余 翔，徐宇明，呂世起，曾銀強(qiáng)

(重慶郵電大學(xué)，重慶400065)

1 引 言

近年來，由于移動(dòng)通信的數(shù)據(jù)量迅速增長(zhǎng)，尤其是在室內(nèi)及熱點(diǎn)場(chǎng)景，結(jié)合熱點(diǎn)及室內(nèi)覆蓋的長(zhǎng)期演進(jìn)(Long Term Evolution Hotspot/Indoor，LTE－Hi)［1］被提出。而新一代集中式云構(gòu)架無線接入網(wǎng)(Cloud Radio Access Network，C－RAN)［2］在熱點(diǎn)地區(qū)有著十分明顯的優(yōu)勢(shì)，因此兩者的結(jié)合在未來將成為一種趨勢(shì)。文獻(xiàn)［1］提到，LTE－Hi 要提供大數(shù)據(jù)量流量，就必須工作在能提供大帶寬的高頻段3 GHz 以上，且小區(qū)結(jié)構(gòu)也將變成高密度、小范圍覆蓋，這樣就存在更高的小區(qū)邊緣干擾。正交頻分多址(Orthogonal Frequency Division Multiple，OFDM)技術(shù)由于其優(yōu)良的性能也將成為未來移動(dòng)通信的關(guān)鍵技術(shù)之一。在處理小區(qū)同頻干擾的問題上，文獻(xiàn)［3］提到應(yīng)用OFDM 結(jié)合碼分多址(Code Division Multiple Access，CDMA)的塊重復(fù)的正交頻分多址(Block Repeat Orthogonal Frequency Division Multiple Access，BR－OFDMA)技術(shù)、動(dòng)態(tài)區(qū)間協(xié)調(diào)減少同頻干擾。動(dòng)態(tài)的小區(qū)間協(xié)調(diào)也是消除干擾的重要手段，其受網(wǎng)絡(luò)架構(gòu)、回程鏈路、信道估計(jì)［4］等外部因素的影響。由于C－RAN 本身的架構(gòu)已經(jīng)解決了前兩個(gè)問題，所以信道估計(jì)就變得尤為重要。LTE－Hi 中提到其通信環(huán)境比較穩(wěn)定，所以其信道質(zhì)量變化較慢，傳統(tǒng)的密集導(dǎo)頻插入就會(huì)浪費(fèi)頻譜資源，所以LTE－Hi 中將使用較少的導(dǎo)頻［1］。傳統(tǒng)信道估計(jì)方法如最小均方誤差(Minimum Mean Square Error，MMSE)法和最小二乘(Least Square，LS)法需要插入大量導(dǎo)頻，不太適合在LTE－Hi 中應(yīng)用?，F(xiàn)今，稀疏信道估計(jì)已成為通信領(lǐng)域的一大研究熱點(diǎn)［5－8］。隨著壓縮感知(Compressive Sensing，CS)技術(shù)的提出和逐漸成熟［9－10］，其被廣泛應(yīng)用在OFDM及高速寬帶系統(tǒng)信道的估計(jì)中。研究表明:基于壓縮感知的稀疏多徑信道估計(jì)無需通過插值手段重構(gòu)數(shù)據(jù)子載波上的信道信息，就可以有效地降低信道估計(jì)誤差，減少所需傳輸?shù)膶?dǎo)頻數(shù)目，提高頻譜利用率［7］。由此本文將應(yīng)用C－RAN 架構(gòu)承載LTE－Hi，并結(jié)合BR－OFDMA 和壓縮感知技術(shù)，設(shè)計(jì)能滿足LTE－Hi 的導(dǎo)頻圖案。

2 C－RAN 下的LTE－Hi 小區(qū)情況

C－ RAN 由基帶處理單元(Base Band Unit，BBU)和拉遠(yuǎn)天線(Remote Radio Head，RRH)組成，BBU 協(xié)調(diào)處理所有小區(qū)數(shù)據(jù)，通過光纖統(tǒng)一控制所有RRH，解決了傳統(tǒng)小區(qū)間X2 接口通信能力不足的問題。為使問題清晰且不失一般性，在此分析三小區(qū)情況，如圖1所示。

