معلومات حالة القناة

📅 آخر تحديث: ١٩ يوليو ٢٠٢٦
✍️ نُشر في: ١٩ يوليو ٢٠٢٦
📷 يحتوي على 34 صور
الموسوعة الحرة

في الاتصالات اللاسلكية ، تُعرف معلومات حالة القناة ( CSI ) بأنها خصائص القناة المعروفة لوصلة الاتصال. تصف هذه المعلومات كيفية انتشار الإشارة من المرسل إلى المستقبل، وتمثل التأثير المُجتمع لعوامل مثل التشتت والتلاشي وانخفاض القدرة مع المسافة. تُسمى هذه الطريقة بتقدير القناة . تُمكّن معلومات حالة القناة من تكييف عمليات الإرسال مع ظروف القناة الحالية، وهو أمر بالغ الأهمية لتحقيق اتصال موثوق بمعدلات بيانات عالية في أنظمة الهوائيات المتعددة .

يجب تقدير معلومات حالة القناة (CSI) عند جهاز الاستقبال، وعادةً ما يتم تكميمها وإرسالها مرة أخرى إلى جهاز الإرسال (مع إمكانية تقديرها عند وصلة الإرسال العكسي في أنظمة الازدواج بتقسيم الوقت (TDD)). لذلك، قد تختلف معلومات حالة القناة بين جهاز الإرسال وجهاز الاستقبال. ويُشار أحيانًا إلى معلومات حالة القناة عند جهاز الإرسال بـ CSIT، بينما تُشار إليها عند جهاز الاستقبال بـ CSIR.

أنواع مختلفة من معلومات حالة القناة

يوجد أساساً مستويان من معلومات مسرح الجريمة، وهما معلومات مسرح الجريمة الفورية ومعلومات مسرح الجريمة الإحصائية.

تعني معلومات حالة القناة الآنية (أو معلومات حالة القناة قصيرة المدى) معرفة ظروف القناة الحالية، وهو ما يمكن اعتباره معرفة استجابة النبضة لمرشح رقمي . يتيح ذلك فرصة لتكييف الإشارة المرسلة مع استجابة النبضة، وبالتالي تحسين الإشارة المستقبلة لتعدد الإرسال المكاني أو لتحقيق معدلات خطأ بت منخفضة .

تعني معلومات حالة القناة الإحصائية (أو معلومات حالة القناة طويلة الأمد) معرفة الخصائص الإحصائية للقناة. قد يشمل هذا الوصف، على سبيل المثال، نوع توزيع التلاشي ، ومتوسط ​​كسب القناة، ومكون خط البصر ، والارتباط المكاني . وكما هو الحال مع معلومات حالة القناة الآنية، يمكن استخدام هذه المعلومات لتحسين الإرسال.

تُعدّ عملية الحصول على معلومات حالة القناة (CSI) محدودة عمليًا بمدى سرعة تغير ظروف القناة. ففي أنظمة التلاشي السريع، حيث تتغير ظروف القناة بسرعة عند إرسال رمز معلومات واحد، لا يُعدّ استخدام معلومات حالة القناة الإحصائية هو الخيار الأمثل. أما في أنظمة التلاشي البطيء ، فيمكن تقدير معلومات حالة القناة الآنية بدقة معقولة، واستخدامها لتكييف الإرسال لفترة من الزمن قبل أن تصبح قديمة.

في الأنظمة العملية، غالبًا ما تقع معلومات حالة القناة المتاحة بين هذين المستويين؛ حيث يتم دمج معلومات حالة القناة الآنية مع بعض أخطاء التقدير/التكميم مع المعلومات الإحصائية.

الوصف الرياضي

في قناة ذات نطاق ضيق وتلاشي مسطح مع هوائيات إرسال واستقبال متعددة ( MIMO )، يتم نمذجة النظام على النحو التالي [ 1 ]

y=حx+ن{\displaystyle \mathbf {y} =\mathbf {H} \mathbf {x} +\mathbf {n} }

أينy{\displaystyle \mathbf {y} }وx{\displaystyle \mathbf {x} }يمثلان متجهي الاستقبال والإرسال على التوالي، وح{\displaystyle \mathbf {H} }ون{\displaystyle \mathbf {n} }يمثلان مصفوفة القناة ومتجه الضوضاء على التوالي. غالبًا ما يتم نمذجة الضوضاء على أنها متجه طبيعي مركب متناظر دائريًا مع

ن∼جشمال(0،S){\displaystyle \mathbf {n} \sim {\mathcal {CN}}(\mathbf {0} ,\,\mathbf {S} )}

حيث تكون القيمة المتوسطة صفرًا ومصفوفة تباين الضوضاءS{\displaystyle \mathbf {S} }معروف.

تحقيق فوري في مسرح الجريمة

من الناحية المثالية، مصفوفة القناةح{\displaystyle \mathbf {H} }معروف تمامًا. نظرًا لأخطاء تقدير القناة، يمكن تمثيل معلومات القناة على النحو التالي [ 2 ]

متجه(حتقدير)∼جشمال(متجه(ح)،Rخطأ){\displaystyle {\mbox{vec}}(\mathbf {H} _{\textrm {estimate}})\sim {\mathcal {CN}}({\mbox{vec}}(\mathbf {H} ),\,\mathbf {R} _{\textrm {error}})}

أينحتقدير{\displaystyle \mathbf {H} _{\textrm {estimate}}}تقدير القناة وRخطأ{\displaystyle \mathbf {R} _{\textrm {error}}}هي مصفوفة تباين خطأ التقدير. عملية التحويل إلى متجهمتجه(){\displaystyle {\mbox{vec}}()}استُخدم لتحقيق تكديس الأعمدة لـح{\displaystyle \mathbf {H} }، حيث أن المتغيرات العشوائية متعددة المتغيرات عادة ما تُعرَّف على أنها متجهات.

التحليل الإحصائي لجرائم الجريمة

في هذه الحالة، إحصائياتح{\displaystyle \mathbf {H} }معروفة. في قناة رايلي المتلاشية ، يتوافق هذا مع معرفة أن [ 3 ]

متجه(ح)∼جشمال(0،R){\displaystyle {\mbox{vec}}(\mathbf {H} )\sim {\mathcal {CN}}(\mathbf {0} ,\,\mathbf {R} )}

لبعض مصفوفة التغاير المعروفة للقناةR{\displaystyle \mathbf {R} }.

تقدير مؤشر سلامة المجتمع

نظراً لتغير ظروف القناة، يلزم تقدير معلومات حالة القناة الآنية على المدى القصير. ومن الأساليب الشائعة ما يُسمى بتسلسل التدريب (أو تسلسل الإشارة التجريبية)، حيث يتم إرسال إشارة معروفة ومصفوفة القناة.ح{\displaystyle \mathbf {H} }يتم تقديرها باستخدام المعرفة المشتركة للإشارة المرسلة والمستقبلة.

لنرمز إلى تسلسل التدريب بـص1،...،صشمال{\displaystyle \mathbf {p} _{1},\ldots ,\mathbf {p} _{N}}، حيث المتجهصأنا{\displaystyle \mathbf {p} _{i}}يتم إرسالها عبر القناة كـ

yأنا=حصأنا+نأنا.{\displaystyle \mathbf {y} _{i}=\mathbf {H} \mathbf {p} _{i}+\mathbf {n} _{i}.}

من خلال دمج إشارات التدريب المستلمةyأنا{\displaystyle \mathbf {y} _{i}}لأنا=1،...،شمال{\displaystyle i=1,\ldots ,N}تصبح إشارات التدريب الكلية

Y=[y1،...،yشمال]=حP+شمال{\displaystyle \mathbf {Y} =[\mathbf {y} _{1},\ldots ,\mathbf {y} _{N}]=\mathbf {H} \mathbf {P} +\mathbf {N} }

باستخدام مصفوفة التدريبP=[ص1،...،صشمال]{\displaystyle \mathbf {P} =[\mathbf {p} _{1},\ldots ,\mathbf {p} _{N}]}ومصفوفة الضوضاءشمال=[ن1،...،نشمال]{\displaystyle \mathbf {N} =[\mathbf {n} _{1},\ldots ,\mathbf {n} _{N}]}.

باستخدام هذه الرموز، فإن تقدير القناة يعني أنح{\displaystyle \mathbf {H} }ينبغي استخلاصها من معرفةY{\displaystyle \mathbf {Y} }وP{\displaystyle \mathbf {P} }.

تقدير المربعات الصغرى

إذا كانت توزيعات القناة والضوضاء غير معروفة، فإن مقدر المربعات الصغرى (المعروف أيضًا باسم مقدر التباين الأدنى غير المتحيز ) هو [ 4 ]

حتقدير المربعات الصغرى=YPح(PPح)-1{\displaystyle \mathbf {H} _{\textrm {LS-estimate}}=\mathbf {Y} \mathbf {P} ^{H}(\mathbf {P} \mathbf {P} ^{H})^{-1}}

أين()ح{\displaystyle ()^{H}}يرمز إلى منقولة المصفوفة المرافقة . متوسط ​​مربع الخطأ التقديري (MSE) يتناسب مع

تر(PPح)-1{\displaystyle \mathrm {tr} (\mathbf {P} \mathbf {P} ^{H})^{-1}}

أينتر{\displaystyle \mathrm {tr} }يشير إلى الأثر . يتم تقليل الخطأ إلى أدنى حد عندماPPح{\displaystyle \mathbf {P} \mathbf {P} ^{H}}هي مصفوفة وحدة مُقاسة . لا يمكن تحقيق ذلك إلا عندماشمال{\displaystyle N}يساوي (أو أكبر من) عدد هوائيات الإرسال. أبسط مثال على مصفوفة تدريب مثالية هو اختيارP{\displaystyle \mathbf {P} }كمصفوفة وحدة (مُقاسة) بنفس حجم عدد هوائيات الإرسال.

تقدير MMSE

إذا كانت توزيعات القناة والضوضاء معروفة، فيمكن استغلال هذه المعلومات المسبقة لتقليل خطأ التقدير. يُعرف هذا النهج باسم التقدير البايزي ، وبالنسبة لقنوات رايلي المتلاشية، فإنه يستغل ذلك.

متجه(ح)∼جشمال(0،R)،متجه(شمال)∼جشمال(0،S).{\displaystyle {\mbox{vec}}(\mathbf {H} )\sim {\mathcal {CN}}(0,\,\mathbf {R} ),\quad {\mbox{vec}}(\mathbf {N} )\sim {\mathcal {CN}}(0,\,\mathbf {S} ).}

يُعد مقدر MMSE هو النظير البايزي لمقدر المربعات الصغرى ويصبح [ 2 ]

متجه(حتقدير MMSE)=(R-1+(Pتي⊗أنا)حS-1(Pتي⊗أنا))-1(Pتي⊗أنا)حS-1متجه(Y){\displaystyle {\mbox{vec}}(\mathbf {H} _{\textrm {تقدير MMSE}})=\left(\mathbf {R} ^{-1}+(\mathbf {P} ^{T}\,\otimes \,\mathbf {I} )^{H}\mathbf {S} ^{-1}(\mathbf {P} ^{T}\,\otimes \,\mathbf {I} )\right)^{-1}(\mathbf {P} ^{T}\,\otimes \,\mathbf {I} )^{H}\mathbf {S} ^{-1}{\mbox{vec}}(\mathbf {Y} )}

أين⊗{\displaystyle \otimes }يرمز إلى جداء كرونكر ومصفوفة الوحدةأنا{\displaystyle \scriptstyle \mathbf {I} }له بُعد عدد هوائيات الاستقبال. تقدير متوسط ​​مربع الخطأ هو

تر(R-1+(Pتي⊗أنا)حS-1(Pتي⊗أنا))-1{\displaystyle \mathrm {tr} \left(\mathbf {R} ^{-1}+(\mathbf {P} ^{T}\,\otimes \,\mathbf {I} )^{H}\mathbf {S} ^{-1}(\mathbf {P} ^{T}\,\otimes \,\mathbf {I} )\right)^{-1}}

ويتم تقليلها بواسطة مصفوفة التدريبP{\displaystyle \mathbf {P} }لا يمكن اشتقاق ذلك عمومًا إلا من خلال التحسين العددي. ولكن توجد حلول استدلالية ذات أداء جيد تعتمد على ملء الماء . وعلى عكس تقدير المربعات الصغرى، يمكن تقليل خطأ التقدير للقنوات المرتبطة مكانيًا حتى لوشمال{\displaystyle N}أصغر من عدد هوائيات الإرسال. [ 2 ] وبالتالي، يمكن لتقدير MMSE أن يقلل من خطأ التقدير ويختصر تسلسل التدريب المطلوب. ومع ذلك، فإنه يحتاج بالإضافة إلى ذلك إلى معرفة مصفوفة ارتباط القناة.R{\displaystyle \mathbf {R} }ومصفوفة ارتباط الضوضاءS{\displaystyle \mathbf {S} }في غياب معرفة دقيقة بمصفوفات الارتباط هذه، يجب اتخاذ خيارات قوية لتجنب تدهور متوسط ​​مربع الخطأ. [ 5 ] [ 6 ]

تقدير الشبكة العصبية

مع تطور تقنيات التعلم العميق ، أظهرت دراسة [ 7 ] إمكانية تقدير معلومات حالة القناة باستخدام الشبكات العصبية ، مثل الشبكات العصبية التلافيفية ثنائية وثلاثية الأبعاد، وتحقيق أداء أفضل باستخدام عدد أقل من الإشارات التجريبية. وتكمن الفكرة الأساسية في قدرة الشبكة العصبية على إجراء استيفاء دقيق في كل من الزمن والتردد.

التقدير بمساعدة البيانات مقابل التقدير الأعمى

في النهج المدعوم بالبيانات، يعتمد تقدير القناة على بيانات معروفة لدى كل من المرسل والمستقبل ، مثل تسلسلات التدريب أو البيانات التجريبية. [ 8 ] أما في النهج غير المدعوم بالبيانات، فيعتمد التقدير على البيانات المستلمة فقط، دون أي تسلسل مُرسَل معروف. ويكمن التوازن بين الدقة والعبء الإضافي. يتطلب النهج المدعوم بالبيانات نطاقًا تردديًا أكبر أو يكون له عبء إضافي أعلى من النهج غير المدعوم بالبيانات، ولكنه يحقق دقة أفضل في تقدير القناة .

انظر أيضاً

مراجع

  1. ↑ A. Tulino , A. Lozano, S. Verdú, Impact of antenna correlation on the capacity of multiantenna channels , IEEE Transactions on Information Theory, vol 51, pp. 2491-2509, 2005.
  2. 1 2 3 E. Björnson, B. Ottersten, A Framework for Training-Based Estimation in Arbitrarily Correlated Rician MIMO Channels with Rician Disturbance , IEEE Transactions on Signal Processing, vol 58, pp. 1807-1820, 2010.
  3. ↑ J. Kermoal, L. Schumacher, KI Pedersen, P. Mogensen, F. Frederiksen, A Stochastic MIMO Radio Channel Model With Experiment Validation Archived 2009-12-29 at the Wayback Machine , IEEE Journal on Selected Areas Communications, vol 20, pp. 1211-1226, 2002.
  4. ↑ M. Biguesh و A. Gershman، تقدير قناة MIMO القائم على التدريب: دراسة لمقايضات المقدر وإشارات التدريب المثلى. مؤرشف في 6 مارس 2009، في Wayback Machine ، IEEE Transactions on Signal Processing، المجلد 54، الصفحات 884-893، 2006.
  5. ↑ Y. Li, LJ Cimini, and NR Sollenberger, Robust channel estimation for OFDM systems with rapid dispersive fading channels , IEEE Transactions on Communications, vol 46, pp. 902-915, July 1998.
  6. ↑ MD Nisar, W. Utschick and T. Hindelang, Maximumally Robust 2-D Channel Estimation for OFDM Systems , IEEE Transactions on Signal Processing, vol 58, pp. 3163-3172, June 2010.
  7. ↑ مارينبرغ، بن؛ كوهين، أرييل؛ بن درور، إيلام؛ بيرموتر، حاييم ح. (14 ديسمبر 2020). "دراسة حول تقدير قناة MIMO باستخدام الشبكات العصبية الالتفافية ثنائية وثلاثية الأبعاد". المؤتمر الدولي IEEE لعام 2020 حول الشبكات المتقدمة وأنظمة الاتصالات (ANTS) . الصفحات 1-6 . arXiv : 2011.08970 . doi : 10.1109/ANTS50601.2020.9342797 . ISBN  978-1-7281-9290-1. S2CID 226994048 . 
  8. ↑ أ. تشوانغ، إي إس لوهان، و م. رينفورس، "مقارنة الخوارزميات الموجهة بالقرار والخوارزميات المدعومة بالطيار لتقدير نقر القناة المعقدة في أنظمة WCDMA للوصلة الهابطة"، في وقائع المؤتمر الحادي عشر لـ IEEE للاتصالات اللاسلكية الشخصية والداخلية المتنقلة (PIMRC)، المجلد 2، سبتمبر 2000، ص 1121-1125.