CN109511161B - 一种接收端全双工协同传输策略及功率分配方法 - Google Patents

Abstract

本发明提供一种接收端全双工协同传输策略及功率分配方法，两个发送端和两个接收端都工作在同一频段，本发明就发送端与接收端的信号传输策略、接收端的干扰消除方法以及功率分配算法三个方面做出改进；每一时隙中，在接收端在转发上一时隙信号之前利用已知的上上一时隙的信号消除干扰以免在之后的时间中不断累积，同时通过合理的参数设计有效地协调多小区的传输，在定义域内，通过将发送端速率最大化的非凸优化问题转化成凸优化问题求解得到发送端的发送参数在指数函数上的值以及接收端的发送参数映射在指数函数上的值的最优解所对应的发送端的发送参数与接收端的发送参数即为最优的功率分配，在强干扰信道环境下能有效提升网络性能。

Description

一种接收端全双工协同传输策略及功率分配方法

技术领域

本发明涉及无线通信技术，特别是蜂窝小区间相互干扰的移动通信网络。

背景技术

随着超密集网络技术在即将到来的5G中被提出，基站的部署将会越来越密集，随之而来的干扰管理问题变得更加具有挑战性。例如，几个移动终端都位于各自小区的边缘且相关很近时，若采用相同的频带传输信号则会互相干扰，进而影响信息的传输。这一通信场景被广泛地建模为干扰信道。

相关研究表明，接收端协同技术能够有效提高干扰信道的容量，特别是结合同时同频的全双工通信技术。协同通信技术中，各个节点之间按照某种协同方式共享天线，通过获得分集增益提高系统性能。协同通信使得信道条件差的节点获得可接受的信道质量和足够的通信速率。而将协同通信技术与双工模式结合起来，则形成了用于多址接入系统的全双工中继方案，通过双工模式的特点提高频谱效率，通过协同的方式提高系统中的信道容量。然而，在同时同频全双工中，由于发射机和接收机在同一频带上同时收发信号，使本地发射信号通过电磁耦合进入接收机，造成本地发射信号和目标信号混叠，从而在接收机前端产生严重的自干扰现象。2006年，A.Host-Madsen等人研究了两用户的高斯干扰信道在接收端协同的全双工通信作用下的容量区域上界，并给出了不同的编码方案下的系统可达速率。基于相同的模型，V.M.Prabhakaran等人在2010年从信息论的角度分析了该系统的和速率，结果表明，在理想的自干扰消除情况下，接收端协同的全双工通信系统能够提升一倍的和速率。上述工作都假设全双工产生的自干扰能够完全被抑制，而在实际工程中，自干扰的消除过程并不理想，部分残余自干扰也会影响通信系统的性能。

发明内容

本发明针对多小区的干扰问题，提出一种使传输速率最大化的接收端全双工协同传输方法。

本发明为解决上述技术问题所采用的技术方案是，一种接收端全双工协同传输策略及功率分配方法，包括以下步骤：

在当前时隙，两个发送端均发送当前时隙的信号给两个接收端，两个接收端各自接收来自两个发送端的信号，且两个发送端和两个接收端都工作在同一频段；

在当前时隙，两个接收端各自接收信号；各接收端采用前向解码的方式，联合经过自干扰消除后的在当前时隙和在上一时隙的接收信号用于解码上一时隙来自发送端的信号；当解码完成后，从接收端当前时隙的接收信号中减去上一时隙来自发送端的信号以完成干扰消除，完成干扰消除的当前时隙的接收信号作为下一时隙向另一个接收端的待转发信号，此时完成干扰消除的当前时隙的接收信号具体包含有来自发送端当前时隙的信号、未被完全消除的部分残余自干扰和噪声；最后将在上一时隙中完成干扰消除的接收信号经放大后转发至另一个接收端；接收端发送信号和接收信号都工作在同一频段。

发送端的发送参数与接收端的发送参数通过以下方式设置：

1)确定两个发送端的发送参数以及两个接收端的发送参数的定义域；

2)根据两个发送端的发送参数以及两个接收端的发送参数的定义域从而确定发送端的发送参数在指数函数上的定义域以及接收端的发送参数映射在指数函数上的定义域；

3)在定义域内，通过将发送端速率最大化的非凸优化问题转化成凸优化问题求解得到发送端的发送参数在指数函数上的值以及接收端的发送参数映射在指数函数上的值的最优解所对应的发送端的发送参数与接收端的发送参数即为最优的功率分配。