圖1 小區(qū)情況Fig.1 Cell situation

圖中紅色表示三小區(qū)干擾情況，藍(lán)色表示AB 雙小區(qū)干擾情況，BC、AC 之間雙小區(qū)干擾情況類似。由于LTE－Hi 用的高頻載波產(chǎn)生更大的陰影衰落，所以導(dǎo)致小區(qū)范圍減小，發(fā)射功率提高。但當(dāng)小區(qū)邊緣存在直射情況時(shí)，邊緣干擾就會(huì)比傳統(tǒng)小區(qū)嚴(yán)重得多，因此各小區(qū)的導(dǎo)頻信息也會(huì)受到不同程度的干擾，所以在設(shè)計(jì)導(dǎo)頻圖案時(shí)要根據(jù)不同干擾情況設(shè)計(jì)不同的導(dǎo)頻結(jié)構(gòu)。此時(shí)，各小區(qū)之間的協(xié)作就需要大量信令交互，因此C－RAN 架構(gòu)有著明顯優(yōu)勢(shì)。

3 LTE－Hi 下的BR－OFDMA 及信道模型

3.1 BR－OFDMA 簡(jiǎn)介

BR－OFDMA 結(jié)合了CDMA 的思想，利用塊重復(fù)和聯(lián)合檢測(cè)技術(shù)有效減少了小區(qū)間干擾。通過將多個(gè)重復(fù)碼(Repeat Code，RC)分別與基本單元塊中的數(shù)據(jù)相乘并重復(fù)調(diào)制，獲得多個(gè)重復(fù)單元塊。重復(fù)的調(diào)制次數(shù)為重復(fù)因子(Repeat Factor，RF)，重復(fù)因子為6 時(shí)的信號(hào)結(jié)構(gòu)如圖2所示。當(dāng)不同小區(qū)用戶使用相同時(shí)頻資源時(shí)，各用戶使用不同RC 碼加權(quán)，接收端就可根據(jù)不同RC 進(jìn)行聯(lián)合檢測(cè)分離數(shù)據(jù)，進(jìn)而降低小區(qū)間干擾。

圖2 BR－OFDMA 信號(hào)結(jié)構(gòu)Fig.2 BR－OFDMA signal structure

3.2 LTE－Hi 下的動(dòng)態(tài)BR－OFDMA

BR－OFDMA 的特點(diǎn)之一是可根據(jù)干擾情況動(dòng)態(tài)調(diào)整重復(fù)因子，進(jìn)而達(dá)到性能和資源消耗上的平衡。如第2 節(jié)中的情況，處于3 個(gè)小區(qū)干擾下的用戶可根據(jù)干擾大小的不同動(dòng)態(tài)調(diào)整RF 為4～6;當(dāng)檢測(cè)到用戶處于兩小區(qū)干擾時(shí)，又可將RF 調(diào)整為2～4;當(dāng)用戶在小區(qū)中心附近沒有干擾時(shí)，RF 可變?yōu)?，此時(shí)的BR－OFDMA 就變?yōu)榱藗鹘y(tǒng)的OFDMA。在C－RAN 環(huán)境下，所有數(shù)據(jù)都在BBU 中統(tǒng)一調(diào)度，各小區(qū)可完全可同步動(dòng)態(tài)協(xié)調(diào)。

3.3 LTE－Hi 信道特點(diǎn)

熱點(diǎn)地區(qū)的用戶基本屬于靜止或低速移動(dòng)的，多普勒效應(yīng)極低，信道情況變化較慢，收發(fā)端距離較近，小區(qū)間的干擾因遠(yuǎn)遠(yuǎn)超過噪聲，故成為主要考慮的干擾方式。并且LTE－Hi 為提高頻譜效率提出兩點(diǎn)要求，一是高階的正交幅度調(diào)制(Quadrature Amplitude Modulation，QAM)如256QAM，二是更稀疏的導(dǎo)頻密度。

在傳統(tǒng)信道估計(jì)中，最大多普勒頻移fmax和最大多徑時(shí)延τmax兩個(gè)參數(shù)影響著導(dǎo)頻密度。根據(jù)二維奈奎斯特采樣定理，時(shí)域?qū)ьl間隔Nt和頻域?qū)ьl間隔Nf應(yīng)該滿足

