高速环境下AMC系统中CQI反馈周期自适应调整研究

黄寒冰+刘添晶

摘 要：在高速铁路应用场景中，现代蜂窝移动通信网中广泛使用的自适应调制编码技术（AMC）由于信道时变特性造成系统性能严重下降。传统的固定信道质量指示（CQI）反馈周期方式无法根据信道时变程度来自适应调整上报间隔。上报周期较短将增加系统不必要的负载，浪费系统资源；而上报周期较长将恶化CQI和当前信道质量的失配程度并降低系统性能。提出一种适用于高速移动环境下的AMC系统中CQI自适应调整算法和方案，其通过统计帧内相邻符号上的信噪比差值评估当前信道变化程度，并利用评估结果来预测未来信噪比变化程度。基于CQI的量化颗粒度计算CQI反馈周期自适应调整量，使CQI反馈负载和吞吐量性能均获得较好的性能。最后通过计算机仿真验证了方案的可行性和有效性。

关键词：CQI；反馈周期；自适应；AMC；快时变信道

DOIDOI：10.11907/rjdk.171273

中图分类号：TP301

文献标识码：A 文章编号：1672-7800（2017）007-0018-05

0 引言

无线信道的时变特性，使得无线通信存在不确定性，AMC技术能够根据时变信道的传播状况，选择最佳调制编码方式（MCS）以提高通信系统频带利用率和可靠性。当信道传播状况良好时，选择高阶调制方式和低冗余的编码来提高数据传输速率。

AMC技术的概念最初起源于1960年代末的自适应传输系统。Hayes[1]利用从接收端反馈的信道状况信息进行自适应传输来最大化瑞利信道下的吞吐量。Cavers[2]通过不断调整数据速率来响应衰落信道中信号强度变化实现可变速率的传输。目前AMC技术已经被大部分蜂窝移动通信系统标准所采纳以达到最大化频谱效率和最小差错率[3]。文献[4]-[5]对AMC中不同MCS的选择策略进行了分析和仿真，获得各门限下的吞吐量性能比较。文献[6]在信道估计以及解码后计算有效信噪比，作为一种新的性能度量来进行模式切换实现最大化数据传输速率。文献[7]中的仿真结果表明缩短调整周期能够有效地提高系统性能。

在诸如高速铁路等高速移动环境下，信道快速时变和CQI反馈延迟导致调制编码方式无法准确匹配当前信道条件。一种基于时间序列的CQI预测算法[8]，能根据不同的CQI反馈时延自适应选择不同复杂度的CQI预测算法。文献[9]利用线性衰落预测器预测信道状况信息来提高AMC系统性能。为了缓解移动环境下信号反馈延迟的影响，文献[10]利用估计得到的当前信道信息获得下一时刻瞬时信噪比的条件分布，确定合适的MCS。

在高速移动环境中，信道时变程度加剧，传统的固定CQI反馈周期方式会造成吞吐量损失和系统资源浪费。本文提出一种适用于诸如高速铁路等高速移动环境下的AMC系统中自适应调整CQI反馈周期方法，其通过统计帧内相邻符号上的信噪比差值来评估当前信道变化程度，并利用评估结果预测未来信噪比变化程度。基于CQI的量化颗粒度来计算CQI反馈周期自适应调整量，使CQI反馈负载和吞吐量性能均获得较好的性能。计算机仿真表明，本文方案不仅可获得较高的吞吐量性能，同时还降低了由于反馈CQI参数所消耗的系统信令资源。

1 系统模型

本文研究的自适应调制编码系统模型如图1所示。

接收端根据接收到的信号计算多状态信道信噪比矢量，利用有效信噪比映射算法将多状态信道信噪比矢量映射成有效信噪比标量，以降低CQI选取的复杂度。有效信噪比通过查找事先通过仿真确定的信噪比阈值表得到需要反馈给发送端的CQI值，实际蜂窝移动通信系统中（如3G和LTE系统），将不同的调制方式和编码码率组合成若干个固定的调制编码方案集合，并且将CQI与MCS进行一一对应，发送端根据CQI选择对应的MCS。在高速移动环境下，帧周期内的信道呈现快速时变，该周期内对应的接收信号表示为：

