摘要：針對(duì)現(xiàn)有3GPP標(biāo)準(zhǔn)中盲傳輸格式檢測(cè)方案的性能不足，文章結(jié)合蟻群算法和融合量的特點(diǎn)提出了一種適用于WCDMA終端的盲傳輸格式檢測(cè)算法。該算法利用蟻群信息量記憶傳輸格式歷史數(shù)據(jù)，對(duì)不同判據(jù)的可靠性程度進(jìn)行加權(quán)融合。仿真結(jié)果表明：文章提出的方法在多應(yīng)用場(chǎng)景下均明顯提高了WCDMA終端中盲傳輸格式檢測(cè)的可靠性。

關(guān)鍵詞： 蟻群；融合；盲傳輸格式檢測(cè)；寬帶碼分多址

Abstract： In this paper， a new blind transport-format detection method based on ant colony merge algorithm for WCDMA systems is proposed. The method is designed to alleviate detriments to link performance using currently available blind-transport- format algorithms. Such algorithms use the ant colony to remember historical information about the transport format， and merge the detection judgment according to the reliability. Simulations show that the proposed algorithm significantly improves link performance in all practical scenarios.

Key words： ant colony； merge； blind transport format detection； WCDMA

在寬帶碼分多址（WCDMA）系統(tǒng)的下行鏈路中，為了節(jié)省信道容量，某些傳輸信道并未發(fā)送傳輸格式的信息[1]。通過上層的協(xié)商，僅知道可能的傳輸格式（可能的結(jié)束比特位置{nend }）集合，如圖1所示。圖中有4個(gè)可能的結(jié)束比特位置，分別為nend = 1～4，且實(shí)際傳輸?shù)慕Y(jié)束比特位置為nend = 3。因此，終端需要通過維特比譯碼器的工作狀態(tài)以及循環(huán)冗余校驗(yàn)（CRC）校驗(yàn)的結(jié)果檢測(cè)當(dāng)前正在使用的實(shí)際傳輸格式。

現(xiàn)有寫入第三代移動(dòng)通訊伙伴項(xiàng)目（3GPP）標(biāo)準(zhǔn)中的盲傳輸格式檢測(cè)算法，具體為：在每一個(gè)可能結(jié)束的比特位置從零狀態(tài)開始回溯幸存路徑，并恢復(fù)出相應(yīng)長(zhǎng)度的數(shù)據(jù)序列。對(duì)于每一個(gè)被恢復(fù)的數(shù)據(jù)序列，通過檢查CRC來進(jìn)行錯(cuò)誤檢測(cè)，如果能通過CRC校驗(yàn)，并且路徑量度滿足一定的條件，則說明被恢復(fù)的序列是正確的[2]。第三代移動(dòng)通信的其他標(biāo)準(zhǔn)中也有類似的需求[3-4]。

其中a max（nend ）和a min （nend ）是在結(jié)束比特位置nend 的所有狀態(tài)中路徑量度值的最大值和最小值，a 0 （nend ）是零狀態(tài)的路徑量度值。

為了減少錯(cuò)誤檢測(cè)的可能性（當(dāng)選擇的路徑是錯(cuò)誤的而CRC卻是正確時(shí)，會(huì)發(fā)生此類情況），刻意引入一個(gè)路徑選擇門限D(zhuǎn)。門限D(zhuǎn)決定了是否應(yīng)該在每一個(gè)結(jié)束比特位置nend 進(jìn)行回溯。如果在這個(gè)可能的結(jié)束比特位置處的路徑量度滿足條件：

S （nend ） ≤ D （2）

則可以從該結(jié)束比特位置回溯并恢復(fù)出數(shù)據(jù)，其中D是路徑量度門限，是一個(gè)設(shè)計(jì)參數(shù)。

如果不止一個(gè)滿足（2）的結(jié)束比特位置恢復(fù)出的數(shù)據(jù)通過CRC校驗(yàn)，則認(rèn)為具有最小的S （nend ）值的結(jié)束比特位置是正確的。如果所有的結(jié)束比特位置都沒有滿足（2），則認(rèn)為接收到的幀數(shù)據(jù)流錯(cuò)誤。

