文摘

Cyber-physical系统(独立主办)的特点是集成计算和物理过程。应对挑战的独立主办的应用在各种各样的环境中,特别是细胞vehicle-to-everything (C-V2X)需要高质量的端到端通信,独立主办的健壮性和可靠性是非常重要的。针对信息传输的技术挑战造成的褪色效果和快速C-V2X通信信道的时变特性,改进Tomlinson-Harashima预编码(THP)算法对多输入多输出(MIMO)系统。信道状态信息(CSI)和相关补偿瞬时CSI剥削,这可能反映了当前实时信道状态。进一步的迭代注水功率分配算法和贪婪算法的多用户调度算法基于共同优化和应用THP,从而提高系统的性能。仿真结果表明,该算法可以有效地应用于高速移动场景,提高误比特率(BER)性能以及频谱利用率。

1。介绍

近年来,全球智能城市建设的加快,这使得cyber-physical系统(独立主办)迅速发展1]。大规模网络部署独立主办解决全球需求在能源等领域(2,3)、运输(4,5),电力系统(6,7),和自动控制8,9]。作为一个智能系统集成计算机、通信和控制,任何问题可能影响独立主办的正常运行。因此,独立主办的稳定性包括应考虑系统的可靠性和健壮性和改善。独立主办应及时、有效地应对系统的输入,特别是对于细胞vehicle-to-everything (C-V2X)沟通场景。车辆在C-V2X采用短距离无线通信技术之间通信vehicle-to-vehicle (V2V)和vehicle-to-infrastructure (V2I) [10]。超可靠的低延迟通信(URLLC) C-V2X所需。然而,车辆设备的计算和存储能力有限,,很难满足大量计算的约束要求和低延迟。因此,移动边缘计算可以引入C-V2X (MEC)。基于MEC C-V2X移动核心网络的计算能力的一部分C-V2X的边缘。一般来说,MEC服务器配备路边单元(RSU)。车辆上传计算任务RSU通过V2I沟通,和MEC服务器对应RSU计算任务。当MEC服务器完成了计算,计算结果是传播从RSU回到车11]。和计算需求和延时约束可以有效地解决通过MEC的组合和C-V2X。同时,车辆的高速流动使信号传播衰减快,和多普勒频移效应很严重。动态变化的反射对象在路上也会恶化通道,影响接收到的信号强度和质量。为了解决上述问题,多输入多输出(MIMO)技术已应用于C-V2X [12,13]。

那可以抑制信道衰落,空间复用和空间多样性的两种模式(14,15]。空间分集可以提供可靠的通信,分布式天线可以获得分集增益通过预编码发射机。预编码分为线性预编码和非线性预编码。与线性预编码相比,非线性预编码具有更高的频谱利用率。Tomlinson-Harashima预编码(THP)是一个典型的非线性预编码算法,它可以成为一个好复杂性和性能之间的权衡(16]。

当车辆在高速移动,信道状态信息(CSI)变化显著象征传播期间。因此,传统的信道估计是不准确的。快速时变信道的特性导致反馈CSI无法准确地描述实时通道(17,18]。

此外,如果发射机采用不合理的传输功率分配算法,它将无法获得通信的服务质量(QoS)保证和更好的频谱利用率当信道快速时变特性(19]。因此,联合预编码设计功率分配算法可以有效地提高系统传输的可靠性和频谱利用率(20.]。

在高速移动场景预编码设计已成为目前的研究热点。Zhang et al。21)提出了一个简单的预编码和检测方案,实现预编码,调制数据符号在频域划分成团体和插入多个冗余的两岸航空公司每个数据组。仿真结果表明,该方案可以维持良好的性能在高速场景,但它不分析方案对频谱利用率的影响。Benmimoune和Massicotte22)提出了一个基于Kerdock预编码方法的代码。方法是基于复杂性低的电报密码本,但其整体性能很差。可以看出,预编码在高速移动场景仍然面临着挑战。

