KR20080007494A - 채널 품질 및 변조/부호화 실행 - Google Patents

Abstract

단기 링크 적응을 위해, 기지국은 가입자국에 의해 알 수 있는 채널 조건에 대한 순간 정보를 얻고, 장기 링크 적응을 위해, 기지국은 일정 기간에 걸쳐 가입자국에 의해 알 수 있는 채널 조건에 대한 분포 정보를 얻는다(901). 변조/부호화 방식은 분포에 기초하여 계산된다(905). 그 다음, 데이터는 전송을 위해 출력된다(909).

분포 정보, 신호 대 잡음비, 변조, 부호화, 분포 함수, 확률 밀도 함수

Description

채널 품질 및 변조/부호화 실행{CHANNEL QUALITY AND PERFORMING MODULATION/CODING}

<관련 출원>

본 출원은 2005년 5월 3일자로 출원된 US 가출원 제60/677228호에 대한 우선권을 주장한다.

본 발명은 일반적으로 통신 시스템에 관한 것으로, 특히 다중 반송파 통신 시스템 내에서 채널 품질을 결정하고 적응 변조/부호화를 실행하는 방법 및 장치에 관한 것이다.

다중 반송파 변조 및 직교 주파수 분할 멀티플렉싱(Orthogonal Frequency Division Multiplexing: OFDM)은 특히, 단일 반송파 시스템과 비교했을 때 긴 지연 확산에 대한 그들의 견고성 및 낮은 복잡성으로 인해 광대역의 높은 데이터 속도 통신에 매력적인 기술이다. 다중 반송파 변조 이외에, 적응 변조/부호화(Adaptive Modulation/Coding: AMC)는 또한 무선 광대역 통신에 기본적인 기술이다. AMC를 이용하여, 특정 수신기에 대한 전송된 데이터 스트림의 변조 및 부호화 방식(MCS)은 주로, 전송되는 특정 프레임에 대해 (수신기에서) 현재 수신된 신호 품질에 맞추어서 변경된다. 수신된 신호 품질은 채널 품질에 의해 결정된다. ("수신된 신 호 품질" 및 "채널 품질"이라는 용어는 서로 교환가능하게 칭해질 수 있다.) 변조 및 부호화 방식은 이동 통신 시스템에서 발생하는 채널 품질 변화를 추적하기 위해 프레임마다 변경할 수 있고, 또는 예를 들어, 수퍼-프레임 당 한번과 같이 더욱 드물게 실행될 수 있다. 그러므로, 고 품질을 갖는 스트림은 전형적으로 더 높은 순서 변조 및/또는 더 높은 부호율이 할당되는데, 품질이 떨어짐에 따라 변조 순서 및/또는 부호율이 감소한다. 고 품질을 경험하는 그러한 수신기의 경우에, 16-QAM, 64-QAM 또는 256-QAM과 같은 변조 방식이 이용되는 반면, 낮은 품질을 경험하는 수신기의 경우에, BPSK 또는 QPSK와 같은 변조 방식이 이용된다. 다수의 부호율은 품질과 전송된 신호 특성 사이에 더욱 가까운 일치를 가능하게 하기 위해, 더욱 정교한 AMC 세분성(granularity)을 제공하도록 각 변조 방식에 대해 이용될 수 있다(예를 들어, QPSK의 경우에 R=1/4, 1/2 및 3/4; 16-QAM의 경우에 R=1/2 및 R=2/3 등). AMC는 프레임 에러율을 타겟 또는 그보다 아래로 유지하면서 최고 시그널링 속도(변조 순서와 부호율의 곱)를 달성하고자 시도한다. AMC는 전형적으로 전력 제어와 같은 기타 종래의 링크 적응 기술보다 더 높은 시스템 처리율 및 더 높은 데이터 속도를 얻는다.

OFDM 시스템에서의 링크 적응은 현재의 채널 조건에 적절한, 때로는 변조/부호화 방식(MCS)이라고 칭해지는 변조 및 부호율 조합의 선택을 수반한다. (유선 DSL과 같은) 몇몇 OFDM(또는 DMT(Discrete Multi-Tone)) 시스템은 전력 할당, 부호화 또는 변조를 위해 부반송파의 인접한 서브셋을 따로따로 처리한다. 서브셋이 충분히 작은 세분성을 갖고 선택되면, FS(frequency-selective) 링크 적응이 실행 될 수 있는데, 여기에서 서브셋 상의 링크 적응은 AWGN 채널과 유사할 수 있다. 그러나, 대부분의 OFDM 시스템은 FD(frequency-diverse) 방법을 택하여, 대부분의 또는 모든 OFDM 부반송파에 걸쳐 코드워드(codeword)의 인터리빙(interleaving)을 실행한다. 각 부반송파의 SNR이 주파수 선택 페이딩(fading)으로 인해 서로 다를 수 있기 때문에, 적절한 MCS가 쉽게 결정되지 않는다. 예를 들어, 부반송파에 관한 평균 SNR에 기초한 MCS의 선택은 종종 부정확한 결과를 제공하여, 감소된 처리율 또는 추가 재전송(지연)을 초래한다.

순간 SINR이 각 부반송파마다 알려져 있을 때 MCS 선택을 위한 정확한 결과를 제공하는 것으로 알려져 있는 한가지 기술은 지수 ESM(EESM) 방법이다. 이 방법은 다음과 같이 OFDM 부반송파에 관한 단일 유효 SNR(SNR_eff로 표시)을 계산한다:

여기에서, N은 부반송파의 수이고, γ_i는 i번째 부반송파에서의 수신된 심볼 SNR이며, β는 각 MCS마다 다를 수 있는 교정 파라미터이다. SNR_eff는 주어진 MCS가 {γ₁,...,γ_N}을 갖는 주파수 선택 채널에서와 같이 SNR_eff를 갖는 정적 채널에서 동일한 프레임 에러율(FER)을 달성하게 하는 등가 정적 채널 SNR이다. EESM 방법의 이점은 단일의 경험적으로 결정된 β 값이 광범위한 FS 채널에 유효하다는 것이다. 광범위한 채널에 대한 전형적인 정확도는 1%의 타겟 FER에 대해 평가되는 <0.5 dB이다. 각 MCS마다 적절한 β값을 대체함으로써, SNR_eff 세트는 이용가능한 모든 MCS에 대해 얻어질 수 있다. 이때, 링크 어댑터는 SNR_eff에 대응하는 정적 FER이 타겟 FER보다 낮은 최고 MCS인 SNR_eff 세트에 기초하여 {γ₁,...,γ_N} 채널에 대한 최상의 MCS를 정확하게 선택할 수 있다.

링크 어댑터는 가입자국(subscriber station)(SS, 또한 이동국, 가입자국, 사용자 장치 등으로 공지됨)에 있을 수 있는데, 여기에서 SS는 최상의 데이터 속도 또는 MCA에 대한 요청을 보낸다. 링크 어댑터는 기지국(BS)에 있을 수 있는데, 여기에서 SS는 SNR_eff 세트를 BS에 보낸다.

현실적인 채널 조건 하에서 EESM을 적용할 때 몇 가지 문제점이 있다. 한 가지 문제점은 EESM이 단기(short term) 링크 적응에 사용될 때 발생한다. (단기 링크 적응이라는 말은 여기에서 사용된 바와 같이, 채널 주파수 응답이, 측정될 때의 시간과 그 측정에 기초하여 선택된 MCS를 사용하여 전송이 이루어질 때의 시간 사이에 거의 변화가 없다는 것을 의미한다.) 피드백의 양을 감소시키기 위해, 통상적으로 부정확하게 다음과 같이 가정된다:

(1) SNR_eff와 β 사이의 관계의 기존의 교정은 현재의 재전송에 정확하다.

(2) 채널의 전력 지연 프로파일의 실현은 도플러(Doppler)로 인해 프레임마다 거의 변화하지 않는다.

(3) 채널 SNR이 변할 때, SNR_eff(dB)와 β(dB) 사이의 관계는 이전의 채널 SNR의 SNR_eff(dB)와 β(dB) 관계로부터 나란히 시프트될 수 있다.

