m基于多D2D通信对和多蜂窝用户的LTE预编码技术matlab仿真

1.算法描述

    LTE网络中采用MIMO技术增加系统容量,提升吞吐率,从理论上来看,多天线的空分复用能成倍增加系统容量。但实际上并非如此,如,22MIMO的容量C(容量)=22MIMO 小于两倍的SISO容量C(容量)=2SISO,这是因为容量增加了,干扰增大了,干扰主要是由于信道矩阵中信道的相关性造成的,为了消除信道相关性造成影响,需要在接收端对H进行评估,并做线性均衡,最大化MIMO信道矩阵H的容量。

 

        为了获取更高的MIMO容量,接收机侧需要对MIMO的发射矩阵H中的每个信道都进行均衡处理,消除信道间的影响,这样增加接收机的实现复杂度。如SISO模式,接收机需要线性均衡处理一个信道,而对于一个2*2MIMO模式,接收机需要处理评估4个信道;其次,接收端若将H矩阵中的多个信道相关性评估结果反馈给发射机,这会增加系统开销。另一个是,若通过增加天线空间来消除信道间的影响,但天线近处的杂散环境使实现难度增加。于是提出了通过技术改进解决,这个方法就是预编码(Precoding)。

        因此,预编码(Precoding)的目的是降低接收机消除信道间影响实现的复杂度,同时减少系统开销,最大提升MIMO的系统容量。当然,消除MIMO信道间的影响,可以在接收机侧实现,也可以通过改变发射机的发射方式,对发射信号进行预处理,辅助接收机消除信道间的影响,这种发射方式的改变就是通过预编码实现的。

       为了识别MIMO矩阵H中有用的通道,需要把多个通道(如22MIMO H11\H12\H21\H22)转化成类似于SISO的一对一模式,实现发送信号S1对应接收信号R1S2对应接收信号R2,也就是将多个MIMO交叉通道转换成多个平行的一对一信道。这个过程通过信道矩阵SVD(奇异值分解)实现。如r=Hs+n,变换为r=UΣ(V*)Ts+n,经过接收端的处理=Σ(V)T*s+UHn,从结果可以发现发射端不再需要知道MIMO信道矩阵H,而知道V(共轭转置矩阵,又叫酉矩阵)即可,此处的V即码本(Codebook),3GPP定义了一系列V矩阵,eNodeBue侧均可获得,应用时根据PMI选择一个可以使信道矩阵H容量最大的V。到这里,预编码就很好理解了,实际上就是在发射端对发射信号S乘以V,与后面SVD过程匹配,这样在接收端需要处理的复杂性与开销大大减少了。

 

       考虑下行链路的蜂窝网络中存在多个D2D通信对和多个蜂窝用户,它们共享相同的频率资源并且蜂窝用户为主用户。

 

 

 

 

1)传统波束赋形算法1

 

       该算法是一种最简单传统的波束赋形策略,其原理是对于第k个蜂窝用户,赋形矢量wk,conv是自身方向上的信道增益矢量,公式定义如下:

 

 

 

                                 

 

       因此,在这个赋形策略中,基站主要针对蜂窝用户进行赋形,并没有对其关联的D2D通信对做干扰消除。

 

 2ZF波束赋形算法1

 

      ZF波束赋形算法1中,消除了蜂窝用户之间内部的干扰,第k个蜂窝用户传输在其他所有用户信道的零空间。特别是赋形矢量 ,对于第 个用户将会正交其他所有蜂窝用户的信道矢量。公式如(6)所示:

 

 

 

 

3ZF波束赋形算法2

 

     ZF波束赋形算法中,消除了基站到D2D通信的干扰,第k个蜂窝用户数据传输在所有D2D通信信道的零空间。特别是,第k个蜂窝用户波束赋形矢量 将会正交所有基站到D2D通信对信道矢量。

 

 

 

 

仿真结果与传统波束赋形方法、ZF波束赋形算法1ZF波束赋形算法2解析结果对比与分析。仿真模型由单个蜂窝小区下,T=4为基站天线数目,K=4为蜂窝用户数量为4D=4D2D通信对数量。在仿真场景中,D2D通信对和蜂窝用户到基站的距离固定且采用简单的路径损耗模型。

 

2.仿真效果预览

matlab2022a仿真结果如下:

 

 

 

 

3.MATLAB核心程序

 

clc;
clear;
close all;
warning off;
addpath 'func\'
addpath 'func\modulation\'
addpath 'func\estmation\'
addpath 'func\cp\'
addpath 'func\LTEC\'
addpath 'func\precodeing\'
 
 
SNRS      = [0:4:16];
 
for jj = 1:length(SNRS);
    
