协同通信文献阅读与理解Word格式文档下载.docx

协同通信文献阅读与理解Word格式文档下载.docx

《协同通信文献阅读与理解Word格式文档下载.docx》由会员分享，可在线阅读，更多相关《协同通信文献阅读与理解Word格式文档下载.docx（14页珍藏版）》请在冰豆网上搜索。

"

CapacitytheoremsfortheRelayChannel"

IEEETrans.Inform.Theory,vol.25,pp.572-584,1979.

而最近几年，随着分集技术的发展，协同通信成为了当前无线通信中的研究热点。

研究协同通信一个主要目的是对抗无线信道的多径衰落。

因为无线信道的衰落是随机的（考虑小尺度衰落，在微小的时间和空间差别下信号的强度发生大的变化），如果S-D信道正好处于深度衰落，不利于通信；

而距离源节点旁边的伙伴节点其R-D信道却可能处于很好的信道状态，因此，源节点可以寻求伙伴节点的帮助，先把数据发给伙伴节点，再由伙伴节点把数据发给目的节点。

支撑协同通信发展的另外一个技术是MIMO（多输入多输出）技术。

MIMO技术利用了无线衰落信道中不同传播路径的独立性，通过在收发两端装备多副天线，能够有效的提高传输容量或者增强传输的可靠性。

然而，对于很多价格低廉，体积小巧的设备（例如无线传感器节点），装备多个天线是很困难的，如果能够将处于一个区域内部彼此邻近的多个节点联合起来，形成一个虚拟的MIMO阵列，就有能够获得传统MIMO的传输效果[Cui04]。

[Cui04] 

S.Cui,A.J.Goldsmith,A.Bahai 

Energy-EfficiencyofMIMOandCooperativeMIMOTechniquesinSensorNetworks"

IEEEJSAC,VOL.22,NO.6,AUGUST2004

可以将协同通信分为两种基本类型：

协同中继和协同MIMO。

协同中继的基本模型是：

一个源节点（S），一个目的节点（D），若干个中继节点R。

最简单的情况是只有一个中继节点，我们称之为S-R-D模型。

在S-R-D模型中，发送分为两个时隙进行：

第一个时隙，源节点发送数据给目的节点，同时中继节点也接收源节点发出的数据；

在第二个时隙，中继节点按照一定的方法将接收到的数据转发给目的节点，而在接收端，接收节点将两次接收到的数据进行合并处理，典型的方法是MRC（最大比合并）。

例如，在AF模式下，使用MRC合并，其合并后的SNR可以表示为：

SNR（combine）=SNR（SD）+SNR（SR）*SNR（RD）/（1+SNR（SR）+SNR（RD））

值得注意的是：

之所以要分两个时隙发送，是为了保证S-D和R-D信道的正交性，使得源发送的信号和中继发送的信号不会互相干扰。

而保证正交的方式有多种：

时分、频分、码分等等。

考虑一下如果中继和目的节点同时发送数据给目的节点会出现什么情况？

两个高斯随机信号的叠加仍然为高斯随机信号，无法获得分集效果。

也可以这样理解：

两个信号叠加在一起，就变成了一个信号，无法区分，只是有些地方由于两路信号的相位相同，总信号得到增强，而有些地方由于相位相反，信号减弱。

这是对于一般情况而言，如果采用特殊的手段，还是有办法能够区分这两个叠加的（或者称为碰撞的信号的）。

例如CDMA通信中，通过给用户赋予不同的正交码，接收端是可以区别两个信号的（这实际上是码分）；

而在Alamouti空时码中，通过精巧的设计发送码字结构，使得发送码字正交，区分出两路同时发送的信号成为能够；

或者通过在两个用户发送时间之间引入一定的延时，接收端也可以捕获出两个信号出来。

另外一种空时码的构造方法是第一个时隙发送源节点数据，第二个时隙，源节点继续发送自己的数据，而中继节点转发第一个时隙的数据，只要假设慢变化的信道，两个时隙的SD信道相同，也是可以区分出在第二个时隙的源和中继同时发出的信号的。

这种方法也称为非正交发送[Nabar04]。

非正交发送可以提高频谱效率。

[Nabar04]R.U.Nabar,H.Bolcskei,andF.W.Kneubuhler,``Fadingrelaychannels:

performancelimitsandspace-timesignaldesign,'

'

IEEEJ.Select.AreasCommun.,vol.22,pp.1099-1109,Aug.2004.