그러므로, 낮은 피드백을 유지하면서 단기 링크 적응의 정확도를 개선하는 방법 및 장치가 필요하다.

둘째로, EESM 방법은 현재 유일하게 단기 링크 적응에 이용가능하다. EESM 방법은 장기 링크 적응의 경우에, 즉 채널 응답이 (예를 들어, 큰 도플러 주파수에 적당한 레일레이 페이딩(Rayleigh fading)으로 인해) 측정과 다음 전송 사이에서 상당히 변화할 때, 정확한 MCS 선택을 제공하지 못한다. 이동 시스템 내의 다수의 SS가 단기 링크 적응을 하기에는 너무 빨리 이동하고 있을 수 있기 때문에, 장기 링크 적응을 위해 적절한 MCS 선택의 더욱 정확한 결정을 BS가 할 수 있게 하는 방법이 필요하다. 그러므로, 장기 링크 적응을 위해 수용하는 다중 반송파 통신 시스템 내에서 채널 품질을 정확하게 결정하고 적응 변조/부호화를 실행하는 방법 및 장치가 필요하다.

상술된 요구를 처리하기 위해, 다중 반송파 통신 시스템에서 채널 품질을 결정하고 적응 변조 및 부호화를 실행하는 방법 및 장치가 여기에서 제공된다. 단기 링크 적응을 위한 본 발명의 양호한 실시예에 따르면, BS는 SS에 의해 알 수 있는 채널 조건에 대한 순간 정보를 얻는다. 장기 링크 적응을 위해, 기지국(BS)은 일정 기간에 걸쳐 가입자국(SS)에 의해 알 수 있는 채널 조건에 대한 분포 정보를 얻는다. 일정 기간은 특정 수의 프레임, 최소 수의 프레임 등으로서, 또는 실제 시간 단위로 지정될 수 있다. 시간량은 양호하게, 레일레이 페이딩으로 인해 채널이 몇 개의 페이드를 경험할 수 있을 만큼 충분히 크지만, 장기 채널 특성(예를 들어, 경로 손실, 전력 지연 프로파일)이 거의 변하지 않을 만큼 충분히 짧다. 분포 정보는 확률 밀도 함수(pdf), 누적 분포 함수(cdf) 등에 관련될 수 있고, 분포 정보는 SNR_eff, SNR_band, 비트 에러율(BER), FER 등과 같이, MCS 선택을 위해 관심있는 하나 이상의 파라미터에 대한 것일 수 있다. 여기에서, SNR_band는 양호하게, 모든 점유된 부반송파 또는 대표적인 세트의 부반송파와 같이, 특정 수신된 OFDM 심볼에 대한 한 세트의 부반송파에 관한 평균 신호 대 잡음 펄스 간섭비이다.

분포 정보는 양호하게, SS에서 BS로의 피드백 오버헤드를 감소시키기 위해 압축 형태로 되어 있다. 압축 형태의 예는 분포로부터의 하나 이상의 샘플 값(예를 들어, cdf의 5% 포인트), 분포의 분석 모델에 대한 파라미터(예를 들어, 샘플 분포에 양호한 적합성을 제공하는 라이시안 분포의 파라미터) 등을 포함한다. 또한, 분포에 관한 부분 정보는 cdf의 하부 절반(0.5까지) 또는 중간 값까지의 pdf와 같이, 다시 보내질 수 있다.

도 1은 적응 변조 및 부호화를 이용하는 다중 반송파 통신 시스템의 블럭도.

도 2는 OFDM 통신 시스템에서 이용된 다중 반송파를 도시한 도면.

도 3은 채널 품질을 주파수 함수로서 도시한 도면.

도 4는 SNR_ef 대 β_dB 곡선의 스케일링 및 시프팅 효과를 도시한 도면.

도 5는 도 4로부터의 E_s/N_o = 3 dB 및 10 dB인 곡선을 도시한 도면.

도 6은 cdf를 어림하기 위해 3개의 포인트가 사용될 수 있는 방법을 도시한 도면.

도 7은 Ped B 채널에 대한 라이시안(Recian) 근사를 도시한 도면.

도 8은 AMC를 이용하는 다중 반송파 기지국 및 가입자국의 블럭도.

도 9는 도 8의 송신기의 동작을 나타내는 플로우차트.

도 10은 도 8의 가입자국의 동작을 나타내는 플로우차트.

도 11은 AMC를 이용하는 다중 반송파 기지국 및 가입자국의 블럭도.

도 12는 도 11의 송신기의 동작을 나타내는 플로우차트.

도 13은 도 11의 가입자국의 동작을 나타내는 플로우차트.

이제, 유사한 참조번호가 유사한 구성요소를 나타내는 도면을 참조하면, 도 1은 다중 반송파 통신 시스템(100)의 블럭도이다. 통신 시스템(100)은 다수의 가입자국(101-103)과 통신하는 기지국(104)을 각각 갖고 있는 다수의 셀(105)(하나만 도시됨)을 포함한다. 가입자국(101-103)은 또한 가입자국, 이동국 또는 사용자 장치로서 알려져 있을 수 있다. 본 발명의 양호한 실시예에서, 통신 시스템(100)은 AMC(Adaptive Modulation and Coding)를 이용하는 OFDM(Orthogonal Frequency Division Multiplexed) 오버 더 에어(over-the-air) 프로토콜을 이용한다. 아키텍처는 또한 1차원 또는 2차원 확산을 갖는 MC-CDMA(multi-carrier CDMA), MC-DS- CDMA(multi-carrier direct sequence CDMA), IFDMA(Interleaved Frequency Domain Multiple Access), OFCDM(Orthogonal Frequency and Code Division Multiplexing)과 같은 다중 반송파 확산 기술의 사용을 포함할 수 있고, 또는 더욱 단순한 시간 및/또는 주파수 분할 멀티플렉싱/다중 액세스 기술과 결합될 수도 있다.

본 분야에 숙련된 기술자는 OFDM 시스템의 동작 동안, 다중 부반송파(예를 들어, 768 부반송파)가 광대역 데이터를 전송하기 위해 이용된다는 것을 알 수 있을 것이다. 이것은 도 2에 도시된다. 도 2에 도시된 바와 같이, 광대역 채널은 다수의 좁은 주파수 대역 또는 부반송파(201)로 분할되는데, 데이터는 부반송파(201) 상에서 평행하게 전송된다. 전송시에, 송신기는 전형적으로 다수의 부반송파가 할당된다.

OFDM 이외에, 통신 시스템(100)은 AMC를 이용한다. AMC를 이용하여, 변조 및 부호화 포맷은 주로 수신기에서 부반송파의 현재 수신된 신호 품질에 맞추어 변경된다. 수신된 신호 품질은 한 프레임씩 얻어지거나, 또는 한 수퍼프레임씩과 같은 더 긴 시간 스케일로 얻어질 수 있는데, 수퍼프레임은 다수의 프레임으로 구성되거나, 또는 필요한 대로 구성된다. 제1 실시예에서, 동일한 변조 및 부호화 방식은 주로 특정 가입자국에 전송하기 위해 사용된 모든 부반송파에 대해 할당되고, 채널 부호화는 부반송파 전반에 걸친 주파수 영역에서 행해진다. 대안적인 실시예에서, 변조 및 부호화 방식은 부반송파마다 또는 부반송파 그룹마다 할당될 수 있다. 변조 및 부호화 방식은 이동 통신 시스템에서 발생하는 채널 품질 변화를 추적하기 위해 한 프레임씩 변경할 수 있고, 또는 더 긴 타임스케일로 변경할 수 있 고, 평균 신호 품질 표시기에 기초할 수 있다. 높은 품질을 갖는 스트림에는 더 높은 순서 변조 및/또는 더 높은 채널 부호율이 할당되는데, 품질이 떨어짐에 따라 변조 순서 및/또는 부호율이 감소한다. 고 품질을 경험하는 그러한 부반송파의 경우에, 16-QAM, 64-QAM 또는 256-QAM과 같은 변조 방식이 이용되는 반면, 낮은 품질을 경험하는 부반송파의 경우에, BPSK 또는 QPSK와 같은 변조 방식이 이용된다.

