張 強(qiáng),閆 斌,楊 蔚,周 輝
(1.電子科技大學(xué) 自動(dòng)化工程學(xué)院,四川 成都 611731;2.四川省電力公司,四川 成都 610000)
?
基于預(yù)測(cè)的混和自動(dòng)重傳請(qǐng)求算法* 1
張強(qiáng)1,閆斌1,楊蔚2,周輝2
(1.電子科技大學(xué) 自動(dòng)化工程學(xué)院,四川 成都 611731;2.四川省電力公司,四川 成都 610000)
摘要:為了解決無(wú)線傳輸過(guò)程中無(wú)線信道易受多徑效應(yīng)、抖動(dòng)效應(yīng)、衰落等因素的影響而使傳輸?shù)挠行院涂煽啃缘貌坏奖U系膯?wèn)題,提出了一種基于預(yù)測(cè)的混和自動(dòng)重傳請(qǐng)求算法。利用隱馬爾科夫模型預(yù)測(cè)傳輸過(guò)程中下一時(shí)刻的丟包率,根據(jù)不同時(shí)刻丟包率狀態(tài)的比值關(guān)系動(dòng)態(tài)調(diào)節(jié)里德-索洛蒙(Reed-Solomon)碼的監(jiān)督元數(shù)量。仿真結(jié)果表明,該算法與傳統(tǒng)Ⅰ型混和自動(dòng)重傳請(qǐng)求(HARQ)算法和Ⅱ型混和自動(dòng)重傳請(qǐng)求(HARQ)算法相比,能夠明顯減少重傳次數(shù),降低誤碼率,通信可靠性明顯提高。
關(guān)鍵詞:無(wú)線傳輸;混和自動(dòng)重傳請(qǐng)求算法;隱馬爾科夫模型;預(yù)測(cè)
0引言
無(wú)線通信環(huán)境中,無(wú)線信道常常受到噪聲、多徑效應(yīng)、信號(hào)衰減等因素的影響,使得傳輸誤碼率較高,從而影響數(shù)據(jù)傳輸質(zhì)量。因此,無(wú)線傳輸系統(tǒng)中采用差錯(cuò)控制技術(shù)具有重要意義。
差錯(cuò)控制的方式分為三類:前向糾錯(cuò)(FEC,ForwardErrorCorrection)、檢錯(cuò)重傳(ARQ,AutomaticRepeatreQuest)、 混合自動(dòng)重傳請(qǐng)求(HARQ,HybridAutomaticRepeatRequest)。前向糾錯(cuò)(FEC)方式是發(fā)送端編碼器通過(guò)加入冗余信息的方式將所發(fā)信息編碼成糾錯(cuò)碼[1],在接收端,若譯碼器有能力糾正接收到錯(cuò)誤信息,則譯碼器自動(dòng)對(duì)接收到的信息進(jìn)行糾正。前向糾錯(cuò)無(wú)需將譯碼結(jié)果反饋給發(fā)送端,傳輸延遲小,但由于接收端無(wú)法完全糾正錯(cuò)誤時(shí)不能反饋,所以其傳輸可靠性得不到保障,且由于糾錯(cuò)碼冗余量恒定,無(wú)法適應(yīng)時(shí)刻變化的信道。檢錯(cuò)重傳(ARQ)是發(fā)送端編碼器將信息編碼成可檢錯(cuò)的碼,根據(jù)接收的信息是否有錯(cuò)誤向發(fā)送端發(fā)送反饋信號(hào)。若反饋否定信號(hào),則將該信息重新發(fā)送;反之,則發(fā)送下一組信息。檢錯(cuò)重傳方式發(fā)送的檢錯(cuò)碼只需少許多余碼元就可以使信息可靠傳輸,并且能夠適應(yīng)變化的信道,但由于反饋信道的存在,其傳輸延遲有所增大。Wozencraft在文獻(xiàn)[2]中將FEC和ARQ相結(jié)合,闡述了HARQ的基本原理,首次提出HARQ算法,此算法被稱為Ⅰ型HARQ。之后,Lin和Yu在1982年在文獻(xiàn)[3]中提出了對(duì)Ⅰ型HARQ算法的改進(jìn),采用增量冗余的方式傳輸,被稱為Ⅱ型HARQ。