以用户为中心的可见光通信协作传输中训练资源分配算法 下载: 966次
1 引言
可见光通信(VLC)[1-3]具有未授权频谱、大带宽、高效节能照明等特点,近年来发展迅猛。除了多重优势外,VLC系统还存在一些缺陷,在非视线场景中性能下降,与无线电蜂窝网络相比覆盖范围较小。当用户随机分布时,室内VLC网络中的每个用户在特定位置可能会接收到来自多个光接入点(APs)的视距信号,这些信号相互叠加,小区边缘的小区间干扰(ICI)比较严重,会给用户的正常通信造成干扰,导致用户接收性能显著降低。针对上述问题,近年来提出以用户为中心的设计理念[4],无论用户位于何处,其服务质量(QoS)需求都可以得到满足。以用户为中心的VLC网络,其特点是APs跟随用户,而不是用户跟随APs。对于这种新型网络,每个用户可以选择若干个APs组成一个虚拟小区,APs可以通过多输入多输出(MIMO)技术将信息联合传输到用户终端,多个用户终端具有不同的QoS要求和信道条件,对APs的选择也会不同,这会导致小区之间的重叠。
APs协作传输性能很大程度受信道状态信息(CSI)获取程度的影响,对于时分双工(TDD)通信系统,可以通过APs向用户发送训练序列进行信道估计以获取CSI。对于多小区通信系统,同一小区APs发送的训练序列或选择相同AP的用户发送的训练序列应该是相互正交的。对于非重叠虚拟小区,为小区内用户分配一组正交的导频序列,小区间复用一组相同的正交导频序列集合即可。然而,以用户为中心的网络中,虚拟小区是重叠的,重叠虚拟小区间的重叠APs同时服务于多个用户终端,导致严重的导频污染问题。为了满足所有虚拟小区的需求,可以为每个AP或每个用户终端分配一个正交的训练资源,但是总体训练开销随APs或用户终端总数的增加而线性增加,这会抵消合作收益,导致净吞吐量降低。此外,也可以通过合理设计APs或用户之间的训练资源重用方案,减少训练开销。
目前,针对训练资源重用的研究,在大规模MIMO系统中得到了广泛的重视[5-10],主要研究了训练序列的设计、功率分配等,主要针对多输入单用户(MISO)系统,所提方案主要是将相同的导频资源分配给不同区域的用户。对于以用户为中心的协作方案,Chen 等[11]提出了一种训练导频分配方案,该方案基于图着色算法,比如Dsatur算法,目标是在一定的实际约束条件下,给用户分配最少数目的导频序列,以降低训练开销,然而系统相干时间是一定的,导频长度受信道相干时间限制,分配给用户训练的导频序列是固定的。本文针对以上问题,将导频分配和用户选择联合考虑,在导频序列固定的情况下,动态考虑分配方案,最大限度地增加可接入用户数。具体来说,首先根据Dsatur算法找到VLC网络需要的最小数量的导频序列,其次分别讨论当用户数量多于或者少于最小导频序列数量时,如何对训练资源进行优化分配,最后对比现有算法以及传统分配算法。仿真结果表明,本文所提方案能接入更多的用户终端,训练资源利用率更高,性能较优。
2 系统模型
本节针对室内VLC系统的一个光小区,假设有J个APs同时向K个用户广播信息,使用常见的脉冲幅度调制(PAM)作为调制方式。由于光信号的广播特性,小区用户的干扰主要来自于小区内干扰和小区间干扰。
2.1 光高斯信道模型
假设室内VLC系统中发光二极管(LED)符合朗伯光源模型,直射信道的直流增益h[12]可以表示为
式中:A为光接收机面积;R0(φ)为发光强度;d为LED与用户接收机之间的距离;φ为LED灯光的发射角;ψ为光信号在光接收机处的入射角;ψc为光接收机的视场角(FOV);Ts(ψ)为光学滤波器增益;g(ψ)为聚光器增益,可以表示为
式中:κ为折射率。
VLC系统中,采用强度调制/直接检测(IM/DD)方案对信号进行调制和检测,瞬时辐射光功率由信号幅值决定,因此信号是实值且是非负的。此外,为眼睛的安全考虑,信号也受到平均光功率的限制。因此,IM/DD信道通常被建模为加性高斯白噪声信道[13],经典的香农公式在VLC系统中已经不适用。但是,输入信号带有幅度约束,目前还没有关于此种信号信道容量的精确封闭表达式,只能用紧容量边界来接近信道容量。信道容量近似用下界[14]表示为
式中:常量ω=e/2π;ρ为光电探测器(PD)的转换因子;B为调制带宽;Pr为接收的光功率;σ2为高斯噪声功率。该表达式在高信噪比条件下非常简单而且特别精确,它与参考文献[ 12]的上界表达式重合。需要注意的是,由于VLC系统的约束条件不同,信道容量与香农公式容量表达式的区别在于存在因子1/2。
2.2 VLC-MIMO系统模型
在传统的协同网络中,网络为固定位置提供覆盖,为了提高频谱效率,从网络的角度形成虚拟小区,这些小区是非重叠的[15],小区配置通常是固定的,网络资源按照预先设置的算法分配给用户。而以用户为中心的网络,是从每个用户的角度形成的,以确保QoS。而小区的形状通常是不规则的,这不可避免地会导致小区之间网络的重叠。
本文使用以用户为中心的协作传输模式,每个用户根据自己的QoS需求和信道条件选择几个APs组成一个虚拟小区。如
图 1. 室内VLC AP布局以及用户在水平面投影示例
Fig. 1. Indoor VLC AP layout and user projection example on horizontal plane
式中:pf表示用户终端导频的发射功率;nk表示高斯白噪声;ωj,k表示用户的预编码。
传统的导频信号分配下,第k个用户的下行信号干扰噪声比为
当AP数量足够多时,假设极端情况,J趋于无穷大,有
式中:wk,l=
从(5)式可以看出,当AP足够多时,噪声的影响可以忽略不计,然而,小区间干扰即导频污染并没有消失,导频污染的存在是制约VLC-MIMO系统性能提升的一个瓶颈。
3 导频分配
虚拟小区之间的重叠使得多个APs的导频资源分配无法解耦。在这一部分,本文提出了导频资源分配方法,针对以用户为中心的设计理念,将用户选择与导频资源分配联合考虑,目标是最大限度地增加虚拟小区可接入的用户终端数。
3.1 问题形成
对于同一个小区内的用户终端,传统的TDD通信系统应该分配正交导频序列来进行区分。假设虚拟小区中每个用户获取平均信道增益,这种约束用数学方法表示为
式中:xπk,xπi 分别表示用户k,i获取的训练序列。比如
其次,为了减少信道估计误差,每个训练信号的重用次数应限制在预定义值以下,即
式中:nx表示训练序列x可被共享的用户终端数目;nmax表示每个训练信号的最大重用次数,它是根据实际干扰环境等可以预先确定的参数。C2约束条件表示通信时应该公平地重用训练信号,以避免出现一个训练信号被多次重用,而空着几个训练序列是为了避免这种极端的情况出现,这种极端情况一旦出现就意味着系统性能恶化。
考虑到可见光信道容量被可用带宽限制,故每个信道受LED功率限制,而且需要满足节能要求以及室内用户用眼安全的系统要求,故根据可见光信道的特点,VLC系统需要满足两个约束条件,即
式中:Pmin、Pmax分别为AP最小、最大光功率;Pt为所有AP总功率。
本文的目标是找到重用训练信号的最大用户终端数目,因此将目标函数定义为
问题P1可以认为是训练资源分配问题,一般来说很难解决,它通过穷举搜索法可以得到最优解,检查所有可能的分配方案,在满足以用户为中心的约束条件下,接入用户终端最多的分配方案。但是,穷举搜索法的复杂度随用户终端数量呈指数级增长,该方法并不实用。下面结合实际提供一种低复杂度的分配方案。
3.2 导频分配方案
约束条件C1假设用二进制矩阵A来表示,矩阵A中k行i列可表示为
(12)式说明,当任意两个用户被至少一个AP服务时,A中元素应该是1,并且应给这两个用户分配不同的导频序列;否则,元素为0,用户可以共享同一个导频序列。基于矩阵A,可以构造无向图来描述约束条件C1即任意两个用户之间的关系,其中任意两个用户至少有一个公共AP来提供服务,而且它们之间是相互连接的。对于
首先采用文献[ 11]中为以用户为中心训练资源分配的Dsatur算法找到满足约束条件的最小训练数的颜色数量,如果所需导频序列的最小数量大于可用导频序列的数量,则应该移除一部分用户,反之,所有的用户都可以分到导频序列,但是导频序列分配的结果可能是一些没有分给用户使用,一些被重用了多次,这在一定程度上也浪费了训练资源,这种情况下,可以重新分配,以减少导频污染。分别对这两种情况进行讨论。
图 2. 图1 网络对应不同情形的无向图。(a)图1 所示的网络无向图,顶点表示任意两个用户由同一个AP服务;(b)应用Dsatur算法后的着色图[9];(c)导频不足时重新分配结果;(d)导频充足时重新分配结果
Fig. 2. Undirected graphs in different situations correspond to network in Fig. 1 . (a) Undirected graph of network shown in Fig. 1 , where the vertexes denote any two UEs share the same AP with each other; (b) colored graph after applying the Dsatur algorithm[9]; (c) reallocation result when pilots are insufficient; (d) reallocation result when pilots are sufficient
