高速铁路车地间多跳协作通信技术的仿真与分析结果

2023-08-23 理论教育版权反馈

【摘要】：图6.2所提算法与其他算法的MSE性能比较由于完美信道为非完美信道下更能展现算法性能的一个特例情况，因此首先对于完美信道下的中继混合预编码设计进行仿真分析。图6.6中继接收与发送采用不同量化位时SE随量化位数变化曲线图6.7显示了利用不同分辨率PSs时的EE性能。这是因为与3位分辨率的情况相比，具有1位分辨率PSs的可实现SE的退化是显著的。

接下来给出了在毫米波中继系统中的仿真结果，以说明所提出的中继混合预编码设计的性能。轨旁源节点、中继节点和目的节点分别配置Ns=144、Nr=64和Nd=36根天线。为简单起见，中继节点的发射器和接收器端使用相同数量的天线和相同数量的RF链。天线阵列Dr和Dl之间的角度Θ与距离均为零，以获得最显著的增益并减少其他因素的影响。假设噪声方差等于1，即

图6.2比较了所提出的基于ADMM的算法和其他迭代算法之间的优化MSE性能，其中RF链的数目 pagenumber_ebook=127,pagenumber_book=120 =8。假设信源和目的地采用全数字预编码，该预编码由文献[74]中的算法实现，并选择以最小均方误差为目标的迭代算法进行比较。通过观察可以明显看出，所提出的基于ADMM的混合预编码MSE性能相比基于ISA的混合预编码的MSE性能更接近于全数字预编码方案，证明了所提出算法的有效性。此外，在传输更多数据流时，在合理的迭代数目内基于ADMM的算法可以实现MSE收敛。

pagenumber_ebook=127,pagenumber_book=120

图6.2　所提算法与其他算法的MSE性能比较

由于完美信道为非完美信道下更能展现算法性能的一个特例情况，因此首先对于完美信道下的中继混合预编码设计进行仿真分析。选择基于SVD分解的全数字预编码设计作为仿真中比较的上界，并与基于OMP的迭代算法和基于CDM的算法进行了比较。特别地，后一种算法是针对没有中继节点的系统提出的，因此我们将其扩展到全双工中继系统进行比较。

图6.3针对SINR比较了具有全分辨率PSs的不同预编码算法的SE性能。通过观察，基于无限分辨率PSs的混合结构的SE接近全数字，数据流的增加带来了性能的提升。特别是与基于CDM算法和基于码本选择的OMP算法相比，由ADMM算法设计的混合预编码结构可以获得更好的SE性能。

pagenumber_ebook=128,pagenumber_book=121

图6.3　全分辨率移相器下不同中继预编码算法的SE性能比较

图6.4显示了在不同的量化预编码方案和不同的数据流数目下，PSs的分辨率对SE的影响。可以看出，在实现低分辨率PSs时，该算法仍能获得令人满意的性能。值得注意的是，本文提出的中分辨率PSs算法与基于CDM的同分辨率PSs算法相比，具有良好的性能和有效性。此外，采用该算法中结构最简单的单分辨PSs算法的性能明显优于其他高分辨率PSs算法。

图6.5为使用不同数量的数据流Ls时，比较中继节点的接收器和发送器使用不同量化比特移相器时的SE随SNR变化曲线。可以观察到，由于预编码矩阵的求解顺序不同，相同数据流的发射机的低分辨率量化具有更高的性能损失。尤其是在量化接收机的基础上对发射机进行优化，通过迭代求解将量化误差降低到较低的水平，但在后续的变量中仍会增加少量的性能损失。数据流的增加会影响整体性能的提高，包括接收机或发射机，但不会对单边产生具体影响。

pagenumber_ebook=129,pagenumber_book=122

图6.4　采用不同量化精度移相器的不同算法间SE性能比较

pagenumber_ebook=129,pagenumber_book=122

图6.5　中继接收与发送采用不同量化位时SE随SNR变化曲线

图6.6所示研究了不同分辨率的PSs对所提出算法的SE值的影响，展示了在SINR=20dB的情况下，整个可能的分辨率范围内的性能。可以发现，提高PSs的分辨率可以减小全分辨率结构和离散分辨率结构之间的SE差。当PSs的分辨率由单分辨率提高到双分辨率时，SE值显著增加。然而，当PSs具有更大的量化比特（例如b＞5）时，进一步提高PSs的分辨率对提高SE没有很大帮助。另外，尽管使用了低分辨率PSs，但是增加数据流的数量可以显著地提高SE并降低接收机和发射机的量化损耗。