式中，T 表示OFDM 符號(hào)的時(shí)間長(zhǎng)度，Δf 表示子載波帶寬。現(xiàn)有LTE 標(biāo)準(zhǔn)中定義需要插入的導(dǎo)頻較多［11］，浪費(fèi)的資源也較多?？紤]到LTE－Hi 的特性與需求，可分別從頻域和時(shí)域減少導(dǎo)頻密度，頻域方面引入壓縮感知技術(shù)減少導(dǎo)頻插入數(shù)量;時(shí)域方面，由于LTE－ Hi 下多普勒效應(yīng)不明顯，信道變化緩慢，可根據(jù)公式(1)設(shè)計(jì)成動(dòng)態(tài)調(diào)整插入間隔，未插入導(dǎo)頻的符號(hào)采用插值估計(jì)。

3.4 壓縮感知信道估計(jì)數(shù)學(xué)模型

設(shè)h(n)為離散的時(shí)域信道沖激響應(yīng)，L 為離散時(shí)間信道模型中抽頭延時(shí)的總個(gè)數(shù)，也就是信道最大長(zhǎng)度，其數(shù)學(xué)模型為

對(duì)于稀疏信道，向量h =［h0，h1，…h(huán)L－1］T只有很少的非零值，大部分接近于零。設(shè)OFDM 子載波數(shù)目為N，發(fā)送信息序列為x(n)，零均值高斯加性白噪聲為z(n)，接收端收到的時(shí)域信號(hào)為y，則頻域表示為

F 為從N×N 維傅里葉矩陣中選擇的前L 列構(gòu)成的部分隨機(jī)傅里葉矩陣:

其部分隨機(jī)傅里葉矩陣變?yōu)镻×L 維矩陣，系數(shù)為

由此可知，從式(6)中估計(jì)h 是一個(gè)典型的稀疏信號(hào)重建問題，它完全可以采用基于壓縮感知的重建算法完成。本文重點(diǎn)關(guān)注導(dǎo)頻圖案的設(shè)計(jì)。

4 LTE－Hi 的BR－OFDMA 導(dǎo)頻圖案設(shè)計(jì)

4.1 多小區(qū)頻分復(fù)用導(dǎo)頻結(jié)構(gòu)

為了減少各小區(qū)導(dǎo)頻間的干擾，導(dǎo)頻需經(jīng)過復(fù)用來提高信道估計(jì)的準(zhǔn)確性，所以本文設(shè)計(jì)利用頻分復(fù)用來區(qū)分不同小區(qū)導(dǎo)頻。如前文所述，可能存在無干擾、雙鄰區(qū)干擾和三鄰區(qū)干擾三種情況，只有在無干擾情況下才無需復(fù)用。下面就三種情況給出圖示，設(shè)在一個(gè)符號(hào)的不同子載波中用P 表示導(dǎo)頻，D 表示數(shù)據(jù)，“空”表示什么也不發(fā)。

圖3表示無干擾情況下，各小區(qū)可獨(dú)立發(fā)送信息。圖4表示終端會(huì)收到同時(shí)來自A、B 兩小區(qū)的信號(hào)，為減小干擾，當(dāng)A 小區(qū)發(fā)導(dǎo)頻時(shí)B 小區(qū)在同一時(shí)頻資源不發(fā)任何數(shù)據(jù)，當(dāng)B 小區(qū)發(fā)導(dǎo)頻時(shí)A 小區(qū)在同一時(shí)頻資源也不發(fā)任何數(shù)據(jù)，而C 小區(qū)對(duì)其無干擾，所以C 可獨(dú)立發(fā)送數(shù)據(jù)。圖5表示終端能同時(shí)收到3 個(gè)小區(qū)的信號(hào)，同理，當(dāng)其中一小區(qū)發(fā)導(dǎo)頻時(shí)，其他兩小區(qū)在同一時(shí)頻資源保持沉默。

圖3 小區(qū)間無干擾導(dǎo)頻復(fù)用圖Fig.3 No inter－cell interference pilot multiplexing

圖4 雙鄰區(qū)干擾導(dǎo)頻復(fù)用圖Fig.4 Dual neighboring interference pilot multiplexing

圖5 三鄰區(qū)干擾導(dǎo)頻復(fù)用圖Fig.5 Three neighboring interference pilot multiplexing