根据研究和分析,提出一种改进的THP算法在高速移动场景。算法结合了统计信息的时空相关MIMO信道的特征来构造一个动态CSI信道模型。同时,迭代注水功率分配算法和多用户调度算法基于贪婪算法与THP联合设计,可有效提高系统传输的可靠性和频谱利用率。本文的主要贡献如下:(1)为了抑制高速车辆运动造成的信道衰落,我们结合MIMO和IoV构造一个MIMO-V2I通信系统。此外,由于车辆的高速移动环境下的信道快速时变特性,我们采用动态CSI模型相结合的时空相关性特征的统计信息渠道,它可以准确地反映当前的信道特征。(2)基于动态CSI模型提出,为了获得分集增益的MIMO系统,改进了THP算法。在车辆高速环境下,该算法适用于迭代注水功率分配和用户调度基于贪婪算法THP联合优化设计算法。首先,用户调度算法的目标是最大化频谱利用率并选择最优的用户设置根据频道信息动态CSI模型。其次,根据用户调度结果,基于动态信道矩阵CSI模型选择和重构。和重建通道矩阵应用于THP算法,可有效消除多用户干扰。迭代水填充算法将权力分配给每个用户根据系统中每个用户的信道特性,实现总功率的分配,可有效提高传输效率和最大限度地提高系统的频谱利用率。

本文的其余部分组织如下。部分2系统模型。部分3提出了一种改进的THP基于迭代水填充算法在高速移动场景,其中包含一个动态CSI模型和用户调度算法基于贪婪和迭代冲水。部分4是算法的复杂性分析和仿真结果。最后,结论部分讨论了5。

2。系统模型

假设在一个多用户MIMO-IoV系统,已经部署的基础设施 传输天线。为简单起见,假定基础设施和 车辆传输数据,每个车辆配备天线 。的 车辆数据的表示 - - - - - -维向量 从一个 - - - - - -QAM星座与能源 。

多用户THP系统模型如图1。它由一个反馈矩阵 , 非线性算子 ,和一个前馈矩阵 与维 。预编码后传输信号进入高速通道,到达接收器。系统的物理实现, 严格下三角允许数据预编码递归而独立的模运算符的行为其输入的实部和虚部按照下列规则: 在哪里 表示大于或等于最小的整数 。在实践中, 执行一个周期映射的数量 在时间间隔 。通过这种方式,预编码符号 被限制到正方形 和传输能量也就相应地减少了对线性前置过滤。


图1
多用户THP系统模型。

根据(1),我们看到预编码符号 可以迭代计算如下: 在哪里 和 是复数的实部和虚部合适的整数减少 广场地区 。方程(2)表明,模运算符图1相当于增加一个向量 输入数据的符号。自反馈矩阵 将严格下三角,我们定义了修改后的数据向量 。因此,预编码可以写成

预编码符号 美联储提出矩阵吗 。由此产生的 - - - - - -维向量 最后传输通道使用吗 天线的基础设施。英吉利海峡是数学上的描述 维矩阵 。特别是, 代表的渠道获得 - - - - - -传输的天线 - - - - - -接收天线。离散时间信号的 - - - - - -移动车辆可以写成 在哪里 表示 - - - - - -th排 而 加性高斯白噪声是零均值和方差吗 。叠加所有用户的接收信号为一个向量 并提交(3),它可以表示为 在哪里 与零均值高斯向量和协方差矩阵 。由于模和反馈操作执行发射机,它相当于增加一个向量 。在接收方,每个样本 传递给自动增益控制(AGC)和相同的模运算符在发射机,去除的影响 。最后,得到向量可以写成

3所示。改善THP基于迭代水填充算法

3.1。基于统计信息的动态CSI

在高速移动场景下,信道响应 无线信道的时域特征的选择性衰落和双重压力下快速时变多径效应和多普勒效应的影响23]。英吉利海峡是根据几何模型建模的。考虑一个散射信道冲激响应(CIR)表达式的下行MIMO系统可以获得(23] 在哪里 和 表示视距(LOS)和single-bounced(某人)的组件 - - - - - -传输的天线 - - - - - -分别th接收天线。 在哪里 , 是水稻因素, 表示链接上的延迟,延迟的联系不同的路径是不同的,这将导致多路径效应。 和 表示,多普勒顿移。 是最大的多普勒频移的通道,它是由车辆的移动速度。由于不同的到达角(AoA)的光束在不同的路径,会产生多普勒扩散效应,导致时域选择性衰落。相干时间是成反比的多普勒扩散。多普勒频移越大,相干时间越短。当相干时间小于符号传播时期,当前传输信号快衰落的经历。当信道快速时变特点,CSI显著变化。根据上面的通道模型,信道矩阵可以表示为

