关于分数阶瑞利衰落信道的有效容量：一种分析方法

《Digital Signal Processing》：On the Effective Capacity of Fractional Order Rayleigh Fading Channels: An Analytical Approach

　　Mehran Kakavand | Mohammadreza Hassannejad Bibalan
伊朗卡兹温伊玛目霍梅尼国际大学电气工程系

**摘要**
确保高质量的用户连接和服务交付已成为推进下一代蜂窝通信系统的关键挑战。特别是在物联网（IoT）、自动驾驶汽车和触觉互联网等领域，超高可靠性和低延迟的应用在严格的延迟约束下要求系统具备强大的性能。有效容量（Effective Capacity, EC）作为一种关键的性能指标應运而生，它将链路层参数与严格的服务质量（Quality of Service, QoS）约束联系起来，使得其在未来网络的分析和设计中不可或缺。本文提出了一种新的有效容量计算框架。该框架采用了分数阶瑞利衰落模型，该模型通过将其作为特例扩展了传统瑞利衰落模型的灵活性。通过使用Maijer的G函数，推导出了有效容量的新分析表达式，其中包括针对瑞利衰落模型的封闭形式解。全面的仿真结果验证了所提出方法的准确性和适应性，突出了分数阶瑞利衰落模型在建模和分析无线网络性能方面的卓越精度和灵活性。此外，还对低和高信噪比（SNR）条件下的渐近情况进行了全面分析。此外，蒙特卡洛仿真进一步验证了所提出的有效容量表达式，其结果与本文的分析结果高度一致。这项研究具有重要意义，因为它能够确定实际条件下的系统性能界限，从而显著提升系统稳定性并实现所需的运行条件。

**引言**
随着用户对蜂窝通信网络需求的不断增长，确保高质量的服务交付已成为一个至关重要的挑战。随着用户期望更可靠、更快、容量更大的连接，满足这些严格要求已成为学术研究和工业创新的重点[1][2]。研究人员正在探索先进的数学模型、性能指标和优化技术来系统地应对这些挑战。同时，他们利用机器学习、先进的衰落模型和下一代架构等前沿技术来提升网络性能和用户满意度[3][4]。这些努力的结合凸显了服务质量（QoS）作为现代蜂窝网络演进基石的关键作用。

对QoS的日益重视不仅反映了电信行业的竞争性，也体现了其在支持新兴应用（如超可靠低延迟通信（URLLC）、大规模机器类型通信（mMTC）和增强型移动宽带（eMBB）等方面的重要作用[5]。这些发展强调了持续创新以满足下一代通信系统中用户快速变化的期望的重要性。

满足用户期望不仅是一个技术挑战，也是实现自动驾驶汽车、物联网（IoT）和增强现实/虚拟现实（AR/VR）等新兴应用的基础要求。由于这些应用严重依赖于强大且高效的网络，因此，在蜂窝通信中实现卓越的服务质量对于支持数字连接的未来和确保无缝用户体验至关重要[6]。

在[7]中，作者强调了实现高速和高移动性的通信的重要性，这是第六代（6G）网络的关键优先事项。本文强调了强大安全框架的重要性，并指出精确的信道建模对于确保可靠的无线传输至关重要。此外，还将人工智能等新兴技术的整合视为提高未来通信系统可靠性和效率的有前途的方向。

6G蜂窝网络的一个关键目标是实现超高移动性，目标是在高达1000公里/小时的速度下支持无缝通信[6][7]。实现这一目标对于实现无处不在的连接至关重要，使终端用户和设备即使在高速列车、空中平台或自动驾驶汽车等高移动性环境中也能体验到不间断的低延迟服务。这一能力预计将显著提升整个网络的服务质量，并让我们更接近“始终连接”的世界愿景[8]。

在6G中实现这一愿景的一个基本前提是整合异构网络基础设施，包括水下、陆地、空中和太空网络（UTASnet）。这种跨领域的融合带来了各种技术挑战，尤其是在满足可靠性、延迟和适应性等严格性能要求方面。在这些异构环境中，准确建模无线信道变得尤为重要，因为每个领域都有独特的传播特性[8]。在[9]中，作者提出了一个针对6G空天地一体化网络（SAGINs）的性能建模框架，重点关注在有限块长度编码下支持统计QoS保证。通过使用拉普拉斯变换对聚合干扰和解码错误概率进行建模，并引入ε-EC指标，他们解决了大规模URLLC场景下的延迟和错误率约束问题。他们的方法通过在对SAGIN环境的广泛仿真得到了验证。