协同MIMO的基本模型是：

源节点（S）->

发送簇-----→接收簇->

目的节点（D）

源节点和其邻居节点组成发送簇，簇内节点共享其天线形成虚拟发送天线阵列；

目的节点和其邻居节点组成接收簇，簇内节点共享其天线形成虚拟接收天线阵列。

基本的发送流程是：

第一个时隙：

源节点首先向其邻居节点广播数据，发送簇内邻居节点接收广播数据；

第二个时隙：

发送簇节点以一定的MIMO编码方式同时向接收簇发送数据，接收簇的所有节点同时接收来自发送簇的数据；

第三个时隙：

接收簇内节点以一定的次序以此将接收到的数据发送给目的节点，目的节点以一定的方式合并处理所有数据。

根据中继节点对接收到的源信号的处理方式不同，可以分为AF和DF模式。

AF（放大转发）是指中继节点接收到源信号后直接对模拟信号进行放大处理（使得中继发出信号功率恒定）；

而DF是指中继节点接收到信号后先解码然后转发。

早先的研究认为，AF模式不需要对信号进行解码，似乎比较容易实现；

然而如果考虑到现在很多的设备都是半双工的，设备不能同时接收和发送，这样，AF模式需要对模拟信号进行存储，即使在技术上可以实现，也意味着需要额外的硬件来支持；

而DF模式正好与现有的无线数字通信设备兼容。

另外，虽然AF在使用MRC合并的情况下能够达到全分集，但是在接收端需要对包括S-R,S-D,R-D在内的信道进行估计，而估计S-R信道是较为困难的（增加了开销）。

最近的研究重点逐步转移到DF模式。

然而，DF也有其缺点，首先对数据解码意味着需要额外的延时；

其次，如果S-R信道比较差，DF可能把解码错误的数据转发给目的节点，从而造成误码传播。

想像一下，如果中继解码错误，那么接收端成功的概率会是多少？

答案是1/2。

而AF模式下，当S-R信道较差，中继节点只是把噪音传递给目的节点，由目的节点综合处理，性能还不至于太差。

相关研究表明，由于误码传播，DF模式不能获得有效的分集。

分集（diversity）是指通过发送（或者接收）衰落信道下一个信号的多个副本，达到抵抗信号衰落的目的。

分集阶数大致可以定义为衰落信道下的独立路径的个数。

注意，一定要在衰落信道下谈论分集才有意义，也不要尝试在高斯信道下推导分集增益。

分集阶数还可以定义为当SNR很大的时候，BER等效为

Pe~=a*（SNR）^（-d）

中的SNR的指数d,或者写为:

d=-lim（lg（Pe）/lg（SNR））,SNR->

趋于无穷

当我们使用双log画出Pe和SNR的曲线，对应的负斜率就是分集增益。

为什么会出现这种定义呢？

原来，在瑞利衰落下，一路BPSK调制的BER性能约为：

Pe~=1/（4*SNR）

也就是说正好d=1；

而两路独立传播的BPSK调制BER性能正好是2[Simon00,9.6]。

Pe=1/4*（1-u）^

（2）*（2+u） 

u=sqrt（SNR/（1+SNR））

这里，d=2

[Simon00]M.K.SimonandM.-S.Alouni, 

DigitalCommunicationoverFadingChannels:

AUnifiedApproachtoPerformanceAnalysis'

.Wiley,2000.

对于L路分集，在高SNR下，BPSK调制下的BER性能近似为[Proakis00,14-4-18]：

Pe~=（1/（4SNR））^（L）*C（2L-1,L）C为组合函数。

[Proakis00]J.G.Proakis, 

DigitalCommunications'

.McGraw-Hill,2000.