HARQ是FEC和ARQ的結(jié)合,信息塊經(jīng)過(guò)無(wú)線信道到達(dá)接收端后,如果信息塊的錯(cuò)誤數(shù)量在糾錯(cuò)碼糾錯(cuò)范圍內(nèi),則接收端譯碼器對(duì)其進(jìn)行糾錯(cuò);如果糾錯(cuò)碼的糾錯(cuò)能力不足以糾正信息塊中的錯(cuò)誤,則通過(guò)反饋信號(hào)請(qǐng)求發(fā)送端重傳此信息塊。HARQ結(jié)合了ARQ和FEC的優(yōu)點(diǎn),在一定程度上減少了時(shí)延,提高了帶寬利用率。但由于無(wú)線信道不穩(wěn)定,隨時(shí)都有可能變化,產(chǎn)生突發(fā)錯(cuò)誤。
Gilbert在文獻(xiàn)[4]中首次提出利用兩狀態(tài)的隱馬爾科夫模型(HMM,hiddenMarkovmodel)對(duì)無(wú)線信道進(jìn)行建模。目前,常用兩狀態(tài)的HMM即Gilbert模型作為無(wú)線傳輸包錯(cuò)誤的模型[5]。但Gilbert模型不能精確的表示變化劇烈的信道特性。文獻(xiàn)[6]利用三狀態(tài)的HMM預(yù)測(cè)短波信道可用性,并根據(jù)預(yù)測(cè)結(jié)果選擇接入信道,增大了信道利用時(shí)長(zhǎng),同時(shí)減少了切換率。Duarte在文獻(xiàn)[7]中,利用HMM提出了一種自適應(yīng)FEC算法,可以根據(jù)HMM的預(yù)測(cè)結(jié)果選擇不同的FEC方案。文獻(xiàn)[8]對(duì)HARQ系統(tǒng)中的自適應(yīng)編碼調(diào)制技術(shù)進(jìn)行了研究,提出了HARQ和AMC相結(jié)合的跨層自適應(yīng)傳輸方案。Fernando在文獻(xiàn)[9]中提出利用Gilbert模型預(yù)測(cè)丟包率,并根據(jù)丟包率動(dòng)態(tài)調(diào)節(jié)FEC參數(shù)。實(shí)驗(yàn)結(jié)果表明,預(yù)測(cè)模塊對(duì)傳輸質(zhì)量的提升起著重要作用。文獻(xiàn)[10]在LDPC碼的基礎(chǔ)上提出了針對(duì)DSRC系統(tǒng)中IEEE802.11p協(xié)議的AMC和HARQ相結(jié)合的跨層設(shè)計(jì),提高了頻譜效率和吞吐量。文獻(xiàn)[11]研究了基于分組碼(STBC)的MIMO-HARQ系統(tǒng),文章指出存在兩類可快速解碼的MIMO-HARQ系統(tǒng):獨(dú)立類型和依賴STBC結(jié)構(gòu)類型。對(duì)于獨(dú)立類型,提出了固定的和基于閾值的自適應(yīng)方法。對(duì)于依賴STBC結(jié)構(gòu)類,提出了針對(duì)HARQ算法的低計(jì)算復(fù)雜度的快速解碼算法。
為了進(jìn)一步增加無(wú)線傳輸過(guò)程中的效率及其可靠性,提出了一種基于預(yù)測(cè)的HARQ算法,利用HMM預(yù)測(cè)傳輸過(guò)程中下一時(shí)刻的丟包率,根據(jù)不同時(shí)刻丟包率狀態(tài)的比值關(guān)系動(dòng)態(tài)調(diào)節(jié)RS碼的監(jiān)督元數(shù)量。當(dāng)下一時(shí)刻丟包率所對(duì)應(yīng)的觀測(cè)符號(hào)增大,則RS碼監(jiān)督元數(shù)隨之增大,反之RS碼監(jiān)督元數(shù)量減小或不變。如果調(diào)整后的RS碼依然不能使譯碼器糾正所有錯(cuò)誤,則進(jìn)一步增大監(jiān)督元數(shù)量重新傳輸。
1無(wú)線信道丟包率預(yù)測(cè)模型
1.1隱Markov模型(HMM)
