CN103580745A - 一种迭代干扰对齐方法 - Google Patents

Abstract

本明属移动通信技术领域，具体涉及一种在不同网络之间干扰对齐的方法，本发明以消除增加网络中的干扰为目标进行优化，使所有用户都能同时进行无干扰通信。本发明核心过程分为两步，第一步，在发射节点的G_l固定时，选取接收节点k的接收矩阵U_k的目的是调整接收节点k的干扰子空间的方向，使来自其他发射节点的干扰与接收节点k的干扰子空间的欧氏距离的平方和最小。第二步，在接收节点的接收矩阵U_k选取固定时，各个接收节点的干扰子空间都确定，整个系统总的干扰功率F保持不变，然后通过选取发射节点l的G_l来调整发射节点l发送信号的方向，以使得发射节点l自己到达各接收节点的干扰子空间的欧氏距离的平方和最小，从而使整个系统总干扰功率F最小化。

Description

一种迭代干扰对齐方法

技术领域

本明属移动通信技术领域，具体涉及一种在不同网络之间干扰对齐的方法，该方法以消除增加网络中的干扰为目标进行优化，使所有用户都能同时进行无干扰通信。

背景技术

干扰对齐（Interference Alignment,IA）是多用户干扰网络中提高信道容量的有效方法。不同于忽略干扰、解码消除干扰和正交接入消除干扰等处理方法，IA通过预编码技术将干扰压缩在接收端的干扰子空间中，从而消除干扰对期望信号的影响。不论干扰网络中有多少干扰用户，通过使用IA，所有的用户都可以同时进行无干扰的通信，并且使系统获得最大自由度（Degree Of Freedom，DOF），从而使系统容量显著提高。

IA方案可以通过在时域、频域和空域进行符号扩展来实现，并使每个维度的DOF接近理论上限。基于软件无线电平台的试验也证实了IA可以获得明显的系统容量提升。大量关于IA的研究包括如何在有限的符号扩展中获得更多的DOF、如何达到IA的新方案以及获得IA的信道估计开销和信道估计的误差对IA的影响。

多输入多输出（Multiple-Input Multiple-Output，MIMO）技术是高速无线网络的一种有效选择。IA和MIMO的结合能显著地提升系统的容量。当今的无线产品的天线配置数量持续增加，同时基站、桌面电脑、温度传感器和光传感器等使得无线设备变得更加多样性。未来的无线通信网络将包括大量配备不同天线数的接入点（Access Point，AP）和服务提供设备。频谱资源的短缺必定导致相邻环境中的很多无线通信设备使用相同的频谱，尽管干扰对齐技术有效地解决了同一个干扰网络中不同用户的干扰问题，但不同干扰网络相互之间的同频干扰仍然是问题。

在原有MIMO多用户网络中通过IA实现多用户正常无干扰通信的情况下，增加网络中的用户可以通过增加发射天线使得原有网络中的用户的正常通信不受影响，但增加网络中用户相互之间的干扰和来自网络用户的干扰是影响增加网络中用户通信的主要因素。新增用户一个一个地逐次不断接入要求每次接入的新增用户的天线数都要比上次接入的新增用户的天线数增加以达到既不影响原有网络中用户的通信，也可以使新增用户的通信不受干扰。本发明要提出一种新方法，使新增用户能够在同时接入的情况，不影响原有网络中的用户。

发明内容

本发明的目的在于提供一种使新增的干扰网络既能使用相同的频谱资源又不影响其他原有的已对齐的干扰网络的方法。该方法以消除增加网络中的干扰为目的进行优化，使所有的用户都能同时进行无干扰的通信。

为了方便地描述本发明的内容，首先对本发明中所使用的符号进行说明：

A^H表示矩阵A的共轭转置矩阵,A^T表示矩阵的转置矩阵,A^-1表示矩阵A的逆矩阵，rank(A)表示矩阵A的秩，tr(A)表示矩阵A的迹，[A]_m,n表示矩阵A的第m行第n列的元素，I_N×N表示N×N的单位矩阵。