也就是d=L。

虽然系统可能提供了L条独立路径，这并不意味着系统就能够获得L阶的分集，这要看能否合理的利用。

可以通过考察一个系统在高SNR下的BER性能来分析其分集增益，如果在存在L条路径的情况下获得了L阶的分集，就认为该系统达到了全分集。

DMT（diversityandmultiplexingtradeoff）

在Laneman经典文献[Lane04]中，使用DMT分析了其提出的协议性能。

[Lane04]J.N.Laneman,D.N.C.Tse,andG.W.Wornell,``Cooperativediversityinwirelessnetworks:

efficientprotocolsandoutagebehavior,'

IEEETrans.Inf.Theory,vol.50,pp.3062-3080,Dec.2004

通过定义Rnorm为：

Rnorm:

=R/log（1+SNR*h（s,d）^2）

R为系统中数据传输速率，SNR为实际发送功率与噪声的比值，h（s,d）为衰落系数，所以Rnorm<

1，是实际速率与理论最大速率（信道容量）的比值，也称为归一化频谱效率，或者称为复用增益。

AF下的分集增益可以表示为：

d（Rnorm）=2（1-2Rnorm）

也就是说分集增益是归一化频谱效率Rnorm的函数，当Rnorm->

0的时候，获得了最大分集增益2，或者说，只有当Rnorm-->

0，才能够获得最大增益。

这个结论和前面对分集的定义是一致的，因为分集增益定义为SNR->

无穷的BER衰减指数。

对于任何固定速率R的传输系统，SNR-->

无穷必将导致Rnorm-->

0，其复用增益为0。

将上述公式变换个形式：

Rnorm=1/2*（1-d/2）

这说明该系统的最大复用率为1/2，此时分集增益为0。

这是如何得出来的呢？

因为，在Laneman的这篇经典文献中，考虑的是重复编码发送，首先是源节点发送信息，然后是中继节点在第二个时隙将接收到的数据重复发送一次，这样，频谱效率就降低了一半了。

频谱效率降低一半的复用率为1/2，则必将推导出在直接传输下最大复用率为1，此时分集增益必将为0，这个结论又是如何得来的？

通过香农信息论，我们知道在一定的SNR下，如果以最大容量log（1+SNR）传输数据，总是能够找到一种无失真的编码，使得传输的差错概率任意的小。

然而，香农的这个定理是以高斯白噪声信道为前提的。

在瑞利衰落信道下，如果以r*log（1+SNR）的最大速率传输（r为归一化的频谱效率,0=<

r<

=1），系统的中断概率为[Zheng03]：

P（out）=SNR^（-（1-r））

当r取值为1，可以发现不论SNR的大小，中断概率为1，相当于出现了误码平层，此时，中断概率曲线的斜率为0，分集增益也为0。

也可以这样理解，在衰落信道下，为了得到可靠的传输，必须要留有一定的衰落余量，而不能以最大速率传输。

事实上，该文中的DMT的这个思想来源于传统MIMO中的DMT分析[Zheng03]。

[Zheng03]L.ZhengandD.Tse, 

``DiversityandMultiplexing:

AFundamentalTradeoffinMultipleAntennaChannels'

IEEETransactionsonInformationTheory,vol.49（5）,May2003.

该文作者是如何想到要用DMT来分析通信系统的性能呢？

如前所述，MIMO系统较传统SISO能够提供两种优势：

分集增益和复用增益。

很长一段时间以来，研究者或者是研究分集，例如Alamouti空时编码[Alamouti98]，或者说是研究复用，例如V-BLAST结构。

[Alamouti98]SiavashM.Alamouti, 

ASimpleTransmitDiversityTechniqueforWirelessCommunications'

IEEEJSAC,VOL.16,NO.8,OCTOBER1998

[Fosch96]G.J.Foschini, 

“Layeredspace-timearchitectureforwirelesscomunnicationinaflatfadingenvironmentwhenusingmultielementantennas,” 

BellLabsTech.Journ.,vol.1,no.2,pp.41–59,1996.

