張 昱 謝靈杰 張業(yè)帆 華驚宇 孟利民

(浙江工業(yè)大學(xué)信息工程學(xué)院，浙江杭州 310023)

1 引言

當(dāng)前，隨著社交網(wǎng)絡(luò)(Social Networks)、物聯(lián)網(wǎng)(Internet of Things)、車(chē)聯(lián)網(wǎng)(Internet of Vehicles)等新興業(yè)務(wù)的蓬勃發(fā)展，下一代移動(dòng)通信網(wǎng)絡(luò)所面臨的將是海量的用戶(hù)數(shù)量及數(shù)據(jù)傳輸量[1]。無(wú)線接入網(wǎng)(Radio Access Network, RAN)將面臨著：復(fù)雜網(wǎng)絡(luò)環(huán)境導(dǎo)致無(wú)線覆蓋質(zhì)量不高、網(wǎng)絡(luò)資本支出與運(yùn)維成本逐年增高、大量站點(diǎn)導(dǎo)致高能耗等前所未有的挑戰(zhàn)。針對(duì)這些問(wèn)題，IBM和中國(guó)移動(dòng)提出了一種新型的接入網(wǎng)架構(gòu)——云接入網(wǎng)[2](Cloud Radio Access Network, C-RAN)。C-RAN的特點(diǎn)是將網(wǎng)絡(luò)中各接入點(diǎn)的射頻拉遠(yuǎn)頭(Remote Radio Head, RRH)和基帶處理單元(Baseband Unit, BBU)完全地分離，將RRH更靠近用戶(hù)，而各個(gè)BBU向后集中成虛擬的BBU池，BBU池和RRH通過(guò)高速鏈路(比如光纖，毫米波)連接。這種結(jié)構(gòu)具有擴(kuò)展網(wǎng)絡(luò)節(jié)約成本，能源消耗遠(yuǎn)遠(yuǎn)小于傳統(tǒng)蜂窩網(wǎng)絡(luò)以及有利于干擾協(xié)調(diào)、多點(diǎn)協(xié)作算法的實(shí)施等優(yōu)點(diǎn)。