由于CSI是动态变化的,信道矩阵 在(9)是利用信道的统计特性修正。为了区分,我们使用 表示修正通道。英吉利海峡 可以分解为固定和可变部分如(24] 在哪里 是英吉利海峡,意味着什么 是改变通道的一部分,它由通道瞬时值和相关的值。均值和瞬时测量通道构成的估计价值通道 。相关值的误差协方差可以表示为通道 。因此,在 传输时间的时刻,信道矩阵 可以由信道估计的价值 及其误差协方差 ,这是表示为

假设传感器有一个初始信道测量 0时刻,一起通道的意思 ,信道协方差 代表之间的空间相关性对发送和接收天线的MIMO系统,自协方差的频道吗 。基于最小均方误差(MMSE)估计理论,最优估计 通道的时间 估计误差协方差 可以建立 在哪里 。基于信道时间统计数据的前提下对所有天线对可以是相同的,它可能是时间相关假设是均匀和相同的频道元素(25,26]。假设被用来构造一个通道模型并验证其存在通过测量数据。然后,空间和时间相关效应是可分的,通道自协方差可以表示为 在哪里 是时间相关的通道,它可以根据厕所衰落模型(27,28]。 表示第一种零级贝塞尔函数 是通道采样时间间隔。根据(13),我们知道所有的 之间的通道 传输和 接收天线有相同的时间相关函数。

然后,我们应用简化时间相关模型(12)。这个模型有助于隔离时间通道的变种CSI的效果。信道估计 及其误差协方差 被重写为 在哪里 , CSI的窗口长度的意思, 是瞬时信道测量吗 采样时间。然后,发射机CSI可以概括为信道的时间相关系数的函数 ,通道的测量值 ,的均值通道 ,和协方差的通道 。

是一种半定埃尔米特矩阵。其对角元素代表的功率增益 渠道,和非对角元素之间的交叉耦合标量频道。信道模型中构建基于张量积结构, 可以分解为发射机天线相关性的克罗内克积吗 和接收机天线相关性 : 在哪里 和 都是半正定厄米矩阵。 和 。用(14)和(15)(11),信道矩阵 基于动态CSI可以获得:

3.2。贪婪算法基于最大化频谱利用率

本文使用贪心算法选择和等级用户最大化频谱利用率,同时降低系统误码率(BER)。首先,用户最大的频谱利用率从所有被选中 用户。然后,我们选择下一个用户。每次新选中的用户和之前所选用户结合得到最大的频谱利用率。当所选用户的数量达到我们设定的上限,选择停止,算法结束。算法的具体流程算法所示1。

输入:发射天线的数量 ,信噪比(信噪比) ,用户数量的候选人 ,候选人用户信道矩阵 ,目标用户的数量 ;
输出:选择用户的信道矩阵 。
步骤1。初始化:设置用户组候选人 ,所选用户组 ,信道矩阵 ,这是一个空矩阵;
步骤2。计算每个用户的频谱利用率的候选用户,并选择用户最大的频谱利用率。 ;
步骤3。更新设置。 , ,和更新信道矩阵 ;
步骤4。更新的用户集 结合所选用户组建一个新的联合信道矩阵。然后,计算联合信道的频谱利用率,并选择用户最大的联合频谱利用率;
步骤5。重复步骤3,直到选择目标用户的数量;
步骤6。结束和输出所选用户的信道矩阵 。
算法1
用户调度基于贪婪算法。
输入:系统总功率 ,用户数量 ,权重矩阵 ,前馈矩阵 ,信道矩阵 ,阈值 ,水灌装线 ;
输出:为每个用户功率分配矩阵 。
步骤1。初始化配电, ;
步骤2。更新能力 , ;
步骤3。如果 ,第四步,或回到步骤2;
步骤4。迭代结束,输出用户功率分配矩阵 ;
算法2
迭代注水功率分配算法。

