CN104734819B - 基于干扰抑制与容量提升的多小区干扰对齐算法 - Google Patents

Abstract

本发明公开了一种基于干扰抑制和容量提升的多小区干扰对齐算法，主要解决了传统干扰对齐方法不能很好地提升网络的总速率的问题，其具体过程为：(1)初始化小区中基站的预编码矩阵V^[l](l=1，…，L)；(2)构建速率最大的优化目标，求得解码矩阵U^[lk](l=1，…，L，k=1，…，K)；(3)得到解码矩阵U^[lk]后，获得预编码矩阵V^[l]；(4)循环(2)一(3)，直到收敛或最大迭代次数。本发明能较好地提升网络的总速率，用于多小区干扰对齐收发机的设计，也可用于多输入多输出通信系统干扰对齐的收发机设计。

Description

基于干扰抑制与容量提升的多小区干扰对齐算法

技术领域

本发明属于通信技术领域，涉及多小区环境下干扰的抑制和容量的提升，可用于多小区场景下的干扰对齐，也在多用户MIMO系统中干扰的抑制和速率的提升。

背景技术

在无线系统通信中，为了最大化传输无干扰的有用数据流的数量，干扰对齐技术常用于消除交联的干扰，干扰对齐已成无线通信技术和未来的干扰管理中亟待解决的技术。

现有的干扰对齐实现方法有：将干扰对齐到扩展的时域或频域上进行干扰对齐，比较经典的结论是，在K用户的MIMO中，使用这种方法，每个用户可以获得1/2的自由度；对于即时信道，由于只有在特定的一些场景中才能到得到干扰对齐的封闭形式的解，因而，现有的技术多是从迭代的角度出发，去获得形成干扰对齐的预编码和解码矩阵。

现有的干扰对齐方法很难满足现实需求或提升整个网络的总速率的要求。如利用时间(或空间)扩展来实现干扰对齐，由于所需要的时间(或空间)较大，很难用于现实的需求。最小化干扰泄漏和交替最小化方法都是通过迭代，去最小化消除不了的干扰功率或干扰泄漏，而忽略了有用信号的功率，因而导致低的信噪比和低的速率。

文献【B.Zhu，J.Ge，J.Li，and C.Sun，“Subspace optimisation-based iterativeinterference alignment algorithm on the Grassmann manifold，'IET Commun.，vol.6，no.18，pp.3084-3090，Dec.2012.】提出了一种增大信息速率的干扰对齐方法(GM-SOIIA)，基本思路为：首先，使用交替最小化方法获得发端的预编码矩阵，然后对所得到的预编码进行调整，按照使其对增大有用信号功率的方向进行迭代。然而，在仿真中，我们发现，这种方法应用于小区环境中时，不但没有增加有用信号的功率，反而使有用信号的速率降得更低，这是因为在对满足使交联的干扰最小化的预编码进行调整时，很难保证调整后的预编码还能满足使干扰为一个较小值，预编码的调整引来的较大干扰，从而使速率变得更低。

发明的内容

本发明的目的在于克服上述已有技术的不足，提供一种最大化有用信号且抑制干扰(MUSI)的多小区干扰对齐的方法，既能将用户接收的来自其他小区的干扰进行抑制，又能有效地提升有用信号的速率，从而增加网络的总速率。

实现本发明的技术思路是：将用户接收的有用信号功率作为最大化的目标进行优化，同时将用户接收的来自其他小区的干扰放在约束中进行抑制，在格拉斯曼流形下，通过共轭梯度法去求解优化问题的解，从而得到基站的预编码矩阵和用户端的解码矩阵。通过选取合适的干扰泄漏归一化因子，实现网络总体速率的提升。其具体步骤包括如下：

(1)初始化小区中基站的预编码矩阵初始化α^[lk]，t₀，γ，Ω，令ω=0，其中表示维度为M^[l]×d^[lk]的复数集，M^[l]为第l个小区中基站的天线数，d^[lk]为第l个小区中第k个用户接收数据的自由度，α^[lk]为第l个小区中第k个用户干扰泄漏归一化因子，t₀为初始迭代步长，γ是与迭代步长有关的参数，其中0<γ<1，Ω为最大迭代次数；

