基于超密度圓環(huán)排序機制的5G網(wǎng)絡(luò)信號傳輸算法

,

(1.蘭州文理學(xué)院 數(shù)字媒體學(xué)院,蘭州 730000; 2.蘭州大學(xué) 信息科學(xué)與工程學(xué)院,蘭州 730000)

0 概述

5G通信技術(shù)具有數(shù)據(jù)編碼強度大、信道及信源數(shù)據(jù)處理復(fù)雜等顯著的技術(shù)特點,能夠適應(yīng)未來無線網(wǎng)絡(luò)超高數(shù)據(jù)傳輸強度及超強動態(tài)誤差控制等用戶體驗需求,從而促進5G網(wǎng)絡(luò)技術(shù)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(yù)發(fā)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(yù)發(fā)射過程的數(shù)據(jù)傳輸效率,改善信號傳輸質(zhì)量。如文獻[3]等提出了基于分支裁剪機制的5G移動數(shù)據(jù)抗噪傳輸算法,針對各個傳輸子信道的數(shù)據(jù)報文進行分支切割,并裁剪為頻率互相分裂的數(shù)據(jù)報文的方式,實現(xiàn)了數(shù)據(jù)加密與數(shù)據(jù)傳輸?shù)耐确忍嵘?但是該算法對數(shù)據(jù)裁剪過程的復(fù)雜度考慮不足,導(dǎo)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(wǎng)絡(luò)穩(wěn)定傳輸算法,通過克隆信源編碼副本的方式對信源編碼質(zhì)量進行實時監(jiān)控,能夠在信源噪聲受到嚴(yán)重干擾時,提高編碼準(zhǔn)確度。然而,該算法未能考慮信道噪聲對信源傳輸數(shù)據(jù)的混頻影響,當(dāng)信道噪聲與信源頻率出現(xiàn)共振效應(yīng)時,其數(shù)據(jù)傳輸率將出現(xiàn)顯著的下降現(xiàn)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(wǎng)絡(luò)信號誤差限制算法,采取正交環(huán)控制的方式實現(xiàn)了信道稀疏狀態(tài)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(zhǔn)頻率的方式進行誤差比對,當(dāng)子信道數(shù)量較多時將由于基準(zhǔn)頻率難以選取等因素,導(dǎo)致噪聲投影點數(shù)量迅速增多,降低了算法的精度水平。

可見,上述算法在構(gòu)造數(shù)據(jù)接收結(jié)構(gòu)過程中均未能考慮信號預(yù)發(fā)射過程與信號接收結(jié)構(gòu)間可能存在的映射關(guān)系,一旦傳輸子信道的頻率與信號預(yù)發(fā)射的頻率產(chǎn)生共振現(xiàn)象時,將很難實現(xiàn)對信道噪聲頻譜的擦除,從而降低算法的數(shù)據(jù)傳輸性能。

為此,本文提出一種基于超密度圓環(huán)排序機制的5G網(wǎng)絡(luò)信號傳輸算法。考慮小區(qū)基站與信號間的混疊現(xiàn)象,通過將接收節(jié)點按超密度排序的方式,構(gòu)建一種超密度圓環(huán)排序接收結(jié)構(gòu),降低數(shù)據(jù)傳輸過程中的傳輸誤碼率。

1 本文5G網(wǎng)絡(luò)信號傳輸算法

1.1 基于超密度圓環(huán)排序機制的信號預(yù)發(fā)射

鑒于當(dāng)前研究中存在的不足,本文提出基于旋轉(zhuǎn)環(huán)電控接收結(jié)構(gòu)的5G無線網(wǎng)絡(luò)信號定位算法,整個算法由超密度圓環(huán)排序機制、基于差分機制的方位角精度優(yōu)化2個過程構(gòu)成,見圖1。典型的5G信號均通過移動節(jié)點內(nèi)部的天線進行數(shù)據(jù)收發(fā)[6],為降低節(jié)點間的數(shù)據(jù)交換過程的信號解調(diào)困難,采用256進制星座進行256頻移鍵控調(diào)制(256FSK調(diào)制),射頻信號在調(diào)制過后分為k個節(jié)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(zhǔn)投影,通過自主選定相應(yīng)的中央基站并采取一定的鏈路穩(wěn)定措施,從而實現(xiàn)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(yīng)H(k)(ω)為:

(1)

其中,ε(ω)為頻域單位沖激響應(yīng),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(yīng)的延時。

圖1 本文5G網(wǎng)絡(luò)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(wǎng)絡(luò)在進行第M路信號加密后,所獲取到的信號頻域形式Y(jié)(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(wǎng)絡(luò)節(jié)點數(shù)據(jù)符號,具體調(diào)制數(shù)值按64PSK調(diào)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(yù)傳輸周期,Ts為調(diào)制時間片的周期長度。

此外,256FSK調(diào)制中A(t)滿足:

A(t)=e(1-64πt2/ζ2)+e(-16πt3/63ζ2)

(4)

其中,ζ為標(biāo)準(zhǔn)正三角信號脈沖的單位沖激響應(yīng)[8-9]。

聯(lián)合式(2)～式(4)可得:

(5)

根據(jù)式(1)可知,網(wǎng)絡(luò)信道在節(jié)點發(fā)送信號的頻域上最大支持M路信號進行傳輸,則離散系數(shù)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?shù)男盘枮?

