基于似然估計修正信噪比的編碼調制切換算法

劉慶利 王美恩

(大連大學通信與網絡重點實驗室 遼寧 大連 116622)

0 引 言

隨著當今衛星通信技術的發展,其較強的應用價值體現在了多個方面,作為信息化時代發展的重要支撐手段與技術,發展速度越來越快,應用范圍也越來越廣[1]?？臻g數據系統咨詢委員會(Consultive Committee for Space Data System,CCSDS)研發了高級在軌系統(Advanced Orbiting System,AOS)[2-5]。然而衛星通信受外部環境的影響較為嚴重,因此,自適應編碼調制(Adaptive Coding and Modulation,ACM)被廣泛引入來優化通信鏈路。目前,ACM技術的研究主要集中在模式選擇方法[6-7]、信道編碼改進、信道狀態信息(Channel State Information,CSI)精確捕獲和ACM實現。其中,調制與編碼策略(Modulation and Coding Scheme,MCS)的選擇是ACM技術的核心部分。為了確保鏈路中信息傳輸的可靠性和及時性,可以選擇信噪比(Signal-to-Noise Ratio,SNR)作為CSI的衡量指標,選擇滿足特定要求的調制、編碼和數據速率最終形成特定的MCS類型的組合,并充分利用可用的通信信道資源使MCS類型和數據傳輸速率適應無線環境條件[8-9]。目前存在三種常用MCS切換算法：基于最小SNR的MCS(MCS Based on Minimum SNR,M-MCS)切換算法雖然保證了誤碼率但極大地犧牲了系統的吞吐量,基于平均SNR的MCS(MCS Based on Average SNR,A-MCS)切換算法則犧牲誤碼率來保證吞吐量,基于方差修正平均SNR的MCS(MCS Based on Variance SNR,V-MCS)切換算法采取折中方式但不適合時變衰落信道。

近年來,為了提升通信效率,國內外學者對MCS切換進行了深入的探究,文獻[10]根據M-MCS、A-MCS和V-MCS這三種算法的切換過程,通過仿真優選出系統的數據傳輸最佳概率值,提出基于概率估計的MCS切換算法,該算法在一定程度上提升了系統的吞吐量,但是算法的計算過程復雜,復雜度較高。文獻[11]對SNR的方差進行修正,提出一種基于經驗方差修正SNR的MCS(MCS Based on Empirical Variance SNR,EV-MCS)切換算法。該算法能在提升系統的吞吐量同時降低算法的復雜度,然而該算法修正的方差是一種經驗值,通過不斷修正方差系數得到,會增大MCS切換算法受參考SNR和判決門限的誤差。針對以上問題,本文提出一種基于似然估計修正SNR(MCS Based On Likelihood Estimation SNR,LE-MCS)的MCS切換算法,在V-MCS切換算法的基礎上,考慮了時變衰落信道對數據傳輸的影響,同時結合最大似然估計方法和長短期記憶神經網絡來匹配發射端的參考SNR和降低系統發射端獲取SNR的時延,可以在提升系統傳輸效率和吞吐量的同時降低系統的誤碼率。

1 ACM相關技術

對于AOS通信系統,數據在系統的發送端進行緩存,根據接收端反饋的信道信息進行ACM,然后在經過時變衰落信道到達接收端,由于外部環境和信道的影響,若接收端在校驗時發現錯誤,就通過反饋信道向發送端發送重傳請求,通信系統發送端的HARQ機制就會重傳數據。AOS通信系統如圖1所示。

圖1 AOS通信系統框圖

對于AOS通信系統而言,傳輸數據在發送端通過不同的信道編碼和調制方式進行調整,而不同編碼策略和調制方式的組合可以為AOS通信系統的信息傳輸提供不同的性能。不同的調制方式可以在不同的環境下提高系統的頻帶利用率,不同的編碼方式以及編碼速率能夠保證系統在不同環境下的誤碼率。然而,高階數調制和高編碼速率能夠提高系統的傳輸效率,卻不能保證系統的誤碼率;低階數調制和編碼雖然保證系統的誤碼率,卻大大地損失了系統的傳輸效率。因此,需要通過MCS切換進而實現最佳的傳輸效益。

2 MCS切換算法及改進

2.1 編碼與調制策略的選擇

MCS選擇的一種分析方法基于以下參數：誤碼率(BER)和通信系統信道的信噪比(SNR)。優選的MCS類型是提供最高系統性能或等效地以可接受的可靠性提供最高數據傳輸速率的類型[12]。在MCS的切換算法中,如何依據發射端的參考SNR來匹配MCS切換策略是MCS切換的核心問題。