4.2 干擾探測(cè)導(dǎo)頻

由于干擾小區(qū)數(shù)量與干擾強(qiáng)度影響著重復(fù)因子和導(dǎo)頻結(jié)構(gòu)，所以需要插入干擾探測(cè)導(dǎo)頻來確定終端受到干擾的小區(qū)數(shù)量與干擾強(qiáng)度。由于LTE－Hi下終端變化較慢，所以干擾探測(cè)導(dǎo)頻插入數(shù)量無需太多。本文設(shè)計(jì)在每個(gè)重復(fù)資源塊組最后一個(gè)符號(hào)中間頻段的3 個(gè)連續(xù)子載波上，以頻分方式使三小區(qū)干擾探測(cè)導(dǎo)頻復(fù)用，如圖6所示。

圖6 干擾探測(cè)導(dǎo)頻復(fù)用圖Fig.6 Interference detection pilot multiplexing

從圖6可看出各小區(qū)導(dǎo)頻無干擾，終端可根據(jù)相應(yīng)位置接收到的導(dǎo)頻強(qiáng)度判斷來自各小區(qū)的干擾強(qiáng)度，然后反饋給各小區(qū)，為下一個(gè)資源塊的設(shè)計(jì)提供參數(shù)。

4.3 重復(fù)因子的確定方法

重復(fù)因子是BR－OFDMA 的核心參數(shù)之一，關(guān)系到通信質(zhì)量和系統(tǒng)效率的平衡。干擾的存在會(huì)導(dǎo)致誤碼，由此產(chǎn)生的誤塊會(huì)觸發(fā)系統(tǒng)啟動(dòng)自動(dòng)重傳機(jī)制，這就會(huì)消耗物理資源和造成延遲。當(dāng)誤塊率太高時(shí)，就會(huì)對(duì)通信質(zhì)量造成嚴(yán)重影響，這時(shí)就需要提高重復(fù)因子來降低干擾，但當(dāng)重復(fù)因子太多時(shí)又會(huì)消耗過多時(shí)頻資源，降低頻譜利用率。所以本文利用干擾強(qiáng)度大小來確定重復(fù)因子的值，采用分段式的設(shè)計(jì)方案。干擾強(qiáng)度定義為信干比(Signal to Interference Ratio，SIR):

分段式設(shè)計(jì)方案是根據(jù)干擾強(qiáng)度不同而調(diào)整重復(fù)因子，在通信質(zhì)量與資源利用率之間進(jìn)行平衡，所以分段方式與實(shí)際環(huán)境和應(yīng)用需求有密切關(guān)系。為了說明該方案的設(shè)計(jì)思路，本文給出一種在仿真環(huán)境下的設(shè)計(jì)實(shí)例。為了得到信干比在不同重復(fù)因子下的誤碼率，本文用Matlab 作為仿真環(huán)境。仿真中采用LTE－Hi 提出的256QAM 高階調(diào)制，由于LTE－Hi 尚未規(guī)定信道編碼標(biāo)準(zhǔn)，所以本文采用LTE 標(biāo)準(zhǔn)中定義的Turbo 碼作為信道編碼，用適合高速運(yùn)算的改進(jìn)型最大后驗(yàn)概率(Maximum A Posteriori，MAP)譯碼算法Max－log－MAP 進(jìn)行仿真分析。

圖7是雙鄰區(qū)干擾下不同重復(fù)因子的誤碼率情況。從圖中可見，由于256QAM 的抗干擾能力很弱，當(dāng)不采用重復(fù)因子時(shí)，5 dB 以下無法正常譯碼，5～30 dB 時(shí)的通信質(zhì)量也很差，所以只有在小區(qū)中心干擾很低的情況下才不需要重復(fù)因子。雖然重復(fù)因子為3 時(shí)的增益比重復(fù)因子為2 時(shí)大，但消耗時(shí)頻資源也較多。而只有在5 dB 以下時(shí)，重復(fù)因子為4才會(huì)比重復(fù)因子為3 時(shí)有明顯優(yōu)勢(shì)。

