3G长期演进系统中MCS选择方案的研究

adaizhu

近年来随着高数据率可靠业务需求的迅速发展，如何提高传输速率和保证业务质量(QoS: Quality Of Service)需求已经成为未来无线通信系统的研究重点。为了满足更高速率业务的需求，国际标准化组织3GPP于2004年12月正式开始了3G 长期演进（LTE: Long Term Evolution）系统标准化工作[1]。推动LTE的出发点是保证3G系统未来十年的竞争力，使其性能、功能等得到全面提升。
多入多出[2] (MIMO: Multi-Input Multi-Output)技术利用空间中增加的信道采用多天线阵列发送信号，因此具有大幅度提高系统传输速率的潜力。同时正交频分复用[3](OFDM: Orthogonal Frequency Division Multiplexing )技术通过将频率选择性多径衰落信道在频域内转变成平坦衰落信道，从而可以有效抑制符号间干扰，所以3G-LTE标准中采用OFDM和MIMO相融合的技术方案。

另一方面，由于无线通信系统中信道时变衰落的特性，为了充分利用信道资源，在综合考虑系统吞吐量和可靠性的基础上引入了自适应调制编码[4]（AMC: Adaptive Modulation and Coding）技术，其基本原理是根据信道的状态信息自适应地改变调制和编码方式，从而在不同的信道状态下获得最大的吞吐量。另外，为了克服无线移动信道环境中由于时变和多径导致衰落特点,一般采用混合自动重传请求[5]（HARQ: Hybrid Automatic Repeat-reQuest）协议来降低系统的误码性能以确保业务QoS需求。HARQ协议有效地结合前向纠错编码（FEC: Forward Error Correction）和自动重传请求（ARQ: Automatic Repeat-reQuest）两种基本的差错控制方法。这样,HARQ在保证了系统可靠性的基础上提供了较高的通过率。考虑到AMC和HARQ这两种链路自适应技术都可以有效提高时变信道中的传输效率，因此已经成为3G-LTE系统中的关键技术之一。
由于MIMO-OFDM系统和链路自适应技术都能有效地改善系统的性能，两者的结合则可以更好地增强系统的性能。本文针对3G-LTE中的MIMO-OFDM系统，结合链路自适应技术，提出了一种适用于慢衰落环境下调制编码方式（MCS）的选择方案，其目标是使系统吞吐量最大化，区别于传统的MCS选择方式，这种方案在选择MCS时不仅仅从AMC的角度来予以考虑，而且综合考虑了引入HARQ后对系统性能的影响。仿真结果表明，该方案比单纯从AMC的角度选择MCS的方案可以获得更大的系统吞吐量。
1 系统模型
图1给出了3G-LTE系统中的MIMO-OFDM结合链路自适应技术的系统方案。该方案采用每天线速率控制（PARC: Per-Antenna Rate Control）和公共调制编码（CMC: Common Modulation and Coding）的结构。这种结构的特点是：(1)不同天线上数据流的操作是相互独立的，包括MCS的选择，CRC校验和调制编码等。 (2)来自同一根天线上的数据的操作是相互关联的，它们来自同一个编码块，且选用相同的调制方式。
整个过程的具体操作如下：
首先来自上层的数据通过数据流分割映射到各根天线上，然后发送端对每根天线上所有资源块（RB: Resource Block）的信道状态进行处理，并按照一定的准则来为所有的资源块选取一个合适的MCS，也就是说每个天线上的资源块选用相同的调制编码方式，而天线间的MCS选择是相互独立的，可以相同，也可以不相同。
当数据流映射到各天线后，则此后每根天线的数据操作就是相互独立的，来自同一天线的数据将作为一个数据包经过CRC校验，信道编码，速率匹配，调制等处理流程后，分配至指定的资源块上，最后经过OFDM调制后发送出去。

