下一代无线局域网(WLAN" class="cblue" href="//www.ninimall.com/www/tags/WLAN" target="_blank">WLAN)协议IEEE 802.11n中将MIMO技术加到其标准中，其使用的MIMO技术主要包括：空时编码(STBC)、空间复用(SM)、波束成形(beamforming)。与传统的单天线通信系统相比，IEEE 802.11n通过这些技术来增加传输的可靠性，提高系统吞吐率。WLAN室内无线MIMO信道根据实际室内信道情况，提出了六种信道场景A到F，每种场景对应着不同的多径条数、功率时延谱(PDP)、角度扩展(AS)、角度功率谱(PAS)等参数配置，由多普勒效应引起WLAN MIMO信道的时变性表现为慢变信道[1-7]。
　信道时变性会造成链路性能的下降，链路的数据吞吐率和频谱利用率都会下降。链路自适应技术能够充分利用信道的变化，通过改变调制方式和编码码率带来更高的频谱利用率和提高数据吞吐率，而有效的检测信道状况的方法及如何调整调制和编码方式对于改善链路性能至关重要。
　本文在IEEE 802.11n的MIMO信道模型基础上,对WLAN系统模型的SISO模式的链路性能进行研究,采用了一种利用长训练序列估计SNR方法,并提出一种通过估计SNR动态调整MCS方法，在系统仿真中验证了链路性能改进的效果。
1 时变信道下WLAN系统链路性能及分析
　下面通过802.11n MIMO系统模型来研究时变信道的BER性能，将天线设置为SISO的配置,主要讨论信道场景A和B。在用户端(UE)和基站(Node B)的天线数目分别为1，发射天线之间的归一化距离为1个波长，接收天线之间的归一化距离为0.5个波长，链路方向为下行，载波频率为5.25 GHz，移动速度为1.2 km/h，对模型A和B传播环境下的信道进行仿真，得到信道矩阵H的时域衰落特性曲线图,如图1所示。其中信道A只有1条径，信道B有9条径。

在WLAN应用时，站点及周边环境的运动所造成的信道冲激响应变化很慢，信道的相关时间较大，可认为WLAN的信道属于慢变信道，在发送一帧数据时信道矩阵系数保持不变，连续数帧的数据发送时信道矩阵也近似不变或变化很小。
　考虑外界噪声干扰为固定功率,设信号功率为1,通过信噪比定义得到的功率即是所加的固定功率，这里信噪比与噪声功率一一对应，直接用SNRfix来表示所加的噪声功率。
在信道场景A下,设置MCS为3和5、噪声功率SNRfix=12、帧长500 B时连续发送3 000帧得到的BER随时间变化,如图2。

如图2所示，在时间轴上，由于信道矩阵H的时间衰落特性导致BER会随着时间的增加呈现时变的特性，在信道矩阵衰落较大的时间点，BER较高，在信道矩阵衰落不大的地方，BER较低，BER随时间变化的规律曲线与信道矩阵随时间变换规律相一致。在时变信道下，采用固定MCS方式传输数据的链路性能较差。图2(a)的MCS较小，中间有大量BER为0的时间点，可以采用更大的MCS在保证性能的前提下提高数据的传输率，增加数据吞吐率。图2(b)的MCS较大，BER一直很大，数据的传输可靠性很低，需要转换为更小的MCS以提高数据传输可靠性。
　在信道场景B下,设置MCS为3和5、噪声功率(SNRfix=16)、帧长为500 B时连续发送3 000帧得到的BER随时间变化如图3，可以得到类似的结论。

2 基于长训练序列的SNR估计
　通过以上的仿真可知，在WLAN时变信道中，由于信道矩阵H的时变特性，会引起BER时间上相一致的变化特性。本文通过长训练序列相关运算估计的SNR值来表征信道质量变化，其方法可参照文献[8]。
图4中是采用WLAN长训练序列SNR估计性能，取的长训练序列是10组。图4(a)中是SNR估计的均方误差，图4(b)中是SNR估计的平均值，可见，当参与运算的点数较大时，可以很准确估计SNR值。多普勒频移造成信道矩阵的时变特性在图4中很好的体现出来。