然而，在一个MIMO系统里面是否可以既提供分集增益又同时提供复用增益，如果可以，如何采用一个统一的标准对这类系统进行性能评估呢？

DMT可以用一个统一的框架来比较现有的基于分集的或者基于复用的方案，其本质是通信系统传输可靠性（错误概率）和数据率的折中。

在[Zheng03]的这篇开创性的文章里面，作者明确指出对于一个m*n的MIMO系统，可以使用其中的r个发射天线和r个接收天线作为复用，而剩下的（m-r）个发送天线和（n-r）个接收天线作为分集，此时，系统获得的复用增益为r，而分集增益d为（m-r）*（n-r）。

这里，复用增益r和分集增益d分别定义为：

r:

=limR（SNR）/log（SNR）,SNR->

d=-lim（log（Pe（SNR））/log（SNR））,SNR->

因此，最大能够获得的分集增益为m*n，此时复用增益为0；

最大能够获得的复用增益为min（m,n），此时分集增益为0。

回过头来，再次用DMT的观点分析协同通信系统的性能。

在Laneman的另外一篇经典文献[Lane03]中，作者提出了存在m-1个中继节点的两种协同方案，第一是重复发送编码方案，m个发送节点采用正交的方式在m个时隙分别重复发送；

第二是采用分布式的空时编码方案，只使用两个时隙，在第二个时隙，所有的节点同时发送编码数据。

直观的可以看到，虽然两种方法都能够达到m阶增益，然而，使用空时编码提高了频谱效率。

该文的研究表明，在重复发送编码下，最高复用增益为1/m，而采用分布式的空时编码，其复用增益的下限为1/2。

[Lane03]J.N.LanemanandG.W.Wornell,``Distributedspace-time-codedprotocolsforexploitingcooperativediversityinwirelessnetworks,'

IEEETrans.Inf.Theory,vol.49,pp.2415-2425,Oct.2003.

传统上，分集阶数定义为当SNR无限大时的BER曲线的斜率，即

在[Zheng03]的经典文献中，提出了MIMO系统中的分集和复用折中的概念，对其折中性能的分析就是以SNR趋于无穷进行的。

然而，也有人提出了疑问，以SNR趋于无穷来分析一个通信系统的性能是否会存在不准确，毕竟，对于一般的系统，例如WLAN和蜂窝系统，典型的SNR值在-10dB-30dB之间。

另外一个值得怀疑的地方是考虑如下的场景：

对于一个源，一个中继，一个目的典型协同网络，假如中继和源的距离远小于源和目的距离，并假设源和目的与中继到目的的距离相等，在这种情况下，如果使用固定DF协议，按照无穷SNR的理解，将会发现固定DF不能够获得任何的分集增益；

而实际上，在很大一部分的有限SNR区间，会发现仍然获得了分集增益（这部分SNR区间下的曲线和二阶分集曲线重合）。

这是一个有限SNR下性能比无限SNR性能好的例子。

文献[Fan09]还发现了在无限SNR下有着优越性能，而有限SNR未必性能优越的例子。

这充分说明了有限SNR下系统性能不能等同于无线SNR下的性能。

因此，文献[Nara06][Stau07]提出了有限SNR下的分集和复用折中的概念,特别的，[Fan09]证明只要SNR足够小，总是能够找到足够小的的SR距离，使得协同比非协同的性能好。

有限SNR下的分集D定义为BER曲线的导数（在特定SNR点的斜率）。

D（r,snr）=-dlnPe（r,SNR）/dln（SNR）

[Nara06]R.Narasimhan,“Finite-SNRdiversity-multiplexingtradeoffforcorrelatedRayleighandRicianMIMOchannels,”IEEETrans.Inf.Theory,vol.52,no.9,pp.3965–3979,Sep.2006.

[Stau07]E.Stauffer,O.Oyman,R.Narasimhan,andA.Paulraj,“Finite-SNRdiversity-multiplexingtradeoffsinfadingrelaychannels,”IEEEJ.Sel.AreasCommun.,vol.25,no.2,pp.245–257,Feb.2007.

