Application of the theory of rational decisionmaking to adaptive transmission (RATIONALE) 17.11.2011, Säätytalo Marko Höyhtyä VTT Technical Research Centre of Finland Hankkeen rahoitus: 45255 euroa
2 Johdanto Taajuusympäristön tiedostava ja siihen mukautuva kognitiiviradio voi käyttää erilaisia sensoreita ympäristötietojen estimoinnissa ja tehdä älykkäitä päätöksiä kerätyn tiedon perusteella. Kognitiiviradio voidaan nähdä yleistettynä adaptiivisena radiona. Adaptiiviset lähetystekniikat ovat hyvin lupaava tapa selviytyä aikavarianteista muutoksista, lisätä tiedonsiirron luotettavuutta ja optimoida saatavilla olevien resurssien käyttöä.
3 Adaptiivinen tiedonsiirto ja kognitiiviradio Adaptiivista tekniikkaa käyttävä protokolla sallii lähettimen ja vastaanottimen mukautua havaittuihin olosuhteisiin. Erilaisia adaptiivisia strategioita Adaptiivinen reititys, adaptiiviset lähetystekniikat tehon ja spektrin käytön optimoimiseksi, adaptiivinen taajuushyppely, adaptiivinen modulointi ja koodaus, adaptiivinen tehonsäätö Data bits Transmitter Modulation and coding Transmission power control Time-varying channel Receiver Demodulation and decoding Data bits Channel estimator Feedback channel
4 Kognitiiviradio Perusidea: tietoisuus (taajuus)ympäristöstä ja mukautuminen siihen toissijaisen käyttäjän roolissa Sotilaallinen näkökulma: kognitiiviradiotekniikat mahdollistavat tietoliikennelaitteen valitsevan käytettävän taajuuden ja kaistanleveyden, modulaatiomenetelmän ja koodausmenetelmän automaattisesti, mukautuen taistelukentän muuttuvaan radioympäristöön. Lisäksi ne voivat toimia ja mukautua radiohäirintään. Kyky tiedostaa ja reagoida muutoksiin ympäristössä mahdollistaa oman tiedonsiirron turvaamisen ja vihollisen tiedonsiirron havainnoimisen ja häirinnän. Sense Environment Understand Adapt Decide
5 Rationaalinen päätösteoria adaptiivisessa lähetyksessä Sijoitus adaptiivisessa lähetyksessä on energia (jouleina), energiainvestointi luo lähetyskanavan joka tukee tiettyä linkin spektrin käytön tehokkuutta (LST). Tuotto on todellinen linkin spektrin käytön tehokkuus. Palkinto on ero odotettavissa olevan spektrin käytön tehokkuuden arvon ja tavoitearvon välillä. Optimaalinen menetelmä maksimoi palkinnon riskiyksikköä kohti (Kappa-suhde). Riskiä voidaan mitata ns. below-target semivariance mittarin avulla. Se mittaa linkin spektrin käytön tehokkuuden funktion toisen kertaluokan osittaismomenttia. Ehdotettu riskimittari on perinteiseen katkosaikaan verrattuna sileämpi. Se mittaa, kuinka pahasti häipymä vaikuttaa suorituskykyyn. Todennäköisyystiheys Riski Palkinto Tavoitearvo Suorituskyky
6 Käytännön tehonsäätömenetelmiä Tehonsäätö voidaan karkeasti jakaa täyttö- ja inversiomenetelmiin. Käytännön tehonsäätömenetelmät, jotka ovat käytössä esim. GSM-, CDMA- ja tulevassa LTE-järjestelmässä, ovat perusperiaatteeltaan inversiomenetelmiä. Filtered-X least mean square (FxLMS) algoritmi on hyvä käytännön inversioalgoritmi, jota voidaan käyttää myös tehonsäädössä [Höyhtyä1], [Höyhtyä2]. Algoritmia voidaan pitää yleistyksenä käytännön inversiomenetelmistä x k x k Σ - + Σ z 1 hk n k c k Σ + + c k 1 ε k ' x k µ ĥ k
7 Projektin kulku vuosittain Projektissa 1. vuoden aikana kehitetyt ja käytetyt kanava- ja diversiteettimallit vastaavat simulointien perusteella varsin hyvin teoreettisia tuloksia 1. ja 2. vuoden aikana tehdyt simuloinnit ja analyysit osoittavat oikean suorituskykymetriikan ja normalisoinnin valinnan tärkeyden. Käytetty teoria ja sen mukainen metriikka osoittaa myös teoreettisten menetelmien optimointiin uusia näkökantoja. Käytetty teoria sopii myös käytännön tehonsäätömenetelmien kehittelyyn ja tutkimiseen ja niiden optimoimiseen kuten edellisenä vuonna osoitettiin. Puolustusvoimilta saadun palautteen mukaisesti 3. vuonna keskitytty käytännön menetelmiin ja häiriöasioihin.