为了方便数学描述，本发明中的数据量和天线数量都采用对称配置，即，当在已有网络中所有的发射节点配置M个天线，所有的接收节点配置N个天线，每个发射节点都只有d个数据需要同时发送到相应的接收节点，那么，在增加网络中，所有的发射节点都配置相同的M_s个天线，所有的接收节点都配置相同的N_s个天线，每个发射节点都只有d_s个数据需要同时发送到相应的接收节点。

为了实现上述目的，本发明的技术方案如下：

一种迭代干扰对齐方法，具体包括如下步骤：

S1、初始化所有增加网络中的发射节点的子成形矩阵G_l(l=1,2,…,S)，G_l的维度为(M_s-Kd)×d_s，并且G_l满足

S2、固定所有的G_l(l=1,2,…,S)

S3、固定所有的U_k(k=1,2,…,S)，其中，U_k是接收节点k的接收矩阵；

S4、重复进行S2和S3，直到G_l和U_k收敛；

进一步地，S1所述初始化所有增加网络中的发射节点的子成形矩阵G_l包括以下步骤：

S11、增加网络中的发射节点天线数M_s满足M_s-Kd>d_s，已有网络中的每个发射节点都有d个数据需要同时发送至相应的接收节点，其中，K是已有网络中发射节点和接收节点个数；

S12、增加网络中的发射节点的发射矩阵需要满足

其中，

N_i是接收节点i配置的天线个数，V_l发射矩阵，U_l接收矩阵；

S13、令

得到H_l的右奇异向量组，由于M_s-Kd>d_s，则T_l有M_s-Kd个正交的列向量，令V_l=T_lG_l，则可以通过选择G_l使得既满足增加网络中的用户不会影响已有网络中的用户，又可以优化增加网络。

本发明的有益效果是：本发明为了使新的干扰网络既使用与已有网络相同的频谱资源又不影响其他的原来已经对齐的干扰网络提出了一种不同的网络之间的干扰对齐的迭代算法，将增加网络中的接收节点的接收空间分解为期望信号子空间和干扰字空间。该方法特别适合当增加网络中的所有用户占用已有网络已经使用的频谱时，通过正确地配置新接入用户的发射天线和接收天线，来达到使所用用户同时进行无干扰通信的目的。

附图说明

图1为本发明的计算流程图。

图2为本发明的K个用户的MIMO干扰信道和S个用户的MIMO干扰信道的相互影响模型。

图3为一个新增接入用户在不同方法下系统容量比较仿真图。

图4为新增网络中3个用户系统容量在不同方法下的性能比较仿真图。

具体实施方式

下面结合附图来说明本发明的具体实施方式：

如图2所示，在K个用户的干扰网络中，K个发射节点分别独立地同时发送到K个接收节点，同时有S个用户的干扰网络要和K个用户的干扰网络共同使用相同的频谱。图2中标号为用户1到用户K代表原有网络中的用户，图2中标号为用户K+1到用户K+S表示新增网络中的用户。发射节点和接收节点分别配置M_j和N_i个天线。发射节点有d_i个数据要同时发送给接收节点，不同用户之间的数据不共享。发射节点和接收节点之间的信道矩阵是H_ij。接收节点既可以接收到期望的信号，也可以接收到来自其他发射点的干扰信号。

所有用户数据X_j，其中，j=1,2,…,K+S通过相应的预编码发送矩阵V_j及信道H_ij到达接收节点i后的接收信号Y_i为

$Y_i=H_{\mathrm{ii}}{V}_i{X}_i+\underset{j\≠i}{\overset{K+S}{\mathrm{\Σ}}}{H}_{\mathrm{ij}}{V}_j{X}_j+Z_i,i=1,2,\·\·\·,K+S$