　图5是采用长训练序列估计SNR方法在时变信道下得到的SNR随时间变化图。图5(a)和(b)分别是在信道场景A时MCS为4和5得到的SNR估计值随时间的变化图，在信道矩阵衰落较大的时间点得到的SNR估计值较大；在信道矩阵系数衰落较小的时间点得到的SNR估计值较小。通过SNR值可以衡量信道质量的好坏。
3 基于SNR的动态调整MCS方法及验证
3.1 基于SNR的动态调整MCS方法
　为了提高时变信道下链路的性能，在实际中需要选择适宜的MCS以达到数据吞吐率和可靠性之间的折衷。调整MCS要解决两个问题：MCS大小和调整时机。
　设定BER性能的阈值,系统需要满足BER≤BERth,同时设定另外两个数值：NUM_HIGH_BER和NUM_LOW_BER，分别表示BER连续高于和低于的次数。当BER连续高于BERth的系数达到NUM_HIGH_BER，表明需要调整MCS到更小，以提高传输数据可靠性,当BER连续低于BERth的系数达到NUM_LOW_BER,表明要调整MCS到大，以在保证可靠性下提高数据传输率，NUM_HIGH_BER和NUM_LOW_BER将影响MCS调整的快慢,若太小则MCS调整会频繁操作，若太大则会降低信道传输的有效性，需要合理地选择这两个数值的大小。
当决定需要调整MCS大小时，也即BER连续高于BERth的次数达到NUM_HIGH_BER或BER连续低于BERth的次数达到NUM_LOW_BER，此时需要进行MCS选择时,利用上一帧数据传输时的SNR估计值来选取MCS大小，选取BER≤BERth并具有最高数据率的MCS方案。MCS1,…,MCSN表示以数据率递增的速率方案，θ1，…，θN表示在BER(MCSi)≤BERth下对应的SNR值，按照如下的方式进行速率方案的选择。
MCS1 如果SNR<θ1
MCSi 如果θi≤SNR<θ+1, i=1,…,N-1
MCSN 其他
3.2 仿真验证
图6和图7是采用基于SNR动态调整MCS方法对链路性能的仿真验证，仿真参数如下，BERth=5E-3，NUM_HIGH_BER=3，NUM_LOW_BER=5，帧长为500 B，仿真数目为3 000帧，信道场景A的SNRfix=12，信道场景B的SNRfix=16，初始选择的MCS均为1(BPSK,1/2码率)，选择NUM_HIGH_BER为较小值3可以及时的调整MCS以提高传输可靠性，避免重传造成信道资源的浪费和吞吐率下降，选择NUM_LOW_BER为较大值5可以避免频繁的MCS转换。

图6是在信道场景A下采用基于SNR动态调整MCS的仿真图,由于采用了根据估计的SNR值来表征信道的时变性，在信道衰落较大的时间点，通过BER超过阈值BERth的次数达到NUM_HIGH_BER时,说明以当前MCS传输数据的可靠性不高,通过信道质量的表征量SNR来调整MCS以避免传输可靠性低导致的帧重传，提高数据的传输可靠性，在信道状况较好的时间点，通过BER达到低于阈值的次数时,说明可以采用更大的MCS在保证传输可靠性的前提下提高传输的数据率。图7是在信道场景B中采用此方法的仿真图，在链路性能上得到的类似的改进。表1为单位时间内吞吐率的比较，可见采用方法在链路性能上得到了很大的提高，比采用固定MCS更有优势。
在建立WLAN MIMO信道模型的基础上，通过IEEE 802.11n系统模型研究时变信道下BER性能，提出了一种基于SNR的动态调整MCS方法来改进链路的性能。这种方法通过SNR大小来衡量与阈值。通过仿真验证，链路在数据吞吐率和BER性能得到了很好的平衡，可在保证BER性能的前提下提高数据的吞吐率，提高了有限带宽的使用有效性。
参考文献
[1] SALEH A A M, VALENZUELA R A. A statistical model for indoor multipath propagation. IEEE J. Select. Areas Commun.,1987,5:128-137.
[2] KERMOAL J P,SCHUMACHER L,MOGENSEN P E,et al. Experimental investigation of correlation properties of MIMO radio channels for indoor picocell scenario. in Proc. IEEE Veh. Technol. Conf., Boston, USA, 2000,1(9):14-21.
[3] SALZ J,WINTERS J H. Effect of fading correlation on adaptive arrays in digital mobile radio. IEEE Trans. Veh. Technol., 1994,43(11):1049-1057.
[4] SCHUMACHER L, PEDERSEN K I, MOGENSEN P E. From antenna spacings to theoretical capacities-guidelines for simulating MIMO systems[J]. in Proc. PIMRC Conf., 2002,2(9):587-592.
[5] SPENCER Q H. Modeling the statistical time and angle of arrival characteristics of an indoor environment[J].IEEE J. Select. Areas Commun.,2000,18(3):347-360.
[6] CRAMER R J M, SCHOLTZ R A, WIN M Z. Evaluation of an ultra-wide-band propagation channel[J]. IEEE Trans. Antennas Propagat., 2002,50(5):561-570.
[7] CHONG C C,LAURENSON D I,MCLAUGHLIN S. Statistical characterization of the 5.2 GHz wideband directional indoor propagation channels with clustering and correlation properties[J]. in proc. IEEE Veh. Technol. Conf., 2002,1(9):629-633.
[8] MANZOOR R S, MAJAVU W. Front-end estimation of noise power and SNR in OFDM systems. International Conference on Intelligent and Advanced Systems 2007:435-439.