第二代傳輸標準為ACM技術提供了28種MCS,其中有四種MCS的誤碼率低于0 dB,不適用于無線信道傳輸[13]。由于不同的編碼速率和調制解調方式在傳輸過程中的不同效果,本文選取其中三種較為典型的MCS在AWGN下的吞吐量和誤碼率進行仿真測試,則仿真效果如圖2所示。

圖2 三種MCS在AWGN下誤碼率仿真結果

本文假設系統的目標誤碼率為10-4,則由圖2可以得出所選的三種MCS在達到目標誤碼率的切換界限,它們的切換策略、切換門限、吞吐量如表1所示。

表1 系統選取MCS策略

在傳統神經網絡中,模型不會關注上一時刻的處理會有什么信息可以用于下一時刻,每一次都只會關注當前時刻的處理,而循環遞歸神經網絡(Recurrent Neural Networks,RNN)雖然帶有記憶功能但卻存在梯度消失或爆炸的缺陷,不適用長期依賴的問題,而長短期記憶網絡(Long Short-Term Memory,LSTM)在RNN的基礎上改進了門結構和記憶單元,使得LSTM可以更好地處理長時依賴問題。在傳統的MCS切換算法中,信道SNR的捕捉一般通過系統的接收端進行信道估計再反饋給系統的發射端來完成,但采用這種方法會因為衛星通信鏈路距離較長而無法避免通信時延增大的問題,故本文采用LSTM克服信道長時依賴的問題。

在本文中,MCS的切換采用固定門限法,以BCH、RS、LDPC碼為編解碼策略,以QPSK、QAM作為調制解調方案,系統MCS的切換以AOS發送端的參考SNR為標準,而參考SNR由信道狀態信息CSI決定,通過LSTM來預測信道的SNR并反饋給系統的發射端。

2.2 LSTM預測SNR

衛星通信的信道受到大尺度衰落和小尺度衰落的影響,且衛星沿著軌道進行高速運動,導致衛星與終端間的信道不斷發生變化[14],在系統的數據傳輸過程中,為了獲得更多的吞吐量,提升系統的通信質量,衛星通信鏈路通常會需要進行實時的信息交互,以獲取準確的信道狀態信息,然而由于通信鏈路的較大時延會導致測量的CSI與實時的信道狀態存在延遲進而造成反饋誤差,影響通信質量。

本文首先根據衛星和通信信道的信道模型,獲取通信鏈路建立連接的信道的SNR,并將其作為長短期記憶網絡LSTM的輸入,通過模型的訓練,預測鏈路通信期間的任意時刻的SNR,進而解決了信道估計在反饋時的時延誤差的問題,系統的發送端可以根據SNR的預測值實時調整MCS,以更快地適應信道的變化,提升系統的吞吐量。

衛星通信鏈路在自由空間的傳播損耗可表示為：

(1)

式中：Pt和Pr分別表示為通信系統的發射功率和接收功率;Gt和Gr分別是系統發射端和接收端的天線增益;d為通信鏈路的通信距離;f為工作頻率;c為電磁傳播速度。由式(1)可知,當工作頻率f固定時,通信的傳播損耗主要與通信距離d有關,通信距離越長,則傳播損耗越大。

在自由傳播損耗的基礎上,通信鏈路的SNR計算公式如下：

γSNR=Pt+Gt+Gr-Lp-Lf-Ag-kbBTe

(2)

式中：Lp是降雨衰減;Ag是大氣吸收損耗;kb是玻爾茲曼常數;Te是噪聲溫度;B是信道帶寬。

本文采用自適應編碼調制方案ACM,根據信道狀態實時地切換MCS策略來適應信道的變化,理想情況下的信道的吞吐量如下：

(3)

式中：Tt為通信時長。

LSTM的網絡結構如圖3所示。

圖3 LSTM網絡結構

LSTM網絡對遺忘門、輸入門、單元狀態、輸出門、單元輸出[15]的定義分別如式(4)-式(8)所示。

Ft=σ(WF[Yt-1,Xt]+BF)

(4)

It=σ(WI[Yt-1,Xt]+BI)

(5)

(6)

Ot=σ(Wo[Yt-1,Xt]+BO)

(7)

Yt=Ot⊙tanh(Ct)

(8)

式中：X表示輸入數據;Y表示輸出;C表示記憶單元值;⊙表示矩陣元素相乘;σ為Sigmoid函數。LTSM首先進行前向傳播并計算上述式子的五個向量值,然后反向傳播計算每個預測神經元的誤差項,最后根據誤差項計算出新的權重參數。