为了解决这种复杂性，开发和使用灵活、通用和参数化的信道衰落模型变得至关重要。这些模型，如分数阶瑞利分布，提供了准确捕捉不同介质中信号传播多样行为所需的分析灵活性。例如，虽然陆地和水下信道受到根本不同的衰减和散射现象的影响，但一个统一的参数模型可以通过适当调整参数来适应这两种环境。这种灵活性不仅支持准确的性能分析和系统设计，还有助于实现6G的核心目标之一：在所有类型的集成网络中实现超可靠通信。

容量项是通信理论中的基本概念之一，表示在理想条件下通信信道可实现的最大数据速率，此时传输错误的概率趋近于零[10]。虽然香农容量提供了关于信息传输理论极限的宝贵见解，但它没有考虑到现代无线网络中的实际约束，如延迟和QoS要求[11]。为了解决这些限制，有效容量（EC）这一概念应运而生，它通过结合QoS约束和延迟敏感的性能标准扩展了传统的容量分析。EC量化了通信系统在严格统计和延迟约束下的最大数据速率[11]。换句话说，它捕捉了系统在满足预定义的QoS要求（如延迟和抖动）的同时提供可靠通信的能力，这在实时应用和下一代通信系统中至关重要[11][12]。

与仅关注无误差传输的香农容量不同，EC评估了系统在实际条件下的性能，在这些条件下保持QoS保证是必不可少的[11][12]。这一指标在Beyond 5G（B5G）和6G网络中尤为重要，因为从URLLC到eMBB的多样化应用需要严格的性能基准。通过将延迟敏感的要求纳入容量评估，EC为评估信道性能提供了更现实和全面的框架。此外，它在确保终端用户体验达到最低可接受阈值方面发挥着关键作用，从而在延迟敏感的场景中实现强大且可靠的通信[12]。因此，EC是设计和优化需要QoS保证的无线网络的重要工具。它结合延迟和统计约束的能力使其成为现代和未来通信系统中容量估计不可或缺的指标[12]。因此，它在推动高效、高性能无线技术的发展方面具有巨大潜力[13]。

在[13]中，作者强调了低延迟应用（包括多媒体通信、自动驾驶汽车和触觉互联网）在5G等下一代无线网络中的重要性。他们指出现有物理层信道模型中的一个关键缺陷，这些模型往往在特定延迟约束下忽略了QoS参数。为了解决这个问题，他们强调了EC作为具有QoS意识的链路层信道模型在评估统计延迟约束下的无线网络性能中的作用。该研究全面回顾了EC在各种网络类型中的应用，包括认知无线电、蜂窝网络、中继网络和 mesh网络。通过五个详细的案例研究，作者分析了EC在支持语音和视频等延迟敏感应用中的作用，并讨论了新兴无线系统中EC最大化的开放挑战和未来方向[14]。

[14]强调使用多输入多输出（MIMO）天线来增强无线通信系统的性能，以减轻传播过程中的信号衰落。他们利用输出信噪比（SNR）的原始和近似概率密度函数（PDF）为最大比组合（MRC）和等增益组合（EGC）分集方案推导出了EC表达式。分析考虑了独立但不一定同分布的信道。此外，引入了高功率近似方法来简化性能评估，提供了关于系统衰落特性的洞察。所提出的公式通过蒙特卡洛仿真得到了验证，证实了它们的准确性和在无线系统分析中的实际适用性[15]。

[15]中，EC被强调为将物理层特性与数据链路层性能联系起来的关键框架，使得在无线网络中实现统计QoS供应成为可能。基于G?rtner-Ellis的大偏差定理，EC已被应用于分析中继网络和多载波系统中的资源分配和调度策略。该研究将EC分析扩展到受干扰限制的瑞利衰落信道，提出了一种基于拉普拉斯方法的分析方法。数值仿真验证了模型的准确性，展示了其在干扰限制无线网络中推进统计QoS供应的潜力[16]。

