CN109756310B - 一种lte-a系统中cqi预测方法 - Google Patents
一种lte-a系统中cqi预测方法 Download PDFInfo
- Publication number
- CN109756310B CN109756310B CN201711061612.1A CN201711061612A CN109756310B CN 109756310 B CN109756310 B CN 109756310B CN 201711061612 A CN201711061612 A CN 201711061612A CN 109756310 B CN109756310 B CN 109756310B
- Authority
- CN
- China
- Prior art keywords
- vector
- cqi
- sequence
- length
- prediction
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种LTE‑A系统中CQI预测方法,其步骤包括:利用基站记录的CQI历史数据,生成一长度为L的CQI序列,记为向量XL;从该向量XL中截取一段由近期CQI历史数据构成的序列,记为向量XSL;向量XSL的长度为SL;在向量XL去除向量XSL之后的剩余部分中寻找与该向量XSL最相似的序列段Xkm;根据Xkm和CQI反馈时延D外推找到与待预测时刻最相似的时间点tsp,然后以tsp为基准获取之前一段长度WL的CQI历史数据序列作为预测向量Xhp;根据Xhp确定待预测时刻的CQI预测值。本发明在CQI高时延和用户移动速度相对较大时能够取得较好的效果,同时算法的复杂度低,易于硬件实现。
Description
技术领域
本发明涉及LTE-A通信系统中的载波聚合(Carrier Aggregation,CA)技术,特别涉及载波聚合技术中一种低复杂度与高预测步长的CQI(Channel Quality Indicator,信道质量情况指示)预测方法。
背景技术
LTE-A作为LTE的演进版本,其具有更高的传输速率、更大的频谱利用率、更低的通信时延,同时可以提升移动网络性能,为用户带来更好的体验。在LTE-A通信系统引入的多项技术中,载波聚合(Carrier Aggregation,CA)技术是一项标志性技术。由于无线通信经过了长时间的发展,现有的无线频谱资源已经被2G、3G和卫星等通信系统大量占用,剩余可用的频谱资源很多都是离散的。载波聚合技术通过将多个LTE载波(Component Carrier,CC)聚合捆绑,为用户提供更大的带宽和更高的速率,但载波聚合技术也增加了用户反馈CQI给基站的时延,导致基站得到的CQI信息失真进一步导致系统性能下降。因此,对CQI进行预测是必要的。
在现有的CQI预测方案中,有多种多样的方法应用于不同的场景,有简单平均法、外推法、卡尔曼滤波法、人工神经网络法、小波变换-支持向量机(Wavelet Transform-Support Vector Machine,WT-SVM)法等等。这些预测方案受限于各自的应用场景:简单平均法只能应用于用户高速条件下,外推法只能处理线性数据;卡尔曼滤波法通常只能预测单一步长即1毫秒;神经网络法的计算量太大因而适用性不强;WT-SVM方案只能处理CQI时延4毫秒以内的预测。综上,以往的在不同场景下的CQI预测方案除了有其特殊局限外,更有一个共同的严重缺点:只能在CQI时延较小(小于6毫秒)时发挥作用。
发明内容
本发明克服了现有CQI预测方案的不足,提供了LTE-A通信场景下中高预测步长的CQI预测方法,该方案在CQI高时延和用户移动速度相对较大时能够取得较好的效果,同时算法的复杂度低,易于硬件实现。
本发明的技术方案:
一种LTE-A系统中CQI预测方法,其步骤包括:
1)利用基站已有记录的CQI历史数据序列,记为向量XL;从XL中截取最新的一段CQI历史数据序列,记为向量XSL;
2)在向量XL去除XSL之后的剩余部分中寻找与向量XSL最相似的序列段Xkm,向量XL的长度远远大于向量XSL,这里的相似即几何上的相似,意为平行度最好,后边用数学方法实现是两个向量的标准差最小;
3)根据找到的序列段Xkm外推找到和找到与待预测时刻(t+D)最相似的时间指示点,即向量Xkm之后长度为CQI反馈时延D的时间点tsp,然后以时间点tsp为基准获取之前一定长度WL的CQI历史数据序列作为预测向量Xhp,长度WL可由经验以用户移动速度和CQI反馈时延而确定;
4)得到预测向量Xhp之后,考虑到越接近时间点tsp的CQI与预测时刻CQI的相关性越强,因此利用一阶指数平滑法对向量Xhp进行平滑加权,该预测向量Xhp中CQI历史数据的时间点越接近时间点tsp对应的CQI历史数据权重越大,即用一加权向量W对Xhp进行加权得到待预测时刻(t+D)的CQI的预测值。
与现有技术相比,本发明的有益效果是:
本发明提出了一种LTE-A系统中CQI预测的解决方法。该方法中的CQI时延长度在6ms与16ms之间,是一种在基站端利用已有记录的CQI数据进行预测的高步长预测方法。本方法通过在历史数据中找到与当前时刻有相似变化趋势的序列段,能够在反馈时延较大的场景下对CQI较为精确地预测。此外本方法的计算过程复杂度较低,便于硬件实现。