圖7 雙鄰區(qū)誤碼率仿真Fig.7 Dual neighborhood BER simulation

根據(jù)以上分析，本實(shí)例在雙鄰區(qū)干擾時(shí)重復(fù)因子設(shè)計(jì)為

此種選擇是為了保證通信質(zhì)量的前提下又不會(huì)太浪費(fèi)時(shí)頻資源。圖8是三鄰區(qū)干擾下不同重復(fù)因子的誤碼率情況。

圖8 三鄰區(qū)誤碼率仿真Fig.8 Three neighborhood BER simulation

同理，本實(shí)例在三鄰區(qū)干擾時(shí)重復(fù)因子設(shè)計(jì)如下:

在實(shí)際應(yīng)用中，由于環(huán)境、硬件、時(shí)頻資源、誤碼率需求等不盡相同，誤碼曲線也不同，所以該方案的自適應(yīng)性就可動(dòng)態(tài)調(diào)整重復(fù)因子的分段方式以滿足不同需求。

4.4 導(dǎo)頻的頻域插入

當(dāng)重復(fù)因子確定后，就確定了重復(fù)塊組結(jié)構(gòu)，從而得知重復(fù)塊組的子載波數(shù)。根據(jù)壓縮感知信道估計(jì)理論，頻域插入導(dǎo)頻的數(shù)量是信道稀疏度的4～8倍，所以本文根據(jù)前一個(gè)重復(fù)塊組信道估計(jì)得到的稀疏度來確定下一個(gè)重復(fù)塊組需要插入的導(dǎo)頻數(shù)量。當(dāng)存在小區(qū)間干擾時(shí)，就要進(jìn)行小區(qū)間協(xié)作，應(yīng)用分布式壓縮感知理論，以頻分復(fù)用方式聯(lián)合設(shè)計(jì)導(dǎo)頻插入圖案，由4.1 節(jié)可知，由于空數(shù)據(jù)的存在，此時(shí)占用的子載波數(shù)為所有參與小區(qū)導(dǎo)頻數(shù)之和。壓縮感知的導(dǎo)頻插入位置需要很高的隨機(jī)性，為了讓收發(fā)雙方同時(shí)可知導(dǎo)頻位置，小區(qū)與終端需采用同一個(gè)隨機(jī)因子下的偽隨機(jī)算法生成導(dǎo)頻位置，且參與小區(qū)不能有重疊，下面舉例說明。假如檢測(cè)到終端處于雙鄰區(qū)情況，假設(shè)重復(fù)塊組子載波數(shù)為10個(gè)，編號(hào)為1～10，設(shè)A 小區(qū)需要插入2 個(gè)導(dǎo)頻，偽隨機(jī)算法生成的插入子載波編號(hào)為2、8，設(shè)B 小區(qū)需要插入3 個(gè)導(dǎo)頻，偽隨機(jī)算法生成的插入子載波編號(hào)為1、6、9，則插入導(dǎo)頻如圖9示例，其中Pa是A小區(qū)的導(dǎo)頻，Pb是B 小區(qū)的導(dǎo)頻。

圖9 頻域插入示例圖Fig.9 Frequency domain insert

4.5 導(dǎo)頻的時(shí)域間隔

由于LTE－Hi 下主要存在靜止或極低速用戶，所以LTE－Hi 規(guī)定其導(dǎo)頻在時(shí)域的間隔要比LTE大，這樣可以節(jié)省頻譜資源。如果采用動(dòng)態(tài)自適應(yīng)間隔，可以更有效地分配資源，但會(huì)增加信令開銷。根據(jù)3.3 節(jié)分析可知導(dǎo)頻的時(shí)域間隔受到最大多普勒頻移的影響，假設(shè)載波頻率為3.5 GHz，用戶最大移動(dòng)速度不大于30 km/h，此時(shí)檢測(cè)到的最大多普勒頻移為97.22 Hz，如果采用普通循環(huán)前綴(Cyclic Prefix，CP)，根據(jù)公式(1)可以算出最大插入間隔為36 個(gè)符號(hào)，也就是在一幀中至少有4 個(gè)符號(hào)需要插入導(dǎo)頻。當(dāng)移動(dòng)速度減少為10 km/h 時(shí)，最大多普勒頻移變?yōu)?2.4 Hz，同理算出最大插入間隔為108個(gè)符號(hào)，這時(shí)一幀中只需在至少一個(gè)符號(hào)中插入導(dǎo)頻。這樣的方式既可以節(jié)約時(shí)頻資源，又可以在使用相同算法和準(zhǔn)確的同步就能使雙方同時(shí)知道導(dǎo)頻位置，而不增加信令開銷的條件下，將信道信息和多普勒頻移數(shù)從終端反饋到基站。