[16]指出了无线通信系统中需要QoS意识的需求，以支持在严格延迟约束下的低延迟应用，如物联网、多媒体通信和自动驾驶汽车。他们引入了EC作为关键指标，并为α-κ-μ复合衰落信道推导出了封闭形式的EC表达式。该研究包括在低和高SNR条件下对所提信道的性能分析和渐近评估，提供了对系统行为的深入洞察[17]。在[17]中，分析了独立同分布（i.i.d.）和独立非同分布（i.n.i.d.）κ–μ衰落信道下多输入单输出（MISO）系统的有效吞吐量。推导出了新的有效吞吐量分析表达式，以及i.i.d. κ–μ信道在高和低SNR条件下的渐近性能封闭形式解。结果表明，尽管有效吞吐量在无限延迟条件下接近遍历容量，但受延迟约束的系统表现出显著的性能差距，强调了QoS考虑在实时应用中的重要性[18]。

[18]详细研究了阴影κ–μ信道的EC分析[19]。类似地，在[20]和[21]中探讨了双阴影Rician衰落信道下EC的性能，推导出了这种性能指标的封闭形式表达式[20]。此外，在[20]和[21]中，分别将EC分析扩展到由α-η-κ–μ和Weibull衰落分布建模的信道，为这些复杂衰落环境提供了宝贵见解[20][21]。在一项最近的研究中，使用原始和紧密近似的输出SNR PDF分析了Weibull衰落信道上的EC，考虑了i.n.i.d.信道。还提出了一种简单的高功率近似方法来简化性能评估[22]。在[28]中，介绍了一种下行链路和上行链路的非正交多址（NOMA）合作方案，通过分析表达式展示了遍历容量、中断行为和多样性，表明联合下行/上行NOMA在完美和不完美的连续干扰消除条件下显著提高了频谱效率。同样，在[29]中提出的无蜂窝集成感知和通信毫米波大规模MIMO框架，对功率分配和前传压缩进行了联合优化，其中容量限制从根本上决定了系统性能。这些工作共同强调了准确建模系统容量和有效容量（EC）的重要性，以便量化收益、指导资源分配，并确保在先进的6G导向网络设计中可靠运行。此外，高精度参数模型对于优化6G资源分配和诸如NOMA这样的接入方案至关重要。通过提供精确的信道特性，这些框架（包括分数阶瑞利模型）促进了准确的功率分割，并确保了关键任务应用所需的极端可靠性[3]、[29]。论文[30]引入了一种新型信道衰落模型，称为分数阶瑞利衰落模型。这种模型比传统的瑞利模型更为灵活和准确，同时后者也是其特例。利用中心极限定理（CLT）的原则，该定理表明当样本数量足够大时，分布可以近似高斯形式（尽管不是精确的）[31]，我们提出的模型弥合了现有统计近似与实际信道行为之间的差距。这种提高的准确性有可能通过提供更精细的信道特性表示来实现更可靠的电信系统。

无线通信中的信道建模通常分为两类：确定性和统计方法[32]。确定性模型，如基于光线追踪的模型，虽然精度较高，但存在关键限制，包括需要关于传播环境的详细地理和结构信息以及发射和接收天线的精确位置。这些挑战突显了统计模型的重要性，尽管精度较低，但计算上更简单且应用广泛[32]。所提出的分数阶瑞利衰落模型作为传统瑞利模型（最广泛使用的衰落模型之一）的扩展，解决了传统瑞利模型的固有局限性[30]。分数阶瑞利衰落模型在保持合理计算复杂性的同时，显著提高了传统瑞利信道表示的准确性。此外，通过提高统计模型的可靠性，它有效地缩小了确定性和统计建模方法之间的差距，成为现代和下一代通信系统的可靠框架。同时，由于有效容量（EC）本质上将物理层约束与应用层服务质量（QoS）要求结合起来，因此准确的和通用的信道建模对于下一代网络的现实系统设计至关重要。在这个背景下，所提出的模型提高了EC估计的精确度，特别是对于6G通信中预见的延迟敏感型应用。

在本文中，我们旨在确定分数阶瑞利衰落模型的EC，并突出其在信道建模方面的优势和与传统瑞利衰落模型相比的新颖之处。通过使用Meijer的G函数解决EC的积分表达式，我们得出了瑞利衰落（作为我们提出的模型的一个特例）下的EC的新封闭形式解。我们展示了分数阶瑞利衰落模型如何显著提高信道表示的准确性，超越了传统瑞利模型的限制。在仿真部分，我们进行了详细的延迟相关参数分析和评估，展示了更准确信道模型如何显著改善性能指标。我们的发现强调了精确信道建模在实现更高可靠性方面的关键作用，特别是在下一代无线通信系统中。通过弥合传统统计模型与高精度需求之间的差距，这项工作为改进未来电信网络的设计和运营提供了宝贵的见解。此外，为了突出这一主题在新兴通信范式中的重要性——在下一代无线系统中，精度和可靠性越来越关键——我们对EC进行了渐近分析。

