪声和接收噪声的和。

2.2)在云接入网下行系统中，我们的目标是最大化网络中的速率和，因此联合优化问题列出如下：

其中(24a)等价于以下约束条件

其中(24b)是线性码度分布的一般约束条件。约束条件(24d)是为了启动译码算法，需要一定数量的度数为1的输出节点，其中表示用户k度数为1的输出节点的占所有输出节点的比例。

2.3)针对优化问题(24)，具体解决步骤如下

(i)初始化其中(α_k),k＝1,...,K初始化范围|α_k|≥0.6，对于的初始值则应根据(α_k),k＝1,...,K控制在峰值功率P_max限制的范围内

(ii)初始化网络中所有用户的β_k,k＝1,...,K

(iii)对于单个用户，在固定其α_k和β_k的情况下，通过线性规划，我们解决下面的问题

(iv)返回(ii)。对于每个用户搜索最优的β_k直到(26)的目标函数收敛

(v)返回(i)。根据初始化条件设立新的一组搜索最优的直到目标函数(24) 收敛

计算机仿真(参照图2)表明云接入网下行预编码与无速率码输出度数分布联合优化得到的度数分布比BEC度分布(Case 1)以及不考虑预编码矩阵优化使用BEC度分布(Case2)在系统和吞吐量性能上均有较好提升。

Claims (3)

1.云接入网下行无速率码度数分布以及预编码联合优化方法，其特征在于：包括如下步骤：

1)在基带处理单元池中采用迫零预编码的方法，在射频拉远单元处单根天线峰值功率限制下，联合优化预编码矩阵与无速率码输出度数分布；

2)在基带处理单元池使用优化之后的度数分布无速率编码所传输的信息，然后经过预编码和量化，通过容量有限的高速链路将量化信号传送到对应的射频拉远单元；各个射频拉远单元对收到的量化信号进行解量化，之后广播传输给每个用户，用户根据接收到的码字对由射频拉远单元节点转发来的信息解映射；最后通过置信度传播算法译出原始信息。

2.根据权利要求1所述云接入网下行无速率码度数分布以及预编码联合优化方法，其特征在于，所述步骤1)中联合优化预编码矩阵与无速率码输出度数分布的方法如下：

1.1)在相邻符号之间传递的LLR可以被认为是满足均值为τ和方差为2τ的对称高斯分布的随机变量，其携带的外信息按照下式计算：

针对第k个用户收到的信号y_k，使用外信息传递函数来分析译码过程中消息传递，其设计的码率可以表示为β_k为平均输入节点度数，是输出节点边的度数分布；具体传递过程如下(第l轮)：

(i)输入节点i传向校验节点c外信息：

其中I_i表示在随机选择度数为i的输入节点的概率，表示上一轮输出节点o传向输入节点i外信息；

(ii)校验节点c传向输入节点i外信息：

其中Λ_i表示随机选择的边连接到度数为i输入节点的概率，p_j表示在LDPC子图中校验节点边的度数分布，d_v表示输出节点的最大度数，d_c表示校验节点的最大度数；

(iii)输入节点i传向输出节点o外信息：

其中l_i表示在LT子图中边随机连接到度数为i的输入节点的概率；

(iv)输出节点o传向输入节点i外信息：

其中表示在LT子图中边随机连接到度数为d的输入节点的概率， 表示本轮中输入节点i传向输出节点o外信息；

结合公式(2)、(3)、(4)、(5)可得每轮迭代的更新公式：

其中a_k表示预编码系数，σ²+σ_k ²表示用户端的量化噪声和接收噪声的和；

1.2)在云接入网下行系统中，我们的目标是最大化网络中的速率和，因此联合优化问题列出如下：

其中(7a)等价于以下约束条件：

其中(7b)是线性码度分布的一般约束条件；约束条件(7d)是为了启动译码算法，需要一定数量的度数为1的输出节点，其中表示用户k度数为1的输出节点的占所有输出节点的比例；

1.3)针对优化问题(7)，具体解决步骤如下：

(i)初始化其中(α_k),k＝1,...,K初始化范围|α_k|≥0.6，对于的初始值则应根据(α_k),k＝1,...,K控制在峰值功率P_max限制的范围内；