在本节中使用的贪婪算法决定选择联合信道由每个用户和所选用户的不断计算是否有最大的频谱利用率。与遍历的算法相比,搜索数量大大减少,结果等于或接近最优解。当贪婪算法选择一个用户,联合信道矩阵是生成的,这意味着用户同步进行排序。它在一定程度上可以提高系统的性能。

3.3。迭代注水功率分配算法

水填充算法是一个典型的功率分配算法(29日]。算法将权力分配给每个用户根据信道特性来提高系统的频谱利用率。

图2是一种在MIMO预编码系统的功率分配图。 代表了权力分配给每个用户, 代表了 - - - - - -行信道矩阵 ,和 代表了 - - - - - -前馈矩阵的列 ,因此,频谱利用率可以表示为


图2
图功率分配的多用户预编码系统。

最大化频谱利用率,我们可以构造目标函数和约束如下:

一个迭代的水填充算法适用于多用户MIMO系统设计。首先,每个用户初始化的权力,权力是平均分配在获得预编码矩阵。然后,用户功率根据目标函数迭代更新。在每个迭代中,相当于噪音和干扰处理,用户功率分配在水中填充算法进行了优化。当权力分配每个用户基本上不会改变,迭代停止,算法结束。的具体过程如下迭代注水功率分配算法。

迭代水填充算法充分考虑干扰的影响,将它视为噪音。当没有信道空间相关性,每个用户信道的奇异值分布较为平均,使用迭代水填充算法和系统没有明显的通道容量。如果通道相关性存在,信道条件数很大,甚至频道排名并不满意,迭代水填充算法的信道容量的优势将更加明显。

3.4。预编码设计

改进的图THP基于迭代水填充算法如图3。原来的传输信号 。用户调度和排序后的传输信号的分段贪婪算法 是 ,和传输信号经过迭代注水功率分配算法提出了分段 是 。用户调度后,重构信道矩阵 将产生相应的反馈矩阵 ,一个权重矩阵 ,和一个前馈矩阵 。然后,接收到的向量 是 在哪里 , ,和 是相当于传输数据向量。从图可以看出3,错误 收到向量之间 和相当于传播向量 表示为


图3
图的改进THP基于迭代水填充算法。

根据MMSE算法,我们可以构造目标函数和约束如下: 在哪里 代表总传输功率的发射机。通过使用正交原则,我们有

用(20.)(22),我们有 在哪里 。假设前馈矩阵 是一个酉矩阵满足吗 ,然后我们有

让 ,然后(25)可以表示为

我们执行的LQ分解 并获得下三角矩阵的主对角线元素 。然后,我们可以获得的预编码矩阵。

4所示。复杂性和仿真分析

本节主要分析该算法的复杂性和其他几个经典的预编码算法。通过Matlab仿真执行,最后仿真结果进行了分析。

4.1。复杂性分析

我们比较经典的线性预编码算法的计算复杂度,油管压力和改善THP算法在表1。应该指出的是,本文中的复杂性主要指算法执行产品操作的次数。

表1
复杂度比较。

零力(ZF)和MMSE算法在表1经典的线性预编码算法。线性预编码算法复杂度较低,但其误码性能差和频谱利用率低。与ZF相比,MMSE矩阵的逆操作,所以其复杂性是略高于ZF。传统的THP无需用户调度算法引入了矩阵的QR分解,所以其复杂性是高于线性算法。此外,user-scheduled THP算法引入了一个用户调度算法基于贪心算法,这是更复杂的遍历搜索。经过算法与动态CSI模型介绍了克罗内克积操作的复杂性 ,所以它的复杂性是高于传统THP算法。该算法不仅增加了动态CSI模型和用户调度还添加了迭代注水功率分配算法,复杂度是高于其他算法。然而,从实用的角度来看,该算法的计算复杂性仍在可接受的范围内。

4.2。仿真分析

为了验证算法的合理性,我们构造一个MIMO-V2I通信系统模拟和验证该算法在高速移动场景。在仿真中, 种在MIMO模型采用。通道模型是赢家第二通道(23]。仿真系统参数如表所示2。

表2
仿真参数。

本文主要介绍线性预编码的误码率和频谱利用率(30.),传统的THP算法(16),该算法在不同速度情况。

数据4(一)和4 (b)显示线性预编码的方方面面,传统的经过,该算法当车辆速度是120公里/小时和30公里/小时。

(一)
(一)
(b)
(b)
图4
光通信几个预编码算法:(一)120公里/小时;(b) 30公里/小时。

在高速情况下,该算法是最好的。传统的THP算法基于动态CSI模型第二,和传统THP算法结合用户调度算法比传统的经过。线性预编码是最坏的打算。这是因为动态CSI模型补偿瞬时通道通过通道相关性,所以CSI模型通过反馈更接近实际的信道,从而提高系统性能。用户调度算法基于贪婪算法的优先选择的用户频谱利用率最高的优先级传输,这不仅提高了系统的频谱利用率,还有效地过滤掉噪音和干扰,从而降低误码率。

在低速情况下,不同的预编码算法的误比特误码率在高速情况下的趋势是一致的。我们观察到预编码算法结合的动态CSI模型接近,没有动态CSI模型的预编码算法。这是由于移动速度很低,没有强有力的联系渠道,和动态CSI模型带来的方方面面的优势并不明显。

总之,该算法适用于高速移动场景。

数据5(一个)和5 (b)显示线性预编码的频谱利用率,传统的经过,该算法在车辆时速120公里/小时和30公里/小时。

(一)
(一)
(b)
(b)
图5
频谱利用率的几种预编码算法:(一)120公里/小时;(b) 30公里/小时。

在高速情况下,该算法的频谱利用率最好的性能。这是由于多用户调度算法基于贪婪算法的优化目标通过最大化信道容量,从而提高系统的频谱利用率。此外,动态CSI模型使通道更接近实际的通道,和准确的CSI可以设计一个更好的预编码矩阵,进一步提高频谱利用率。

在低速情况下,预编码算法频谱利用率的趋势是一致的,在高速场景。然而,在低速情况下,每个预编码算法的频谱利用率高于在高速情况下类似的算法。根据信息理论,确定信噪比时,频谱利用率只有相关信道矩阵。在低速场景,频道由通道相关性,纠正和通道增益提高频谱利用率在一定程度上有效地改善。

图6显示了使用迭代的预编码算法频谱利用率比较冲水使用相同的功率分配算法和预编码算法。作为插图,频谱利用率提高了使用迭代注水功率分配。采用迭代水填充算法进行自适应功率分配给用户。更多的权力分配给用户提供良好的通道条件而少或不分配信道条件恶劣的权力。电力资源有效利用,以便提高系统的频谱利用率。与此同时,随着天线数的增加,频谱利用率的迭代注水功率分配算法具有明显的优势。验证,迭代水填充电算法适用于MIMO系统与多个发射机和接收机天线。


图6
频谱利用率在不同功率分配算法。

5。结论

本文研究了预编码V2I超可靠通信的独立主办。针对快速时变信道的特征在高速移动场景中,我们提出一种改进的THP算法。通过构建一个动态CSI模型基于信道统计信息和相关特征,获得动态CSI接近当前实际的通道。同时,迭代注水功率分配算法和用户调度算法基于贪婪算法结合THP算法进行联合优化设计。仿真结果表明,该算法具有更好的误码率和频谱利用率比传统THP算法和线性预编码算法更适合快速时变信道环境中高速移动场景。

数据可用性

使用的数据来支持本研究的结果包括在本文中。

的利益冲突

作者宣称他们没有利益冲突有关出版的手稿。

确认

这项工作是由中国国家自然科学基金(没有。61501066)和重庆市自然科学基金(没有。cstc2019jcyj-msxmX0017)。