業(yè)界也有針對(duì)標(biāo)準(zhǔn)中盲傳輸格式檢測(cè)方式的修正和性能的評(píng)估探討[5-6]。上述盲傳輸格式檢測(cè)流程均基于分支判決的模式，未能綜合考慮路徑量度和CRC校驗(yàn)結(jié)果之間的關(guān)系。CRC長(zhǎng)度與CRC校驗(yàn)結(jié)果的置信度也未在現(xiàn)有的檢測(cè)流程中得到體現(xiàn)。實(shí)際應(yīng)用中由于語(yǔ)音信號(hào)以及聲碼器的特點(diǎn)造成了傳輸格式在使用時(shí)間上有一定的延續(xù)性[7]，并使得系統(tǒng)在啟用某種傳輸格式后通常會(huì)沿用該傳輸格式一段隨機(jī)的時(shí)間。該特點(diǎn)作為先驗(yàn)信息亦未被現(xiàn)有的盲傳輸格式檢測(cè)流程利用。

1 蟻群融合盲傳輸格式

檢測(cè)的提出

1.1 融合量的產(chǎn)生

（1） 路徑量度融合量

定義結(jié)束比特位置在nend 處的路徑量度融合量的表達(dá)式為：

其中a max（nend ）和a min （nend ）是在結(jié)束比特位置nend 的所有狀態(tài)中路徑量度值的最大值和最小值，a 0 （nend ）是零狀態(tài)的路徑量度值。

可見，路徑量度融合量的最大值為1，此時(shí)a 0 （nend ） = a max（nend ），表明零狀態(tài)是在該位置到達(dá)可能性最大的狀態(tài)；路徑量度融合量的最小值為0，此時(shí)a 0 （nend ） = a min （nend ），表明零狀態(tài)是在該位置到達(dá)可能性最小的狀態(tài)。此外，路徑量度融合量S （nend ）隨著a 0（nend ）- a min （nend ）增加而單調(diào)增加。分母a max（nend ） - a min （nend ）起到了歸一化路徑量度融合量的作用。

（2） CRC校驗(yàn)結(jié)果融合量

CRC校驗(yàn)結(jié)果的可靠程度與CRC比特?cái)?shù)的多少密切相關(guān)，CRC比特?cái)?shù)越多，CRC校驗(yàn)結(jié)果的置信度就越高，每增加1比特CRC比特?cái)?shù)時(shí)同一錯(cuò)誤數(shù)據(jù)幀通過CRC校驗(yàn)的概率下降大約50%。

根據(jù)標(biāo)準(zhǔn)，WCDMA系統(tǒng)收到的數(shù)據(jù)幀可以使用8比特、12比特、16比特或24比特這4種CRC比特?cái)?shù)，并可以知道當(dāng)前使用的CRC比特?cái)?shù)[8]。

參照路徑量度融合量的置信程度，定義CRC比特?cái)?shù)為8且通過CRC校驗(yàn)時(shí)的CRC校驗(yàn)結(jié)果融合量的值為0.5，由此可以得出CRC比特?cái)?shù)分別為12、16和24時(shí)通過CRC校驗(yàn)時(shí)的CRC校驗(yàn)結(jié)果融合量的值分別為0.875、0.96875和0.99609375。如未能通過CRC校驗(yàn)，則CRC校驗(yàn)結(jié)果融合量的值為0。

綜上所述，結(jié)束比特位置在nend 處的CRC校驗(yàn)結(jié)果融合量的表達(dá)式為（4），即：

可見，CRC融合量為0到1區(qū)間內(nèi)的變量。C （nend ）的數(shù)值越大表明使用CRC判據(jù)得出的該幀結(jié)束比特位置在nend 處的置信度越高。

（3）蟻群融合量

根據(jù)昆蟲學(xué)家的觀察，發(fā)現(xiàn)自然界的螞蟻雖然視覺不發(fā)達(dá)，但它可以在沒有任何提示的情況下找到從食物源到巢穴的最短路徑，并且能在環(huán)境發(fā)生變化（如原有路徑上有了障礙物）后，自適應(yīng)地搜索新的最佳路徑。這種能力是因?yàn)槲浵佋谧哌^的路上會(huì)釋放一種特殊的分泌物-信息激素，使得一定范圍內(nèi)其他螞蟻能夠覺察到并由此影響它們的行動(dòng)，當(dāng)一條路上的信息激素越來越多（隨時(shí)間的推移會(huì)逐漸減弱），后來的螞蟻選擇這條路徑的概率也越來越大，從而增加該路徑的信息激素強(qiáng)度，這種選擇過程稱為螞蟻的自催化過程，其原理是一種正反饋機(jī)制，所以螞蟻系統(tǒng)也稱為增強(qiáng)性學(xué)習(xí)系統(tǒng)。

