宽带无线接入系统资源优化的方法和装置 【技术领域】
本发明涉及移动通信领域，尤其涉及一种宽带无线接入系统资源优化的方法和装置。
背景技术
近年来，第三和第四代(3G/4G)无线移动网络通信实现了高速的发展和几何级用户的增长，这对系统的最优资源分配和干扰消除技术提出了极大的挑战，尤其是针对增加系统吞吐量和提高信号和数据的传输可靠性。移动通信系统的性能通常受到了多径衰落的影响而使性能恶化和容量受限。
多入多出(Multi Input Multi Output，MIMO)天线技术和迭代天线(adaptive antenna system，AAS)技术作为4G移动通信系统中最有发展前景的技术，目前已广泛的应用在无线移动网络如全球微波互联接入(Worldwide Interoperability for Microwave Access，Wimax)和长期演进(Long Term Evolution，LTE)上，但目前仍然存在很多的问题待解决，如载波频率偏移损害了通道载波正交性，载波间的干扰(Inter CarrierInterference，ICI)使得移动系统性能恶化。此外，4G系统中空间相关(spatialcorrelation)等问题强烈地冲击移动系统的上行系统性能。因此，资源优化和充分利用以及干扰消除技术被建议应用于Wimax和LTE系统中提高系统性能。
目前，只有简单的功率分配技术如基于通道系统信息传输(channelstate information transfer，CSIT)技术的迭代调制和编码(Adaptive modulationand coding，AMC)技术被应用到LTE和IEEE802.16e/802.16m中，而最优或次优化功率分配方案还未被应用到上述系统中。预编码和赋形(Precoding/Beamforming)以及编码调制的自适应调整技术可视为优化资源的具体方案，以提高吞吐量和数据传输链路性能。基于终端反馈的载噪比技术被广泛应用在Wimax/LTE中提高信道质量。
目前有业界建议的有三种功率分配方式，即平均功率分配，基于灌水(water-filling)或注水定律(water pouring)的功率分配，以及基于凸优化定律(convex optimization)的功率分配方式。目前仅有平均功率分配方式应用在实际系统中，而其它关于最优功率分配方案由于复杂度较高及条件严格而难以应用到实际系统中。
综上所述，无线网络目前的一些关于最优功率分配法由于高运算复杂度和实现条件复杂而影响到算法的实现，因此合理采用资源优化方案来达到上述目的是各设备厂家目前面临的重要课题。
【发明内容】
本发明要解决的技术问题就是提出一种宽带无线接入系统资源优化的方法和装置，解决目前系统频谱效率低的问题，提升数据传输链路可靠性，以及减少运算复杂度来实现资源的优化和可实现性。
为了解决上述技术问题，本发明提供一种宽带无线接入系统资源优化的方法，包括：
基站接收终端发送的数据，计算与终端之间通道的特征值；
所述基站根据系统功率的限制以及所述通道的特征值分配发送给终端的各数据流的功率。
进一步地，所述基站接收终端发送的数据，具体是指：
所述基站接收终端发送检测信号，或上行业务数据和导频子载波信号，或快速反馈通道信息。
进一步地，所述基站计算与终端之间通道的特征值，具体包括：
所述基站对通道进行载噪比估测，利用通道估测结果构成协方差矩阵并通过奇异值分解方法进行迭代来获取通道的特征值。
进一步地，上述方法还可具有以下特点：
所述基站通过调整编码调制比或发送功率的权值或预编码矩阵，分配发送给终端的各数据流的功率。
进一步地，基站根据系统功率的限制以及所述通道的特征值分配发送给终端的各数据流的功率，具体是指：
基站发送给终端的各数据流的功率为：计算使L(ki，gi，pi)达到最大时的各数据流的功率，其中，
L(ki,gi,pi)=max[f(pi,r,)]-Σi=1mkigi,]]>
f(pi，ri)为系统的平均容量，max[f(pi，ri)]表示f(pi，ri)的最大值，
f(pi,ri)=1mΣi=1mlog(1+ρpiriλiσ2)]]>
gi为：gi(pi)=Pc-kiΣi=1mpiλi]]>
其中，m为发送天线的数目，ρ为平均信噪比，pi是分配到基站的第i根发送天线上的数据流的功率，ri为基站的第i根发送天线上数据流的速率，λi为第i个通道的特征值，σ为高斯白噪声矢量，Pc为总功率限制，ki为拉格郎日乘子系数，其中，通道、发送天线、数据流均一一对应。