本文假设将τ个序列用于导频分配,且有τ<K,τ小于网络中的用户终端总数K,假设可用的序列集合为T={1,2,…,τ},使用了Dsatur算法后所需的导频序列数量假设为n*。
3.2.1 导频不足
终端数目大于能够使用的训练序列数目,这种情况下,一些用户终端应该被调度走,所需的最小数量的导频序列才能被满足。假设
式中:h'j,k,h'j,i表示用户k,i所在虚拟小区之外的信道增益,即簇外信道增益,{h'j,k,∀j∈C\Ck,k∈NU}。显然,当用户k和i使用相同导频序列时,ξk,i值越大意味着导频污染越严重。然后,定义
基于此,在算法中提供一个用户选择和导频序列重新分配过程。导频不足时训练资源分配算法步骤如下。
1) 初始化矩阵A,用户集合为NU={1,2,…,k},所需要的导频序列初始数量为从Dsatur算法获得的n*值。
2) 当n*>τ时,找到k*=argmaxk∈NUθk,如果θk有一个以上的值,调度ξk最大的用户。
3) 从用户集合NU中移除k*,NU=NU\k*,从现有的用户集合NU中更新矩阵A。
4) 用矩阵A和集合NU,使用Dsatur算法计算n*。
通过使用上述算法,在
3.2.2 导频充足
当n*<τ时,用户只分配部分导频序列,然而所有可用的训练序列应该尽可能地被使用,才能尽可能地减少导频干扰。比如,
根据ξk,i的定义,ξk,i值大意味着当给userk和useri分配同样的导频序列时,它们之间导频污染严重。即应给ξk,i值大的用户对分配不同的导频序列,或者让这两个用户相互连接,组成新的虚拟小区。对于ξk,i值小的用户对,可以使用相同的导频序列。假设ξth为阈值,ξth决定两个用户是否可以重用一个导频序列,具体来说,当ξk,i>ξth时,不能重用,反之,可以重用。显然,当ξth值很小时,更多的用户终端相互连接,此时需要更多的正交训练序列,在极端的情况下,当ξth
1) 初始化下界 ξth,LB=min{ξk,i},上界ξth,UB=max{ξk,i},利用Dsatur算法获取训练序列数量n*。
2) 当n*≠τ时,令ξth=
3) 如果n*>τ,令ξth,LB=ξth;如果n*<τ,令ξth,UB=ξth。
3.3 复杂度分析
下面对提出的用户关联方案和训练资源分配进行复杂性分析,算法1为导频不足时算法,算法2为导频充足时算法。Dsatur算法的计算复杂度为O(M2)[11],第一种情况,算法1中的用户选择算法要求Dsatur算法最多执行M次才能找到最终被认可的用户关联集合,因此,总的复杂度为O(M3)。第二种情况,当ξth落到一个特定的区域[a,c]时,从Dsatur算法中计算出的所需导频序列的数目n*=τ,因此,当ξth,UB-ξth,LB<c-a时,3.2节所提算法停止,故此算法所需要的最大迭代次数的上界是log2
4 仿真分析
对所提出的导频分配方案的性能进行评估。假设房间大小为5 m×5 m×3 m,室内用户随机分布,假设用户接收机FOV均相同,仿真参数见
导频序列数目与可接入用户终端关系如仿真
表 1. 仿真参数
Table 1. Simulation parameters
|
仿真
仿真
在信道估计中产生的MSE与室内接入APs数目之间的关系如
5 结论
本文对VLC中以用户为中心的协作传输中导频资源的分配进行了分析研究,优化了用户选择与导频分配问题,在导频序列有限的情况下,最大限度地增加虚拟小区内的用户数,分别讨论了导频不足以及导频充足时的分配优化方法。仿真表明,与现有的一些算法相比,所提算法可以增加接入用户终端数目。在仿真中也发现,当考虑信道估计时,增加虚拟小区内APs个数可能不会显著提高系统性能,因此协作传输时需要考虑虚拟小区的大小。
[1] Cailean A M, Mihai D M. Current challenges for visible light communications usage in vehicle applications:a survey[J]. IEEE Communications Surveys & Tutorials, 2017, 19(4): 2681-2703.
