差分酉空時(shí)協(xié)作系統的多符號裁減自動(dòng)球形譯碼

第23卷第3期中國計量學(xué)院學(xué)報Vol. 23 No. 32012年9月Journal of China University of Metrologyep.2012【文章編號】1004-1540(2012)030309-06差分酉空時(shí)協(xié)作系統的多符號裁減自動(dòng)球形譯碼陳婕,周小微,金小萍,韓新強,金寧(中國計量學(xué)院信息工程學(xué)院,浙江杭州310018)【摘要】鑒于差分協(xié)作系統中多符號差分檢測( multiple-symbol differential detection,MsDD)算法計算復雜度高的缺點(diǎn),引入裁減自動(dòng)球形譯碼( pruning automation sphere detection,PASD)算法來(lái)降低差分酉空時(shí)協(xié)作系統的檢測復雜度PASD算法是在球形譯碼的基礎上,結合自動(dòng)球形譯碼和裁減球形譯碼的思想而提出的.通過(guò)對擴展節點(diǎn)所消耗的復雜度和系統的誤碼率兩方面來(lái)分析譯碼算法的性能仿真分析表明,在差分酉空時(shí)協(xié)作系統中,PASD箅法在誤碼性能幾乎不變的情況下,復雜度曲線(xiàn)比球形譯碼( sphere detection,SD)算法收斂迅速其中在分組長(cháng)度N=5、信噪比SNR=15dB的情況下,PASD、SD算法的擴展點(diǎn)數分別為14.138678.9505大大降低了系統的復雜度;同時(shí),當SNR>16dB時(shí),協(xié)作節點(diǎn)的增加有利于提高系統的誤碼性能,系統的復雜度性能并沒(méi)有很大的損失關(guān)鍵詞】多符號差分;差分酉空時(shí);協(xié)作系統;裁減自動(dòng)球形譯碼【中圖分類(lèi)號】TN914【文獻標志碼】AMultiple-symbol pruning automatic sphere detectors fordifferential unitary space-time cooperative systemsCHEn Jie, ZHOU Xiao-wei, JING Xiao-ping, HAN Xin-qiang, JIN Ning(College of Information Engineering. China Jiliang University, Hangzhou 310018, China)Abstract: In view of the deficiency of the high calculating complexity for the differential cooperative systems inmultiple-symbol differential detection algorithms, introduces a pruning automatic sphere decoding(PASD)algorithm to reduce the complexity of differential unitary space-time cooperative systems. The PASd algorithmwas proposed on the basis of the sphere detection that combines automatic sphere decoding (ASD)and pruningsphere decoding. The performance of the decoding algorithm through both the complexity of consumptionvisited nodes and BER was analysed. The simulation analysis shows that in the differential unitary space-timecooperative system, the BER performance of PASD algorithm is almost the same, while the complexity of thecurve converges more quickly than SD algorithm. While in the case of observe window size N was 5 and thegnal to noise ratio was 15 dB, the visited nodes of PAsD and SD algorithm is 14. 1386, 78. 9505respectively. It greatly reduces the complexity of the system. At the same time, when the SNR>16 dB, withthe increase of cooperative nodes, the BER performance of the system will be improgreat loss on the complexity performance of the systemKey words: multiple-symbol differential; diffeunitary space-time: cooperative system; pruningautomatic sphere decoding【收稿日期】2012-05-16【基金項目】國家自然科學(xué)基金資助項目(N60902011),浙江省自然科學(xué)基金資助項目(No.LQ12F01010)【作者簡(jiǎn)介】陳婕(1989-),女江西省高安人碩土研究生,主要研究方向為信號與信息處理310中國計量學(xué)院學(xué)報第23卷為了解決多輸入多輸出( multiple input mul-的問(wèn)題,在差分協(xié)作系統中提出了PASD算法,tiple output,MMO)系統在實(shí)現空間分集效并且分析了當協(xié)作系統參數變化時(shí)對PASD算果時(shí),終端設備由于體積、硬件復雜度和功耗等限法性能的影響.制的問(wèn)題提出了一種新的空間分集技術(shù)——協(xié)注意:(·)、(·)、(·)H、Ⅰ分別表示轉作技術(shù)23.在協(xié)作技術(shù)實(shí)現的過(guò)程中:一方面,發(fā)置、共軛、共軛轉置和L×L維的單位矩陣,送信號的協(xié)作方式多樣化,其中AF(amⅡ、Ap、dg(表示累加累積矩陣A的Fforward放大轉發(fā))相比于DF3( decode-forward譯碼轉發(fā))和C( coded-forward編碼轉發(fā))協(xié)范數平方、對角矩陣作方式而言,復雜度低且易于實(shí)現;另一方面,對1系統模型式相比于傳統的相干檢測方式而言,避免了信考慮在A(yíng)F協(xié)作方式下的差分酉空時(shí)協(xié)作系道估計這一難題從而降低了檢測算法實(shí)現的復雜統,其系統模型如圖1所示,其中S、R2、D分別表度,更適用于實(shí)際應用環(huán)境中然而也帶來(lái)了3dB示源節點(diǎn)、第個(gè)協(xié)作節點(diǎn)、目的節點(diǎn)考慮在平的性能損失,為了縮小這個(gè)性能差距,提出了多符坦瑞利衰落信道下,無(wú)線(xiàn)網(wǎng)絡(luò )有L+2個(gè)節點(diǎn),其號差分檢測技術(shù)81中一個(gè)源節點(diǎn)、一個(gè)目的節點(diǎn)和L個(gè)協(xié)作節點(diǎn)目前,MSDD算法最常見(jiàn)的有ML(maxi協(xié)作節點(diǎn)mum-likelihood最大似然)、SD( sphere-detection球形譯碼)8.9)、ASD( automatic sphere-detection自動(dòng)球形譯碼)0和PASD( pruning automaticsphere-detection裁減自動(dòng)球形譯碼).其中,多源節點(diǎn)H的節點(diǎn)符號ML算法對每條分支檢測的操作造成了系統運行時(shí)高復雜度的問(wèn)題,由此提出了多符號SD算法.SD算法大多是基于樹(shù)形檢測,檢測方式多樣化,包括深度優(yōu)先和寬度優(yōu)先。為主的檢測圖1差分酉空時(shí)協(xié)作系統模型方式.同時(shí),在SD算法的基礎上提出了ASD算Figure 1 System model of differential unitary space法10,減小了系統性能對球形半徑的敏感性然time cooperative而ASD算法需要建立一個(gè)存儲列表,并對列表中圖1中源節點(diǎn)首先將LR個(gè)信息比特映射成最小的度量值進(jìn)行擴展,為了減少ASD算法維護星座v,R表示為數據傳輸速率,這里設為1;v存儲列表的壓力,提出了PASD算法1.PASD算法在A(yíng)SD算法的基礎上加入裁減思想,通過(guò)設diag{t,t2,…,v}是L×L維矩陣.其中定裁減閾值來(lái)實(shí)時(shí)的裁減掉那些擴展概率較小的v表示在第t個(gè)時(shí)隙第個(gè)協(xié)作節點(diǎn)接收到的第節點(diǎn),減少維護存儲列表時(shí)節點(diǎn)比較次數,從而降k個(gè)酉空時(shí)(USTM)符號.低了系統的平均復雜度Uk=diage由此看出,PASD算法達到了算法性能與復由上述式子可知,v具有酉特性,即vvH雜度之間很好的折中效果.然而在差分協(xié)作系統L.M=24表示星座點(diǎn)數,可以看出隨著(zhù)協(xié)作節中,大多數是對ML和SD算法的性能以及度量點(diǎn)數目的增加,星座點(diǎn)數成指數型增加.然后對酉公式推導進(jìn)行研究2,對PASD算法的研究依然空時(shí)信號進(jìn)行差分處理( DUSTM)尚未涉及,因此本文通過(guò)將多符號PASD算法引入差分協(xié)作系統中來(lái)降低系統實(shí)現的復雜度.在其中,s4=diag{s1,s2,…,s},令s0=l1文中,首先對應用于差分協(xié)作系統中的ML算法進(jìn)行差分酉空時(shí)調制后,協(xié)作通信分為兩階和SD算法進(jìn)行研究分析.然后,針對ML算法高段執行.第一階段:源節點(diǎn)將差分酉空時(shí)信號廣播復雜度的缺點(diǎn)和SD算法檢測時(shí)受球形半徑限制至協(xié)作節點(diǎn),其中f表示源節點(diǎn)至第i個(gè)協(xié)作節第3期陳婕,周小微,等:差分酉空時(shí)協(xié)作系統的多符號裁減自動(dòng)球形譯碼311點(diǎn);第二階段:協(xié)作節點(diǎn)對接收的信號進(jìn)行放大轉收信號所有可能的分支度量值進(jìn)行檢測,其算法發(fā)至目的節點(diǎn),為了便于分析,假設放大倍數G=保證了最優(yōu)越的誤碼性能,但是同時(shí)擴展所有的1,其中g(shù),表示第i個(gè)協(xié)作節點(diǎn)至目的節點(diǎn)之間分支節點(diǎn),從而造成了大幅度降低系統的復雜度的信道增益,假設在準靜態(tài)瑞利信道條件下,其元性能素都是獨立同分布的圓對稱(chēng)高斯分布信道增益樣值,則g;、f,都服從CN(0,1).為高斯白噪聲,檢測層樹(shù)形層表示第k個(gè) DUSTM符號的噪聲樣值,服從CN(0,1)最后,目的節點(diǎn)對接收的信號進(jìn)行多符號差分處理.假設多符號差分檢測的分組長(cháng)度為N,k=2則目的節點(diǎn)存儲N個(gè)接收信號后再進(jìn)行譯碼解調處理.此時(shí),接收信號可以表示為:X=sH+y(3)圖2L=1,N=4時(shí)多符號差分ML檢測搜索示意圖其中Figure 2 Multiple-symbol differential ML search scheX=(X4,X-1,…,Xk-N+1);matic diagram when L, N is 1, 4 respectively.s=diag{s,s4-1,…,54-N+1};H=(H4,H-1,…,H-N+1);為了簡(jiǎn)化多符號差分ML檢測過(guò)程,協(xié)作節y=(y4,y4-1,…,業(yè)kN+1);點(diǎn)數目設定為L(cháng)=1,此時(shí)星座點(diǎn)數M=21,則每根據AF協(xié)作方式可得:h=Ggf,則H個(gè)節點(diǎn)具有兩條可能的擴展的分支。同樣,隨著(zhù)(h1,h2,…,h),X=(x1,x,…,x;)在多協(xié)作節點(diǎn)個(gè)數的增大星座點(diǎn)數成指數型增長(cháng)圖符號差分檢測系統中接收機接收N個(gè)符號來(lái)檢2是L=1,N=4時(shí)多符號差分ML檢測示意圖,測出N-1個(gè)符號,本文多符號差分檢測的判決可以看出檢測過(guò)程中一共需擴展7個(gè)節點(diǎn)其中,度量公式采用如下形式):表示擴展的第i個(gè)節點(diǎn);每條分支上的l1是利用(4)式得到的被擴展節點(diǎn)的判決度量值;n表示為argmIn22-(Ⅱ3)X|P樹(shù)層,從上到下為0,1,…N-1k表示為檢測層,從上到下為N,N-1,…,1。根據公式(4)可得每其中,。表示發(fā)送信號對應的星座點(diǎn),表示檢條分支的判決度量值計算公式為:(注:Ln∈{l1l2};la∈{lhn,l,la,la};l-∈{lm,lh2,lzn,測后估計輸出的信號.判決度量公式中X值受接l22,l2a,lx2};即m,p,q,i{1,2,…,M})收路徑數(即協(xié)作節點(diǎn)個(gè)數)的影響,同時(shí),sm星座點(diǎn)選擇的空間大小也會(huì )隨著(zhù)協(xié)作節點(diǎn)個(gè)數的增當k=3時(shí),Ln=‖X,+3-5;+3X;2‖多;加而增大.可以看出,協(xié)作系統中協(xié)作節點(diǎn)個(gè)數直當k=2時(shí),接影響著(zhù)信號的檢測估計性能.l=‖x+2-5+2X;+1‖}+‖x+3-5+23X+1‖+lm;當k=1時(shí)2多符號差分檢測lm=‖x,+1-s+1X,‖}+‖x+2-5;+15;+2在協(xié)作系統中,隨著(zhù)協(xié)作點(diǎn)數的增加,信道數x,‖}+‖X+3-5+15+25+3X,‖}+l;目也相應的成倍增加.如果采用相干檢測,則信道假設分組長(cháng)度為N,協(xié)作節點(diǎn)數為L(cháng),則ML估計的工作量也會(huì )相應增大;如果采用多符號差算法的訪(fǎng)問(wèn)節點(diǎn)數為1+22+2+…+2N2分檢測技術(shù),不僅避免了信道估計,降低了檢測復雜度,而且縮小了單符號差分檢測與相干檢測之2-1個(gè)?？梢钥闯?在協(xié)作節點(diǎn)個(gè)數一樣的間3dB的性能之差.多符號差分檢測算法的種類(lèi)情況下,隨著(zhù)分組長(cháng)度的增加,訪(fǎng)問(wèn)節點(diǎn)數呈指數很多,都可以在樹(shù)形結構的基礎上實(shí)現型增長(cháng).然而,與ML算法相比,SD算法所消耗其中,ML算法作為最原始的檢測算法,對接的復雜度得到有效的改善312中國計量學(xué)院學(xué)報第23卷本文通過(guò)引用MSD算法作為比較分析對一L=2裁減自動(dòng)球形算法象,MSD是一種以寬度優(yōu)先為主的檢測方式,通L-,栽減自動(dòng)球形算法L=4減自動(dòng)球形算法過(guò)設定球形半徑后,每層節點(diǎn)的分支度量值與之一L-5藏減自動(dòng)球形算法比較,逐層刪減掉大于球形半徑的分支節點(diǎn),直至k=2時(shí),選取度量值最小的分支作為輸出信號然而SD算法實(shí)現的復雜度受球形半徑因素限10制,在低信噪比區域,復雜度改善不明顯在傳統MIMO系統中提出了一種新型球形算法—PASD算法1,融合了自動(dòng)和裁減思想,不僅降低了系統的平均復雜度,而且減少了系統復雜度對球形半徑設計的敏感度,本文通過(guò)引信噪比/dB用PASD算法,來(lái)達到降低協(xié)作系統復雜度的目圖3PASD在不同協(xié)作節點(diǎn)個(gè)數下的誤碼率比較的PASD算法首先建立一個(gè)存儲列表,用于存儲 Figure3 Comparison of PASD error rate under dif-擴展節點(diǎn)的判決度量值;然后通過(guò)設定一個(gè)裁減ferent number of cooperative nodes閾值,實(shí)時(shí)的刪除掉那些被擴展概率很小的節點(diǎn);最后通過(guò)排序,選擇路徑值最小的節點(diǎn)作為擴展圖4是在不同分組長(cháng)度,L=3的情況下,節點(diǎn),直至k=2時(shí),選取度量值最小的分支作PASD算法與ML、SD算法性能比較圖.可以看為輸出信號.本文為了保證協(xié)作系統的性能,最出即便裁減概率p=0.99,在系統誤碼性能不好大似然節點(diǎn)不較早的被刪除,n=1時(shí)不進(jìn)行裁的情況下,PASD算法相比于ML、SD算法的誤減操作,同時(shí)n=N-1最后一樹(shù)層也不做裁減碼性能損失也很小.當分組長(cháng)度N=5、信噪比操作SNR=15dB時(shí),PASD、SD算法性能差距最大3系統性能分析針對ML算法具有高復雜度的不足,以及SD算法的復雜度性能對球形半徑的敏感性從而導致系統平均復雜度較高的缺點(diǎn)在差分酉空時(shí)協(xié)作要102系統中提出了多符號PASD算法.為了驗證落10PASD算法的有效性,本文在差分酉空時(shí)調制、N=3,最大似然算法AF協(xié)作方式、準靜態(tài)瑞利信道、信道頻偏f=N=5最大似然算法一N=3.球形算法0.0075Hz并且PASD算法的裁減概率值1為口N=5,球形算N=3,裁減自動(dòng)球形算法p=0.99的仿真環(huán)境下,從誤碼率和復雜度兩方N=5裁減自動(dòng)球形算法面來(lái)對PASD算法分析68101214161820信噪比/dB圖3和圖4對PASD、SD、ML三種算法的誤圖4三種算法在N=3,5時(shí)系統誤碼性能比較碼率進(jìn)行比較分析Figure 3 Comparison of three algorithms error rate其中,圖3顯示了協(xié)作參數對應用于協(xié)作系統henn is 3 or 5中的PASD算法性能的影響,可以看出在信噪比為16左右時(shí),誤碼率曲線(xiàn)發(fā)生變化.假定SNR=16圖5和圖6對PASD、SD、ML三種算法的復為信噪比閾值,在小于信噪比閾值的范圍內,協(xié)作雜度進(jìn)行比較分析本文的復雜度主要是從擴張節點(diǎn)個(gè)數的增加對誤碼率性能的提高沒(méi)有影響,節點(diǎn)的角度來(lái)分析系統多消耗的復雜度反而降低了系統誤碼性能;然而當信噪比大于信其中,圖5顯示了在分組長(cháng)度為3的情況下噪比閾值時(shí),系統的誤碼性能隨著(zhù)協(xié)作節點(diǎn)個(gè)數PASD算法在不同協(xié)作節點(diǎn)個(gè)數下擴展節點(diǎn)數的的增加而提高比較.從圖中,可以清晰的看出隨著(zhù)節點(diǎn)數目的增第3期陳婕,周小微,等:差分酉空時(shí)協(xié)作系統的多符號裁減自動(dòng)球形譯碼313加,系統的復雜度開(kāi)銷(xiāo)也相應增大,然而隨著(zhù)信噪相比,SD算法所消耗的復雜度隨著(zhù)信噪比的增加比的增大,他們之間的差距也越來(lái)越小.但是,由而相應減少,然而復雜度曲線(xiàn)收斂比較緩慢,從而于協(xié)作節點(diǎn)個(gè)數的增加,只是增大了星座點(diǎn)數的導致了系統的平均復雜度相應增大同樣在分組空間大小,在相同分組長(cháng)度情況下仿真,樹(shù)形檢測長(cháng)度N=5、信噪比SNR=15dB的情況下,層數保持不變.因此,在高信噪比的情況下,達到PASD、SD算法的擴展點(diǎn)數分別為14.1386理想狀態(tài),每層只需擴展一個(gè)節點(diǎn),此時(shí)協(xié)作節點(diǎn)78.9505,從而相應的降低了系統的復雜度個(gè)數的變化不會(huì )影響系統復雜度性能,所有的曲綜上所述,當SNR>16dB時(shí),協(xié)作節點(diǎn)的增線(xiàn)都最終回歸于同一點(diǎn)加有利于提高系統的誤碼性能,然而系統的復雜度性能并沒(méi)有很大的損失;同時(shí),PASD算法的誤L=1歲減自動(dòng)球形算法L-2裁減自動(dòng)球形算法碼性能相比于SD,ML算法幾乎沒(méi)有損失,然而eL=3減自動(dòng)球形算法-L=裁減自動(dòng)球形算法系統的平均復雜度卻得到了很好的改善效果一L-5.菠減自動(dòng)球形算法岷擔名4結語(yǔ)通過(guò)引用PASD算法來(lái)解決差分酉空時(shí)協(xié)作系統中多符號差分檢測算法的高復雜度缺點(diǎn)同時(shí),在誤碼性能和擴展節點(diǎn)所消耗的復雜度性能兩方面對多符號ML、SD、PASD算法進(jìn)行比較分析.仿真結果表明,當SNR>16dB時(shí),隨著(zhù)協(xié)信噪比/dB作節點(diǎn)數目增加,系統的誤碼性能也相應的提圖5PASD在不同協(xié)作節點(diǎn)個(gè)數下的復雜度比較高,然而對系統復雜度的影響很小;同時(shí),PASDFigure5 Comparison of PASD complexity with different算法在誤碼性能幾乎不變的情況下,復雜度曲圖6顯示了PASD,SD,ML三種算法在分組雜算法收斂迅速,降低了系統的平均復number of cooperative nodes長(cháng)度3和5、L=3時(shí)擴張點(diǎn)數的比較.從圖中,可【參考文獻】以明顯的看出ML算法消耗的復雜度最高,不隨著(zhù)信噪比的增加而改變,并且隨著(zhù)分組長(cháng)度N的[1] FOSCHINI G J, GANS M J. On limits of wireless communications in a fading environment when using multiple an-增加,訪(fǎng)問(wèn)點(diǎn)數所增大的幅度也是最大.與MLtennas [J]. Wireless Personal Communications, 1998,6(3):311-335.N最大似然算法[2] SENDONARIS A, ERKIP E, AAZHANG B. User coop-一N=5最大似然算法eration diversity-part I: system description [JJ. IEEE★N=3.球形算法口N=5球形算法Transactions on Communications, 2003, 51(11):192一+N=3.裁減自動(dòng)球形算法裁減自動(dòng)球形算法1938乓擔名嘍…日…口[3] SENDONARIS A, ERKIP E, ZHANG B. User cooperation diversity-part I: implementation aspects and performance analysis [J]. IEEE Transactions on Communications2003,51(11):1939-1948.[4] LI W, HANZO L. The amplify-and-forward cooperativeuplink using multiple-symbol differential sphere detection[J]. IEEE Signal Processing Society, 2009, 16(10): 913-信噪比/dB916圖6三種算法在不同分組長(cháng)度下的復雜度比較[5] SWASDIO W, PIRAK C. A novel alamouti-coded decode-Figure 6 Comparison of three algorithms error rate withand-forward protocol for cooperative communications [C]//different observe window sizesTENcON 2010-2010 IEEE Region 10 Conference. Bangkok: King Mongkut's University, 2010: 2091-2095314中國計量學(xué)院學(xué)報第23卷[6] JING Y,JAFAKHNI H. Distributed differential space[10] KAREN S. Efficient maximum likelihood detection fortime coding for wireless relay networks [J]. IEEE Transac-communication over MIMO channels [D]. Cambridgetions on Communications, 2008, 56(7):1092-1100University of Cambridge Department of Engineering[7] ZHAO Q, LI H. Performance of differential modulation200with wireless relays in rayleigh fading channels[J.IEE[1]李穎魏急波裁減自動(dòng)球形譯碼算法與性能分析[Communications Letters, 2005, 9(4):343-345通信學(xué)報,2007,28(5):49-54[8] LAMPE L, SCHOBER R, PAUL V, et al. Multiple-sym. [12] HANZO L, AKHTMAN Y, LI W. MIMO-OFDM forbol differential sphere decoding [J, IEEE Transactions onLTE, Wi-Fi and WIMAX [M. United Kingdom SouthCommunications,2005,53(12):1981-1985ampton: IEEE Press, 2010: 380-418[9] XIAO P J, YING G Y, NING J. Multiple-symbol[13] TAO C, CHINTHANANDA T. Bound-intersection de-sphere detection based on linear radius for differential unita-tection for multiple symbol differential unitary space timery space-time modulation systems []. International Journalmodulation [J]. IEEE Transactions on Communicationsof Digital Content Technology and Its Applications, 2011,52005,53(12):21142123(4):201-208.(上接第294頁(yè))lecular dynamics simulations of two-component fluids[J]【參考文獻】Colloids and Surfaces A, 2002, 210(2): 199-222[13] WANG Z J, CHEN M, GUO Z Y. Analysis of transition[18] INZOLI I, KJELSTRUP S, BEDEAUX D, et al. Transstate theory for condensation [J]. Chinese Science Bullefer coefficients for the liquid-vapor interface of a two com-tin,2002,47(11):952-954ponent mixture[J]. Chemical Engineering Science, 2011[14]孫杰,何雅玲,李印實(shí).溫度對 Lennard-Jones流體凝結4533-4548.過(guò)程影響的研究[J]西安交通大學(xué)學(xué)報,2006,40(11)[19] RAPAPORT D C. The art of molecular dynamics simulation1250-1253.[M. Cambridge: Cambridge University Press, 1998:11-90.[15] HUI X, LIU C. Effects of surface wettability on bubbles[20] SEMIROMI D T, AZIMIAN A R. Molecular dynamicsin nanochannels[J]. Acta Physico-Chimica Sinica, 2009simulation of slab geometry and the effect of cut-off radius25(12):2537-2542[C]//Proceeding of the 13th Asian Congress of Fluid Me[16] MECKE M, WINKELMANN J, FISCHER IMolecularhanics. Bangladesh: [s. n. 1,2010:899-902dynamics simulation of the liquid-vapor interface: The Len[21] TEGELER C, SPAN R, WAGNER W. A new equationnard-Jones fluid[J]. Journal of Chemical Physics, 1997of state for Argon covering the fluid region for tempera-107(21):9264-9270[17] OLIVIER M L, ROLLIER J D, KJELSTRUP S. Equilib-1000MPa[I]. Journal of Physical and Chemical Referencerium properties and surface transfer coefficients from moData,l999,28(3):779850