为了解决上述技术问题，本发明还提供一种宽带无线接入系统资源优化的装置，应用于基站，包括发送单元和接收单元，
所述接收单元包括通道特征值估计模块，用于接收终端发送的数据，计算与终端之间通道的特征值；
所述发送单元包括最优功率控制模块，用于根据系统功率的限制以及所述通道的特征值分配发送给终端的各数据流的功率。
进一步地，上述装置还可具有以下特点：
所述通道特征值估计模块进一步用于接收终端发送检测信号，或上行业务数据和导频子载波信号，或快速反馈通道信息，计算与终端之间通道地特征值。
进一步地，上述装置还可具有以下特点：
所述通道特征值估计模块进一步用于对通道进行载噪比估测，利用通道估测结果构成协方差矩阵并通过奇异值分解方法进行迭代来获取通道的特征值。
进一步地，上述装置还可具有以下特点：
所述最优功率控制模块进一步用于通过调整编码调制比或发送功率的权值或预编码矩阵，分配发送给终端的各数据流的功率。
进一步地，上述装置还可具有以下特点：
所述最优功率控制模块进一步用于计算使L(ki，gi，pi)达到最大时的各数据流的功率，其中，
L(ki,gi,pi)=max[f(pi,ri)]-Σi=1mkigi,]]>
f(pi，ri)为系统的平均容量，max[f(pi，ri)]表示f(pi，ri)的最大值，
f(pi,ri)=1mΣi=1mlog(1+ρpiriλiσ2)]]>
gi为：gi(pi)=Pc-kiΣi=1mpiλi]]>
其中，m为发送天线的数目，ρ为平均信噪比，pi是分配到基站的第i根发送天线上的数据流的功率，ri为基站的第i根发送天线上数据流的速率，λi为第i个通道的特征值，σ为高斯白噪声矢量，Pc为总功率限制，ki为拉格郎日乘子系数，其中，通道、发送天线、数据流均一一对应。
采用本发明所述方法和装置，与现有技术相比，达到了减少算法复杂度，优化资源分配，从而提高了系统吞吐率和传输数据链路可靠性。
【附图说明】
图1是本发明实施例的发送单元示意图；
图2是本发明实施例的接收单元示意图；
图3是本发明实施例的解译码模块的示意图；
图4是采用优化功率分配与平均功率分配的系统频谱对比结果；
图5是采用优化功率分配与平均功率分配的系统误码率(Bit ErrorRatio，BER)对比结果。
【具体实施方式】
在本发明中，采用建立在载噪比(Carrier to interference and noise ratio，CINR)和特征模式的低复杂度的功率分配方案，通过从接收单元获取精确的通道信息，应用于发送单元。
其中，基站通过接收终端发送的数据，计算与终端之间通道的特征值，并根据系统功率的限制以及所述通道的特征值分配发送给终端的各数据流的功率。
优选地，基站计算与终端之间通道的特征值，具体是：通过对通道进行载噪比估测，利用通道估测结果构成协方差矩阵并通过奇异值分解方法进行迭代来获取通道的特征值。
优选地，所述基站通过调整编码调制比或发送功率的权值或预编码矩阵，分配发送给终端的各数据流的功率。
下面结合附图及具体实施例对本发明进行详细说明。
本发明实施例的资源优化装置应用于基站，包括发送单元和接收单元。
如图1所示，本发明实施例的发送单元包括：数据分流模块，级联卷积编码模块，交织模块，速率切割模块，随机编码模块，快速傅里叶逆变换(Inverse Fast Fourier Transform，IFFT)模块，最优功率控制模块和前缀插入模块；
其中，数据分流模块用于将数据资源分成m路数据流(m为大于1的整数，与发送单元的天线数一致)；
级联卷积编码模块用于对接收到的数据进行级联卷积编码，m个级联卷积编码模块并行工作，该模块所采用的级联卷积编码的生成矩阵(GM，generator matrices)表达式可表示为：
G(D)=[1,Σi=1MgiDiΣk=1MgkDk]---(1)]]>
其中D是独立变量；giD和gkD代表有限状态编码器；系数gi＝{0，1}，gk＝{0，1}表示前向和后向反馈多项式1/2码率的反馈系统卷积码(Recursive systematic convolutional code，RSC)编码器。
级联卷积编码模块可产生基本速率为1/2或1/3的数据流，利用冗余原理(redundancy)提高信号抗干扰能力，其内部由两个RSC编码器组成。
