CN102651661B - Td-lte系统中的干扰对齐方法 - Google Patents

Abstract

本发明针对信道失配的问题，提出一种对信道估计的结果进行时频联合EBF方法处理的TD-LTE系统中的干扰对齐方法。首先，对构建的信道自相关阵进行特征值分解，选择特征值最大的特征向量作为信道矩阵(EBF)进行迫零干扰对齐或改进的干扰对齐，由此得到信道干扰对齐的预编码向量和接收向量，分别对基站发出的信号和用户接收的信号进行处理，使得干扰对齐。本发明将EBF与干扰对齐结合起来，利用经过平滑和修正的信道计算干扰对齐的预编码矢量和接收矢量，以使得干扰对齐获得更好的性能。

Description

TD-LTE系统中的干扰对齐方法

技术领域

本发明属于无线通信领域，具体涉及一种用于TD-LTE(长期演进计划协议的时分双工模式)系统中基站配置多天线，用户端配置单天线的下行干扰对齐方法。主要用于由于噪声和干扰等因素或者移动台速度过快，使得导频估计的信道不够准确时，通过特征波束形成方法，对估计得到的信道进行改善，将改善的信道用于干扰对齐，以改善系统性能。

背景技术

干扰对齐主要用于无线通信中的信息预处理，它的复杂度低、性能好、易于实现。干扰对齐是指在发射端已知信道状态信息的情况下，构造干扰对齐权矢量，对用户的发射信号进行加权，使得期望信号和干扰信号被放置在不同的方向上，在接收端，通过设计接收矢量，以使得期望信号可以无失真的通过，而对干扰信号形成抑制(如图1)。

本领域常用的方法有迫零干扰对齐算法和改进的干扰对齐方案，如下文所述：

考虑两个小区，每个小区一个基站，一个用户。基站配置V_r根天线，用户配置单天线。

$H=\left[\begin{array}{cc}{h}_{(t,f)}^{\mathrm{1,1}}& h_{(t,f)}^{\mathrm{1,2}}\\ h_{(t,f)}^{\mathrm{2,1}}& h_{(t,f)}^{\mathrm{2,2}}\end{array}\right]$ 为信道矩阵，分别代表目标小区用户到目标小区基站及干扰小区基站t时刻f子载波上的信道，分别代表干扰小区用户到目标小区基站和干扰小区基站t时刻f子载波上的信道。v₁，v₂(∈C^(Nr-1)*1)分别为目标小区基站和干扰小区基站信号的预编码向量。P(∈C^Nr*(Nr-1))为两基站的预编码矩阵。

$y_1=\mathrm{diag}\left(h_{(t,f)}^{\mathrm{1,1}}\right){\mathrm{Pv}}_1{x}_1+\mathrm{diag}\left(h_{(t,f)}^{\mathrm{1,2}}\right){\mathrm{Pv}}_2{x}_2+n_1$

$y_2=\mathrm{diag}\left(h_{(t,f)}^{\mathrm{2,1}}\right){\mathrm{Pv}}_1{x}_1+\mathrm{diag}\left(h_{(t,f)}^{\mathrm{2,2}}\right){\mathrm{Pv}}_2{x}_2+n_2$ (以子载波为单位计算)

x₁，x₂为两基站的发射信号；y₁，y₂为两个小区用户的接收信号；n₁，n₂为加性高斯噪声。

迫零干扰对齐算法(下行)

关于接收向量的设计(a^H表示共轭转置，u₁，u₂(∈C^Nr*1)两小区用户的接收向量)：

${u_1}^H\mathrm{diag}\left(h_{(t,f)}^{\mathrm{1,2}}\right)P=0$

${u_2}^H\mathrm{diag}\left(h_{(t,f)}^{\mathrm{2,1}}\right)P=0$

由上式可知，存在非零的u₁，u₂满足上式

根据求出的接收向量，求解每个基站的预编码向量

$\left[\begin{array}{cc}{u_1}^H\mathrm{diag}\left(h_{(t,f)}^{\mathrm{1,1}}\right)P& {u_1}^H\mathrm{diag}\left(h_{(t,f)}^{\mathrm{1,2}}\right)P\\ {u_2}^H\mathrm{diag}\left(h_{(t,f)}^{\mathrm{2,1}}\right)P& {u_2}^H\mathrm{diag}\left(h_{(t,f)}^{\mathrm{2,2}}\right)P\end{array}\right]\left[\begin{array}{cc}{v}_1& \\ & v_2\end{array}\right]=\left[\begin{array}{cc}1& 0\\ 0& 1\end{array}\right]$