其中Z_i为加性高斯白噪声，且为复高斯变量，均值为0，方差为

每个发射节点的发送功率为

H_ij是平坦衰落信道，其中的每项都是相互独立均值为0，方差为1的复高斯变量，不同的用户之间的信道也是相互独立的。

在原有网络中，利用干扰对齐的算法使K个用户同时进行无干扰的通信。为了找到可以满足干扰对齐的预编码矩阵，发射矩阵V_i和接收矩阵U_i需要满足：

$V_i^H{V}_i=I_{d_i}$

$U_i^H{U}_i=I_{d_i}$

$\left.\begin{array}{c}{U}_i^H{H}_{\mathrm{ij}}{V}_i=0_{d_i\×d_j}\∀i\≠j\\ \mathrm{rank}\left(U_i^H{H}_{\mathrm{ii}}{V}_i\right)=d_i\end{array},\∀i\∈\{1,\·\·\·,K\}\right\}.$

预编码的方案采用Gomadam等人的分布式IA可以获得符合上述条件的发射矩阵和接收矩阵，但实施IA需要全局的信道信息。在原有通信网络中一旦IA有效地实施，那么在接收端就可以通过简单的迫零接收消除来自本网络中其他用户的干扰，于是在原有网络的接收节点i有：

${\left[U_i^H{H}_{\mathrm{ii}}{V}_i\right]}^{-1}{Y}_i=X_i+{\left[U_i^H{H}_{\mathrm{ii}}{V}_i\right]}^{-1}{U}_i^H{Z}_i$

而原有网络中的系统的总容量可以表示为：

$R_{\mathrm{sum}}^p=\underset{i=1}{\overset{K}{\mathrm{\Σ}}}\underset{n=1}{\overset{d_i}{\mathrm{\Σ}}}{\log }_2(1+\frac{P/d_i}{N_0{\left[V_i^H{H}_{\mathrm{ii}}^H{U}_i{U}_i^H{H}_{\mathrm{ii}}{V}_i\right]}^{-1}n,n})$

为避免原有网络中的所有用户通过IA达到无干扰通信不受影响，本专利假设原有网络中的所有用户都获得该网络中的所有信道信息，新增网络中的用户获得新增网络中的所有信道信息，并且新增网络中的所有发射端获得原有网络中所有接收端的接收成形矩阵，新增网络中的所有接收端获得原有网络中的所有发射端到新网络中的信道信息。

在新网络中用户接入的情况下，旧网络中的所有用户的系统容量为：

$R_{\mathrm{sum}}^p=\underset{i=1}{\overset{K}{\mathrm{\Σ}}}\underset{n=1}{\overset{d_i}{\mathrm{\Σ}}}{\log }_2(1+\frac{P/d_i}{N_0{[{\left[V_i^H{H}_{\mathrm{ii}}^H{U}_i{U}_i^H{H}_{\mathrm{ii}}{V}_i\right]}^{-1}+L]}_{n,n}})$

其中

是新增网络对原有网络的干扰。如果L=0，则新增网络中的用户就不会对原有网络中的用户通信造成任何影响。在原有网络中的接收节点的接收空间中，由于已经实施了IA，则接收节点的信号空间已经被分为了期望信号子空间和容纳干扰的干扰子空间。新增网络中的用户只能自己调整发射矩阵，使得新增网络信号通过信道后进入原有网络接收节点的干扰信号子空间中。新增网络中的发射节点的发射矩阵需要满足：

$H_k{V}_k=0_{{R\×d}_k}$

其中

新增网络中的发射节点需要足够的天线数才能既使自己对原有网络中的用户通信没有影响，又有足够的天线数来优化新增网络中的通信质量，因此，新增网络中的发射节点的天线数量需要满足：

$M_k\≥\underset{i=1}{\overset{K}{\mathrm{\Σ}}}{d}_i+d_k.$

若新增网络中的发射天线数满足M_s-Kd>d_s，则新增网络中的用户就可以利用额外的天线资源来优化新增网络中的通信质量。令T_k为从中得到的H_k的右奇异向量组，由于M_s-Kd>d_s，则T_k有M_s-Kd个正交的列向量。令V_k=T_kG_k，则可以通过选择G_k使得既满足新增网络中的用户不会影响原有网络中的用户，又可以优化新增网络。