(2)最大化第l个小区中第k个用户的接收功率，最优化问题建模为

(3)得到解码矩阵U^[lk](l=1，…，L，k=1，…，K)后，预编码矩阵V^[l]用如下方法获得

K^[j]表示第j个小区中用户的个数，ρ=0时为采用迫零方式的预编码方法(ZF-MUSI)，ρ=1为采用最大化信号干扰噪声比的预编码方法(MSLNR-MUSI)，解得V^[1]，令ω=ω+1；

(4)获得预编码矩阵V^[l]和解码矩阵U^[lk]后，迭代(2)一(3)步骤，直到收敛或ω=Ω。

本发明在设计干扰对齐预编码和解码矩阵时，不仅考虑了将干扰进行抑制，也考虑了有用信号的功率，这是本发明能够提升网络总体速率的根本原因，此外，本发明将干扰作为约束进行抑制，所以在提升有用信号功率的时候，不会显著地增加干扰而导致用户速率降低。仿真结果表明：相对于现有的干扰对齐方法，本发明能显著地提升网络的总体速率。

本发明的目的、实施方式可通过以下附图说明详细说明：

附图说明

图1是多小区场景示意图；

图2是本发明方法的流程示意图；

图3为两小区6个用户场景下，本发明方法获得的总速率与其他方法获得总速率的对照图。

图4为两小区8个用户场景下，本发明方法获得的总速率与其他方法获得总速率的对照图。

图5为两小区6个用户场景下，本发明方法所形成的干扰泄漏与其他方法所形成的干扰泄漏的对照图。

图6为两小区8个用户场景下，本发明方法所形成的干扰泄漏与其他方法所形成的干扰泄漏的对照图。

具体实施方式

以下参照附图对本发明的技术方案作进一步详细描述。

参照图1，本发明所用的场景是一个多小区模型，共有L个小区，每个小区中有K^[l]个用户，小区l中基站的天线数为M^[l]，第l个小区第k个用户的天线数和接收的数据自由度分别为N^[lk]和d^[lk]，所有基站同时向用户发送数据，除与自己所在相同小区的基站外，用户接收的来自其他小区的基站的数据一律视为干扰。本发明假设发送端天线和接收端天线之间的无线信道H是平坦衰落信道。并且，各个信道之间是相互独立的。

参照图2，本发明的抑制干扰提升容量的干扰对齐算法步骤如下：

步骤1，初始化小区中基站的预编码矩阵初始化α^[lk]，t₀，γ，Ω，令ω=0，其中表示维度为M^[l]×d^[lk]的复数集，M^[l]为第l个小区中基站的天线数，d^[lk]为第l个小区中第k个用户接收数据的自由度，α^[lk]为第l个小区中第k个用户干扰泄漏归一化因子，t₀为初始迭代步长，γ是与迭代步长有关的参数，其中0<γ<1，Ω为最大迭代次数；

步骤2，构建速率最大的优化目标，求得解码矩阵。

2.1、最大化第l个小区中第k个用户的接收功率，最优化问题建模为

其中y^[lk]表示为第l个小区第k个用户的接收信号，U^[lk]为第l个小区第k个用户的解码矩阵，表示第j个小区中的基站和第l个小区第k个用户的信道矩阵，V^[l]为第l个小区中基站的预编码矩阵，x^[j]为第j个小区中基站的发送信号，n^[lk]表示第l个小区第k个用户接收的噪声。