$\left[\begin{array}{cc}{v}_1& \\ & v_2\end{array}\right]=\left[\begin{array}{cc}{u_1}^H\mathrm{diag}\left(h_{t,f}^{\mathrm{1,1}}\right)P& {u_1}^H\mathrm{diag}\left(h_{(t,f)}^{\mathrm{1,2}}\right)P\\ {u_2}^H\mathrm{diag}\left(h_{(t,f)}^{2,1}\right)P& {u_2}^H\mathrm{diag}\left(h_{(t,f)}^{\mathrm{2,2}}\right)P\end{array}\right]\left[\begin{array}{cc}1& 0\\ 0& 1\end{array}\right]$

即可求得两小区基站的预编码向量v₁，v₂

改进的干扰对齐方案(下行)

该改进的干扰对齐方案为David N.C.Tse在下行干扰对齐(Downlink InterferenceAlignment)IEEE TRANSACTION ON COMMUNICATION，VOL.59，NO.9，SEPTEMBER2011一文中提出的。

设计预编码向量：

针对目标小区用户，为了获得最大波束形成增益，设计v₁为最大特征值所对应的特征向量，其中Φ为干扰和噪声的协方差矩阵，

$\mathrm{\Φ}={\mathrm{\σ}}^2{I}_{\mathrm{Nr}}+\mathrm{diag}\left(h_{(t,f)}^{\mathrm{1,2}}\right){\mathrm{Pv}}_2{v_2}^H{P}^H\mathrm{diag}{\left(h_{(t,f)}^{\mathrm{1,2}}\right)}^H.$

此处我们用E(Φ)代替Φ。为了计算E(Φ)，设计E(v₂v₂ ^H)＝I_Nr-1。

设计接收向量

设计一个类似于MMSE的接收向量，

$u_1=\frac{E{\left(\mathrm{\Φ}\right)}^{-1}{h}_{(t,f)}^{\mathrm{1,1}}{\mathrm{Pv}}_1}{\left|\right|E{\left(\mathrm{\Φ}\right)}^{-1}{h}_{(t,f)}^{\mathrm{1,1}}{\mathrm{Pv}}_1\left|\right|}$

通过此，预编码向量v₁，v₂和接收向量即可将期望信号和干扰信号放置在不同的方向上，以对干扰形成抑制。

TD-LTE系统中直接利用上行估计得到的信道进行下行干扰对齐预编码向量和接收向量的设计。当用户端移动速度较快的时候，由于多普勒频移造成信道信息变化很快，利用已知的信道信息哪怕是时间上离得最近一个符号的信道信息也有可能跟不上信道的变化，造成信道的失配，从而使得通信质量下降。再加上干扰和噪声等因素的影响，也会对估计信道的准确性造成影响，从而影响通信质量。

特征波束形成(EBF Eigen Beamforming)方法：

EBF的基本原理是利用空间信道特征随时间的慢变性，提取一定的时间范围内的信道空间特征，作为该时间范围内标准的信道信息。在TD-LTE系统中空间信道特征在相邻的子载波间也存在一定的缓变特性，因此对EBF方法的使用从时域扩展到频域。上行传输基站在接收端通过导频估计出导频位置的信道。从而通过内插得到估计的信道信息。上行接收端把时域d个符号，频域连续n个子载波分为一块，称之为一个时频块。并将时频块作为一个基本单位，对每个时频块内估计得到的信道进行EBF处理。

原始的EBF方法是针对时域一定范围的信道系数进行累加求平均，如下式所示：

$R=\frac{1}{N_k}\underset{i=1}{\overset{N_k}{\mathrm{\Σ}}}{h}_k^H{h}_k$

其中，h_k利用上行数据估计出得第k时刻的信道；N_k为信道系数累加求平均的时域尺度；

然后对矩阵R进行特征值分解，利用最大特征值对应的特征向量s代替原始信道信息用于波束形成。

发明内容

本发明针对上述信道失配的问题，提出两种对时频信道进行EBF方法处理的TD-LTE系统中的干扰对齐方法，具体如下：

一种TD-LTE系统中的干扰对齐方法，包括如下步骤：

1)根据上行数据进行信道估计，得到时频联合信道h¹¹，h¹²，h²¹，h²²。其中h¹¹，h¹²分别代表目标小区用户到目标小区基站及干扰小区基站的信道，h²¹，h²²分别代表干扰小区用户到目标小区基站和干扰小区基站的信道；

