高速環境下AMC系統中CQI反饋周期自適應調整研究

黃寒冰+劉添晶

摘 要：在高速鐵路應用場景中，現代蜂窩移動通信網中廣泛使用的自適應調制編碼技術（AMC）由于信道時變特性造成系統性能嚴重下降。傳統的固定信道質量指示（CQI）反饋周期方式無法根據信道時變程度來自適應調整上報間隔。上報周期較短將增加系統不必要的負載，浪費系統資源；而上報周期較長將惡化CQI和當前信道質量的失配程度并降低系統性能。提出一種適用于高速移動環境下的AMC系統中CQI自適應調整算法和方案，其通過統計幀內相鄰符號上的信噪比差值評估當前信道變化程度，并利用評估結果來預測未來信噪比變化程度。基于CQI的量化顆粒度計算CQI反饋周期自適應調整量，使CQI反饋負載和吞吐量性能均獲得較好的性能。最后通過計算機仿真驗證了方案的可行性和有效性。

關鍵詞：CQI；反饋周期；自適應；AMC；快時變信道

DOIDOI：10.11907/rjdk.171273

中圖分類號：TP301

文獻標識碼：A 文章編號：1672-7800（2017）007-0018-05

0 引言

無線信道的時變特性，使得無線通信存在不確定性，AMC技術能夠根據時變信道的傳播狀況，選擇最佳調制編碼方式（MCS）以提高通信系統頻帶利用率和可靠性。當信道傳播狀況良好時，選擇高階調制方式和低冗余的編碼來提高數據傳輸速率。

AMC技術的概念最初起源于1960年代末的自適應傳輸系統。Hayes[1]利用從接收端反饋的信道狀況信息進行自適應傳輸來最大化瑞利信道下的吞吐量。Cavers[2]通過不斷調整數據速率來響應衰落信道中信號強度變化實現可變速率的傳輸。目前AMC技術已經被大部分蜂窩移動通信系統標準所采納以達到最大化頻譜效率和最小差錯率[3]。文獻[4]-[5]對AMC中不同MCS的選擇策略進行了分析和仿真，獲得各門限下的吞吐量性能比較。文獻[6]在信道估計以及解碼后計算有效信噪比，作為一種新的性能度量來進行模式切換實現最大化數據傳輸速率。文獻[7]中的仿真結果表明縮短調整周期能夠有效地提高系統性能。

在諸如高速鐵路等高速移動環境下，信道快速時變和CQI反饋延遲導致調制編碼方式無法準確匹配當前信道條件。一種基于時間序列的CQI預測算法[8]，能根據不同的CQI反饋時延自適應選擇不同復雜度的CQI預測算法。文獻[9]利用線性衰落預測器預測信道狀況信息來提高AMC系統性能。為了緩解移動環境下信號反饋延遲的影響，文獻[10]利用估計得到的當前信道信息獲得下一時刻瞬時信噪比的條件分布，確定合適的MCS。

在高速移動環境中，信道時變程度加劇，傳統的固定CQI反饋周期方式會造成吞吐量損失和系統資源浪費。本文提出一種適用于諸如高速鐵路等高速移動環境下的AMC系統中自適應調整CQI反饋周期方法，其通過統計幀內相鄰符號上的信噪比差值來評估當前信道變化程度，并利用評估結果預測未來信噪比變化程度。基于CQI的量化顆粒度來計算CQI反饋周期自適應調整量，使CQI反饋負載和吞吐量性能均獲得較好的性能。計算機仿真表明，本文方案不僅可獲得較高的吞吐量性能，同時還降低了由于反饋CQI參數所消耗的系統信令資源。

1 系統模型

本文研究的自適應調制編碼系統模型如圖1所示。

接收端根據接收到的信號計算多狀態信道信噪比矢量，利用有效信噪比映射算法將多狀態信道信噪比矢量映射成有效信噪比標量，以降低CQI選取的復雜度。有效信噪比通過查找事先通過仿真確定的信噪比閾值表得到需要反饋給發送端的CQI值，實際蜂窩移動通信系統中（如3G和LTE系統），將不同的調制方式和編碼碼率組合成若干個固定的調制編碼方案集合，并且將CQI與MCS進行一一對應，發送端根據CQI選擇對應的MCS。在高速移動環境下，幀周期內的信道呈現快速時變，該周期內對應的接收信號表示為：

在AMC系統中需要選擇合適的CQI滿足目標誤塊率要求的同時，最大化系統吞吐量。在方案實施過程中，通常在AWGN信道條件下，通過離線仿真得到每個CQI對應的信噪比與誤塊率的曲線，接著根據仿真曲線獲得BLER=0.1時每個CQI相對應的信噪比閾值。CQI計算過程如下：

①根據不同的MCS在AWGN信道下仿真獲得誤碼率曲線，如圖2所示。查找滿足目標BLER要求的每種CQI對應的SNR值并儲存，如表1所示；②UE對接收信號進行信道估計，獲得各個信道狀況的SNR，構成一個信噪比矢量；③對信噪比矢量通過有效信噪比映射，得到一個有效信噪比值；④查找CQI-SNR表和比較有效信噪比，便可以確定CQI值。

根據步驟（1）及圖2，建立目標BLER下的SNR閾值表，如表1所示。

建立SNR閾值表后，需要通過有效信噪比映射算法將多狀態信道信噪比矢量映射成有效信噪比標量，接著通過查詢閾值表獲得反饋CQI參數。常用有效信噪比映射算法有2種：基于指數和互信息的有效信噪比映射算法，這兩種映射的基本思想都是把時變信道的多個信噪比值{γi}通過映射函數將信噪比矢量映射成有效信噪比γeff，然后查找表1選擇合適的CQI反饋值，發送端根據反饋回來的CQI選擇下次傳輸時發送信號調制編碼方式。另一方面，可根據獲得的有效信噪比查找對應的SNR-BLER曲線來預測誤塊率。信噪比映射算法預測BLER過程如圖3所示。

γawgn表示AWGN信道條件下滿足BLER=0.1對應的SNR值，γi（β）表示BLER=0.1對應的信道狀況i的有效信噪比。不同的調制編碼方法參考的AWGN曲線不同，且對應的γawgn值也不同。因此，對于每種CQI，都需要對β進行優化。

2 高速移動環境下AMC系統中CQI反饋周期自適應調整算法

高速移動性增加了信道時變程度并使得信道相關性減弱。信道相關系數受到移動速率和符號周期影響嚴重。隨著移動速度以及符號周期的增加，信道相關性減弱，如圖4所示。當信道相關系數較大時，信道變化相對緩慢，反饋的CQI值能相對較好地描述下一調度周期時的信道狀況。隨著終端移動速度的增加，信道的時間域相關性隨之降低，為了降低反饋CQI參數的失配程度，需要減小CQI的反饋周期以提高反饋CQI參數同下一調度周期時信道狀況的匹配程度，抑制CQI失配。

高速移動環境下信道時變程度加劇，傳統的固定CQI反饋周期方式無法根據信道時變程度來調整周期間隔。CQI反饋周期較小導致不必要地頻繁上報基站。雖然可提供準確的信道信息，但同時也增加了系統反饋開銷。相反若上報周期偏大，降低了信令開銷，但惡化了CQI參數的失配程度。

2.1 CQI反饋周期自適應調整方法

本文提出一種在高速移動環境下，基于信道變化程度CQI反饋周期自適應調整的方法。該方法根據當前幀內估計得到的N個信道系數，計算出信噪比矢量。統計幀內相鄰符號上信噪比的差值來評估當前幀信道變化程度，并將此用于預測不同調度周期時刻信噪比的變化。同時引入調整因子α用于調整信噪比時變程度預測值，該參數可通過仿真確定，本文所提方法可在反饋開銷與吞吐量性能之間進行較好的折衷，從而獲得較好的系統性能。其方法步驟如下：

（1）在AWGN信道下仿真獲得不同CQI對應的SNR-BLER的參考曲線，根據BLER<0.1的要求，獲得基站需要切換MCS的SNR門限值以及相鄰MCS進行切換的SNR容忍值，當接收信號的有效信噪比與當前CQI對應門限值差超過SNR容忍值，就達到更新CQI的條件。

（2）通過信道估計獲得信道參數h以及噪聲方差N0并計算當前幀的信噪比矢量，即：

其中，h=[h（0） h（1）…h（N-1）]，SNR=[SNR（0） SNR（1）…SNR（N-1）]，N為當前幀中符號數。

（3）通過信噪比矢量評估當前無線信道信噪比的時變程度可表示為：

δ為當前幀信噪比時變度，α為預測調節因子，T為幀周期長度。（4） 利用線性預測方法預測未來時刻的SNR時變量，當預測的SNR時變量超過當前CQI對應的SNR容忍值，達到切換MCS的條件。預測未來K幀信噪比變化量為δKT，當最小整數K的變化量δKT超過當前CQI對應的SNR容忍值時，便獲得下次反饋CQI的周期。其中，CQI對應的SNR容忍值即為當前CQI信噪比門限值與其相鄰的前后兩個CQI對應的門限值相比，較小的差值即為SNR容忍值，通過表1計算得到。

其中，γq-1，γq+1分別為與CQI相鄰的前后兩個CQI對應的閾值，K即為調整的CQI上報周期，該方法流程如圖5所示。

該方法根據信道參數估計值來評估信道信噪比時變程度，當預測的信噪比時變量達到切換MCS條件時（即超過當前CQI的SNR容忍值條件），計算新的上報周期，以實現自適應調整的目的。該方法不僅可獲得較高的吞吐量性能，同時還降低了由于反饋CQI參數所消耗的系統信令資源。

2.2 仿真結果

在仿真過程中，幀長1 024symbol，傳輸速率7×106symbol/s，調節因子δ=1.4，AMC系統采用LTE標準中定義的15種CQI對應的MCS參數。仿真時采用互信息量有效信噪比映射算法。用戶端在每個周期上報時刻，根據計算得到的有效信噪比來對比15種SNR的閾值，從而選擇需要上報的CQI參數。

在移動速度為300km/h時本文所提自適應反饋周期方式與固定反饋周期方式的吞吐量性能隨信噪比變化曲線如圖6所示。不同信噪比和吞吐量下，平均上報周期仿真如圖7所示。可以看出，固定周期越短，用戶上報CQI越頻繁，基站端獲得的信道狀況越精確，吞吐量性能越好。另外，本文提出的高速移動環境下CQI反饋周期自適應調整方法，在消耗CQI信令資源相對較小的前提下獲得了較高的吞吐量效果。

在移動速度為120km/h時吞吐量性能和平均CQI反饋周期曲線如圖8、圖9 所示。仿真結果表明，在低速的情況下，由于多普勒頻偏相對較小，信道時變程度沒有300km/h嚴重。本文所提CQI反饋周期自適應調整算法在維持較好吞吐量性能的前提下消耗系統資源更少。

圖10和圖11分別為在信噪比為19dB時，移動速度與吞吐量之間的關系曲線和平均反饋周期隨移動速度變化的曲線。仿真結果表明，隨著移動速度的增大，本文所提方法仍能夠維持較好的吞吐量性能。另外，隨著速度的加快，本文所提方法的平均上報周期逐漸下降。這是因為隨著速度增加，信道隨時間變化程度越嚴重。此時需要增加CQI反饋頻率，減小反饋周期，以維持高吞吐量。

在變速情況下，吞吐量性能和平均反饋周期性能曲線如圖12和圖13所示。該仿真過程中，移動速度變化范圍為200km/h 至300km/h。從圖中可以看出，變速運行狀況下，本文所提方法仍然能維持較高吞吐量性能的前提下大大降低系統消耗的CQI信令資源，獲得了較好的性能。

3 結語

針對傳統的固定CQI反饋周期方式會造成吞吐量損失和系統資源浪費情況，本文提出一種適用于高速移動環境下的AMC系統中CQI自適應調整算法和方案，其通過統計幀內相鄰符號上的信噪比的差值來評估當前信道變化程度，并利用評估結果預測未來信噪比變化程度。基于CQI的量化顆粒度來計算CQI反饋周期自適應調整量，使CQI反饋負載和吞吐量均獲得較好性能。通過仿真不僅可獲得較高的吞吐量性能，同時還降低了由于反饋CQI參數所消耗的系統信令資源。

參考文獻：

[1] HAYES J.Adaptive feedback communications [J].IEEE Transactions on Communication Technology，1968，16（1）：29-34.

[2] CAVERS J.Variable-rate transmission for Rayleigh fading channels [J].IEEE Transactions on Communications，1972，20（1）：15-22.

[3] LYE S C K，TAN S E，SIEW Z W，et al.Analysis and performance measurement of adaptive modulation and coding [C].Control System，Computing and Engineering （ICCSCE），2012 IEEE International Conference on.IEEE，2012：268-273.

[4] FAN J，YIN Q，LI G Y，et al.MCS selection for throughput improvement in downlink LTE systems [C].Computer Communications and Networks （ICCCN），2011 Proceedings of 20th International Conference on.IEEE，2011：1-5.

[5] ALEXIOU A，BOURAS C，KOKKINOS V，et al.Efficient MCS selection for MBSFN transmissions over LTE networks [C].Wireless Days （WD），2010 IFIP.IEEE，2010：1-5.

[6] WAN L，ZHOU H，XU X，et al.Adaptive modulation and coding for underwater acoustic OFDM [J].IEEE Journal of Oceanic Engineering，2015，40（2）：327-336.

[7] ZHENG W，REN S，XU X，et al.Impact analysis of AMC adjustment period in mobile satellite communications environment [C].Information Science and Technology （ICIST），2012 International Conference on.IEEE，2012：802-805.

[8] 鄭靜，常永宇，楊大成.反饋時延下LTE鏈路自適應算法性能研究[J].現代電信科技，2012 （3）：7-12.

[9] WU J Y，LEE W M.Optimal linear channel prediction for LTE-A uplink under channel estimation errors [J].IEEE Transactions on Vehicular Technology，2013，62（8）：4135-4142.

[10] OIEN G E，HOLM H，HOLE K J.Impact of channel prediction on adaptive coded modulation performance in Rayleigh fading [J].IEEE Transactions on Vehicular Technology，2004，53（3）：758-769.

[11] S N DONTHI，NB MEHTA.An accurate model for EESM and its application to analysis of CQI feedback schemes and scheduling in LTE [J].IEEE Transactions on Wireless Communications，2011（10）：3436-3448 .

[12] S TSAI A.Effective SNR mapping for modeling frame error rates in multiple-state channels[Z].Third Generation Partnership Project，2003.

[13] 3GPP TR 25.892 V6.0.0，feasibility study for orthogonal frequency division multiplexing for UTRAN enhancement（Release 6）[Z].2004.

[14] J KIM，A ASHIKHMIN，A VAN WIJNGAARDEN，et al.Reverse link hybrid ARQ：link error prediction methodology based on convex metric[S].Lucent Technologies，3GPP2 contribution，TSG-C WG3，20030401-020，2003.