CC BY
13
DOI 10.25987/VSTU.2019.15.6.013 УДК 621.396. 621
АКТУАЛЬНЫЕ ПОДХОДЫ К ОЦЕНКЕ КАНАЛА РАДИОСВЯЗИ В СИСТЕМЕ
ПОДВИЖНЫХ АБОНЕНТОВ С ВЫСОКОЙ СКОРОСТЬЮ ПЕРЕМЕЩЕНИЯ
О.Н. Чирков
Воронежский государственный технический университет, г. Воронеж, Россия
Аннотация: рассматривается проблема оценки канала в системах связи «автомобиль-автомобиль» с поддержкой 5G в условиях высокой скорости перемещения и изменяющихся характеристик среды передачи. Для обеспечения надежной и высокоскоростной беспроводной связи 5G в условиях автомагистрали важно обеспечить точную оценку канала радиосвязи. Для улучшения характеристик оценки и повышения помехоустойчивости систем мультиплексирования с ортогональным частотным разделением (OFDM) применен расширенный фильтр Кальмана в сочетании с итеративным детектором и декодером в приемнике. Расширенный фильтр Кальмана предложен для совместной оценки частотной характеристики канала и коэффициентов временной корреляции. Для построения более точной матрицы весов фильтра использована итеративная структура приемника на основе апостериорного логарифмического отношения правдоподобия (ЛОП). Применение итеративного подхода в приемном тракте позволит снизить ошибки оценки в расширенном фильтре Кальмана. Моделирование нестационарных каналов радиосвязи в системе подвижных объектов с высокой скоростью перемещения проведено в пакете MatLab. Результаты моделирования показывают, что предложенный подход итеративной оценки канала с расширенным фильтром Кальмана систем OFDM в средах с высокой мобильностью абонентов повышает эффективность оценки канала по сравнению с традиционными методами более чем на 3 дБ
Ключевые слова: оценка канала, фильтр Кальмана, детектор, декодер, итеративная оценка, подвижный абонент
Введение
В современном мире автомобиль перестал быть просто средством передвижения из пункта А в пункт Б и превратился в интеллектуальное транспортное средство, способное без участия водителя перемещаться по автодорогам. В связи с быстрым распространением таких автомобилей по всему миру, все большее внимание уделяется исследованиям в области интеллектуальных транспортных средств, совместимых c 5G [1]. Для обеспечения надежной и высокоскоростной беспроводной связи 5G в условиях автомагистрали важно обеспечить точную оценку канала радиосвязи. Так канал «автомобиль-автомобиль» с системной точки зрения представляет собой изменяющуюся во времени динамическую систему, характеризуемую своим откликом. В свою очередь, оценка канала связи такой среды является проблемой анализа состояния системы, в которой отклик радиоканала является переменной величиной. Однако в среде с высокой мобильностью «автомобиль-автомобиль» отклик канала является нестационарным, а коэффициенты корреляции изменяются во времени, поэтому достаточно сложно точно оценить информацию о состоянии канала радиосвязи. Таким образом, традиционные методы оценки канала на основе стандартного фильтра Кальмана (ФК) неприменимы в систе-
мах с высокой мобильностью. Но с другой стороны, оценка также зависит от точности весовой матрицы измерений ФК. Для построения более точной матрицы весов в [2] было предложено использовать итеративную структуру приемника на основе апостериорного логарифмического отношения правдоподобия (ЛОП).
Для совместной оценки частотной характеристики канала и изменяющихся во времени коэффициентов корреляции в системах «автомобиль-автомобиль» в статье предложен расширенный фильтр Кальмана с итеративной оценкой канала радиосвязи. Предложенная методика позволит повысить производительность оценки канала за счет избыточности канального кодирования.
Модель канала
Для сред с высокой мобильностью нестационарный канал можно представить как изменяющийся во времени процесс авторегрессии. Рассмотрим OFDM систему из M символов с N поднесущими, Np пилот-сигналами в одном подкадре [3, 4]. Изменяющийся во времени авторегрессионный процесс первого порядка для нестационарного канала можно выразить как
h = A£_1h£_1 + n;_! , (1)
где A;_! = diag[ai_11, ...,аг_1Л,р] - это матрица перехода состояний частотной характеристики канала для (/-1)-го OFDM символа; ai-i,k - это коэффициент временной корреля-
© Чирков О.Н., 2019
ции отклика канала на k-й поднесущей для i-го OFDM символа; h;_1 — вектор частотной характеристики канала на пилотных поднесущих i-го OFDM символа; n£_! - гауссов комплексный белый шум с нулевым средним.
Коэффициент временной корреляции щ,к в стационарном канале с нормализацией мощности согласно модели Кларка может быть выражен как
= J0(2nfdNTs), (2)
где /о - функция Бесселя нулевого порядка; fd обозначает максимальную доплеровскую частоту, а Ts - интервал выборки системы. Для нестационарного канала «автомобиль-автомобиль» щ,к является изменяющимся во времени параметром, связанным с интервалом NTS соседних символов.
Обозначим х£ (к) передаваемый символ на k-й пилотной поднесущей, а вектор переданных пилот-символов хг = [хг(1), Пред-
полагаем, что импульсная характеристика канала в OFDM символе постоянна, отсюда матрица канала равна H£ = diag(hi). Модель системы радиосвязи запишется как
yi = HtXi + n , (3)
где yi = [yiW, ...,yi(Np)]T обозначает вектор принятых символов на пилотных подне-сущих i-го OFDM-символа, n£ - аддитивный комплексный гауссов.
Расширенный фильтр Кальмана
Для отслеживания характеристик нестационарного канала с высокой мобильностью изменяющаяся во времени матрица перехода состояний А; оценивается вместе с откликом канала h(. Тогда модель канала (1,3) можно расширить до пространства:
iai = ai-l + £i-1
h£ =Ai_1hi_1 + ni_1, (4)
y i = HiXi + n i где £(_! обозначает технологический шум от a^ (независимый гауссовский шум с нулевым средним с ковариацией Q£).
Для совместной оценки частотной характеристики канала и изменяющихся во времени коэффициентов корреляции введем матрицу:
z£ = [a[ hJ]T. (5)
Отсюда пространственная модель состояний канала (4) превращается в систему fZ i = f( Zi_1) + U;_! (y; = [0 X(]Z( + n£ , где u£ = [sf nf]T, а нелинейная функция перехода состояния
(6)
/(z-) = La J . (7)
Применяя аппроксимацию Тейлора первого порядка к нелинейной функции перехода состояния вокруг Zj_1 = Zi_t в (7), пространство (6) примет вид:
(z£ = F£_1Z£_1 + u£_! Ь = [0 X£]z£ + n£ . (8)
Предложенный алгоритм для совместной оценки коэффициентов частотной характеристики канала h£ и временной корреляции a£ работает в цикле прогнозирования-коррекции. Текущие оценки z£_1 и ковариация ошибок P на (/-1)-ом OFDM символе используются для по-
лучения априорных оценок
. a
zi|i-
— D D D H
Pi|i-1 — Fi-lPi-lFi-l + Qn.
(9) (10)
Корректор использует априорные оценки z£|i_i и P[|t_i для улучшения апостериорных оценок с использованием фактического измерения принятого символа y£ в i-м OFDM сигнале
Zi —zi|i_1 + Ki(yi-[0 X(]Z(|i_1) (11)
P£ — P£|£-1 -K£[0 X£]P£|£_!, (12) где K - усиление Кальмана. Для повышения точности оценки канала применим обратную связь с апостериорным логарифмическим отношением правдоподобия. Апостериорные ЛОП La(ct) от декодера преобразуются в битовые вероятности с помощью следующего уравнения:
eLa(ci)
V(ci — 1) — тдат . (13)
Закодированные биты статистически независимы, поэтому можно определить вероятности:
p(Xi(k) — Sm) — n!O=g02M-1p(q — ъг), (14) где Sm - модулированный символ, соответствующий битовой последовательности (¿1, ...,biog2M}, log2 М - порядок модуляции. При декодировании символ с наибольшей вероятностью p(xi(k) — Sm) выбирается из элементов алфавита модуляции:
xi(k) — arg maxSm р(х^(к) — Sm). (15) Тогда диагональная матрица X£, состоящая из символов обратной связи по ЛОП, будет представлять собой матрицу весов расширенного фильтра Кальмана. Х£ будет ближе к фактическим символам, следовательно, уменьшит ошибку оценки.
Х£ — diag([Xi(i).....Xt(Np)]T) . (16)
Итеративная оценка
На рис. 1 приведена блок-схема представленного итеративного приемника с расширенным фильтром Кальмана для оценки канала связи OFDM. На первом этапе в качестве предварительной оценки используется метод наименьших квадратов (LS) [5], как самый эффективный с точки зрения сложности расчетов и характеристик битовой ошибки. После обнаружения априорные значения ЛОП каждого бита выводятся детектором и подаются в декодер. Декодер исправляет биты ошибок, и апостериорные ЛОП La(c{) используются для обновления весовой матрицы. Далее инициализируется расширенный фильтр Кальмана. На втором этапе частотная характеристика канала оценивается и интерполируется расширенным фильтром Кальмана с итеративным циклом прогнозирования-коррекции. Априорная оценка состояния вычисляется с помощью (9) и (10). При итерации Xj возвращается в расширенный фильтр Кальмана для вычисления апостериорной оценки состояния zt по (11) и (12). Затем детектор переходит на стадию обновления. Итерации продолжаются до тех пор, пока не будет выведен искомый битовый поток.
Рис. 1. Блок-схема итеративного приемника с расширенным фильтром Кальмана
Результаты моделирования
Для проверки эффективности предложенной итеративной оценки канала с расширенным фильтром Кальмана систем OFDM в среде с высокой мобильностью абонентов было проведено моделирование в пакете Matlab. Для настройки нестационарного канала с аддитивным белым гауссовским шумом была использована модель высокоскоростного канала WINNER-II D1 [6]. Пропускная способность системы составляет 5 МГц, а общее количество поднесущих N = 300. Система работает на частоте 2,8 ГГц. Используется модуляция 16-QAM [7]. Число итераций декодирования - 6.
На рис. 2 представлена характеристика среднеквадратичной ошибки MSE от отношения сигнал/шум SNR для оценщиков на основе:
наименьших квадратов [8], традиционного фильтра Кальмана (ФК) и предложенного итерационного приемника с расширенным фильтром Кальмана. Высокоскоростная мобильная среда описывается скоростью 300 км/ч. Характеристики среднеквадратичной ошибки трех методов очень близки при моделировании на скорости 50 км/ч. По сравнению с оценкой на основе ФК среднее усиление SNR итерационного подхода составляет менее 2 дБ, так как замирание канала является плоским в условиях низкой мобильности. Однако усиление сигнал/шум при итеративной оценке канала с расширенным фильтром Кальмана составляет уже более 2 дБ по сравнению с ФК на скорости 300 км/ч. В средах с высокой скоростью перемещения простой ФК не может отслеживать изменения нестационарного канала, поскольку свойство временной корреляции отклика канала между двумя символами пилот-сигнала является фиксированным. Напротив, итерационная методика с расширенным фильтром Кальмана позволяет регулировать матрицу перехода состояний во времени с разнесением во временной области канала. Следовательно, такая оценка канала достигает более высокой точности в средах с высокой скоростью перемещения.
Рис. 2. Характеристика МБЕ при скорости перемещения 50 км / ч и 300 км / ч
На рис. 3 и 4 показан коэффициент ошибок по битам (BER) для оценки наименьших квадратов, оценки радиоканала на основе фильтра Кальмана и итеративной оценки канала с расширенным фильтром Кальмана при 50 км/ч и 300 км/ч соответственно. При скорости 50 км/ч, по сравнению с методом LS, среднее усиление SNR для оценки на основе ФК составляет 2 дБ, а усиление отношения сигнал/шум в предложенной итерационной методике составляет 3 дБ.
Однако в системе с высокой мобильностью (рис. 4), в отличие от метода ФК, усиление SNR составляет уже более 3 дБ по битовой ошибке. Очевидно, что использование коэффициентов временной корреляции как постоянных нецелесообразно в нестационарном канале. Это ограничивает производительность оценки канала. С помощью предложенного итеративного подхода на основе расширенного фильтра Кальмана можно регулировать матрицу перехода состояний с изменяющимся во времени радиоканале и строить измерительную матрицу весов для получения более точных оценок с ЛОП.
Заключение
Для каналов с высокой скоростью перемещения «автомобиль-автомобиль» с поддержкой 5G предложена методика совместной оценки обнаружения и декодирования радиоканала на основе расширенного фильтра Кальмана и итерационного подхода. Предложенный алгоритм подходит для оценки нестационарного канала, так как позволяет совместно оценить коэффициенты частотной характеристики канала и временной корреляции. Результаты моделирования показывают, что предложенный подход итеративной оценки канала с расширенным фильтром Кальмана систем OFDM в средах с высокой мобильностью абонентов повышает эффективность оценки канала по сравнению с традиционными методами на 3 и более дБ.
Рис. 3. Характеристика BER при скорости 50 км/ч
Рис. 4. Характеристика BER при скорости 300 км/ч Литература
1. 5G-Enabled Cooperative Intelligent Vehicular (5GenCIV) Framework: When Benz Meets Marconi/ X. Cheng, C. Chen, W. Zhang, and Y. Yang // IEEE Intelligent Systems. 2017. Vol. 32. №. 3. Pp. 53-59.
2. Simon E., Khalighi M. Iterative Soft-Kalman Channel Estimation for Fast Time-Varying Ml- MO-OFDM Channels // IEEE Wireless Commun.Letters. 2013. Vol. 2. №. 6. Pp. 599-602.
3. Чирков О.Н. Эффективный алгоритм динамического распространения пилот-сигналов для оценки канала радиосвязи в многоантенных системах MIMO с ортогональным частотным уплотнением OFDM // Радиотехника. 2019. Т. 83. № 6 (8). С. 163-168.
4. Чирков О.Н., Ромащенко М.А., Чепелев М.Ю. Современные методы оценки канала радиосвязи в условиях многолучевости // Вестник Воронежского государственного технического университета. 2019. Т. 15. № 3. С. 68-73.
5. Пилотная оценка канала радиосвязи в MIMO-OFDM системах/ О.Н. Чирков, М.А. Ромащенко, И.С. Бобылкин, Р.Н. Щипелев, А.А. Матвеев // Надежность и качество: тр. междунар. симпозиума. Пенза: Пензенский государственный университет, 2019. Т. 2. С. 87-90.
6. Wideband Channel Modeling and ICI Cancellation for Vehicle-to-Vehicle Communication Systems / Q. Yao, X. Cheng, M. Wen, C.-X. Wang, L. Song, B. Jiao // IEEE Journal on Selected Areas in Communications. 2013. Vol. 31. № 9. Pp. 434 -448.
7. Чирков О.Н., Кузнецова А.О. Итеративная методика помехоустойчивого приема QAM-сигналов // Вестник Воронежского государственного технического университета. 2019. Т. 15. № 4. С. 84-88.
8. Чирков О.Н., Ромащенко М.А., Чураков П.П. Усовершенствованный метод оценки канала с итерационным подавлением помех для многопользовательских систем MIMO-OFDM // Радиотехника. 2019. Т. 83. № 6 (8). С. 150-155.
Поступила 01.10.2019; принята к публикации 10.12.2019 92
Информация об авторах
Чирков Олег Николаевич - старший преподаватель, Воронежский государственный технический университет (394026, Россия, г. Воронеж, Московский проспект, 14), e-mail: chir_oleg@mail.ru, ORCID: https://orcid.org/ 0000-0003-2250-2100
ACTUAL APPROACHES TO THE ASSESSMENT OF THE RADIO COMMUNICATION CHANNEL IN THE SYSTEM OF MOBILE SUBSCRIBERS WITH A HIGH SPEED
OF MOVEMENT
O.N. Chirkov
Voronezh State Technical University, Voronezh, Russia
Abstract: this article discusses the problem of channel estimation in "car-to-car" communication systems with 5G support under conditions of high speed of movement and changing characteristics of the transmission medium. In order to provide reliable and high-speed 5G wireless communications in a highway environment, it is important to provide an accurate estimate of the radio channel. To improve the evaluation characteristics and increase the noise immunity of orthogonal frequency division multiplexing (OFDM) systems, an advanced Kalman filter is used in combination with an iterative detector and a decoder in the receiver. An advanced Kalman filter is proposed for joint estimation of the channel frequency response and time correlation coefficients. To construct a more accurate matrix of the filter weights, the iterative structure of the receiver is used based on the posterior logarithmic likelihood ratio (LLR). Using an iterative approach in the receive path will reduce the estimation errors in the extended Kalman filter. Modeling of non-stationary radio channels in a system of moving objects with a high speed of movement was carried out in the MatLab package. The simulation results show that the proposed iterative channel estimation approach with an extended Kalman filter of OFDM systems in environments with high subscriber mobility increases the channel estimation efficiency by 3 or more dB compared to traditional methods
Key words: channel estimation, Kalman filter, detector, decoder, iterative estimation, mobile subscriber
References
1. Cheng X., Chen C., Zhang W., Yang Y. "5G-enabled cooperative intelligent vehicular (5GenCIV) framework: when Benz meets Marconi", IEEE Intelligent Systems, vol. 32, no. 3, May/June 2017, pp. 53-59.
2. Simon E., Khalighi M. "Iterative soft-Kalman channel estimation for fast time-varying ML-MO-OFDM channels", IEEE Wireless Commun. Letters, 2013, vol. 2, no. 6, pp. 599-602.
3. Chirkov O.N. "An effective algorithm for the dynamic propagation of pilot signals for estimating a radio channel in multi-antenna MIMO systems with orthogonal frequency division multiplexing OFDM", Radio Engineering (Radiotekhnika), 2019, vol. 83, no. 6 (8), pp. 163-168.
4. Chirkov O.N., Romashchenko M.A., Chepelev M.Yu. "Modern methods for evaluating the radio channel in multipath", Bulletin of the Voronezh State Technical University (Vestnik Voronezhskogo Gosudarstvennogo Tekhnicheskogo Universiteta), 2019, vol. 15, no. 3, pp. 68-73.
5. Chirkov O.N., Romashchenko M.A., Bobylkin I.S., Shchipelev R.N., Matveev A.A. "Pilot assessment of the radio channel in MIMO-OFDM systems", Proc. of the International Symposium: Reliability and Quality (Nadezhnost' i kachestvo: tr. mezhdunar. simpoziuma), Penza State University, 2019, vol. 2, pp. 87-90.
6. Yao Q., Cheng X., Wen M., Wang C.-X., Song L., Jiao B. "Wideband channel modeling and ICI cancellation for vehicle-to-vehicle communication systems", IEEE Journal on Selected Areas in Communications, 2013, vol. 31, no. 9, pp. 434-448.
7. Chirkov O.N., Kuznetsova A.O. "An iterative technique for noise-immunity reception of QAM signals", Bulletin of the Voronezh State Technical University (Vestnik Voronezhskogo Gosudarstvennogo Tekhnicheskogo Universiteta), 2019, vol. 15, no. 4, pp. 84-88.
8. Chirkov O.N., Romashchenko M.A., Churakov P.P. "An improved method for channel estimation with iterative noise reduction for multi-user MIMO-OFDM systems", Radio Engineering (Radiotekhnika), 2019, vol. 83, no. 6 (8), pp. 150-155.
Submitted 01.10.2019; revised 10.12.2019
Information about the author
Oleg N. Chirkov, Assistant Professor, Voronezh State Technical University (14, Moskovskiy prospekt, Voronezh 394026, Russia), e-mail: chir_oleg@mail.ru, ORCID: https://orcid.org/ 0000-0003- 2250-2100