本发明的有益效果是，就发送端与接收端的信号传输策略、接收端的干扰消除方法以及功率分配算法三个方面做出改进；每一时隙中，在接收端在转发上一时隙信号之前利用已知的上上一时隙的信号消除干扰以免在之后的时间中不断累积，同时通过合理的参数设计有效地协调多小区的传输，在强干扰信道环境下能有效提升网络性能。

附图说明

图1为接收端协同的全双工干扰信道；

图2为强干扰信道条件下不同解码方案速率区域对比；

图3为非强干扰信道条件下不同解码方案速率区域对比；

图4残余自干扰对最大和速率的影响；

图5干扰信道对系统性能的影响。

具体实施方式

如图1所示，考虑一个两发两收的高斯干扰信道模型，两个发送端分别向两个接收端发送信号，两个接收端对来自两个发送端的信号相互转发。在两个接收端之间建立了全双工模式下的协同链路，协同链路和其他链路都工作在同一频带，且每个接收端能够同时同频地发送和接收信号。因此，接收端残留的部分自干扰和噪声也会在两个接收端之间相互转发。

传输策略：

接收端全双工协同的传输和接收过程为：两个发送端k(k＝1,2)每个时隙都会发送当前时隙的信号给两个接收端，两个接收端之间会采用放大-转发的协同方案传输上一时隙接收到的信号。

A.发送端的发送信号

在第i个时隙，发送端k发射信号t_k(i)到接收端，t_k(i)可表示为

t_k(i)＝p_kx_k(i),k＝1,2. (1.1)

其中，p_k表示发送参数，信号x_k(i)为单位功率。因此，发送端的功率约束满足：

其中，

表示发送端上发送功率的定义域，P_k表示发送端k能够提供的最大发送功率。

B.接收端的发送信号

接收端j在第i个时隙将上一时隙收到的信号经过一系列处理后，通过放大-转发的机制协同地传输给另一接收端

(接收端j对应的另一个接收端)。因此，接收端j上的发送信号可表示为：

s_j(i)＝ω_jy_j(i-1),j＝1,2. (1.3)

其中，ω_j表示接收端的发送参数。接收端在上一时隙经过处理后的信号y_j(i-1)可表示为：

其中，

表示接收端j在第i-1时隙的残余干扰和噪声，h_kj表示发送端k到接收端j的信道参数。类似的，接收端j的发送功率约束满足：

其中，

表示

的功率，P_Rj表示接收端j能够提供的最大发送功率。

C.接收端的接收信号

在第i个时隙，接收端j接收到的信号分别来自两个发送端、另一个接收端

和它本身。由公式(1.1)和公式(1.4)，可得到接收端的接收信号为：

其中，

表示从接收端

到接收端j的协同信道参数，n_j是循环对称的复高斯噪声，即满足高斯分布

D.接收端的干扰消除

根据(1.6)式，x_k(i)直接来自发送端k，x_k(i-1)来自另一接收端

的协同作用，而信号s_j(i)则来源于接收端j自身被当作自干扰处理。则进行自干扰消除后得到的信号可表示为：

其中，残余自干扰

被建模为循环对称的复高斯噪声，即

残余的干扰和噪声将会随着有用信号在接收端j和接收端

之间一起被不断放大并转发，因此形成了累积的残余干扰和噪声

从(1.8)可以看出，当前时隙的累积残余干扰和噪声

跟上一时隙的累积残余干扰和噪声

有关，我们可以将其看成一个马尔可夫过程。通项表达式可以计算为：

通过(1.9)式计算

的统计特性，可以得出，当

时，

的功率趋于一个稳定值

结合(1.5)式，得到接收端上的发送参数约束为：

由此，得到接收端上的发送参数约束以及发送端的功率约束，为之后最优化功率分配提供实现基础。

根据(1.7)式，我们采用前向解码的方式进行解码，在第i时隙，利用d_j(i)和d_j(i-1)解码x_k(i-1)时，作为已知信号的x_k(i-2)可以被减去，从而消除了在接下来的解码过程中x_k(i-2)对x_k(i-1)的解码的影响，当x_k(i-1)被接收端j解码之后将作为已知信号被消除，从而消除了接下来的过程中对x_k(i)协同传输的影响；在第i+1时隙，利用d_j(i+1)和d_j(i)解码x_k(i)时，来自d_j(i)的x_k(i-1)作为已知信号可以被完全消除，而来自d_j(i+1)的未知信号x_k(i+1)会被当做噪声。因此，x_k(i)将会在第i+1时隙被解码随后被消除，而x_k(i+1)将在第i+2时隙连同累积的残余干扰加噪声一起被放大转发出去。

