DMT系统最优功率分配的多子信道并行比特位加载方法

摘要

本发明属于离散多音频调制系统资源分配领域，其特征在于：在初始化阶段，根据目标误码率要求和子信道衰减及噪声干扰状况，在系统最大功率谱密度、最大QAM星座尺寸约束下，对系统进行最大速率比特位加载；在目标速率比特分配阶段，根据初始比特率和目标比特率的差值，相对初始加载过程中某一有效比特分布进行多个子信道并行加载，利用盲多/单比特位，和/或非盲单比特位并行增删，快速收敛到目标比特率。它完全摆脱了常规的贪婪加载方法，在趋向目标比特率的并行加载过程中始终保证比特位加载的有效性，达到目标比特率的同时也实现了系统在最优功率分配下的比特位加载，它在各种目标比特率下的运算量更小，运算复杂度更低。

说明书

技术领域

DMT系统最优功率分配的多子信道并行比特位加载方法属于离散多音频调制通信系统的资源分配技术。

背景技术

随着互联网的发展和用户对于多媒体宽带数字业务需求的增加，要求下一代宽带通信系统不仅能够可靠地进行高速率数据传输，而且能够灵活地分配系统资源，以满足不同业务类型的不同需求。

离散多音频调制(DMT)是多载波调制技术的一种特殊形式。DMT将通信信道划分为足够多的窄带子信道，每个子载波都进行独立的QAM调制，利用IDFT和DFT对信号进行调制和解调，具有实现简单，频谱利用率高，抗脉冲噪声能力强等特点，尤其适合于在符号间干扰(ISI)严重的信道环境如电话双绞线和存在多径衰落的无线信道中进行高速率数据传输，因此被美国和欧洲的标准化组织及国际电信联盟选为多种数字用户线(xDSL)包括非对称数字用户线(ADSL)和甚高速数字用户线(VDSL)的调制标准(见B.Nowrouzian，L.Wang，and W.Agha，“An  overview of discrete multitone modulation/demodulation systems in xDSLapplications”，Conference Record of the Thirty-Fifth Asilomar Conference on Signals，Systems and Computers，vol.1，pp.31-35，Nov.，2001.)。DMT系统设计中的一个关键问题就是如何在系统本身各种限制条件下，根据各子信道的衰减特性和噪声、干扰分布状况进行资源分配，以优化系统性能。其中一个典型的优化问题是在系统总平均功率一定和目标比特率一定的情况下，如何调整各子信道的发送功率和比特数，使系统的信噪比(SNR)裕量即系统总平均功率与实际使用的总发送功率的差值最大化，等效于使系统实际使用的总发送功率最小化，这个问题也称为裕量自适应(MA)问题。

最基本MA问题的约束条件是系统总比特率，相应的最优加载方法为注水算法。由于注水算法的最优解非整数，要求星座量化度可以无限小，在实际系统中使难以实现。因此又增加了各子信道比特数为整数的约束条件，相应的两种加载方法是Hughes-Hartog提出的最优加载方法(见Hughes-Hartog，“Ensemble modem structure for imperfect transmissionmedia”，US Patent，Patent Number：4833706，1989.)和Chow提出的次优加载方法(见P.S.Chow，“Bandwidth optimized digital transmission techniques for spectrally shaped channelswith impulse noise”，Stanford University，1993-05.)。Hughes-Hartog方法是一种贪婪算法，该算法逐个比特地选择当前最适合传输下一比特的子信道，直到总比特率或总发送功率满足系统设计指标为止。对于实际系统的目标比特率要求而言，贪婪算法运算量太大，并不实用。Chow方法是对近似注水解四舍五入来进行比特分配的，由于Chow方法所需运算量几乎与注水解运算量相等甚至更大，因此也不实用。J.Campello和H.Levin针对贪婪算法的缺点，建立了一套完备并在数学上可行的最优离散分配算法，称为LC算法，性能有很大提高(见J.M.Cioffi，“Advanced Digital Communication”，EE379C Course Textbook，StanfordUniversity，2002.和J.Campello，“Optimal discrete bit loading for multicarriermodulation systems”，International Symposium on Information Theory，p.193，August16-12，1998.)。此后的研究考虑到各种DSL业务如综合业务数字网(ISDN)、高速率数字用户线(HDSL)等与ADSL之间的频谱兼容问题，需要增加对ADSL发射功率谱密度(PSD)的限制条件(见John A.C.Bingham，“ADSL，VDSL，and Multicarrier Modulation”，John Wiley &Sons，2000.)，此外，考虑到同步错误或信道噪声、干扰状况恶化对系统性能的影响，需要给系统留出一定的裕量，还应考虑到最大QAM星座尺寸的限制(见R.V.Sonalkar andR.R.Shively，“An efficient bit-loading algorithm for DMT applications”，IEEE GlobalTelecommunications Conference，vol.5，pp.2683-2688，Nov.，1998.)。针对这些约束条件，Fasano从拟阵论角度提出一种基于比特删除的贪婪最优离散加载方法(见A.Fasano，“0n theoptimal discrete bit loading for multicarrier systems with constraints”，V57th IEEESemiannual ehicular Technology Conference，vol.2，pp.915-919，April，2003.)。Sonalkar和Shively进一步对各子信道最少分配的比特数进行限制，提出基于比特删除的最优加载方法(见R.V.Sonalkar and R.R.Shively，“An efficient bit-loading algorithmfor DMT applications”，IEEE Communications Letters，vol.4，no.3，pp.80-82，2000.)。尽管约束条件增加了，但这些算法都是基于LC算法。

为了解决MA问题，LC算法首先用有效化(EF)算法使得任一初始离散比特分配是有效化的——将任一信息比特从一个子信道转移到另一子信道都不再能降低系统发送功率时，这种比特分配是有效的；然后用比特紧(BT)算法对当前比特分配进行调整，将每一个待发送的信息比特置于传输该比特所需能量最少的子信道中，直到满足目标比特率要求。为了达到目标比特率，每增加或删除1比特都需要对所有子载波的发送功率增量进行比较，取最小值或最大值，当初始加载速率与目标速率相差较大时，运算量很大。为了简化算法，减少由LC算法分配的比特数，Papandreou和Antonakopoulos等人利用各子信道增益噪声比(CNR)的差异计算出初始比特分配，然后根据初始比特率与目标比特率的差值用多比特加载方法逼近最优解，最后再利用LC算法逐个增加或删除比特以达到目标比特率(见N.Papandreou andT.Antonakopoulos，“A new computationally efficient discrete bit-loading algorithmfor DMT application”，IEEE Transactions on Communications，vol.53，no.5，pp.785-789，2005.)。这种方法先求出每个子信道比特数加载上限，然后进行初始加载，相当于对系统进行了两次加载操作，而且，在初始加载时未考虑到系统PSD限制，可能使某些子信道的比特数超过上限，还需要将超出部分减去，增加了算法的冗余度。当多载波数目很大时，算法所增加的运算量开销与多比特加载所节省的运算量相比，算法优势降低。与目前已提出的其他算法相同的是，这种算法在最后阶段仍需借助LC算法收敛到目标速率，当目标速率很低或接近系统最大速率限制时，运算量迅速增大，算法性能下降。

本发明为DMT系统提出一种完全不同于贪婪最优分配算法的快速最优离散比特分配方法。该方法基于多个子载波并行加载机制，每次加载过程是在以0为下界、b_max为上界的约束条件下对初始最大速率有效比特分布的平移，每一环节都保证当前比特分布在约束条件下的有效性。整个加载过程由两个阶段组成：初始阶段采用最大速率加载，目标实现阶段根据目标速率的不同，采用盲多/单比特位并行增、删和/或非盲单比特并行增、删，整个过程只需要对多载波发送功率增量进行一次排序，因此可快速收敛到目标速率。算法的主要特点是：在初始加载和多载波并行加载时都保证了比特分配的有效性，从根本上摆脱了逐个比特比较各子载波发送功率增量、逐个比特加载的LC算法，降低了运算复杂度。

发明内容

本发明的目的是提供一种用于DMT系统最优功率分配的多子信道并行比特位加载方法，可快速收敛到最优解，运算量和运算复杂度低。

本发明的特征在于：

(1)初始化阶段首先进行等功率最大速率加载，使初始离散比特位分布矢量b＝[b₁，b₂，…，b_M]满足有效性条件，然后将各子信道比特数b_n(n＝1，2，…，M)钳制在以最大QAM星座尺寸决定的比特位数b_max，初始最大速率加载比特位数b_n由下式确定：

b_n＝min(b_max，b_n)，                                    (1)

其中，整数比特分布中的比特位数b_n是对非整数比特分布中的比特位数取整得到，如下式所示：

由子信道增益噪声比CNR_n、SNR差额Γ和子信道功率P决定，如下式所示：

$>>>>b>~>>n>>=>>log>2>>>(>1>+>>>P>·>>CNR>n>>>\Gamma >>)>>.>->->->>(>3>)>>>s>$

其中，P＝PSD·F为最大PSD决定的子信道功率，F为子信道带宽。

初始加载总比特率B由下式确定：

$>>B>=>>\Sigma >>n>=>1>>M>>>b>n>>->->->>(>4>)>>>s>$

(2)根据B与目标比特数B_T的差值diffB＝B-B_T对多子信道并行比特位加载，包括不需要进行发送功率增量比较的盲多/单比特位并行加载和需要进行发送功率增量比较的非盲单比特位并行加载两种方式。

首先确定加载方式。根据钳位之前子载波比特位数b_n是否超过b_max，将子载波分为两个集合和其中， $>>>N>~>>=>\{>n>:>>>b>‾>>n>>>>>b>max>>,>1>\le >n>\le >M>,>n>\in >>Z>+>>\}>>s>是初始化离散比特分布中比特位数b$_n超过b_max的非零子载波地址集合， _n不超过b_max的非零子载波地址集合。用表示集合中的元素个数，用表示集合中的元素个数，则加载参数a由下式给出：

当a≠0时执行盲多比特位或单比特位并行加载，对指定集合中的所有子载波各增加或减少a比特，不比较子载波发送功率增量ΔP_n(b_n)。具体而言，当a＞0时从子载波中删除a比特，当a＜0时往子载波中增加a比特；当a＝0时执行非盲单比特位并行加载，对指定集合中发送功率增量ΔP_n(b_n)最大或最小的diffB个子载波各减少或增加1比特。所述的发送功率增量ΔP_n(b_n)按下式计算：

其中，P_n(b_n)是在子信道n发送b_n比特所需功率，由下式给出：

$>>>P>n>>>(>>b>n>>)>>=>>\Gamma >>CNR>n>>>>(>>2>>b>n>\; >->1>)>>->->->>(>7>)>>>s>$

然后确定多子信道并行加载原则。按照下式求出集合中地址对应的子载波初始有效比特位数b_n与b_max之差的最大值v和最小值v；

$>>>v>‾>>=>>max>>n>\in >>N>‾>>>>>(>>>b>‾>>n>>->>b>max>>)>>->->->>(>8>)>>>s>$

$>>>v>‾>>=>>min>>n>\in >>N>‾>>>>>(>>>b>‾>>n>>->>b>max>>)>>->->->>(>9>)>>>s>$

盲多/单比特位并行加载是在以0为下界、b_max为上界的约束条件下，相对有效离散比特分布矢量b平移得到，以保证加载后的比特分布矢量仍为有效的。盲多/单比特位并行删除时，应将初始化阶段因比特位钳制被删除的子载波比特位数考虑在内，遵循以下原则：若集合中的地址对应的每个子载波减少a(a＞)比特，则集合的子集 _n-b_max)比特，即比特位数减少至b_n＝b_n-a，而的另一子集 $>>>>N>~>>c>>=>\{>n>:>>b>max>>+>a>\le >>>b>‾>>n>>\le >>b>max>>+>>v>‾>>,>n>\in >>N>~>>\}>>s>中的地址对应的子载波比特位数保持b$_max不变。若集合中的地址对应的子载波各减少1比特，则集合中的地址对应的子载波比特位数保持b_max不变。

