En las comunicaciones inalámbricas , la información de estado del canal ( CSI ) se refiere a las propiedades de canal conocidas de un enlace de comunicación. Esta información describe cómo se propaga una señal desde el transmisor al receptor y representa el efecto combinado de, por ejemplo, dispersión , desvanecimiento y disminución de potencia con la distancia. El método se llama estimación de canal . El CSI permite adaptar las transmisiones a las condiciones actuales del canal, lo cual es crucial para lograr una comunicación confiable con altas velocidades de datos en sistemas de múltiples antenas .
El CSI debe estimarse en el receptor y, por lo general, cuantificarse y retroalimentarse al transmisor (aunque la estimación de enlace inverso es posible en los sistemas TDD ). Por lo tanto, el transmisor y el receptor pueden tener diferentes CSI. El CSI en el transmisor y el CSI en el receptor a veces se denominan CSIT y CSIR, respectivamente.
Diferentes tipos de información sobre el estado del canal.
Básicamente, hay dos niveles de CSI, a saber, CSI instantáneo y CSI estadístico.
CSI instantáneo (o CSI a corto plazo) significa que se conocen las condiciones actuales del canal, lo que puede verse como conocer la respuesta al impulso de un filtro digital . Esto brinda la oportunidad de adaptar la señal transmitida a la respuesta al impulso y, por lo tanto, optimizar la señal recibida para la multiplexación espacial o para lograr bajas tasas de error de bits .
CSI estadístico (o CSI a largo plazo) significa que se conoce una caracterización estadística del canal. Esta descripción puede incluir, por ejemplo, el tipo de distribución de desvanecimiento , la ganancia de canal promedio, el componente de línea de visión y la correlación espacial . Al igual que con la CSI instantánea, esta información se puede utilizar para optimizar la transmisión.
La adquisición de CSI está prácticamente limitada por la rapidez con que cambian las condiciones del canal. En sistemas de desvanecimiento rápido donde las condiciones del canal varían rápidamente bajo la transmisión de un solo símbolo de información, solo el CSI estadístico es razonable. Por otro lado, en los sistemas de desvanecimiento lento, el CSI instantáneo puede estimarse con una precisión razonable y utilizarse para la adaptación de la transmisión durante algún tiempo antes de quedar desactualizado.
En los sistemas prácticos, el CSI disponible a menudo se encuentra entre estos dos niveles; El CSI instantáneo con algún error de estimación / cuantificación se combina con información estadística.
Descripción matemática
En un canal de desvanecimiento plano de banda estrecha con múltiples antenas de transmisión y recepción ( MIMO ), el sistema se modela como [1]
dónde y son los vectores de recepción y transmisión, respectivamente, y y son la matriz de canales y el vector de ruido, respectivamente. El ruido a menudo se modela como normal complejo simétrico circular con
donde el valor medio es cero y la matriz de covarianza de ruido es conocida.
CSI instantáneo
Idealmente, la matriz de canales se conoce perfectamente. Debido a errores de estimación del canal, la información del canal se puede representar como [2]
dónde es la estimación del canal y es la matriz de covarianza del error de estimación. La vectorización se utilizó para lograr el apilado de columnas de , ya que las variables aleatorias multivariadas generalmente se definen como vectores.
CSI estadístico
En este caso, las estadísticas de son conocidos. En un canal de desvanecimiento de Rayleigh , esto corresponde a saber que [3]
para alguna matriz de covarianza de canal conocida .
Estimación de CSI
Dado que las condiciones del canal varían, el CSI instantáneo debe estimarse a corto plazo. Un enfoque popular es la llamada secuencia de entrenamiento (o secuencia piloto), donde se transmite una señal conocida y la matriz de canales se estima utilizando el conocimiento combinado de la señal transmitida y recibida.
Denotemos la secuencia de entrenamiento , donde el vector se transmite por el canal como
Combinando las señales de entrenamiento recibidas por , la señalización de entrenamiento total se convierte en
con la matriz de entrenamiento y la matriz de ruido .
Con esta notación, la estimación del canal significa que debe recuperarse del conocimiento de y .