8 Konvergenssianalyysi FxLMS -tehonsäädölle Perinteistä FxLMS-rakennetta on muokattu Lisäämällä itseisarvolohkot algoritmirakenteeseen Sijoittamalla langaton kanava kontrolloitavaksi järjestelmäksi Pääsyy itseisarvolohkojen lisäämiseen on se, että säädetään tehotasoja ja siksi olemme kiinnostuneita vain amplitudiarvoista. Modifikaatioiden jälkeen meidän pitää osoittaa, että rakenne on yhä toimiva ja konvergoituu haluttuun tulokseen. Tehonsäätökäsky on nyt c k ( ) 2 2 2 1 µ x h c + µ x h = k k 1 k Konvergoitumisen ehdot tälle ovat Tämä johtaa tulokseen c = ( ) 2 2-1 < 1 h µ x k < 1. 2 2 2 µ x h k 1 ( µ x h ) c + = 0, c > 0 k k 1 2 2 0 1 (1 µ x konvergoituu tismalleen kanavavahvistuksen itseisarvon käänteislukuun! k h ) h
9 Konvergenssianalyysi FxLMS -tehonsäädölle Voimme nähdä konvergoitumisehdoista, että pitääksemme algoritmin stabiilina, algoritmia päivittävän askelkoon pitää rajoittua seuraavasti: 2 0 < µ < 2 2 h Optimaalinen askelkoko on tämän stabiiliusehdon keskikohta, i.e., 1 µ opt < 2 2 h x k x k Kiinteän askeleen FxLMS-algoritmi on liian hidas seuraamaan nopeasti muuttuvaa langattoman kanavaa. Esitetty normalisoitu versio adaptoi askelkokoa signaalin hetkellisen tehon perusteella. Tämä normalisoitu versio FxLMS-algoritmista itse asiassa vastaa FxRLS (filtered-x recursive-least squares) -algoritmia. Aikavariantissa kanavassa, optimaalinen askel on µ opt 1 < 2 2 k hˆ k x + c term missä c term on pieni numero, joka estää askelkokoa kasvamasta äärettömään, kun estimoitu vastaanotettu teho on hyvin pieni.
10 Kvantisoitu versio FxLMS-algoritmista Paluukanavan informaation määrä pitää rajoittaa, mutta riittävä suorituskyky adaptiiviselle algoritmille pitää taata käytännön toteutuksessa. Signaali c k lähetetään vastaanottimesta lähettimelle Kun kvantisointitasoja on vain rajoitettu määrä, on hyvä kvantisoida pienet signaalin arvot yksityiskohtaisemmin ja suuremmat signaalin arvot karkeammin. Säilyttää tarvittavan informaation järjestelmän adaptoimiseen. Compander-idea hyvä tähän tarkoitukseen:
11 Kvantisoitu versio FxLMS-algoritmista Ns A-laki ja µ-laki kompandointi-algoritmit ovat erittäin hyviä tähän tarkoitukseen. Niitä käytetään laajalti puheenkoodaustarkoituksiin. Olemme testanneet molempia algoritmeja sekä ítse kehitettyä ad hoc -ratkaisua µ-laki: μ = 255 (8 bittiä) sekä Pohjois-Amerikan että Japanin standardeissa Pienemmillä bittiarvoilla, valinta µ = 64 näytti toimivan melkoisen hyvin. Kvantisointi itsessään oli tasavälistä kvantisointia. Teimme testejä eri kvantisointitasoilla välillä 2-6 bittiä. Alustavat tulokset osoittavat, että hyvin lähelle optimaalista suorituskykyä päästään 6 bitin tehonsäätökäskyillä Tehonsäätösimuloinnit on tehty diversiteettikanavassa.