2)对上述四组信道分别进行EBF处理：取适当大小的时频块构造信道自相关阵

$R=\frac{1}{N_t*N_f}\underset{t=1}{\overset{N_t}{\mathrm{\Σ}}}\underset{f=1}{\overset{N_f}{\mathrm{\Σ}}}{\left(h_{(t,f)}^{m,n}\right)}^H{h^{m,n}}_{(t,f)}(m=\mathrm{1,2};n=\mathrm{1,2})$

其中，为估计信道h^m，n在t时刻在f子载波上的信道；N_f为时频块的频域尺度；N_t时频块的时间尺度；然后对得到的R进行特征值分解，取出最大特征值所对应的特征向量作为该时频块内的信道信息；

3)迫零干扰对齐：

根据步骤2)中求出的最大特征值所对应的特征向量，进行如下计算：

两个小区用户的接收信号为y₁，y₂，

$y_1=\mathrm{diag}\left(h_{(t,f)}^{\mathrm{1,1}}\right){\mathrm{Pv}}_1{x}_1+\mathrm{diag}\left(h_{(t,f)}^{\mathrm{1,2}}\right){\mathrm{Pv}}_2{x}_2+n_1$

$y_2=\mathrm{diag}\left(h_{(t,f)}^{\mathrm{2,1}}\right){\mathrm{Pv}}_1{x}_1+\mathrm{diag}\left(h_{(t,f)}^{\mathrm{2,2}}\right){\mathrm{Pv}}_2{x}_2+n_2$ (以子载波为单位计算)

其中，v₁，v₂(∈C^(Nr-1)*1)分别为目标小区基站和干扰小区基站信号的预编码向量；P(∈C^Nr*(Nr-1))为两基站的预编码矩阵；x₁，x₂为两基站的发射信号；n₁，n₂为加性高斯噪声；为了抑制干扰，设计迫零接收向量u₁、u₂，使得下式成立：

${u_1}^H\mathrm{diag}\left(h_{(t,f)}^{\mathrm{1,2}}\right)P=0$

${u_2}^H\mathrm{diag}\left(h_{(t,f)}^{\mathrm{2,1}}\right)P=0$

根据求出的迫零接收向量，求解每个基站的预编码向量v₁，v₂：

$\left[\begin{array}{cc}{u_1}^H\mathrm{diag}\left(h_{(t,f)}^{\mathrm{1,1}}\right)P& {u_1}^H\mathrm{diag}\left(h_{(t,f)}^{\mathrm{1,2}}\right)P\\ {u_2}^H\mathrm{diag}\left(h_{(t,f)}^{\mathrm{2,1}}\right)P& {u_2}^H\mathrm{diag}\left(h_{(t,f)}^{\mathrm{2,2}}\right)P\end{array}\right]\left[\begin{array}{cc}{v}_1& \\ & v_2\end{array}\right]=\left[\begin{array}{cc}1& 0\\ 0& 1\end{array}\right]$

$\left[\begin{array}{cc}{v}_1& \\ & v_2\end{array}\right]=\left[\begin{array}{cc}{u_1}^H\mathrm{diag}\left(h_{t,f}^{\mathrm{1,1}}\right)P& {u_1}^H\mathrm{diag}\left(h_{(t,f)}^{\mathrm{1,2}}\right)P\\ {u_2}^H\mathrm{diag}\left(h_{(t,f)}^{2,1}\right)P& {u_2}^H\mathrm{diag}\left(h_{(t,f)}^{\mathrm{2,2}}\right)P\end{array}\right]\left[\begin{array}{cc}1& 0\\ 0& 1\end{array}\right]$

4)根据所述预编码向量v₁，v₂，对所述基站发出的信号进行预编码处理；根据所述接收向量u₁、u₂，对用户接收到的信号进行处理。

一种改进的TD-LTE系统中的干扰对齐方法，包括如下步骤：

1)根据上行数据进行信道估计，得到时频联合信道h¹¹，h¹²，h²¹，h²²。其中h¹¹，h¹²分别代表目标小区用户到目标小区基站及干扰小区基站各天线的信道，h²¹，h²²分别代表干扰小区用户到目标小区基站和干扰小区基站各天线的信道；