相較于傳統(tǒng)蜂窩網(wǎng)絡(luò)，C-RAN的網(wǎng)絡(luò)狀態(tài)和信道狀態(tài)更為復(fù)雜、多變，而且每個(gè)用戶(hù)都可能通過(guò)多個(gè)RRH接入，導(dǎo)致這些用戶(hù)又將互為干擾。在傳輸過(guò)程中，用戶(hù)接入的RRH亦有可能發(fā)生變化。這些特性對(duì)傳統(tǒng)的固定速率信道編碼(比如LDPC碼，Turbo碼)在C-RAN中的應(yīng)用提出了挑戰(zhàn)。傳統(tǒng)的固定速率信道編碼在譯碼失敗時(shí)使用混合重傳[3](Hybrid Automatic Repeat reQuest, HARQ)機(jī)制。HARQ是結(jié)合前向糾錯(cuò)(Forward Error Correction, FEC)與自動(dòng)重傳請(qǐng)求(Automatic Repeat reQuest)的混合ARQ技術(shù)，是一種傳統(tǒng)的動(dòng)態(tài)速率編碼技術(shù)。信息接收端收到的數(shù)據(jù)即使在傳輸過(guò)程中出現(xiàn)差錯(cuò)也不會(huì)被丟棄，通過(guò)遞增冗余[4]技術(shù)將重傳得到的數(shù)據(jù)與先前的數(shù)據(jù)合并處理，以達(dá)到修正信息差錯(cuò)。在C-RAN中，由于譯碼在遠(yuǎn)端的BBU池進(jìn)行，因此BBU池需要經(jīng)由前向鏈路通過(guò)RRH來(lái)與用戶(hù)進(jìn)行ACK以及NACK信號(hào)交互。當(dāng)用戶(hù)數(shù)量較多的情況下，大量用戶(hù)的反饋信號(hào)容易導(dǎo)致網(wǎng)絡(luò)擁塞，造成通信出現(xiàn)異常。當(dāng)RRH與BBU距離較遠(yuǎn)時(shí)，反饋信號(hào)需要經(jīng)歷較長(zhǎng)的時(shí)間才能被傳送到發(fā)送端，相較于傳統(tǒng)蜂窩網(wǎng)，C-RAN的反饋信令交互延遲將大大增加，這將降低系統(tǒng)性能，抵消C-RAN所帶來(lái)的優(yōu)勢(shì)[5]。而無(wú)速率碼是一種具備良好的自適應(yīng)當(dāng)前網(wǎng)絡(luò)和信道狀態(tài)傳輸特性的高效差錯(cuò)控制編碼技術(shù)。通過(guò)借鑒Tornado碼的非規(guī)則稀疏矩陣的方式可以構(gòu)造無(wú)速率碼。然而，僅僅通過(guò)隨機(jī)選擇的方法進(jìn)行編碼，雖然可以逼近香農(nóng)信道極限，但其編譯碼為多項(xiàng)式復(fù)雜度[6]，導(dǎo)致其難以應(yīng)用于實(shí)際通信系統(tǒng)。鑒于此，Luby提出了LT碼[7],通過(guò)對(duì)編碼包的度數(shù)分布進(jìn)行設(shè)計(jì)，使編碼矩陣成為具有比較低代價(jià)的稀疏矩陣，相比于線性隨機(jī)無(wú)速率碼，LT碼大大降低了復(fù)雜度。然而，LT碼編碼包的譯碼開(kāi)銷(xiāo)和平均度數(shù)與輸入編碼器的信息長(zhǎng)度有關(guān)。為了進(jìn)一步減小譯碼開(kāi)銷(xiāo)和編譯碼復(fù)雜度，Shokrollahi提出了Raptor碼[8]。Raptor編碼采用級(jí)聯(lián)的結(jié)構(gòu)，通過(guò)預(yù)編碼手段減小對(duì)LT碼譯碼性能要求，使LT碼編碼包的平均度數(shù)降為常數(shù)。Raptor碼的譯碼開(kāi)銷(xiāo)為常數(shù)，與輸入編碼器的數(shù)據(jù)長(zhǎng)度無(wú)關(guān)，并且其運(yùn)算復(fù)雜度也降為線性復(fù)雜度。此外，在噪聲信道下，LT碼會(huì)出現(xiàn)誤碼平臺(tái)，而Raptor碼可以避免這個(gè)問(wèn)題。與傳統(tǒng)固定速率信道編碼相比，無(wú)速率碼發(fā)送端不預(yù)先設(shè)置固定速率，實(shí)際的傳輸速率由當(dāng)前網(wǎng)絡(luò)和信道狀態(tài)決定[9]，傳輸過(guò)程中不需要任何反饋信號(hào)。接收方在譯碼失敗時(shí)只需要繼續(xù)接收更多的數(shù)據(jù)包就可以再?lài)L試譯碼，一旦譯碼成功，接收方僅需發(fā)送一個(gè)非常簡(jiǎn)單的結(jié)束信號(hào)告知發(fā)送端停止發(fā)送即可。這樣減小了信令開(kāi)銷(xiāo)，能夠有效緩解ACKNACK信號(hào)反饋延遲帶來(lái)的系統(tǒng)損失。具有以上特性的無(wú)速率碼是一種非常適合C-RAN系統(tǒng)中靈活傳輸機(jī)制的信道編碼方案。