隱Markov模型(HMM)為Markov模型的擴(kuò)展。HMM的狀態(tài)是隱藏的,每個(gè)隱藏狀態(tài)會(huì)按照一定概率產(chǎn)生觀測(cè)符號(hào)。所以,隱含狀態(tài)可以通過(guò)觀測(cè)符號(hào)來(lái)反映。
一個(gè)HMM可由以下五個(gè)元素來(lái)表示:
1)隱含狀態(tài)S。隱含狀態(tài)是不可見(jiàn)的,某些情況下無(wú)實(shí)際的物理意義,但在大多數(shù)實(shí)際應(yīng)用中,是有確切的物理意義的。隱含狀態(tài)集合可以表示為S={S1,S2,…,SN},t時(shí)刻的狀態(tài)表示為qt。
2)隱含狀態(tài)所對(duì)應(yīng)的觀測(cè)序列O。觀測(cè)序列集合可表示為O={O1,O2,…,OM}。
3)狀態(tài)轉(zhuǎn)移矩陣A={aij}N×N。其中,aij=p{qt+1=Sj|qt=Si},1≤i,j≤N,即從狀態(tài)i轉(zhuǎn)換到狀態(tài)j的概率。
4)觀測(cè)符號(hào)概率分布矩陣B={bjk}N×M。其中,bjk={Ok|qt=Sj},1≤j≤N,1≤k≤M。表示狀態(tài)為Sj時(shí)產(chǎn)生觀測(cè)狀態(tài)為k的概率。
5)初始狀態(tài)分布π={πi}。其中,πi=p{q1=Si},1≤i≤N。
一個(gè)HMM模型可由集合λ={A,B,π}確定。
1.2隱Markov模型對(duì)丟包率的預(yù)測(cè)
采用六狀態(tài)的HMM,根據(jù)信噪比SNR劃分,隱含狀態(tài)與SNR的對(duì)應(yīng)關(guān)系如表1所示。
表1 隱含狀態(tài)與SNR對(duì)應(yīng)關(guān)系
觀測(cè)序列O={O1,O2,…,O15,O16}根據(jù)每秒的丟包率劃分,劃分標(biāo)準(zhǔn):[0%,1%)為O1,[1%,2%)為O2,…,[14%,15%)為O15,[15%,100%]為O16。
狀態(tài)轉(zhuǎn)移矩陣A和觀測(cè)符號(hào)概率分布矩陣B可由Baum-Welch算法得到。首先通過(guò)初始化樣本得到初始時(shí)刻隱含狀態(tài)概率分布π={p{q1=Si}},1≤i≤6。
定義前向變量:
αt(i)=p(O1O2…Ot,qt=Si|λ)
(1)
為給定模型λ及t時(shí)刻狀態(tài)Si,從開(kāi)始到t時(shí)刻觀測(cè)序列為O1,O2,…,Ot的概率。
定義后向變量:
βt(i)=p{Ot+1Ot+2…OT|qt=Si,λ}
(2)
為給定模型λ及t時(shí)刻狀態(tài)Si,從t+1時(shí)刻到最后時(shí)刻觀測(cè)序列為Ot+1,Ot+2,…,OT的概率。
給定觀測(cè)序列和模型λ,t時(shí)刻狀態(tài)為Si,t+1時(shí)刻狀態(tài)為Sj的概率為:
ξt(i,j)=p{qt=Si,qt+1=Sj|O,λ}
(3)
由前向變量和后向變量可得:
(4)
于是,
(5)
在時(shí)間上對(duì)rt(i)求和,得到由狀態(tài)Si轉(zhuǎn)換的數(shù)學(xué)期望。類似的,在時(shí)間上對(duì)ξt(i,j)求和,可得從狀態(tài)Si轉(zhuǎn)換到狀態(tài)Sj的數(shù)學(xué)期望。于是,得到λ={A,B,π}的重新估計(jì)值:
(6)
(7)
(8)
根據(jù)以上步驟,反復(fù)的進(jìn)行重新估計(jì),直到觀測(cè)值的概率達(dá)到閾值,則得到HMM模型的最佳參數(shù)。通過(guò)Viterbi算法,可以得到一個(gè)與給定觀測(cè)序列O={O1,O2,…,OT}的最佳匹配狀態(tài)序列Q={q1,q2,…,qT}。則下一時(shí)刻隱含狀態(tài)為:
qT+1=argmax(aqTj),1≤j≤6
(9)
于是,下一時(shí)刻所對(duì)應(yīng)的觀測(cè)符號(hào)為:
OT+1=argmax(bqT+1k),1≤k≤16
(10)
2基于預(yù)測(cè)的混和自動(dòng)重傳請(qǐng)求算法
丟包率為信道狀態(tài)的一種反應(yīng),丟包率的變化意味著信道狀態(tài)的變化,同時(shí)誤碼率也會(huì)隨信道狀態(tài)的變化而變化。所以,誤碼率與丟包率存在正相關(guān)關(guān)系?;陬A(yù)測(cè)的HARQ算法利用隱馬爾科夫模型預(yù)測(cè)傳輸過(guò)程中下一時(shí)刻的丟包率,根據(jù)不同時(shí)刻丟包率所對(duì)應(yīng)觀測(cè)符號(hào)的比值動(dòng)態(tài)調(diào)節(jié)監(jiān)督元數(shù)量。RS碼編譯碼簡(jiǎn)單,且給定碼長(zhǎng)n和糾錯(cuò)能力m時(shí),能直接確定一個(gè)RS碼,適合預(yù)先設(shè)定碼的糾錯(cuò)能力。對(duì)于RS碼,2m個(gè)監(jiān)督元,可以糾正m個(gè)錯(cuò)誤。
第t秒與第t+1秒觀測(cè)符號(hào)比值為:
(11)
式中,t秒時(shí)RS碼監(jiān)督元數(shù)量為ut,則t+1秒時(shí)RS碼監(jiān)督元數(shù)量為:
ut+1=Int(ut×dt,t+1)+1
(12)
式中,Int()表示向下取整運(yùn)算。設(shè)定最大及最小監(jiān)督元數(shù)目,如果ut+1超過(guò)最大監(jiān)督元數(shù)目,則以最大監(jiān)督元數(shù)目作為編碼方案,如果ut+1小于最小監(jiān)督元數(shù)目則以最小監(jiān)督元數(shù)目作為編碼方案。
同時(shí),設(shè)定最大傳輸次數(shù),若接收端譯碼失敗,則由反饋信道傳輸否定信號(hào),編碼器下一次傳輸則增加一定量的監(jiān)督元數(shù)目。此時(shí),如果監(jiān)督元數(shù)量超過(guò)上限,則采用最大監(jiān)督元數(shù)目方案。
基于預(yù)測(cè)的HARQ算法具體步驟如下:
1)根據(jù)初始樣本初始化HMM參數(shù)A、B、π。
2)通過(guò)Viterbi算法根據(jù)已知的觀測(cè)序列計(jì)算出隱含狀態(tài)序列。
3)根據(jù)式(9)得到下一個(gè)隱含狀態(tài)。
4)根據(jù)式(10)得到下一狀態(tài)所對(duì)應(yīng)的觀測(cè)符號(hào)。
5)通過(guò)式(11)和式(12)得到下一秒RS編碼所需的監(jiān)督元數(shù)量,確定編碼方案。如果監(jiān)督元數(shù)量達(dá)到上限,則以最大冗余量作為編碼方案;如果監(jiān)督元數(shù)量低于下限,則以最小冗余量作為編碼方案。
6)判斷譯碼是否成功,如果不成功且傳輸次數(shù)小于最大傳輸次數(shù),則增加冗余量后再次傳輸。如果冗余量高于上限或低于下限,則以最大監(jiān)督元數(shù)或最小監(jiān)督元數(shù)為編碼方案。
7)經(jīng)過(guò)一段時(shí)間τ,利用Baum-Welch算法重新估計(jì)HMM參數(shù)A、B、π。
此算法計(jì)算代價(jià)主要集中在利用Baum-Welch算法重新估計(jì)HMM參數(shù)。文獻(xiàn)[12]對(duì)Baum-Welch算法復(fù)雜度進(jìn)行了詳細(xì)敘述,利用Baum-Welch算法進(jìn)行參數(shù)估計(jì)的每次迭代運(yùn)算復(fù)雜度為O(N2T),其中,N為HMM隱含狀態(tài)數(shù)量,T為樣本數(shù)量。其計(jì)算復(fù)雜度會(huì)隨著隱含狀態(tài)數(shù)量的增多而迅速增大。