본 발명의 양호한 실시예에서, 다수의 부호율은 더욱 정교한 AMC 세분성(granularity)을 제공하기 위해, 그리고 채널 품질과 전송된 신호 특성 사이에 더욱 가까운 일치를 가능하게 하기 위해, 각 변조 방식에 대해 이용될 수 있다(예를 들어, QPSK의 경우에 부호율 R=1/4, 1/2 및 3/4; 16-QAM의 경우에 R=1/2 및 R=2/3 등). 주의할 점은 AMC는 시간 차원에서 실행될 수 있고(예를 들어, N_t OFDM 심볼 주기마다 변조/부호화를 갱신), 또는 주파수 차원에서 실행될 수 있고(예를 들어, N_sc 부반송파마다 변조/부호화를 갱신), 또는 이 둘의 조합으로 실행될 수 있다. 양호한 실시예에서, AMC는 각각의 가입자국마다 시간 차원에서 실행된다.

도 3은 신호의 품질이 주파수에 기초하여 얼마나 변할 수 있는지를 도시한 것이다. 더욱 구체적으로, 도 3은 신호의 품질(301)이 주파수 또는 채널 대역폭에 따라 얼마나 변할 수 있는지를 도시한 것이다. 이 예에서, 품질(301)은 주파수가 증가함에 따라 저하한다. 그러나, 신호(301)와 동일한 평균 신호 대 잡음 또는 신호 대 (잡음 펄스 간섭) 비(SNR)는 매우 다른 채널 품질 프로파일을 가질 수 있다는 것을 알 수 있을 것이다. 예를 들어, 품질(302)은 품질(301)과 동일한 평균 SNR을 갖지만, 품질(301)보다 더 평활한 변화를 나타낸다.

상술된 바와 같이, 고 시스템 처리율을 달성하기 위해, 시스템은 단기 또는 장기 링크 적응을 사용할 수 있다. 단기 링크 적응을 위해, 기지국은 SS로부터 순간 채널 품질 정보를 얻는다. 더욱 구체적으로, SS는 다수의 부반송파에 관한 채널 품질 정보를 컴파일하여, 그것을 BS에 보낸다.

장기 링크 적응을 위해, 기지국은 일정 기간에 걸쳐 가입자국에 의해 알 수 있는 채널 조건에 대한 분포 정보를 얻는다. 더욱 구체적으로, 다수의 부반송파에 대한 채널 품질 정보는 일정 기간에 걸쳐 가입자국에 의해 결정되고, 시간에 따른 채널 품질에 대한 정보는 다시 기지국에 보내진다. 일정 기간은 특정 수의 프레임, 최소 수의 프레임 등으로서 지정되거나, 실제 시간 단위로 지정될 수 있다. 시간량은 양호하게, 레일레이 페이딩으로 인해 채널이 몇 개의 페이드를 경험할 수 있을 만큼 충분히 크지만, 장기 채널 특성(예를 들어, 경로 손실, 전력 지연 프로파일)이 거의 변하지 않을 만큼 충분히 짧다. 채널 품질 정보는 SNR 정보, 유효 SNR 정보, FER 또는 BER 정보 등, 또는 이들 표시기의 하나 이상의 조합을 포함할 수 있다.

채널 품질 정보 및 그 시간 변화 특성은 채널 품질 정보의 누적 분포 함수(cdf), 채널 품질 정보의 확률 밀도 함수(pdf), 부분 cdf 또는 pdf 정보(이를테면, 하나 이상의 샘플 포인트) 등과 같은 분포 정보를 결정하기 위해 사용된다. 이 분포 정보는 양호하게 가입자국에 의해 결정된다. 분포 정보를 보고하고(예를 들어, 가입자국에서 기지국으로 전송됨), MCS 선택을 위해 관심있는 하나 이상의 파라미터에 대한 분포 정보를 (예를 들어, 기지국에서) 이용하는 3가지 기술이 아래에 제공된다. 그러나, 분포 정보를 보고하고, MCS 선택을 위해 관심있는 하나 이상의 파라미터에 대한 분포 정보를 이용하는 기술을 설명하기 전에, 본 발명의 양호한 실시예의 이용을 위해 필요한 배경을 설정하기 위해 다음의 텍스트 및 수학식이 제공된다.

SNR_eff는 EESM 방법 또는 그 변형을 이용하여 계산된 유효 신호 대 잡음 펄스 간섭 비이다.

SNR_band는 모든 점유된 부반송파 또는 대표적인 세트의 부반송파와 같이, 수신된 OFDM 심볼에 대한 한 세트의 부반송파에 관한 평균 신호 대 잡음 펄스 간섭비이다. 주의할 점은 SNR_band가 빠른 차량 속도에서 프레임마다 상당히 변할 수 있다는 것이다. 주의할 점은 SNR_band가

로서 계산될 수 있다는 것이다. 또한, 주의할 점은, 주어진 예가 여기에서는 SNR_eff 및 SNR_band와 관련된γ_i가 상이한 부반송파로부터의 것이지만, 일반적으로 그들은 FEC 코드워드가 인터리빙(예를 들어, 부반송파와 OFDM 심볼 주기의 조합에 관한 인터리빙)되는 부반송파 및 심볼 주기와 관련될 수 있다는 것이다. 전송 방식에 의존하여, SNR_band는 다수의 부반송파 및 다수의 심볼 주기에 걸친 평균일 수 있고, 심볼 주기는 서로 인접하거나 인접하지 않거나 할 수 있다.

EESM 링크 적응

감소된 피드백 EESM 링크 적응을 위해, SNR_eff(dB) 대 β(dB) 곡선의 모델(최적합 수학식)은 SS에서 결정되고, 다시 BS로 보내진다. 모델 및 모델 파라미터는, 예를 들어 선형(1차) 모델, 구분적(piecewise) 선형 모델, 2차 모델, 3차 모델 등일 수 있다. 이 모델은 참조 β 값에서 특정 SNR_eff를 갖는 특정 채널 실현(또는 대안적으로 대표적인 채널 실현 또는 평균 채널 실현)을 위해 결정된다. 곡선/최적합 파라미터는 SS에서 BS로 보내진다.

곡선 파라미터가 다시 BS로 보내진 다음에, SS는 이를테면 한 프레임씩, SNR_eff 값을 BS에 보낸다. 참조 β 값은 시그널링 또는 암시적 계산을 통해 선험적으로, 또는 그 값을 SNR_eff와 함께 포함하여, SS 및 BS에 의해 알려진다. 모델 곡선 파라미터는 채널 전력 지연 프로파일이 거의 변화하지 않는 한 갱신될 필요가 없게 되어 있다. 그러므로, SNR_eff가 단기 링크 적응을 위해 한 프레임씩 보고될 필요가 있을 수 있는 반면에, 하위 곡선 파라미터는 모델이 전형적으로 동일한 전력 지연 프로파일로부터의 상이한 채널 실현에 적절하기 때문에 다수의 프레임에 대해 여전히 유효할 것이고, 전력 지연 프로파일의 변화는 도플러로 인한 순간적인 복잡한 채널 이득 계수의 변화보다 훨씬 더 느리게 발생할 것이다.

단순한 곡선 시프팅 방법을 사용하여, BS에서의 각각 수신된 SNR_eff에 대해, 현재의 SNR_eff 값에 대한 SNR_eff 대 β 곡선은 최근에 BS에 보내진 곡선의 단순한 시 프트에 의해 얻어지는 것으로 추정된다. 예를 들어, SS가 (선정된 참조 β 값에 대해) 현재의 프레임에서 10 dB의 SNR_eff 값을 다시 보내고, SS가 이전에 BS에 보낸 곡선 파라미터가 (동일한 β 값에 대해) 5 dB의 SNR_eff를 가졌으면, 현재의 프레임에 대한 SNR_eff 대 β 곡선은 SS가 이전에 BS에 보낸 오리지널 SNR_eff(dB) 대 β(dB) 곡선의 모든 SNR_eff 값에 5 dB를 더함으로써 얻어질 수 있을 것이다. 즉, 모델 곡선 파라미터는 채널 SNR 변화에 관계없이 변경되지 않는 것으로 추정된다.