(7)

考慮到無線網(wǎng)絡(luò)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(yīng)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(jù)模型式(1),則區(qū)域內(nèi)的5G節(jié)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(biāo)準(zhǔn)差為0,T(φ)第k路無線信號在進行第一輪數(shù)據(jù)發(fā)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(fā)射周期,Nc表示第k路無線信號中的脈沖符號在Tc內(nèi)的最大出現(xiàn)次數(shù),bj為進行256頻移鍵控調(diào)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(diào)制的脈沖符號序列,且滿足ai∈{+1,-1}。

由于各個小區(qū)基站間的信號均存在一定的混頻現(xiàn)象[7],雖然各個節(jié)點通過式(8)能夠?qū)⑿盘栠M行恢復(fù),然而對于第M路子信號而言,由于各個小區(qū)位置距離較近,難以順利的對信號進行恢復(fù)[8]。這是由于5G節(jié)點接收信號時,若各個節(jié)點接收過程采用圖2所示的小區(qū)接收結(jié)構(gòu),該結(jié)構(gòu)采取簡單距離測距的方式實現(xiàn)5G節(jié)點與中央節(jié)點的交互,其中,中央基站的信號覆蓋范圍設(shè)定為基準(zhǔn)投影,5G節(jié)點的最大功率覆蓋范圍為信號投影;由于5G節(jié)點均為移動狀態(tài),當(dāng)存在多個中央基站時將可能存在多個基準(zhǔn)投影,從而導(dǎo)致難以在節(jié)點密集時準(zhǔn)確的通過方向定位來實現(xiàn)信號的準(zhǔn)確接收[9]。

因此,本文構(gòu)建超密度圓環(huán)排序接收結(jié)構(gòu),整個接收機制由小區(qū)基站接收結(jié)構(gòu)與節(jié)點信號接收結(jié)構(gòu)組成,首先將整個小區(qū)基站進行星座映射,并按順序確定天線基準(zhǔn)節(jié)點,當(dāng)僅當(dāng)各個接收節(jié)點排列按距離遠近進行排列之后,方可進行小區(qū)基站信令接收。其中小區(qū)基站接收天線將按照時延順序一一映射為節(jié)點信號接收結(jié)構(gòu),詳細(xì)過程如下所示。

步驟1首先確定小區(qū)基站位置,然后搜尋全部可用的小區(qū)基站,將中央基站設(shè)置為星座中心,并確保5G節(jié)點與星座中心所形成的切線與法線呈現(xiàn)正交狀態(tài);信號傳輸時首先映射處于星座中央位置的小區(qū)基站,依次根據(jù)距離遠近選取性能最佳的若干信號投影,并將按極坐標(biāo)方式計算信號發(fā)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(qū)基站接收結(jié)構(gòu)(5G節(jié)點處于靜止?fàn)顟B(tài))

步驟2按距離遠近,從小區(qū)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(nèi),見圖1。當(dāng)5G節(jié)點位置發(fā)生移動時,選取最近的一個天線位置作為基準(zhǔn)位置,然后將5G節(jié)點與星座中心進行連線,并根據(jù)小區(qū)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(jié)點的信號發(fā)射方向與信號投影之間的夾角構(gòu)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(qū)基站接收結(jié)構(gòu)(5G節(jié)點處于移動狀態(tài))

步驟35G節(jié)點在接收到天線轉(zhuǎn)發(fā)的小區(qū)基站信令后,根據(jù)各個節(jié)點時延狀況,按接收方向?qū)⒐?jié)點依次排列,映射成環(huán)狀信號接收層次,當(dāng)回發(fā)信號時,首先從距離最近的環(huán)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(fā)送。

圖5 超密度圓環(huán)排序接收結(jié)構(gòu)

1.2 基于差分機制的方位角精度優(yōu)化

由于在采用圖5所示的超密度圓環(huán)接收結(jié)構(gòu)進行節(jié)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(yīng)的切線方向,令該切線方向為θ,任意一層次的旋轉(zhuǎn)環(huán)結(jié)構(gòu)均可以獲取θ的一個估計;當(dāng)圖5所示的超圓盤密度較大時將存在多個估計,導(dǎo)致定位過程中出現(xiàn)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(huán)排序接收結(jié)構(gòu)不斷獲取相應(yīng)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(shè)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(zhuǎn)環(huán)電控結(jié)構(gòu)均是獨立的,即任意一個旋轉(zhuǎn)環(huán)電控結(jié)構(gòu)的工作狀態(tài)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(chǎn)生干擾,如式(13)所示,而觀測過程中僅能根據(jù)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(zhǔn)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(shè)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(shù)。