目前，已有的相關(guān)研究中針對(duì)C-RAN的物理層信道編碼設(shè)計(jì)的工作還比較少。在文獻(xiàn)[10-11]中主要的研究集中于固定速率信道編碼的譯碼算法在BBU池的軟、硬件實(shí)現(xiàn)問(wèn)題，但對(duì)無(wú)速率碼的編譯碼實(shí)現(xiàn)沒(méi)有涉及。在文獻(xiàn)[12]中主要研究了上行鏈路中量化/壓縮技術(shù)的實(shí)現(xiàn)和對(duì)量化噪聲的優(yōu)化以及容量限制問(wèn)題。當(dāng)將RRH看作中繼時(shí)，C-RAN網(wǎng)絡(luò)與中繼系統(tǒng)以及分布式多天線系統(tǒng)有內(nèi)在的聯(lián)系。Li等[13]討論了如何構(gòu)建分布式MIMO系統(tǒng)中基于無(wú)速率網(wǎng)絡(luò)編碼的協(xié)作通信方案，提出了基于無(wú)速率網(wǎng)絡(luò)編碼的單源和多源兩種協(xié)作策略。但其并沒(méi)有給出實(shí)際的編譯碼、信號(hào)量化方法以及針對(duì)不同信噪比下無(wú)速率碼的優(yōu)化方法。文獻(xiàn)[14-16]主要研究了C-RAN網(wǎng)絡(luò)中資源分配的算法設(shè)計(jì)問(wèn)題。在雙向中繼和多接入中繼系統(tǒng)的無(wú)速率網(wǎng)絡(luò)編碼[17-18]中，研究主要集中在多點(diǎn)協(xié)作通信中無(wú)速率網(wǎng)絡(luò)編碼設(shè)計(jì)，中繼節(jié)點(diǎn)具備一套完整的基帶信號(hào)處理和譯碼功能。這并不完全適用于C-RAN系統(tǒng)，因?yàn)镃-RAN中RRH不具備或只具備有限信號(hào)處理能力，無(wú)法實(shí)現(xiàn)復(fù)雜信號(hào)處理及譯碼。

本文完成的工作主要包括以下方面：1)設(shè)計(jì)了C-RAN中單用戶(hù)場(chǎng)景下無(wú)速率編碼上行傳輸方案，即以LDPC碼作為預(yù)編碼將用戶(hù)要發(fā)送的信息編成Raptor碼，將碼字調(diào)制后發(fā)送到覆蓋該用戶(hù)的各個(gè)RRH，各RRH預(yù)處理單元對(duì)收到的信號(hào)預(yù)處理得到基帶信號(hào)，RRH的量化器采用基于標(biāo)量量化的壓縮算法對(duì)信號(hào)壓縮后通過(guò)高速鏈路上傳到BBU池，BBU池采用基于圖的置信傳播譯碼算法對(duì)所有RRH的上行信號(hào)做聯(lián)合解壓縮及譯碼恢復(fù)用戶(hù)信息； 2)設(shè)計(jì)了無(wú)速率碼度數(shù)分布優(yōu)化算法，本文采用外信息傳遞分析了BBU池的聯(lián)合解量化譯碼過(guò)程，然后以最大化系統(tǒng)傳輸速率為目標(biāo)，優(yōu)化度數(shù)分布，并將優(yōu)化問(wèn)題轉(zhuǎn)化為易于求解的線性規(guī)劃問(wèn)題，優(yōu)化得到的度數(shù)分布具有接近系統(tǒng)理論上限的性能。無(wú)速率碼的諸多優(yōu)良特性使其適合應(yīng)用于C-RAN 中物理層信道編碼環(huán)節(jié)，然而學(xué)界內(nèi)對(duì)C-RAN中無(wú)速率編碼傳輸機(jī)制的研究還比較少，本文對(duì)C-RAN中無(wú)速率碼傳輸設(shè)計(jì)以及無(wú)速率碼優(yōu)化展開(kāi)研究，是解決5G網(wǎng)絡(luò)中密集分布條件下低差錯(cuò)、大容量需求的重要方向之一，對(duì)新一代5G通信技術(shù)的發(fā)展具有一定的借鑒意義。

本文的其余部分安排如下。第2節(jié)介紹系統(tǒng)模型。第3節(jié)給出了C-RAN上行無(wú)速率編碼傳輸方案，包括用戶(hù)無(wú)速率編碼調(diào)制，RRH量化傳輸，BBU池聯(lián)合解壓縮及譯碼的算法實(shí)現(xiàn)過(guò)程。第4節(jié)中給出了設(shè)計(jì)無(wú)速率編碼最優(yōu)輸出度數(shù)分布的方法。仿真數(shù)值結(jié)果在第5節(jié)給出。最后，第6節(jié)是總結(jié)。