在不考虑接收端进行接收滤波的情况下，新增网络中所有用户的系统容量可以表示为：

$R_{\mathrm{sum}}^{\mathrm{new}}=\underset{k=K+1}{\overset{K+S}{\mathrm{\Σ}}}{\log }_2\det (I+\frac{P}{N_0{d}_s}{H}_{\mathrm{kk}}{V}_k{V}_k^H{H}_{\mathrm{kk}}^H{L}_k^{-1})$

其中

因此在限制条件H_kT_kG_k=0(k=K+1,…,K+S)下可以通过选取G_k来优化

当新增网络中只有1个用户，则G_k为

对应的d_s个最大的特征值对应的特征向量时可以使

最大化。若新增网络中有2个用户时，干扰项表示为

$L_k=I+\underset{i=1}{\overset{K}{\mathrm{\Σ}}}\frac{P}{N_0{d}_i}{H}_{\mathrm{ki}}{V}_i{V}_i^H{H}_{\mathrm{ki}}^H+\frac{P}{N_0{d}_s}{H}_{\mathrm{kq}}{V}_q{V}_q^H{H}_{\mathrm{kq}}^H,$ 其中 $q,k\∈\{K+1,K+2\}q\≠k.$ 若新增网络中的用户都忽略来自新增网络中其他用户的干扰，这样就可以和新增网络中只有一个接入用户的优化情况相同。

当新增网络中的用户数超过2个，也可以采用忽略新增网络中其他用户干扰的方案来优化自己的发射矩阵，但新增网络中的用户数很多时，这样忽略干扰项直接容量最大化方案不再有效。因此，本专利利用IA的思想，提出一种迭代方法在发射端和接收端都进行成形滤波使新增网络中的各个用户能在不影响原有网络正常通信的情况下，同时进行无干扰的通信。

迭代的目的是将新增网络中的接收节点空间分解为期望信号子空间和干扰子空间，由分布IA知可以采用度量接收节点处的干扰功率来观测期望信号子空间和干扰子空间的划分情况。因此，在新增网络中所有接收节点处受到的干扰功率可以表示为

$F=\underset{k=1}{\overset{S}{\mathrm{\Σ}}}[\underset{l=1,l\≠k}{\overset{S}{\mathrm{\Σ}}}\frac{P}{d_l}{\left|\right|U_k^H{H}_{\mathrm{kl}}{T}_l{G}_l\left|\right|}_F^2+\mathrm{tr}\left(U_k^H{Q}_k{U}_k\right)]$

其中

是来自原有网络中所有用户的干扰协方差矩阵。通过不断地迭代选取G_l和U_k使目标函数F减小直至为零。由于

则

$F=\underset{k=1}{\overset{S}{\mathrm{\Σ}}}[\underset{l=1,l\≠k}{\overset{S}{\mathrm{\Σ}}}\frac{P}{d_l}\mathrm{tr}\left(U_k^H{H}_{\mathrm{kl}}{T}_l{G}_l{G}_l^H{T}_l^H{H}_{\mathrm{kl}}^H{U}_k\right)+\mathrm{tr}\left(U_k^H{Q}_k{U}_k\right)]$

$F=\underset{k=1}{\overset{S}{\mathrm{\Σ}}}[\underset{l=1,l\≠k}{\overset{S}{\mathrm{\Σ}}}\frac{P}{d_r}\mathrm{tr}\left(G_l^H{T}_l^H{H}_{\mathrm{kl}}^H{U}_k{U}_k^H{H}_{\mathrm{kl}}{T}_l{G}_l\right)+\mathrm{tr}\left(U_k^H{Q}_k{U}_k\right)]$

所有新增网络中的发射节点的G_l任意初始化固定，然后利用

$F=\underset{k=1}{\overset{S}{\mathrm{\Σ}}}[\underset{l=1,l\≠k}{\overset{S}{\mathrm{\Σ}}}\frac{P}{d_l}\mathrm{tr}\left(U_k^H{H}_{\mathrm{kl}}{T}_l{G}_l{G}_l^H{T}_l^H{H}_{\mathrm{kl}}^H{U}_k\right)+\mathrm{tr}\left(U_k^H{Q}_k{U}_k\right)]$