蟻群系統(tǒng)的基本思想是模仿螞蟻依賴信息激素進(jìn)行通信而顯示出的社會(huì)行為，在智能體定義的基礎(chǔ)上，由一個(gè)貪心法指導(dǎo)下的自催化過程引導(dǎo)每個(gè)智能體的行動(dòng)，它是一種隨機(jī)的通用試探法，可用來求解各種不同的組合優(yōu)化問題。

文章基于上述原理引入蟻群融合量作為盲傳輸格式檢測(cè)的判據(jù)之一，蟻群融合量產(chǎn)生方法如下所述：

不妨假設(shè)可能的結(jié)束比特位置有N個(gè)，盲傳輸格式檢測(cè)流程在這N個(gè)可能的結(jié)束比特位置中選出當(dāng)前實(shí)際傳輸?shù)慕Y(jié)束比特位置。定義N×N階的信息素濃度矩陣為P，其中P [nend ’， nend ]表示從第nend ’個(gè)結(jié)束比特位置轉(zhuǎn)變到第nend 個(gè)結(jié)束比特位置的信息素濃度?？梢姡?dāng)前一幀檢測(cè)出的結(jié)束比特位置為nend’時(shí)，P [nend’，nend ]就是結(jié)束比特位置為nend的蟻群融合量，簡(jiǎn)寫為P （nend ）。

為了便于表述信息素濃度矩陣的更新流程，定義信息素釋放系數(shù)p_r、信息素?fù)]發(fā)系數(shù)p_v（以及最大信息素濃度p_max和最小信息素濃度p_min。完成當(dāng)前幀檢測(cè)后可以采用以下方式更新信息素濃度矩陣：在信息素濃度矩陣中相應(yīng)位置上以信息素釋放系數(shù)的速度釋放信息素，并使得更新后的信息素濃度不大于最大信息素濃度；信息素濃度矩陣中所有位置上的信息素以信息素?fù)]發(fā)系數(shù)的速度揮發(fā)，并使得揮發(fā)后的信息素濃度不小于最小信息素濃度。前一幀檢測(cè)出的結(jié)束比特位置為nend ’，當(dāng)前幀檢測(cè)出的結(jié)束比特位置則為nend *，此時(shí)更新信息素矩陣的過程可以描述為兩個(gè)步驟：

（1） 使用（5）中在矩陣的第nend ’行，第nend *列的位置釋放信息素

如果更新后的P [nend’， nend* ]大于p_max，則令P [nend’， nend* ]等于p_max；

（2）使用（6）在矩陣中每個(gè)元素的位置上揮發(fā)信息素，（6）中的i和j均為[0，N -1]區(qū)間內(nèi)的任意整數(shù)

如果更新后的任意一個(gè)P [i，j ]小于p_min，則令該P(yáng) [i，j ]等于p_min。

1.2 合并融合量

將每個(gè)可能的結(jié)束比特位置nend 處的上述3種融合量按比例融合后得出該結(jié)束比特位置處的融合量度M （nend ）。一種可行的融合方式是將上述3種融合量按照相等的比例融合得出融合量度，計(jì)算方法為（7）：

不妨假設(shè)可能的結(jié)束比特位置有N個(gè)，依次求得這N個(gè)可能的結(jié)束比特位置各自的融合量度，隨后通過比較得出這N個(gè)融合量度中的最大值M（nend*），則nend*為盲傳輸格式檢測(cè)流程檢測(cè)出的結(jié)束比特位置。

2 性能仿真與分析

語(yǔ)言業(yè)務(wù)幀的結(jié)構(gòu)見圖1，有10種可能的結(jié)束比特位置，分別為nend =1～10，它們各自對(duì)應(yīng)的幀長(zhǎng)分別為16，55，58，65，71，74，77，91，81和97，其中的CRC比特?cái)?shù)均為8比特。仿真中實(shí)際傳輸?shù)膸L(zhǎng)按照給定的幀長(zhǎng)變化周期從上述10種幀長(zhǎng)中隨機(jī)選取。盲傳輸格式檢測(cè)在這10種可能的結(jié)束比特位置中選出當(dāng)前實(shí)際傳輸?shù)慕Y(jié)束比特位置。

仿真環(huán)境為加性高斯白噪聲（AWGN）信道，而每個(gè)數(shù)據(jù)的仿真語(yǔ)言業(yè)務(wù)幀數(shù)則為10萬(wàn)幀，比特信噪比E b /N0均為譯碼器的典型工作區(qū)域1.0 dB，仿真結(jié)果如表1所示。