2.2、构建形成干扰对齐的等效信道和干扰泄漏矩阵。当干扰被完全消除时，用户的接收信号为：

实际上干扰并不能被完全消除，因而，干扰泄漏表示为：

2.3、将最优化问题建模为：

α^[lk]为第l个小区第k个用户干扰泄漏归一化因子。

2.4、令

为方便简洁，忽略上标，原问题转化为：

maxF=TrU⁺BU

s.t.U⁺QU=I_d

2.5、令

A=Q^1/2BQ ^1/2

Y=Q^1/2U

原问题变为：

maxF=trY⁺AY

s.t.Y⁺Y=I^d

Y是一个N×d的正交矩阵，可以表示为格拉斯曼流形G^N×d的一个点，因此，优化问题的解可在格拉斯曼流形下获得。

2.6、Y的获得可通过如下方法：

1)初始化最大循环次数，初始化ζ=0；

2)对于任意y₀满足计算令Γ₀=G₀；

3)令执行如下步骤；

4)令Y(t)=YDcos(∑t)D^T+Λsin(∑t)D^T，Λ∑D^T为的紧凑的奇异值分解；

5)如果令ζ=0，执行(8)，否则，执行(6)；

6)如果ζ=，令ζ=0，跳出循环，否则，执行(7)；

7)令ζ=ζ+1，执行(4)；

8)计算在格拉斯曼流形下，和到的切向量分别为：

9)计算新的迭代方向

其中其中表示矩阵的转置；

10)重复步骤(2f)中3-9，直到或迭代跳出循环；

2.7、根据2.5计算U^[lk]。

步骤3，得到解码矩阵U^[lk](l=1，…，L，k=1，…，K)后，预编码V^[l]用如下方法获得

K^[j]表示第j个小区中用户的个数，P^[ji]和d^[ji]分别表示第j个小区中第i个用户的接收功率和自由度，ρ=0时为采用迫零方式的预编码方法，ρ=1为采用最大化信号干扰噪声比的预编码方法，解得V^[l]，令ω=ω+1；

步骤4，获得预编码矩阵V^[l]和解码矩阵U^[lk]后，迭代(2)一(3)步骤，直到收敛或ω=Ω。

本发明的效果可以通过以下仿真结果进一步说明：

1.仿真条件：设立两组仿真场景，分别为：场景一：两个小区，每小区有3个用户，每个基站配备4根天线，用户配有3根天线，每个用户接收信号的自由度为1；场景2：两个小区，每小区有4个用户，每个基站配备5根天线，用户配有4根天线，每个用户接收信号的自由度为1。两组场景中每个用户的功率相同，且均位于小区边缘，信道模型采用平坦瑞利衰落信道H～CN(0，1)，CN(0，1)表示均值为0，方差为1的复数正态分布。

2.仿真内容：速率和干扰泄漏作为仿真的参数，用于和其他方法进行对比。仿真中对比的算法有交替最小化方法(Alternating Minimization)、最小化干扰泄漏方法(MinLeakage)、GM-SOIIA方法。

3.仿真结果：如图3和图4所示的是本发明方法获得的总速率与其他方法获得总速率的对照图。从图中可以看出，两种场景下，本发明提供的方法能得到最高的网络总速率。与交替最小化方法和最小化干扰泄漏方法相比，本发明在抑制干扰时，同时去最大化用户的速率，而交替最小化方法和最小化干扰泄漏方法只是找到满足干扰最小的解码矩阵，忽略了有用信号的功率。与GM-SOIIA方法相比，本发明在寻找最大化速率的解码矩阵时，将干扰最小作为约束，不会引入太大的干扰，而GM-SOIIA方法获得较低速率的原因正是因为在调整解码矩阵去最大化速率时，引入过多的干扰，从而导致用户速率降低。图4和图6所示两种场景下，本发明方法形成的干扰泄漏与其他几种方式的比较，从图中可以看出，随着信噪比的提高，本发明方法所带来的干扰泄漏增长缓慢，在信噪比较小时，用适量的信噪比去提升用户的速率，在信噪比较大时，又能将干扰进行抑制，从而始终能使全网的速率最高。

Claims (2)

1.基于干扰抑制与容量提升的多小区干扰对齐算法，其特征在于：包括如下步骤：

(1)初始化小区中基站的预编码矩阵V^[l]表示第l个小区基站的预编码矩阵，初始化α^[lk]，t₀，γ，Ω，令ω＝0，其中∈表示属于，M^[l]×d^[lk]表示维度为M^[l]×d^[lk]的复数集，M^[l]为第l个小区中基站的天线数，L表示小区的个数，d^[lk]为第l个小区中第k个用户接收数据的自由度，K_l表示第l个小区的用户数，α^[lk]为第l个小区中第k个用户干扰泄漏归一化因子，t₀为初始迭代步长，γ是与迭代步长有关的参数，其中0＜γ＜1，Ω为最大迭代次数；

