ofdm系统仿真中单互信息rrm映射方法的研究.docxVIP

ofdm系统仿真中单互信息rrm映射方法的研究 1 动态值映射方法dvi和多通道级仿真器 在不同的移动速度环境下，高速率低延迟数据传输是未来移动通信系统的一个重要特征。由于OFDM (A)具有高频谱利用率和低符号间干扰(ISI)的优越特点,它一直被认为是下一代移动通信网络复用和多址的首选技术之一。 众所周知,无线系统仿真器一般用于无线网络性能的评估。然而,具有较高分辨率和较长仿真时间要求的系统仿真将导致沉重的系统计算负担,有时甚至是不可承受的。因此,分离的链路和系统级仿真器对于网络性能的评估是必需的。但是这样就必须定义两个仿真器之间的数据交互方法。在以前的文献中,链路级和系统级仿真器之间一般使用平均值接口和真实值接口(AVI)的方法。但是由于这两种方法的不精确性和复杂性,如果把它们用于基于OFDM技术的多载波通信系统评估不是很有效。同时,文献也讨论了基于特征值分布的映射方法,但是计算特征值却增加了计算的复杂度。文献探讨了基于动态值映射的方法(DVI)。在这种方法中,链路级和系统级仿真器并行运行,系统根据系统级仿真器中定义的拓扑结构来计算信号功率,然后这个值被实时传递给链路级仿真器来决定传输的数据是否是正确的。然而,DVI方法的极度复杂性也限制了它的应用。 在最近的3GPP提案和标准化工作中,几个基于有效SINR概念的链路和系统级映射方法已经被提出,这几种方法能够被有效地用于基于OFDM的多载波通信系统中。然而,目前对它们的介绍和研究在中英文文献中都没有看到。为了研究它们的原理、性能和特点,在这篇论文中,我们将主要探讨在目前和未来的多载波移动通信系统中两种主要的链路和系统级映射方法(L2S):指数有效SINR映射(EESM)和互信息有效SINR映射(MI-ESM)。 EESM 是一种非常简单且易于实现的方法,当使用它的时候,一个终端的所有子载波都必须使用相同的调制和编码方式(MCS)。而MI-ESM 是一种更高级的映射方法,它不会要求一个终端的所有子载波都使用相同的调制编码方式(MCS)。这两种方法的基本思想是统一的,都是要找到一个压缩函数把一组不同的SINR序列映射成一个单一的SINR值,然后通过这个值我们就能够查表得到真实的SINR值。 本文将重点阐述在系统仿真器中如何把一个多状态信道转化为一个单状态信道,以及有效SINR方法如何反映多个子载波SINR的性能,同时也要讨论有效SINR映射方法的优缺点以及它们对系统RRM设计的影响(例如,EESM情况下的功率分配)。而且,同时我们也会提及如何去构建链路和系统级映射表 (MCS, SINR, BLER)。 2 信号模型的建立 很明显,能够进行准确系统级仿真的关键之处是能够根据一个即时信道状态(例如OFDM系统每个子载波的SINR)得到相应的误块率(BLEP)。如果用一组SINR值的集合来查找BLER值,那么链路级表格就太复杂了。这样,为了解决这个问题,文献和就提出了用有效SINR映射(ESM)的方法把多个OFDM子载波的SINR值 {γk}先映射成一个有效的SINR值γeff,然后再用这个有效的SINR值 从一条基本的AWGN链路级性能曲线上查找到BLER的估计值。 对于这种有效SINR映射方法(ESM),很明显下面的近似等式应该成立: BLEΡ({γk})≈BLEΡAWGΝ(γeff)(1)BLEP({γk})≈BLEPAWGN(γeff)(1) 这里BLEP({γk})是和即时信道状态{γk}对应的真实信息包的错误概率(误块率); BLEPAWGN(γeff)是AWGN信道情况下的误块率。 公式(1)必须对所有类型的信道都是成立的,也就是说,所有的信道条件下的SINR集合经过有效SINR映射之后,都可以只查找一条AWGN下的性能曲线。 为了满足式(1),对于每种调制和编码方式(MCS)都需要一个对应的尺度因子。这里,我们用β来表示这个尺度因子。我们需要使用BLER预测方法来得到这个尺度因子,不同的BLER预测方法的有效性验证包括模型参数的优化和误差分析两方面。模型参数的优化操作是基于“最小平方匹配”的方法或者其它的方法,例如用参数β来最小化下面的代价函数: fβ=Νsim∑i=1|BLERpred,p(β)-BLERmeas,p|2=Νsim∑i=1|ΔBLERmeas,p|2(2)fβ=∑i=1Nsim|BLERpred,p(β)?BLERmeas,p|2=∑i=1Nsim|ΔBLERmeas,p|2(2) 这里,BLERpred和BLERmeas分别表示预测的和测量的误块率;Nsim表示用于参数优化测试的数据块的数目。最后,一个经过最优化处理的β值被找到。另外,我们也可以用另外一种模型去做上述训练,一般称为叫做“最大最小适配准则”:假定有L种信道,而且每种信道每个子载波