在新增网络中的各个接收节点选取各自的接收矩阵使接收节点处的干扰功率最小化。在接收节点k的接收矩阵U_k由

对应的d_s个最小的特征值对应的特征向量构成。然后固定已知的所有接收矩阵，利用 $F=\underset{k=1}{\overset{S}{\mathrm{\Σ}}}[\underset{l=1,l\≠k}{\overset{S}{\mathrm{\Σ}}}\frac{P}{d_r}\mathrm{tr}\left(G_l^H{T}_l^H{H}_{\mathrm{kl}}^H{U}_k{U}_k^H{H}_{\mathrm{kl}}{T}_l{G}_l\right)+\mathrm{tr}\left(U_k^H{Q}_k{U}_k\right)]$ 选取新增网络中各个发射节点的G_l为

对应的d_s个最小特征值对应的特征向量构成的矩阵，从而使接收节点处的干扰功率最小化。通过不断地将上述步骤交替选取发射节点的G_l和接收节点的接收矩阵U_k，可以使每次的迭代目标函数接收节点处的干扰功率逐步减小直至收敛为零。具体过程如下：

(1)任意初始化发射节点的子成形矩阵G_l(l=1,2,…,S)：(M_s-Kd)×d_s,

(2)固定所有G_l(l=1,2,…,S)，由 $F=\underset{k=1}{\overset{S}{\mathrm{\Σ}}}[\underset{l=1,l\≠k}{\overset{S}{\mathrm{\Σ}}}\frac{P}{d_l}\mathrm{tr}\left(U_k^H{H}_{\mathrm{kl}}{T}_l{G}_l{G}_l^H{T}_l^H{H}_{\mathrm{kl}}^H{U}_k\right)+\mathrm{tr}\left(U_k^H{Q}_k{U}_k\right)]$ 的

对应的d_s个最小的特征值对应的特征向量构成接收节点k的接收矩阵U_k；

(3)固定所有U_k(k=1,2,…,S)，由 $F=\underset{k=1}{\overset{S}{\mathrm{\Σ}}}[\underset{l=1,l\≠k}{\overset{S}{\mathrm{\Σ}}}\frac{P}{d_l}\mathrm{tr}\left(G_l^H{T}_l^H{H}_{\mathrm{kl}}^H{U}_k{U}_k^H{H}_{\mathrm{kl}}{T}_l{G}_l\right)+\mathrm{tr}\left(U_k^H{Q}_k{U}_k\right)]$ 的

对应的d_s个最小的特征值对应的特征向量构成发射节点l的子成形矩阵G_l；

(4)交替进行步骤(2)和(3)直到收敛。

本发明核心过程分为两步，第一步，在发射节点的G_l固定时，选取接收节点k的接收矩阵Uk的目的是调整接收节点k的干扰子空间的方向，使来自其他发射节点的干扰与接收节点k的干扰子空间的欧氏距离的平方和最小，即式

$F=\underset{k=1}{\overset{S}{\mathrm{\Σ}}}[\underset{l=1,l\≠k}{\overset{S}{\mathrm{\Σ}}}\frac{P}{d_l}\mathrm{tr}\left(U_k^H{H}_{\mathrm{kl}}{T}_l{G}_l{G}_l^H{T}_l^H{H}_{\mathrm{kl}}^H{U}_k\right)+\mathrm{tr}\left(U_k^H{Q}_k{U}_k\right)]$

