短包通信的由来

短包数据通信的研究开始于3GPP Rel-12、Rel-13中的machine-type communications（MTC）以及后续的演进方案（evolutation MTC，简称为eMTC），为弥补LTE系统对物联网数据通信支撑不足的问题，3GPP在后续版本中分别讨论通过了LTE-MTC以及窄带物联网（NB-IoT）。除常见的eMBB、mMTC之外，5G新定义了URLLC应用场景，此外，2019年底讨论通过的Release-17明确将短包数据传输及优化作为16个重点研究领域之一，诺基亚-贝尔实验室更是认为未来的6G通信就是先进物联网通信（Advanced Internet of things：A-IoT）。此外，NR演进中，我们一般希望技术能够向前兼容，并在确保第二阶段顺利商用的基础上继续演进发展，以支撑之后确定的服务需求。

现有香浓信息论指导下，以更快传输速率为驱动的无线通信技术已难以应对5G及随后6G A-IoT数据通信需求。这主要是因为短包数据通信的以下显著特点。

• 极短的块长：原有香浓信息论指导下主要面向更快传输速率的无线通信技术的块长度一般为10^4-10^5比特长度，与之相对应，短包数据通信块长度一般为100bit量级，原有香浓第三定理指导下以增加冗余信息来平均信道非平坦和噪声的编码方法除极大地增加复杂度之外，也会降低信息传输效率。

• 更低的传输时延性和可靠性需求：面向更快传输速率的无线应用需求时延敏感度一般在100ms及以上，而短包数据通信对时延敏感程度则在1ms左右甚至更苛刻，现有基于香浓第三定理的长时编码方案尽管可以实现更高的传输速率，却也同时带来更多的传输时延。

为解决以上问题，MIT及Princeton的研究人员在Feinstein及Gallager教授Finite-blocklength研究[1]的基础上，创新性的定义了非渐进有限块长信息理论[2]。此外，为解决短包数据通信的高可靠低时延问题，首尔国立大学及三星电子研究院创新性提出了基于稀疏向量码[3]及改进型稀疏向量码的编解码方案。然而在ESVC编码方案中，由于所有调制比特序列采用同一个QAM星座进行调制，且码本中元素不是1就是-1，当两个非零位置中的非零元素相等或者相反时，可能会造成信号抵消的情况，此时部分子载波上将没有传输信号，这将导致接收端译码错误，尤其是码本扩频序列之间并非完全非正交时。此外，在采用稀疏恢复算法进行译码时，译码器需要增大搜索次数才能找到确切的传输时的稀疏矢量。这使得译码时延增加。

基于叠加编码的改进型稀疏向量码方案

针对以上问题，实验室基于叠加编码的思路，提出了一种具有叠加编码特性的ESVC方案（简称为SVC-ST），如图1，以N=3为例，传输比特将被分割为N+1个比特序列，b_0为索引比特，其决定了N个非零位置索引号；b_n, n=1,2,⋯,N为调制比特，利用基于星座旋转的星座图进行调制。最终将在OFDM时频资源块上形成多个基于星座旋转的调制符号相叠加的传输信号。

解码过程中，接收端采用多径匹配追踪软解调（multiplematching pursuit-based soft Decoding，MMP-SD）进行译码。在MMP-SD译码过程中，MMP起到两者作用，一是找到传输时的非零位置索引号，确定b_0。二是估计非零位置中非零元素s ̂_n，n=1,2,⋯,N，之后利用该估计值经过SD译码，获得b_n，如图2所示。

基于以上编解码方案，我们通过理论分析给出了系统的BLER表达式，仿真实验表明，与ESVC相比，本方案可确保稀疏矢量非零位置的所有非零元素都不相同，从而减轻了ESVC的信号抵消所带来的负面影响。此外，由于叠加编码的引入，使得MMP在译码过程中能够较容易的找到相应的非零位置索引号，即MMP需要更少的搜索次数就可以找到正确的非零位置索引号。这使得SVC-ST在时延性能上优于ESVC。

该项研究被IEEE Internet of Things（中科院1区，计算机网络与通信领域期刊排名8 / 334）期刊录用，论文第一作者为实验室博士生张雪婉同学[5]，Handling Editor是国际知名无线通信及信息论领域专家，加拿大瑞尔森大学Xavier Fernando教授，Xavier Fernando教授是IEEE多伦多分会主席，IEEE中加拿大大区主席、IEEE ComSoc杰出讲师，IEEE Canada Humanitarian Initiatives Committee主席。我们推崇可重复性研究，以推动认知和科技进步，该项研究相关Matlab仿真代码可扫码下载，复现我们所有仿真结果：

基于唯一可分解星座簇的稀疏向量码解决方案

由于编码过程中的稀疏性和随机扩展性，资源块中携带的信息为基于ESVC编码后的星座叠加，因此，我们需要考虑叠加星座之间的最小欧氏距离，如果该当最小欧氏距离为0时，稀疏向量随机进行扩展，从而导致映射到资源块上的信号重叠而导致系统的误块率（block error rate：BLER）增高。为此，我们在前行研究中提出了一种基于星座旋转的稀疏向量码方案（CR-SVC）[6]，每一个非零因子从QAM星座中通过旋转一个角度来获取，从而降低可能的信号重叠问题。

然而在CR-SVC中，我们并未考虑最优旋转角度问题，信号调制后仍然可能存在重叠导致BLER性能降低。为此，我们提出了基于唯一可分解星座簇的稀疏向量码方案，并将最优化问题转化为一种寻求最优编码增益的问题，该问题通过最大最小欧式距离给出具体解。仿真实验表明该方案在同等条件下能进一步提升BLER性能。

该项研究被IEEE VTC-21'fall会议录用（CCF C类会议），论文第一作者为实验室硕士生秦甘雨同学[7]。我们推崇可重复性研究，以推动认知和科技进步，该项研究相关Matlab仿真代码可扫码下载，复现我们所有仿真结果：

参考文献：

1. A. Feinstein, “A New Basic Theorem of Information Theory,” Transactions of the IRE Professional Group on Information Theory, vol. 4, no. 4, pp. 2–22, Sept. 1954.

2. Y. Polyanskiy, H. Poor, and S. Verdu, “Channel Coding Rate in the Finite Blocklength Regime,” IEEE Transactions on Information Theory, vol. 56, no. 5, pp. 2307–2359, May 2010.

3. H. Ji, S. Park and B. Shim, "Sparse Vector Coding for Ultra Reliable and Low Latency Communications," IEEE Transactions on Wireless Communications, vol. 17, no. 10, pp. 6693-6706, Oct. 2018.

4. W. Kim, S. K. Bandari and B. Shim, "Enhanced Sparse Vector Coding for Ultra-Reliable and Low Latency Communications," IEEE Transactions on Vehicular Technology, vol. 69, no. 5, pp. 5698-5702, May 2020.

5. X. Zhang, D. Zhang, B. Shim, G. Han, D. Zhang, T. Sato, "Sparse Superimposed Coding for Short Packet URLLC," IEEE Internet of Things Journal， (accept).

6. X. Zhang, G. Han, D. Zhang, and B. S. D. Zhang, “Sparse vector codingbasedsuperimposed transmission for short packet URLLC,” IEEE WCNC, Feb. 2021.

7. G. Qin, H. Chen, X. Zhang, T. Sato, D. Zhang, "Uniquely Decomposable Constellation Group-based Sparse Vector Coding for Short Packet Communications," in IEEE VTC'21-Fall (accept).