贝尔实验室垂直空时分层编码(vertical bell lab layered space time，VBLAST)技术中，发送端采用不同的数据流，在接收端则体现为VBLAST检测算法，包括最高信噪比接收层的选择(Ordering)、串行抗干扰消除(SIC)，VBLAST技术可以通过低复杂度的串行干扰消除法来提升系统性能如最大化系统吞吐量和误码率。但由于缺少空间复用(diversity)而牺牲了部分链路性能导致系统传输链路质量的恶化，因此本发明实施例中级联卷积编码模块采用级联卷积码方式(concatenated convolutional code)对VBLAST进行补偿来提升系统的链路传输性能和提高系统覆盖范围。
交织模块用于对级联卷积编码模块输出的数据进行交织，将输入的数据随机化，减小各RSC编码器输入的相关性，来提高编码的自由度(freedom)和距离(distance)从而获取性能较高，抗干扰能力较强的编码；
速率切割模块用于对编码模块输出的编码数据进行速率切割，切割速率可根据以下公式计算：
ri=pp+k]]>
其中ri表示第i个发送天线流切割速率，p是限制长度或限制周期，M表示存储单元切割模式。
随机编码模块用于将切割模块输出的数据通过随机码(PN，PseudoRandom)进行编码来减少小区间干扰；
IFFT模块用于对随机编码模块输出的数据进行快速傅里叶逆变换，使通道间信号数据载波的正交和减小子信道间干扰。
最优功率控制模块用于根据系统功率的限制以及通道的特征值分配发送给终端的各数据流的功率；
前缀插入模块用于将IFFT模块输出的数据流插入前向循环修正码(Cyclic Prefix，CP)，然后将数据发送到各自的发送天线，完成发送处理过程。
如图2所示，本发明实施例的接收单元包括：通道特征值估计模块，循环前缀消除模块，最小均方差(Minimum Mean Square Error，MMSE)均衡模块，串行干扰消除模块和解译码模块；
其中，通道特征值估计模块用于接收终端发送的数据，计算与终端之间通道的特征值，将所述通道的特征值发送给发送单元的最优功率控制模块。
所述通道是指基站和终端间的无线传输通道(wireless propagation)，通常称为Rayleigh瑞利衰减通道，或是国际通信组织推荐的ITU通道模型。
循环前缀消除模块用于对接收到的数据消除循环前缀；
MMSE均衡模块用于接收串行干扰消除模块输出的反馈数据，以及接收循环前缀消除模块输出的数据，进行数据检测和抽取；
串行干扰消除模块用于对接收到的数据进行干扰消除，即：接收解译码模块输出的数据，消除检测过的信号层(Layer)和相关的发送信号；即在下一次循环干扰消除处理过程前(下一层接收信号检测前)将检测到的数据从接收的数据层中消除，以提高下一循环检测的精度；可能需要多次循环，直至最后的信号被检测出来，从而完成串行干扰的消除过程；该模块通过干扰消除，提高通道检测的精度，进而得到精确的功率分配；
解译码模块用于接收MMSE均衡模块输出的数据，采用最大后验概率算法进行级联卷积解译码，输出解码数据；
如图3所示，解译码模块具体包括：解复用子模块，第一软入软出子模块，反交织子模块，第一交织子模块，第二软入软出子模块，第二交织子模块和软判别子模块，
其中，解复用子模块用于采用基于最大后验概率(maximum A-priori，Log-MAP)算法来从MMSE均衡模块中抽取数据，并将数据分成两路数据流分别发送给第一软入软出子模块和反交织子模块；
第一软入软出子模块和第二软入软出子模块通过对数释然比(loglikelihood ratio，LLR)方法对接收到的数据进行软入软出操作；
对数释然比的公式根据贝叶定律可以表示为：
logPr{ck=1|d}Pr{ck=-1|d}=logPr{ck=1}Pr{ck=-1}+logPr{d|ck=1}Pr{d|ck=-1}---(3)]]>
其中，ck是第k个资源信息比特流，d是接收序列。基于雅可比Log-MAP算法可表示为
Lo＝Lc(ck)+La(ck)+Le(ck) (4)
其中La是后验概率；Lc表示通道信息；Le代表在迭代解码算法中的两个软入软出模块处理间相互交换的信息。
软判别子模块中，Le(s)的软判别可表示为：
Le(s)=logΣs′exp(αk-1(s′)+βk(s′)+γ1(s′,s))Σsexp(αk-1(s′)+βk(s′)+γ0(s′,s))---(5)]]>