pagenumber_ebook=130,pagenumber_book=123

图6.6　中继接收与发送采用不同量化位时SE随量化位数变化曲线

图6.7显示了利用不同分辨率PSs时的EE性能。可以看出，EE随峰值先增大后减小，其中顶点值出现在约10dB的SINR值附近，而不是所选SINR范围内的最大值。另外，具有3位分辨率PSs的体系结构具有更好的EE，而具有1位分辨率PSs的体系结构性能较差。这是因为与3位分辨率的情况相比，具有1位分辨率PSs的可实现SE的退化是显著的。特别地，由于功耗同步降低，EE随着量化分辨率的降低而增加，超过3比特。这意味着通过选择较低分辨率的PSs可以获得更好的EE。值得注意的是，由于混合结构减少了使用最大功率消耗的射频链，因此具有全精度PSs的混合预编码系统仍然比全数字结构具有更好的EE。

pagenumber_ebook=131,pagenumber_book=124

图6.7　采用不同量化位数移相器时系统EE随SINR变化曲线

接下来，进一步考虑具有估计误差的非完美信道情况，以验证所提出算法的有效性。其中各个节点的配置与完美信道中的配置相同，并假设ϱsr=ϱrd=ϱ， pagenumber_ebook=131,pagenumber_book=124 sr=rd=和ςsr=ςrd=ς。

在图6.8中，我们展示了所提出的具有全分辨率PSs和量化分辨率PSs的ADMM算法在不完全CSI下的SE性能，其中 pagenumber_ebook=131,pagenumber_book=124 =0.6，ϱ=0.4，ς=0.3[67]，并同时比较了具有全分辨率PSs的OMP和CDM算法。可以看出，在不同的信噪比条件下，本章所提算法在不同的信噪比下均能获得较好的量化性能。但是，由于在估计误差下的模拟预编码量化运算，非完美CSI下的SE性能比理想CSI下的性能差。因此，当移相器的量化位数不能继续提升时，可以使用更全面的信道参数作为性能改进的重点。

图6.9显示了SE性能与ς的对比，以说明在不同的PSs分辨率下，估计误差对系统性能的影响，其中 pagenumber_ebook=131,pagenumber_book=124 =0.6，ϱ=0.4。可以清楚地看到，随着估计误差的逐渐增大，系统性能在急剧下降后趋于平稳，性能下降主要集中在小于0.2的范围内。这一现象揭示了一个有趣的事实，即当天线数量固定时，较差的信道参数不会导致更高的性能损失。在这种情况下，由于系统结构对估计误差的敏感性逐渐降低，信道估计的优化是低优先级的。因此，在计算资源有限的情况下，准确地选择需要优化的焦点变量就显得尤为重要。另外，天线尺度的增大进一步降低了系统对估计误差的敏感性。

pagenumber_ebook=132,pagenumber_book=125

图6.8　非完美CSI下不同算法性能比较曲线

pagenumber_ebook=132,pagenumber_book=125

图6.9　非完美CSI下量化PSs和全精度PSs随估计误差变化曲线

图6.10说明了在不完全CSI和完全CSI下，实现的SE和EE的权衡，其中移相器的量化精度逐渐提高。从图6.10中可以清楚地观察到，对于具有不同发射功率的混合预编码结构，这种折中具有相似的行为，即随着SE的增加，EE逐渐增加到峰值（ω=0），然后迅速降低。此外，量化精度的轻微降低可导致EE的极大改善，但当SE超过顶点时（例如，b=3，ω=1）SE没有显著改善。不幸的是，较低的EE仍然是使用高分辨率PSs的一个缺点，但是可以通过增加传输功率来补偿。请注意，最佳EE性能只能在特定参数下实现，而不是不断增加传输功率。另一方面，在不完全CSI条件下，无论SE还是EE，总体性能都与完美条件下的性能有相同的折中趋势，但比完美条件下的性能差。

pagenumber_ebook=133,pagenumber_book=126

图6.10　不同CSI下SE与EE间权衡曲线

高速铁路车地间多跳协作通信技术的仿真与分析结果

相关推荐