3實(shí)驗(yàn)結(jié)果與分析
利用MATLAB仿真工具對(duì)該算法進(jìn)行仿真,并與Ⅰ型HARQ算法和Ⅱ型HARQ算法進(jìn)行比較。以前20s觀測(cè)序列作為初始樣本對(duì)HMM模型進(jìn)行訓(xùn)練得到其參數(shù)λ={A,B,π}。RS碼碼長(zhǎng)設(shè)置為n=26-1=63,由63個(gè)碼字組成,每個(gè)碼字含6比特?cái)?shù)據(jù),每個(gè)碼組有378比特。設(shè)定RS碼冗余度最高為(63,11)編碼方案,最低為(63,51)編碼方案。最大傳輸次數(shù)為5,當(dāng)接收端譯碼失敗,則由反饋信道傳輸否定信號(hào),編碼器下一次傳輸則增加10個(gè)監(jiān)督碼元,如果監(jiān)督碼元數(shù)量超過(guò)51則保持(63,11)碼不變。每隔1s統(tǒng)計(jì)一次丟包率并計(jì)算出相對(duì)應(yīng)的觀測(cè)符號(hào),每隔3min利用Baum-Welch算法重新估計(jì)HMM參數(shù)。
對(duì)于Ⅰ型HARQ算法,RS碼始終采用(63,31)編碼方案,即每個(gè)碼組中存在32個(gè)監(jiān)督元,可以糾正16個(gè)錯(cuò)誤碼字。最大傳輸次數(shù)為5次且每次重傳監(jiān)督元數(shù)量不變。對(duì)于Ⅱ型HARQ算法,RS編碼采用增量冗余的傳輸方案。每次重傳監(jiān)督元都進(jìn)一步增多,直到成功譯碼或傳輸次數(shù)超過(guò)5次。
采用改進(jìn)HARQ算法與Ⅰ型HARQ算法、Ⅱ型HARQ算法進(jìn)行傳輸?shù)恼`碼率仿真對(duì)比圖如圖1所示。從圖中可以看出改進(jìn)的HARQ算法能夠使誤碼率急劇下降,在4dB時(shí)能使誤碼率降為0;Ⅱ型HARQ算法可以變更RS碼的碼率,其誤碼率降低速度優(yōu)于Ⅰ型HARQ算法,但相對(duì)于改進(jìn)的HARQ算法較差;Ⅰ型HARQ算法,不可變更RS碼碼率,在降低誤碼率方面效果最差。
圖1 改進(jìn)HARQ算法與Ⅰ型HARQ算法、
三種算法傳輸過(guò)程中對(duì)于傳輸次數(shù)的仿真如圖2所示。在信噪比較低時(shí),誤碼較多,采用冗余度最高編碼方案也無(wú)法完全糾正錯(cuò)誤,所以SNR在3dB之前傳輸次數(shù)為最大傳輸次數(shù)。在此之后,改進(jìn)的HARQ算法由于可以通過(guò)預(yù)測(cè)在傳輸之前確定合適的RS碼率策略,所以傳輸次數(shù)迅速降為1次。Ⅰ型HARQ算法始終采用(63,31)編碼方案,而Ⅱ型HARQ算法第一次傳輸采用較少監(jiān)督元的方案,隨著重傳次數(shù)的增加接收端碼率逐漸降低。所以,Ⅰ型HARQ算法傳輸次數(shù)略少于Ⅱ型HARQ算法。
圖2 改進(jìn)HARQ算法與Ⅰ型HARQ算法、
定義吞吐量為正確接收的信息比特?cái)?shù)除以為了正確傳輸這些信息而發(fā)送的所有比特?cái)?shù)[13]。改進(jìn)的HARQ算法與Ⅰ型HARQ算法、Ⅱ型HARQ算法傳輸過(guò)程中吞吐量仿真對(duì)比圖如圖3所示。從圖3可以看出,改進(jìn)的HARQ算法可以使吞吐量迅速上升,而采用Ⅰ型HARQ算法和Ⅱ型HARQ算法時(shí),吞吐量上升較為緩慢。然而,對(duì)于改進(jìn)的HARQ算法來(lái)說(shuō),信道狀況較好時(shí)的觀測(cè)符號(hào)1所對(duì)應(yīng)的丟包率為[0%,1%),所以在觀測(cè)符號(hào)為1時(shí),所采用的RS編碼方案為可以解決狀態(tài)1最壞情況的編碼方案,即丟包率為1%時(shí)的方案。所以,在信噪比很高的情況下,改進(jìn)的HARQ算法吞吐量略低于第一次傳輸監(jiān)督元較少的Ⅱ型HARQ算法。Ⅰ型HARQ算法始終采用編碼方案(63,31),所以其吞吐量最大為31/63。