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(quán)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(guān)性,計算t=tm時刻的抽樣權(quán)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(jié)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(wǎng)絡(luò)的頻率較大,如常用的網(wǎng)絡(luò)的頻率為2 000 MHz左右[13],而式(5)為單調(diào)減函數(shù),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(yōu)化傳輸[14](Chaotic Frequency Drift Elimination,GFDE)、高精度數(shù)據(jù)傳輸調(diào)節(jié)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(dāng)前常用的混沌頻率漂移消除優(yōu)化傳輸機制[13]、高精度數(shù)據(jù)傳輸調(diào)節(jié)機制[14]進行仿真實驗對比。仿真參數(shù)如表1所示。

表1 算法仿真參數(shù)

2.1 傳輸誤碼率

信道條件設(shè)置為高衰落信道,5G節(jié)點的數(shù)據(jù)傳輸速率控制在1 024 kb/s以內(nèi),信道衰落強度分別設(shè)定為8 J/dB、16 J/dB、248 J/dB。經(jīng)過6 h仿真后,仿真實驗結(jié)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(shù)據(jù)傳輸速率的不斷增加,本文算法的數(shù)據(jù)誤碼率始終呈現(xiàn)較低幅度的波動態(tài)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(yōu)勢。這是由于本文算法采用超密度接收結(jié)構(gòu),能夠?qū)⒏鱾€傳輸子信道進行固態(tài)化的方式,進一步提高算法對高衰落信道的適應(yīng)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(tài),導(dǎo)致噪聲信號的干涉效應(yīng)較強;HPDT算法雖然采用虛擬分區(qū)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(qū)需要實現(xiàn)指定,且分區(qū)過程中均不涉及預(yù)傳輸?shù)恼惶匦?因此誤碼率要高于本文算法。

2.2 數(shù)據(jù)吞吐率

信道衰落設(shè)置為248 J/dB,5G節(jié)點的數(shù)據(jù)傳輸速率控制在1 024 kb/s以內(nèi),信道分別設(shè)定為8 J/dB、瑞利信道、拉普拉斯信道、萊斯信道。經(jīng)過6 h仿真后,仿真實驗結(jié)果見圖7。

由圖7可知,本文算法的數(shù)據(jù)吞吐率始終具有較好的優(yōu)勢,特別是當(dāng)信道環(huán)境惡劣時,見圖7(c),且本文算法數(shù)據(jù)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(huán)排序接收結(jié)構(gòu),當(dāng)信道噪聲干擾強烈時能夠迅速提高信道傳輸容量,改善數(shù)據(jù)吞吐性能,有效削除波峰;而GFDE算法僅針對數(shù)據(jù)上傳吞吐進行隨機調(diào)度,未對數(shù)據(jù)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?qū)?shù)據(jù)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(shù)據(jù)吞吐性能要低于本文算法。

2.3 數(shù)據(jù)傳輸質(zhì)量

為直觀顯示本文算法與GFDE算法及HPDT算法在完成數(shù)據(jù)傳輸后的質(zhì)量性能對比,本文以圖像為信源數(shù)據(jù)。如圖8(a)所示;經(jīng)過3種算法傳輸后的接收端信源數(shù)據(jù)質(zhì)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(xiàn)變形現(xiàn)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(zhì)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(gòu)建了超密度圓環(huán)排序接收結(jié)構(gòu),能夠通過篩選的方式實現(xiàn)對窄帶萊斯噪聲投影的預(yù)消除,減少了信道噪聲對傳輸質(zhì)量的影響;GFDE算法對頻率混疊現(xiàn)象考慮不足,相鄰子信道極易發(fā)生混疊現(xiàn)象,從而降低了數(shù)據(jù)傳輸質(zhì)量;HPDT算法由于未采取任何機制對信道衰落進行處理,當(dāng)產(chǎn)生窄帶萊斯噪聲干擾時,數(shù)據(jù)傳輸質(zhì)量將出現(xiàn)顯著的下降現(xiàn)象,見圖8(d)。

圖8 3種算法的數(shù)據(jù)傳輸質(zhì)量測試結(jié)果

3 結(jié)束語

為提高5G網(wǎng)絡(luò)信號傳輸技術(shù)抗干擾能力,本文通過密度排序機制,構(gòu)建一種新的信號發(fā)射結(jié)構(gòu),能夠在傳輸強度提高的基礎(chǔ)上,進一步降低信號誤碼現(xiàn)象的發(fā)生,采用差分方式消除窄帶瑞利噪聲,促進了傳輸質(zhì)量的改善。下一步將針對本文算法接收結(jié)構(gòu)較為復(fù)雜的不足,通過引入流式正交投影自適應(yīng)機制,將全部的網(wǎng)絡(luò)信號納入矢量投影空間中,進一步促進本文算法在5G網(wǎng)絡(luò)領(lǐng)域內(nèi)的應(yīng)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(wǎng)絡(luò)演算的LTE網(wǎng)絡(luò)端到端時延分析[J].計算機學(xué)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(xué)報,2014,36(3):662-668.

[10] 黃妙娜.LTE網(wǎng)絡(luò)中多目標(biāo)優(yōu)化的動態(tài)負(fù)載均衡算法[J].電子與信息學(xué)報,2014,36(9):2152-2157.

[11] 吳 強,范建華,闞寶強.低開銷的無線網(wǎng)絡(luò)編碼機會路由協(xié)議設(shè)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(shù)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.