(ii)初始化网络中所有用户的β_k,k＝1,...,K；

(iii)对于单个用户，在固定其α_k和β_k的情况下，通过线性规划，解决下面的问题：

(iv)返回(ii)，对于每个用户搜索最优的β_k直到(9)的目标函数收敛；

(v)返回(i)，根据初始化条件设立新的一组搜索最优的直到目标函数(7)收敛。

3.根据权利要求1所述云接入网下行无速率码度数分布以及预编码联合优化方法，其特征在于，所述步骤2)具体步骤如下：

2.1)将网络中所有用户需要编码的原始信息m＝[m₁,m₂,...,m_K]^T依次经过LDPC编码器和LT编码器进行编码，其LT编码度数分布为w(x)＝∑_dw_dx^d-1，其中w_d表示与度数为d的输出节点相连边的概率，生成码字c＝[c₁,c₂,...,c_K]^T；

2.2)对生成的码字c＝[c₁,c₂,...,c_K]^T进行调制，即将比特0和1根据实际调制方式分别映射得到调制符号s＝[s₁,s₂,...,s_K]^T；

2.3)在BBU池已知网络中每个用户到所有RRH的信道状态信息的情况下，采用迫零方法对已得到的调制符号进行预编码，其中预编码矩阵W＝[w₁,w₂,...,w_K]，其中w_k表示预编码矩阵W的第k列向量，可以表示为：

其中e_i是正交于w_k,inv与N(H)\{h_k}子空间的基向量，H＝[h₁,h₂,...,h_K]表示信道矩阵，h_k表示信道矩阵H的第k列向量，w_k,inv是信道矩阵H的伪逆矩阵的第k列向量，即H^H(HH^H)，α_k和分别是是w_k,inv和e_i的功率系数，预编码后的信号可写为：

其中

2.4)预编码信号被量化以满足对应的高速链路的速率限制并被发送到第m个RRH，其中量化器的量化区间为[-F_max,F_max]，其中P_max为RRH发射天线峰值限制功率，量化器阈值设为：

此时量化器输出可以表示为：

2.5)BBU池将步骤2.4得到的量化信号通过数字前向链路发送给网络中对应的RRH，每个RRH对收到的信号解量化，之后广播传输给所有用户；

从第m个RRH发出的信号为：

其中q_m是量化噪声；假定信道系数在整个传输期间保持不变，第k个用户收到的信号y_k：

y_k＝h_kx+z_k (15)

其中x＝[x₁,...,x_M]^T是所有RRH广播传输出去的基带信号集合，第k个用户接收噪声服从z_k～(0,σ²)；结合考虑公式(10)和(14)，有：

y_k＝α_ks_k+h_kQ+z_k (16)

其中Q＝[q₁,q₂,...,q_M]^T表示各条高速链路量化噪声的集合，h_kQ表示第k个用户接收的量化噪声；

2.6)将量化噪声h_kQ的分布近似为高斯分布，其均值为零，方差为σ_k ²，方差可由下式计算得到：

其中

其中w_j,m是预编码矩阵W中第m个列向量w_m中的第j个元素；

2.7)第k个用户对RRH发送来的信号进行软解调，无速率编码码字比特c等概率地取0和1，假定接收到的第n个信号为y_n，其对应的对数似然比为：

2.8.1)第k个用户对接收的信号进行联合译码，第l轮具体的消息传递过程如下：

(i)输入节点i传向校验节点c的消息为：

(ii)校验节点c传向输入节点i的消息为：

式中i′c表示与校验节点c相连的除i以外输入节点；

(iii)输入节点i传向输出节点o的消息为：

其中o'≠o表示与该输入节点相连的除o以外输出节点；

(iv)输出节点o传向输入节点i的消息为：

其中Z_o是输出节点o根据对应接收码字比特由(19)计算得到的LLR，i'≠i表示与该输出节点相连的除i以外输入节点；

(v)输入节点i的LLR更新公式：

2.8.2)当输入节点的平均LLR超过门限m_th，收集这些LLR并单独在LDPC子图上进行迭代译码(第l轮)：

(i)输入节点i传向校验节点c的消息为：

式中c′表示除c以外的校验节点，c_i表示与输入节点i相邻的校验节点集合，代表在上一轮由校验节点c′传向该输入节点i的消息；

(ii)校验节点c传向输入节点i的消息为：

式中i′表示除i以外的输入节点，i_c表示与校验节点c相邻的输入节点集合；

2.8.3)判决后验似然比信息若LLR_i＞0，则信息比特判为0，否则判为1；根据判决输出结果，若译码不正确则继续迭代，若译码正确或达到最大迭代次数l_max结束译码。