그러나, 상술된 단순한 시프팅 방법은 현재의 프레임에 대한 SNR_eff 대 β 곡선에서 소정의 부정확도를 초래한다. 이 방법은 SS가 현재의 SNR_eff 값을 다시 보낸 β 값 근처에서는 충분히 정확할 수 있지만, 다른 β 값에 대해서는 부정확할 수 있다. 시프트된 모델화 곡선의 정확도는 다음과 같이 본 발명에서 개선된다.

다음 설명에서, 수신된 SNR의 변화는 동일한 채널 선택도가 정확하게 주어지면 모델링될 수 있다는 것이 제시된다. BS는 오리지널 SNR_eff 대 β 곡선을 갖고 있고, 참조 β 값에서 상이한 SNR_eff 값을 각각 가정한 새로운 곡선들의 패밀리를 분석적으로 계산할 수 있다.

EESM의 정의를 상기하면, 다음과 같다:

동일한 채널 선택도(selectivity), 하지만 상이한 평균 SNR의 SNR_eff, 즉 부반송파 당 SNR 벡터가 선형 영역에서, {αγ₁,...,αγ_N}, α>0으로 스케일링되는 것으로 간주하면, 다음과 같다:

SNR_eff, β 및 α가 dB로 표현되면, 수학식 2는 다음과 같이 된다:

여기에서, α_dB = 10log₁₀α이고, EESM_dB는 β_dB의 함수로 표현되고, β_dB = 10log₁₀β이다.

EESM_dB({γ₁,...,γ_N},β_dB) 대 β_dB의 곡선이 알려져 있으면, 수학식 3은 스케일 α로 인해 임의의 SNR 값에 대해 EESM_dB({αγ₁,...,αγ_N},β_dB)의 곡선을 얻기 위해 사용될 수 있다.

주의할 점은 수학식 3을 사용하여 α≠1인 경우의 곡선을 생성하기 위해, EESM_dB({γ₁,...,γ_N},β_dB) 대 β_dB 관계가 이용가능 MCS 세트에 대응하는 β_dB 영역에서 이용가능해질 필요가 있을 뿐만 아니라, 임의의 β_dB-α_dB 값에 대해 필요로 된다는 것이다. 예를 들어, 곡선 근사 파라미터는 이용가능 MCS 세트에 대응하는 [0, 15]의 β_dB 범위에 기초하여 얻어진다. 수학식 3을 이용할 수 있기 위해, EESM_dB({γ₁,...,γ_N},β_dB) 대 β_dB 관계는 α_dB >0이고 [0, 15-α_dB ]α_dB <0이면, [-α_dB , 15]의 범위에서 요구된다. α_dB 의 범위에 의존하여, 2차 근사는 충분하지 않을 수 있고, 추가 3차 파라미터는 넓은 β_dB 범위에서 EESM_dB({γ₁,...,γ_N},β_dB) 대 β_dB 관계를 정확하게 모델링하기 위해 요구될 수 있다. 대안적으로, 작은 범위의 β_dB만이 요구되는 경우에, 예를 들어 전력 변동이 작고, 작은 범위의 MCS만이 링크 적응에 고려될 필요가 있을 때, 2차 또는 심지어 선형(1차) 근사가 충분할 수 있다.

도 4는 SNR_ef 대 β_dB 곡선의 스케일링 및 시프팅 효과를 도시한 것이다. 도 4에서, GSM TU(Typical Urban) 채널 실현은 EESM_dB({γ₁,...,γ_N},β_dB) 대 β_dB 곡선으로부터 EESM_dB({αγ₁,...,αγ_N},β_dB) 대 β_dB 곡선을 얻기 위해 단순한 곡선 시프트 방법을 사용하는 에러를 나타내기 위한 한 예로서 사용된다. 도 4에서, EESM_dB 곡선은 채널 E_S/N₀ = 3 dB 및 10dB인 경우에 대해 도시된다. E_S/N₀ = 3 dB 곡선의 평행 시프트(즉, 단순한 곡선 시프팅 방법)가 또한 도시된다. 평행 시프트된 곡선과 E_S/N₀ = 10 dB 곡선을 비교하면, 평행 시프트된 E_S/N₀ = 3 dB 곡선이 E_S/N₀ = 10 dB 곡선을 어림하기 위해 사용되는 경우에, 상당한 에러가 발생할 수 있다는 것이 명백해진다.

도 5에서는, 도 4로부터의 E_S/N₀ = 3 dB 및 10dB의 곡선이 포함된다. 제3 곡선은 E_S/N₀ = 3 dB 곡선의 다항식 근사와 함께 수학식 3의 관계를 사용하여 얻어진다. 이것은 수학식 3의 관계가 EESM_dB({γ₁,...,γ_N},β_dB) 대 β_dB 곡선으로부터 EESM_dB({αγ₁,...,αγ_N},β_dB) 대 β_dB 곡선의 정확한 곡선을 얻기 위해 사용될 수 있다는 것을 나타낸다.

설명된 방법은 전력 부스팅(boosting)이 얼마나 요구되는지에 관한 더욱 정확한 결정을 제공하기 위해 사용될 수 있다. 동일한 방법은 또한 적당한 프레임 에러율(FER)을 특정 SS에 여전히 제공하면서 송신 전력이 얼마나 감소될 수 있는지 계산하기 위해 사용될 수 있다. 전력 부스팅 또는 전력 감소 계산에 대한 개선된 정확도는 동일한 OFDM 심볼에서 스케쥴링되는 다수의 SS에 걸쳐 BS가 그 이용가능 전력 예산을 더욱 효율적으로 할당할 수 있게 한다. 다운링크에서의 전력 할당 프로세스는 또한 다운링크 전력 할당 또는 다운링크 전력 제어로 공지되어 있다.

주의할 점은 양호한 실시예가 SNR_eff와 β가 dB 스케일인 모델을 설명하지만, 모델은 또한 선형 스케일의 SNR_eff 및 β의 하나 또는 둘 다로 특징지워질 수 있다는 것이다.

SS 가 EESM SNR _eff 보고보다 오히려 정규 SNR 보고를 피드백할 수 있게 한 EESM 의 향상

이 방법에서, SS는 먼저 BS에 SNR_eff 대 β 모델을 전송한다(예를 들어, SNR_eff 대 β 곡선에 대한 선형 또는 2차 근사, 여기에서 SNR_eff 및 β는 선형 또는 dB 스케일 SNR_{eff , dB}, β_dB로 될 수 있다.) 또한, 곡선 파라미터가 얻어지는 참조 SNR_band 값(SNR_ref로 표시됨)은 모델 곡선에 대해 요구될 수 있다. SNR_ref를 제공하는 2가지 방식이 있다. 제1 방식은 곡선 파라미터와 함께 곡선에 대한 SNR_ref 값을 SS가 전송하는 것이다. 이 방법의 단점은 추가 오버헤드를 필요로 한다는 것이다. 제2 방법은 시간 전에 BS 및 SS 둘 다에게 알려진 선정된 SNR_ref 값(예를 들어, 10 dB)에 대한 곡선을 SS가 계산하는 것이다. 이때, BS는 곡선 파라미터가 선정된 SNR_ref 값에 유효하다는 것을 알고 있다. 이 방법의 경우에, SS는 스케일링 후에 SNR_band = SNR_ref가 되도록 동일한 값 q에 의해 실제 부반송파 당 SNR의 각각을 스케일링할 것이고, 그 다음에 BS에 보내기 위한 곡선 파라미터를 결정할 것이다. 그 다음, 곡선 파라미터 갱신들 사이의 정상 동작 시에, SS는 어떤 스케일링도 없이 정상 SNR_band를 다시 보낼 수 있다.

