认识LTE(八)：LTE中的反馈：闭环空分复用（TM4）

零.代码地址

https://github.com/liu-zongxi/LTE_simulation

请大家看完觉得有用别忘了点赞收藏，github项目给star哦

一.TM4到底反馈了什么？

这其实是很容易反馈的一个问题，反馈的就是CSI，CSI中包含三个东西CQI，PMI以及RI

这其中，CQI和RI是类似的东西，他反馈的本质上是SINR，CQI是根据SINR映射了MCS，这包括调制方式以及码率；RI就是根据SINR反馈了层数，信道条件不是很好就层数少一点。

PMI是比较特殊的，他反馈的是预编码矩阵，在MIMO中预编码矩阵的作用就是使得每个数据流之前的分别大一些，在TM3中，这使用的是CDD技术，它本质上是根据经验蒙的预编码矩阵，有了PMI，我们就可以根据信道反馈应该使用码本中的哪个矩阵。

二.CQI反馈

书中SINR的计算很暴力，跑起来会有突变，我也不知道咋解决。。。希望有大神能指点一二

function sinr=CQIselection(bits, equalized,  nS, prmLTEDLSCH, prmLTEPDSCH)
%#codegen
% 这是在接收机的操作
% 首先把原数据恢复到调制完成后的状态
tbCrcOut1 =CRCgenerator(bits);
% Channel coding includes - CB segmentation, turbo coding, rate matching,
% bit selection, CB concatenation - per codeword
data = lteTbChannelCoding(tbCrcOut1, nS, prmLTEDLSCH, prmLTEPDSCH);
%Scramble codeword
scramOut = lteScramble(data, nS, 0, prmLTEPDSCH.maxG);
% Modulate
modOut = Modulator(scramOut, prmLTEPDSCH.modType);
% Map modulated symbols  to layers
LayerMapOut = LayerMapper(modOut, [], prmLTEPDSCH);
% Compute post-detection error
error=LayerMapOut-equalized;
% SINR，这是一个近似，并不是真正的信干燥比
sinr=10*log10(var(modOut(:))./var(error(:)));

function [Ms, Cr]=CQI2indexMCS(sinr)
%#codegen
% Table of SINR threshold values, 15 boundary points for an unbounded quantizer
% SINR的标准点，也就是说LTE给出了这些SINR下的码率和调制方式
thresh=[-6.7,-4.7,-2.3,0.2,2.4,4.3,5.9,8.1,10.3,11.7,14.1,16.3,18.7,21,22.7];
% Table of coding rate (16 value)
Map2CodingRate=[0.076, 0.076, 0.117, 0.188, 0.301, 0.438, 0.588, 0.369, 0.479,...
0.602, 0.455, 0.554, 0.650, 0.754, 0.853, 0.926];
% Table of modulation type (1=QPSK, 2=QAM16, 3=QAM64)
Map2Modulator=[1*ones(7,1);2*ones(3,1);3*ones(6,1)];
persistent hQ
if isempty(hQ)hQ=dsp.ScalarQuantizerEncoder(...'Partitioning', 'Unbounded',...'BoundaryPoints',  thresh,...'OutputIndexDataType','uint8');
end
indexCQI=step(hQ, sinr);
index1=indexCQI+1;                   % 1-based indexing
% Map CQI index to modulation type
Ms = Map2Modulator (index1);
% Map CQI index to coding rate
Cr = Map2CodingRate (index1);
if Cr < 1/3, Cr=1/3;end

二.PMI

我个人认为本书中的PMI反馈是存在严重错误的！但是我并没能成功的修正他，本书PMI反馈主要参考的是ICC这篇Link Adaptation in Linearly Precoded Closed-Loop MIMO-OFDM Systems with Linear Receivers，其中SINR是这样计算的

首先这个公式就让我匪夷所思，矩阵怎么做除法呢？

matlab中的实现更是让人匪夷所思

function Gamma = Sinr_MMSE(chEst, nVar, Wn)
%#codegen
% SINR computation:
%   Based on received channel estimates
% Per layer noise variance 
% Precoder matrix 
% Uses the MMSE detector.
% Get params
% persistent Gmean
% if isempty(Gmean), Gmean=dsp.Mean('RunningMean', true);end
persistent Gmean;
if isempty(Gmean), Gmean = dsp.MovingAverage;end
% noisFac = diag(nVar);
noisFac = diag(nVar);
numData = size(chEst, 1);
numLayers = size(Wn,1);
F = inv(Wn);
%% MMSE receiver
for n = 1:numDatah = chEst(n, :, :);                         % numTx x numRxh = reshape(h(:), numLayers, numLayers).';  % numRx x numTxHt= inv((F'*(h'*h)*F) + noisFac);% Post-detection SINR% g=real((1./(diag(Ht).*(nVar.')))-1);g=real((1./(diag(Ht).*(nVar.')))-1);% Gamma = mean(g)% Gamma=step(Gmean,g);Gamma = step(Gmean,g);
end
reset(Gmean);

这明显是不对的！我自己尝试修改也没能解决这个问题，BER完全没有下降，所以这里就不献丑了。。。希望有大神指点！

三.RI

本书中RI是用cond估计了信道状况，然后平均下来和阈值进行比较，非常简单就不详述了

function y = RIestimate(Q)
%#codegen
y=cond(Q);
% x=abs(eig(Q));
% y=max(x)/min(x);

function y=RIselection(Ri, threshold)
% RI estimation
if Ri > thresholdy = 4;
elsey=2;
end

function [y, ri] = MIMOReceiver_ZF_ri(in, chEst, Wn)
%#codegen
% MIMO Receiver:
%   Based on received channel estimates, process the data elements
%   to equalize the MIMO channel. Uses the ZF detector.
% Get params
numData = size(in, 1);
y = complex(zeros(size(in)));
ri=zeros(numData,1);
iWn = inv(Wn);
%% ZF receiver
for n = 1:numDatah = squeeze(chEst(n, :, :)); % numTx x numRxh = h.';                     % numRx x numTxri(n) = RIestimate(h);Q = inv(h);x = Q * in(n, :).';%#oktmp = iWn * x; %#oky(n, :) = tmp.';
end

四.总结

总的来说，这张的仿真是非常失败的。。。。跑出来的结果都不对，后面用到别的仿真系统再做尝试吧。。。