图 1 CMC的系统结构
2 方案原理简介
2.1 MCS选择方案
在AMC与HARQ相结合的链路自适应系统中，由于实际精确的CQI信息是很难获得的，此时AMC只能提供粗略的数据速率选择，而HARQ可以根据实际信道环境对数据速率进行较精细的调整，补偿由于MCS选择不准确带来的错误。在选择MCS时，不能仅仅从AMC的角度来予以考虑，还要综合考虑引入ARQ后对系统性能的影响，如果MCS选择太高将会导致较大的重传率，从而影响整个系统的频谱效率，反之若太低，则会浪费系统资源，对系统的频谱效率会带来一定的损失，因此为了充分利用系统的频谱效率应合理地选择MCS。
一般来说，发送端通过反馈信道接收到的是CQI，其中CQI是通过用户信号的信干比（SINR: Signal to Interference Noise Ratio）来衡量的，然后利用SINR值来选取AMC对应的MCS，通常MCS的选取有以下两种方案[6]：
方案A：基于硬门限
在满足系统误码性能要求下使当前选取的MCS对应的吞吐量最大，假设系统要求的误块率为10%，则选取的MCS满足

式中 为信道质量信息SINR，n为使用的MCS方式, ，M代表MCS集，Rn为MCSn对应的频谱利用率(bits/symbol)， 为MCSn在信噪比为 时的误块率
方案B：基于吞吐量最大化
此时的选取准则主要是使当前的MCS对应的吞吐量最大化
2
通过观察可以发现上述两种方案的共同点都在于使当前的MCS对应的系统吞吐量最大，差别主要为方案A综合考虑了系统性能的QoS需求，而方案B则没有考虑系统性能的要求。但是上述两种方案都是仅使当前传输的吞吐量最大化，没有分析当引入ARQ后对系统吞吐量的影响，因为引入ARQ后，不仅要考虑当前传输，还要考虑到将来传输对当前系统吞吐量的影响，则此时的平均吞吐量不能简单表示成 ，而要取决于HARQ的类型和重传过程中信道的变化情况。
接下来主要分析当引入ARQ后系统吞吐量的表达式，并在此基础上提出了一种适用于3G-LTE自适应系统的MCS选择方案，这里称为方案C。
根据[9]可以得到在AWGN信道下MCSn在第一次传输时SINR为 时对应的平均吞吐量
(3)
式中 表示平均吞吐量, 表示成功接收的信息比特, 表示平均接收时间
由此可以得到当引入ARQ后若传输次数不限时MCSn对应的系统吞吐量的表达式如下[9]：
(4)
式中 表示在第k次传输过程中引入ARQ后在接收端通过合并得到的等效SINR值
根据 的定义可知系统吞吐量的表达式不仅与采用的HARQ类型有关，还跟信道的变化情况相关。本文的研究是基于Chase合并的HARQ[7]类型，由于该方案所需的接收端缓存较小，信令相对简单，是一种复杂度较低受欢迎的合并方式。假设信道环境为慢衰落条件，即每次重传数据包与第一次传输的数据包信息完全相同，且重传过程中信道环境基本不发生变化，则在第k次传输后通过合并得到的等效SINR可以写成如下表达式
(5)
式中，k为传输的次数, 为第一次传输的SINR值
在上述假设条件的前提下，式(7)可以改写成如下形式
(6)
其中式(9)中的 表示传输k次的概率
而在实际系统中，传输次数通常都是有限的，假设系统最大的重传次数为Tmax，则此时对应的吞吐量的表达式为[9]
(7)
在得到引入ARQ后系统吞吐量的表达式后，我们将对方案C的内容来进行具体的分析。在3G-LTE系统中，若第一次传输发生错误需要进行第二次传输，且重传时采用Chase合并的方法，由于重传时间间隔不大（LTE中建议的重传时间间隔为4通道），那么在慢衰落信道环境下，两次传输的信道可以认为近似不变，因此相对于第一次传输而言，第二次传输后由于合并会使SINR值有3dB的增益。在3G-LTE系统中采用的各个编码块长度下，由于编码块长度较长，从而导致编码增益较大（如图2所示），那么当第一次接收的SINR落在相邻的两条MCS曲线之间时，由于第二次的等效SINR相对于第一次而言有3dB的增加，则第二次得到的系统误码性能将在10-2以下，基本可以正确译码了。综上所述，可以得到一种简化考虑HARQ后最大吞吐量的表达式