附图说明
图1为本发明CQI预测的实施系统结构图;
图2为本发明CQI预测算法的流程图;
图3为本发明一实例的仿真效果图;
(a)利用本发明CQI预测与传统方法直接使用延时数据的系统吞吐量对比图;
(b)利用本发明CQI预测与不利用CQI预测直接使用延时数据的用户公平性对比图。
具体实施方式
本发明一实施例中提供了一种LTE-A通信系统中低复杂度与高预测步长的CQI预测方法,其步骤具体包括:
1)将基站记录的有限长度的CQI历史数据序列记为向量XL:
XL=[xt-L-1,…,xt-1,xt];
这里的xt是指时刻t的CQI值;
2)在XL中选取长度为SL的最新CQI数据序列作为当前参考数据序列,记为向量XSL:
XSL=[xt-SL+1,…,xt];
3)在历史CQI数据向量XL中任取一个SL长度的向量Xk:
Xk=[xt-L+k,…,xt-L+k+SL-1],1≤k≤L-SL+1;
在这里的SL需要满足SL<<L,k是向量Xk的时间起始时刻;
4)在向量XL中滑动Xk,通过计算找到使得向量Xk与XSL的标准差最小时的k值记为km,并记录此时的Xk为Xkm:
这里的std(XSL-Xk)函数表示计算向量序列XSL和Xk的标准差,计算方式如下:
函数min()表示取最小值,并且当出现两个同样大小的标准差时选定k值较小的Xk输出作为结果Xkm,其中向量Xkm的起止指示时刻分别为(t-L+km)和(t-L+km+SL-1);
5)根据找到的Xkm,在CQI序列向量XL中计算找到与待预测时刻(t+D)相匹配的历史时刻tsp,因为向量Xkm的时间指示为(t-L+km)至(t-L+km+SL-1),其匹配的当前参考数据序列向量XSL的时间指示为(t-SL+1)至t,故与待预测时刻(t+D)最相似的时间点tsp计算方式如下:
tsp=t-L+km+SL-1+D
这里D是CQI的反馈时延长度;
6)以tsp为参考计算得到CQI序列向量Xhp:
Xhp=[xt-L+km+SL-1+D-WL+1,…,xt-L+km+SL-1+D]
其中WL是向量Xhp的长度,可以根据用户不同移动速度和CQI不同反馈时延而更改;
7)对CQI序列向量Xhp做加权求和得到预测值:
其中W′表示向量W的转置,这里的函数mean()用来求XSL和Xkm的平均间隔距离;其中W是一阶指数平滑权重向量,公式如下:
W=[α;…;α(1-α)i;…;α(1-α)WL-1)]
α∈[0,1],i∈[0,WL-1]
其中,平滑系数α可以根据用户速度和CQI时延(即这里的预测步长)等参数不同而更改,从而决定W的大小;
其中“[]”表示四舍五入式的取整运算。
进一步,在本发明一实施例中所述步骤1)、步骤2)、步骤6)和步骤7)中的L、SL、WL以及α参数可以根据用户不同移动速度和CQI不同反馈时延而改变,其取值方法目前由经验可以分别取800ms、10ms、6ms、0.8左右;
下面结合附图和具体实施方式对本发明作进一步详细描述:
如图1所示,一个本发明的实施系统包括完整的LTE-A系统级仿真平台:核心网(Evolved Packet Core,EPC)、基站(eNode B,eNB)和用户设备(User Equipment,UE)。根据协议,辅载波、主载波的共有CQI反馈时延发生在线路1上,辅载波相对主载波增加的CQI反馈时延发生在线路2上。基站eNB负责根据用户反馈的CQI进行资源分配,核心网(EPC)进行通信网络的综合处理。
实施例:
1)根据协议(3GPP TS 36.211)配置LTE-A系统的基本参数:在该仿真平台,eNodeB(基站)配置模块和UE(用户)配置模块分别完成eNodeB和UE的位置撒点。信道模块考虑了大尺度参数和小尺度参数。链路层对当前的信道状况进行测量并反馈给MAC子层模块CQI信息。MAC子层模块是系统级仿真平台的核心,根据实时状况进行资源分配和HARQ(HybridAutomatic Repeat reQuest,混合自动请求重传)管理。设置仿真次数为104次。
2)设置用户的移动速度为15km/h,设置LTE-A系统中具有载波聚合能力的用户其主载波的反馈时延为6ms以及其辅载波的反馈时延为8ms和16ms。
3)设置本发明中之方法的相关参数:CQI历史数据长度L统一取800ms,当辅载波时延为8ms时,SL为10ms,WL为6ms,α为0.8;当辅载波时延为16ms时,SL为20ms,WL为18ms,α为0.8;
4)基站利用已有的CQI信息序列预测当前指示时刻的真实CQI,然后进行资源调度。
具体的,本发明的CQI预测方案算法流程如图2所示,图3给出了本实例的仿真效果图,该仿真下各个主载波的CQI反馈时延都是6ms,辅载波的反馈时延是8ms和16ms。其中图3(a)为对比了利用CQI预测和现有方案即不利用CQI预测直接使用延时数据的系统吞吐量,可以看到不管是在SCC时延为8ms或16ms时本发明对系统性能都有所提升;图3(b)对比了利用CQI预测对不利用CQI预测直接使用延时数据的用户公平性,可以看出本方法能够很好的对现有方案进行改善,有效提升用户的公平性。