E.接收端的解码

基于前向解码，包括单用户解码和联合解码两种方案。单用户解码为例，接收端j只解码来自直连信道的信号x_j(i)，而将另一个信号x_j(i)当做噪声；联合解码中，接收端j将两路信号x₁(i)和x₂(i)都解码出来。两种解码方案类似，接下来主要以单用户解码为例进行说明。其解码模型的输入输出关系可表示为：

d_j＝h_jjx_j(i)+z_j (1.11)

其中，d_j＝[d_j(i+1),d_j(i)]^H表示解码信号向量，

表示信道变量向量，z_j表示干扰和噪声向量。因此，得到单用户解码的噪声协方差矩阵Q_j＝Ε[(z_j)^H·z_j]。

F.发送端的发送速率

以单用户解码为例，其速率表达式满足以下不等式：

采用在式(1.13)中发送端发送功率和式(1.10)中接收端发送参数的约束条件下，事先固定某一发送端的速率并最大化另一发送端的速率。对于单用户解码，有以下优化问题：

其中，R₁为固定值，max R₂(R₁)则表示在R₁固定的情况下最大化R₂。本发明提出一种有效的功率设计算法，通过合理地设计变量p₁,p₂,ω₁,ω₂，使速率R₂最大化。在该方案中，由于信道和发送参数的相位变化不会对结果造成影响，为了计算简便，接下来我们将信道和发送参数都设定为实数。

功率分配算法：

从(1.12)可知，变量全都耦合在一起，问题(1.13)属于非凸问题。因此，我们将非凸优化问题近似转化成凸优化问题，进而高效地求出其局部最优解。

1)输入：一个固定的R₁，一个误差容忍度ε＞0，发送端的发送功率上限P₁＝P₂，接收端的发送功率上限

2)定义发送端发送功率p_k的一个映射

其中α_k表示发送功率p_k映射在指数函数上的值，其中当p_k＝0时，α_k＜ξ，ξ为事先设定的一个足够小的接近于负无穷的数，如ξ＝-10⁶；定义接收端发送参数ω_j的映射

同理β_j表示发送参数ω_j映射在指数函数上的值，其中当ω_j＝0时，β_j＜ξ。另外，变量p_k和ω_j的定义域

和

映射到指数函数上可表示为α_k∈Θ_T,β_j∈Θ_R和R₂∈Rⁿ(Rⁿ表示实数集)，Θ_T和Θ_R分别表示p_k的映射α_k和ω_j的映射β_j的定义域；

3)定义变量向量V＝[α₁,α₂,β₁,β₂,R₂]，问题(1.16)中不等式约束变换成一个凸函数和一个凹函数的和；对凹凸过程的凸函数部分取泰勒一阶线性主部，得到近似的凸优化问题：

其中，V就是V^r+1，求梯度过程中为本领域默认的迭代关系。

分别是问题(1.15)中两个不等式约束在变量p_k,ω_j映射到α_k,β_j后构成的凸函数和凹函数，具体形式为：

其中，中间变量

g_jj＝|h_jj|²，

h_jj为h_kj的特例，因单用户解码时，接收端只解码跟它下标相同的发送端的信号，k＝j；

表示从接收端

到接收端j的协同信道参数，h_jj表示与接收端j序号相同的发送端到接收端j的信道参数，

表示与接收端j序号不同的发送端

到接收端j的协同信道参数，σ_I表示残余自干扰的功率，σ_n表示高斯白噪声的功率，符号*表示求共轭；

4)初始化：在定义域Θ_T∪Θ_R∪Rⁿ中找到一个合适的初始值，使之构成

令r＝0；

5)计算V^r+1：根据(1.15)中的约束方程，将V^r代入约束方程中，计算满足条件的

6)令k＝k+1，重复操作5)，直到||V^r-V^r-1||＜ε，停止操作6)。

迭代结束后得到最优解向量V^r。其中，

所对应映射的

和

表示最优的功率分配方案，

即是所求凸优化问题的最优解。

由于联合解码的解码模型与速度表达式均为本领域技术人员已知的，因此，对于本领域技术人员而言，基于本发明思想应用于联合解码是容易实现的，本发明不在此赘述。

仿真实验

模型参数如下：

发送端和接收端的最大功率约束

圆对称的复高斯噪声功率和残余自干扰功率

基于本发明思想的接收端协同模型中，信道参数相位的变化对结果分析并不会产生影响，因此主要考虑信道参数的模。我们研究了两种典型信道场景下的系统可达速率：场景A下，干扰信道强于直连信道；场景B下，干扰信道不比直连信道强。