4.6 導(dǎo)頻序列的選擇

Zadoff－chu(ZC)序列為非二進(jìn)制單位幅度序列，滿足恒幅零自相關(guān)(Const Amplitude Zero Auto－Corelation，CAZAC)特性，能夠在頻域上保持恒幅，有利于進(jìn)行無偏的信道估計(jì)，在時(shí)域上能夠保證低的立方量度，有利于在小區(qū)邊緣進(jìn)行發(fā)送功率的提升。其良好的自相關(guān)特性有利于進(jìn)行精確的信道估計(jì)，不同訓(xùn)練序列之間良好的互相關(guān)特性有利于降低小區(qū)間干擾。因此，LTE 中采用了這種序列，本文也采用此種序列作為測(cè)試用的訓(xùn)練序列。長(zhǎng)度為P的訓(xùn)練序列的生成公式如下:式中，q 為與P 互質(zhì)的整數(shù)。

4.2 節(jié)中已經(jīng)提到，對(duì)于上一個(gè)OFDM 符號(hào)估計(jì)出的信道稀疏度K，要插入P=6K 個(gè)導(dǎo)頻。

4.7 總體過程

由以上分析總結(jié)出整個(gè)過程如圖10所示。

圖10 總體過程圖Fig.10 Overall flow diagram

圖中總體過程，首先根據(jù)3.3 節(jié)分析確定導(dǎo)頻在時(shí)域符號(hào)的插入間隔，保證既能恢復(fù)信道信息又不浪費(fèi)時(shí)域資源;然后利用第4 節(jié)的方法確定BR－OFDMA 分塊參數(shù);最后將導(dǎo)頻序列插入相應(yīng)的位置。

5 仿真分析

為了驗(yàn)證本文方案的可行性，針對(duì)雙鄰區(qū)與三鄰區(qū)干擾兩種情況，用Matlab 對(duì)誤碼率進(jìn)行仿真分析。雙鄰區(qū)干擾仿真參數(shù)如下，信噪比范圍設(shè)為0～30 dB，仍然采用LTE 中的Turbo 碼作為信道編碼，運(yùn)用4.3 節(jié)的自適應(yīng)分塊原則，重復(fù)塊子載波數(shù)為256，信道長(zhǎng)度64，A、B 小區(qū)信道稀疏度分別為5、7，用普通CP，假設(shè)滿足無碼間干擾，插入導(dǎo)頻數(shù)分別為20、28，為了減少其他因素的影響，所以不用自適應(yīng)編碼調(diào)制，而是固定用256QAM 調(diào)制。由于同步正交匹配追蹤算法(Synchronous Orthogonal Matching Pursuit，SOMP)在分布式壓縮感知信道估計(jì)中表現(xiàn)出較好性能，所以本文采用此算法作為恢復(fù)測(cè)試算法。

圖11 雙鄰區(qū)信道估計(jì)誤碼率對(duì)比圖Fig.11 Dual neighborhood channel estimation BER comparison

因采用自適應(yīng)分塊處理，所以圖中的誤碼率并不是隨著信干比增加而降低。當(dāng)信干比為6 dB時(shí)，重復(fù)因子由4 降到3，頻帶利用率增加，但抗干擾性降低;當(dāng)信干比為11 dB時(shí)，重復(fù)因子由3 降到2，頻帶利用率進(jìn)一步提高，但抗干擾性明顯減弱，誤碼率提高，但仍能保持在10－3以下，此處體現(xiàn)了頻帶利用率與誤碼率之間的折衷設(shè)計(jì)，實(shí)際中可根據(jù)需求改變分段情況。由于本文的導(dǎo)頻方案能夠消除大部分干擾，所以本文信道估計(jì)方案下的誤碼率與理想信道估計(jì)性能十分相近。圖中的精確信道估計(jì)就是在完全知道信道信息情況下的誤碼率。由于在低信干比時(shí)，干擾對(duì)誤碼率的影響遠(yuǎn)遠(yuǎn)超過了信道估計(jì)誤差的影響，所以在低信干比時(shí)誤碼率差別不大，高信干比時(shí)，信道估計(jì)誤差會(huì)明顯影響誤碼率。三鄰區(qū)干擾仿真時(shí)，設(shè)A、B、C 小區(qū)信道稀疏度分別為5、6、7，插入導(dǎo)頻數(shù)分別為20、24、28，其他參數(shù)保持不變，得到誤碼率如圖12所示。