2 系統(tǒng)模型

首先，用戶(hù)S將長(zhǎng)度為k比特的消息m進(jìn)行無(wú)速率碼編碼得到碼字c[i],i=1,...,k；接著對(duì)碼字進(jìn)行調(diào)制，為了簡(jiǎn)單起見(jiàn)采用BPSK(Binary Phase Shift Keying)調(diào)制，將調(diào)制后的符號(hào)x[i],i=1,...,N發(fā)送到覆蓋該用戶(hù)各RRH節(jié)點(diǎn)；各RRH的預(yù)處理單元對(duì)接收到的信號(hào)進(jìn)行預(yù)處理得到基帶信號(hào)：

yj[i]=hjx[i]+nj[i]

(1)

圖1 C-RAN單用戶(hù)上行傳輸系統(tǒng)Fig.1 The C-RAN single user uplink transmission system

3 云接入網(wǎng)上行無(wú)速率編碼傳輸方案

3.1 用戶(hù)無(wú)速率碼編碼方案

對(duì)用戶(hù)要發(fā)送的信息進(jìn)行Raptor編碼[8]，使用LDPC碼作為其預(yù)編碼。將消息m依次經(jīng)過(guò)LDPC編碼器和LT編碼器。LDPC碼編碼器將k比特信息序列m=[m1,...,mk]映射為N比特碼字序列u=[u1,...,uN]。具體過(guò)程表示為：u=m·G，其中G為生成矩陣，與校驗(yàn)矩陣H滿(mǎn)足G×H=0的關(guān)系，生成的LDPC碼字序列滿(mǎn)足校驗(yàn)方程u×HT=(0,0,...,0)N-K。LT碼編碼器由輸出節(jié)點(diǎn)度數(shù)分布Ω(x)來(lái)表征：

(2)

其中Ωd表示度數(shù)為d的輸出節(jié)點(diǎn)出現(xiàn)的概率。對(duì)于每一個(gè)輸出比特，根據(jù)度數(shù)分布確定其對(duì)應(yīng)的輸出節(jié)點(diǎn)度數(shù)。例如，對(duì)于度數(shù)為d的輸出節(jié)點(diǎn)，從輸入節(jié)點(diǎn)中隨機(jī)等概率地選取d比特做異或運(yùn)算，運(yùn)算結(jié)果作為其對(duì)應(yīng)的輸出比特值。為保證無(wú)速率碼有較好的誤碼率以及吞吐量性能，度數(shù)分布Ω(x)是需要優(yōu)化的，依據(jù)本文所提出的優(yōu)化方法得到。通過(guò)上述編碼過(guò)程，源源不斷地生成無(wú)速率碼C。接著對(duì)無(wú)速率碼進(jìn)行BPSK調(diào)制，即比特0和1分別映射到1和-1。用戶(hù)源源不斷發(fā)送已調(diào)信號(hào)x，直到BBU正確恢復(fù)出用戶(hù)消息并且反饋ACK為止。

3.2 RRH處信號(hào)量化方案

RRH對(duì)收到的信號(hào)進(jìn)行預(yù)處理得到基帶信號(hào)，量化器再將基帶信號(hào)進(jìn)行量化壓縮，使其速率滿(mǎn)足前向回傳容量要求。文獻(xiàn)[19]介紹了一種針對(duì)前向回傳鏈路基于網(wǎng)絡(luò)信息理論的信號(hào)壓縮方案，該方案采用基于向量量化的壓縮算法，執(zhí)行的復(fù)雜度較高。為了減少?gòu)?fù)雜度，本文將采用基于標(biāo)量量化的壓縮算法。此外，本文限定RRH處量化器量化間隔、門(mén)限是固定的，不隨信道變化而變化，這樣可以進(jìn)一步降低RRH的復(fù)雜度，便于實(shí)現(xiàn)。等間隔量化方案的不足之處是對(duì)小信號(hào)有不利影響，限于時(shí)間關(guān)系，作者下一階段的工作是對(duì)量化器的間隔作優(yōu)化。RRH收到的用戶(hù)S發(fā)送的消息為(為了便于討論將時(shí)間下標(biāo)省去)：

y=hx+n

(3)

y(針對(duì)信道增益h，發(fā)送信號(hào)x以及噪聲n的概率密度空間)的期望為：

E(y)=E(hx+n)=E(h)·E(x)+E(n)=0

(4)

方差為：

(5)

