一种用于卫星移动通信环境下CQI预测的ARIMA改进模型

北京大学信息科学技术学院卫星与无线通信实验室

郑雅丹 任术波 徐晓燕 董明科 吴建军

一、引言

由于卫星通信技术具有下行广播覆盖范围广，对地面的情况不敏感，工作频带宽，通信质量好等优势，已经受到了越来越多地重视。将其与LTE技术结合将可能使LTE标准的相关技术指标在原有基础上有新的飞跃。但是，考虑到卫星通信信号传输时延大等特点，现有的地面LTE技术的一些实现方法需要进行相应修改。

在地面LTE标准中，采用了自适应编码调制技术，（AMC.Adaptive Modulation and Coding）。AMC技术根据信道变化，动态地选择适当的调制编码方式，来提高系统容量和信息传输速率。反映信道变化的重要指标是信道质量指示参数CQI（Channel Quality Indicator），它是由UE端根据下行链路信号质量计算得到的，并通过上行链路反馈给eNodeB。

如果在卫星通信系统中使用AMC技术，卫星信道的长时延将导致UE反馈的CQI经过较长时间才能到达eNodeB，即eNodeB用来进行AMC调整的CQI数值将是较长时间之前的过期数据。如果使用这些过期的CQI数值指导AMC，对于信道变好的情况，将导致功率或频率资源的浪费；对于信道变坏的情况，很可能引发HARQ进程，从而导致时间资源的浪费。因此，在卫星通信系统中，对起作用时刻的CQI值进行预测或修正，以提高AMC效率，是非常必要的。

目前，针对地面CQI的短时预测或修正主要是利用时间序列预测模型，如指数平滑算法，移动平均算法，ARIMA（Autoregressive Integrated Moving Average Model）模型等，还可以通过修正其他参数，如SINR来获得准确CQI的方法。其中ARIMA模型是一种具有较高的准确性及简捷的实现结构的预测模型，在地面CQI预测中有很好的效果。但如果直接用于卫星系统，进行较长时间的预测，其预测能力往往无法满足要求。因此在卫星信道环境下，需要寻找一种能够给出合理的预测结果的方法，给出对AMC参考。

根据以上情况，本文针对卫星通信系统的长时延的特殊性，结合卫星信道特点，提出了将CQI数值预测转化为CQI状态预测的方法，利用改进的ARIMA模型，实现卫星环境下较低硬件资源及低实现复杂度消耗的预测。其中，用于具体预测的改进ARIMA模型利用了指数平滑思想，添加了强制反馈，简化了多步预测的公式，使得能够利用较低阶的预测模型进行较为准确快速的预测。

二、兼容LTE的卫星移动通信系统

卫星通信系统以卫星作为中继站转发信号，在多个地面站之间通信。高轨道卫星通信系统GEO能够实现对地面的“无缝隙”覆盖，覆盖范围远大于一般的移动通信系统，且对地面情况不敏感，有利于在业务量稀少的地区提供大范围的覆盖。如果其与LTE技术结合，将可能使LTE标准的相关技术指标在原有基础上有所提高。

在卫星通信系统中存在双跳和单跳两种系统通信模式，终端之间的卫星通信的典型应用就是双跳模式。即两条信令路径：一条是从起始端（用户）通过卫星到地面站，另外一条是从地面站通过卫星到目的端（用户），双跳模式引起端到端的时延为540ms。

1. AMC

自适应编码调制（AMC）技术能够使得处于有利位置的用户得到更高的数据速率，提高小区平均吞吐量；通过使用不同的高阶调制方案来代替原来改变发射功率的方案，从而可以减少干扰。现在这项技术已经被现有的无线通信系统广泛使用，图1即为AMC通信系统的基本结构。地面LTE标准也使用了AMC技术，TS 36.213中对其进行了详细描述。同样，在兼容LTE的卫星移动通信系统中，也需要AMC技术来提高系统容量和信息传输速率，提高用户信号质量。