在AMC系统中需要选择合适的CQI满足目标误块率要求的同时，最大化系统吞吐量。在方案实施过程中，通常在AWGN信道条件下，通过离线仿真得到每个CQI對应的信噪比与误块率的曲线，接着根据仿真曲线获得BLER=0.1时每个CQI相对应的信噪比阈值。CQI计算过程如下：

①根据不同的MCS在AWGN信道下仿真获得误码率曲线，如图2所示。查找满足目标BLER要求的每种CQI对应的SNR值并储存，如表1所示；②UE对接收信号进行信道估计，获得各个信道状况的SNR，构成一个信噪比矢量；③对信噪比矢量通过有效信噪比映射，得到一个有效信噪比值；④查找CQI-SNR表和比较有效信噪比，便可以确定CQI值。

根据步骤（1）及图2，建立目标BLER下的SNR阈值表，如表1所示。

建立SNR阈值表后，需要通过有效信噪比映射算法将多状态信道信噪比矢量映射成有效信噪比标量，接着通过查询阈值表获得反馈CQI参数。常用有效信噪比映射算法有2种：基于指数和互信息的有效信噪比映射算法，这两种映射的基本思想都是把时变信道的多个信噪比值{γi}通过映射函数将信噪比矢量映射成有效信噪比γeff，然后查找表1选择合适的CQI反馈值，发送端根据反馈回来的CQI选择下次传输时发送信号调制编码方式。另一方面，可根据获得的有效信噪比查找对应的SNR-BLER曲线来预测误块率。信噪比映射算法预测BLER过程如图3所示。

γawgn表示AWGN信道条件下满足BLER=0.1对应的SNR值，γi（β）表示BLER=0.1对应的信道状况i的有效信噪比。不同的调制编码方法参考的AWGN曲线不同，且对应的γawgn值也不同。因此，对于每种CQI，都需要对β进行优化。

2 高速移动环境下AMC系统中CQI反馈周期自适应调整算法

高速移动性增加了信道时变程度并使得信道相关性减弱。信道相关系数受到移动速率和符号周期影响严重。随着移动速度以及符号周期的增加，信道相关性减弱，如图4所示。当信道相关系数较大时，信道变化相对缓慢，反馈的CQI值能相对较好地描述下一调度周期时的信道状况。随着终端移动速度的增加，信道的时间域相关性随之降低，为了降低反馈CQI参数的失配程度，需要减小CQI的反馈周期以提高反馈CQI参数同下一调度周期时信道状况的匹配程度，抑制CQI失配。

高速移动环境下信道时变程度加剧，传统的固定CQI反馈周期方式无法根据信道时变程度来调整周期间隔。CQI反馈周期较小导致不必要地频繁上报基站。虽然可提供准确的信道信息，但同时也增加了系统反馈开销。相反若上报周期偏大，降低了信令开销，但恶化了CQI参数的失配程度。

2.1 CQI反馈周期自适应调整方法

本文提出一种在高速移动环境下，基于信道变化程度CQI反馈周期自适应调整的方法。该方法根据当前帧内估计得到的N个信道系数，计算出信噪比矢量。统计帧内相邻符号上信噪比的差值来评估当前帧信道变化程度，并将此用于预测不同调度周期时刻信噪比的变化。同时引入调整因子α用于调整信噪比时变程度预测值，该参数可通过仿真确定，本文所提方法可在反馈开销与吞吐量性能之间进行较好的折衷，从而获得较好的系统性能。其方法步骤如下：

（1）在AWGN信道下仿真获得不同CQI对应的SNR-BLER的参考曲线，根据BLER<0.1的要求，获得基站需要切换MCS的SNR门限值以及相邻MCS进行切换的SNR容忍值，当接收信号的有效信噪比与当前CQI对应门限值差超过SNR容忍值，就达到更新CQI的条件。