圖2 2M電平的b比特量化器Fig.2 2M level b-bit quantizer

(6)

3.3 在BBU池迭代譯碼

(7)

合并后第i比特的對(duì)數(shù)似然比為：

(8)

圖3 無(wú)速率碼譯碼Factor圖Fig.3 The Raptor decoding Factor graph

接下來(lái)進(jìn)行迭代譯碼，采用基于圖3所示Factor圖的BP譯碼算法[21]。譯碼過(guò)程中消息的傳遞順序?yàn)椋合葟妮斎牍?jié)點(diǎn)傳向LDPC校驗(yàn)節(jié)點(diǎn)，再由LDPC校驗(yàn)節(jié)點(diǎn)傳回輸入節(jié)點(diǎn)，然后從輸入節(jié)點(diǎn)傳向輸出節(jié)點(diǎn)，最后從輸出節(jié)點(diǎn)傳回輸入節(jié)點(diǎn)。第l輪中獲取消息更新規(guī)則如下：

(9)

(10)

當(dāng)輸入節(jié)點(diǎn)的LLR均值(或等價(jià)地，其對(duì)應(yīng)的外信息量)超過(guò)某一門(mén)限后，單獨(dú)在LDPC譯碼圖上進(jìn)行迭代。其消息的傳遞順序?yàn)椋合葟淖兞抗?jié)點(diǎn)傳向校驗(yàn)節(jié)點(diǎn)，再?gòu)男ｒ?yàn)節(jié)點(diǎn)傳回變量節(jié)點(diǎn)。獲取消息更新規(guī)則與前面類(lèi)似，這里不再贅述。完成每輪迭代之后，對(duì)LDPC變量節(jié)點(diǎn)ν的值進(jìn)行判決。若譯碼成功則停止迭代，否則繼續(xù)迭代。

4 無(wú)速率碼輸出度分布設(shè)計(jì)

本節(jié)提供了一種C-RAN系統(tǒng)中用戶(hù)信源無(wú)速率編碼輸出度分布設(shè)計(jì)方法。在AWGN信道下，無(wú)速率碼不存在一個(gè)統(tǒng)一的最優(yōu)度數(shù)分布[22]，因此需要針對(duì)不同的信噪比設(shè)計(jì)最優(yōu)的度數(shù)分布以逼近信道的香農(nóng)容量。首先，分析在BBU池迭代譯碼基于高斯近似[23]的外信息傳遞關(guān)系[22,24](Extrinsic Mutual Information Transfer, EXIT)。然后，在BBU池聯(lián)合譯碼器無(wú)差錯(cuò)譯碼的約束下，以最大化系統(tǒng)吞吐量作為目標(biāo)函數(shù)，通過(guò)求解線性規(guī)劃(Linear Programming, LP)問(wèn)題得到最優(yōu)的度數(shù)分布。

4.1 譯碼過(guò)程的EXIT分析

在譯碼迭代譯碼過(guò)程中將輸入節(jié)點(diǎn)傳向輸出節(jié)點(diǎn)的消息近似為對(duì)稱(chēng)高斯變量(即方差為均值兩倍的高斯變量)，然后分析其外信息更新過(guò)程。RRH量化器輸出的量化信號(hào)為：

(11)

其中nq是量化噪聲，在分析中我們將信道高斯噪聲與量化噪聲的和噪聲近似為高斯噪聲(注：由于同方差下高斯分布熵最大，因此我們考慮的實(shí)際上是對(duì)系統(tǒng)性能下界的優(yōu)化)。輸入Factor圖的LLR根據(jù)式(8)計(jì)算得到，當(dāng)將和噪聲近似為高斯分布時(shí)，LLR服從對(duì)稱(chēng)高斯分布。我們仿真了RRH 3比特量化下輸入Factor圖的LLR概率分布直方圖如圖4所示，其近似服從對(duì)稱(chēng)高斯分布。LLR的均值τ可以由下式計(jì)算得到:

(12)

其中Δ為量化值所對(duì)應(yīng)的量化區(qū)間，p(y)為發(fā)送1時(shí)(即x=1)，接收到信號(hào)y的概率密度函數(shù)，表示為：