12 Kvantisoitu versio FxLMS-algoritmista Kuvat näyttävät tilanteen 2 haaran diversiteettikanavas sa Haarat on implementoitu sinien summaan perustuvalla mallilla Received SNR [db] 30 25 20 15 10 5 2-bit quantization 0 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 Time [s] Received SNR [db] 30 25 20 15 10 5 3-bit quantization 0 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 Time [s] Tavoitteena vastaanotetun signaalin säätö 15 db tasolle. Jo 4 bitin kvantisoinnilla saadaan erittäin tarkka säätö aikaiseksi. Received SNR [db] 30 25 20 15 10 5 4-bit quantization 0 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 Time [s] Received SNR [db] 30 25 20 15 10 5 6-bit quantization 0 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 Time [s]
13 Julkaisut Projektin aikana on julkaistu/hyväksytty seuraavat lehtiartikkelit: A. Mämmelä, A. Kotelba, M. Höyhtyä, and D. P. Taylor, Relationship of average transmitted and received energies in adaptive transmission, IEEE Transactions on Vehicular Technology, vol. 59, pp. 1257 1268, March 2010. M. Höyhtyä, S. Pollin, and A. Mämmelä, Improving the performance of cognitive radios through learning and predictive channel selection, Advances in Electronics and Telecommunications (accepted for publication). Olemme kirjoittaneet yhden konferenssipaperin: M. Höyhtyä, A. Kotelba, and A. Mämmelä, Practical adaptive transmission with respect to rational decision theory, in Proc. of VTC- Spring, May 2011.
14 Julkaisut Projektin aikana on kirjoitettu myös yksi kutsuttu kirjan kappale: A. Mämmelä, A. Kotelba, M. Höyhtyä, and D. P. Taylor, Link budgets: How much energy is really received, in Vehicular Technologies Increasing Connectivity, edited by M. Almeida, pp. 433 448, April 2011. (sisältää rationaalisen päätösteorian ja adaptiivisen tehonsäädön mukaan ottamista linkkibudjettilaskelmissa) Lisäksi on tekeillä: M. Höyhtyä and A. Mämmelä, Introduction of a modified FxLMS algorithm to power control, Journal article (under preparation)
15 Pohdinta ja yhteenveto Projektissa tutkitaan rationaalisen päätösteorian käyttöä adaptiivisten lähetystekniikoiden optimoinnissa. Uutena aspektina se mahdollistaa datalähetykseen liittyvän riskin sisällyttämisen lisärajoitteena kehittelyssä. Käytetty teoria ja sen mukainen metriikka osoittaa teoreettisten menetelmien optimointiin uusia näkökantoja. Ehdotettu menetelmä antaa hieman huonomman kapasiteetin, kuitenkin pienemmillä viiveillä kuin state-of-the art ratkaisu. Käytetty teoria sopii myös käytännön tehonsäätömenetelmien kehittelyyn ja tutkimiseen ja niiden optimoimiseen.
16 Pohdinta ja yhteenveto Takaisinkytkentälinkkiä käyttävän adaptiivisen lähetyksen ongelmana on mahdollisuus takaisinkytkennän häiritsemiseen. Kuitenkin laite, joka osaa sensoroida ympäristöään ja mukautua havaittuihin muutoksiin, voi mukautua häiriöön muuttamalla lähetystaajuutta, modulaatiomenetelmää, antennin suuntakuviota tai muita parametreja pitäen näin tiedonsiirron luotettavana. Puolustusvoimilta saadun palautteen mukaisesti häiriötekijöitä on alettu ottaa huomioon jo kolmannen vuoden aikana. Rationaalisen päätösteorian avulla pyritään löytämään optimaaliset keinot sekä häirön välttämiseen että sen tuottamiseen kognitiivisen radion kanssa toimittaessa. Projektin tuloksia voidaan hyödyntää rakennettaessa kriittisiä tietoliikennejärjestelmiä, joiden pitää olla resistantteja ympäristön muutoksille, erilaisille häiriöille ja elektronisille hyökkäyksille.
17 Lähteet [Markowitz] H. M. Markowitz, Portfolio Selection: Efficient Diversification of Investments, 2nd ed. Malden, MA: Blackwell, 1991. [Kotelba1] A. Kotelba and A. Mämmelä, Application of financial riskreward theory to adaptive transmission, in Proc. VTC-Spring, Marina Bay, Singapore, pp. 1756-1760, May 2008. [Kotelba2] A. Kotelba and A. Mämmelä, Efficient power control over fading channels, in Proc. GLOBECOM, New Orleans, USA, pp. 1 6, November-December 2008.
18 Lähteet [Höyhtyä1] M. Höyhtyä and A. Mämmelä, Adaptive inverse power control using an FxLMS algorithm, in Proc. VTC Spring, pp. 3021 3025, April 2007. [Höyhtyä2] Höyhtyä, A. Sahai, D. Cabric, and A. Mämmelä, Energy efficient inverse power control for a cognitive radio link, in Proc. CROWNCOM, pp. 264 271, August 2007. [LTE] Physical layer procedures document (Release 8), 3GPP TS 36.213 V8.7.0, 77 pp., May 2009.
19 VTT creates business from technology