BS가 참조 SNR_ref 값에서 SNR_eff 대 β 곡선에 대한 정보를 가진 후에, SS는 (예를 들어, 곡선 파라미터 갱신들 사이에 한 프레임씩) 정상 동작시 SNR_eff 대신에 어떤 스케일링도 없이 정상 SNR_band를 다시 보낼 수 있고, BS는 수학식 3에 기초한 관계를 사용함으로써 SS로부터의 각각의 수신된 SNR_band에 대한 SNR_eff 대 β 곡선을 다시 계산할 수 있다:

SNR _band 에 대한 CDF 포인트

본 발명의 제1 실시예에서, 누적 분포 함수는 부반송파의 주파수 대역에 대한 신호 대 잡음비에 대해 얻어진다. 이 실시예의 경우에, SS는 최종 100 프레임에 대한 것과 같은, 양호하게 다수의 채널 스냅숏에 대한 주파수 대역(SNR_band) 값의 평균 SNR을 저장한다. 즉, SS는 각각의 부반송파에 대한 SNR을 모니터하고, 전체 주파수 대역(SNR_band)의 평균을 계산한다. SNR_band는 시간에 따라 얻어지는 다수의 SNR_band 값으로 일정 기간 동안 모니터된다. 그 다음, SS는 SNR_band의 값을 오름 차순으로 분류하고, 몇 가지 단순한 계산 후에, SNR_band 값의 분포(예를 들어, cdf)의 평가를 결정한다. 그 다음, SS는 샘플에 기초한 cdf로부터의 하나 이상의 점을 다시 BS에 보낸다. 예를 들어, SS가 5% 포인트(예를 들어, 채널 스냅숏의 5%가 동일한 또는 그보다 낮은 값을 가졌던 SNR_band 값), 20% 포인트 및 50% 포인트와 같은 cdf로부터의 3개의 특정 포인트를 다시 보낼 것이라는 선정된 규칙이 있을 수 있 다.

도 6은 이들 3개의 포인트가 Ped B 채널의 경우에 cdf를 어림하기 위해 사용될 수 있는 방법을 도시한 것이다. 알 수 있는 바와 같이, 이 2개의 선형 근사는 0.02(2%)와 0.7(70%) 사이의 cdf 값에 대해 우수하다. 전형적으로, cdf 곡선은 전체적으로 요구되지는 않으므로, (0.05와 0.5 사이의 cdf 값에 대한 cdf와 같이) cdf의 일부분만이 또는 그 근사치가 피드백될 필요가 있다.

BS는 SS로의 후속 전송을 위한 MCS 레벨을 선택하는 프로세스를 돕기 위해 그 정보를 사용할 수 있다. 예를 들어, SS로의 채널이 기본적으로 플랫(flat) 페이딩된다는 것을 BS가 알고 있으면, BS는 적절한 MCS 레벨을 결정하기 위해 정적 FER 대 SNR 곡선을 사용할 수 있다는 것을 알고 있고: SS에 의해 보고된 5% 포인트의 SNR_band 값에서 무시할 만한 FER을 갖는 MCS 레벨을 선택함으로써, BS는 그 MCS 레벨을 사용하는 전송이 에러를 가질 가능성이 약 5% 있다는 것을 알고 있다(X% 포인트에서 무시할 수 없는 FER을 갖는 MCS 레벨의 경우에, 프레임 에러의 확률은 (1-(1-FER_ref)(1-0.01X)로서 예측될 있고, 여기에서 FER_ref는 X% cdf 포인트에 대응하는 SNR에서의 정적 FER이다). 이러한 유형의 정보는 BS가 얼마나 공격적으로 MCS 선택이 되게 할지 결정하는 것을 돕고, 채널 자원이 후속 프레임에서 재전송을 위해 얼마나 요구될지 예상하기 위해 사용될 수 있다.

BS는 또한 BS에서의 분포 정보의 더욱 정교한 세분성을 제공하기 위해 SS에 의해 제공된 포인트들 사이에서 보간할 수 있고, 또한 SS에 의해 보고된 범위를 넘 어서 근사 분포 정보를 제공하기 위해 외삽할 수 있다. 시뮬레이션 결과는 SS가 그 범위 내의 분포로부터 2개 또는 양호하게 3개의 포인트를 다시 보냄으로써 BS가 관심있는 영역(예를 들어, 1% 내지 50% 범위) 내의 분포의 상당히 정확한 근사를 재구성할 수 있다는 것을 나타낸다. 그 다음, BS는 "포인트들을 연결하여" 외삽함으로써 (3개의 포인트의 경우에 대한) 단순한 2개의 선분 근사를 사용할 수 있다.

주의할 점은 상기 설명이, SS가 일정 기간 동안 cdf를 측정한 다음에 소정의 cdf 정보를 다시 BS에 보내는 것으로 가정한다는 것이다. 대안적인 방법은 BS가 직접 cdf를 생성하기 위해 필요한 정보를 갖도록, SS가 일정 기간 동안 자주(예를 들어, 프레임마다, 몇몇 프레임마다) SNR 보고를 다시 보내는 것이다. 그러나, 이 후자의 방법은 SS 기반의 방법보다 더 많은 피드백을 필요로 한다.

이때까지, 지금까지 설명된 방법은 플랫 페이딩 채널에 대해 정확하지만, 주파수 선택 채널에서는 정확도가 감소된다는 문제가 생길 것이다. 그러므로, EESM 향상은 SNR_eff 대 β 곡선을 가끔 다시 보냄으로써 cdf 기술을 임의의 채널 유형에 이용할 수 있게 하기 위해 사용된다. 기본적으로, BS가 SNR_eff 대 β 곡선을 가질 때, BS는 SNR_band cdf 상의 임의의 포인트를 SNR_eff cdf 상의 한 포인트로 변환할 수 있다. X% cdf 포인트가 SNR_band에 대해 알려져 있을 때, 우리는 다음과 같이 특정 β 값에서 SNR_eff에 대한 X% 포인트를 결정할 수 있다:

여기에서, SNR_{eff ,X%}는 지정된 β 값에 대한 SNR_eff cdf의 X% 포인트이고, SNR_band,X%는 SNR_band cdf의 X% 포인트이다.

이 방법에 기초하여, BS는 (예를 들어, BS로부터 피드백된 포인트, 및 곡선 근사 또는 선분에 기초하여) 관심있는 영역에서 SNR_band cdf 곡선에 대한 근사를 구성할 수 있고, 그 다음 원하는 만큼의 그 cdf로부터의 많은 포인트를 SNR_eff에 대한 cdf 포인트로 변환할 수 있고, 이것은 MCS 선택을 돕기 위해 필요한 정보를 제공하기 위해 관심있는 각각의 β(예를 들어, 각 MCS의 β)에 대해 행해질 수 있다. 이 경우에, SNR_eff는 특정 MCS 레벨에 대한 에러의 확률 또는 성능을 평가하기 위해 정적 FER 곡선에서의 SNR 값으로서 사용된다.

이 방법의 대안적인 실시예는 SNR_band cdf 값에서 SNR_eff cdf 값으로 변환하기보다는 오히려 전체적으로 SNR_eff 영역에서 작업한다. 이 대안적인 실시예에서, SS는 일정 기간 동안 특정 β 값에 대한 SNR_eff 값을 저장하고, 그 β 값에서 SNR_eff 값에 대한 cdf를 결정한다. 그 다음, SS는 이 cdf로부터의 샘플을 BS에 보내고, BS는 SNR_eff cdf로 직접 작업할 수 있다. cdf 샘플이외에, SS는 또한 곡선 파라미터와 같은 SNR_eff 대 β 곡선 정보를 보낼 필요가 있다. BS는 또한 어떤 β값이 SS에 의해 보내지는 cdf 정보와 관련되는지(즉, cdf를 결정할 때 SS에 의해 사용된 β)를 알 필요가 있다. 이 정보를 제공하는 2가지 방법이 있다. 첫 번째 방법에서, SS 는 cdf 샘플 이외에 cdf에 대한 β값을 보낸다. 두 번째 방법에서는, SS가 BS에 β값을 보낼 필요가 없도록, β값은 지정되어, 시간 전에 BS 및 SS에게 알려진다. 일단 BS는 cdf 샘플, SNR_eff 대 β 곡선 정보, 및 cdf에 대한 β값을 갖고 있으면, 그외 다른 β값에 대한 cdf 샘플을 계산할 수 있고, MCS 선택 프로세스를 돕기 위해 이들을 사용할 수 있다. 임의의 β값에 대한 X% cdf 포인트의 결정은 다음 방법에 기초하여 가능하다. 먼저, 오리지널 cdf를 β_ref로서 표시된 공지된 β값에 대해 이용할 수 있게 한다. 다음에, 오리지널 cdf 상의 X% SNR_eff 포인트를 통과하는 SNR_eff 대 β 곡선이 결정된다(이 곡선은 적절하게 곡선을 시프트하기 위해 수학식 3을 사용하여, SS에 의해 미리 보내진 SNR_egg 대 β 곡선 정보로부터 구해질 수 있다). 이 새로운 SNR_eff 대 β 곡선은 curve_X로서 표시된다. 마지막으로 임의의 β값에 대한 X% cdf 포인트는 관심있는 β값에서 curve_X로부터 SNR_eff 값을 취함으로써 얻어진다. 이 절차는 몇 개의 cdf 포인트에 대해 반복될 수 있다.