以上通过详细实施例描述了本发明所提供的OFDM系统的载波频率偏差与采样频率偏差的联合估计方法,本领域的技术人员应当理解,在不脱离本发明实质的范围内,可以对本发明做一定的变形或修改;其制备方法也不限于实施例中所公开的内容。
Claims (7)
1.一种LTE-A系统中CQI预测方法,其步骤包括:
1)利用基站记录的CQI历史数据,生成一长度为L的CQI序列,记为向量XL;从该向量XL中截取一段与当前时刻最近的CQI历史数据构成的序列,记为向量XSL;向量XSL的长度为SL;
2)从在该向量XL去除该向量XSL之后的剩余部分中选取一与该向量XSL长度相同的序列段;计算该序列段与该向量XSL的标准差,将标准差最小值对应的序列段作为序列段Xkm;
3)将该序列段Xkm之后长度为CQI反馈时延D的时间点作为时间点tsp,然后以该时间点tsp为基准获取之前一段长度WL的CQI历史数据序列作为预测向量Xhp;其中,tsp=t-L+km+SL-1+D,km为序列段Xkm的起始时间指示时刻,t为向量XL中与当前时刻最接近的历史时刻;
4)根据该预测向量Xhp确定待预测时刻(t+D)的CQI预测值。
2.如权利要求1所述的方法,其特征在于,该向量XL的长度L大于该向量XSL的长度SL。
3.如权利要求1所述的方法,其特征在于,所述步骤4)中,利用一阶指数平滑法对该预测向量Xhp进行平滑加权,其中该预测向量Xhp中CQI历史数据的时间点越接近时间点tsp对应的CQI历史数据权重越大。
5.如权利要求4所述的方法,其特征在于,所述一阶平滑权重向量W=[α;...;α(1-α)i;...;α(1-α)^(WL-1)],α∈[0,1],i∈[0,WL-1],α为平滑参数。
6.如权利要求5所述的方法,其特征在于,根据用户移动速度和CQI反馈时延确定该平滑参数α。
7.如权利要求1所述的方法,其特征在于,根据用户移动速度和CQI反馈时延确定该长度WL、长度SL。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711061612.1A CN109756310B (zh) | 2017-11-02 | 2017-11-02 | 一种lte-a系统中cqi预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711061612.1A CN109756310B (zh) | 2017-11-02 | 2017-11-02 | 一种lte-a系统中cqi预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109756310A CN109756310A (zh) | 2019-05-14 |
CN109756310B true CN109756310B (zh) | 2020-10-20 |
Family
ID=66398299
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711061612.1A Active CN109756310B (zh) | 2017-11-02 | 2017-11-02 | 一种lte-a系统中cqi预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109756310B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101808369A (zh) * | 2009-06-30 | 2010-08-18 | 中山大学 | 一种基于cqi预测的自适应调制编码方法 |
CN101958765A (zh) * | 2010-09-27 | 2011-01-26 | 北京大学 | 信道质量指示预测与补偿的方法及系统 |
CN102594512A (zh) * | 2012-03-19 | 2012-07-18 | 北京邮电大学 | 一种基于信道互易性补偿的cqi预测方法及基站 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009132336A1 (en) * | 2008-04-25 | 2009-10-29 | Broadcom Corporation | Method and system for predicting channel quality index (cqi) values for maximum likelihood (ml) detection in a 2x2 multiple input multiple output (mimo) wireless system |
-
2017
- 2017-11-02 CN CN201711061612.1A patent/CN109756310B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101808369A (zh) * | 2009-06-30 | 2010-08-18 | 中山大学 | 一种基于cqi预测的自适应调制编码方法 |
CN101958765A (zh) * | 2010-09-27 | 2011-01-26 | 北京大学 | 信道质量指示预测与补偿的方法及系统 |
