Cooperative Communication

212 
5 System Level Aspects for Multiple Cell Scenarios
Cooperative reception/transmission with only partial CSI is of high interest for
practical realization in future mobile radio cellular networks. Based on our con-
tributions about significant CSI selection, various criteria of significant CSI can be
further investigated and applied in the realistic cellular systems. Since researchers
are paying more and more attention to the cooperative communication concept
with selected CSI [8, 9, 19–23], in future work different proposals can be compared.
Further investigations could indicate which criterion for significant CSI selection is
more beneficial to system performance and which one is more beneficial to imple-
mentation complexity. Combinations of different proposals and improvements of the
significant CSI selection algorithms are expected. Some concrete design guidelines
of the selection algorithms could also be proposed.
Advanced nonlinear JD/JT algorithms, i.e., SIC with quantization in the UL and
THP in the DL, with various significant CSI selection algorithms can be further
investigated with respect to analytical and numerical results in future work. Dis-
tributed signal processing of these algorithms in the cooperative communication
scheme could be implemented, and its implementation complexity can be assessed.
Statistical signal processing based on limited knowledge of CSI has also been inves-
tigated based on a real-valued two user interference channel model. Its application
can be extended to realistic multiuser cellular systems in future work.
Bibliography
[1] X. You, G. Chen, M. Chen, and X. Gao, “Toward beyond 3G: The FuTURE
project in China,” IEEE Communications Magazine, vol. 43, no. 1, pp. 38–44,
Jan. 2005.
[2] K. Tachikawa, “A perspective on the evolution of mobile communications,”
IEEE Communications Magazine, vol. 41, no. 1, pp. 66–73, Oct. 2003.
[3] G. J. Foschini and M. J. Gans, “On limits of wireless communications in a fading
environment when using multiple antennas,” Wireless Personal Commun., vol.
6, pp. 311–335, Mar. 1998.
[4] E. Telatar, “Capacity of multi-antenna Gaussian channels,” European Trans-
actions on Telecommunications, vol. 10, no. 6, pp. 585–595, 1999.
[5] J. G. Andrews, “Interference cancellation for cellular systems: A contemporary
overview,” IEEE Wireless Communications, vol. 12, pp. 19–29, April 2005.
[6] R. D. J. van Nee and R. Prasad, OFDM for Wireless Multimedia Communica-
tions, Artech House, Boston, 2000.
[7] T. Weber, I. Maniatis, A. Sklavos, and Y. Liu, “Joint transmission and detection
integrated network (JOINT), a generic proposal for beyond 3G systems,” in
Proc. 9th International Conference on Telecommunications (ICT’02), Beijing,
June 2002, vol. 3, pp. 479–483.

Bibliography 213
[8] P. Zhang, X. Tao, J. Zhang, Y. Wang, L. Li, and Y. Wang, “A vision from the
future: Beyond 3G TDD,” IEEE Communications Magazine, vol. 43, no. 1, pp.
38–44, January 2005.
[9] X. Tao, J. Xu, X. Xu, C. Tang, and P. Zhang, “Group cell FuTURE B3G
TDD system,” in Proc. IEEE International Symposium on Personal, Indoor
and Mobile Radio Communications (PIMRC’05).
[10] A. Klein, G. K. Kaleh, and P. W. Baier, “Zero forcing and minimum mean-
square-error equalization for multiuser detection in code-division multiple access
channels,” IEEE Transactions on Vehicular Technology, vol. 45, no. 2, pp. 276–
287, May 1996.
[11] M. Meurer, P. W. Baier, T. Weber, Y. Lu, and A. Papathanassiou, “Joint
transmission: Advantageous downlink concept for CDMA mobile radio systems
using time division duplexing,” Electronics Letters, vol. 36, no. 10, pp. 900–901,
May 2000.
[12] T. Weber, A. Sklavos, and Meurer M., “Imperfect channel state information in
MIMO transmission,” IEEE Transactions on Communications, vol. 54, no. 3,
pp. 543–552, March 2006.
[13] S. Verdu, Multiuser Detection, University Press, Cambridge, 1998.
[14] A. Kühne and A. Klein, “Adaptive MIMO-OFDM using OSTBC with imperfect
CQI feedback,” in Proc. International ITG/IEEE Workshop on Smart Antennas
(WSA’08), Darmstadt, Feb. 2008.
[15] A. Kühne and A. Klein, “Throughput analysis of multi-user OFDMA-systems
using imperfect CQI feedback and diversity techniques,” IEEE Journal on
Selected Areas in Communications, vol. 26, no. 8, pp. 1440–1451, October 2008.
[16] X. Wei, T. Weber, A. Kühne, and A. Klein, “Joint transmission with imper-
fect partial channel state information,” in Proc. IEEE Vehicular Technology
Conference (VTC’09-Spring), Barcelona, April 2009.
[17] X. Wei, T. Weber, A. Ahrens, and S. Deng, “Decentralized interference man-
agement in mobile radio networks,” Frequenz, vol. 61, no. 11/12, pp. 259–269,
2007.
[18] X. Wei, and T. Weber, “Cooperative communication with partial channel-state
information in multiuser MIMO systems,” AEÜ, 2010.
[19] A. Papadogiannis, H.J. Bang, D. Gesbert, and E. Hardouin, “Downlink over-
head reduction for multicell cooperative processing enabled wireless networks,”
in Proc. IEEE International Symposium on Personal, Indoor, Mobile Radio
Communications (PIMRC’08), Cannes, September 2008.
[20] A. Papadogiannis, D. Gesbert, and E. Hardoin, “A dynamic clustering approach
in wireless networks with multi-cell cooperative processing,” in Proc. IEEE
International Conference on Communications (ICC’08), Beijing, May 2008.

