王 丹 高 奇 孙 鹏

(重庆邮电大学移动通信技术重庆市重点实验室,重庆 400065)

反馈延迟AMC系统中预测算法的设计与应用

王 丹 高 奇 孙 鹏

(重庆邮电大学移动通信技术重庆市重点实验室,重庆 400065)

由于现有LTE系统中的AMC方案没有考虑CQI反馈时延对系统性能的影响，导致AMC的效率随着CQI反馈时延的增加而降低。对此，采用基于时间序列的预测算法对CQI的值进行预测。考虑到预测算法对系统复杂度的影响，提出在不同的CQI反馈时延的情况下，自适应地使用不同复杂度的CQI预测算法。试验结果证明，该系统的误块率和现有的AMC系统相比有了明显的降低，证明了提出AMC方案的可行性与有效性。

长期演进(LTE) 自适应调制编码(AMC) 信道质量指示(CQI) 时延 时间序列

0 引言

通信技术近年来发展十分迅速，通信网络也朝着速率更快、容量更大的趋势发展。为了满足用户急剧增长的需求，3GPP从2004年底启动了LTE项目，采用了OFDM和MIMO两项核心技术，LTE的带宽从3G时代的5 MHz扩展到20 MHz。由于AMC技术可以动态调整参数以适应不同信道环境的优势，其成为LTE的关键技术之一。AMC技术可以根据不同信道环境测量的CQI值，动态地选择对应的调制编码方式，以适应不同的通信环境，从而提高了物理层的通信效率。现有的通信体制中，通常将自适应调制编码技术同HARQ技术相结合，可以很大程度地提高系统的吞吐量[1]。

1 AMC技术在LTE系统中的应用

自适应调制编码技术根据不同的移动通信环境的变化，自适应地调整系统参数，例如编码速率、调制方式、天线数目和天线端口的映射方式等。首先在终端检测HARQ信息，确定是否进行数据重传；然后通过各个UE上报的状况结合网络端自身的资源利用情况和信道环境进行资源分配，根据CQI/PMI/RI信息确定终端的调制编码方案以及天线传输模式；再将要与UE进行交互的信息进行物理层信道的处理；最后通过射频模块传输[2]。

终端首先根据主同步信号与辅同步信号完成粗同步和精同步，小区搜索确定小区ID等信息，检测物理广播信道(PBCH)获得MIB信息; 然后是信道估计、SNR估计和信号检测,消除无线信道的影响；完成解码,确定ACK/NACK/CQI/PMI/RI信息，最终将需要的数据发送出去[3]。

由于整个系统的AMC的调制编码的相关参数是根据测量的CQI的值确定的，所以CQI的准确与否将直接影响到整个系统的性能，本文主要探讨时延误差对CQI的影响及解决方案。通常CQI的时延主要是由CQI测量时延、CQI反馈时延、CQI处理时延几种类型构成的[4]。网络端在t时刻使用的调制编码方式是根据t-τ时刻测量的CQI值确定的，也就是说网络端此时使用的调制编码方式应该是t-τ时刻的，CQI的上报时延直接对AMC系统造成影响，从而将影响整个系统的性能。本文在1×1天线模式的环境下，对系统的块差错率(BLER)和MCS的自身均方误差进行仿真对比，探究CQI上报时延延迟对系统性能的影响。仿真环境参数的设置具体如表1所示。

表1 仿真参数配置表

根据配置的参数,在300 Hz ETU的信道环境中进行仿真，CQI上报时延对于系统的误块率的影响如图1所示。

图1 系统误块率仿真结果

通过仿真结果图可以发现，时间延迟对系统的误块率有明显的影响，延迟时间越长，系统的误块率越大。

2 反馈延迟系统

LTE系统的一个传输时间间隔(TTI)是1 ms，由于移动终端UE不可能在1 ms中处于两个极端不同的环境中，因此可以根据系统当前反馈的CQI值与连续正确ACK回传的CQI值进行CQI修正，以抵制信道时变对反馈参数的影响[5]。通过对反馈的CQI进行预测，以弥补时间延迟的CQI带来的系统误差[6]。本文针对不同的信道环境以及对应的CQI值采用不同的预测方法，对于处于相对稳定的信道环境，CQI的值变动呈相对稳定的状态，采用基于简单移动平均法的时间序列预测模型，若系统的标准差小于1，模型得到检验。当系统CQI的值变化趋势单一时，用基于趋势移动平均法的时间序列预测模型，同样运用系统标准差是否小于1的方法进行检验。当CQI的值变化趋势不单一时，采用基于GM(1,1)的预测模型，运用后验差比值c及小概率误差p进行检验，若p>0.85并且c<0.5时，模型通过检验。3种算法的准确性依次提高，但是同时3种算法的复杂度依次增加，因此根据不同的信道环境选择不同的预测算法能有效提高系统的性能。此外，也有其他如神经网络预测算法等预测算法[7]可以应用到CQI的预测中，但是相比我们采用的算法，算法的复杂度较高，不符合未来通信技术的要求。设计的系统具体流程如下。

① 根据高层配置的调度模式，如果是静态调度模式，则可利用反馈的CQI直接进行MCS选择；如果是动态调度，则需要对先验CQI值进行判定。

② 因为CQI值一共有15个，根据先验CQI的值，可根据先验CQI的方差值进行预测算法初选；若采集到的数据的方差小于2，则采用基于简单移动平均法的时间序列预测模型初验；若标准差大于2并且小于5，则采用基于趋势移动平均法的时间序列进行初验，否则采用GM(1,1)预测模型进行初验。

③ 当预测模型的性能通过验证时，采用该预测算法对反馈的CQI进行修正；如果不能通过，选择复杂度较高的算法进行修正。

④ 根据修正的CQI值选择MCS进行下行调度。

2.1 基于移动平均法的时间序列模型

时间序列的数据序列跟时间关系密切，本文探究的是CQI值在不同的信道环境下的预测，所以根据CQI值的不同情况，选取不同的预测算法[7]。

当采集到的CQI趋于稳定，当前的信道环境没有较大的变化时，可以采用基于一次简单移动平均法的时间序列进行CQI预测。

设采集到的观测序列为y1,…,yt，一次移动平均值计算公式如下所示：

(1)

(2)

式中:t=N,N+1,…,T

可以用标准差对预测结果进行检验，如下所示：

(3)

根据系统的要求，通过式(3)对预测结果进行误差检验。

根据所建立的模型，当采集到的CQI的值为8、8、9、8、9、8、7、8，信道环境比较稳定，CQI的方差小于2时，采用简单移动平均法进行预测，得出的预测值为8，标准差S=0.848 5。标准差取值满足系统要求，说明建立的该模型对信道环境稳定的情况下的预测可取。

2.2 基于趋势移动平均法的时间序列模型

当信道环境发生变化，CQI的值变化趋势单一时，基于简单移动平均法建立的模型已经不能准确实现预测，可以采用趋势移动平均法建立的时间序列模型进行二次移动来得到此时的预测值[8]。

设采集到的观测序列为y1,…,yt，经过一次移动得到的结果为：

(4)

在一次移动的结果上进行二次移动平均计算，如下所示：

(5)

假设时间序列{yt}，即从某时刻开始采集的CQI值由于信道环境的变化出现增加或减少的趋势，可以假设此时的预测模型为：

(6)

式中:t为当前采集到得时刻值;m为从当前时刻t开始预测的窗口数;at、bt为建立模型的平滑系数。

上述平滑系数可采用以下的公式进行计算：

(7)

利用建立的基于趋势移动平均法的时间序列模型进行预测，并利用式(3)进行误差验证，得到预测的CQI值并应用到系统进行修正。

根据系统建立的模型，当采集到的CQI值为8、8、8、9、7、8、7、6、5、4，CQI方差值为1.9时，通过基于移动平均法的方式进行建模，得到的预测值为6，标准差为1.830 8，不满足系统要求。建立基于趋势移动平均法的时间序列模型，得出at=4，bt=-1，得到的预测值为3，求得的标准差S=0.901，模型得到检验。通过CQI值分析不难发现，信道环境质量下降，通过移动平均法建立的模型得到的预测值不能反映出信道环境的变化，得到的标准差明显偏大，运用基于趋势移动平均法的时间序列模型进行的预测很好地弥补了上述不足。综上所述，当CQI的值变化趋势单一时，可采用基于趋势移动平均法的时间序列模型进行预测。

2.3 基于GM(1，1)的时间序列模型

基于灰色预测的时间序列模型可以根据已有的数据，建立、发现、掌握系统的发展规律，对系统的未来时刻的CQI值作出预测。当采集的CQI值变化趋势不单一时，采用基于GM(1,1)灰色预测的时间算法模型对未来时刻的CQI值进行预测[9]。方法和步骤如下。

采集到的原始CQI数列为：

第(n+1)期、第(n+2)期…的预测值为：

x(0)(n+1),x(0)(n+2),…

对应的预测模型的模拟序列表示为：

设X(1)为X(0)的一次累加序列：

(8)

即：

(9)

利用X(1)计算GM(1,1)模型参数a、u。令a=[a,u]T,则有：

a=(BT-B)-1BT-Yn

[x(0)(2),x(0)(3),…,x(0)(n)]T。

得到的GM(1,1)模型如下：

(10)

对模型进行精度检测，如精度检测通过，获得预测值如下：

通过后验差c和小误差概率p进行后验性检验[10]。

记原始数列及残差数列的方差分别是S12和S22,即：

(11)

(12)

其中：

用下式计算后验差比值c及小概率误差p[8]。

c=S2/S1

对于所建立的系统，当已有的CQI值为8、10、11、8、7、6、6、5时，系统方差大于5，应用GM(1，1)模型对CQI值进行预测，得到的值为4.380 9，取值为4，p检验的值为0.875 0，c值为0.339 9。后验差比值c以及小概率误差p满足系统要求，预测模型得到验证。仿真的结果对比如图2所示。

图2 基于GM(1，1)时间序列仿真

若采用前两种模型进行预测，求得的标准均大于1，不满足系统的要求；当系统CQI值变化趋势不单一时，只有复杂度较高的GM(1，1)模型能满足系统要求。

由于CQI的值只能取整且只有15种取值，因此其在短期内的变化不会出现过于复杂的情况。本文所提出的先验规则及预测的方法可以较好地进行预测，模型性能良好。

3 CQI修正后的系统性能测试

用上述建立的模型对CQI的值进行修正，并加入到系统中，在300HzETU的信道环境中，误块率的结果如图3所示。

图3 修正后系统的误块率仿真

对比并计算修正后的误块率仿真结果和修正之前的系统误块率之后可得，在相同的信道环境下，5ms延迟下的系统的平均误块率较之前降低约22%，10ms延迟下的系统平均误块率较之前降低21%，15ms延迟下的系统平均误块率较之前降低20%，系统的平均误块率有明显的降低。

4 结束语

通过实例验证，预测模型所建立的时间序列模型准确可靠。由图1所示，随着反馈时延的增大，系统的误块率明显增大。通过本文设计的时间序列预测方法应用到修正CQI后，系统的平均误块率较之前降低约20%。该方法可以应用到LTE的AMC系统中。

[1] 3GPPTS36.213 v11.6.0 Physical layer procedures[S].2012.

[2] Nanda S,Balachandran K,Kumar S.Adaptation techniques in wireless packet data services[J].IEEE Communications Magazine,2000,38(1):54-64.

[3] 3GPP TS 36.211 v11.4:Evolved universal terr-estrial radio access(E-UTRA);physical channels and modulation.(Release 11)[S].2013.

[4] Hancock J,Lindesey W.Optimum performance of self-adaptive operating through a Rayleigh fading medium[J].IEEE Transactions on Communication Systems,1963,11(4):443-453.[5] 蒋佳俊,胡波.LTE系统下行链路的一种AMC方案[J].信息与电子工程,2009,7(5):377-381,394.

[6] 胡国娜.多天线系统下信道反馈时延误差的影响及跨层调度[D].北京:北京邮电大学，2009.

[7] 张维杰,田间艳,王芳,等.改进型T-S模糊神经网络风电功率预测模型的研究[J].自动化仪表,2014(12):39-42.

[8] 钱晓星.新田公司摩托车销售预测研究[D].南京:南京理工大学,2002.

[9] 张军.延吉物流园区选址与规模确定研究[D].吉林:吉林大学,2011.

[10]邓聚龙.灰色系统基本方法[M].武汉：华中科技大学出版社，2005:26-38.

Design and Application of the Prediction Algorithm in AMC System with Feedback Delay

The efficiency of AMC is decreasing following the feedback time delay of CQI is increasing, it is because the influence of feedback time delay of CQI has not be taken into account for AMC scheme in existing LTE system. For this, the values of CQI are predicted by using the prediction algorithm based on time series. Considering the impact of prediction algorithm to the complexity of system, it is proposed that according to different CQI feedback time delay, different prediction algorithm shall be adaptively used. The experimental result show that the block error rate (BLER) of this AMC system is significantly lower than existing system; and the feasibility and effectiveness of the AMC scheme proposed is proved.

Long term evolution(LTE) Adaptive modulation and coding(AMC) Channel quality indication(CQI) Time delay Time series

国家科技重大专项基金资助项目(编号：2011ZX03001-003-01)。

王丹(1981-)，女，2014年毕业于重庆大学通信与信息系统专业，获博士学位，高级工程师；主要从事TD-LTE物理层协议的研究和DSP软件的研发。

TN929+.5

A

10.16086/j.cnki.issn1000-0380.201510007

修改稿收到日期：2015-01-20。