모델 기반의 분포 근사

모델 기반의 분포 근사에서는, 이전의 섹션에서 제안된 바와 같이 분포 함수로부터의 샘플을 다시 보내는 대신에, 분석적 모델이 가정되고, SNR 분포의 특징을 나타내기 위해 사용된다. 제2 실시예에서, 사용되는 특정 모델은 BS 및 SS에게 알려지고, SS는 모델의 특징을 나타내기 위한 파라미터 세트를 결정하고, 그들 파라미터를 다시 BS에 보낸다. 그러므로, SS는 각각의 부반송파에 대한 SNR을 모니터 하고, 전체 주파수 대역(SNR_band)에 대한 평균을 계산한다. SNR_band는 시간에 따라 얻어지는 다수의 SNR_band 값이 일정 기간 동안 모니터된다. 그 다음, SS는 다수의 SNR_band 값을 특정 함수에 맞추고자 시도한다. 그 다음, 소정의 함수 파라미터는 기지국으로 피드백된다.

제1 실시예에서는, SNR pdf에 대한 라이시안 모델이 이용된다. 다른 잠재적으로 유용한 모델은 SNR pdf의 가우스 분포이다. 다수의 모델이 특정 시스템에 유용한 것으로 알려지면, SS는 모델 파라미터 이외에 모델 지정자를 보낼 수 있다(예를 들어, 모델 인덱스 = 1이면, SS는 라이시안 모델을 사용하고 있고, 또는 모델 인덱스 = 2이면, SS는 가우스 모델을 사용하고 있다).

BS는 (이때 SS로부터 수신된 모델 가정 및 모델 파라미터에 기초하여) SNR_band cdf의 근사를 계산할 수 있다. 그 다음, 이 cdf는 상술된 것과 동일한 방식으로 사용될 수 있다.

SS는 SNR_band보다 오히려 SNR_eff에 대해 모델링, 파라미터 계산, 및 모델 파라미터의 피드백을 실행할 수 있지만, 시뮬레이션은 더욱 양호한 모델 적합도가 일반적으로 SNR_eff보다 SNR_band에 대해 얻어질 수 있다는 것을 나타낸다. 모델링이 SNR_eff에 대해 행해지면, 수학식 3은 상이한 β값에 대한 cdf 값을 얻기 위해 사용될 필요가 있을 것이라는 것을 알기 바란다.

라이시안 모델: SNR_band의 평균 및 표준 편차가 각각 μ 및 υ라고 하자. SNR_badn의 분포는 비중심 카이(chi) 제곱 분포 Y에 의해 근사될 수 있다:

여기에서, I₀는 제1 종류의 변경된 베셀 함수이다. s 및 σ는 다음 수학식에 의해 μ 및 υ로부터 얻어진다:

진폭에 대한 라이시안 분포는 변수

의 변화에 의해 얻어진다.

도 7은 Ped B 채널에 대한 라이시안 근사를 도시한 것이다. 라이시안 근사는 10 dB의 평균 SNR에서 Ped B 채널에 대해 매우 양호하다. 라이시안 분포가 단 2개의 파라미터에 의해 완전히 지정되기 때문에, 그것은 최소 피드백 요구조건을 갖는다. 주의할 점은 SS가 SNR_band 분포의 평균 및 표준 편차를 보낼 수 있고, 또는 비중심 카이 제곱 분포를 결정하는 파라미터인 s 및 σ를 계산할 수 있다는 것이다. 대안적으로, SS는 라이시안 분포의 특성을 나타내는 파라미터를 보낼 수 있다.

일반적으로, 현재 SNR_egg 대 β의 형태는 채널의 상대 주파수 선택도에 대한 정보를 결정하기 위해 사용될 수 있다. 예를 들어, 플랫 페이딩에서, 곡선은 평평 한 선으로 된다. 매우 주파수 선택적인 채널에서, 곡선 기울기는 커진다. 곡선 기울기가 클수록, 보다 작은 SNR 변화가 프레임마다 발생할 것이다. 곡선 파라미터(예를 들어, 2차 및 1차 계수), 또는 하나 이상의 β값에서의 국부적인 기울기와 같은 곡선의 형태는 링크 적응 프로세스를 돕기 위해 사용될 수 있다. 한 예에서, SNR_eff 대 β 곡선이 수평선에 가까우면(수평축 위에 β가 있음), 채널은 낮은 주파수 다이버시티를 갖고, 분포는 플랫 레일레이 페이딩으로서 근사될 수 있다. 곡선 형태가 다량의 채널 주파수 다이버시티를 나타내면, 분포는 프레임들 사이의 잠재적으로 낮은 SNR 변화를 나타내는 상대적으로 더 가파른 기울기를 가질 것이다. 이와 유사하게, SNR_band의 cdf의 모양은 채널 조건의 표시기로서 쓰일 수 있다.

그 다음, 기지국은 SNR_eff 대 β 곡선 또는 SNR_band의 cdf의 모양에 기초하여 MCS 선택을 할 수 있다. 더욱 구체적으로, cdf의 모양을 알면, BS가 SS의 MCS 레벨을 더욱 정확하게 결정할 수 있게 한다. 예를 들어, cdf가 기본적으로 수직선이고, SS가 ARQ 없이 실시간 서비스를 수신하고 있으면, BS는 SNR이 프레임들 사이에서 거의 변하지 않을 것이고, MS 선택이 임의의 상당량의 페이딩 마진을 포함할 필요가 없다는 것을 안다. 곡선의 기울기가 감소하면, BS는 MCS 선택에서 포함하기 위한 적당량의 페이딩 마진(또는 대안적으로 전력 부스팅)을 계산할 수 있다.

도 8은 AMC를 이용하는 다중 반송파 기지국(800) 및 가입자국(801)의 블럭도이다. 상술된 바와 같이, 기지국(800)은 수신기에 전송될 데이터를 수신하고, 그것을 다수의 부반송파에 걸쳐서 부호화함으로써 데이터를 효과적으로 전송한다. 단일 변조 및 부호화 방식은 한 세트의 부반송파에 사용되고(예를 들어, 부반송파는 특정 SS에 전송하기 위해 사용되고), 주로 모든 점유된 부반송파의 채널 품질에 의존한다. 그러므로, 데이터는 송신기에 입력되고, 적응 변조기 및 코더(803)를 통해 효과적으로 변조되고 부호화된다. 적절한 변조 및 부호화 후에, 데이터 스트림은 다수의 부반송파 상에서 (송신기(805)를 통해) 전송된다.