对于地面LTE通信系统，为了能够辅助eNodeB进行AMC操作，UE需要上报CQI，TS 36.213标准中规定了不同的CQI index和调制编码方式的对应关系。终端根据从下行链路接收到的信号计算出信道质量指数CQI，通常是基于下行链路的参考信号测量。然后通过上行链路上报给eNodeB。eNodeB接收到CQI之后，根据小区资源情况和当前用户的CQI，分配合适的下行调制编码方案MCS（Modulation and Coding Scheme）。用户接收到卫星的调整指示，按照指示进行上行传输。因此AMC是个严格的闭环过程，如图 1所示。

在卫星通信系统中使用AMC技术，卫星信道的长时延导致UE反馈的CQI经过较长时间才能到达eNodeB，即eNodeB用来进行AMC调整的CQI数值将是较长时间之前的过期数据。因此在卫星通信系统中需要对起作用时刻的CQI值进行预测或修正，以提高AMC效率。

图 1 AMC通信系统示意图

2. 卫星环境下CQI预测问题

在兼容LTE的卫星通信系统中，这个过程的不同点主要是UE上报的CQI信号需要经过卫星链路到达信关站。上行链路和下行链路变成卫星信道，其信道环境发生了改变，传输时延，多普勒频移等特性都与地面不同。在这种通信环境下，CQI的传输必然会受到影响。如前所述，卫星双跳传输模式需要540ms的时延，信关站接收到的是270ms之前的CQI值，同时需要给出270ms之后UE所需的AMC方式，这种情况下需要做出对540ms之后的CQI的预测。

对于周期性上报的CQI，是每个UE将自己测量的CQI值以一定周期反馈给eNodeB的。如果以一个TTI长度（1ms）为周期，那么卫星实际接收到的数据就是一串以1ms为间隔的CQI序列。如果要对起作用时刻，即540ms之后的CQI数据进行预测，相当于对接收到的时间序列进行540步之后的预测，这对于一般的依靠相关性进行预测的方法是无法实现的。因此笔者希望提供一种有实现意义的CQI预测方法。

三、兼容LTE的卫星移动通信系统CQI预测模型

常用的时间序列预测模型ARIMA可以用来进行地面CQI数值的预测。在地面LTE通信系统中，这种预测模型能够较好的给出CQI的参考值，辅助AMC进行有效的调整。但是这种线性模型在进行较大步长预测时，给出的结果将趋于序列均值，这种预测没有太大的意义。而在卫星系统中，所需的就是较多步的预测，那么使用与地面相同的方法并不能达到要求。

在2001年国外曾有论文提到，对于卫星宽带信道模型，实际上信道衰落的情况在较长时间内是基本不变的，可以将信道在一段时间内的衰落情况划分成多个状态，在每个状态内认为信道衰落情况基本不变。那么，同样可以认为在多个TTI时间内，由信道衰落导致的CQI数值有波动，但在这段时间内波动都集中在一定范围内，不存在差距较大的CQI数值之间的反复快速变动。我们就可以借鉴将信道衰减情况划分状态的方法，将本文中的CQI数值变动情况划分也成多个状态。在同一状态内信道变化不大，而不同状态之间信道衰落情况有一定差距。

根据以上分析，可以将序列具体值的预测转化成了对序列一段时间内所处状态的预测，可以根据所预测的状态再给出所在状态下的参考CQI值来指示AMC。这种方法放弃了对具体CQI值的预测。由于每个状态代表对多个TTI时间内的CQI进行的统计结果，所以预测时所用的序列每个值都表示多个TTI时间，即时间单元变大了。例如100TTI，即100ms统计一个状态，那么如果需要预测540ms之后的状态，就需要6步预测，得出在500ms～600ms时间段内的状态。所需的预测步长大大减少。同时由于将在一定范围内波动的多个CQI数值抽象成单一状态，近似于统计平均的效果，各个状态之间的相关时间将在一定程度上长于具体数值之间的相关时间，因此能够使得预测的可靠性增加。在状态得到较为准确预测的情况下，给出相应的CQI数值建议，也具有较大的合理性。

为了对CQI状态进行预测，我们仍然使用ARIMA模型。ARIMA模型的基本预测公式如下：

使用ARIMA模型对CQI状态序列进行预测，由于GEO卫星信道的特殊性，状态的变化也不是十分剧烈，如果选择的调整周期较小时，需要使用的模型阶数较地面会增大。对于一般的地面系统，由于信道变化较快，所以使用的模型阶数较小，比如AR(2)。这就导致了在这种情况下卫星系统中实现预测的硬件资源和计算复杂度要远远高于地面，即要付出更多的资源和功耗代价。为了能够降低硬件资源和计算复杂度，需要对ARIMA模型改进，希望能用低阶的模型，简单的多步预测公式，来获得可接受的预测结果。修改模型如下：

为了提高低阶模型的性能，本文引入了指数平滑算法的思想。指数平滑算法是一个典型的具有既往数据追溯性的模型。由于高阶模型使用的数据窗口较大，即用于预测所考虑的既往数据较多，为了能够利用低阶模型逼近高阶模型，在窗口变小的情况下，引入数据追溯性，可以认为是对窗口减小的一种弥补，是一种提高性能的方式。

图 2 改进ARIMA模型实现示意图

表1是对ARIMA模型预测计算量的粗略对比（假设d＝0）。

表1 传统ARIMA模型及其改进模型的运算量对比

四、改进的ARIMA模型性能仿真

针对上文对传统ARIMA模型的分析，对模型进行了修改，下面是仿真结果。

仿真环境：LTE链路级仿真，周期反馈全带宽CQI，反馈周期为1ms。采用均方根误差RMSE作为衡量标准。

采用改进的ARIMA(2,0,0)模型和ARIMA(6,0,10)模型，预测结果对比如图3、图4所示。

图3 状态预测性能对比

图4 数值预测性能对比

由对比图看出对于状态预测，改进的ARIMA模型性能较高阶模型有所下降，这可能是由于预测模型阶数差距导致的准确性下降，虽然添加的反馈引入了追溯性，仍然没有高阶模型对各参考数据的权重分配合理。而相对同样的低阶模型来说，改进模型能够在一定程度上提高预测性能。同时对于CQI预测，改进模型能够给出性能较好的预测结果。说明改进具有一定价值。

从上面的结果可以看到，使用改进的低阶模型得到的预测结果较传统的高阶ARIMA模型的RMSE性能略有下降，但两者差距不大，而且考虑到实现的复杂度，改进模型具有较大的优势，所以性能的一定范围的下降是可以接受的。

五、结束语

本文主要讨论了在兼容LTE的卫星移动通信系统中，为了实现更有效的AMC调整，进行CQI预测的必要性。并针对由于卫星信道环境的特殊性导致的传统预测模型线性预测模型无法实现有意义的预测给出了解决策略。提出了将CQI数值预测转化为CQI状态预测的方法，利用改进的ARIMA模型，实现卫星环境下较低硬件资源及实现复杂度的预测方法。改进的ARIMA模型是在传统ARIMA模型的基础上融入了指数平滑算法的思想，对预测模型添加了强制反馈，即强制引入了数据的追溯性；同时简化了多步预测的计算公式以加快预测速度。关于运算量的分析说明改进算法能够有效降低实现复杂度；同时仿真结果证明，改进的低阶模型能够接近传统高阶ARIMA模型的RMSE性能，即具有相当的准确性。因此可以说这种方法能够较好地适用于卫星通信系统，能够简捷准确的给出CQI预测结果，为兼容LTE的卫星移动通信系统中的AMC调整提供更好的参考。

本文重点在提出一种可以实现的预测方法，对于状态划分方法和状态时长的细节没有过多考虑。对于状态划分方法及状态时长的讨论将在今后的工作中深入研究。

见www.dcw.org.cn