非盲单比特位并行加载需要对指定集合中的各子载波发送功率进行比较。若B＜B_T，对某个子载波集合中发送功率增量ΔP_n(b_n)(0＜b_n＜b_max，1≤n≤M)最小的B_T-B个子载波同时增加1比特；若B＞B_T，则对某个子载波集合中发送功率增量ΔP_n(b_n)(0＜b_n，1≤n≤M)最大的B-B_T个子载波同时删除1比特。

(3)根据a与v和v的关系，确定如下五种不同的比特位加载方案：

(3.1)a＝0时，将集合中的地址对应的子载波中发送功率增量ΔP_n(b_n)(0＜b_n，1≤n≤M)最大的B-B_T个元素各减少1比特。

(3.2)a＝v时，先对集合中的地址对应的子载波各删除a比特，并更新B。若B＝B_T，则程序中止；否则，将集合 $>>>>N>~>>>s>0>>>=>\{>n>:>>>b>‾>>n>>=>>b>max>>+>>b>‾>>,>n>\in >>N>~>>\}>>s>和中的地址对应的子载波中发送功率增量\Delta P$_n(b_n)(0＜b_n，1≤n≤M)最大的B-B_T个元素各减少1比特。

(3.3)v＜a＜v时，先对集合中的地址对应的子载波各减少v比特，更新B。取的子集 _n＝b_n-v-a，更新B。

若B＝B_T，则程序中止；若B＞B_T，则需要对集合和 $>>>>N>~>>>s>3>>>=>\{>n>:>>>b>‾>>n>>=>>b>max>>+>>v>‾>>+>a>,>n>\in >>N>~>>\}>>s>中的地址对应的子载波中发送功率增量\Delta P$_n(b_n)(0＜b_n，1≤n≤M)最大的B-B_T个元素各减少1比特；否则，对集合和中的地址对应的子载波中发送功率增量ΔP_n(b_n)(0＜b_n＜b_max，1≤n≤M)最小的B_T-B个元素各增加1比特。

(3.4)a＝v时，对集合中的地址对应的子载波各减少a比特，并将集合 _n＝b_n-a，更新B。

若B＝B_T，则程序中止；若B＞B_T，对集合 $>>>N>~>>\cup >>N>~>>>s>中的地址对应的子载波中发送功率增量\Delta P$_n(b_n)(0＜b_n，1≤n≤M)最大的B-B_T个元素各减少1比特；否则，对集合 $>>>N>~>>\cup >>N>~>>>s>中的地址对应的子载波中发送功率增量\Delta P$_n(b_n)(0＜b_n＜b_max，1≤n≤M)最小的B_T-B个元素各增加1比特。

(3.5)v＜a时，对集合中的地址对应的子载波各减少v比特，并将集合 _n＝b_n-v，更新B。然后反复进行如下操作：

令 $>>>N>>s>6>>>=>\{>n>:>>b>n>>>>0>,>n>\in >>N>~>>\cup >>N>~>>\}>,>>s>N$_s6的长度为L_s6，若a＞0，对集合N_s6中的地址对应的子载波各减少a比特，更新B；若a＜0，对集合N_s6中的地址对应的子载波各增加a比特，上界为b_max，更新B；若a＝0，对集合N_s6中的地址对应的子载波中发送功率增量ΔP_n(b_n)(0＜b_n，1≤n≤M)最大的B-B_T个元素各减少1比特，直到B＝B_T。

效果分析：

本方法摈弃了常规最优加载方法在趋近目标比特率时所采取的逐个比特比较子载波发送功率增量、逐个比特加载方案，采用多子信道并行加载机制，可快速收敛到目标比特率，具有运算量小，运算复杂度低的特点。以包含249个子信道的DMT系统为例，对本方法、Sonalkar和Shively提出的基于比特删除的最优加载方法以及Papandreou和Antonakopoulos等人提出的改进的最优加载方法进行了对比。本方法所需运算量主要由初始加载所需的求对数运算、并行比特增删所需加减法运算和一次发送功率增量大小的排序运算组成，其中加减法主要由计算v与v所需的开销减法次数、多比特并行增删次数和单比特并行增删次数决定。另外两种方法所需运算量主要由初始加载所需的求对数运算、逐个比特增删所需加减法运算和多次子载波发送功率增量大小的比较和求极值运算组成，其中，改进的最优加载方法还需增加开销减法次数。

仿真结果针对不同的目标速率对三种方法的运算量进行了比较，从各个运算指标来看，本方法的运算量均显著低于改进的最优加载方法，这是由于改进的最优加载方法付出了两次加载的运算量和与子载波总数相同的开销减法运算，而在最后比特分配阶段仍采用的是逐个比特加载方法，所以由多比特加载获得的运算量减少与付出的运算代价相比已没有优势。与基于比特删除的最优加载方法相比，二者的初始加载速率相同。虽然本方法需要付出部分额外开销减法运算，但却得到了排序复杂度的降低，在初始比特率与目标比特率差值较小时，本方法的运算效率与基于比特删除的最优方法可比拟甚至更高。在初始比特率与目标比特率差值较大时，由于多子信道并行加载获得的加减法运算量大幅度减少与开销减法相比占绝对优势，因此本方法的运算效率明显高于基于比特删除的最优方法。总而言之，本方法在各种目标速率下的总的运算效率在三者之中是最高的。

附图说明

图1是DMT系统发送和接收原理框图。

图2是DMT系统发送端功能模块示意图。

图3是DMT系统最优功率分配的多子信道并行比特位加载方法示意图。

图4是DMT系统最优功率分配的多子信道并行比特位加载方法实施流程图。

图5是初始最大比特率加载流程图。

图6是目标比特率加载参数设置及加载方案示意图。

图7-图11分别是五种不同的比特位加载流程图及应用实例。

具体实施方式：

DMT系统最优功率分配的多子信道并行比特位加载方法是在DMT系统发送端作为比特分配电路的数字集成电路芯片上实现的。附图1为DMT系统发送和接收原理框图。附图2为DMT系统发送端功能模块示意图。发送端输入比特流经过缓冲和串并变换后，利用低速反向信道传回的信道特性参数信息，完成子信道比特分配，然后经编码映射、卷积和IFFT变换后，加入循环前缀(CP)，将并串变换后的比特流经数模转换后送到线路中。接收端用发送端的逆过程恢复数据比特率。信道特性参数可通过初始化训练得到。在标准的ADSL测试环境中，信道特性参数是已知的，本发明在实现时利用了ADSL标准测试环路。DMT系统最优功率分配的多子信道并行比特位加载方法示意图见附图3。DMT系统最优功率分配的多子信道并行比特位加载方法实施流程图见附图4。具体实施方式可参照附图5-附图11来执行。下面给出一个具体的应用实例。考虑ADSL标准测试环路T1.601#9环(见龙腾，Cioffi J.M.和刘峰，xDSL技术与应用，电子工业出版社，2002.)下行链路(30kHz～1.1MHz频段)，DMT符号长度为250us，子信道带宽为4.3125kHz，采样率为2.208MHz。下行链路实际加载子信道数为M＝249。环路工作在有10个HDSL和10个ADSL串音干扰的环境下，背景加性高斯白噪声(AWGN)的PSD为-140dBm/Hz。系统采用回波抵消技术，总功率为100mW，各子信道最大允许的PSD为-40dBm/Hz，SNR裕量为6dB，编码增益为2dB，目标比特错误率BER＝10^-7所对应的SNR差额约为Γ＝9.5-2+6＝13.5(dB)，b_max＝8。

首先根据附图5进行初始最大比特率加载，由(3)、(2)和(1)式依次可求出非整数比特分布、整数比特分布和初始最大速率比特分布的比特位数，由(4)式计算出初始加载总比特率B为1651比特。然后根据附图6确定目标比特率加载参数。由初始加载可知，集合的长度为 $>>>L>~>>=>71>,>>s>集合的长度为$ >>>L>~>>=>163>.>>s>当目标比特率B$$_T分别是1500、1375、1250、1125和625比特时，B与B_T的差值diffB分别是151、276、401、526和1026，由公式(5)可计算出加载参数a分别为0、1、2、3和6，由公式(8)、(9)可计算出v和v分别为3和1。根据a与v和v的不同关系，按照附图6所示，分别实施附图7-附图11所示的加载方案，得到的目标比特率分布即为最优功率分配对应的比特位分布，附图7-附图11中亦给出了该应用实例的非整数比特位分布、有效整数比特位分布、初始最大速率比特位分布和目标速率比特分布图。

  目标比特率  (bits/Mbps)  开销减法次  数  多比特并行  删除减法次  数  单比特并  行增删减  法次数              运算量比较  本方法  最优方法  1  最优方法  2  1500/6  71  0  151  L：249  S：1  B：222  L：249  M：151  B：151  L：498  M：241  B：961  1375/5.5  71  163  113  L：249  S：1  B：347  L：249  M：276  B：276  L：498  M：116  B：836  1250/5  71  355  46  L：249  S：1  B：472  L：249  M：401  B：401  L：498  M：224  B：711  1125/4.5  71  220  45  L：249  S：1  B：336  L：249  M：616  B：616  L：498  M：99  B：586  625/2.5  71  462  226  L：249  S：1  B：759  L：249  M：1026  B：1026  L：498  M：173  B：888

表1针对T1.601#9测试环路的最优并行比特位加载方法运算量分析及其与其他方法的比较

表1中给出了最优并行比特位加载方法运算量分析及其与另外两种最优加载方法的比较。其中，最优方法1指的是Sonalkar和Shively提出的最优加载方法，最优方法2指的是Papandreou和Antonakopoulos提出的改进最优加载方法。符号’L’在三种方法中均表示初始加载所需的求对数运算，符号’S’在本方法中表示发送功率增量大小的排序运算，符号’M’在方法1和方法2中均表示对子载波发送功率增量大小进行比较和求极值运算。符号’B’在三种方法中均表示基本的加减法运算。’S’运算和’M’运算都是用来在最后阶段收敛到目标比特率，本方法中最后分配的比特数如表格第4列所示，另外两种方法中最后分配的比特数由’M’的运算次数决定。如果最后分配的比特数diffB相同，则一次求’S’的运算量相当于在子载波总数小于249的指定子载波集合中进行diffB次发送功率增量大小的比较和求极值运算，每求出一个极值，指定集合中的子载波数减小一个，只需查1次发送功率增量表，搜索的元素小于249；而diffB次求’M’的运算量是在子载波总数始终为249的子载波集合中进行diffB次发送功率增量大小的比较和求极值运算，一共需要查249次发送功率增量表，每次搜索的元素都为249；因此，排序的运算量和运算复杂度均明显低于逐个比特求极值运算。

从三种运算来看，本方法所需运算量均明显低于最优方法2。当目标比特率与最大速率比特率差值较大时，如表格最后两行，本方法所需运算量也明显低于最优方法1。当目标比特率与最大速率比特率差值较小时，如表格前三行，虽然本方法需要多付出71次开销减法运算，但从排序的运算量和运算复杂度均大大低于逐个比特加载搜索和求极值运算，因此，本方法的运算效率与最优方法1是可比拟的甚至更高。综上所述，本方法在三种最优加载方法中运算效率最高，是一种快速、实用的DMT系统最优比特分配方法。