（2）通过信道估计获得信道参数h以及噪声方差N0并计算当前帧的信噪比矢量，即：

其中，h=[h（0） h（1）…h（N-1）]，SNR=[SNR（0） SNR（1）…SNR（N-1）]，N为当前帧中符号数。

（3）通过信噪比矢量评估当前无线信道信噪比的时变程度可表示为：

δ为当前帧信噪比时变度，α为预测调节因子，T为帧周期长度。（4） 利用线性预测方法预测未来时刻的SNR时变量，当预测的SNR时变量超过当前CQI对应的SNR容忍值，达到切换MCS的条件。预测未来K帧信噪比变化量为δKT，当最小整数K的变化量δKT超过当前CQI对应的SNR容忍值时，便获得下次反馈CQI的周期。其中，CQI对应的SNR容忍值即为当前CQI信噪比门限值与其相邻的前后两个CQI对应的门限值相比，较小的差值即为SNR容忍值，通过表1计算得到。

其中，γq-1，γq+1分别为与CQI相邻的前后两个CQI对应的阈值，K即为调整的CQI上报周期，该方法流程如图5所示。

该方法根据信道参数估计值来评估信道信噪比时变程度，当预测的信噪比时变量达到切换MCS条件时（即超过当前CQI的SNR容忍值条件），计算新的上报周期，以实现自适应调整的目的。该方法不仅可获得较高的吞吐量性能，同时还降低了由于反馈CQI参数所消耗的系统信令资源。

2.2 仿真结果

在仿真过程中，帧长1 024symbol，传输速率7×106symbol/s，调节因子δ=1.4，AMC系统采用LTE标准中定义的15种CQI对应的MCS参数。仿真时采用互信息量有效信噪比映射算法。用户端在每个周期上报时刻，根据计算得到的有效信噪比来对比15种SNR的阈值，从而选择需要上报的CQI参数。

在移动速度为300km/h时本文所提自适应反馈周期方式与固定反馈周期方式的吞吐量性能随信噪比变化曲线如图6所示。不同信噪比和吞吐量下，平均上报周期仿真如图7所示。可以看出，固定周期越短，用户上报CQI越频繁，基站端获得的信道状况越精确，吞吐量性能越好。另外，本文提出的高速移动环境下CQI反馈周期自适应调整方法，在消耗CQI信令资源相对较小的前提下获得了较高的吞吐量效果。

在移动速度为120km/h时吞吐量性能和平均CQI反馈周期曲线如图8、图9 所示。仿真结果表明，在低速的情况下，由于多普勒频偏相对较小，信道时变程度没有300km/h严重。本文所提CQI反馈周期自适应调整算法在维持较好吞吐量性能的前提下消耗系统资源更少。

图10和图11分别为在信噪比为19dB时，移动速度与吞吐量之间的关系曲线和平均反馈周期随移动速度变化的曲线。仿真结果表明，随着移动速度的增大，本文所提方法仍能够维持较好的吞吐量性能。另外，随着速度的加快，本文所提方法的平均上報周期逐渐下降。这是因为随着速度增加，信道随时间变化程度越严重。此时需要增加CQI反馈频率，减小反馈周期，以维持高吞吐量。

在变速情况下，吞吐量性能和平均反馈周期性能曲线如图12和图13所示。该仿真过程中，移动速度变化范围为200km/h 至300km/h。从图中可以看出，变速运行状况下，本文所提方法仍然能维持较高吞吐量性能的前提下大大降低系统消耗的CQI信令资源，获得了较好的性能。

3 结语

针对传统的固定CQI反馈周期方式会造成吞吐量损失和系统资源浪费情况，本文提出一种适用于高速移动环境下的AMC系统中CQI自适应调整算法和方案，其通过统计帧内相邻符号上的信噪比的差值来评估当前信道变化程度，并利用评估结果预测未来信噪比变化程度。基于CQI的量化颗粒度来计算CQI反馈周期自适应调整量，使CQI反馈负载和吞吐量均获得较好性能。通过仿真不仅可获得较高的吞吐量性能，同时还降低了由于反馈CQI参数所消耗的系统信令资源。

参考文献：

[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] 鄭静，常永宇，杨大成.反馈时延下LTE链路自适应算法性能研究[J].现代电信科技，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.