[论文解读] Spatial Diversity in Molecular Communications

Martin Damrath, H. Birkan Yilmaz+2 more|ArXiv.org|Jul 24, 2017

Molecular Communication and Nanonetworks参考文献 28被引用 6

一句话总结

本文研究了在2×2多输入多输出（MIMO）扩散型分子通信（DBMC）系统中的空间分集技术。提出了一种发射端的Alamouti型和重复MIMO编码，以及接收端的合并策略，包括选择分集、等增益合并（EGC）和最大比合并。主要发现是，重复MIMO结合EGC与最大似然序列估计（MLSE）可实现显著的空间分集增益——误比特率（BER）性能提升约10倍；而Alamouti型编码由于信道系数失配，未能提供实际的性能增益。

ABSTRACT

In this work, spatial diversity techniques in the area of multiple-input multiple-output (MIMO) diffusion-based molecular communications (DBMC) are investigated. For transmitter-side spatial coding, Alamouti-type coding and repetition MIMO coding are proposed and analyzed. At the receiver-side, selection diversity, equal-gain combining, and maximum-ratio combining are studied as combining strategies. Throughout the numerical analysis, a symmetrical $2 imes 2$ MIMO-DBMC system is assumed. Furthermore, a trained artificial neural network is utilized to acquire the channel impulse responses. The numerical analysis demonstrates that it is possible to achieve a diversity gain in molecular communications. In addition, it is shown that for MIMO-DBMC systems repetition MIMO coding is superior to Alamouti-type coding.

研究动机与目标

• 研究MIMO-扩散型分子通信（DBMC）系统中的空间分集技术。
• 评估发射端编码方案——Alamouti型编码与重复MIMO编码——以提升可靠性。
• 分析接收端合并策略：选择分集、等增益合并（EGC）和最大比合并。
• 通过不同系统参数下的误比特率（BER）仿真量化分集增益。
• 使用训练好的人工神经网络（ANN）验证信道冲击响应。

提出的方法

• 在无漂移的三维均匀流体介质中，建立对称的2×2 MIMO-DBMC系统模型。
• 利用训练好的人工神经网络（ANN）估计信道冲击响应，以建模复杂的扩散传播过程。
• 通过Alamouti型编码和重复MIMO编码在发射端实现空间编码，以获得分集增益。
• 接收端合并策略包括选择分集、EGC和最大比合并，以利用空间分集增益。
• 将检测算法——固定阈值检测（FTD）、自适应阈值检测（ATD）和MLSE）——适配至2×2 MIMO场景。
• 在不同系统参数下评估BER性能：分子数量、符号时长、传输距离、天线间距和扩散系数。

实验结果

研究问题

• RQ1 空间分集技术是否能在MIMO-扩散型分子通信系统中实现分集增益？
• RQ2 不同发射端编码方案——Alamouti型编码与重复MIMO编码——在BER性能方面如何比较？
• RQ3 接收端合并策略（选择分集、EGC、最大比合并）对系统可靠性有何影响？
• RQ4 关键系统参数（如扩散系数、天线间距）如何影响可实现的分集增益？
• RQ5 在ISI较强的MIMO-DBMC环境中，MLSE是否优于FTD和ATD？

主要发现

• 重复MIMO编码结合等增益合并（EGC）与最大似然序列估计（MLSE）在BER方面相比SISO系统实现了约10倍的分集增益。
• Alamouti型编码即使在使用MLSE时也未能提供实际的分集增益，原因在于平均信道系数与实际信道系数之间存在失配。
• 随着分子数量增加、符号时长效长、传输距离缩短以及扩散系数提高，BER性能显著改善。
• 增加天线间距（a）可减少链间干扰（ILI），从而在所有MIMO方案中提升BER性能。
• 当发射与接收天线尽可能靠近时，获得最佳BER性能，表明此时空间相关性最有利于分集增益。
• 在任何检测方案中，Alamouti型编码均未表现出显著的空间分集增益，即使在自适应阈值检测（ATD）下亦是如此。