가입자국(801)은 수신기(809)로부터 오버 더 에어 신호를 수신하는 채널 분석기(813)를 포함한다. 채널 분석기(813)는 다수의 부반송파 또는 부반송파 세트의 각각에 대한 SNR 값을 결정하고, 시간에 따라 광대역 SNR 메트릭(예를 들어, SNR_badn, 또는 대안적으로 SNR_eff)를 구하기 위해 사용된다. 본 발명의 제1 실시예에서, 메트릭(예를 들어, SNR_badn, 또는 대안적으로 SNR_eff) 값은 랭크 순서가 정해지고, 분포 함수는 랭크 순서화에 기초하여 (분포 결정기(815)에 의해) 결정된다. 분포 결정기(815)는 채널 분석기(813)로부터의 입력에 기초하여 SNR_band(또는 대안적으로 SNR_eff)의 신호 품질 분포를 생성한다.

본 발명의 제1 실시예에서, 분포 결정기(815)는 분포 함수의 하나 이상의 특정 포인트를 기지국(800)에 다시 전송하기 위해 송신기(811)를 이용한다. 예를 들어, 분포 결정기(815)는 5% 포인트(예를 들어, 채널 스냅숏의 5%가 동일한 또는 그보다 낮은 값을 가진 SNR_band 값), 20% 포인트 및 50% 포인트를 결정하고, 이들 값을 기지국(800)에 전송할 수 있다. SNR_badn가 설명되었지만, 분포 결정기는 참조 β값 에 대한 SNR_badn 또는 SNR_eff 값으로 작업할 수 있다.

본 발명의 제2 실시예에서, 분포 결정기(815)는 랭크된 SNR_band 값으로부터 얻어진 분포에 곡선을 맞춘다. SNR_band 값에 맞춰지는 곡선에 의존하여, 곡선을 정의하는 특정 변수가 (송신기(811)를 통해) 다시 기지국(800)으로 전송될 것이다. 예를 들어, 라이시안 분포의 근사를 사용하여, SS는 SNR_band 분포를 어림하는 비중심 카이 제곱 분포를 결정하는 파라미터인 s 및 σ를 다시 보낼 수 있다. 다시, SNR_band에 대해 설명되었지만, 실시예는 대안적으로 참조 β값에 대한 SNR_eff를 사용할 수 있다.

본 발명의 양호한 실시예에서, BS(800)에서의 변조기/부호기(803)는 채널 대역폭의 채널 품질에 의존하는 변조 및 부호화 방식을 이용한다. 제1 실시예가 이용되는지 제2 실시예가 이용되는지에 따라, 분포 재구성기(808)는 시간에 따른 SNR 분포에 대한 최적합 곡선을 정의하는 파라미터를 수신하거나, 또는 cdf 곡선의 다양한 값을 수신할 것이다. 하나 이상의 분포 포인트가 제공되면, 재구성기(808)는 채널 품질 표시기의 분포의 일부를 재구성할 수 있다(분포의 한 포인트만이 수신되면, 재구성은 수신된 것과 동일한 값을 제공하는 것으로 디폴팅한다). 재구성기(808)는 cdf 곡선의 값, 또는 최적합 곡선을 정의하는 파라미터에 기초하여 분포를 재구성한다. 분포 재구성기(808)는 채널 인스턴스의 X%에 대해, 실제 SNR이 SNR_X 이하가 되게 하는 SNR인 SNR_X를 이용할 수 있다. 예를 들어, SNR₁₀은 0.1의 cdf 값에 대응하는 SNR 값이다.

분포 재구성기로부터 분포 정보를 수신한 후, MCS 선택기는 이용할 수 있는 가능한 변조 및 부호화 방식의 수에 대한 예상 채널 품질(γ_eff)을 계산한다. 그 다음, MCS 선택기(807)는 원하는 포인트에 대한 최상의 변조 및 부호화 방식을 선택한다. 특히, 기지국은 전형적으로 최고 가능한 처리율을 획득하는 MCS를 선택하는데, 선택된 MCS는 일반적으로 타겟 FER보다 낮은 예상 FER을 갖는다. 또한, 재구성된 분포의 형태(예를 들어, 관심있는 영역에서의 기울기)는 MCS 선택 프로세스를 돕기 위해 사용될 수 있다. 예를 들어, 가파른 cdf 기울기는 MCS 선택이 단기적으로 정확할 가능성이 있다는 것을 나타내므로, MCS가 10% FER 포인트에 기초하여 선택되면, 심지어 높은 도플러에서도 다음 전송에서 정확하게 수신될 가능성이 90%이다. 한편, 분포의 형태가 높은 도플러 상황에서의 플랫 페이딩의 분포 형태에 가까우므로, 10% FER 포인트에 기초하여 선택된 MCS는 단기적으로보다는 오히려, 페이딩에 대한 평균으로 수신될 가능성이 90%이다. 결과적으로, 가파른 기울기의 경우에 대한 MCS 선택은 단기적으로 더욱 정확하게 간주될 수 있어, 더욱 적극적인 MCS 선택(예를 들어, 보다 적은 페이드 마진)을 할 수 있게 한다.

도 9는 도 8의 기지국(800)의 동작을 나타내는 플로우차트이다. 논리 흐름은 단계(901)에서 시작되는데, 여기에서 재구성기(808)는 신호 품질 분포 정보를 수신한다. 이 분포 정보는 분포를 나타내는 cdf의 하나 이상의 포인트를 포함할 수 있고, 또는 라이시안 분포 또는 기타 모델 기반의 분포의 경우에 분포를 나타내 는 파라미터를 포함할 수 있다. 단계(903)에서, 분포 재구성기(808)는 분포 정보로부터 채널 품질 표시기의 분포를 재구성하고, 이것을 MCS 선택기(807)에 보낸다. 예를 들어, 재구성기(808)는 최소한 X%의 샘플 상에서 관측된 유효 채널 품질인 CQ_X를 계산할 수 있다(즉, 계산되는 것보다 작은 SNR_eff를 관측하는 확률은 X%이다).

단계(905)에서, 선택기(807)는 재구성기(808)에 의해 생성된 분포에 기초하여 MCS를 결정한다. 더욱 구체적으로, 제1 실시예에서, 선택기(807)는 CQ_X에 대한 모든 후보 MCS 방식에 대해 예상 FER을 계산한다. 몇몇 경우에, FER은 계산될 필요가 없을 수 있다. 그 경우에, 임계치 비교는 요구된 SNR_eff 테이블/테이블들로부터 관심있는 1% 또는 다른 FER에 대해 이루어질 수 있다. 후보 MCS 방식은 이용가능 MCS 방식의 전부 또는 서브셋일 수 있다. 대안적으로, 보간 기술은 몇몇 MCS에 대한 예상 FER을 계산하기 위해 사용될 수 있다. 단계(905)에서 선택된 MCS는 예상 FER 값에 기초한다. 특히, 예상 FER이 타겟 값(전형적으로 10^-1)보다 낮은 최고 가능 처리율을 갖는 MCS가 선택된다. 단계(907)에서, 데이터 스트림은 MCS로 적절하게 변조되고 부호화되는 변조기 및 부호기(803) 내로 입력되고, 데이터 스트림은 단계(909)에서 송신기(805)를 통해 전송된다.

설명된 바와 같이, 재구성된 분포의 형태(예를 들어, 관심있는 영역에서의 기울기)는 MCS 선택 프로세스를 돕기 위해 MCS 선택기(807)에 의해 사용될 수 있다. 예를 들어, 가파른 cdf 기울기는 MCS 선택이 단기적으로 정확할 가능성이 있 다는 것을 나타내므로, MCS가 10% FER 포인트에 기초하여 선택되면, 심지어 높은 도플러에서도 다음 전송에서 정확하게 수신될 가능성이 90%이다. 한편, 분포의 형태가 높은 도플러 상황에서의 플랫 페이딩의 분포 형태에 가까우므로, 10% FER 포인트에 기초하여 선택된 MCS는 단기적으로보다는 오히려, 페이딩에 대한 평균으로 수신될 가능성이 90%이다. 결과적으로, 가파른 기울기의 경우에 대한 MCS 선택은 단기적으로 더욱 정확하게 간주될 수 있어, 더욱 적극적인 MCS 선택(예를 들어, 보다 적은 페이드 마진)을 할 수 있게 한다.