[2] 迟楠, 卢星宇, 王灿, 等. 基于LED的高速可见光通信[J]. 中国激光, 2017, 44(3): 0300001.
[3] 赵黎, 彭恺. 基于白光发光二极管的室内可见光通信光源布局优化[J]. 光学学报, 2017, 37(7): 0706001.
[4] Li X, Zhang R, Hanzo L. Optimization of visible-light optical wireless systems: network-centric versus user-centric designs[J]. IEEE Communications Surveys & Tutorials, 2018, 20(3): 1878-1904.
[5] 宋新雷, 杨霖, 杜嘉良. 联合时移和空间划分方法抑制大规模MIMO导频污染[J]. 通信学报, 2017, 38(2): 165-172.
Song X L, Yang L, Du J L. Pilot decontamination in massive MIMO system combining time-shifted and cell sectorization pilot assignment[J]. Journal on Communications, 2017, 38(2): 165-172.
[6] 冯文江, 李乐, 代才莉. 大规模多输入多输出系统中基于匹配博弈的导频分配算法[J]. 上海交通大学学报, 2019, 53(3): 327-333.
Feng W J, Li L, Dai C L. Pilot allocation based on matched game for massive multiple-input multiple-output systems[J]. Journal of Shanghai Jiaotong University, 2019, 53(3): 327-333.
[7] 张海勇, 朱义君, 张艳语. 基于法向量倾斜的可见光通信多输入多输出信道解相关技术[J]. 光学学报, 2017, 37(5): 0506001.
[8] Yin H F, Cottatellucci L, Gesbert D, et al. Robust pilot decontamination based on joint angle and power domain discrimination[J]. IEEE Transactions on Signal Processing, 2016, 64(11): 2990-3003.
[9] Zhu X D, Dai L L, Wang Z C. Graph coloring based pilot allocation to mitigate pilot contamination for multi-cell massive MIMO systems[J]. IEEE Communications Letters, 2015, 19(10): 1842-1845.
[10] Pan C H, Mehrpouyan H, Liu Y W, et al. Joint pilot allocation and robust transmission design for ultra-dense user-centric TDD C-RAN with imperfect CSI[J]. IEEE Transactions on Wireless Communications, 2018, 17(3): 2038-2053.
[11] Chen Z L, Hou X Y, Yang C Y. Training resource allocation for user-centric base station cooperation networks[J]. IEEE Transactions on Vehicular Technology, 2016, 65(4): 2729-2735.
[12] Kahn J M, Barry J R. Wireless infrared communications[J]. Proceedings of the IEEE, 1997, 85(2): 265-298.
[13] 杨宇, 张建昆, 刘博, 等. LED非线性对基于正交频分复用可见光通信系统的影响[J]. 中国激光, 2011, 38(8): 0805007.
[14] Lapidoth A, Moser S M, Wigger M A. On the capacity of free-space optical intensity channels[J]. IEEE Transactions on Information Theory, 2009, 55(10): 4449-4461.
[15] PapadogiannisA, GesbertD, HardouinE. A dynamic clustering approach in wireless networks with multi-cell cooperative processing[C]//2008 IEEE International Conference on Communications, May 19-23, 2008, Beijing, China. New York: IEEE, 2008: 4033- 4037.
[16] KailathT, Sayed AH, HassibiB. Linear estimation[M]. New Jersey: Prentice Hall, 2000.
徐文艳, 于宏毅, 杨森. 以用户为中心的可见光通信协作传输中训练资源分配算法[J]. 激光与光电子学进展, 2020, 57(1): 010601. Wenyan Xu, Hongyi Yu, Sen Yang. Training Resource Allocation for User-Centric Visible Light Communication Cooperation Transmission[J]. Laser & Optoelectronics Progress, 2020, 57(1): 010601.