圖3 改進(jìn)HARQ算法與Ⅰ型HARQ算法、
改進(jìn)的HARQ算法與Ⅰ型HARQ算法、Ⅱ型HARQ算法傳輸過(guò)程中單位時(shí)間內(nèi)有效比特?cái)?shù)仿真對(duì)比圖如圖4所示。
圖4 改進(jìn)HARQ算法與Ⅰ型HARQ算法、
從圖4中可以看出,改進(jìn)的HARQ算法有效比特?cái)?shù)上升較快,而傳統(tǒng)HARQ算法有效比特?cái)?shù)上升緩慢。由于改進(jìn)的HARQ算法吞吐量小于Ⅱ型HARQ算法,所以在信噪比較高傳輸次數(shù)為1時(shí),其有效比特?cái)?shù)略小于Ⅱ型HARQ算法。值得提出的是,代碼編寫(xiě)方式以及仿真計(jì)算機(jī)硬件的不同會(huì)造成傳輸有效比特?cái)?shù)的差異。
4結(jié)語(yǔ)
針對(duì)無(wú)線信道易受外界干擾而使傳輸質(zhì)量得不到保障的問(wèn)題,本文提出了一種基于HMM預(yù)測(cè)的HARQ算法。利用HMM預(yù)測(cè)傳輸過(guò)程中的丟包率,并通過(guò)丟包率狀態(tài)的比值關(guān)系確定下一時(shí)刻所采用的RS編碼方案。仿真實(shí)驗(yàn)表明,通過(guò)自適應(yīng)調(diào)節(jié)RS編碼冗余量,能夠使接收信息擁有較低的誤碼率,信道SNR在4dB時(shí)誤碼率即可降為0,提高了無(wú)線傳輸系統(tǒng)的傳輸可靠性。并且,能夠使傳輸次數(shù)迅速降為1次,隨著重傳次數(shù)的減少,傳輸效率隨之增高。同時(shí),吞吐量上升速度也迅速增高。對(duì)于該算法的進(jìn)一步研究,可以從丟包率狀態(tài)劃分入手,更精細(xì)的丟包率狀態(tài)劃分可以得到更高的最大吞吐量。
參考文獻(xiàn):
[1]趙琦,劉榮科.編碼理論[M].北京:北京航空航天大學(xué)出版社,2009.
ZHAOQi,LIURong-ke.CodingTheory[M].Beijing:BeihangUniversityPress,2009.
[2]Wozencraft,JohnM,Horstein,Michael.CodingforTwo-WayChannels[D].MassachusettsInstituteofTechnology,ResearchLaboratoryofElectronics.1961.
[3]LINS,YUPS.AHybridARQSchemewithParityRetransmissionforErrorControlofSatelliteChannels[J].Communications,IEEETransactionsoncommunications,1982,30(7):1701-1719.
[4]GilbertEN.CapacityofaBurst-NoiseChannel.BellSystemTechnicalJournal[J].1960,Vol.39(5):1253-1265.
[5]張珍明.無(wú)線視頻傳輸關(guān)鍵技術(shù)研究[D].武漢:華中科技大學(xué),2006.
ZHANGZhen-ming.KeyTechnologyofVideoTransmissionoverWirelessChannel[D].Wuhan:HuazhongUniversityofScienceandTechnology,2006.
