下一代無線局域網(WLAN" class="cblue" href="http://www.shi-ke.cn/tags/WLAN" target="_blank">WLAN)協議IEEE 802.11n中將MIMO技術加到其標準中，其使用的MIMO技術主要包括：空時編碼(STBC)、空間復用(SM)、波束成形(beamforming)。與傳統的單天線通信系統相比，IEEE 802.11n通過這些技術來增加傳輸的可靠性，提高系統吞吐率。WLAN室內無線MIMO信道根據實際室內信道情況，提出了六種信道場景A到F，每種場景對應著不同的多徑條數、功率時延譜(PDP)、角度擴展(AS)、角度功率譜(PAS)等參數配置，由多普勒效應引起WLAN MIMO信道的時變性表現為慢變信道[1-7]。
　信道時變性會造成鏈路性能的下降，鏈路的數據吞吐率和頻譜利用率都會下降。鏈路自適應技術能夠充分利用信道的變化，通過改變調制方式和編碼碼率帶來更高的頻譜利用率和提高數據吞吐率，而有效的檢測信道狀況的方法及如何調整調制和編碼方式對于改善鏈路性能至關重要。
　本文在IEEE 802.11n的MIMO信道模型基礎上,對WLAN系統模型的SISO模式的鏈路性能進行研究,采用了一種利用長訓練序列估計SNR方法,并提出一種通過估計SNR動態調整MCS方法，在系統仿真中驗證了鏈路性能改進的效果。
1 時變信道下WLAN系統鏈路性能及分析
　下面通過802.11n MIMO系統模型來研究時變信道的BER性能，將天線設置為SISO的配置,主要討論信道場景A和B。在用戶端(UE)和基站(Node B)的天線數目分別為1，發射天線之間的歸一化距離為1個波長，接收天線之間的歸一化距離為0.5個波長，鏈路方向為下行，載波頻率為5.25 GHz，移動速度為1.2 km/h，對模型A和B傳播環境下的信道進行仿真，得到信道矩陣H的時域衰落特性曲線圖,如圖1所示。其中信道A只有1條徑，信道B有9條徑。

   在WLAN應用時，站點及周邊環境的運動所造成的信道沖激響應變化很慢，信道的相關時間較大，可認為WLAN的信道屬于慢變信道，在發送一幀數據時信道矩陣系數保持不變，連續數幀的數據發送時信道矩陣也近似不變或變化很小。
　考慮外界噪聲干擾為固定功率,設信號功率為1,通過信噪比定義得到的功率即是所加的固定功率，這里信噪比與噪聲功率一一對應，直接用SNRfix來表示所加的噪聲功率。
    在信道場景A下,設置MCS為3和5、噪聲功率SNRfix=12、幀長500 B時連續發送3 000幀得到的BER隨時間變化,如圖2。

    如圖2所示，在時間軸上，由于信道矩陣H的時間衰落特性導致BER會隨著時間的增加呈現時變的特性，在信道矩陣衰落較大的時間點，BER較高，在信道矩陣衰落不大的地方，BER較低，BER隨時間變化的規律曲線與信道矩陣隨時間變換規律相一致。在時變信道下，采用固定MCS方式傳輸數據的鏈路性能較差。圖2(a)的MCS較小，中間有大量BER為0的時間點，可以采用更大的MCS在保證性能的前提下提高數據的傳輸率，增加數據吞吐率。圖2(b)的MCS較大，BER一直很大，數據的傳輸可靠性很低，需要轉換為更小的MCS以提高數據傳輸可靠性。
　在信道場景B下,設置MCS為3和5、噪聲功率(SNRfix=16)、幀長為500 B時連續發送3 000幀得到的BER隨時間變化如圖3，可以得到類似的結論。

2 基于長訓練序列的SNR估計
　通過以上的仿真可知，在WLAN時變信道中，由于信道矩陣H的時變特性，會引起BER時間上相一致的變化特性。本文通過長訓練序列相關運算估計的SNR值來表征信道質量變化，其方法可參照文獻[8]。
    圖4中是采用WLAN長訓練序列SNR估計性能，取的長訓練序列是10組。圖4(a)中是SNR估計的均方誤差，圖4(b)中是SNR估計的平均值，可見，當參與運算的點數較大時，可以很準確估計SNR值。多普勒頻移造成信道矩陣的時變特性在圖4中很好的體現出來。

　圖5是采用長訓練序列估計SNR方法在時變信道下得到的SNR隨時間變化圖。圖5(a)和(b)分別是在信道場景A時MCS為4和5得到的SNR估計值隨時間的變化圖，在信道矩陣衰落較大的時間點得到的SNR估計值較大；在信道矩陣系數衰落較小的時間點得到的SNR估計值較小。通過SNR值可以衡量信道質量的好壞。
3 基于SNR的動態調整MCS方法及驗證
3.1 基于SNR的動態調整MCS方法
　為了提高時變信道下鏈路的性能，在實際中需要選擇適宜的MCS以達到數據吞吐率和可靠性之間的折衷。調整MCS要解決兩個問題：MCS大小和調整時機。
　設定BER性能的閾值,系統需要滿足BER≤BERth,同時設定另外兩個數值：NUM_HIGH_BER和NUM_LOW_BER，分別表示BER連續高于和低于的次數。當BER連續高于BERth的系數達到NUM_HIGH_BER，表明需要調整MCS到更小，以提高傳輸數據可靠性,當BER連續低于BERth的系數達到NUM_LOW_BER,表明要調整MCS到大，以在保證可靠性下提高數據傳輸率，NUM_HIGH_BER和NUM_LOW_BER將影響MCS調整的快慢,若太小則MCS調整會頻繁操作，若太大則會降低信道傳輸的有效性，需要合理地選擇這兩個數值的大小。
    當決定需要調整MCS大小時，也即BER連續高于BERth的次數達到NUM_HIGH_BER或BER連續低于BERth的次數達到NUM_LOW_BER，此時需要進行MCS選擇時,利用上一幀數據傳輸時的SNR估計值來選取MCS大小，選取BER≤BERth并具有最高數據率的MCS方案。MCS1,…,MCSN表示以數據率遞增的速率方案，θ1，…，θN表示在BER(MCSi)≤BERth下對應的SNR值，按照如下的方式進行速率方案的選擇。
    MCS1     如果SNR<&theta;1
    MCSi    如果&theta;i&le;SNR<&theta;+1, i=1,&hellip;,N-1
    MCSN    其他
3.2 仿真驗證
    圖6和圖7是采用基于SNR動態調整MCS方法對鏈路性能的仿真驗證，仿真參數如下，BERth=5E-3，NUM_HIGH_BER=3，NUM_LOW_BER=5，幀長為500 B，仿真數目為3 000幀，信道場景A的SNRfix=12，信道場景B的SNRfix=16，初始選擇的MCS均為1(BPSK,1/2碼率)，選擇NUM_HIGH_BER為較小值3可以及時的調整MCS以提高傳輸可靠性，避免重傳造成信道資源的浪費和吞吐率下降，選擇NUM_LOW_BER為較大值5可以避免頻繁的MCS轉換。

     圖6是在信道場景A下采用基于SNR動態調整MCS的仿真圖,由于采用了根據估計的SNR值來表征信道的時變性，在信道衰落較大的時間點，通過BER超過閾值BERth的次數達到NUM_HIGH_BER時,說明以當前MCS傳輸數據的可靠性不高,通過信道質量的表征量SNR來調整MCS以避免傳輸可靠性低導致的幀重傳，提高數據的傳輸可靠性，在信道狀況較好的時間點，通過BER達到低于閾值的次數時,說明可以采用更大的MCS在保證傳輸可靠性的前提下提高傳輸的數據率。圖7是在信道場景B中采用此方法的仿真圖，在鏈路性能上得到的類似的改進。表1為單位時間內吞吐率的比較，可見采用方法在鏈路性能上得到了很大的提高，比采用固定MCS更有優勢。
    在建立WLAN MIMO信道模型的基礎上，通過IEEE 802.11n系統模型研究時變信道下BER性能，提出了一種基于SNR的動態調整MCS方法來改進鏈路的性能。這種方法通過SNR大小來衡量與閾值。通過仿真驗證，鏈路在數據吞吐率和BER性能得到了很好的平衡，可在保證BER性能的前提下提高數據的吞吐率，提高了有限帶寬的使用有效性。
參考文獻
[1]     SALEH A A M, VALENZUELA R A. A statistical model  for indoor multipath propagation. IEEE J. Select. Areas  Commun.,1987,5:128-137.
[2]     KERMOAL J P,SCHUMACHER L,MOGENSEN P E,et al.     Experimental investigation of correlation properties of MIMO   radio channels for indoor picocell scenario. in Proc. IEEE  Veh. Technol. Conf., Boston, USA, 2000,1(9):14-21.
[3]     SALZ J,WINTERS J H. Effect of fading correlation on  adaptive arrays in digital mobile radio. IEEE Trans. Veh. Technol., 1994,43(11):1049-1057.
[4]     SCHUMACHER L, PEDERSEN K I, MOGENSEN P E. From antenna spacings to theoretical capacities-guidelines  for simulating MIMO systems[J]. in Proc. PIMRC Conf.,  2002,2(9):587-592.
[5]     SPENCER Q H. Modeling the statistical time and angle of     arrival characteristics of an indoor environment[J].IEEE J.  Select. Areas Commun.,2000,18(3):347-360.
[6]     CRAMER R J M, SCHOLTZ R A, WIN M Z. Evaluation of an ultra-wide-band propagation channel[J]. IEEE Trans. Antennas Propagat., 2002,50(5):561-570.
[7]    CHONG C C,LAURENSON D I,MCLAUGHLIN S. Statistical characterization of the 5.2 GHz wideband directional  indoor propagation channels with clustering and correlation properties[J]. in proc. IEEE Veh. Technol. Conf., 2002,1(9):629-633.
[8]    MANZOOR R S, MAJAVU W. Front-end estimation of  noise power and SNR in OFDM systems. International Conference on Intelligent and Advanced Systems 2007:435-439.