中方括号中每个接收节点k处的干扰功率最小化的过程，从而使整个系统总干扰功率F最小化。第二步，在接收节点的接收矩阵U_k选取固定时，各个接收节点的干扰子空间都确定，整个系统总的干扰功率F保持不变，然后通过选取发射节点l的G_l来调整发射节点l发送信号的方向，以使得发射节点l自己到达各接收节点的干扰子空间的欧氏距离的平方和最小，即式 $F=\underset{k=1}{\overset{S}{\mathrm{\Σ}}}[\underset{l=1,l\≠k}{\overset{S}{\mathrm{\Σ}}}\frac{P}{d_l}\mathrm{tr}\left(G_l^H{T}_l^H{H}_{\mathrm{kl}}^H{U}_k{U}_k^H{H}_{\mathrm{kl}}{T}_l{G}_l\right)+\mathrm{tr}\left(U_k^H{Q}_k{U}_k\right)]$ 中方括号中每个发射节点l自己对所有接收节点造成的干扰功率最小化，从而使整个系统总干扰功率F最小化。

当新增网络中只有1个用户时，接收节点处的干扰功率目标函数退化为

$F=\mathrm{tr}\left(U_k^H{Q}_k{U}_k\right)$

因此不需要使用迭代，只需要令U_k为Q_k对应的d_s个最小的特征值对应的特征向量构成，并且新增网络用户的发射节点的G_l任意初始化。

系统仿真中假设原有网络有3个用户，新增网络中有若干用户，每个发射节点都只有1个数据需要发送到相应的接收节点，所有的信道参数都是独立同分布的零均值、方差为1的循环对称复高斯变量。所有用户采用BPSK的调制方式。原有网络中的每个用户的发射节点和接收节点都配置2个天线。

当新增网络中只有1个接入用户时，为该用户的发射节点和接收节点都配置5个天线。在图3中从系统容量的角度比较了本专利的方法和忽略干扰直接最大化容量方案的性能差异。在信噪比低于12dB的区域，直接最大化容量的方案相较于本专利的方法略好，但信噪比高于12dB时，本专利的方法明显优于直接最大化容量的方案。信噪比低时，噪声是影响系统性能的主要因素，忽略干扰直接最大化方案主要优化直连链路，因此，忽略干扰直接最大化容量的方案更优；高信噪比时，干扰是影响系统性能的主要因素，干扰对系统的性能影响有决定性作用，因此，本专利消除干扰的方案优于忽略干扰直接最大化容量的方案。

图4比较了本专利的方法和忽略干扰项方案在新网络有3个接入用户时，新增网络中发射节点和接收节点都配置5个天线的情况下的容量性能差异。从图4中可以看出新增网络和原有网络中所有用户的总系统容量在信噪比低于11dB时，忽略干扰项的方案略好；当信噪比高于11dB，并且逐渐增大时，本专利的方法的性能增益更加明显，并且新增网络中的每个用户的性能表现类似于独自占用信道的性能表现。

Claims (2)

1.一种迭代干扰对齐方法，其特征在于，具体步骤如下：

S1、初始化所有增加网络中的发射节点的子成形矩阵G_l(l=1,2,…,S)，G_l的维度为(M_s-Kd)×d_s，并且G_l满足

S2、固定所有的G_l(l=1,2,…,S)

S3、固定所有的U_k(k=1,2,…,S)，其中，U_k是接收节点k的接收矩阵；

S4、重复进行S2和S3，直到G_l和U_k收敛。

2.根据权利要求1所述一种迭代干扰对齐方法，其特征在于：S1所述初始化所有增加网络中的发射节点的子成形矩阵G_l包括以下步骤：

S11、增加网络中的发射节点天线数M_s满足M_s-Kd>d_s，已有网络中的每个发射节点都有d个数据需要同时发送至相应的接收节点，其中，K是已有网络中发射节点和接收节点个数；

S12、增加网络中的发射节点的发射矩阵需要满足

其中，

N_i是接收节点i配置的天线个数，V_l发射矩阵，U_l接收矩阵；

S13、令

得到H_l的右奇异向量组，由于M_s-Kd>d_s，则T_l有M_s-Kd个正交的列向量，令V_l=T_lG_l，则可以通过选择G_l使得既满足增加网络中的用户不会影响已有网络中的用户，又可以优化增加网络。

Images