[6]林剛,程云鵬,江漢.一種基于HMM預(yù)測(cè)的短波信道接入方法[J].通信技術(shù),48(12):1377-1383.
LINGang,CHENGYun-peng,HANJiang.AShortwaveChannelAccessMethodbasedonHMMPrediction[J].CommunicationsTechnology,48(12):1377-1383
[7]DuarteFP,EAdeSouzaeSilva,DonTowsley.AnAdaptiveFECAlgorithmusingHiddenMarkovChains[J].ACMSIGMETRICSPerformanceEvaluationReview.2003.vol.31(2):11-13
[8]李長(zhǎng)春.自適應(yīng)傳輸關(guān)鍵技術(shù)與研究應(yīng)用[D].濟(jì)南:山東大學(xué),2011.
LIChang-chun.ResearchonKeyTechnologiesandApplicationsofAdapativeTransmission.Jinan:ShandongUniversity,2011.
[9]FernandoS,Edmundo.PredictingPacketLossStatisticswithHiddenMarkovModelsforFECControl[J].ComputerNetworks.2012,vol.56(2):628-641.
[10]ZHANGGao-yuan,SUNLi-min,WENHong,WUBin,ZHUXi-ping,ZHOULiang-huang,LIUSheng.ACross-LayerDesignCombiningofAMCwithHARQforDSRCSystems[J].InternationalJournalofDistributedSensorNetworks,2013,Vol.15(4):2122-2122.
[11]HosseiniSS,AboueiJ,UysalM.Fast-DecodableMIMOHARQSystems[J].IEEETransactionsonWirelessCommunications,2015,Vol.14(5):2827-2840.
[12]RabinerLR.ATutorialonHiddenMarkovModelsandSelectedApplicationsinSpeechRecognition[J].ProceedingsoftheIEEE,1989,Vol.77(2):257-286.
[13]姜維.混合自動(dòng)請(qǐng)求重傳技術(shù)的性能研究[D].濟(jì)南:山東大學(xué),2008.
WEIJiang.HARQTechnologythePerformanceStudy[D].Jinan:ShandongUniversity,2008.
AHybridAutomaticRepeatRequestAlgorithmbasedonPrediction
ZHANGQiang1,YANBin1,YANGWei2,ZHOUHui2
(1.SchoolofAutomationEngineering,UniversityofElectronicScienceandTechnologyofChina,ChengduSichuan611731,China;2.SichuanElectricPowerCompany,ChengduSichuan610000,China)
Abstract:In order to solve the problem of transmission validity and reliability with the influence factors including multipath effect,jitter effect and fading,a hybrid automatic repeat request algorithm based on prediction is proposed.By using the hidden Markov model to predict the packet-loss rate of the next time during the transfer process,and in accordance with the ratio of packet-loss rate at different times,the redundancy in Reed-Solomon codes is tuned.Simulation results indicate that compared with the traditional type-Ⅰhybrid automatic repeat request algorithm and the type-Ⅱhybrid automatic repeat request algorithm,the proposed algorithm could significantly reduce the number of retransmission times,and the bit error rate,and remarkably raise the communication reliability.Key words:wireless transmission;hybrid automatic repeat request algorithm;hidden Markov model;predicting
doi:10.3969/j.issn.1002-0802.2016.05.007
* 收稿日期:2015-12-20;修回日期:2016-04-05Received date:2015-12-20;Revised date:2016-04-05
中圖分類號(hào):TP301.6
文獻(xiàn)標(biāo)志碼:A
文章編號(hào):1002-0802(2016)05-0544-05
作者簡(jiǎn)介:
張強(qiáng)(1990—),男,碩士研究生,主要研究方向?yàn)闊o(wú)線傳輸;
閆斌(1974—),男,博士,講師,主要研究方向?yàn)闊o(wú)線傳感器網(wǎng)絡(luò);
楊蔚(1978—),男,學(xué)士,工程師,主要研究方向?yàn)槲锫?lián)網(wǎng)技術(shù)與智能電網(wǎng)應(yīng)用;
周輝(1985—),男,學(xué)士,助理工程師,主要研究方向?yàn)槲锫?lián)網(wǎng)技術(shù)與智能電網(wǎng)應(yīng)用。