其中，方法的種類1為現(xiàn)有的方案；2為采用CRC和路徑量度的融合法；3為蟻群融合算法。DER為誤檢測(cè)率，表示未能正確檢測(cè)出結(jié)束比特位置的比例；PDER為凈誤檢測(cè)率，表示譯碼正確但未能正確檢測(cè)出結(jié)束比特位置的比例；FDR為誤傳輸格式檢測(cè)率，表示未能正確檢測(cè)出結(jié)束比特位置但通過CRC校驗(yàn)的幀的比例。

由統(tǒng)計(jì)結(jié)果可見，方法2在同樣僅使用路徑量度和CRC校驗(yàn)結(jié)果作為判據(jù)的情況下，基于融合方式后在DER和FDR這兩種性能上均優(yōu)于基于分支判決的現(xiàn)有算法。且在幀長(zhǎng)變化周期較大時(shí)，引入的蟻群融合量大幅改善了3種誤檢測(cè)率。同時(shí)，在幀長(zhǎng)變化周期較小甚至每幀的長(zhǎng)度都在發(fā)生隨機(jī)變化的極端場(chǎng)景下，蟻群融合算法依然保持了較好的誤檢測(cè)率指標(biāo)。

考慮到實(shí)際應(yīng)用環(huán)境中語(yǔ)音編碼的傳輸格式有一定周期，基于融合法的蟻群算法速率判決在實(shí)際應(yīng)用中收到了較為滿意的效果。

根據(jù)仿真結(jié)果綜合分析，蟻群融合法的性能提升主要來源于以下方面：

（1） 采用了基于融合的檢測(cè)方法取代了現(xiàn)有的基于分支判決的檢測(cè)流程。

（2） 對(duì)于不同的CRC比特?cái)?shù)，在檢測(cè)流程中引入了不同的權(quán)重。

（3） 提出了蟻群融合量判據(jù)。

3 結(jié)束語(yǔ)

盲傳輸格式檢測(cè)是WCDMA終端側(cè)接收語(yǔ)音業(yè)務(wù)時(shí)必須進(jìn)行的步驟，其性能的優(yōu)劣直接影響到后續(xù)語(yǔ)音處理的質(zhì)量。文章一改傳統(tǒng)分支判決的思路，采用融合法作為判決的基本方案，并將蟻群融合量引入了融合過程，在計(jì)算機(jī)仿真和芯片應(yīng)用實(shí)踐中均獲得了顯著的性能改善。為同類系統(tǒng)中盲檢測(cè)設(shè)計(jì)提供了一種新的選擇。

參考文獻(xiàn)

[1] 3GPP TS 25.211（Release 9）. Technical Specification Group Radio Access Network Physical Channels and Mapping of Transport Channels on to Physical Channels （FDD）[S]. 2012：51-54.

[2] 3GPP TS 25.212（Release 9）. Technical Specification Group Radio Access Network Multiplexing and Channel Coding （FDD）[S]. 2012：102-104.

[3] MAO W M， BROWN T. Optimal Blind Transport Format Detection for the UMTS uplink[J]. IEEE Transactions on Communications， 2008，56 （6）：866-870.

[4] LI P， WANG S ，LUO X . Blind Rate Detection for CDMA2000 1x EV-DO Reverse Traffic channel[C]//Proceedings of the 2009 IEEE International Conference on Robotics and Biomimetics （ROBIO’09），Dec 19-23，2009， Guilin， China. Piscataway， NJ， USA：IEEE， 2009：2244-2248.

[5] HU Y， WU S，GENG H. Improvement on Blind Symbol Rate Detection under Unfavorable Conditions[C]//Proceedings of the 2010 International Conference on Communications and Intelligence Information Security （ICCIIS’10），Oct 13-14，2010， Nanning， China. Los Alamitos， CA，USA： IEEE Computer Society，2010：29-35.

[6] 張家佶， 吳更石. 傳輸格式檢測(cè)方法、裝置以及通信系統(tǒng)[P].CN 201010603655.X， 2011.

[7] 白楊， 景新幸. EVRC語(yǔ)音編解碼算法的研究及實(shí)現(xiàn)[J].電聲技術(shù)， 2008，32（3）： 53-55.

[8] WU C. Ant Colony Multilevel Path Optimize Tactic Based on Information Consistence Optimize[C]//Proceedings of the International Conference on Computer Application and System Modeling （ICCASM’10）：Vol 1，Oct 22-24，2010， Taiyuan， China. Los Alamitos， CA，USA： IEEE Computer Society，2010：533-536.