CN102594512A (zh) * | 2012-03-19 | 2012-07-18 | 北京邮电大学 | 一种基于信道互易性补偿的cqi预测方法及基站 |
Non-Patent Citations (1)
Title |
---|
cdma2000 1xEV-DV系统中信道质量指示符预测算法研究;陈泽强 等;《无线电工程》;20040330;第34卷(第3期);第2.2节 * |
Also Published As
Publication number | Publication date |
---|---|
CN109756310A (zh) | 2019-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110418416B (zh) | 移动边缘计算系统中基于多智能体强化学习的资源分配方法 | |
Lee et al. | PERCEIVE: Deep learning-based cellular uplink prediction using real-time scheduling patterns | |
US8929343B2 (en) | Method, computer program, receiver, and apparatus for determining a channel quality index | |
US8532173B2 (en) | Method and apparatus for predicting video traffic | |
CN104993857B (zh) | 一种协作波束赋形的方法及装置 | |
JP2009111973A (ja) | 干渉プラス雑音のレベルを推定するための方法および装置、ならびにコンピュータプログラム | |
GB2506937A (en) | Adaptive transmission using channel interference feedback | |
KR101852736B1 (ko) | 셀 클러스터링을 위한 방법 및 기지국 | |
US20180098332A1 (en) | Resource allocation method, apparatus, and system, and base station | |
WO2013104428A1 (en) | Method for operating a wireless network, a wireless network and a device | |
CN108243503A (zh) | 在未授权频谱中的无线电资源调度方法及使用其的基站 | |
CN109756310B (zh) | 一种lte-a系统中cqi预测方法 | |
US20140029425A1 (en) | Method And Apparatus For Inter-Carrier Load Balancing | |
CN109982439A (zh) | 基于蜂窝网络的d2d通信系统的信道资源分配方法 | |
Karmakar et al. | A learning-based dynamic clustering for coordinated multi-point (CoMP) operation with carrier aggregation in LTE-advanced | |
KR101557501B1 (ko) | 다중 셀 협력 방법 | |
US20210143931A1 (en) | Methods, apparatuses, and computer programs for link adaptation | |
US11196502B2 (en) | Methods and systems for detecting primary synchronization signal (PSS) in a wireless network | |
EP2912798A2 (en) | Queue splitting for parallel carrier aggregation scheduling | |
CN110049565B (zh) | 一种基于有效容量的5g网络功率分配方法 | |
Um et al. | A method for analyzing spectral efficiency using real-field measurement data | |
CN102546138B (zh) | 波束赋形的方法和装置 | |
Chen et al. | 5G mobile communication system based on cloud wireless access network | |
CN107257542B (zh) | 一种异步d2d网络中基于ppp分布和ofdm系统的建模方法 | |
CN108337732B (zh) | 一种上行频选调度方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |