光电工程  2020, Vol. 47 Issue (3): 190666      DOI: 10.12086/oee.2020.190666     
预编码室内MIMO可见光通信系统空间相关性分析
张颖1,2 , 高悦1 , 柯熙政1,2     
1. 西安理工大学自动化与信息工程学院,陕西 西安 710048;
2. 陕西省智能协同网络军民共建重点实验室,陕西 西安 710048
摘要:为了解决多用户MIMO(MU-MIMO)室内可见光通信中存在用户间干扰问题及对角化(BD)算法所产生的子信道强弱的问题,利用子流选择BD算法,对室内MU-MIMO可见光通信系统的误码率进行优化。建立了MU-MIMO室内可见光通信的信道模型,利用控制变量法并采用不同LED与PD距离的参数,对比了在4×4 MIMO与8×8 MIMO两种不同的室内系统布局方式下的信道空间相关性,分析对比子流选择BD算法及BD算法的系统容量及误码率性能。结果表明,随着空间相关的不断增强,误码率性能下降,子流选择BD算法相对于BD算法可以带来4 dB以上的增益。
关键词可见光通信    子流选择    信道相关性    块对角化    
Analysis of spatial correlation of precoding indoor MIMO visible light communication system
Zhang Ying1,2, Gao Yue1, Ke Xizheng1,2     
1. School of Automation and Information Engineering, Xi'an University of Technology, Xi'an, Shaanxi 710048, China;
2. Shaanxi Civil-Military Integration Key Laboratory of Intelligence Collaborative Networks, Xi'an, Shannxi 710048, China
Abstract: In order to solve the problem of multi-user interference and the subchannel strength generated by the block diagonalization (BD) algorithm in multi-user MIMO (MU-MIMO) indoor visible light communication, the bit error rate of the indoor MU-MIMO visible light communication system is optimized by using the substream selected BD algorithm. This paper establishes the channel model for MU-MIMO indoor visible light communication and compares the channel spatial correlation between the 4×4 MIMO and 8×8 MIMO in different indoor system layout modes by using the control variable method and taking different parameters of LED and PD distance, the system capacity and bit error rate performance of substream selected BD algorithm and BD algorithm are compared and analyzed. The results show that with the continuous enhancement of spatial correlation, the bit error rate performance decreases, and the substream selected BD algorithm can bring a gain of more than 4 dB compared with BD algorithm.
Keywords: visible light communication    substream selected    channel correlation    block diagonalization    

1 引言

可见光通信(Visible light communication,VLC)已影响着人们的生活,为达到实际照明标准以及避免通信中断,将多输入多输出(multi-input multi-output,MIMO)技术应用于室内VLC系统中形成可见光MIMO技术[1],不仅扩大信号的到达范围,还提高数据传输速率[2]

针对MIMO VLC系统的研究很多,主要集中在优化室内的光源布局、信号调制方式、分集接收等方面。赵黎等[3]设计了一种优化的环形光源布局; Ishikawa等[4]使用空间调制技术对功率不平衡MIMO系统的容量进行最大化; 薛家豪等[5]利用分集接收技术设计了光电二极管的布局及数据选择接收装置,保证通信质量。Huang等[6]设计了一种改进型规整晶格解码技术的MIMO VLC系统的收发器; Narmanlioglu等[7]采用非顺序光线跟踪对各种实际布线和布线拓扑进行MIMO VLC信道建模。然而,接收端通常会接收到来自于其他用户数据的干扰,从而造成系统性能下降。线性预编码算法可以有效地降低来自于其他用户的数据干扰及接收端的复杂度[8],其中块对角化(block diagonalization,BD)算法是一种典型的线性预编码技术,但BD算法的研究主要用于降低用户间的干扰及提高系统性能方面[9],在室内MIMO VLC系统的空间相关性研究较少。由于室内MIMO VLC系统中LED光源与光电检测器(photoelectric detector,PD)的不同位置组合会出现不同的子信道,同时影响MIMO信道的空间相关性及系统性能[10],因此研究预编码技术的室内MIMO VLC系统信道的空间相关性具有重要意义。

论文将无线通信中的子流选择BD技术[11]应用到室内多用户MIMO(multipleuser MIMO,MU-MIMO)VLC系统中,讨论了室内MIMO VLC系统的空间相关性,同时解决了BD算法中因等效信道矩阵经奇异值分解(singular value decomposition,SVD)后子信道强弱不均衡的问题,实现降低多用户干扰的目的,提高系统传输速率。仿真分析验证了该方法的可行性。

2 系统模型

基于子流选择BD算法的MU-MIMO室内VLC系统模型如图 1所示,该系统包括发射端、信道和接收端三个部分,其中发射端的LED阵列数目共有NT个,PD的个数${N_{\rm{R}}} = \sum {{N_{{\rm{R}}j}}} $,其中${N_{{\rm{R}}j}}$是用户j的接收端PD,则信道矩阵为${{\mathit{\boldsymbol{H}}}_{{N_{\rm{T}}} \times {N_{\rm{R}}}}}$

若发射端有k个不同用户的数据,其中用户j的数据经串并转换、开关键控(on-off keying,OOK)调制后,进行预编码处理$F\{ \cdot \} $后得${f_j}(t) = F\{ {u_j}(t)\} $。根据室内LED信号的传输特性,采用直流增益矩阵来描述信道为

${{\mathit{\boldsymbol{H}}}_{{N_{\rm{R}}} \times {N_{\rm{T}}}}} = \left[ {\begin{array}{*{20}{c}} {{h_{11}}}& \cdots &{{h_{1j}}}& \cdots &{{h_{1{N_{\rm{T}}}}}} \\ \cdots & \cdots & \cdots & \cdots & \cdots \\ {{h_{i1}}}& \cdots &{{h_{ij}}}& \cdots &{{h_{i{N_{\rm{T}}}}}} \\ \cdots & \cdots & \cdots & \cdots & \cdots \\ {{h_{{N_{\rm{R}}}1}}}& \cdots &{{h_{{N_{\rm{R}}}j}}}& \cdots &{{h_{{N_{\rm{R}}}{N_{\rm{T}}}}}} \end{array}} \right], $ (1)
图 1 子流选择BD算法MU-MIMO室内VLC系统模型 Fig. 1 Substream selected BD algorithm MU-MIMO indoor VLC system model

式中:hij为第i个LED阵列和用户j的PD之间的信道直流增益,即:

${h_{ij}} = \left\{ {\begin{array}{*{20}{c}} {\sum\limits_{k = 1}^{{N_{\rm{T}}}} {\frac{{A(m + 1)}}{{2{\rm{ \mathit{ π} }}d_{ijk}^2}}{{\cos }^m}({\varphi _{ijk}})g({\psi _{ijk}})\cos {\psi _{ijk}}} }&{0 \leqslant {\psi _{ijk}} \leqslant {\psi _{\rm{c}}}} \\ 0&{{\psi _{ijk}} > {\psi _{\rm{c}}}} \end{array}} \right., $ (2)

式中:A为PD面积的大小,m为朗伯光源的阶数,$m = \ln (1/2)/\ln (\cos{\varphi _{1/2}})$,其仅与发射功率半角${\varphi _{1/2}}$有关,$g(\psi )$为聚光器的增益,${\psi _{ijk}}$为探测器的入射角,第i个LED阵列中第k个LED与用户j的PD之间的间隔为${d_{ijk}}$${\varphi _{ijk}}$为LED发射角。

设用户j的数据${u_j}(t)$子流数为${S_j}$,该用户j的等效信道矩阵${{\mathit{\boldsymbol{\bar H}}}_j} = {{\mathit{\boldsymbol{H}}}_j} \cdot {\mathit{\boldsymbol{\tilde V}}}_j^{\left( 0 \right)}$,其中${\mathit{\boldsymbol{\tilde V}}}_j^{\left( 0 \right)}$指信道矩阵第一次进行SVD后得到的正交基,即

${{\mathit{\boldsymbol{\bar H}}}_j} = \left[ {\begin{array}{*{20}{c}} {{R_{11}}}& \cdots &{{R_{1j}}}& \cdots &{{R_{1{S_j}}}} \\ \cdots & \cdots & \cdots & \cdots & \cdots \\ {{R_{i1}}}& \cdots &{{R_{ij}}}& \cdots &{{R_{i{S_j}}}} \\ \cdots & \cdots & \cdots & \cdots & \cdots \\ {{R_{{N_{{\rm{R}}j}}1}}}& \cdots &{{R_{{N_{{\rm{R}}j}}j}}}& \cdots &{{R_{{N_{{\rm{R}}j}}{S_j}}}} \end{array}} \right], $ (3)

式中:Rij为第i个LED阵列与用户j的检测器间信道的等效直流增益。

经第j个用户的探测器的光电转换和滤除直流分量后,最后输出为

${y_j}(t) = \gamma \cdot {m_{\rm{I}}} \cdot {P_{{\rm{LED}}}} \cdot \sum\limits_{i = 1}^{{N_{\rm{T}}}} {{h_{ij}}{f_i}(t)} + {\delta ^2}, $ (4)

式中:$\gamma $为光检测器的响应,${m_{\rm{I}}}$为调制指数,${P_{{\rm{LED}}}}$为LED的发射功率,${f_i}(t)$为第i个发射端经过预编码后的信号,${\delta ^2}$为接收端的噪声信号,占主要成分的是散粒噪声和热噪声[12]

j个用户输出端的信噪比(signal to noise ratio,SNR)及系统误码率(bit error rate,BER)分别定义为

${R_{{\rm{SNR}}}}_j = \frac{{{{\left( {\gamma \cdot {m_{\rm{I}}} \cdot {P_{{\rm{LED}}}} \cdot \sum\limits_{j = 1}^{{N_{\rm{T}}}} {{h_{ij}}{f_j}(t)} } \right)}^2}}}{{{\delta _1}^2 + {\delta _2}^2}}, $ (5)
${R_{{\rm{BER}}}} = \frac{1}{{{N_{\rm{T}}}}}\sum\limits_{j = 1}^{{N_{_{\rm{T}}}}} {Q\left[ {\sqrt {{R_{{\rm{SNR}}}}_j} } \right]} , $ (6)

式中Q函数定义为

$Q(x) = \int_x^\infty {\frac{1}{{\sqrt {2{\rm{ \mathit{ π} }}} }}\exp \left( { - \frac{{{y^2}}}{2}} \right)} {\rm{d}}y。$ (7)
3 预编码和解码方案 3.1 子流选择BD算法的预编码方案

子流选择BD技术的核心是在两次SVD运算求解后得到的预编码矩阵F,其中用户j的预编码矩阵为${{\mathit{\boldsymbol{F}}}_j} = {\mathit{\boldsymbol{F}}}_j^a{{\mathit{\boldsymbol{F}}}_j}^b$

记用户j的补矩阵${{\mathit{\boldsymbol{\tilde H}}}_{\mathit{\boldsymbol{j}}}}$

${{\mathit{\boldsymbol{\tilde H}}}_{\mathit{\boldsymbol{j}}}} = {[{\mathit{\boldsymbol{H}}}_1^{\rm{H}}, \cdots , {\mathit{\boldsymbol{{\rm H}}}}_{j - 1}^{\rm{H}}, {\mathit{\boldsymbol{H}}}_{j + 1}^{\rm{H}}, \cdots , {\mathit{\boldsymbol{H}}}_k^{\rm{H}}]^{\rm{H}}}, $ (8)

式中${{\mathit{\boldsymbol{H}}}_{\mathit{\boldsymbol{j}}}}$为用户j的信道矩阵。

${{\mathit{\boldsymbol{\tilde H}}}_{\mathit{\boldsymbol{j}}}}$实行SVD,可得:

${{\mathit{\boldsymbol{\tilde H}}}_{\mathit{\boldsymbol{j}}}} = {{\mathit{\boldsymbol{\tilde U}}}_j}\left[ {\begin{array}{*{20}{c}} {{{\mathit{\boldsymbol{T}}}_j}}&0 \\ 0&0 \end{array}} \right]{\left[ {\begin{array}{*{20}{c}} {{\mathit{\boldsymbol{\tilde V}}}_j^{(1)}}&{{\mathit{\boldsymbol{\tilde V}}}_j^{(0)}} \end{array}} \right]^{\rm{H}}}, $ (9)

式中:${\mathit{\boldsymbol{\tilde V}}}_j^{(1)}$${\mathit{\boldsymbol{\tilde V}}}_j^{(0)}$分别是${{\mathit{\boldsymbol{H}}}_{\mathit{\boldsymbol{j}}}}$的前${\tilde L_j} = rank({{\mathit{\boldsymbol{\tilde H}}}_{\mathit{\boldsymbol{j}}}}) \leqslant {N_{\rm{R}}} - {N_{{{\rm{R}}_j}}}$和后$({N_{\rm{T}}} - {\tilde L_j})$个右奇异值向量,${\mathit{\boldsymbol{\tilde V}}}_j^{(0)}$在补矩阵${{\mathit{\boldsymbol{H}}}_{\mathit{\boldsymbol{j}}}}$零空间。

$F_j^a = {\mathit{\boldsymbol{\tilde V}}}_j^{(0)}$,对系统等效信道矩阵${{\mathit{\boldsymbol{H}}}_{\mathit{\boldsymbol{j}}}}$进行SVD,可得:

${{\mathit{\boldsymbol{\tilde H}}}_{\mathit{\boldsymbol{j}}}} = {{\mathit{\boldsymbol{H}}}_j} \cdot {\mathit{\boldsymbol{\tilde V}}}_j^{(0)} = {{\mathit{\boldsymbol{U}}}_j}\left[ {\begin{array}{*{20}{c}} {{{{\mathit{\boldsymbol{\tilde T}}}}_j}}&0 \\ 0&0 \end{array}} \right]{\left[ {\begin{array}{*{20}{c}} {{\mathit{\boldsymbol{\bar V}}}_j^{(1)}}&{{\mathit{\boldsymbol{\bar V}}}_j^{(0)}} \end{array}} \right]^{\rm{H}}}, $ (10)

式中选择${\mathit{\boldsymbol{\bar V}}}_j^{(0)}$中奇异值较大的前B个子流信道作为发射数据的子信道,充分利用发射信道资源,记${\mathit{\boldsymbol{F}}}_j^b = {\mathit{\boldsymbol{\bar V}}}_j^{(1)}(:, 1:B)$

用户j的预编码矩阵为

${{\mathit{\boldsymbol{F}}}_j} = {\mathit{\boldsymbol{\tilde V}}}_j^{(0)} \cdot {\mathit{\boldsymbol{\bar V}}}_j^{(1)}(:, 1:B)。$ (11)

在接收端,用户j接收到的信号为

${{\mathit{\boldsymbol{y}}}_j} = {{\mathit{\boldsymbol{H}}}_j}{\mathit{\boldsymbol{x}}} + {{\mathit{\boldsymbol{n}}}_j} = {{\mathit{\boldsymbol{{\rm H}}}}_j}{{\mathit{\boldsymbol{F}}}_j}{{\mathit{\boldsymbol{u}}}_j} + {{\mathit{\boldsymbol{n}}}_j}$
${\rm{ = }}{{\mathit{\boldsymbol{H}}}_j}{\mathit{\boldsymbol{\tilde V}}}_j^{(0)}{\mathit{\boldsymbol{V}}}_j^{(1)}(:, 1:B){{\mathit{\boldsymbol{u}}}_j} + {{\mathit{\boldsymbol{n}}}_j}。$ (12)

由式(4)和子流选择BD预编码矩阵F可得系统和容量为

$C = {\log _2}\left| {I + \frac{{{{\tilde T}^2}L}}{{{\delta ^2}}}} \right|, $ (13)

式中$L = diag({L_1}, \cdots , {L_k})$是每个子信道分配的功率所构成的对角矩阵。

3.2 子流选择BD算法的解码方案

子流选择BD算法的解码主要在等效信道矩阵${{\mathit{\boldsymbol{H}}}_{\mathit{\boldsymbol{j}}}}$进行SVD中,利用矩阵Uj进行解码,其发送信号dj的估计值为

${{\mathit{\boldsymbol{\hat d}}}_j} = [{\mathit{\boldsymbol{U}}}_j^{\rm{H}}(:, 1:B)][({{\mathit{\boldsymbol{H}}}_j}{\mathit{\boldsymbol{\tilde V}}}_j^{(0)} \cdot {\mathit{\boldsymbol{V}}}_j^{(1)}(:, 1:B)){{\mathit{\boldsymbol{d}}}_j} + {{\mathit{\boldsymbol{n}}}_j}]。$ (14)
4 系统仿真结果

室内LED的分布如图 2图 3所示。若PD距离地面高度为0.85 m,信道相关性用信道矩阵的条件数$cond({\mathit{\boldsymbol{H}}}) = \left\| {\mathit{\boldsymbol{H}}} \right\| \cdot \left\| {{{\mathit{\boldsymbol{H}}}^{ - 1}}} \right\|$表示,该参量将同时受到LED间的距离dLED以及PD间的距离dPD的影响,仿真dLEDdPD的不同取值对信道相关性的关系,得到系统的BER曲线。仿真参数如表 1

图 2 室内MIMO VLC系统4×4的空间分布。 Fig. 2 Indoor MIMO VLC system spatial distribution of 4×4. (a) LED的空间分布;(b) PD的空间分布 (a) Spatial distribution of LED; (b) Spatial distribution of photo-detectors

图 3 室内MIMO VLC系统8×8的空间分布。 Fig. 3 Indoor MIMO VLC system spatial distribution of 8×8. (a) 8个LED的空间分布;(b) 8个PD的空间分布 (a) Spatial distribution of LED; (b) Spatial distribution of photo-detectors

表 1 仿真参数 Table 1 Simulation parameters
参数 数值
房间尺寸/(m3) 5×5×3
光检测器的面积/(cm2) 1.0
噪声带宽因子 0.562
反射系数 1.5
LED半功率角/(°) 70
传输速率/(Mbit/s) 100
参数 数值
光滤波器增益 1.0
调制指数 0.2
背景光电流/mA 5100
光检测器响应度/(A/W) 0.4
光检测器的视场角/(°) 60
LED阵列 3600(60×60)

dLED=2且dPD=2时,分别求得4×4及8×8信道增益矩阵的条件数cond(H1)=8.4274,cond(H2)=1.1755E+017,8×8的信道相关性强于4×4。取dLED=1.5且dPD=1.5时,两种信道矩阵的条件数分别为cond(H3)=13.8906,cond(H4)=3.2784E+017dLED=1.0且dPD=1.0时,两种信道矩阵的条件数分别为cond(H5)=33.2971,cond(H6)=5.6754E+017。因此,dLEDdPD间隔的缩小,信道的相关性增强。

通过在信道空间相关性的四种取值下,信道容量与SNR的仿真如图 4所示。可见dLEDdPD取值越小,随着信道相关性的增强,信道容量上升的斜率变大。在4×4 MIMO的信道下,BD算法的信道容量受信道相关性影响小于子流选择BD算法,但在8×8 MIMO的信道下,相关性对两种算法信道容量的影响区别不大。

图 4 四种空间相关性下SNR与信道容量的曲线。 Fig. 4 Curve between SNR and channel capacity under four spatial correlation. (a) dLED=2,dPD=2;(b) dLED=1.5,dPD=1.5;(c) dLED=1.0,dPD=1.0;(d) dLED=0.5,dPD=0.5 (a) dLED=2, dPD=2; (b) dLED=1.5, dPD=1.5; (c) dLED=1.0, dPD=1.0; (d) dLED=0.5, dPD=0.5

图 5为不同信道相关性下,系统的SNR与BER关系曲线。可以得到,子流选择BD算法的BER性能较BD来说有4 dB以上增益,这是子流选择BD算法在奇异值大的子流信道用于数据通信而获得的。同时,随着信道相关性的变强,系统的BER提升。在图 5(a),8×8信道的子流选择BD算法室内VLC系统中BER取10-3时所需SNR约为15.5 dB,而图 5(b)约为19.5 dB,图 5(c)则需要更大的信噪比。因此,可以看出,在8×8的MIMO信道中,不同相关性的BD算法与子流选择BD算法的信道容量曲线趋势大致相同; 但在相同的系统BER性能下,子流选择BD算法所需SNR的值比BD算法小,且空间相关性与系统的BER性能呈反比关系。