(13)

圖4 RRH 3比特量化下輸入LLR的分布直方圖Fig.4 LLR distribution histogram under 3-bit quantization at the RRH

對(duì)于均值為τ，方差為2τ的滿(mǎn)足對(duì)稱(chēng)高斯分布的消息，其攜帶的外信息為[25]：

(14)

(15)

圖5 BBU池處譯碼器中消息傳遞圖示Fig.5 The message passing on the factor graph in the iterative decoder at the BBU pool

首先，LLR消息由LT輸入節(jié)點(diǎn)傳向LDPC校驗(yàn)節(jié)點(diǎn)，其攜帶的外信息平均值為：

(16)

(17)

接下來(lái)是LT輸入節(jié)點(diǎn)傳向輸出節(jié)點(diǎn)，其中包含了上一輪迭代中輸出節(jié)點(diǎn)傳給該輸入節(jié)點(diǎn)的消息以及之前LDPC校驗(yàn)節(jié)點(diǎn)傳給該輸入節(jié)點(diǎn)的消息，其攜帶的外信息為：

(18)

最后，LT輸出節(jié)點(diǎn)傳向輸入節(jié)點(diǎn)消息所攜帶的外信息為：

(19)

(20)

顯然式(20)與LT輸出節(jié)點(diǎn)的邊的度分布系數(shù){ωd}呈線性關(guān)系。

4.2 輸出度分布優(yōu)化

(21)

(22)

該組約束條件中，條件C1表示輸出節(jié)點(diǎn)的邊度分布系數(shù){ωd}的和為1。條件C2表示需要一定數(shù)量的度數(shù)為1的輸出節(jié)點(diǎn)，這是保證BP譯碼開(kāi)始的啟動(dòng)條件，ε是大于零的一個(gè)小量。條件C3中變量xu都是連續(xù)的，在實(shí)際優(yōu)化操作中可以將xu在其取值范圍內(nèi)N等分離散化，那么就可以將條件C3轉(zhuǎn)化為N個(gè)等價(jià)條件：

(23)

5 仿真結(jié)果

5.1 理論可達(dá)速率

本文中以RRH不進(jìn)行量化，直接向BBU上傳基帶信號(hào)(3)時(shí)理論可達(dá)速率作為系統(tǒng)性能上限。容易證明，當(dāng)RRH處量化間隔趨向于0，量化門(mén)限趨向于無(wú)窮，BBU池的LLR合并即式(8)等價(jià)于最大比合并。因此BBU池接收信噪比為：

(24)

令RRH無(wú)量化時(shí)C-RAN上行單用戶(hù)系統(tǒng)的理論信道容量為C。由于采用BPSK調(diào)制，信噪比為γMRC的二元輸入對(duì)稱(chēng)高斯信道(BIAWGN)理論容量為[22]：

(25)

5.2 C-RAN上行單用戶(hù)系統(tǒng)誤碼率性能

(26)

其中C是由式(25)計(jì)算得到的系統(tǒng)上行鏈路理論信道容量，N為譯碼成功時(shí)實(shí)際傳輸碼長(zhǎng)，k為用戶(hù)原始信息長(zhǎng)度。這里的額外開(kāi)銷(xiāo)是對(duì)于理論所需譯碼開(kāi)銷(xiāo)的相對(duì)值，其為0即代表達(dá)到了理論可達(dá)速率。令文獻(xiàn)[22]刪除信道下最優(yōu)度數(shù)分布為ΩBEC(x)，將其與本文方法優(yōu)化得到度數(shù)分布在誤碼率性能上進(jìn)行對(duì)比，同時(shí)本文還考慮和比較了量化噪聲對(duì)輸出度數(shù)分布的影響。

不考慮RRH處量化器量化噪聲，即對(duì)于BBU池接收信噪比為式(24)時(shí)采用本文所述方法進(jìn)行優(yōu)化(等效于對(duì)具有該信噪比的二元對(duì)稱(chēng)高斯信道進(jìn)行優(yōu)化)。得到的無(wú)速率碼輸出節(jié)點(diǎn)度分布為Ωopt(x)：

