分層空時碼的譯碼性能仿真

楊陽,周哲

(1.北京歌華有線網絡股份有限公司,北京 100007;2.中國傳媒大學,北京 100024)

1 引言

分層空時結構[1]最初由朗訊公司貝爾實驗室的G.J.Foschini1996年提出,稱為 BLAST(Bell Layered Space-Time Architecture),并于 1998年研制出了實驗系統V-BLAST,申請了專利。它需要在發射端和接收端使用多個天線(接收端天線數不少于發射端天線數目),并且在譯碼時需要知道精確的信道信息。本文就是重點對不同的譯碼方法的性能進行比較與分析。

2 分層空時結構的原理

分層空時結構其本思想如圖 1所示,高速信息流先被解復用地分成多個單獨的低速數據支流[1]。各個支路數據分別用各自的信道編碼器編碼,輸出再經過分層空時結構編碼和調制后送至各個獨立的發射天線,接收端接收后分離混合的信號,進行譯碼恢復原信號。

3 分層空時結構的譯碼過程

3.1 譯碼流程

它們的數據分配如表 1所示,標識符號 a到 d表示分配到圖表中的 4個發射天線的數據。在接收端,一般按照對角線數據流層進行譯碼,這要經過 2個步驟的處理[2]:

(1)干擾信號及未檢測信號的迫零(ZF)消除。

(2)已檢測信號的干擾消除和補償。

圖 1 分層空時編碼的實現

前端首先使用一個空間波束形成或者迫零處理,從而分開各個單獨的數據流層。例如,對 DLST的數據流層 a的求解[3]是求解 t+3時刻的流層 a的相應元素,這時利用干擾抑制方法抑制掉 t+3時刻該元素上面的數據流層 d,c,b的相應元素的影響,得到該元素的估值。然后是求解 t+2時刻的流層 a的相應元素,同樣該元素上面的數據流層 d,c的相應元素的影響可以利用干擾抑制方法抑制掉,而其下方數據流層 b在 t+2時刻的相應元素則因為按照對角分層的次序譯碼已經得到,其影響可以通過判決反饋得到抵消。于是,可以得到 t+2時刻的數據流層 a的相應元素。如此進行下去,就可以恢復出數據流層 a。然后再用相同的方法恢復出數據流層 d,如此得到 DLST的數據層估值,再把它們送入各自的解碼器,各解碼器的輸出再經過分層空時結構的逆變換和復用后重構出原始信息比特流的估計。

表1 對角分層空時結構 DLST的數據分配

3.2 仿真模型流程

通過設定菜單獲得繪圖參數→通過句柄函數確定發端信源矩陣與發射天線數→通過句柄函數確定QPSK調制→通過句柄函數確定快衰落 Raylaigh信道→通過句柄函數循環調用四種譯碼檢測并對接收機誤比特率性能進行比較→用 MATLAB仿真作圖。

3.3 仿真條件設置與結行分析

現在就不同的譯碼對分層空時碼進行仿真,通過用 ZF,ZF-SIC,MMSE,MMSE-SIC等幾種譯碼算法仿真之后的結果性能進行比較。

仿真條件:

(1)信源隨機產生。

(2)圖 2收發天線數都為 2x2,圖 3收發天線數都為 6x6。

圖2 2x2不同譯碼方法的仿真圖比較

(3)建立 Eb/N0與 SNR之間的換算關系:SNR=Eb/N0-10*log10(Ts*B);B=40000;Ts=1/40000;

圖 3 6x6編碼不同譯碼方法的仿真圖比較

(4)在相同收發天線數的系統下進行,假設信道為獨立同分布瑞利衰落信道,添加高斯白噪聲,且每個用戶的發射功率相等。

(5)仿真采用 QPSK調制。

(6)用 ZF,ZF-SIC,MMSE,MMSE-SIC方法分別進行譯碼。

(7)采用干擾抵消算法。

(8)在不同信噪比下計算 ZF接收機誤比特率,以下是 ZF、ZF-SIC、MMSE、MMSE-SIC四種檢測算法的性能比較。

圖4 2x2不同譯碼方法的仿真圖比較

3.4 仿真結果分析:

由仿真結果可得:到在不同的信噪比下,相對應的誤比特率的值,這里,我們采的 Eb/N0(我們也可以看成是信噪比,因為由 SNR=EbN0-10*log10(Ts*B);B=40000;Ts=1/40000;可知:SNR與SNR是相等的,下面用 SNR來表示)點是 0,2,4,6,8,10,12,同時在這些點取得的四種譯碼方法的誤比特率如表所示:

表 2 不同譯碼方法的數值結果(對應圖 2)

表 3 不同譯碼方法的數值結果(對應圖 3)

由圖 2,與表 2,可以看出 Eb/N0的值。我們知道在信噪比一樣的情況下,ZF與 ZF-SIC相差比較大,后者明顯強于前者的譯碼效果;MMSE與 MMSE-SIC相比較也達到了這樣的效果,說明:SIC減小了噪音的影響,提高了譯碼性能。

ZF與 MMSE比較時,在信噪比一樣的情況下,MMSE的效果明顯優于 ZF,說明:MMSE是優于 ZF的譯碼方法,這也符合了復雜的譯碼算法,往往具有更高的譯碼能力。

圖 2與圖 3是系統在發射,接收天線數不同時,相同的環境下得出的結果。通過比較表 2與表 3,在相同的信噪比之下,表 3的數據明顯比表 2的數據小,及誤碼率小,得知:在相同的環境下,收發天線的數目增加,譯碼的誤碼率就相應的減少,譯碼的效果愈好。

與圖 2,圖 3的變化趨勢來看,ZF-SIC與MMSE的譯碼效果類似,只是隨著信噪比的加大,(這里空間有限,信噪比只取值到 12,在試驗中,信噪比范圍加大到 ＞20后)MMSE比 ZF-SIC的優勢會顯現出來。

圖 4與圖 2全是在 2x2下進行的仿真,只是橫縱坐標調換,坐標間隔減小,這樣有助于我們的對其譯碼性能進行更加精確的分析:

由圖 4可知,當誤碼率取 0.01時,MMSE-SIC與 MMSE的信噪比分別為 6.5dB,11d B,所以,MMSE-SIC比 MMSE低 4.5dB的增益。當誤碼率取到 0.02時,MMSE-SIC與 MMSE的信噪比分別為 4.5dB,7.5dB,所以,MMSE-SIC比 MMSE低了3dB的增益。當誤碼率取到 0.06時 MMSE-SIC與MMSE的信噪比分別為 1dB,2.5dB,所以,MMSESIC比 MMSE低了 1.5dB的增益。可知,MMSESIC與 MMSE比較中,SIC在低信噪比中發揮的作用越明顯。

當誤碼率取 0.02時,MMSE與 ZF的信噪比分別為 7.5dB,10.5dB,所以,MMSE比 ZF低 3dB的增益。當誤碼率取 0.04時,MMSE與 ZF的信噪比分別為 4.5dB,7.25dB,所以,MMSE比 ZF低 2.75dB的增益。當誤碼率取 0.08時,MMSE與 ZF的信噪比分別為 1dB,4d B,所以,MMSE比 ZF低 3dB的增益。可知,MMSE與 ZF比較中,兩個不同的譯碼方法在信噪比變化中發揮的作用相對穩定。

4 結論

誤碼性能的優劣順序為 MMSE-SIC、ZF-SIC、MMSE、ZF。從而得到的結論如下:不同的檢測算法,是否用串行干擾抵消算法,對性能會產生不同的影響。

ZF接收機以噪聲的增加為代價抵消了不同天線間的干擾,分離了不同的數據流,MMSE接收機平衡了天線間干擾抵消和噪聲增強,使總的誤差最小。收發天線相同時,MMSE的性能優于 ZF,其算法的復雜度也相對較高。干擾抵消算法檢測出信噪比最大的子流,減小它對其他子流的影響。干擾抵消檢測減小了噪聲的影響,增加了檢測的分集度,從而總體的譯碼效果增加。

性能的提高以計算復雜度為代價,在發射天線數等于接收天線數時,計算復雜度與天線數呈線性增長關系。業已證明,對 N個發射天線和 N個接收天線的情況,系統容量隨線性增長,當采用的天線個數 N=8時,在 1%的中斷概率和 21dB信噪比條件下的系統的頻譜利用率為 42b/(s?Hz-1)約為相同發射功率和帶寬的單發單收系統的 40倍。隨著接收天線數的增加及信噪比的升高,此時分集增益的譯碼算法對系統性能的影響超過干擾抵消算法的影響。

[1] Siavash M Alamouti.A Transmit Diversity Technique for Wireless Communications[J].IEEE J Select Areas Communication,1998,16:1451-1458.

[2] Branka Vucetic,Jinhong Yuan.空時編碼技術[M].王曉燕,譯 .北京:機械工程出版社,2004.1-60,220-230.

[3] 李穎,李佳,王新梅.空時編碼技術[J].西安:西安電子科技大學學報,2002,25(8):5-10.