圖12 三鄰區(qū)信道估計(jì)誤碼率對(duì)比圖Fig.12 Three neighborhood channel estimation BER comparison

從圖中可見，在6 dB 和11 dB 處將重復(fù)因子調(diào)整為4 和3，誤碼率也出現(xiàn)了轉(zhuǎn)折。在三鄰區(qū)干擾環(huán)境下，本文的方案同樣有較好性能，由于使用了較高的重復(fù)因子，所以其性能優(yōu)于雙鄰區(qū)干擾環(huán)境。

6 結(jié) 語

本文將C－RAN 與LTE－Hi 結(jié)合，并根據(jù)其小區(qū)邊界的特點(diǎn)，應(yīng)用BR－OFDMA 和壓縮感知信道估計(jì)技術(shù)，提出一種新的導(dǎo)頻圖案設(shè)計(jì)方案。該方案不僅能滿足LTE－Hi 需要減少導(dǎo)頻數(shù)量的要求，還能在LTE－Hi 的高強(qiáng)度邊界干擾的環(huán)境下表現(xiàn)較好性能。同時(shí)，該方案能在C－RAN 平臺(tái)下靈活完成多小區(qū)間的協(xié)作配置與同步，能自動(dòng)根據(jù)干擾情況，在資源消耗與性能之間進(jìn)行平衡。仿真表明該方案即使在低信干比環(huán)境下仍能將誤碼率控制在10－3以下。

本文所提出的方案需要多小區(qū)協(xié)調(diào)，信令方面會(huì)變得更復(fù)雜;由于壓縮感知信道估計(jì)計(jì)算量較大，對(duì)硬件的需求也會(huì)增加;以上問題將會(huì)影響本方案在實(shí)際中的應(yīng)用，這些都是下一步的研究方向。

［1］ Chen Shanzhi，Wang Yingmin，Qin Fei，et al. LTE－Hi:A new solution to future wireless mobile broadband challenges and requirements［J］. IEEE Wireless Communications，2014，6(14):1536－1284.

［2］ China Mobile Research Institute.C－RAN:The Road Towards Green RAN［M］. Beijing:China Mobile Research Institute，2011.

［3］ Chen Shanzhi，Wang Yingmin，Ma Weiguo，et al. Technical innovations promoting standard evolution:from TD－SCDMA to TD－ LTE and beyond［J］. IEEE Wireless Communications，2012，2(12):1536－1284.

［4］ Kevork M. Performance evaluation of QoS aware scheduling algorithm in C－RAN CoMP for DL LTE－A［D］.Bremen:University of Bremen，2014.

［5］ Wu C J，Lin D W. Sparse channel estimation for OFDM transmission based on representative subspace fitting［C］∥Proceedings of 2005 IEEE 61st Vehicle Technology Conference. Piscataway:IEEE，2005:495－499.

［6］ Raghavendra M R，Giridhar K. Improving channel estimation in OFDM systems for sparse multipath channels［J］.IEEE Signal Processing Letters，2005，12(1):52－55.

［7］ Taubock G，Hlawatsch F，Eiwen D，et al. Compressive estimation of doubly selective channels in multicarrier systems:leakage effects and sparsity－enhancing processing［J］. IEEE Journal of Selected Topics in Signal Processing，2010，4(2):255－271.

［8］ Berger C R，Zhou S，Chen W，et al. Sparse channel estimation for OFDM:Over－complete dictionaries and super－resolution［C］∥Proceedings of 2009 IEEE Workshop on Signal Processing Advances in Wireless Communications. Perugia，Italy:IEEE，2009:196－200.

［9］ Donoho D L. Compressed sensing［J］. IEEE Transactions on Information Theory，2006，52(4):1289－1306.

［10］ Baraniuk R G. Compressive sensing［J］. IEEE Signal Processing Magazine，2007，24(4):118－120，124.

［11］ 3GPP. TS 36.211 v11.4.0，Evolved Universal Terrestrial Radio Access(E－ UTRA);Physical channels and modulation(Release 11)［S］.