s和s′代表当前和以前的译码状态，其中三个变量α，β和λ可以通过迭代的BCJR(Bahl，Cocke，Jelinek，Raviv，均是人名)算法来进行计算。
其它子模块由于是现有技术，此处不再详述。
本发明通过接收单元的通道特征值估计模块和发送单元的最优功率控制模块，实现低复杂度的功率分配，进而实现资源优化。
下面对上述两个模块的工作原理进行进一步描述：
通道特征值估计模块用于接收终端发送检测信号(sounding)，或上行业务数据和导频子载波信号，或快速反馈通道信息，对通道进行载噪比(CINR)估测，利用通道估测结果构成协方差矩阵并通过奇异值分解方法进行迭代来获取通道的特征值。该通道的特征值输出给最优功率控制模块，用于分配各数据流的功率。
具体地，通道特征值估计模块接收到信号后，将对通道进行CINR估测，然后利用通道估测结果可以构成协方差矩阵，利用平滑公式进行协方差矩阵滤波。随后采用奇异值分解方法获取特征值。下面详细进行该方面的叙述。可以采用导频方式进行噪音和干扰的测量和CINR的计算，具体描述如下。
设接收到的2个导频信号为Y1和Y2。相应的发送信号为X1和X2。
Y(k)＝X(k)·H(k)+NI(k) (1)
其中NI为噪音和干扰，H(k)分别为2个导频的通道信息。
E[Y1·X1·(Y2·X2)*]---(2)]]>
=E[H1H2*]+E[H1NI2*]+E[H2*NI1]+E[NI1NI2*]]]>
式中认为H1和H2值相同，即在上行结构中一个OFDM符号上的两个导频子载波上信道响应值相同。由于不同载波上的信号，噪声和干扰都是相互独立的，X(k)为BPSK调制，所以有：
E[Y1·X1·(Y2·X2)*]＝E[|H1|2] (3)
最终，我们将得到如下的CINR测量式：
CIN^R=|Σm=1K/2Y1(k)·X1(k)·(Y2(k)·X2(k))*|·2Σk=1K|Y(k)|2-|Σm=1K/2Y1(k)·X1(k)·(Y2(k)·X2(k))*|·2---(4)]]>
通道估测可以采用三种方法进行，即sounding检测信号，上行业务数据和导频子载波以及快速反馈通道信息。对于sounding检测信号，基站会选取与终端发送相应的随机序列(PN)进行共轭相乘以获取通道估测信息。对于上行业务数据则采取信道估测后，基站计算上行OFDM符号中每个子载波信道协方差矩阵R，这里是第k个子载波的信道估计；
R=HHHn≥mHHHm≥n---(6)]]>
然后对一个上行OFDMA符号中N个子载波信道协方差矩阵求平均值RST=1NΣk=1NRH~k---(7)]]>
通过平滑方式得到总体相关矩阵RLT如下；
RLT(i)＝ρRLT(i-1)+(1-ρ)RST(i) (8)
这里i是上行符号，ρ是遗忘因子。
通过协方差矩阵的计算后，特征值分解法可以描述为
H*diag(λ)＝v*diag(λ) (9)
其中H是归一化的m×n复数值通道矩阵及单元变量，通道的每个元素代表复数通道的增益；{λi}是通道特征值对应的信道的功率并按降序排列。
通过以下特征值分解公式我们可以计算得到通道的特征值：
{λi}=SVD(HHH)n≥mSVD(HHH)m≥n]]>
λ＝[λ1 λ2...λn]，λ1≥λ2≥λn (10)
其中m和n分别为发送和接收的天线数目，{HH}表示转置矩阵。
最优功率控制模块用于根据系统功率的限制以及包含通道特征值的系统的最大的平均容量，(利用凸优化原理)进行最大化计算，得到各数据流的功率，并通过调整编码调制比或发送功率的权值或预编码矩阵分配发送给终端的各数据流的功率。
其中，系统的容量表达公式可表示为：
C=log(det(HQHH+σ2I))]]>
=Σm=1Nlog(1+SINRk,n)---(11)]]>
其中Q是发送数据流的协相关矩阵，σ是高斯白噪声矢量，H是归一化的m×n复数值通道矩阵及单元变量；SINR(Signal to interference and noise)是信干噪比；I为单位矩阵。
MIMO系统的平均容量实质可等效为高斯独立分配最大平均信息通道，即：
f(pi,ri)=EH(log2(det(ρmHQHH+σ2I)))b/s/Hz]]>
=1mΣi=1mlog(1+ρpiriλiσ2)---(12)]]>