2)对这四组信道分别进行EBF处理：取适当大小的时频块构造信道自相关阵

$R=\frac{1}{N_t*N_f}\underset{t=1}{\overset{N_t}{\mathrm{\Σ}}}\underset{f=1}{\overset{N_f}{\mathrm{\Σ}}}{\left(h_{(t,f)}^{m,n}\right)}^H{h^{m,n}}_{(t,f)}(m=\mathrm{1,2};n=\mathrm{1,2})$

其中，为估计信道h^m，n在t时刻在f子载波上的信道；N_f为时频块的频域尺度；N_t时频块的时间尺度；然后对得到的R进行特征值分解，取出最大特征值所对应的特征向量作为该时频块内的信道信息，以替代原有的信道信息；

3)改进的干扰对齐

根据步骤2)中求出的最大特征值所对应的特征向量经EBF修正的信道，进行如下计算：

首先，针对目标小区计算干扰和噪声的协方差矩阵

$\mathrm{\Φ}={\mathrm{\σ}}^2{I}_{\mathrm{Nr}}+\mathrm{diag}\left(h_{(t,f)}^{\mathrm{1,2}}\right){\mathrm{Pv}}_2{v_2}^H{P}^H\mathrm{diag}{\left(h_{(t,f)}^{\mathrm{1,2}}\right)}^H$

其中，I_Nr是Nr*1阶的单位阵，σ²是噪声功率；是干扰小区对目标小区的干扰信号的协方差阵；v₁，v₂(∈C^(Nr-1)*1)分别为目标小区基站和干扰小区基站信号的预编码向量；P(∈C^Nr*(Nr-1))为两基站的预编码矩阵；用期望值E(Φ)代替Φ；设计v₂使得E(v₂v₂ ^H)＝I_Nr-1；根据计算所得协方差矩阵，设计v₁为：使目标小区基站信干噪比进行特征值分解后最大特征值所对应的特征向量，以获得最大的波束形成增益；针对目标小区，设计一个类似于MMSE的接收向量，

$u_1=\frac{E{\left(\mathrm{\Φ}\right)}^{-1}{h}_{(t,f)}^{\mathrm{1,1}}{\mathrm{Pv}}_1}{\left|\right|E{\left(\mathrm{\Φ}\right)}^{-1}{h}_{(t,f)}^{\mathrm{1,1}}{\mathrm{Pv}}_1\left|\right|}$

通过上述计算得到的目标小区的预编码向量v₁和接收向量u₁即可将期望信号和干扰信号放置在不同的方向上，以对干扰形成抑制；

4)由此，根据所述预编码向量v₁，对所述基站发出的信号进行预编码处理；根据所述接收向量u₁，对用户接收到的信号进行处理。

本发明的有益效果是：

EBF的优点在于它利用空间特征的慢变性，利用信道的特征向量代替以往的利用估计得到的信道来计算波束形成的权矢量，而特征向量是根据信道矩阵得到的经过平均和优化的信道。

EBF可以对上行估计得到的信道信息进行改善，使得估计得到的信道更接近于真实的信道，以改善系统的性能。本文将EBF与干扰对齐结合起来，利用经过平滑和修正的信道计算干扰对齐的预编码矢量和接收矢量，以使得干扰对齐获得更好的性能。

关于时频块粒度大小的选择，通过仿真结果得出，不同的加权粒度对系统性能存在很大的影响。对于市区微小区，最佳的频域加权粒度为300个子载波，时域加权粒度为7个符号；对于市区宏小区，最佳的频域加权粒度为300个子载波，时域加权粒度为7个符号；对于郊区宏小区，最佳的频域加权粒度为150个子载波，时域加权粒度为7。

附图说明

图1是干扰对齐示意图。

图2(a)是实际信道波形图。

图2(b)是估计信道波形图。

图2(c)是以及经过EBF平滑后的信道波形图。

图3是场景：urban micro，移动台速度3km/h，天线间距0.5λ，采用EBF信道的干扰对齐与直接采用估计信道的干扰对齐性能对照图。。

图4是场景：urban macro，移动台速度30km/h，天线间距0.5λ，采用EBF的干扰对齐与直接采用估计信道的干扰对齐性能对照图。

图5是场景：suburban macro，移动台速度120km/h，天线间距0.5λ，采用EBF的干扰对齐与直接采用估计信道的干扰对齐性能对照图。

具体实施方式

下面结合附图对本发明做进一步说明，以目标小区和干扰小区为例：

实施例一：

1.根据上行数据进行信道估计，得到时频联合信道h¹¹，h¹²，h²¹，h²²。其中h¹¹，h¹²分别代表目标小区用户到目标小区基站及干扰小区基站的信道，h²¹，h²²分别代表干扰小区用户到目标小区基站和干扰小区基站的信道。

