基于超密度圓環排序機制的5G網絡信號傳輸算法

,

(1.蘭州文理學院 數字媒體學院,蘭州 730000; 2.蘭州大學 信息科學與工程學院,蘭州 730000)

0 概述

5G通信技術具有數據編碼強度大、信道及信源數據處理復雜等顯著的技術特點,能夠適應未來無線網絡超高數據傳輸強度及超強動態誤差控制等用戶體驗需求,從而促進5G網絡技術在實踐中的推廣運用[1-2]。

為了提高信號傳輸精度,研究者通過將信號預發射過程納入信源或信道傳輸算法中,試圖在增強信道抗攻擊能力的同時,提高信號預發射過程的數據傳輸效率,改善信號傳輸質量。如文獻[3]等提出了基于分支裁剪機制的5G移動數據抗噪傳輸算法,針對各個傳輸子信道的數據報文進行分支切割,并裁剪為頻率互相分裂的數據報文的方式,實現了數據加密與數據傳輸的同等幅度提升;但是該算法對數據裁剪過程的復雜度考慮不足,導致傳輸過程的效率難以得到提高。文獻[4]等提出了基于分段等級編碼機制的5G網絡穩定傳輸算法,通過克隆信源編碼副本的方式對信源編碼質量進行實時監控,能夠在信源噪聲受到嚴重干擾時,提高編碼準確度。然而,該算法未能考慮信道噪聲對信源傳輸數據的混頻影響,當信道噪聲與信源頻率出現共振效應時,其數據傳輸率將出現顯著的下降現象;文獻[5]等提出了基于高維共線度窄帶噪聲識別機制的5G網絡信號誤差限制算法,采取正交環控制的方式實現了信道稀疏狀態下的傳輸精度提升,且誤差精度控制水平不低于文獻[4]。但是,它需要通過選取基準頻率的方式進行誤差比對,當子信道數量較多時將由于基準頻率難以選取等因素,導致噪聲投影點數量迅速增多,降低了算法的精度水平。

可見,上述算法在構造數據接收結構過程中均未能考慮信號預發射過程與信號接收結構間可能存在的映射關系,一旦傳輸子信道的頻率與信號預發射的頻率產生共振現象時,將很難實現對信道噪聲頻譜的擦除,從而降低算法的數據傳輸性能。

為此,本文提出一種基于超密度圓環排序機制的5G網絡信號傳輸算法?？紤]小區基站與信號間的混疊現象,通過將接收節點按超密度排序的方式,構建一種超密度圓環排序接收結構,降低數據傳輸過程中的傳輸誤碼率。

1 本文5G網絡信號傳輸算法

1.1 基于超密度圓環排序機制的信號預發射

鑒于當前研究中存在的不足,本文提出基于旋轉環電控接收結構的5G無線網絡信號定位算法,整個算法由超密度圓環排序機制、基于差分機制的方位角精度優化2個過程構成,見圖1。典型的5G信號均通過移動節點內部的天線進行數據收發[6],為降低節點間的數據交換過程的信號解調困難,采用256進制星座進行256頻移鍵控調制(256FSK調制),射頻信號在調制過后分為k個節點信號進行傳輸[7],射頻信號傳輸過程時,需要首先搜尋基準投影,通過自主選定相應的中央基站并采取一定的鏈路穩定措施,從而實現信號的傳播。信號傳播示意圖如圖2所示,則其射頻信號的單位沖激響應H(k)(ω)為:

(1)

其中,ε(ω)為頻域單位沖激響應,βl(M)為第M路信號在第l個子信道上的干擾因子,ωl為第l個子信道上頻域單位沖激響應的延時。

圖1 本文5G網絡信號傳輸算法流程

圖2 信號傳播示意圖

由式(1)可得,無線網絡在進行第M路信號加密后,所獲取到的信號頻域形式Y(M)(ω)可表示為:

Y(M)(ω)=S(ω)H(M)(ω)+L(M)(ω)

(2)

其中,Y(M)(ω)為第M路加密信號的頻域形式,L(M)(ω)為第M路子信道中萊斯干擾因子的頻域形式,s(ω)為六十四進制相移鍵控基帶信號,其原始信號s(t)形式為:

(3)

其中,ai為第i個網絡節點數據符號,具體調制數值按64PSK調制模式制定得到,bj為隨機序列,且滿足bj∈{+1,-1},Tc為64PSK信號的預傳輸周期,Ts為調制時間片的周期長度。

此外,256FSK調制中A(t)滿足:

A(t)=e(1-64πt2/ζ2)+e(-16πt3/63ζ2)

(4)

其中,ζ為標準正三角信號脈沖的單位沖激響應[8-9]。

聯合式(2)～式(4)可得:

(5)

根據式(1)可知,網絡信道在節點發送信號的頻域上最大支持M路信號進行傳輸,則離散系數Δω可寫為:

Δω=2π/M

(6)

對式(5)進行M路信號離散化后可得待傳輸的信號為:

(7)

考慮到無線網絡進行信道傳輸時均需要進行矢量化處理,因此,式(7)可以進一步矢量化為如下的形式:

Ym=Lm+βmEωs

(8)

Lm=[L(M)(ω1),L(M)(ω2),…,L(M)(ωM)]T

(9)

其中,βm表示第M路子信號的干擾因子,矢量Lm表示第M路信號離散化后所對應的萊斯噪聲干擾因子,矢量Ym表示第M路待傳輸信號,矢量S可寫為:

S=Λ[s(ω1),s(ω2),…,s(ωM)]T

(10)

其中,Λ為特征值均為1且秩值為m的對角矩陣;此外式(8)中矩陣Ew為單位時延矢量因子,并滿足:

Ew=[1,e-jΔωωi,e-2jΔωωi,…,e-λjΔωωi]T

(11)

依據模型式(1),則區域內的5G節點接收到第k路無線信號為:

Y(k)(φ)=F(k)(φ)+T(φ)H(k)(φ)

(12)

其中,Y(M)(φ)為第k路無線信號的頻率離散化信號分量,F(k)(φ)為該信號分量中混雜的萊斯干擾,均值為1,標準差為0,T(φ)第k路無線信號在進行第一輪數據發送時的頻率增益,其時域信號表達式T(t)為:

(13)

其中,Ts表示脈沖信號的符號周期,Tc表示脈沖信號的發射周期,Nc表示第k路無線信號中的脈沖符號在Tc內的最大出現次數,bj為進行256頻移鍵控調制過程中的偽隨機序列,且滿足bj∈{+1,-1},ai為進行256頻移鍵控調制的脈沖符號序列,且滿足ai∈{+1,-1}。

由于各個小區基站間的信號均存在一定的混頻現象[7],雖然各個節點通過式(8)能夠將信號進行恢復,然而對于第M路子信號而言,由于各個小區位置距離較近,難以順利的對信號進行恢復[8]。這是由于5G節點接收信號時,若各個節點接收過程采用圖2所示的小區接收結構,該結構采取簡單距離測距的方式實現5G節點與中央節點的交互,其中,中央基站的信號覆蓋范圍設定為基準投影,5G節點的最大功率覆蓋范圍為信號投影;由于5G節點均為移動狀態,當存在多個中央基站時將可能存在多個基準投影,從而導致難以在節點密集時準確的通過方向定位來實現信號的準確接收[9]。

因此,本文構建超密度圓環排序接收結構,整個接收機制由小區基站接收結構與節點信號接收結構組成,首先將整個小區基站進行星座映射,并按順序確定天線基準節點,當僅當各個接收節點排列按距離遠近進行排列之后,方可進行小區基站信令接收。其中小區基站接收天線將按照時延順序一一映射為節點信號接收結構,詳細過程如下所示。

步驟1首先確定小區基站位置,然后搜尋全部可用的小區基站,將中央基站設置為星座中心,并確保5G節點與星座中心所形成的切線與法線呈現正交狀態;信號傳輸時首先映射處于星座中央位置的小區基站,依次根據距離遠近選取性能最佳的若干信號投影,并將按極坐標方式計算信號發射方向與信號投影之間的夾角,從而獲取切線方向與法線方向,見圖3。

圖3 小區基站接收結構(5G節點處于靜止狀態)

步驟2按距離遠近,從小區基站劃分距離層次,并將各個天線位置依次分布在層次圈內,見圖1。當5G節點位置發生移動時,選取最近的一個天線位置作為基準位置,然后將5G節點與星座中心進行連線,并根據小區基站與信號投影之間的切線與法線位置進行重定位,其中,5G節點的信號發射方向與信號投影之間的夾角構成了切線方向,信號將沿著切線方向進行二次定位,獲取在圓盤平面上的法線方向,整個重定位過程見圖4。

圖4 小區基站接收結構(5G節點處于移動狀態)

步驟35G節點在接收到天線轉發的小區基站信令后,根據各個節點時延狀況,按接收方向將節點依次排列,映射成環狀信號接收層次,當回發信號時,首先從距離最近的環上對信號進行解析,見圖5,并依次按由遠到近的順序,完成信號的發送。