在通信鏈路進行數據傳輸前,地面終端與衛星網絡建立信息連接交互,因此,可以將連接過程中獲取的SNR作為LSTM網絡的輸入,通過LSTM的訓練,預測下一時刻的信道的SNR,并將此SNR作為輸入,繼續預測下一時刻的信道信息,以此類推,預測出通信期間的CSI。本文選取的LSTM模型通過Python的Keras模塊進行搭建、編譯。

2.3 MCS切換過程

假設參考的SNR為γi,根據編碼和調制方式的不同將SNR區間劃分為不同的對應的區間Ti,則編碼調制的方案具體如式(9)所示。

(9)

在劃分SNR的區間Ti時,若SNR切換門限過高,對于接收SNR較低的符號就會造成誤碼;SNR切換門限過低,對于接收SNR較高的符號又會犧牲它們對應的吞吐量,因此必須根據不同的MCS設計合適的SNR區間。

V-MCS切換算法是針對選取碼塊中各符號接收SNR的平均值,用傳輸符號的方差σr進行適當修正,假設在一個碼塊周期內的傳輸符號數為N,各傳輸符號的接收SNR為γn,發送端在得到信道估計值之后,其修正方式如式(10)所示。

γt=μn-σr

(10)

式中：μn是傳輸符號對應的SNR的均值;σr是傳輸符號對應的SNR的方差;γn代表傳輸符號的對應的SNR,它是通過信道估計反饋給系統的發射端。σr和μn分別計算如下：

M-MCS切換算法能夠完全保證系統的誤碼率低于目標誤碼率,但是會極大地犧牲吞吐量性能;A-MCS切換算法能夠有效提高系統吞吐量性能,但是不能保證系統的誤碼率低于目標誤碼率。

2.4 基于似然估計修正SNR的MCS切換

V-MCS切換算法雖然對吞吐量和誤碼率進行了折中,但它并沒有綜合考慮到時變衰落信道對數據傳輸造成的影響,所以并沒有達到最優的狀態,這種切換算法仍然可以繼續優化。極大似然估計提供了一種給定觀察數據來評估模型參數的方法[16]。由于信道的衰落值符合高斯分布,因此在發射功率恒定的情況下,信道的信噪比的概率特性可以近似呈正態分布[17],如圖4所示。

圖4 三種MCS切換算法的參考SNR

T2和T3是MCS2和MCS3的切換門限,r1、r2、r3分別代表著M-MCS切換算法、A-MCS切換算法、V-MCS切換算法的參考SNR。由圖4可以看出M-MCS切換算法的傳輸符號在碼塊周期內的SNR都大于r1,即使這些符號應該采用MCS2、MCS3或更高階的編碼調制方式,然而由于r1的作用而選擇了MCS1。所以M-MCS切換算法能保證誤碼率但極大地損失了吞吐量。A-MCS切換算法參考SNR落在正態分布的中點位置,那么T2左側的符號本應該采用MCS1卻選擇了MCS2,就會造成誤碼。若左側符號越多,則誤碼率就越高。V-MCS切換算法用傳輸符號的接收SNR的方差來對均值進行修正,使參考SNR貼近切換門限,同時考慮了傳輸符號的誤碼率和吞吐量。

然而,由圖4可以看出,雖然V-MCS切換算法的參考SNR更貼近切換門限,但在傳輸符號的MCS的選擇上仍然存在一定的誤差。設想V-MCS切換算法對A-MCS切換算法的均值修正過度導致V-MCS切換算法沒有達到理想效果。

由于AOS通信系統數據的傳輸受天氣、多徑效應和時變衰落信道的影響,因此,信號中的各個符號的衰減也各不相同,導致每個符號在接收端的SNR也不同。由此,針對V-MCS切換算法的改進可以分為兩個部分,其中一個部分是考慮到每個符號的不同衰減,改變方差的修正系數。具體方法是將式(10)改進為式(11),在原來的方差修正的基礎上考慮修正系數f的影響。式(11)是改進后的參考SNR的表達式。

γt1=μr-f·σr

(11)

式中：f代表方差修正系數;μr和σr分別對應V-MCS中傳輸符號對應SNR的均值和方差。LE-MCS中γn經過LSTM的預測并反饋給系統的發射端,根據各個傳輸符號的γn由于時變衰落信道和外部環境的影響會不斷變化,求解各個傳輸符號在信道影響下的不同的權重f1,然后取不同權重的均值作為該信道對于符號的影響即修正系數f,它們的表達式如下：

(12)

(13)

D={r1,r2,…,rn}

(14)

(15)

(16)

