论文部分内容阅读
实际使用中的移动通信系统,在进行基站选址、网络规划等工作之前,需要对整个通信系统的性能有一定的估计和了解,这需要通过系统级仿真来完成。系统级仿真关注的是多点对多点所组成的系统的通信质量,但可以想象的是,多点对多点的仿真必定会产生巨大的运算量,从而使得系统仿真的复杂度急剧增加。与系统级仿真相比,链路级仿真关注的是点对点的仿真链路,且该仿真链路的复杂度是可以接受的。因此,可通过链路仿真与系统仿真(L2S)的接口算法来利用链路仿真结果获得通信系统性能。本文主要从提高算法准确性上对L2S算法进行研究。对于链路级仿真,本文搭建了硬件链路仿真平台。常规的软件仿真链路具有仿真方法简单高效的优点,但相比实际通信系统的通信过程及场景,没有实际物理信号的参与,且通常没有考虑同步及信道估计的影响,从而造成仿真准确性上的偏差。对于硬件链路仿真平台,本文用硬件设备实现了数据的数模转换、通过硬件仿真信道及采样过程,并考虑了同步与信道估计问题,这将使获得的仿真结果更接近真实通信场景,进而使得L2S算法结果更加贴近实际。同步和信道估计是硬件链路仿真平台中不可缺少的两个仿真模块,其性能对于链路仿真结果有着较大的影响。因此,本文分别研究了 LTE下行链路中的同步和信道估计的常用方法,并就不同的方法进行了性能上的仿真比较,以便在硬件链路仿真平台中选用性能较高的同步和信道估计方法。指数有效信噪比映射算法(EESM)是一种广泛使用的L2S接口算法。本文研究了该算法,并给出了直接使用误符号公式代替原有边界近似的改进算法,改进的算法以运算复杂度为代价,带来了准确性方面的提升,之后使用硬件链路仿真平台的仿真结果对常规EESM算法及改进后的EESM算法进行了仿真验证。仿真结果显示,改进后的EESM算法在高阶MCS有着更好的准确性,但在低阶MCS性能则相比常规EESM算法稍差。因此,改进的EESM算法可有效应用于高阶调制的通信场景。本文还研究了接收比特互信息率(RBIR)算法,该算法比EESM算法具有更好的准确性,并且可应用于自适应编码调制系统。常规RBIR算法压缩函数采用简单的直接取平均法,这将会使得高阶调制部分算法误差增大。本文从压缩函数上对RBIR算法进行了改进,将压缩函数改为指数级有效压缩。硬件链路仿真平台仿真结果表明,改进的RBIR算法在低阶MCS性能相对常规RBIR算法基本一致,而在高阶有着明显的性能提升。这证明了对算法的改进是有效的。