文献阅读【研究生数学建模竞赛B题】：Link Performance Models for System Level Simulations of Broadband Radio Access

宽带无线接入系统系统级仿真的链路性能模型

摘要

本文概述了几种用于系统级仿真的链路性能模型，这些模型可在降低复杂度的情况下确定链路分组误码率（PER）。文中针对单收发天线正交频分复用（OFDM）链路，结合不同编码方案和信道特性，从PER预测精度角度对部分链路性能模型进行了评估。结果表明，在所考虑的场景中，考虑调制星座图的基于互信息的度量方法更为优选，且该方法适用于一大类采用线性预处理和后处理的多输入多输出-正交频分复用（MIMO-OFDM）传输技术。

1 引言

在未来宽带无线接入系统设计的全球研究框架下，IST项目“WINNER（无线世界计划新无线技术）”[1]重点关注多址接入方案、资源分配与链路自适应策略以及多天线技术的识别、评估与比较。为了解不同部署场景下合理工作条件下的系统及用户性能，系统级评估至关重要。由于复杂度限制，这类系统级评估必须依赖简化的链路模型，但该模型仍需足够精确以反映关键性能特征。

图1展示了基本动态系统级模拟器的原理框图。通常，系统级仿真需要两类链路模型：

• 链路测量模型：用于建模链路自适应和资源分配所需的测量数据；
• 链路性能模型：在给定资源分配、功率分配及信号处理方案的情况下，确定PER。

尽管两类模型均用于提供性能预测指标，但本文重点关注链路性能模型。链路测量模型高度依赖具体的系统架构，因此无法进行通用性分析。

为了能够对多种系统实现方案进行比较，理想的性能模型应具备足够的通用性，以覆盖不同的多址接入策略和收发机类型，包括波束赋形、空间复用等多天线技术。同时，该模型的参数应能通过有限次数的链路级评估推导得出——这意味着，即使超出模型训练时所使用的信道、干扰条件及调制波形范围，模型仍需有效适用。

为确定适用于WINNER项目的方法，本文对不同链路性能模型进行了综述与验证：第2节给出了不同模型的概述及统一分析框架；第3节和第4节分别描述验证方法与验证结果；最后，第5节给出结论。

2 链路性能模型

传统上，无线链路性能以分组误码率（PER） 衡量，PER被表示为信干噪比（SINR） 的函数（SINR为单一特定信道模型下所有信道实现的平均值）。因此，PER-平均SINR性能曲线被广泛用作链路级与系统级模拟器之间的接口。若每个传输分组都面临相似的信道统计特性（即编码块/分组长度远大于信道相干时间），则该方法是可行的；但实际场景中通常不满足这一条件。正如文献[3]所示，特定信道实现下的链路性能可能与基于平均曲线的预测结果存在显著差异。

因此，在系统级仿真中评估快速资源调度和快速链路自适应时，需要更精确的链路性能模型，以反映瞬时信道与干扰条件。显然，这还需考虑收发端多天线结合波束赋形、空间复用等空间处理技术的影响。

2.1 通用建模框架

图2展示了一种考虑瞬时信道与干扰特性的通用建模方法，文献中提出的多种模型均符合该框架。其核心步骤包括：

1. 质量度量提取：对编码分组覆盖的所有资源单元（$p=1,\dots ,P$），提取一组质量度量$p$；
2. 质量度量压缩：由于资源单元数量可能极大，需通过压缩将质量度量简化为1~2个特征标量${\Theta }_m$；
3. PER映射：将特征标量映射为分组误码概率。

常见的质量度量包括：原始误码率[2][11]、信干噪比（SINR）[4]-[6][8]、高斯信号下的单输入单输出（SISO）与多输入多输出（MIMO）信道容量[10]。

2.2 基于有效SINR的模型

为实现低复杂度、低训练开销的性能模型，本文参考文献[9][6]的思路，重点研究有效SINR与PER之间的一维映射关系。与文献[9]不同的是，本文假设采用随机交织以进一步降低复杂度。此时，文献[6][7][8][10]中提出的模型（单天线场景）的压缩函数可统一表示为：
$$SIN{R}_{eff}={\alpha }_1{I}^{-1}\left(\frac{1}{P}\sum _{p=1}^{P}I\left(\frac{SIN{R}_p}{{\alpha }_2}\right)\right)\text{\hspace{1em}(1)}$$
其中：

• $I(\cdot )$为模型特定函数，$I^{-1}(\cdot )$为其反函数；
• ${\alpha }_1$和${\alpha }_2$为适配参数，用于匹配特定调制编码方案（MCS）的特性；
• 结合图2，有效SINR（$SIN{R}_{eff}$）对应特征标量${\Theta }_1$，资源单元的SINR（$SIN{R}_p$）对应质量度量$p$。

下文将详细介绍四种典型基于有效SINR的模型：

2.2.1 容量有效SINR度量（CESM）

文献[10]提出的容量方法可纳入式（1）框架，其函数$I(\gamma )$定义为：
$$I(\gamma )={\log }_2\left(1+\gamma \right)$$