    Tx_n      = 4;   
    Rx_n      = 4;   
    %整体信噪比
    SNR       = SNRS(jj);  
    Nfft      = 1024;
    Nid       = 17; 
    Sym_Len   = 7;
    CP_length = 144;
    CPNfft    = Nfft+CP_length;
 
    for y=1:100
        y
        SNRS(jj)
        noise     = SNR;
        N0        = 10^(-noise/10);
        %产生信道估计所用的测试信号,功能类似导频
        [subframe,data_v,data_v0,data_v1,data_v2,data_v3] = func_data_gen(Tx_n,Rx_n,Sym_Len,Nid);
        number_length                                     = length(find(subframe == 0));
        %IFFT
        data_ifft1 = zeros(Nfft,2*Sym_Len);
        data_ifft2 = zeros(Nfft,2*Sym_Len);
        data_ifft3 = zeros(Nfft,2*Sym_Len);
        data_ifft4 = zeros(Nfft,2*Sym_Len);
        for i=1:2*Sym_Len
            data_ifft1(:,i) = ifft(data_v0(:,i),Nfft);
            data_ifft2(:,i) = ifft(data_v1(:,i),Nfft);
            data_ifft3(:,i) = ifft(data_v2(:,i),Nfft);
            data_ifft4(:,i) = ifft(data_v3(:,i),Nfft);
        end
        %插入CP
        WithCP_sequence1 = zeros(CPNfft,2*Sym_Len);
        WithCP_sequence2 = zeros(CPNfft,2*Sym_Len);
        WithCP_sequence3 = zeros(CPNfft,2*Sym_Len);
        WithCP_sequence4 = zeros(CPNfft,2*Sym_Len);
 
        for i=1:2*Sym_Len
            WithCP_sequence1(:,i) = func_CP_In(data_ifft1(:,i).',CP_length);
            WithCP_sequence2(:,i) = func_CP_In(data_ifft2(:,i).',CP_length);
            WithCP_sequence3(:,i) = func_CP_In(data_ifft3(:,i).',CP_length);
            WithCP_sequence4(:,i) = func_CP_In(data_ifft4(:,i).',CP_length);
        end
        T1=reshape(WithCP_sequence1,1,CPNfft*2*Sym_Len);
        T2=reshape(WithCP_sequence2,1,CPNfft*2*Sym_Len);
        T3=reshape(WithCP_sequence3,1,CPNfft*2*Sym_Len);
        T4=reshape(WithCP_sequence4,1,CPNfft*2*Sym_Len);
 
        [r1,channel_impulse1,delay_number1,tap_delay1]=func_LTEChan(T1,'EPA');
        [r2,channel_impulse2,delay_number2,tap_delay2]=func_LTEChan(T2,'EPA');
        [r3,channel_impulse3,delay_number3,tap_delay3]=func_LTEChan(T3,'EPA');
        [r4,channel_impulse4,delay_number4,tap_delay4]=func_LTEChan(T4,'EPA');
        [r5,channel_impulse5,delay_number5,tap_delay5]=func_LTEChan(T1,'EPA');
        [r6,channel_impulse6,delay_number6,tap_delay6]=func_LTEChan(T2,'EPA');
        [r7,channel_impulse7,delay_number7,tap_delay7]=func_LTEChan(T3,'EPA');
        [r8,channel_impulse8,delay_number8,tap_delay8]=func_LTEChan(T4,'EPA');
        R1     = (r1+r2+r3+r4);
        R2     = (r5+r6+r7+r8);
        a      = awgn(R1*sqrt(Nfft),noise,'measured');
        b      = awgn(R2*sqrt(Nfft),noise,'measured');
 
        noise1 = a/sqrt(Nfft)-R1;
        noise2 = b/sqrt(Nfft)-R2;
        R1     = a/sqrt(Nfft);
        R2     = b/sqrt(Nfft);
 
        %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
        %去CP
        WithCP_sequence_1 = reshape(R1,CPNfft,2*Sym_Len);
        WithCP_sequence_2 = reshape(R2,CPNfft,2*Sym_Len);
        NoCP_sequence1    = zeros(2*Sym_Len,Nfft);
        NoCP_sequence2    = zeros(2*Sym_Len,Nfft);
        for i=1:2*Sym_Len
            NoCP_sequence1(i,:) = func_CP_del(WithCP_sequence_1(:,i),CP_length); 
            NoCP_sequence2(i,:) = func_CP_del(WithCP_sequence_2(:,i),CP_length); 
        end
        NoCP_sequence1=NoCP_sequence1.';
        NoCP_sequence2=NoCP_sequence2.';
        %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
        %FFT
        FFTed1=zeros(Nfft,2*Sym_Len);
        FFTed2=zeros(Nfft,2*Sym_Len);
        for i=1:2*Sym_Len
            FFTed1(:,i)=fft(NoCP_sequence1(:,i));
            FFTed2(:,i)=fft(NoCP_sequence2(:,i));
        end
        %信道估计
        [MH10,MH11,MH12,MH13] = func_channel_estmation(FFTed1,0,Nid,1,Tx_n,Sym_Len,Rx_n);
        [MH20,MH21,MH22,MH23] = func_channel_estmation(FFTed2,0,Nid,1,Tx_n,Sym_Len,Rx_n);

 

  

 

posted @ 2023-02-16 10:08  我爱C编程  阅读(57)  评论(0编辑  收藏  举报