圖5 超密度圓環排序接收結構

1.2 基于差分機制的方位角精度優化

由于在采用圖5所示的超密度圓環接收結構進行節點定位過程時,可能在同一時刻存在多個滿足圖2、圖3所示的接收平面,且任意一個接收平面進行圖4所示的重定位過程中均可獲取相應的切線方向,令該切線方向為θ,任意一層次的旋轉環結構均可以獲取θ的一個估計;當圖5所示的超圓盤密度較大時將存在多個估計,導致定位過程中出現困難;針對該困難,在其定位過程中,首先獲取法線角度和切線角度估計,然后按照圓環排序接收結構不斷獲取相應的角度估計,按向量排序的方式逐次計算角度差分,從而達到精度提升的目的。不妨設該估計分別為θ1和θ2,在t=tm時該的分別記為θ1(m)和θ2(m),由于旋轉環電控結構均是獨立的,即任意一個旋轉環電控結構的工作狀態均不互相影響。因此整體的矢量θ(m)估計為:

θ(m)=[θ1(m),θ2(m)]T

(14)

由于窄帶瑞利噪聲能夠在全過程對接收相位產生干擾,如式(13)所示,而觀測過程中僅能根據t=tm時刻對不同的接收樣本進行估計,因此,以式(14)所示時刻獲取的θ估計為θ(m)基準信號,則觀測過程中獲取的樣本矢量Z(m)可為:

Z(m)=θ(m)+Ym(t)

(15)

其中,矢量Ym(t)為式(5)所示的窄帶瑞利噪聲在t=tm時刻的觀測值。

從式(14)可知,觀測過程僅能通過不同的t=tm時刻采樣得到,設整體采樣樣本矢量Ym(t)滿足:

Ym(t)={y1(t),y2(t),…,ym(t)}

(16)

任意時刻的樣本矢量Ym(t)均滿足模型式(5)所示的Γ-ψ分布,即:

Ym(t)～f(ym(t)|ym-1(t))

(17)

其中,f表示Γ-ψ分布的特征函數。

采用式(14)抽樣獲取的t=tm時刻各個樣本值在估計過程中所具備的權重也有所不同,而不同時刻的樣本值計算過程均存在一定的相關性,計算t=tm時刻的抽樣權重wm為:

(18)

(19)

此外考慮到式(14)的樣本均滿足Γ-ψ分布,將式(18)代入式(19)計算可得:

(20)

結合式(19)、式(20),并考慮觀測樣本滿足高斯分布[12],可得θ(m)最終估計絕對值為:

(21)

式(11)即為最終的定位角度精度估計,由于通常5G網絡的頻率較大,如常用的網絡的頻率為2 000 MHz左右[13],而式(5)為單調減函數,因此,通過式(16)計算得到的精度可達10-10級別,而本文算法提及的混沌頻率漂移消除優化傳輸[14](Chaotic Frequency Drift Elimination,GFDE)、高精度數據傳輸調節機制[15](High Precision Data Transmission Mechanism,HPDT)的最高精度也僅能達到10-8級別,可見,本文算法具有更高的信號定位精度。

2 仿真實驗

為驗證本文算法的有效性,與當前常用的混沌頻率漂移消除優化傳輸機制[13]、高精度數據傳輸調節機制[14]進行仿真實驗對比。仿真參數如表1所示。

表1 算法仿真參數

2.1 傳輸誤碼率

信道條件設置為高衰落信道,5G節點的數據傳輸速率控制在1 024 kb/s以內,信道衰落強度分別設定為8 J/dB、16 J/dB、248 J/dB。經過6 h仿真后,仿真實驗結果見圖6。

圖6 3種算法的傳輸誤碼率測試

由圖6可知,隨著數據傳輸速率的不斷增加,本文算法的數據誤碼率始終呈現較低幅度的波動態勢,且傳輸誤碼率始終低于10-8,與對照組(GFDE算法、HPDT算法)相比具有顯著的優勢。這是由于本文算法采用超密度接收結構,能夠將各個傳輸子信道進行固態化的方式,進一步提高算法對高衰落信道的適應性能,且能夠有效抑制窄帶瑞利噪聲對信號傳輸過程中的不利影響;而GFDE算法雖采取了一定的抗噪措施,即通過帶通濾波方式對窄帶瑞利噪聲進行抑制,然而由于各個傳輸子信道均處于非正交狀態,導致噪聲信號的干涉效應較強;HPDT算法雖然采用虛擬分區機制,能夠通過競爭方式篩選傳輸條件較好的信道,然而由于該虛擬分區需要實現指定,且分區過程中均不涉及預傳輸的正交特性,因此誤碼率要高于本文算法。

2.2 數據吞吐率

信道衰落設置為248 J/dB,5G節點的數據傳輸速率控制在1 024 kb/s以內,信道分別設定為8 J/dB、瑞利信道、拉普拉斯信道、萊斯信道。經過6 h仿真后,仿真實驗結果見圖7。