在下一代无线通信中，实现接近完美的可靠性是一个关键的性能要求，这严重依赖于准确的信道增益建模以提供精确的EC统计保证；在这方面，像分数阶瑞利衰落模型这样的准确和参数化信道衰落模型在实现可靠的服务质量驱动场景和新兴应用中起着至关重要的作用。这种方法表明，所提出的模型可以为系统设计师提供宝贵的见解，使网络设计更加准确、可靠和富有洞察力。此外，为了验证EC推导表达式的准确性，我们使用了蒙特卡洛仿真。这些仿真得到的结果与我们的分析发现非常吻合，从而为所提出框架的正确性和稳健性提供了强有力的证据。

本文的结构如下：第2节介绍了分数阶瑞利衰落信道的概述，提供了基本概念及其数学表述。第3节推导了所提出信道模型的EC，详细说明了分析步骤和关键结果。第4节提供了EC的渐近特性描述。第5节讨论了仿真结果，对模型的性能及其影响进行了全面分析。最后，第6节总结了论文内容，概述了研究结果并指出了潜在的未来研究方向。

EC = ?1Alog2(β241βα2γˉΓ2(1β))∫0∞∫0π2(1+γ)?A×e?2β(sinβ(θ)+cosβ(θ))2αβ(γγˉ)β2dθdγ)。
∫0∞(1+γ)?Ae?2β(sinβ(θ)+cosβ(θ))2αβ(γγˉ)β2dγ=1Γ(A)∫0∞G1,11,1(γ|1?A0)×G1,00,1(?2β(sinβ(θ)+cosβ(θ))2αβ(γγˉ)β2|?0)dγ，

分数阶瑞利分布

准确的信道建模已成为现代电信系统的关键基石，因为设计安全和可靠的通信系统需要深入了解信道特性[1]、[2]。在[30]中，我们利用广义高斯分布来表示信道模型的实部和虚部，以实现分数阶瑞利衰落分布。广义高斯分布解决了传统瑞利模型的固有局限性和近似问题。

下一代蜂窝网络预计将标准化服务质量（QoS）作为支持各种应用和电信用例的关键特征。有效容量（EC）作为确保QoS要求的关键指标，比遍历容量具有显著优势。与假设无限延迟容忍度并对所有信道状态进行平均的遍历容量不同，EC考虑了实际约束，如数据速率、延迟和延迟要求[14]。这使得EC特别适用于

分数阶瑞利衰落模型上的有效容量的渐近分析

在本节中，我们分析了两个渐近情况下的EC——即低信噪比（SNR）和高SNR极限。这些边界情况在揭示通信系统的运行极限方面起着重要作用。通过描述极端条件下的系统行为，这种分析提供了对基本性能界限的宝贵见解。因此，它有助于更准确和全面的系统设计，确保在许多实际场景中的稳健性和效率。

仿真与结果

在本节中，我们提出了基于仿真的综合评估，以验证本文讨论的分析结果。目的是严格检验并说明所提出的分数阶瑞利衰落模型在估计EC方面的优势，特别关注其灵活性和提高的准确性。通过数值仿真，我们旨在验证理论主张，并展示所提出框架在各种情况下的优越性能。

结论

本研究系统地探讨了有效容量（EC）作为下一代无线网络的关键指标。通过弥合高数据速率要求和严格的服务质量（QoS）约束之间的差距，EC为优化系统性能和确保未来通信范式所需的极端可靠性提供了稳健的框架。我们的贡献核心是将分数阶瑞利衰落分布用于EC的分析推导。这个模型的战略部署

CRediT作者贡献声明

Mehran Kakavand：概念化、方法论、形式分析、软件、撰写——原始草案。
Mohammadreza Hassannejad Bibalan：概念化、方法论、监督、验证。

利益冲突声明

作者声明他们没有已知的竞争财务利益或可能影响本文报告工作的个人关系。