2.EBF对上述的四组信道分别进行EBF：

对一定时频范围(例：时频块的时域尺度7、频域尺度为12)的所述h¹¹，h¹²，h²¹，h²²信道分别进行累加求平均，如下式所示：

$R=\frac{1}{N_t*N_f}\underset{t=1}{\overset{N_t}{\mathrm{\Σ}}}\underset{f=1}{\overset{N_f}{\mathrm{\Σ}}}{\left(h_{(t,f)}^{m,n}\right)}^H{h^{m,n}}_{(t,f)}(m=\mathrm{1,2};n=\mathrm{1,2})$

对上述得到的信道自相关阵进行特征分解，取出最大值所对应的特征向量作为该时频块内的信道信息。其中，为估计信道h^m，n在t时刻在f子载波上的信道；N_f为时频块的频域尺度；N_t时频块的时间尺度；

3.迫零干扰对齐：

根据步骤2中求出的最大特征值所对应的特征向量，进行如下计算两个小区用户的接收信号为y₁，y₂，有以下公式：

$y_1=\mathrm{diag}\left(h_{(t,f)}^{\mathrm{1,1}}\right){\mathrm{Pv}}_1{x}_1+\mathrm{diag}\left(h_{(t,f)}^{\mathrm{1,2}}\right){\mathrm{Pv}}_2{x}_2+n_1$

$y_2=\mathrm{diag}\left(h_{(t,f)}^{\mathrm{2,1}}\right){\mathrm{Pv}}_1{x}_1+\mathrm{diag}\left(h_{(t,f)}^{\mathrm{2,2}}\right){\mathrm{Pv}}_2{x}_2+n_2$ (以子载波为单位计算)

其中，v₁，v₂(∈C^(Nr-1)*1)分别为目标小区基站和干扰小区基站信号的预编码向量；P(∈C^Nr*(Nr-1))为两基站的预编码矩阵；x₁，x₂为两基站的发射信号；n₁，n₂为加性高斯噪声。

为了两个小区用户的接收信号干扰得到有效抑制，需要使另外一个小区的基站对本小区的信号干扰尽量小，也就是说，上述公式中的和尽量小。

为此需要计算迫零接收向量u₁、u₂，使得下式成立：

${u_1}^H\mathrm{diag}\left(h_{(t,f)}^{\mathrm{1,2}}\right)P=0$

${u_2}^H\mathrm{diag}\left(h_{(t,f)}^{\mathrm{2,1}}\right)P=0$

根据求出的迫零接收向量，求解每个基站的预编码向量v₁，v₂：

$\left[\begin{array}{cc}{u_1}^H\mathrm{diag}\left(h_{(t,f)}^{\mathrm{1,1}}\right)P& {u_1}^H\mathrm{diag}\left(h_{(t,f)}^{\mathrm{1,2}}\right)P\\ {u_2}^H\mathrm{diag}\left(h_{(t,f)}^{\mathrm{2,1}}\right)P& {u_2}^H\mathrm{diag}\left(h_{(t,f)}^{\mathrm{2,2}}\right)P\end{array}\right]\left[\begin{array}{cc}{v}_1& \\ & v_2\end{array}\right]=\left[\begin{array}{cc}1& 0\\ 0& 1\end{array}\right]$

$\left[\begin{array}{cc}{v}_1& \\ & v_2\end{array}\right]=\left[\begin{array}{cc}{u_1}^H\mathrm{diag}\left(h_{t,f}^{\mathrm{1,1}}\right)P& {u_1}^H\mathrm{diag}\left(h_{(t,f)}^{\mathrm{1,2}}\right)P\\ {u_2}^H\mathrm{diag}\left(h_{(t,f)}^{2,1}\right)P& {u_2}^H\mathrm{diag}\left(h_{(t,f)}^{\mathrm{2,2}}\right)P\end{array}\right]\left[\begin{array}{cc}1& 0\\ 0& 1\end{array}\right]$

4.由此，根据所述预编码向量v₁，v₂，对所述基站发出的信号进行预编码处理；根据所述接收向量u₁、u₂，对用户接收到的信号进行处理。经过对估计得到的信道进行改善，可显著提高干扰对齐的性能。

实施例二：

1.根据上行数据进行信道估计，得到时频联合信道h¹¹，h¹²，h²¹，h²²。其中h¹¹，h¹²分别代表目标小区用户到目标小区基站及干扰小区基站的信道，h²¹，h²²分别代表干扰小区用户到目标小区基站和干扰小区基站的信道。

2.EBF对上述的四组信道分别进行EBF：

对一定时频范围(例：时频块的时域尺度7、频域尺度为12)的所述h¹¹，h¹²，h²¹，h²²信道分别进行累加求平均，如下式所示：

$R=\frac{1}{N_t*N_f}\underset{t=1}{\overset{N_t}{\mathrm{\Σ}}}\underset{f=1}{\overset{N_f}{\mathrm{\Σ}}}{\left(h_{(t,f)}^{m,n}\right)}^H{h^{m,n}}_{(t,f)}(m=\mathrm{1,2};n=\mathrm{1,2})$

对上述得到的信道自相关阵进行特征分解，取出最大值所对应的特征向量作为该时频块内的信道信息。其中，为估计信道h^m，n在t时刻在f子载波上的信道；N_f为时频块的频域尺度；N_t时频块的时间尺度；

3.改进的干扰对齐

根据步骤2中求出的最大特征值所对应的特征向量，进行如下计算

首先，针对目标小区计算干扰和噪声的协方差矩阵

$\mathrm{\Φ}={\mathrm{\σ}}^2{I}_{\mathrm{Nr}}+\mathrm{diag}\left(h_{(t,f)}^{\mathrm{1,2}}\right){\mathrm{Pv}}_2{v_2}^H{P}^H\mathrm{diag}{\left(h_{(t,f)}^{\mathrm{1,2}}\right)}^H$

其中，I_Nr是N_r*1阶的单位阵，σ²是噪声功率；是干扰小区对目标小区的干扰信号；v₁，v₂(∈C^(Nr-1)*1)分别为目标小区基站和干扰小区基站信号的预编码向量；P(∈C^Nr*(Nr-1))为两基站的预编码矩阵；

用期望值E(Φ)代替Φ；设计v₂使得E(v₂v₂ ^H)＝I_Nr-1。根据计算所得协方差矩阵，设计v₁为：使目标小区基站信干噪比进行特征值分解后最大特征值所对应的特征向量，以获得最大的波束形成增益。

针对目标小区，设计一个类似于MMSE的接收向量，

$u_1=\frac{E{\left(\mathrm{\Φ}\right)}^{-1}{h}_{(t,f)}^{\mathrm{1,1}}{\mathrm{Pv}}_1}{\left|\right|E{\left(\mathrm{\Φ}\right)}^{-1}{h}_{(t,f)}^{\mathrm{1,1}}{\mathrm{Pv}}_1\left|\right|}$

通过上述计算得到的目标小区的预编码向量v₁和接收向量u₁即可将期望信号和干扰信号放置在不同的方向上，以对干扰形成抑制。

4.由此，根据所述预编码向量v₁，v₂，对所述基站发出的信号进行预编码处理；根据所述接收向量u₁、u₂，对用户接收到的信号进行处理。经过对估计得到的信道进行改善，可显著提高干扰对齐的性能。

如图2所示为实际信道，估计信道，以及经过EBF平滑后的信道的波形图；可以很明显看到EBF对信道的光滑作用(频域加权粒度：12子载波；时域加权粒度：7个符号)。

图3-图5对三种场景下的干扰对齐的仿真图。

仿真条件：基站天线为4，用户天线数为1。

场景1：urban micro，移动台速度3km/h，天线间距0.5λ；频域加权粒度：300子载波；时域加权粒度：7个符号。

场景2：urban macro，移动台速度30km/h，天线间距0.5λ；频域加权粒度：300子载波；时域加权粒度：7个符号。

场景3：suburban macro，移动台速度120km/h，天线间距0.5λ；频域加权粒度：150子载波；时域加权粒度：7个符号。

对以上三种场景下做了仿真，各种仿真场景均加入一个小区的干扰。

第一种场景下，图3比较了直接使用估计信道的迫零干扰对齐、改进干扰对齐和使用EBF信道的迫零干扰对齐、改进干扰对齐的性能。

第二种场景下，图4比较了直接使用估计信道的迫零干扰对齐、改进干扰对齐和使用EBF信道的迫零干扰对齐、改进干扰对齐的性能。

第三种场景下，图5比较了直接使用估计信道的迫零干扰对齐、改进干扰对齐和使用EBF信道的迫零干扰对齐、改进干扰对齐的性能。

可以看出，在不同的场景下，将EBF和干扰对齐结合，均可以使干扰对齐的性能得到极大的改善。

Claims (1)

1.一种TD-LTE系统中的干扰对齐方法，其特征在于，包括如下步骤：

1)根据上行数据进行信道估计，得到时频联合信道h¹¹,h¹²,h²¹,h²²，其中h¹¹,h¹²分别代表目标小区用户到目标小区基站及干扰小区基站的信道，h²¹,h²²分别代表干扰小区用户到目标小区基站和干扰小区基站的信道；

2)对上述四组信道分别进行特征波束形成EBF平滑处理：取适当大小的时频块构造信道自相关阵

$R=\frac{1}{N_t}\underset{t=1}{\overset{N_t}{\mathrm{\Σ}}}\underset{f=1}{\overset{N_f}{\mathrm{\Σ}}}{\left(h_{(t,f)}^{m,n}\right)}^H{h^{m,n}}_{(t,f)}(m=\mathrm{1,2};n=\mathrm{1,2})$

其中，为估计信道h^m,n在t时刻在f子载波上的信道；N_f为时频块的频域尺度；N_t时频块的时间尺度；然后对得到的R进行特征值分解，取出最大特征值所对应的特征向量作为该时频块内的信道信息；

3)迫零干扰对齐：

根据步骤2)中求出的最大特征值所对应的特征向量，进行如下计算：

两个小区用户的接收信号为y₁，y₂，以子载波为单位计算：

$y_1=\mathrm{diag}\left(h_{(t,f)}^{\mathrm{1,1}}\right)P{v}_1{x}_1+\mathrm{diag}\left(h_{(t,f)}^{\mathrm{1,2}}\right)P{v}_2{x}_2+n_1$

$y_2=\mathrm{diag}\left(h_{(t,f)}^{\mathrm{2,1}}\right)P{v}_1{x}_1+\mathrm{diag}\left(h_{(t,f)}^{\mathrm{2,2}}\right)P{v}_2{x}_2+n_2$

其中，v₁,v₂分别为目标小区基站和干扰小区基站信号的预编码向量；P为两基站的预编码矩阵；x₁，x₂为两基站的发射信号；n₁，n₂为加性高斯噪声；为了抑制干扰，设计迫零接收向量u₁、u₂,使得下式成立：

${u_1}^H\mathrm{diag}\left(h_{(t,f)}^{\mathrm{1,2}}\right)P=0$

${u_2}^H\mathrm{diag}\left(h_{(t,f)}^{\mathrm{2,1}}\right)P=0$

根据求出的迫零接收向量，求解每个基站的预编码向量v₁,v₂：

$\left[\begin{array}{cc}{u_1}^H\mathrm{diag}\left(h_{(t,f)}^{\mathrm{1,1}}\right)P& {u_1}^H\mathrm{diag}\left(h_{(t,f)}^2\right)P\\ {u_2}^H\mathrm{diag}\left(h_{(t,f)}^{\mathrm{2,1}}\right)P& {u_2}^H\mathrm{diag}\left(h_{(t,f)}^{\mathrm{2,2}}\right)P\end{array}\right]\left[\begin{array}{cc}{v}_1& \\ & v_2\end{array}\right]=\left[\begin{array}{cc}1& 0\\ 0& 1\end{array}\right]$

$\left[\begin{array}{cc}{v}_1& \\ & v_2\end{array}\right]={\left[\begin{array}{cc}{u_1}^H\mathrm{diag}\left(h_{(t,f)}^{\mathrm{1,1}}\right)P& {u_1}^H\mathrm{diag}\left(h_{(t,f)}^{\mathrm{1,2}}\right)P\\ {u_2}^H\mathrm{diag}\left(h_{(t,f)}^2\right)P& {u_2}^H\mathrm{diag}\left(h_{(t,f)}^{\mathrm{2,2}}\right)P\end{array}\right]}^{-1}\left[\begin{array}{cc}1& 0\\ 0& 1\end{array}\right]$

4)根据所述预编码向量v₁,v₂，对所述基站发出的信号进行预编码处理；根据所述接收向量u₁、u₂，对用户接收到的信号进行处理。