[Fan09]Yijia,Fan,ChaoWang,H.VincentPoor,JohnS.Thompson 

“CooperativeMultiplexing:

TowardHigherSpectralEfficiencyinMultiple-AntennaRelayNetworks”,IEEETRANS.INFO.THEORY,VOL.55,NO.9,SEPT.2009

在协同通信的经典文献里[Send03AB]，作者认为如果两个用户互相协同，那么既可以增大系统容量又可以提高传输的可靠性（降低误码率），这个结论的得出是假设发送方能够获得信道状态信息CSI，从而对用户分配合理的发送功率得出来的。

[Send03A]A.Sendonaris,E.Erkip,andB.Aazhang, 

“Usercooperationdiversity-PartI:

Systemdescription,” 

IEEETrans.Commun.,vol.51,no.11,pp.1927–1938,Nov.2003

[Send03B]A.Sendonaris,E.Erkip,andB.Aazhang, 

“Usercooperationdiversity—PartII:

Implementationaspectsandperformanceanalysis,” 

IEEETrans.Commun.,vol.51,no.11,pp.1939–1948,Nov.2003

而在Laneman经典文献[Lane04]中，开篇就指出，该文献假设更加一般的场景，发送方不能够获知CSI，只有接收方能够通过信道估计得到CSI，在这种情况下，协同并不能提高容量，只能提高传输可靠性。

该文设计了一种基于重复发送的协同策略，并且以信息论的方法获得了该策略在高SNR下的中断概率，大约为1/SNR^2，表明该策略获得了有效的分集增益。

继[Lane04]之后，大部分的协同通信均假设发送方不知道CSI的情况，研究的重点是如何提高分集增益。

以上的研究都是基于多个发送节点（一个源节点，多个中继节点），一个接收节点的情况。

然而，对于收发存在多个天线，例如协同MIMO的场景（多个发送节点组成发送簇，形成虚拟发送天线阵列，多个接收节点形成接收簇，形成虚拟接收天线阵列）。

按照MIMO的基本原理，多个收发天线可以形成独立的子信道，此时，可以通过空间复用的方式来增强信道容量。

然而，由于簇内数据交换带来的协议开销以及簇内信道可能出现的差错，使用协同MIMO是否能够有效提高容量与簇间信道、簇内信道、协议设计等多种因素有关。

协同通信研究的一个重要分支是协同MIMO，利用协同MIMO来提高系统容量，其理论基础是MIMO可以提高容量。

然而，为什么使用MIMO可以提高容量，在什么环境下可以有效的获得容量的提升？

一般认为，当传播路径中存在大量的（丰富的）散射体，就可以通过在空间的不同位置布置多个天线，实现多个独立、并行的传输路径，从而在多个并行路径上同时传输多路数据，达到空间复用的目的。

理想的MIMO系统假设非视距的传输环境，各个路径完全独立，然而很多的因素会造成各个路径之间存在相关性，从而影响MIMO的性能，例如，散射体个数不够丰富，天线之间的距离太近（典型要求大于10个波长）等等。

一个很自然的问题是如果传播环境中没有散射体，或者说在强直射路径LOS下，是否能够有效提高容量呢？

这要从MIMO的信道容量公式说起。

假设收发天线数目均为N，典型的MIMO信道容量（发送端不知道CSI）公式为：

C=log[det（I+r/N*HH`））

这里H为信道矩阵，其中H`为H的转置，r为信噪比,I为单位矩阵。

当H为正交矩阵，HH`=NI，可以达到最大信道容量：

Cmax=N*log[1+r]

也就说容量是传统SISO的N倍。

而当H完全相关，HH`=N*1，这里1为全1矩阵。

Cmin=log（1+N*r）

这里，容量的增加相当于多个天线发送提高了发送功率而已（阵列增益）。

所以，获取容量提升的关键在于信道矩阵H，使得HH`=NI。

在自然的富裕散射环境下，因为各个路径彼此独立，可以满足上述条件。

然而，文献[Sarris05]的理论研究以及实际的测量表明[Sarris06]，在强LOS环境下，甚至不存在任何衰落和散射的情况下（自由空间传播模型，完全的确定性信道），利用几何原理，通过精巧的布置收发