214 
5 System Level Aspects for Multiple Cell Scenarios
[21] P. Marsch and G. Fettweis, “A framework for optimizing the uplink performance
of distributed antenna systems under a constrained backhaul,” in Proc. IEEE
International Conference on Communications (ICC’07), Glasgow, June 2007.
[22] P. Marsch and G. Fettweis, “On multicell cooperative transmission in backhaul-
constrained cellular systems,” Annals of Telecommunications, vol. 63, no. 5–6,
pp. 253–269, June 2008.
[23] S. Khattak and G. Fettweis, “Low backhaul distributed detection strategies for
an interference limited uplink cellular system,” in Proc. IEEE 67th Vehicular
Technology Conference (VTC’08-Spring), Singapore, May 2008, pp. 693–697.

H. Rohling (ed.), OFDM: Concepts for Future Communication Systems, 215
Signals and Communication Technology, DOI: 10.1007/978-3-642-17496-4_6,
© Springer-Verlag Berlin Heidelberg 2011
6 OFDM/DMT for Wireline
Communications
With wireline, we mean digital subscriber lines as well as optical transmission. Apart
from the general aspects of multicarrier modulation, the channel properties are very
different. It is thus unavoidable to go into some details of channel transfer character-
istics and disturbances. In DSL, the channel characteristics are determined by the
propagation constant, the characteristic impedance, and the loop structure, further-
more crosstalk from other loops and ingress (RFI, impulse noise) from outside. In
copper loops, the frequency dependent transfer function of the twisted pairs together
with possible reflections at splices lead to dispersion which we will also see in optical
transmission. There, we distinguish chromatic dispersion and polarization mode dis-
persion. Optical transmission especially also suffers from non-linear characteristics
(Kerr effect), which does not have a counterpart in copper cables. In copper trans-
mission, non-linearities are especially due to the limitations of the D/A converters
and power amplifiers, which may lead to clipping of the almost Gaussian distributed
time-domain signal of OFDM. This holds for all OFDM transmission. Other non-
linearities may be due to baluns (transformers) used in DSL, but practically, they
are of minor relevance.
In the following two sections, we will study properties of the channel and specialties
of the multicarrier transmission over twisted pairs and optical fibers. Thereafter, we
consider a new approach for impulse noise cancellation in DSL and the simulation
of optical multicarrier transmission.
6.1 Discrete MultiTone (DMT) and Wireline
Channel Properties
W. Henkel, Jacobs University Bremen, Germany
This chapter describes basic properties of the wireline twister-pair channel and
introduces DMT (Discrete MultiTone), the baseband variant of OFDM. Further
information can, e.g., be found in a student book project [1], or [2–5].
6.1.1 Properties of the Twisted-Pair Channel
The twisted pair (TP) cable channel is characterized by a transfer function that is
increasingly attenuating with frequency and cross-talk functions that increase with
frequency, as well. Furthermore, ingress from radio interferers (RFI), e.g., amateur
radio, and impulse noise have a strong impact. In the following, we describe the

216 
6 OFDM/DMT for Wireline Communications
NEXT
NEXT
FEXT
FEXT
Figure 6.1: NEXT and FEXT
channel properties and interferences shortly, focusing a little more on impulse noise,
especially in Section 6.3.
Transfer Characteristic
Two quantities determine the transfer function of a twisted pair: the propagation
constant γ (together with the loop length l) and the characteristic impedance Z
0
.
The ABCD matrix of a loop is known to be
A =

cosh(γl)
Z
0
· sinh(γl)
1
Z
0
· sinh(γl)
cosh(γl)

.
(6.1)
An ideally with Z
0
terminated line (or very long loop) has the transfer function
H(jω) = e
−γl
= e
−αl
e
−jβl
.
(6.2)
Near-end Crosstalk (NEXT) and Far-end Crosstalk (FEXT)
NEXT results from coupling from other loops in the same cable from transmitters
located at the same side as the own receiver (see Fig. 6.1). NEXT (as a power
contribution) is modeled as
|H
NEXT
(jf )|
2
= K
NEXT
N
0.6
f
3/2
,
(6.3)
where N is the number of identical disturbers and the power of 0.6 is to halfways
model the distribution of disturbers in cable.
FEXT results from coupling from other loops in the same cable from transmitters
located at the opposite side of the own receiver (see Fig. 6.1). FEXT (as a power
contribution) is modeled as
|H
FEXT
(jf )|
2
= K
FEXT
N
0.6
· l · f
2
· |H(jf, l)|
2
,
(6.4)
where N is the number of identical disturbers, l is the length of the coupling length,
and the power of 0.6 is to halfways model the distribution of disturbers in the cable.
The proportionality to l is intuitively obvious, since the longer the two loops are next
to each other, the more power will be coupled. FEXT is influenced by the transfer
function H(jf, l), since it either traverses through it on the initial loop or after the