Estimación por mínimos cuadrados
Si se desconocen las distribuciones de canal y ruido, entonces el estimador de mínimos cuadrados (también conocido como estimador insesgado de mínima varianza ) es [4]
dónde denota la transposición conjugada . La estimación del error cuadrático medio (MSE) es proporcional a
dónde denota el rastro . El error se minimiza cuandoes una matriz de identidad escalada . Esto solo se puede lograr cuandoes igual (o mayor que) el número de antenas transmisoras. El ejemplo más simple de una matriz de entrenamiento óptima es seleccionar como una matriz de identidad (escalada) del mismo tamaño que el número de antenas transmisoras.
Estimación MMSE
Si se conocen las distribuciones de canal y ruido, esta información a priori se puede aprovechar para disminuir el error de estimación. Este enfoque se conoce como estimación bayesiana y para los canales de desvanecimiento de Rayleigh explota que
El estimador MMSE es la contraparte bayesiana del estimador de mínimos cuadrados y se convierte en [2]
dónde denota el producto Kronecker y la matriz de identidadtiene la dimensión del número de antenas receptoras. La estimación del error cuadrático medio (MSE) es
y se minimiza mediante una matriz de entrenamiento que en general solo se puede derivar mediante optimización numérica. Pero existen soluciones heurísticas con buen desempeño basadas en el llenado de agua . A diferencia de la estimación de mínimos cuadrados, el error de estimación para canales espacialmente correlacionados se puede minimizar incluso sies menor que el número de antenas transmisoras. [2] Por lo tanto, la estimación MMSE puede disminuir el error de estimación y acortar la secuencia de entrenamiento requerida. Sin embargo, necesita adicionalmente el conocimiento de la matriz de correlación de canales. y matriz de correlación de ruido . En ausencia de un conocimiento preciso de estas matrices de correlación, es necesario tomar decisiones sólidas para evitar la degradación del MSE. [5] [6]
Estimación asistida por datos versus estimación ciega
En un enfoque asistido por datos, la estimación del canal se basa en algunos datos conocidos, que se conocen tanto en el transmisor como en el receptor , tales como secuencias de entrenamiento o datos piloto. [7] En un enfoque ciego, la estimación se basa únicamente en los datos recibidos, sin ninguna secuencia de transmisión conocida. La compensación es la precisión frente a los gastos generales. Un enfoque asistido por datos requiere más ancho de banda o tiene una sobrecarga más alta que un enfoque ciego, pero puede lograr una mejor precisión de estimación de canal que un estimador ciego.
Enlaces web
- Herramienta Atheros CSI
- Herramienta CSI de Linux 802.11n
Referencias
- ^ A. Tulino, A. Lozano, S. Verdú, Impacto de la correlación de antenas en la capacidad de canales de múltiples antenas , IEEE Transactions on Information Theory, vol 51, pp. 2491-2509, 2005.
- ^ a b c E. Björnson, B. Ottersten, Un marco para la estimación basada en el entrenamiento en canales MIMO de Rician correlacionados arbitrariamente con perturbación de Rician , Transacciones IEEE sobre procesamiento de señales, vol 58, págs.
- ^ J. Kermoal, L. Schumacher, KI Pedersen, P. Mogensen, F. Frederiksen, A estocástico MIMO de canal de radio modelo Con Experimental Validación archivado 2009-12-29 en la Wayback Machine , IEEE Journal on Selected Areas Communications, vol 20, págs. 1211-1226, 2002.
- ^ M. Biguesh y A. Gershman, Estimación de canal MIMO basada en entrenamiento: un estudio de compensaciones de estimador y señales de entrenamiento óptimas Archivado el 6 de marzo de 2009, en Wayback Machine , IEEE Transactions on Signal Processing, vol 54, pp. , 2006.
- ^ Y. Li, LJ Cimini y NR Sollenberger, Estimación de canal robusto para sistemas OFDM con canales de desvanecimiento dispersivo rápido , IEEE Transactions on Communications, vol 46, págs. 902-915, julio de 1998.
- ^ MD Nisar, W. Utschick y T. Hindelang, Estimación de canal 2-D máximamente robusta para sistemas OFDM , Transacciones IEEE sobre procesamiento de señales, vol 58, págs. 3163-3172, junio de 2010.
- ^ A. Zhuang, ES Lohan y M. Renfors, "Comparación de algoritmos dirigidos por decisiones y asistidos por piloto para la estimación de derivaciones de canales complejos en sistemas WCDMA de enlace descendente", en Proc. del 11º IEEE Comunicaciones de radio móviles personales y en interiores (PIMRC), vol. 2, septiembre de 2000, pág. 1121-1125.