图 5 不同信道相关性下SNR与BER的曲线。 Fig. 5 Curve between SNR and BER under different channel correlation. (a) dLED=2,dPD=2;(b) dLED=1.5,dPD=1.5;(c) dLED=1.0,dPD=1.0;(d) dLED=0.5,dPD=0.5 (a) dLED=2, dPD=2; (b) dLED=1.5, dPD=1.5; (c) dLED=1.0, dPD=1.0; (d) dLED=0.5, dPD=0.5
5 结论

本文利用子流选择BD算法,讨论了在MU-MIMO室内VLC系统中不同的空间相关性下对系统信道容量及BER的影响。结果表明:随着空间相关性的不断增大,信道容量上升的斜率随之变大,同时在8×8的MIMO布局中,在不同信道空间相关性中,BD算法和子流选择BD算法的信道容量区别不大; 子流选择BD算法的BER相对于BD算法可以带来4 dB以上的增益。

参考文献
[1]
Tran T A, O'Brien D C. Performance metrics for Multi-Input Multi-Output (MIMO) visible light communications[C]//Proceedings of 2012 International Workshop on Optical Wireless Communications (IWOW), 2012.
[2]
Wang Y G, Zhang M L, Wang Y Q, et al. Experimental demonstration of visible light communication based on sub-carrier multiplexing of multiple-input-single-output OFDM[C]//Proceedings of the 2012 17th Opto-Electronics and Communications Conference, 2012: 745-746.
[3]
Zhao L, Zhu T, Liu Z G, et al. An annular light source layout model for both lighting and communication reliability[J]. Opto-Electronic Engineering, 2018, 45(7): 170503.
赵黎, 朱彤, 刘智港, 等. 一种兼顾照明与通信的环形光源布局模型[J]. 光电工程, 2018, 45(7): 170503 [Crossref]
[4]
Ishikawa N, Sugiura S. Maximizing constrained capacity of power-imbalanced optical wireless MIMO communications using spatial modulation[J]. Journal of Lightwave Technology, 2015, 33(2): 519-527. [Crossref]
[5]
Xue J H, Li Q, Xu S N, et al. Diversity reception system for indoor LED visible light communication[J]. Physics Experimentation, 2016, 36(9): 15-18, 22.
薛家豪, 李琪, 徐胜男, 等. 室内LED可见光通信的分集接收系统[J]. 物理实验, 2016, 36(9): 15-18, 22 [Crossref]
[6]
Huang N, Wang X, Chen M. Transceiver Design for MIMO VLC Systems With Integer-Forcing Receivers[J]. IEEE Journal on Selected Areas in Communications, 2018, 36(1): 66-77. [Crossref]
[7]
Narmanlioglu O, Kizilirmak R C, Miramirkhani F, et al. Effect of Wiring and Cabling Topologies on the Performance of Distributed MIMO OFDM VLC Systems[J]. IEEE Access, 2019, 52743-52754.
[8]
Chen J X, Wang Q, Wang Z C. Leakage-based precoding for MU-MIMO VLC systems under optical power constraint[J]. Optics Communications, 2017, 382: 348-353. [Crossref]
[9]
Hong Y, Chen J, Wang Z X. Multi-user MIMO indoor visible light communication system based on BD precoding algorithm[J]. Acta Photonica Sinica, 2013, 42(11): 1277-1282.
洪阳, 陈健, 王子雄. 基于BD预编码的多用户MIMO室内可见光通信系统[J]. 光子学报, 2013, 42(11): 1277-1282 [Crossref]
[10]
Liu Q F, Xiao S F, Huang K Z, et al. A SVD-based optical MIMO precoding scheme in indoor visible light communication[J]. International Journal of Future Computer and Communication, 2014, 3(6): 421-426. [Crossref]
[11]
Zhu K, Wang L, Hu H Y. Improved BD precoding algorithms for multi-user MIMO systems[J]. Journal of Information Engineering University, 2010, 11(1): 7-10.
祝锴, 王丽, 胡捍英. 基于BD的改进多用户MIMO预编码算法[J]. 信息工程大学学报, 2010, 11(1): 7-10 [Crossref]
[12]
Ding J P, Huang Z T, Ji Y F. Evolutionary algorithm based power coverage optimization for visible light communications[J]. IEEE Communications Letters, 2012, 16(4): 439-441. [Crossref]