吴星辰，李国栋 ，李友高，常沛炜，许朝智

(1.季华实验室，广东 佛山 528000；2.中车长春轨道客车股份有限公司，吉林 长春 130000)

目前，关于提高Wi-Fi WAVE技术在智能交通系统领域通信质量的研究已经取得了一定成果.针对高度动态的无线车载网络和不可预测的业务负载对信道间隔动态调整的需求问题，Gopinath等[1]提出一种最佳动态信道间隔MAC(DCI-MAC)协议，该协议能够根据车辆数、消息优先级和访问类别(AC)队列中的数据包来调整SCH和CCH间隔的持续时间.由于IEEE 802.11p的信道估计是基于前导的，无法保证在城市场景中进行适当的均衡，尤其是对于较长长度的数据包.为此，Wang等[2]提出了一种改进的构造数据导频方法，该方法通过考虑时域中相邻数据符号与频域中相邻子载波之间的相关特性来构造数据导频，以满足在时域中提供足够的训练符号和在频域中提供足够的导频载波.Mohammed等[3]提出了一种基于障碍物的车载无线网络传播模型，该模型考虑了传输路径中存在阻碍车辆引起的影响.通过调节算法中车辆的速度和密度，可以使模型适应不同的环境条件.因此,邱斌等[4]提出了一种基于一阶自回归模型(AR1)的车载混合译码放大转发(HDAF)协作通信方法,该方法通过AR1的多普勒频偏相关系数来刻画时变信道特性,根据信道增益自适应选取HDAF协作通信方式,提升了ITS的可控性安全.

由上可知，现阶段关于改善WAVE系统吞吐量、误比特率性能方面的研究对发射射频信号时的性能优化及在列车领域的应用研究尚显不足.由此，本文提出利用MU-MIMO波束赋形技术实现空间复用增益和分集增益的特性，将其用于改善列车Wi-Fi WAVE系统无线网络吞吐量与误比特率性能的方法.该方法通过BD预编码算法实现了系统的波束赋形矩阵构建，并利用SVD算法与MMSE检测技术对矩阵进行了分解.

1 MU-MIMO技术在WAVE中的应用

本文主要研究的是由列车和多个接收设备构成的Wi-Fi WAVE系统环境下的组内通信问题[5]，MU-MIMO应用于WAVE中的系统结构图见图1.

设Wi-Fi WAVE系统组内通信的发射天线总量为N，用户数量为K，其中接收设备i有Mi(i=1,2,…,K)根天线，则总的用户接收天线数为：

(1)

该组内通信同一时刻可工作的用户数为Z，并令Z=K，有如下关系：

(2)

假定列车向接收设备i发送的列车速度为vi，在数据向量vi经天线发送前通过预编码矩阵Wi处理，则列车发送的经过预编码的速度数据为：

(3)

则接收设备i接收到的列车发送的速度数据为：

(4)

式中：Hi为列车i的矩阵维数是Mi×N的信道增益矩阵；ni为接收设备i接收到的高斯白噪声.由式(4)可知，采用适合的加权矩阵Wj便可抑制或消除接收设备之间的信号干扰，由此式(4)变为：

(5)

图1 MU-MIMO应用于WAVE中的系统结构

2 MU-MIMO波束赋形在WAVE中的应用

2.1 基于BD算法的WAVE系统波束赋形矩阵

用户能够接收到的列车的速度数据为：

v′=Hv+n

(6)

对式(6)中v应用加权矩阵W，则相应的单用户波束赋形表达式为：

v′=HWv+n

(7)

SVD的实现方法是在发射端对接收端的信道矩阵进行SVD分解以获得预编码酉矩阵Λ，即

H=U∑ΛH

(8)

式中：U和Λ均为酉矩阵；∑是由H的奇异值组成的对角矩阵;ΛH为Λ的复数共轭转置矩阵.

令F=rank(H)，将式(8)中的Λ矩阵的前F列作为加权矩阵，并使用UH矩阵对上式进行预均衡，则接收设备接收到的信号为：

(9)

通过实现式(10)以避免系统容量下降

(10)

即Wj应满足

Hi·Wj=0,i≠j,i=1,…,K

(11)

(12)

(13)

(14)

式中:∀为接收设备i的功率分配矩阵.

2.2 SVD算法与MMSE检测技术

(1) SVD算法

假设接收设备i的等效信道Hi′=HiWi,对Hi′进行奇异值分解有

(15)

(16)

(2)MMSE检测技术

基于MMSE的MU-MIMO波束赋形滤波矩阵为

(17)

3 实验与分析

3.1 实验设计

本文将列车同时服务的配有2根天线的接收设备数量设定为3台，设定列车可用作发射天线的数量分别为6和8根.本文选用的调制方式为64QAM.

3.2 结果分析

图2为SVD算法下发射天线数为6和8且每帧数据量为1时系统误码率-信噪比函数.从图中可知，当BER为10%时，图2(b)曲线的Eb/No为8而图2(a)曲线为10，并且2(a)曲线比2(b)曲线下降得更快.这表明，本文方法能够有效提高系统信噪比，降低系统的误码率.此外，更多的发射天线数量有利于提高系统性能，快速降低系统误码率，使无线通信系统进入稳态.

(a) 6根天线 (b)8根天线

图3为MMSE算法下发射天线数为6和8且每帧数据量为1时系统误码率-信噪比函数.从图中可知，在BER的10%之前，两图曲线的误码率变化趋势基本一致.图3(b)曲线的误码率在Eb/No为16以后，除小于3(a)曲线以外，还有1 dB的性能提升.这表明，发射天线数量在大于接收天线数量时，对系统进入稳态后的性能具有一定作用.

(a) 6根天线 (b)8根天线

比较图2(b)、图3(b)的曲线时发现，在BER为10-3时约有3dB的提升.这一现象表明本文方法应用于WAVE系统，并且每帧数据量为1时，采用BD-SVD组合的误码率性能要优于BD-MMSE组合.

图4为SVD算法下发射天线数为6和8且每帧数据量为2时系统误码率-信噪比函数.从图4(b)可知,曲线在Eb/No为14时就进入了稳定状态，并且下降速度要快于图4(a).在Eb/No为6时，4(b)曲线与4(a)曲线相比约有1 dB的性能提升.这表明，BD-SVD组合在发射端天线数量占优时，能够有效提高系统信噪比、降低误码率.

(a) 6根天线 (b)8根天线

图5为MMSE算法下发射天线数为6和8且每帧数据量为2时系统误码率-信噪比函数.观察图5可知，两图曲线仅在20～22区间略有差异.这表明，在Wi-Fi WAVE系统中，采用BD-MMSE组合的方式，并且每帧数据量为2时，系统误码率性能受发射天线数量影响较小.

(a) 6根天线 (b)8根天线

4 结论

(1)本文提出一种将MU-MIMO波束赋形技术应用于列车Wi-Fi WAVE系统的方法，改善了系统无线射频信号的误比特率性能.构建了由列车和接收装置构成的BD算法波束赋形矩阵，并将SVD和MMSE作为矩阵解码技术，得到了相应的测试结果.

(2)通过分析实验结果可知，当使用64QAM解调方式，且发射端天线数目大于接收端天线数目时，BD-SVD组合与BD-MMSE组合相比具有更好的系统信噪比和误码率性能优势.