(8)
根据简化吞吐量的表达式，可以得到一种综合考虑AMC和HARQ对系统吞吐量影响的门限选择方案，即
方案C：基于预测吞吐量最大化
使选取的MCS在引入ARQ后对应的系统吞吐量最大化
(9)
2.2 MIMO-OFDM系统中的自适应技术
在实际通信系统中，无线链路中的多径效应会引起频率选择性衰落，导致OFDM系统中各个频点上的衰落值不相同，因此各个子载波上的SINR值也不相同。为了有效地利用AMC技术，必须解决如何有效地根据所有子载波上的信道特性来选取MCS，即需要把多个OFDM子载波上的一系列SINR值通过某种方法映射成一个有效SINReff，然后利用这个SINReff来为OFDM系统选择合适的MCS。在近期关于3GPP提案和标准化工作中，几种基于有效SINR映射的方法已被提出，目前使用较广泛的是指数有效SINR值映射[8]（EESM: Exponential Effective SINR Mapping），以下的分析就采用这种映射方法。
在3G-LTE系统中，其自适应系统方案采用CMC结构，来自同一根天线上的数据流选用相同的MCS，则我们可以很方便地利用EESM的方法对同一根天线中所占用子载波上的SINR进行合并，从而得到一个SINReff进行MCS选择，具体过程如下：
步骤1：计算每个子载波上的SINR
对于MMSE接收机，每个子载波上信号的检测矩阵如下所示
(10)
(.)H表示共轭转置，()+表示求伪逆，Nr表示接收天线数，INr表示单位矩阵，H表示该子载波上的频域信道响应，Es表示发射信号的能量，N0表示噪声功率
则对于采用MMSE接收机的每个子载波上的
SINR的表达式如下
(11)
式中Nt表示发射天线数， 表示Gi的Nt行，hi,j表示Hi的j列, 表示范数
步骤2：利用EESM的方法来对每根天线上的多个子载波的SINR值进行合并得到SINReff
(12)
式中，SINRi为每个子载波上的SINR，Nsubcarrier为一根天线上的所使用子载波数， 是与MCS方式和编码长度有关的参数，具体定义见[9]
步骤3：根据等效SINReff按照不同的MCS选择方案来为系统选择合适的MCS
3 仿真结果及性能分析
本文主要针对MIMO-OFDM系统的下行链路进行仿真，具体系统参数参照了3GPP TR25.814协议[6]，其中选用的MCS如表2所示。
表1 MIMO-OFDM系统仿真参数
系统参数 数值
带宽 10MHz
天线配置 2×2
子载波数 600
FFT长度 1024
子载波间隔 15KHz
一帧持续时间 0.5ms
一帧内符号数 7（6个数据符号）
保护间隔 73sample(4.75μs)
符号持续时间 71.42μs
（66.67μs +4.75μs）
子频带（RB宽度） 375KHz（25子载波/RB）
总RB数 24
占用RB数 8
信道估计 理想
同步 理想
检测方法 MMSE
信道编码 Turbo/MAX_LOG_MAP(迭代次数=8)
信道模型 996PB，3km/h
最大重传次数 3
仿真中采用的9种MCS对应的调制方式和编码速率如表2所示，相应的AWGN信道下的信噪比与误码性能即 曲线图如图2所示
表 1 不同MCS方式下的 值
MCS 调制方式 编码速率
1 QPSK 1/3
2 QPSK 1/2
3 QPSK 2/3
4 QPSK 3/4
5 16QAM 1/2
6 16QAM 2/3
7 16QAM 3/4
8 64QAM 2/3
9 64QAM 3/4
图 2 1200个符号时各种MCS方式在AWGN信道下的性能曲线图