由圖7可知,本文算法的數據吞吐率始終具有較好的優勢,特別是當信道環境惡劣時,見圖7(c),且本文算法數據吞吐率要遠遠高于對照組算法。這是因為本文算法采用超密度圓環排序接收結構,當信道噪聲干擾強烈時能夠迅速提高信道傳輸容量,改善數據吞吐性能,有效削除波峰;而GFDE算法僅針對數據上傳吞吐進行隨機調度,未對數據吞吐峰值進行任何處理,HPDT算法是采用平均值線性映射方式,雖然能夠對數據吞吐峰值進行一定的削弱,然而由于未能對傳輸容量進行提升,因此對照組算法的數據吞吐性能要低于本文算法。

2.3 數據傳輸質量

為直觀顯示本文算法與GFDE算法及HPDT算法在完成數據傳輸后的質量性能對比,本文以圖像為信源數據。如圖8(a)所示;經過3種算法傳輸后的接收端信源數據質量見圖8(b)～圖8(d)所示。由圖可知,本文算法傳輸后的信源圖像的失真度較小,圖片紋理均未出現變形現象,見圖8(b);而GFDE算法的信源圖像遭受了變形破壞,見圖8(c),HPDT算法的傳輸質量最差,清晰度不佳,且存在一定的變形,見圖8(d)。這是由于本文算法構建了超密度圓環排序接收結構,能夠通過篩選的方式實現對窄帶萊斯噪聲投影的預消除,減少了信道噪聲對傳輸質量的影響;GFDE算法對頻率混疊現象考慮不足,相鄰子信道極易發生混疊現象,從而降低了數據傳輸質量;HPDT算法由于未采取任何機制對信道衰落進行處理,當產生窄帶萊斯噪聲干擾時,數據傳輸質量將出現顯著的下降現象,見圖8(d)。

圖8 3種算法的數據傳輸質量測試結果

3 結束語

為提高5G網絡信號傳輸技術抗干擾能力,本文通過密度排序機制,構建一種新的信號發射結構,能夠在傳輸強度提高的基礎上,進一步降低信號誤碼現象的發生,采用差分方式消除窄帶瑞利噪聲,促進了傳輸質量的改善。下一步將針對本文算法接收結構較為復雜的不足,通過引入流式正交投影自適應機制,將全部的網絡信號納入矢量投影空間中,進一步促進本文算法在5G網絡領域內的應用。

[1] 陳永嶺,胡宏林,楊秀梅.LTE中一種新的干擾與噪聲功率估計方法[J].計算機工程,2013,39(12):79-83.

[2] WANG Hong,LIU Nan,LI Zihe.A unified algorithm for mobility load balancing in LTE multi-cell networks[J].Journal on Wireless Communications and Networking,2013,2(1):118-128.

[3] HASAN M,HOSSAIN E.Distributed resource allocation for relay-aided device-to-device communication:a message passing approach[J].IEEE Transactions on Wireless Communications,2014,13(11):6326-6341.

[4] WAN Jin,XU Can.Research on user pairing algorithm for LTE femtocell uplink[J].Science China,2014,8(4):96-105.

[5] ZHAO Ying,LI Ying,CHEN Xi.Joint optimization of resource allocation and relay selection for betwork coding aided device-to-device communications[J].IEEE Communications Letters,2015,19(5):807-810.

[6] NAVARATNARAJSHS,SAEED A,DIANTATI M.Energy efficiency in heterogeneous wireless access networks[J].IEEE Wireless Communications,2013,20(2):37-43.

[7] 陳 昕,張 磊,向旭東.基于隨機網絡演算的LTE網絡端到端時延分析[J].計算機學報,2012,35(1):46-52.

[8] TONG En,DING Fari,PAN Zhixian.An energy minimization algorithm based on distributed dynamic clustering for long term evolution (LTE) heterogeneous networks[J].Science China Information Sciences,2015,58(4):1-12.

[9] 徐 強,全 欣,潘文生.同時同頻全雙工LTE射頻自干擾抑制能力分析及實驗驗證[J].電子與信息學報,2014,36(3):662-668.

[10] 黃妙娜.LTE網絡中多目標優化的動態負載均衡算法[J].電子與信息學報,2014,36(9):2152-2157.

[11] 吳 強,范建華,闞寶強.低開銷的無線網絡編碼機會路由協議設計[J].計算機工程,2014,40(2):21-25.

[12] 李國漢,金 虎.一種基于KS距離的OFDM子載波數估計法[J].計算機工程,2012,38(21):100-102.

[13] NABIOLLAH S M.Calculating the transient behavior of grounding systems using inverse laplace transform[J].Journal of Zhejiang University-Science C,2011,12(3):250-262.

[14] ZHANG Gingpeng,YANG Kan.A bargaining game theoretic method for virtual resource allocation in LTE-based cellular networks[J].Science China,2015,12(1):5-13.

[15] LI Sihen,SHI Yingmi.Regulatory effects of stage-treatment with established Chinese herbal formulas on inflammatory mediators in pediatric asthma[J].Journal of Traditional Chinese Medicine,2013,6(11):727-732.