算法的流程如圖5所示。

圖5 算法流程

LE-MCS切換算法可以分為以下步驟：

(1) 通過LSTM預測出下一個時刻的SNR。

(2) 將γn反饋給系統的發射端。

(3) 由γn求解修正系數f。

(6) 通過參考SNR進行MCS區間的判決,若屬于對應的MCS區間,則進行對應的MCS切換,否則,回到步驟(1)重新預測。

3 仿真驗證及分析

本文通過MATLAB仿真了LE-MCS切換算法的性能,仿真實驗中主要以AOS通信系統數據傳輸的傳輸效率、吞吐量和誤碼率為測量指標,為了簡化實驗過程,采用加性高斯白噪聲信道(AWGN),信道編碼選用RS碼、BCH碼、LDPC碼,調制方式選用QPSK、16QAM、64QAM,構成三種MCS選擇策略。由于M-MCS和A-MCS的吞吐量和誤碼率太低,在實際通信中很少采用,而V-MCS是在M-MCS和A-MCS的基礎上改動,LE-MCS又是根據V-MCS改進而來,故本文只需對比LE-MCS切換算法、V-MCS切換算法和EV-MCS切換算法這三種算法的仿真效果。

3.1 仿真參數設置

本文在AWGN信道下,選取三種MCS策略,在[0,15]的SNR區間內模擬LE-MCS、EV-MCS、V-MCS的切換過程,具體仿真參數如表2所示。

表2 仿真參數設置

3.2 仿真結果分析

圖6和圖7分別是三種MCS切換算法的傳輸效率和吞吐量的對比。

圖6 傳輸效率對比

圖7 吞吐量對比

由圖6可以發現,隨著信道狀況的改善,三種MCS切換算法都能逐步提升系統的傳輸效率,但是整體上,LE-MCS切換算法提升效果相較于其余兩種MCS切換算法更明顯,LE-MCS切換算法的傳輸效率相比于EV-MCS提升了10%,相較于V-MCS提升了20%。

由圖7可以發現,三種MCS切換算法在整體趨勢上呈現階梯式上升,表明每種MCS策略提升系統吞吐量的能力有限,當到達該極限時,系統的吞吐量就展現出穩定的趨勢,然后隨著信道的改善,系統切換到另一種MCS繼續提升系統的吞吐量,但是,總體上三種MCS切換算法都能提升系統的吞吐量。在SNR小于1時,此時的信道條件很差,系統數據的傳輸能力也很低,故此時的三種算法的吞吐量都很差。但是,隨著信道條件的逐步改善,三種MCS切換算法的差距開始逐漸展現,其中：LE-MCS切換算法提升系統吞吐量的能力最強,其次是EV-MCS切換算法,最后是V-MCS切換算法。同時,LE-MCS切換算法的切換門限要低于其他兩種切換算法,表示LE-MCS切換算法可以更靈敏地捕捉信道變化并進入MCS的切換過程,表明LE-MCS切換算法在提升系統吞吐量的同時也提高了系統切換的靈敏度。

由圖8可以發現,最初由于信道條件太差,數據傳輸的誤碼率很高,三種切換算法都選擇了低階的編碼調制方式來保證數據的傳輸,故此時三種切換算法的曲線大致相同,隨著信道條件的逐步改善,三種切換算法開始逐漸進行編碼調制的切換,因此,三種切換算法的誤碼率總體趨勢相似,而三種切換算法中,LE-MCS切換算法的誤碼率最低,其次則是EV-MCS切換算法的誤碼率,最后V-MCS切換算法的誤碼率最高。同時,誤碼率曲線并不連續,不連續的地方表示此刻系統從低階MCS切換到高階MCS,但剛剛切換到高階時,SNR相對于高階MCS較小導致誤碼率升高,隨著SNR的升高,誤碼率會逐漸降低,因此出現分段現象。

圖8 誤碼率對比

綜合上述可以發現,LE-MCS切換算法可以在保障系統的誤碼率的同時提升系統的傳輸效率和吞吐量。

4 結 語

本文針對傳統的MCS切換算法不能同時滿足通信系統數據傳輸的傳輸效率和誤碼率的缺陷,以提升AOS通信系統數據傳輸效益為準則,提出一種LE-MCS切換算法。首先根據時變衰落信道對各個傳輸符號的不同時刻的影響求解各個符號在信道影響下的權重,然后取權重的均值作為信道對傳輸符號的影響,同時根據SNR的概率特性,結合最大似然估計算法和LSTM,最后通過兩者聯合求解改進切換算法后的參考SNR,然后結合門限法匹配到MCS的切換區間從而完成MCS的切換。仿真結果表明,LE-MCS切換算法在保證系統的誤碼率的同時提升系統的傳輸效率和吞吐量,改善了通信系統的傳輸效益。