m为发送天线的数目，ρ为平均信噪比，pi是分配到基站的第i根发送天线上的数据流的功率，ri为基站的第i根发送天线上数据流的速率，λi为式(10)计算得到的第i个通道的特征值，σ为高斯白噪声矢量，，()H表示复数转置操作以及通道增益被归一化，EH表示对所包括的内容进行数据平均；其中，通道、发送天线、数据流均一一对应。
由于在V-BLAST系统中首次检测的层(layer)非常重要，影响到后面层的检测精度和性能，因此功率优化的原理是将信噪比较高的层赋予更多的功率以使得后面的干扰消除获得更理想的结果。
功率最优化的问题实质上是最优化原理在系统资源中的应用。本发明实施例中采用在系统发送总功率额定时进行最大化系统频谱，因而采用了牛顿(Newton)和凸优化(convex optimization)原理。其实质是利用雅可比J()(jacobian matrix)原理进行微分求导得到最大值，其中Fi(p)是指不同的目标功能模块(Object function)(类似上面提到的f(pi，ri)系统容量目标功能模块)，其原理如下：
J=∂Fi(p)∂pj---(13)]]>
J=y1=∂F1(p)∂p1+∂F1(p)∂p2+...∂F1(p)∂pny2=∂F2(p)∂p1+∂F2(p)∂p2+...∂F2(p)∂pn...yn=∂Fm(p)∂p1+∂Fm(p)∂p2+...∂Fm(p)∂pn---(14)]]>
基于优化原理，最小-最大功率限制公式可以表示为：
L(ki,gi,pi)=max[f(pi,ri)]-Σi=1mkigi---(15)]]>
其中，ki是拉格郎日乘子系数，gi为功率分配和功率限制条件，具体可以表示如下：
gi(pi)=Pc-kiΣi=1mpiλi---(16)]]>
其中Pc＝trace(QQH)是总功率限制；{ki}是拉格郎日乘子系数，L(ki，gi，pi)也即L(pi，ki，ri)。
根据公式(12)以及凸优化的原理，基站发送给终端的各数据流的功率为：计算使L(ki，gi，pi)达到最大时的各数据流的功率pi值：
ei=dL(pi,ki,ri)dpi---(17)]]>
=df(pi,ri)dpi-kidg(pi,ri)dpi]]>
首先对该公式进行求导得到
▿f(pi)=Σi=1mki▿gi(pi)---(18)]]>
将该求导公式设置为零，设置优化的步长以及迭代次数来获得结果，具体步骤表示如下：
V＝[e1 e2…ei g1 g2…gi] (19)
[p1 p2…pm]＝solve(V) (20)
将解出的功率用于发送通道的功率分配，即进行资源的优化如预编码矩阵或调制和编码的功率重新分配。
其中功率P为对角形矩阵，表示发送到不同天线上的功率
P=p1p2...pn,i=(1,...m)---(21)]]>
此外，对于级联卷积编码的接收单元，MMSE均衡模块中通道的选择检测可由传统的检测公式
k＝arg max((HHH+σ2I)-1HH) (22)
改为：
k＝arg max〔((HRP)H(HRP)+σ2I)-1(HRP)H〕 (23)
其中，H代表通道，R代表数据流速率，P代表功率。
图4中示出最优功率分配和平均功率分配的误码率性能比较。仿真结果表明相比传统的平均功率算法，本发明的方案在误码率为10-3时有2dB的性能提高。图5中示出到基于信干比的优化功率分配与平均功率分配的系统频谱的比较。性能的提高部分由于将更多的功率分配给信噪比较高的信道，这对于V-BLAST系统更为关键，因其采取了干扰消除的方法，因此对信噪比的提高极为敏感。表1为图4和图5的仿真环境。
综上所述，本发明对级联卷积编码和解码的V-BLAST系统进行了最优功率分配的研究和设计，并采用了联合特征值方式和CINR估计的方法，因而比起其它的方法，减小了算法的复杂度并且易于在实际系统中进行实现。本发明解决了目前V-BLAST系统在4G中由于空间相关和缺少复用(diversity)及信道和载波间干扰引起的性能较差的问题，由于V-BLAST的性能的优势，因而在第四代移动通信系统(4G)中得到了应用，相信由于采用了本发明资源优化方案并明显提升系统性能后，优化传输和接收的卷积编解码的V-BLAST将会得到进一步的应用。
当然，本发明还可有其它多种实施例，在不背离本发明精神及其实质的情况下，熟悉本领域的技术人员当可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。
表1：仿真环境