6.1 Discrete MultiTone (DMT) and Wireline Channel Properties 
217
coupling on the receiving loop. We ignore the slight differences in transfer functions
on both sides which are mostly due to different twists. The so-called Equal-Level
FEXT (EL-FEXT) is defined by eliminating the length dependency and the transfer
function, i.e.,
|H
EL-FEXT
(jf )|
2
= |H
FEXT
(jf )| ·
1
l
·
1
|H(jf, l)|
2
= K
FEXT
N
0.6
· f
2
.
(6.5)
Measured NEXT and EL-FEXT functions of an 0.4-mm layered cable are shown
in Fig. 6.2 and Fig. 6.3, respectively.
10
3
10
4
10
5
10
6
10
7
−200
−180
−160
−140
−120
−100
−80
−60
−40
−20
|NEXT| [dB]
frequency / Hz
Figure 6.2: Measured NEXT of an 0.4-mm layered cable
Radio-frequency Interference (RFI) and Impulse Noise
Both kinds of ingress are due to non-symmetries of the twisted pair. The pair
together acts as an antenna, which becomes visible in the Common Mode, the average
mean of the two wires against ground. Due to non-symmetries, also in Differential
Mode, an attenuated version of the signal will be present. Non-symmetries are
characterized by unbalance parameters like Longitudinal Conversion Loss (LCL),
Transverse Conversion Loss (TCL), Longitudinal Conversion Transfer Loss (LCTL),
and Transverse Conversion Transfer Loss (TCTL). We will not define them in here,
instead refer to [6].
Since RFI from amateur radio stations and others are very narrow-band compared
to DSL services, they appear as a spike in the spectrum, i.e., almost a sinusoid
in time domain. Countermeasures have been taken in VDSL by pulse shaping at
the transmitter and windowing at the receiver. Transmitter pulse shaping reduced
egress to radio receivers, windowing at the receiver reduces ingress. Otherwise, a

218 
6 OFDM/DMT for Wireline Communications
10
3
10
4
10
5
10
6
10
7
−200
−150
−100
−50
0
50
|EL FEXT| [dB/km]
frequency / Hz
Figure 6.3: Measured EL-FEXT of an 0.4-mm layered cable
rectangular window will lead to a stronger leakage into neighboring frequencies.
Combination of neighboring carriers are also a possible measure. Also cancellation
methods based on the common mode have been proposed. These will be discussed in
Section 6.3. RFI cancellation is necessary, since otherwise the desired receive signal
would be hidden in the RFI signal at the analog interface, leading to saturation of
the A/D-converter.
Impulse noise is another disturbance that can be seen as ingress, at least when
central offices are digitalized. In earlier times, additional strong impulse noise was
caused by relay switching in the central offices, which is not present in digitalized
central offices any more. Nowadays, impulse noise is only caused by electrical home
appliances, trains and trams, fluorescent tubes, ignition, lightning, and electrical
machines, especially, e.g., welding. Figure 6.4 shows an impulse, measured in a
workshop with a welding equipment and at another place caused by switching fluo-
rescent tubes.
The coupling mechanism for impulse noise ingress is the same as for RFI distur-
bances, which means that common mode will also show a stronger interference than
the differential mode, thereby offering possibilities for cancellation described in Sec-
tion 6.3. The amplitude of impulse disturbances depends a lot on the cable infras-
tructure. Especially, aerial cables carry order of magnitudes higher impulse noise
than buried cables.
In here, we shortly describe impulse-noise properties. Thorough studies on mod-
eling and impulse noise generation can be found in [31–33]. The voltage follows a
density similar to Weibull, given by
f
i
(u) =
1
240u
0
e
|−u/u
0
|
1
/5
(6.6)

6.1 Discrete MultiTone (DMT) and Wireline Channel Properties 
219
1000
1500
2000
2500
3000
3500
4000
4500
−0.01
−0.005
0
0.005
0.01
Impulse noise produced by light switching
Samples
Volts [V]
1000
1500
2000
2500
3000
3500
4000
4500
−0.4
−0.2
0
0.2
0.4
Volts [V]
Impulse noise produced by welding
Samples
Figure 6.4: Impulses resulting from welding and fluorescent tubes, measured at a
telephone socket
and the duration of an impulse follows roughly follows a combination of two log-
normal densities in the form
f
l
(t) = B
1
√
2πs
1
t
e
−
1
2
s2
1
ln
2
(t/t
1
)
+ (1 − B)
1
√
2πs
2
t
e
−
1
2
s2
2
ln
2
(t/t
2
)
.
(6.7)
In [33], furthermore, the inter-arrival times are determined by a Markov model where
the states itself define a Poisson process. Additionally, a procedure is proposed,
ensuring spectral properties and the voltage density at the same time.
6.1.2 Discrete MultiTone (DMT)
Twisted pairs have been designed for telephone services with only a bandwidth of
3.4 or 4 kHz. Necessarily, their transmission quality deteriorates with increasing
frequency, determined by the attenuation and crosstalk functions, increasing with
frequency. Thus, a baseband variant of OFDM is a must. We define DMT as
u(t) =

N −1
i=0
F
i
e
j2π
t
T
i
=

N/2−1
i=1
F
i
e
j2π
t
T
i
+ F
∗
i
e
−
j2π
t
T
i
u
k
=

N −1
i=0
F
i
e
j
2π
N
ik
=

N/2−1
i=1
F
i
e
j
2π
N
ik
+ F
∗
i
e
−
j
2π
N
ik
(6.8)
To make it a real time-domain signal, only half of the DFT components i =
1, . . . , N/2 − 1 are available. The components i = N − 1, . . . , N/2 + 1 are conjugates
and the components at 0 and N/2 are not used. They would otherwise have to be
real, anyhow. Dependent on the underlying system, carriers up to number 5 or 32
may not be used, assuming the carrier spacing of 4.3125 kHz of ADSL and VDSL.
In contrast to wireless applications, where the cyclic prefix is typically chosen to

220 
6 OFDM/DMT for Wireline Communications
S
P
S
P
P
S
CP
P
S
CP
noise
H(jω)
TEQ
FFT
FEQ
D
et
.
/
D
ec
.
M
appi
ng
M
o
dul
at
io
n
IFFT
Figure 6.5: Components of DMT transmission
be a quarter of the symbol duration, DSL works with a very short cyclic prefix. In
ADSL a cyclic prefix of 32 at a symbol duration of 512 samples is used, making it
only 6.25 %. Nevertheless, the impulse response duration may significantly exceed
the cyclic prefix (CP), which then requires a pre-equalization, called time-domain
equalization (TEQ), to (roughly) shorten the impulse response to the length of
the CP plus one. In wireless, this TEQ realization is not too feasible, due to a
quickly time-variant channel. In wireline, the channel is almost stationary, apart
from temperature changes and crosstalk variations due to switching of modems.
The structure of the DMT transmission is given in Fig. 6.5. Additionally to the
TEQ, the frequency-domain equalization is as in OFDM, except that, of course,
only half of the carriers need to be equalized. There are quite some algorithms
for time-domain equalization. In here, we may only mention a substitute-system
approach, where the TEQ is adapted together with a virtual substitute system that
represents channel plus equalizer. This reference system realizes the required short
overall impulse response. The solution leads to an eigenvalue problem as shown,
e.g., in [34]. Another option is to maximize the capacity taking into account the
leakage effect of the DFT and external noise together with multidimensional search
algorithms like downhill simplex or differential evolution [35].
Another specialty of DMT, due to the stationarity of the channel, is bit-loading in
different forms. The oldest algorithm by Hughes-Hartogs [7] is a greedy approach,
allocating bit-by-bit, where it costs the least incremental power at a given requested
bit-error ratio (BER). Chow, Cioffi, and Bingham [8] use a modification of Shannon’s
capacity for the Gaussian channel, but introducing an additional margin, which is
modified iteratively. Fisher and Huber [9] use the symbol-error ratio as a criterion,
which leads to results tightly related to Chow et al.’s algorithm. George and Amrani
[10] use a greedy approach not based on the incremental power, but on the increment
in BER, assuming a constant power profile. Campello [11] uses a grouping of carriers
with a similar (equal after quantization) capacity (after omitting the +1 in the
argument). Finally, additional bits are placed in a Hughes-Hartogs/Levin- [12] -like
fashion. Levin [12] introduced a bit-swapping argument when allocating bits.
There are manifold further algorithms, and they all lead to similar performances
and differ mostly in their complexities. Especially, the oldest one by Hughes-Hartogs
is the most complex of all. For these algorithms, we have worked out modifications

6.1 Discrete MultiTone (DMT) and Wireline Channel Properties 
221
that realize unequal error protection for different QoS requirements, e.g., [13–15]. For
example, the Chow et al. algorithm is simply modified to realize UEP by introducing
different margins for the different QoS classes. For robustness against impulse noise,
one may put the most important information onto the worst carriers [13].
DMT, of course, has a the same drawback of a high peak-to-average power ra-
tio (PAR) as OFDM. DMT has an almost Gaussian distribution in time domain,
whereas OFDM leads to a Raleigh distribution of the amplitude due to Gaussian
inphase and quadrature components. Many proposals for PAR reduction have been
made. However, only the so-called Tone-Reservation method by Tellado [16] and
oversampled versions thereof, e.g., in [17] have made it into practical implementa-
tions due to the very low complexity. A further approach with acceptable complexity
may be Partial Transmit Sequences based on a trellis search [18].
Further aspects of wireline transmission are upstream power back-off [19–21] to
take care of the near-far problem, furthermore dynamic spectral management to
allocate the available resources in a more dynamic way (e.g., iterative water fill-
ing [22, 23], NRIA [24], a game-theoretic approach [25]], and finally, MIMO ap-
proaches in the form of two-sided and one-sided processing. We shortly introduce
these approaches which make use of the FEXT functions additionally to the transfer
function. Note however, that such systems do only make sense for shorter distances
below around 500 m. FEXT is attenuated by the transfer function of the cable and
thus does not contribute significantly for longer loops. There are, of course, echo
and NEXT cancelers, too, but we do not discuss them in here. In the following,
we shortly discuss the MIMO approaches based on Singular-Value (SVD) or QR
decomposition.
Two-Sided Processing for MIMO Based on SVD
The singular-value decomposition [26] rephrases the channel matrix in DFT domain
H(n) at carrier number n as
Q(n) · Λ(n) · P
H
(n)
(6.9)
Λ(n) is a diagonal matrix. P(n) and Q(n) are unitary matrices.
Let t(n) and r(n) be input and output vectors, respectively.
At the transmitter side, we multiply the signal t(n) by P(n). Whereas, the signal
at the receiver is multiplied by Q
H
(n) to obtain the output r(n) (see Fig. 6.6).
t
x
y
r
H
= QΛP
H
P
Q
H
Figure 6.6: SVD MIMO diagonalization
r(n) = Q
H
(n) · y(n)
(6.10)
Using the SVD in Eq. (6.9), we obtain
r(n) = Q
H
(n) · Q(n) · Λ · P
H
(n) · x(n)
(6.11)

222 
6 OFDM/DMT for Wireline Communications
x(n) is the product of P(n) and t(n),
r(n) = Q
H
(n) · Q(n)



I
·Λ · P
H
(n) · P(n)



I
·t(n)
(6.12)
OFDM and SVD as Reed-Solomon or RS-like codes RS codes are commonly
defined as follows.
Definition 6.1.1. A Reed-Solomon (RS) code of length N and minimum Ham-
ming distance d
H m
is a set of vectors, whose components are the values of a polyno-
mial C(x) = x
l
· C
′
(x) of degree{C
′
(x)} ≤ K − 1 = N − d
H m
at positions z
k
, with z
being an element of order N from an arbitrary number field.
c = (c
0
, . . . , c
N −1
) , c
i
= C(x = z
i
)
(6.13)
w
H m
and d
H m
, the minimum Hamming weight and distance, respectively, are
known to be
w
H m
= min ||c||
0
= d
H m
= N − (K − 1) = N − K + 1 .
(6.14)
Since the samples are chosen to be powers of an element of order N, i.e., z
k
, where
z
would be e
j2π/N
in the complex case, the equivalent description is known to be
c
i
= z
il
·
N −1
k=0
C
k
z
ik
,
i = 0, . . . , N − 1 ,
(6.15)
with C
k
= 0 for K ≤ k ≤ N − 1, Eq. (6.15) is nothing else than an IDFT with some
consecutive DFT components unused. This means, OFDM inherently represents an
RS code, when cyclically consecutive carriers are not used. In the case of DMT,
these unused carrier positions need to be symmetric due to the conjugate symmetry.
Let us now compare the structures of OFDM and SVD.
OFDM: W
H
·
channel



WΛW
H
·W ,
(6.16)
SVD: V
H
· V Λ U
H



channel
· U .
(6.17)
We observe that both make use of a pre- and post-processing by unitary matrices.
IDFT and DFT diagonalize the channel Toeplitz matrix representing the convolution
with the channel impulse response. SVD diagonalizes arbitrary channel matrices.
The similarities lead to a more general concept of RS-like codes. The pre-processing
matrix of the SVD offers a code with the same Hamming distance as an RS code
for continuous and random channel matrices.
One-sided Processing for MIMO Based on QR Decomposition
Unfortunately, most of the time, we do not have the situation of a bundled connection
of only a few hundred meters where SVD would be applicable. Distances between

6.1 Discrete MultiTone (DMT) and Wireline Channel Properties 
223
the central office and the cabinet are usually too long to profit from FEXT due to
the attenuation of the loop. Short loops usually exist form the cabinet to customer
premises or directly from the central office to the customer. These loops allow only
for one-sided precessing at the cabinet (central office). This means post-processing
for upstream and pre-processing for downstream. The linear algebra tool ideal for
this task is the QR decomposition leading to a spatial decision feedback equalizer
structure or Tomlinson-Harashima precoder, respectively [27–30].
QR decomposition for upstream processing For upstream processing we
write the L × L channel matrix as (In the following, we omit the carrier index
n
.)
H = QR ,
(6.18)
with a unitary matrix Q and an upper triangular matrix R. Working with column
vectors for information and received values, a post-processing with Q
H
leads to
1
r
Q
= Q
H
Q
  
I
Rt + n = Rt + n ,
(6.19)
Due to the triangular matrix, a back-substitution approach can be applied to finally
obtain an estimate of the information symbols ˆt
k
, which may be further refined by
channel decoding. The equation for ˆt
k
ˆ
t
k
= decode
⎡
⎣
1
R
k,k
· r
Q
k
−
L
j=k+1
R
k,j
R
k,k
· ˆt
j
⎤
⎦
(6.20)
unveils the decision-feedback structure shown in Fig. 6.7.
r
Q
H
r
Q
diag(R)
−1
I
− [diag(R)]
−1
R
ˆt
decision
Figure 6.7: Spatial DFE structure resulting from QR decomposition
QR decomposition for downstream processing For downstream processing,
the idea is to apply a QR decomposition to the transpose
2
of the channel matrix.
This enables us to do a pre-processing instead of the post-processing of the previous
paragraph. We hence obtain
H
T
= QR , i.e., H = R
T
Q
T
.
(6.21)
1
H stands for conjugate transpose.
2
One may of course also take the conjugate transpose.

224 
6 OFDM/DMT for Wireline Communications
Pre-multiplying with Q
∗
leads to
3
r
Q
2
= H · Q
∗
· t
′
= R
T
· Q
T
· Q
∗



=I
·t
′
= R
T
· t
′
(6.22)
Let us choose t
′
as
t
′
= R
−T
·
diag(R
T
) · t
(6.23)
The inverse of R
T
already ensures the desired decoupling. The diagonal matrix is
added to obtain a similar structure in the following formula as in (6.20). Equation
(6.23) can equivalently be rephrased as
t
′
k
= Γ
M
⎡
⎣
t
k
−
k−1
j=1
R
j,k
R
k,k
· t
′
j
⎤
⎦
(6.24)
Γ
M
represents the modulo operation of the Tomlinson-Harashima precoding. Figure
6.8 shows the precoder structure.
modulo
t
′
Q
∗
I
− [diag(R
T
)]
−1
R
T
t
Figure 6.8: Spatial precoder structure resulting from QR decomposition
3
* means conjugate

6.2 Optical OFDM Transmission and Optical Channel Properties 
225
6.2 Optical OFDM Transmission and Optical
Channel Properties
M. Mayrock, H. Haunstein, University Erlangen-Nürnberg, Germany
Commercially available systems for high bit-rate optical data transmission utilize
on-off-keying or differential phase shift keying (DPSK) and reach bit-rates up to
40 Gbit/s. The transmission channel itself consists of single mode fibers exhibit-
ing very low loss. In order to regenerate the power of the optical signal, optical
amplifiers, e.g., erbium doped fiber amplifiers, are placed along the link. By this
means the optical power is increased without the need of opto-electrical signal con-
version. However, optical amplifiers introduce noise, which leads to a reduction of
the optical signal-to-noise power ratio (OSNR). Depending on the signal powers and
bandwidths along with other parameters, systems can be designed for transmission
over hundreds to a couple of thousands kilometers.
When transmitting over long distances various kinds of signal distortion accumulate.
Chromatic Dispersion (CD) describes the effect that different frequencies travel at
different speeds along the optical wave-guide. Hence, pulses are broadened and fi-
nally inter-symbol interference (ISI) occurs. In today’s systems CD-compensation
is done with the help of dispersion compensating fibers or other optical devices like
fiber gratings, which have to be adapted to the individual transmission scenario.
Polarization Mode dispersion (PMD) is a further performance limiting effect. Due
to mechanical stress, imperfect fiber geometry, etc. the fiber becomes birefringent,
i.e., signal contributions of orthogonal polarizations exhibit different speeds of prop-
agation. The optical axes of different fiber sections are not aligned. Therefore, the
“slow” and the “fast” modes of a certain piece of fiber couple into the optical axes
of the next fiber section in a way which depends on their relative orientation. This
effect occurs all along the fiber and eventually generates a fading-channel with a
large number of echoes. There are methods for optical PMD compensation which
usually compensate for first order differential group delay. Equalization techniques
in the electrical domain could overcome this limitation. However, today’s systems
use direct detection receivers which convert the optical signal to the electrical do-
main via a non-linear operation and thus also electronic equalization shows limited
performance.
It is expected that future systems will need higher signal bandwidth leading to strict
requirements for dispersion compensation (CD and PMD). On the other hand more
and more powerful signal processing resources can be implemented in today’s inte-
grated circuit fabrication processes. Therefore OFDM along with coherent detection
is a candidate for future high bit-rate optical systems.
The demand for higher bit-rates can also be accounted for using techniques which
operate at high spectral efficiency. OFDM is interesting for such systems, as it allows
for dense wavelength multiplexing. Moreover the modulation alphabet for individual
OFDM sub-carriers can be scaled easily and thus spectral efficiency can be adapted
to given channel conditions. Recently, results of an OFDM transmission experi-
ment have been published, where the authors report 5.6 bit/s/Hz spectral efficiency

226 
6 OFDM/DMT for Wireline Communications
by transmitting eight times 66.8 Gbit/s over 640 km of uncompensated standard
single-mode fiber [52]. Some modification in the set of system parameters allows for
enhancement to 7.0 bit/s/Hz [53]. However, the signal-to-noise power ratio cannot
be increased to arbitrarily high values by means of increasing the optical transmit
power. This limitation is caused by the Kerr effect, which describes the variation
of the refractive index of an optical wave-guide under variation of the optical signal
power. As a consequence, distorting phase modulation is caused, which is a func-
tion of the signal power and finally leads to non-linear signal distortion (self phase
modulation). Furthermore the effect causes non-linear crosstalk between signals of
different wavelengths and between orthogonally polarized signals.
To overcome the drawbacks of the transmission impairments and to guarantee
a bit error rate (BER) < 10
−16
Forward Error Correction (FEC) coding is in-
evitable. In classical non-coherent direct detection receivers processing at data rates
up to 10 Gbit/s no channel capacity achieving FEC schemes were required, since a
hard decision BER of already < 10
−3
could be attained. So, first-generation FEC
schemes mainly relied on the (255, 239) Reed-Solomon (RS) code over the Galois
field GF(256), with only 6.7% overhead. In particular, this code was recommended
by the ITU for long-haul submarine transmissions [63]. Then, the development
of Wavelength Division Multiplexing (WDM) technology provided the impetus for
moving to second-generation FEC systems, based on concatenated codes with higher
coding gains [64]. Nowadays, third-generation FEC schemes based on soft-decision
decoding have become subject of interest since stronger FEC schemes are seen as
a promising way to achieve performance close to channel capacity. Therefore a
straightforward approach is bit-interleaved coded modulation with iterative decod-
ing (BICM-ID) , which can be considered as the most simple approach to achieve
high spectral efficiency while providing a low decoding complexity [68].

6.3 Impulse-Noise Cancellation 
227
6.3 Impulse-Noise Cancellation
O. Graur, W. Henkel, Jacobs University Bremen, Germany
As previously discussed in Section 1.1, impulse noise can strongly affect trans-
mission quality, occasionally even leading to DSL modem restart. In this section, a
cancellation method is described which relies on the strong coupling of interference
into Common-Mode [36].
6.3.1 Common Mode and Differential Mode
Differential-Mode (DM) signals have been the conventional approach of transmission
over copper cables. The reason behind this is that they are less susceptible to
strong interference such as impulse noise and RFI. Since DM signals appear as a
voltage difference on two wires, any incident signals would couple equally, keeping the
differential signal unchanged. Unlike DM, Common-Mode (CM) signals are taken
as the arithmetic mean of the two signals measured with respect to ground, which
makes them prone to interference. Both DM and CM signals are readily available
on the receiver side.
x
DM
(t) = x
1
(t) − x
2
(t)
(6.25)
x
CM
(t) =
x
1
(t) + x
2
(t)
2
(6.26)
CM signals consist mainly of ingress: independent noise, a component correlated
with the desired signal from DM, and noise correlated with the noise in DM [41].
In the case of strong interference, such as in the case of impulse noise, there is a
strong correlation between DM and CM signals. While the dominant component
in CM will be the impulse, this might not necessarily be the case for DM. There,
impulsive noise might be buried within the rest of the signal, making the detection
less straightforward.
6.3.2 Coupling and Transfer Functions
For the rest of this section, channels were considered linear time invariant (LTI).
It is also reasonable to assume that all the transmitted signals can be modeled as
independent Gaussian random variables. Since neither statistical properties, nor
coupling functions were previously defined for CM, our model relies on measure-
ments. For the measurements in this section, a Swiss 0.4 mm cable with 50 pairs
of length 100 m was used. As Fig. 6.9 shows, measurements revealed a −50 dB
attenuation of signal coupling into CM, for frequencies below 2 MHz.
Figures 6.10 and 6.11 illustrate the NEXT and FEXT coupling functions obtained
from measurements.
6.3.3 Common-Mode Reference-Based Canceler
The principle of impulse noise cancellation using the CM signal is illustrated in
Fig. 6.12.

228 
6 OFDM/DMT for Wireline Communications
-80
-70
-60
-50
-40
-30
-20
-10
0
0
5e+006
1e+007
1.5e+007
2e+007
2.5e+007
3e+007
3.5e+007
4e+007
response / dB
frequency / Hz
TR DM
TR CM
Figure 6.9: Transfer functions for DM and CM obtained from measurements of a 0.4
mm Swiss cable of length 100 m
For convenience, the impulses were received and saved into non overlapping blocks
of length N, before attempting cancellation. Superscripts DM and CM refer to
Differential-Mode and Common-Mode and the subscript in H
DM
j,i
refers to the path
from the ith pair into jth pair. The principle illustrated in Fig. 6.12 can be ex-
tended to a multipair cable with an arbitrary number of disturbers according to the
Eq. (6.27). We assume L equal-length FEXT and K NEXT disturbers. We transmit
signal s as a voltage difference at the transmitter side on pair j. At the receiver side,
we measure two signals y
DM
j
and y
CM
j
which can be expressed as given in (6.27),
where s
j
is the transmitted signal of size N x1 on pair j, H
DM
j,j
denotes the N xN
convolution matrix describing the DM to DM path on the jth pair. w
DM
denotes
uncorrelated AWGN in DM referred to as background noise, and i
DM
represents the
DM coupled impulse noise signal. Similar notation stands for CM signals.

y
DM
j
y
CM
j

=

H
DM
j,j
H
CM
j,j


s
j

+

H
DM
j,1
· · · H
DM
j,j−1
H
DM
j,j+1
· · · H
DM
j,L
H
CM
j,1
· · · H
CM
j,j−1
H
CM
j,j+1
· · · H
CM
j,L




F EXT
⎡
⎢
⎢
⎢
⎢
⎢
⎢
⎢
⎢
⎢
⎢
⎣
s
1
...
s
j−1
s
j+1
...
s
L
⎤










⎦
+

H
DM
j,L+1
· · · H
DM
j,L+K
H
CM
j,L+1
· · · H
CM
j,L+K




N EXT
⎡
⎢
⎢
⎣
v
1
...
v
K
⎤


⎦
+

w
DM
w
CM




AW GN
+

i
DM
i
CM

  
impulse noise
(6.27)
Measurements of impulse noise have been taken at inhouse phone outlets, both in
DM and CM. Figure 6.13 presents an impulse measured both in DM and CM.

6.3 Impulse-Noise Cancellation 
229
0
0.5
1
1.5
2
2.5
3
x 10
7
−140
−130
−120
−110
−100
−90
−80
−70
−60
−50
−40
frequency [Hz]
response [dB]
NEXT disturber coupling into DM
NEXT disturber coupling into CM
Figure 6.10: NEXT coupling functions, obtained from measurements of different TPs
in the bundle. The outlier is due to measuring the other TP in the same
star quad.
6.3.4 Impulse Noise Detection and Cancellation
Detection
The CM signal, besides providing a reference for most of the undesired interference in
the system, comes with the advantage that its dominant component is impulse noise,
which facilitates the detection of corrupted samples. Although many other detection
methods for impulse noise have been successfully described in literature [47], the
current section presents two simple methods. For the first method (6.14), in order
to obtain the envelope, the CM is split into non overlapping frames of size M. Out
of every frame, the maxim value is chosen and interpolation is performed among
all local maxima. That is, after k distinct blocks of size M, k − 1 values can be
linearly interpolated, and from the corresponding (k − 1)M samples, the ones above
a certain threshold τ can be flagged. Once flagged, the CM signal passes through the
adaptive FIR filter which updates the coefficients only when a new flagged sample
is detected. Under ideal assumptions, the resulting output would contain the DM
signal, undistorted by impulse noise, and a term describing a minimum residual
error.
A second method which can be easily implemented in the analog domain uses a
rectifier and a low pass filter to detect the envelope of the CM signal (see Fig. 6.15).
Cancellation
For our simulations, the Normalized Least Mean Squares algorithm (NLMS) was
used. NLMS is typically used due to its reduced computational complexity and
robustness [46]. As illustrated in Eq. (6.27), the CM signal can be split into a
component correlated with the DM noise, a component correlated with the DM
signal and one uncorrelated component. This leakage of DM signal into CM poses

230 
6 OFDM/DMT for Wireline Communications
0
0.5
1
1.5
2
2.5
3
x 10
7
−130
−120
−110
−100
−90
−80
−70
−60
−50
−40
frequency [Hz]
response [dB]
FEXT disturber coupling into DM
FEXT disturber coupling into CM
Figure 6.11: FEXT coupling functions, obtained from measurements of different TPs
in the bundle. The outliers are due to measuring adjacent TPs
∑
delay
ĥ[n]
e[n]
RX/
TX
RX/
TX
RX/
TX
x (t)
1
x (t)
2
x
CM
x
DM
DM
CM
Transfer function to DM
Transfer function to CM
FEXT to DM
FEXT to CM
NEXT to DM
NEXT to CM
Figure 6.12: Coupling functions and canceler structure
the risk of canceling the useful component, which is much more likely for a high DM
to CM coupling and a high SNR. One way to circumvent this problem is to update
the filter coefficients only when the far-end transmitter is inactive [43].
Uncorrelated CM in-band noise induces the possibility that it will leak to the output
of the adaptive filter, which will result in SNR loss. This undesired effect can be
minimized by updating the filter coefficients only when impulse noise is detected
in CM, which is what we went for in our simulations. Crosstalk is not canceled
along with impulse noise since the total burst time is much smaller than the total
transmission time, and the filter adaptation is performed sporadically.
6.3.5 Simulation Results
Impulse noise cancellation was investigated in the context of ADSL transmission.
Coupling and transfer functions were measured for both DM and CM for a cable
length of 100 m. Length-scaling for ADSL-specific loop distances was employed using
the method described in Chapter 1.1. Note that the same length-scaling method was
used both for DM and CM, although this might not necessarily be accurate in the
case of CM. If was used, nevertheless, since no other model for a length dependency

6.3 Impulse-Noise Cancellation 
231
0
1000
2000
3000
4000
5000
6000
7000
8000
−0.01
−0.005
0
0.005
0.01
Samples [n]
Volts [V]
0
1000
2000
3000
4000
5000
6000
7000
8000
−0.5
0
0.5
Volts [V]
Samples [n]
Differential Mode
Common Mode
Figure 6.13: Impulse noise generated from light switching, both in DM and CM.
Please note the different amplitudes of the waveforms.
0
1000
2000
3000
4000
5000
6000
7000
8000
−0.6
−0.4
−0.2
0
0.2
0.4
Samples [n]
Volts [V]
Common
−Mode impulse noise
Envelope
Figure 6.14: Envelope of CM signal (green)
could be found in literature
4
for CM transfer functions. Transmit signals were
modeled according to the PSD of ADSL as specified in [49]. For NEXT modeling,
the AslMx (German abbreviation for subscriber loop multiplexer) spectral mask [48]
was used. Far-end crosstalk was generated as established in [49]. Simulations used
sets of measured impulses generated in industrial settings (caused by welding), as
well as in household environments (caused by light switching). ADSL transmission
and reception was simulated, given the measured transfer and coupling functions,
for different loop lengths and different number of NEXT and FEXT disturbers.
Figure 6.16 depicts the canceler output (in blue) for an ADSL simulation employing
5 FEXT and 4 NEXT disturbers. For illustration purposes, since the amplitude
of the measured impulse noise vectors was relatively small, the length of the loop
was extended beyond ADSL-specific loop lengths, in order to achieve a lower SINR
4
to the knowledge of the authors

232 
6 OFDM/DMT for Wireline Communications
0
1000
2000
3000
4000
5000
6000
7000
8000
−0.6
−0.4
−0.2
0
0.2
0.4
Samples [n]
Volts [V]
Common
−Mode signal
Envelope
Figure 6.15: Second method for CM envelope detection
ratio. The green line in Fig. 6.16 depicts the overall received DM signal, which is
corrupted by impulsive noise, while the black waveform illustrates the same DM
signal, impulse noise free. As expected, the canceler produces a good estimate of
the uncorrupted DM signal but does not suppress crosstalk. The red line presents
the ideal transmitted signal, with no interference, only attenuated by the loop. For
perfect impulse noise cancellation and no crosstalk cancellation, the blue line should
resemble the black waveform as closely as possible, which is indeed the case.
2200
2400
2600
2800
3000
3200
3400
3600
3800
4000
−6
−4
−2
0
2
4
6
8
x 10
−3
Samples[n]
Volts [V]
Cancelled Output
Impulse + crosstalk + DM signal
Crosstalk + DM signal
Ideal DM signal, no crosstalk
Figure 6.16: Output of the NLMS canceler (blue). The red line represents the ideal
received signal, no crosstalk, no impulse noise, and no background noise.
The black waveform denotes the sum of the ideal signal, 4 NEXT and
5 FEXT disturber signals, along with background noise. The green line
illustrates the DM signal including impulse noise before cancellation.
For perfect impulse noise cancellation and no crosstalk cancellation,
the blue line should resemble the black signal as closely as possible.

6.4 Dual Polarization Optical OFDM Transmission 
233
6.4 Dual Polarization Optical OFDM
Transmission
M. Mayrock, H. Haunstein, University Erlangen-Nürnberg, Germany
In this section we investigate an optical OFDM transmission system which de-
ploys dual polarization transmission as well as wavelength division multiplexing.
The system parameters are chosen according to the experimental setup of [52]. Our
analysis is based on a system identification approach which treats the whole setup
as a “weakly non-linear” system. This term reflects that the system characteristic
is dominated by a linear transfer function. All kinds of distortion are treated as ad-
ditive noise, i.e., besides actual noise, distortion due to non-linear effects is modeled
as an additive noise-like contribution.
6.4.1 Setup

,4PRG
,4PRG
[
ƒ
K\EULG
[
ƒ
K\EULG
7;SURF
'$&
7;SURF
'$&
7;SURF
'$&
7;SURF
'$&

tải về 7.55 Mb.

Chia sẻ với bạn bè của bạn: