本发明属于无线通信领域，涉及一种信道质量测量方法，具体涉及一种基于接收端EVM的上行链路自适应系统的信道质量测量方法，适用于地面蜂窝通信系统、卫星通信系统、Massive-MIMO系统和点对点链路传输系统等无线通信系统。
背景技术：
：在无线通信系统中，信道是存在多径效应的时变信道，发射端如果知道信道的先验信息就可以选择更适合信道传输的调制方式和编码速率来发射数据，从而降低传输过程中各种因素对接收信号的影响，以更好的适应多变的信道传输条件，改善系统性能。由此可见，为了提升通信系统的性能，链路自适应的研究是十分必要。上行链路的自适应包括功率控制技术和速率控制技术。其中功率控制技术是通过动态调整发射功率，维持接收端一定的信噪比，从而保证链路的传输质量。而速率控制技术则是链路自适应主要采用的技术，也即我们常说的自适应调制和编码技术(AMC)，eNodeB根据用户终端提供的信道环境变化的信息，动态地选择调制和编码的方式(MCS)，在满足系统BLER限制的同时，最大化提升系统的性能，确保链路的传输质量。具体来说，就是离基站较近，信道条件较好的用户，会被分配高阶调制方式和较高的编码速率；而离基站较远，信道条件不好的用户，接收端为了保证正确的解调，需要更多的冗余信息，但较多的冗余信息会降低编码速率，因此分配的是低阶的调制方法和较低的编码速率。在上行链路自适应系统中，接收端需要向发射端反馈信道状态信息，这就需要进行信道质量测量，现有的方法一般采用信干噪比(SINR)来表征信道的传输质量，也就是将SINR作为信道质量测量的一个度量标准，接收端根据估计得到的SINR来进行MCS的选择，然后反馈给发射端，发射端根据反馈的信道质量信息，进行下一次传输参数的最优配置。对于这方面的研究大都集中在有效SINR的测量方面，其基本思想是首先估计出每个子载波的SINR，然后通过一定的映射方法，将这些子载波的SINR值映射成为一个能够反映整个链路平均性能的有效SINR，并根据此有效SINR来进行MCS的选择。常用的方法有指数有效SINR映射(EESM)算法、互信息有效SINR映射(MIESM)算法、每比特平均互信息(MMIB)算法、平均有效SINR映射(AESM)算法以及调和平均算法(Harm-mean)。其中EESM和MIESM这两种算法有着相似之处，都来源于有效SINR映射(ESM)，区别在于它们使用的映射函数不同，分别为指数映射函数和有关互信息映射函数。但是在这两种算法中，其映射函数都包含有一个调谐因子，需要我们离线仿真得到，而其参数值大小取决于MCS、信道状态以及天线配置，所以很难达到最优，鲁棒性差，从而造成系统吞吐量性能的损失。MMIB指编码比特与其对数似然比(LLR)之间的平均互信息，MMIB信道质量测量指的是将无线信道等效为多个并行的比特LLR信道，通过计算编码比特与其对应的接收端LLR值之间的互信息将有效SINR和比特级平均互信息建立起一一对应关系，但是由于互信息的计算是十分复杂的，很难得到其精确的映射公式，所以MMIB算法的精确度较低，除此之外，该算法的性能极大程度上取决于调制阶数，也就是说此算法对于调制阶数的变化是十分敏感的，不适用具有时变特性的无线信道中。Harm-mean算法则是将多个子载波的SINR的调和平均数作为等效的SINR，而AESM算法认为在SC-FDMA系统中，所有子载波的SINR近似相等，所以可以用求平均的操作来简化计算。但是这两种方法有一定的局限性，只适用于频选不严重的场景，虽然这两种算法的复杂度较小，但其计算精确度相应较差。从以上分析可以看出，上述各方法相当于是一个多对一的映射，这样两个不同子信道的有效SINR可能是相同的，忽略了不同子信道间的差异，选择了相同的MCS，而此MCS对于这些子信道而言可能不都是最优的，所以测量精确度较低，鲁棒性较差，从而影响系统性能，造成吞吐量的下降。因此，将SINR作为信道质量的度量指标，则其测量值的精确度对于系统吞吐量性能的提升是非常关键的。但是，在无线通信中，影响SINR值变化的因素有很多，像衰落信道，干扰和噪声等，所以想要保证它的精确度是十分困难的，具有一定的挑战性。在上行链路中，信号经过信道由于受到噪声或者干扰的影响，会导致信号发生变化。若信道条件较好，信号经过信道的变化较小，反之，若信道条件较差，信号经过信道会发生较大的变化。因此除了传统的基于SINR的信道质量测量，我们还可以通过测量信号经过信道发生的变化程度，来对信道质量进行判断，而误差矢量幅度(EVM)正是度量此变化的一个指标，因为干扰和噪声对信号的影响可以信号在星座图上与标准星座点的偏差直观的表现出来。接收端EVM定义为接收端误差矢量信号平均功率的平方根值和接收端参考信号平均功率的平方根值之间的比值。由此可见，接收端EVM的大小可以反映信道质量，信道条件较好时，信号受信道影响小，接收端EVM较小；信道条件较差时，信号受信道影响大，接收端EVM较大。并且相对于估计每个子载波的SINR，可以更容易的得到系统的接收端EVM。技术实现要素：本发明的目的在于克服上述现有技术的不足，提出了一种基于接收端EVM的上行链路信道质量测量方法，接收端根据系统的瞬时EVM，利用离线仿真获取接收端EVM与MCS之间的映射表以选择合适的MCS，并反馈给发射端，用于对下一次传输的最优参数进行配置，旨在保证满足上行自适应链路BLER限制的同时，解决现有信道质量测量方法存在的因信道质量测量精确度低和计算复杂度高导致的系统吞吐量低的技术问题。为实现上述目的，本发明采取的技术方案包括如下步骤：(1)构造上行链路自适应系统模型，并建立该模型发射端和接收端之间频域信号的数学关系，实现步骤为：(1a)采用多址技术，构造地面蜂窝通信系统、或卫星通信系统、或Massive-MIMO系统或点对点链路传输系统的上行链路自适应系统模型：包括Turbo编码、调制、层映射、DFT变换和符号产生模块的发射端，包括FFT变换、信道估计、频域均衡、IDFT变换、解调和译码的接收端，MIMO信道，包括有基于接收端EVM的信道质量测量和自适应调制编码的自适应反馈模块。(1b)建立上行链路自适应系统模型发射端和接收端之间频域信号的数学关系得到接收端频域信号矩阵yf：其中Y为接收端频域信号，H为系统频域信道响应，FM为大小为M的归一化DFT变换，k,l＝1,2,...,M，NT为发射天线个数，为维度为NT的单位矢量，x为发射端调制信号，V为均值为0，方差为的高斯白噪声。(2)在接收端，根据3GPP标准里的导频配置形式，从上行链路自适应系统模型接收端频域信号Y中提取导频信号Yp：Yp＝HpSp+Vp其中，Sp、Hp和Vp分别指发射端导频信号、导频信道响应以及高斯白噪声。(3)在接收端，对系统频域信道响应H进行估计，得到系统频域信道响应估计值(3a)采用信道估计算法，根据导频信号Yp对导频信道响应Hp进行估计，得到导频信道响应估计值(3b)采用时域插值算法，根据导频信道响应计算系统频域信道响应(4)估计基于接收端EVM信道质量测量算法的测量信号Z：(4a)采用频域均衡算法，根据步骤(1b)中的接收端频域信号矩阵yf和步骤(3)中获得的系统频域信道响应计算发射端频域信号的估计值(4b)对发射端频域信号的估计值进行IFFT变换，得到发射端时域信号估计值即基于接收端EVM信道质量测量算法的测量信号Z。(5)在接收端，对发射端时域信号估计值进行Turbo码译码，得到译码后的比特数据，并对该比特数据进行再编码和再调制，得到理想参考信号R。(6)采用误差矢量幅度计算公式，根据步骤(4)获得的测量信号Z和步骤(5)获得的理想参考信号R，计算接收端EVM。(7)在接收端，选择调制编码方式MCS：(7a)对上行链路自适应系统模型进行离线仿真，得到接收端EVM与MCS之间的映射表。(7b)对上行链路自适应系统模型进行多次仿真，根据每次仿真循环中的瞬时接收端EVM值，从接收端EVM与MCS之间的映射表中选取其对应的MCS，并反馈给发射端，用于对下一次传输的最优参数进行配置。本发明与现有技术相比，具有如下优点：(1)本发明通过离线仿真得到接收端EVM与MCS之间的映射表，并根据系统瞬时接收端EVM，从接收端EVM与MCS之间的映射表里选取其对应的MCS，是个一对一的映射关系，所以其信道质量测量精确度更高，在满足系统BLER限制的条件下，有效地提升了系统的吞吐量性能；(2)本发明由于在对上行链路自适应系统信道质量进行测量时采用了基于接收端EVM的信道质量测量方法，其计算复杂度小，鲁棒性高，能够更好的适用于上行链路自适应系统，进一步的改善系统的吞吐量性能。附图说明图1是本发明的实现流程框图；图2是本发明的上行链路自适应系统模型示意图；图3是本发明采用的信道质量测量指标EVM的示意图；图4是本发明中接收端EVM与MCS之间映射表的获取流程图；图5是本发明的接收端EVM与BLER仿真曲线图；图6是本发明的系统BLER和吞吐量仿真图。具体实施方式以下结合附图和具体实施例，对本发明作进一步详细描述。参照图1，本发明的实现步骤为：步骤1，采用SC-FDMA多址技术，构造地面蜂窝通信系统、或卫星通信系统、或Massive-MIMO系统或点对点链路传输系统的上行链路自适应系统模型，本实施例构造的是地面蜂窝通信中的LTE系统，如图2所示，包括Turbo编码、调制、层映射、DFT变换和SC-FDMA符号产生模块的发射端，包括FFT变换、信道估计、频域均衡、IDFT变换、解调和译码的接收端，MIMO信道，包括有基于接收端EVM的信道质量测量和自适应调制编码(AMC)的自适应反馈模块。步骤2，建立所构造的上行链路自适应系统模型发射端和接收端之间频域信号的数学关系其中是大小为M的IDFT变换，Hr,n＝diag{[H1]r,n,[H2]r,n,...,[HM]r,n}，[Hm]r,n指的是第n个发射天线，第r个接收天线下第m个子载波的频域信道响应，vr是频域下均值为0、方差为的噪声矢量，xn＝[xn,1,xn,2,...,xn,M]T是发射端经过M-QAM调制后的时域信号，NT为发射天线数，NR为接收天线数，h为系统时域信道响应。将接收端频域信号表示为矩阵形式yf：其中Y为接收端频域信号，H为系统频域信道响应，V为均值为0，方差为的高斯白噪声。步骤3，在接收端，根据3GPPLTE标准的导频配置形式，从上行链路自适应系统模型接收端频域信号Y中提取导频信号Yp：在一个时隙内，不同的SC-FDMA符号可能有不同的CP(循环前缀)长度，信号经过信道之后，在接收端被接收处理。接收端在接收到经过信道的上行信号之后，对接收信号进行时频同步，并从经过时频同步的接收端频域信号Y中提取导频信号Yp：Yp＝HpSp+Vp其中，Sp、Hp和Vp分别指发射端的导频信号、导频信道响应以及高斯白噪声。发射端的导频信号Sp是已知的。步骤4，在接收端，对系统频域信道响应H进行估计，得到系统频域信道响应估计值步骤4a，基于步骤3中提取的导频信号Yp，采用LS信道估计算法或MMSE信道估计算法对导频信道响应Hp进行估计，得到导频信道响应估计值若采用LS信道估计，则其信道响应估计系数为：若采用MMSE信道估计，则其信道响应估计系数为：其中，是导频信道响应和接收信号的协方差矩阵，是接收信号自协方差矩阵。LS信道估计算法由于简单易行且不需要信道的统计特性而得到广泛应用，但LS算法的估计结果容易受噪声的影响，特别是当信噪比较低时，估计的准确性会大大降低。而MMSE算法，对于子载波间干扰和高斯白噪声有很好的抑制作用。在本实施例中，采用MMSE信道估计算法。步骤4b，用时域插值算法，根据导频信道响应计算系统频域信道响应按如下步骤进行：步骤4b1，利用FFT/IFFT法，对步骤4a中获得的导频信道响应估计值进行IFFT变换，得到时域导频信道响应估计值其中，为大小为Np的IDFT变换，Np为导频信道响应的个数，n＝0,1,...,Np-1，T为矩阵转置。步骤4b2，对时域导频信道响应估计值进行插值，得到系统时域信道响应估计值其中N是系统信道响应的个数。步骤4b3，对系统时域信道响应估计值进行FFT运算，得到系统频域信道响应其中FN为大小为N的DFT变换，k＝0,1,...,N-1。步骤5，估计基于接收端EVM信道质量测量算法的测量信号Z：步骤5a，采用ZF频域均衡算法或MMSE频域均衡算法，根据步骤2中的接收端频域信号矩阵yf和步骤4中获得的系统频域信道响应计算发射端频域信号的估计值若采用ZF频域均衡算法，则其均衡系数为发射端频域信号的估计值为：若采用MMSE均衡算法，则其均衡系数为发射端频域信号的估计值为：在本实施例中，采用ZF频域均衡算法。步骤5b，对发射端频域信号的估计值进行IFFT变换，得到发射端时域信号估计值即基于接收端EVM信道质量测量算法的测量信号Z：步骤6，对发射端时域信号估计值进行Turbo码译码，得到译码后的比特数据，并对该比特数据进行再编码和再调制，得到理想参考信号R：步骤6a，首先对发射端时域信号估计值进行Turbo码对数MAP译码，得到发射端时域信号估计值的比特数据的软信息L(sk)：再对此软信息进行硬判决，得到发射端时域信号估计值的比特数据其判决公式为：步骤6b，对比特数据进行再编码和再调制，得到理想参考信号R。步骤7，采用误差矢量幅度计算公式，根据步骤5获得的测量信号Z和步骤6获得的理想参考信号R，计算接收端EVM：接收端EVM定义为接收端误差矢量信号平均功率的平方根值和参考信号平均功率的平方根值之间的比值，也就是误差矢量信号和参考信号的均方根值(RMS：RootMeanSquare)之间的比值，如图3所示。步骤7a，采用误差矢量幅度计算公式，计算上行共享数据信道中接收端每子帧EVMi：步骤7b，计算一帧下所有子帧接收端EVMi的平均值，得到接收端EVM，实现公式为：其中，i为子帧序号，M为子帧总数。步骤8，选择调制编码方式MCS：步骤8a，对上行链路自适应系统模型进行离线仿真，得到接收端EVM与MCS之间的的映射表，通过对采用SISOAWGN信道的上行链路自适应系统模型进行离线仿真来获得，其具体实现流程如图4所示，本实施例采用的MCS为1～15：步骤8a1，令MCS＝1。步骤8a2，对采用SISOAWGN信道的上行链路自适应系统模型进行离线循环仿真，并从仿真结果中找出能够使BLER在0到1之间均匀分布的SNR的取值范围。步骤8a3，在SNR取值范围内的每个SNR下，对采用SISOAWGN信道的上行链路自适应系统模型进行离线循环仿真，得到每次循环对应的接收端EVM和BLER，并对这些接收端EVM和BLER进行连接，得到接收端EVM与BLER之间的仿真曲线，如图5所示。步骤8a4，在接收端EVM与BLER之间的仿真曲线上，找出BLER＝0.1对应的接收端EVM并存储，同时存储当前的MCS。步骤8a5，令MCS＝MCS+1，重复步骤8a2～8a4，直到MCS＝15为止，并从存储的多个接收端EVM与MCS中提取出接收端EVM与对应的MCS之间的映射表，如表1所示：表1步骤8b，对上行链路自适应系统模型进行多次仿真，根据每次仿真循环中的瞬时接收端EVM值，从表1中选取其对应的MCS，并反馈给发射端，用于对下一次传输的最优参数进行配置。本发明的效果可以通过以下仿真进一步的说明：1.仿真条件仿真软件：采用Matlab；仿真场景：传输方面的参数设置基于3GPPLTE标准，1.4MHz系统带宽，发射天线数为1，接收天下数为2，VehA信道，假设不存在时频同步、I/Q不平衡等问题。具体的仿真参数如表2所示：表2：仿真参数表参数数值小区7个小区小区半径500m载波频率/系统带宽2GHz/1.4MHz信道模型VehASNR(dB)5:5:40目标BLER小于等于10％天线配置1发2收(1×2)BS接收机类型ZF接收机信道估计MMSE2.仿真内容与结果分析利用以上仿真条件，对本发明与现有的信道质量测量算法进行仿真，如EESM算法、MIESM算法、AESM算法和Harm-mean算法，得到本发明和现有信道质量测量算法在不同SNR下的BLER和吞吐量性能比较图，如附图6所示。图6(a)和图6(b)中的横坐标表示当前场景中的SNR，单位为dB。图6(a)的纵坐标表示系统BLER，图6(b)的纵坐标表示系统吞吐量，单位为bit/s。，图6中，以小竖杠标示的曲线为EESM算法的BLER和吞吐量仿真结果曲线；以正方形标示的曲线为MIESM算法的BLER和吞吐量仿真结果曲线；以五角星标示的曲线为AESM算法的BLER和吞吐量仿真结果曲线；以菱形标示的曲线为Hram-mean算法的BLER和吞吐量仿真结果曲线；以圆形标示的曲线为应用本发明时，系统的BLER和吞吐量仿真结果曲线。从图6(a)中可以看出，对于所有的信道质量测量算法，随着SNR的增加，系统BLER和吞吐量性能都有所提升。对于EESM、MIESM、AESM和Harm-mean算法，当SNR超过25dB时，到达了目标的BLER，而对于本发明提出的算法，当SNR超过13dB时，就可以达到目标BLER，由此可以看出，本发明具有更优的BLER性能，能够更好的满足系统BLER的限制。从图6(b)中可以看出，随着SNR的增大，与现有的信道质量测量算法相比，本发明的测量精确度更高，吞吐量性能有显著的提升。因此，本发明与EESM、MIESM、AESM和Harm-mean等现有信道质量测量算法相比，在满足系统BLER要求的条件下，能更有效的提升系统的吞吐量性能。当前第1页1 2 3