(2)最大化第l个小区中第k个用户的接收功率，构建速率最大化优化目标为

其中Tr[·]表示矩阵的迹，U^[lk]为第l个小区第k个用户的解码矩阵，表示矩阵U^[lk]的共轭转置，表示相应矩阵的共轭转置矩阵，表示第l个小区中的基站和第l个小区第k个用户的信道矩阵，表示第j个小区中的基站和第l个小区第k个用户的信道矩阵，P^[j]和d^[j]分别表示第j个小区中基站的发送功率和自由度，P^[lk]表示第l个小区中第k个用户的接收送功率，表示维度为d^[lk]的归一化噪声，表示维度为N^[lk]的归一化噪声矩阵，N^[lk]表示第l个小区第k个用户的天线数，解出满足上述优化问题的解U^[lk]；

(3)得到解码矩阵U^[lk](l＝1, ……,L,k＝1, ……,K)后，预编码矩阵V^[l]用如下方法获得

K^[j]表示第j个小区中用户的个数，表示第l个小区中的基站和第j个小区第i个用户的信道矩阵，U^[ji]为第j个小区第i个用户的解码矩阵，ρ＝0时为采用迫零方式的预编码方法(ZF-MUSI)，ρ＝1为采用最大化信号干扰噪声比的预编码方法(MSLNR-MUSI)，解得V^[l]，令ω＝ω+1；

(4)获得预编码矩阵V^[l]和解码矩阵U^[lk]后，迭代(2)-(3)步骤，直到收敛或ω＝Ω。

2.根据权利要求1所述的干扰对齐算法，其特征在于：其中步骤(2)所述的构建速率最大化优化目标，求得解码矩阵，按如下步骤构造：

(2a)构建用户端的接收矩阵

其中y^[lk]表示为第l个小区第k个用户的接收信号，x^[l]为第l个小区中基站的发送信号，x^[j]为第j个小区中基站的发送信号，V^[j]表示第j个小区基站的预编码矩阵，n^[lk]表示第l个小区第k个用户接收的噪声；

(2b)构建形成干扰对齐的等效信道和干扰泄漏矩阵，当干扰被完全消除时，用户的接收信号为：

实际上干扰并不能被完全消除，因而，干扰泄漏表示为：

Tr[·]表示矩阵的迹，其中P^[j]和d^[j]分别表示第j个小区中基站的发送功率和自由度，表示维度为N^[lk]的归一化噪声矩阵，N^[lk]表示第l个小区第k个用户的天线数；

(2c)最大化第l个小区中第k个用户的接收功率，最优化问题建模为：

α^[lk]为第l个小区第k个用户干扰泄漏归一化因子；

(2d)令

为方便简洁，忽略上标，原问题转化为：

U表示简化的U^[lk]，为U的共轭转置矩阵；

(2e)令

A＝Q^1/2BQ^-1/2

Y＝Q^1/2U

这里A和Y是一个中间量，没有实际的物理意义，原问题变为：

Y是一个N×d的正交矩阵，可以表示为格拉斯曼流形G^N×d的一个点，因此，优化问题的解可在格拉斯曼流形下获得,表示Y的共轭转置矩阵；

(2f)Y的获得可通过如下方法：

1)初始化最大循环次数Ξ，初始化ξ＝0；

2)对于任意Y₀满足计算方向矩阵令Γ₀＝G₀，Y₀为所构建的满足任意矩阵，I表示单位矩阵；G₀表示初始时刻的方向矩阵；

3)令,Φ，执行(4)，为迭代的时刻，Φ表示最大迭代次数；

4)令 表示时刻的步长，γ表示步进系数，Λ、Σ和D为的紧凑的奇异值分解产生的矩阵，即D^T表示矩阵D的转置矩阵；

5)如果令ξ＝0，执行(8)，否则，执行(6)，和分别指在和时刻的F值；

6)如果ξ＝Ξ，令ξ＝0，跳出循环，否则，执行(7)；

7)令ξ＝ξ+1，执行(4)，表示时刻的步长；

8)计算时刻方向矩阵 表示的梯度，表示时刻的Y值，为的共轭转置矩阵，在格拉斯曼流形下，和到的切向量分别为：

其中，表示时刻的Y值，表示在时刻的方向矩阵；表示在时刻的迭代方向，可通过(9)进行更新；

9)计算新的迭代方向

其中对任意两个矩阵Δ₁和Δ₂，<Δ₁,Δ₂>表示 为Δ₁的转置矩阵；

10)重复步骤(2f)中3-9，直到或迭代跳出循环；

(2g)根据(2e)计算U^[lk]。