도 10은 가입자국(801)의 동작을 나타내는 플로우차트이다. 논리 흐름은 단계(1001)에서 시작되는데, 여기에서 각각 이용된 서브-채널은 그 품질을 결정하기 위해 분석기(813)에 의해 분석된다. 각 샘플에 대해 얻어진 채널 품질은 분석기(813) 내에 저장된다. 단계(1003)에서, 신호 품질에 대한 분포는 결정기(815)에 의해 결정되고, 이 분포의 최소한 일부를 나타내기 위해 필요한 파라미터가 계산된다. 단계(1005)에서, 분포의 최소한 일부를 나타내기 위해 필요한 파라미터는 적절한 MCS의 결정을 돕기 위해 기지국(800)으로 다시 보고된다. 최종적으로, 단계(1007)에서, 데이터는 적절한 MCS로 변조되고 부호화되어 수신된다.

상술된 바와 같이, 송신기(800) 및 수신기(801)는 빠른 AMC를 이용하여 동작될 수 있다. 그러한 시나리오에서, SNR의 어떤 분포도 필요로 되지 않을 것이고, 분포 결정기(815) 및 분포 재구성기(808)는 각각 곡선 결정기 및 곡선 재구성기로 교체될 것이다. 이것은 도 11에 도시된다.

도 12는 빠른 AMC에 대한 도 11의 송신기(1100)의 동작을 나타내는 플로우차 트이다. 논리 흐름은 단계(1201)에서 시작되는데, 여기에서 곡선 재구성기(1108)는 수학식 3을 사용하여, 참조 SNR 값인 SNR_ref에 대해 얻어진 SNR 대 β 곡선을 수신한다. 대안적으로, 재구성기(1108)는 SNR_eff 대 β 곡선을 수신할 수 있다. 단계(1203)에서, 곡선 재구성기(1108)는 현재의 SNR을 나타내는 SNR 값을 SS(1101)로부터 수신한다. 단계(1205)에서, MCS 선택기(1107)는 단계(1201)에서 보내진 참조 곡선 및 수학식 3을 사용하여 단계(1203)에서 보내진 SNR 값에 기초하여 SNR 대 β 곡선을 계산한다. 단계(1207)에서, 선택기(1107)는 단계(1205)에서 계산된 SNR 대 β 곡선을 사용하여 주어진 MCS에 관련된 β값에 대한 SNR_eff를 계산함으로써 다수의 후보 MCS 방식에 대해, FER에 관한 SNR_eff를 계산한다. 후보 MCS 방식은 이용가능 MCS 방식의 전부 또는 서브셋일 수 있다. 대안적으로, 보간 기술은 몇몇 MCS에 대한 예상 FER을 계산하기 위해 사용될 수 있다. 이용된 MCS는 예상 FER 값에 기초하여 단계(1209)에서 선택된다. 특히, 예상 FER이 타겟 값(전형적으로 10^-1)보다 낮은 최고 가능 처리율을 갖는 MCS가 전형적으로 선택된다. 단계(1209)에서, 데이터 스트림은 적절하게 변조 및 부호화되어 송신기(405) 내로 입력되고, 데이터 스트림은 단계(1211)에서 전송된다.

도 13은 빠른 AMC에 대한 수신기(1101)의 동작을 나타내는 플루우차트이다. 논리 흐름은 단계(1301)에서 시작되는데, 여기에서 SNR_eff 대 β 곡선은 현재 채널인스턴스에 대한 현재의 SNR 및 참조 SNR 값과 함께 곡선 결정기(1115)에 의해 결 정된다. 이것은 채널 분석기(1113)에 의해 제공된 SNF 값을 분석함으로써 달성된다. 단계(1303)에서, 현재의 채널에 대한 SNR 대 β 곡선은 송신기(800)에 의해 현재 사용되는 이전에 보내진 SNR 대 β 곡선과 결정기(115)에 의해 비교된다. 현재 채널에 대한 곡선이 이전에 보내진 곡선과 충분히 다르면(예를 들어, 최소 제곱 에러가 β값의 선정된 범위에서 2 dB보다 더 크면), SNR 대 β 곡선을 나타내는 파라미터는 송신기에 보고된다. 단계(1305)에서, SNR은 송신기(1111)를 통해 송신기(1100)에 보고된다. 최종적으로, 단계(1307)에서, 데이터는 적절한 MCS로 변조되고 부호화되어 수신된다.

본 발명은 특히 특정 실시예와 관련하여 도시되고 설명되었지만, 본 분야에 숙련된 기술자들은 본 발명의 정신 및 범위를 벗어나지 않고서 형태 및 상세의 다양한 변경이 이루어질 수 있다는 것을 이해할 것이다. 예를 들어, 본 발명은 OFDM에 대해 설명되었지만, 다중 반송파 변조를 사용하는 임의의 시스템에 적용될 수 있다. 부수적으로, MCS 선택은 이용가능 데이터 스트림의 일부에 대해서만 사용될 수 있는데, 그외 다른 데이터 스트림은 공지된 MCS 선택 기술(예를 들어, 평균 SNR 값에 기초함)을 사용할 수 있다. 다른 예에서, SNR_band는 혼성 ARQ 상황에서 결합하는 부호의 효과를 포함할 수 있는 수신된 심볼 SNR 세트의 평균일 수 있다. 그러한 변경은 다음의 청구 범위 내에 포함될 수 있다.

Claims (9)

1. 적응 변조 및 부호화를 위한 방법에 있어서,

   시간에 따른 광대역 채널의 신호 대 잡음비(SNR)에 대한 분포 정보를 수신하는 단계;

   상기 광대역 채널에 대한 SNR의 분포를 결정하는 단계;

   상기 분포에 기초하여 적응 변조 및 부호화 방식을 결정하는 단계; 및

   상기 적응 변조 및 부호화 방식에 기초하여 데이터를 변조하고 부호화하는 단계

   를 포함하는 적응 변조 및 부호화 방법.
2. 제1항에 있어서, 상기 SNR에 대한 분포 정보를 수신하는 단계는 가입자국(subscriber station)으로부터 상기 분포 정보를 수신하는 단계를 포함하는 적응 변조 및 부호화 방법.
3. 제1항에 있어서, 상기 분포 정보를 수신하는 단계는 분포 함수의 하나 이상의 포인트들을 수신하는 단계를 포함하는 적응 변조 및 부호화 방법.
4. 제3항에 있어서, 상기 분포 함수의 하나 이상의 포인트들을 수신하는 단계는 확률 밀도 함수의 하나 이상의 포인트들을 수신하는 단계를 포함하는 적응 변조 및 부호화 방법.
5. 제1항에 있어서, 상기 분포 정보를 수신하는 단계는 시간에 따른 상기 광대역 채널의 SNR에 적합한 공지된 함수에 대한 파라미터들을 수신하는 단계를 포함하는 적응 변조 및 부호화 방법.
6. 제5항에 있어서, 상기 시간에 따른 상기 광대역 채널의 SNR에 적합한 공지된 함수에 대한 파라미터들을 수신하는 단계는 라이시안(Ricean) 분포에 대한 파라미터들을 수신하는 단계를 포함하는 적응 변조 및 부호화 방법.
7. 광대역 신호를 수신하는 단계;

   시간에 따른 상기 신호에 대한 SNR 값들을 계산하는 단계;

   시간에 따른 상기 신호에 대한 SNR 값들의 분포를 결정하는 단계; 및

   적응 변조 및 부호화에서 사용하기 위해 기지국에 분포 정보를 제공하는 단계

   를 포함하는 방법.
8. 제7항에 있어서, 상기 기지국에 분포 정보를 제공하는 단계는

   상기 SNR 값들에 대한 최적합(best-fit) 함수를 계산하는 단계; 및

   상기 최적합 함수에 관한 변수들을 상기 기지국에 제공하는 단계

   를 포함하는 방법.
9. 제7항에 있어서, 상기 기지국에 분포 정보를 제공하는 단계는

   상기 SNR 값들의 확률 밀도 함수를 계산하는 단계; 및

   상기 확률 밀도 함수에 관한 하나 이상의 데이터 포인트들을 상기 기지국에 제공하는 단계

   를 포함하는 방법.

Images