表3 分别给出了方案A，方案B和方案C在3G-LTE系统中吞吐量的对比。可以看出，基于预测吞吐量最大化的方案C获得的系统吞吐量最高，以当前传输吞吐量最大化的方案B次之，而基于硬门限的方案A由于考虑了系统的QoS需求，因此获得的吞吐量最小。在信噪比为21dB时，方案C相对于方案A大概有0.26Mbps的增加，与方案B 相比，大概有0.09Mbps的增加，这与理论分析得到的结论是相同的。
方案A与方案C相比较，由于在第一次传输时考虑了业务流的QoS需求，则当系统具有ARQ功能时，可以降低重传发生的概率，因此可以有效地保证业务的实时性，所以这种方案更多地适用于时延较小的语音业务。但是这种方案相对比较“保守”，当反馈来的SINR在BLER门限值附近时不能对信道加以充分利用，不能达到吞吐量的最大化。
方案B和C可以更好的利用信道状态信息，当反馈来的SINR在BLER门限值附近时会适当冒险，以换取吞吐量的提高。但是这种方案在选择MCS时比较激进，在第一次传输时不能保证系统的性能要求，当系统具有ARQ功能时，重传发生的概率较大，因此带来的系统时延也增大了，所以普遍适用于数据类型业务。
图3给出了在信噪比为21dB 时各种方案MCS选择的百分比，可以看出，方案A在MCS选择时考虑了业务的QoS需求，所以选择MCS相对来说较保守，更多的时候选择了较低的MCS，以系统吞吐量的降低来换得较小的系统时延。而方案C由于引入了重传对系统吞吐量的影响，则在MCS选择上比较“激进”，偏向于选择更高阶的MCS，虽然增大了传输时延但是可以有效地提高了系统的吞吐量。
表3 各种方案下系统吞吐量的对比（单位：Mbps）
SNR(dB) 方案A 方案B 方案C
12 5.3316 5.412 5.4468
15 6.7864 6.9092 6.9484
18 8.738 8.9136 8.9968
21 11.3532 11.5248 11.616
24 13.9876 14.1444 14.2344
27 17.148 17.3688 17.4564
30 20.1836 20.3268 20.33


图3 信噪比为21dB时各种方案的MCS选择的百分比
4 结论
本文针对3G-LTE的MIMO-OFDM系统，结合链路自适应技术，提出了一种MCS选择方案，该方案以系统吞吐量最大化为目标，不仅考虑了当前传输对系统吞吐量的影响，而且还考虑了当引入ARQ后对系统吞吐量的影响，因此相比于传统的MCS选择方案，在慢衰落信道环境下可以获得更好的吞吐量性能。
参考文献:
[1] 3GPP TR 25.814 v7.1.0 (2006-09), “Physical layer aspects for evolved universal terrestrial radio access (UTRA) (Release 7)”
[2] I. Emre Telatar, “Capacity of Multi-antenna Gaussian Channels”, European Transactions on Telecommunications, vol. 10, no.6, pp. 585-595, Nov/Dec 1999.
[3] Le Floch, B., Alard, M.; Berrou, C., “Coded orthogonal frequency division multiplex”, Proceedings of the IEEE, vol.83, no.6, pp.
982-996, June 1995.
[4] Goldsmith, A.J., Chua, S.-G.,“Adaptive coded modulation for fading channels”, Communications IEEE Transactions, vol. 46, no. 5, pp.595-602, May 1998.
[5] LIN S, COSTELLO D J., Error Control Coding- Fundamentals and Applications .Englewood Cliffs, NJ: Prentice Hall, 1983.
[6] Haitao Zheng, Viswanathan, H., “Optimizing the ARQ performance in downlink packet data systems with scheduling”, Wireless Communications, IEEE Transactions, vol. 4, no.2, pp.495-506, March 2005.
[7] Chase, D, “Code Combining-A Maximum
Likelihood Decoding Approach for Combining an Arbitrary Number of Noisy Packets”, Communications, IEEE Transactions, vol.33, no.5, pp.385-393, May 1985.
[8] R1-031303, “System-level evaluation of OFDM – further considerations”, Ericsson, TSG-RAN WG1 #35, Lisbon, Portugal, November 17-21, 2003.
[9] R1-061508, “System Analysis Comparing Synchronous and Asynchronous Adaptive HARQ”, Qualcomm Europe, TSG RAN WG1 #45, Shanghai, China, May 8-12, 2006.