Ω1=0.004715,Ω2=0.436706,Ω3=0.272642,

Ω6=0.127585,Ω7=0.085293,Ω19=0.055493,

Ω20=0.011292,Ω60=0.006274

Ω1=0.004699,Ω2=0.442896,Ω3=0.263535,

Ω6=0.162180,Ω7=0.050176,Ω17=0.000004,

Ω18=0.043109,Ω19=0.026503,Ω60=0.006899

Ω1=0.004716,Ω2=0.436733,Ω3=0.272578,

Ω6=0.128052,Ω7=0.084788,Ω19=0.057789,

Ω20=0.009034,Ω60=0.006233

Ω1=0.004716,Ω2=0.436727,Ω3=0.272592,

Ω6=0.127943,Ω7=0.084898,Ω19=0.057255,

Ω20=0.009558,Ω60=0.006311

在不同Overhead下，比較BEC度數(shù)分布ΩBEC(x)與以上優(yōu)化得到的度分布分別達(dá)到的系統(tǒng)誤碼率，仿真結(jié)果如圖6所示。

圖6 不同輸出度分布下系統(tǒng)誤碼率Fig.6 Bit error rate under different output degree profiles

從仿真結(jié)果中可以看出，當(dāng)RRH進(jìn)行3比特量化時(shí)，考慮量化噪聲優(yōu)化的度數(shù)分布Ωopt,3bit(x)比不考慮量化噪聲優(yōu)化的度數(shù)分布Ωopt(x)的性能好2%；比BEC度數(shù)分布ΩBEC(x)的性能好5%左右。當(dāng)RRH進(jìn)行8比特量化時(shí)，考慮量化噪聲優(yōu)化的度數(shù)分布Ωopt,8bit(x)與不考慮量化噪聲優(yōu)化的度數(shù)分布Ωopt(x)的性能趨于接近，相差1%以?xún)?nèi)；比BEC度數(shù)分布ΩBEC(x)的性能好4%左右。當(dāng)RRH達(dá)到10比特量化時(shí)，考慮量化噪聲優(yōu)化的度數(shù)分布Ωopt,10bit(x)與不考慮量化噪聲優(yōu)化的度數(shù)分布Ωopt(x)的性能基本上趨于相同，其譯碼額外開(kāi)銷(xiāo)僅比RRH無(wú)量化理論極限損失10%左右。以上仿真結(jié)果表明，在C-RAN上行無(wú)速率碼傳輸系統(tǒng)中，可以通過(guò)適當(dāng)?shù)膬?yōu)化設(shè)計(jì)出更好的無(wú)速率碼輸出度數(shù)分布。此外，隨著量化比特逐漸增大到一定的值以后，系統(tǒng)趨于RRH沒(méi)有進(jìn)行量化的上限，此時(shí)相當(dāng)于單入多出MIMO系統(tǒng)，系統(tǒng)性能也就不會(huì)有明顯的提升。

5.3 C-RAN上行單用戶(hù)系統(tǒng)吐量性能

圖7 不同度數(shù)分布下系統(tǒng)吞吐量Fig.7 Average system throughput under different degree profiles

6 結(jié)論

本文主要研究了C-RAN中單用戶(hù)上行接入場(chǎng)景下基于無(wú)速率碼的傳輸機(jī)制。針對(duì)RRH對(duì)信號(hào)量化轉(zhuǎn)發(fā)，BBU池集中處理的特點(diǎn)，設(shè)計(jì)了在RRH處復(fù)雜度較低的標(biāo)量量化算法以及BBU池聯(lián)合譯碼算法。為了進(jìn)一步提升性能，本文基于EXIT分析給出了對(duì)無(wú)速率碼輸出度數(shù)分布優(yōu)化的設(shè)計(jì)方法。仿真結(jié)果表明，在C-RAN上行接入系統(tǒng)中，本文優(yōu)化的度數(shù)分布在誤碼率和吞吐量性能上相較于傳統(tǒng)度數(shù)分布均有比較好的提升。本文中RRH量化器的設(shè)計(jì)采用等間隔量化方案，不足之處是對(duì)小信號(hào)有不利影響。下一步的工作是針對(duì)量化器的量化間隔與度數(shù)分布的聯(lián)合優(yōu)化。