场景A下的信道参数如下：

A_I:|h₁₁|＝|h₂₂|＝0.1,|h₁₂|＝|h₂₁|＝0.4；

A_II:|h₁₁|＝|h₂₂|＝0.1,|h₁₂|＝|h₂₁|＝0.3；

A_III:|h₁₁|＝|h₂₂|＝0.1,|h₁₂|＝|h₂₁|＝0.2；

图2刻画了在场景A的三组信道条件下，不同解码方案的可达速率区域，并与非协同模型进行对比。此时，协同信道参数固定为|c₁₂|＝|c₂₁|＝1.0。可以看出，在强干扰信道条件下，接收端协同模型优于非协同模型，联合解码优于单用户解码，且随着干扰信道的不断增强，性能逐渐提升。另外，从图2中的折线部分可以看出，该接收端协同模型在满足单边协同的时候性能达到最佳。单边协同，即仅其中一个接收端具备协同传输的能力。当一个接收端传输信号给另一个接收端时，另一个接收端的协同作用会带来更加严重的干扰。因此，单边协同情况下的系统性能优于两端同时协同时的系统性能。

场景B下的信道参数如下：

B_I:|h₁₁|＝|h₂₂|＝0.3,|h₁₂|＝|h₂₁|＝0.3；

B_II:|h₁₁|＝|h₂₂|＝0.5,|h₁₂|＝|h₂₁|＝0.3；

图3刻画了在场景B的两组信道条件下，不同解码方案的可达速率区域。可以看出，在非强干扰信道条件下，随着直连信道的增强，单用户解码的性能得到提升。但是，无论是单用户解码还是联合解码，接收端协同模型在非强干扰信道情况下都不能为系统带来增益。

接下来，基于场景A下的第二组信道参数，分析自干扰消除能力对系统最大和速率R_sum的影响，定义比例系数η为残余自干扰功率与接收端最大发送功率的比值。图4表明，随着比例系数逐渐增大，最大和速率逐渐减小。这是由于累积的残余干扰和噪声与自干扰的消除能力息息相关。

图5分析了干扰信道对系统最大和速率的影响，直连信道|h₁₁|＝|h₂₂|＝0.1。可以看出，接收端协同和非协同模型中，联合解码的性能随着干扰信道增强逐渐被提高。然而，在接收端协同中，当干扰信道弱于直连信道时，单用户解码性能随着干扰信道的增强而逐渐下降；当干扰信道一旦强于直连信道时，单用户解码性能随干扰信道的增强逐渐提升。这与从图2和图3中分析的结果一致。

Claims (2)

1.一种接收端全双工协同传输策略及功率分配方法，其特征在于，包括以下步骤：

在当前时隙，两个发送端均发送当前时隙的信号给两个接收端，两个接收端各自接收来自两个发送端的信号，且两个发送端和两个接收端都工作在同一频率；

在当前时隙，两个接收端各自接收信号；各接收端采用前向解码的方式，联合经过自干扰消除后的在当前时隙和在上一时隙的接收信号用于解码上一时隙来自发送端的信号；当解码完成后，从接收端当前时隙的接收信号中减去上一时隙来自发送端的信号以完成干扰消除，完成干扰消除的当前时隙的接收信号作为下一时隙向另一个接收端的待转发信号；最后将在上一时隙中完成干扰消除的接收信号经放大后转发至另一个接收端，接收端的发送与接收都工作在同一频率；

发送端的发送参数与接收端的发送参数通过以下方式设置：

确定两个发送端的发送参数以及两个接收端的发送参数的定义域；

根据两个发送端的发送参数以及两个接收端的发送参数的定义域从而确定发送端的发送参数在指数函数上的定义域以及接收端的发送参数映射在指数函数上的定义域；

在定义域内，以固定一个发送端的速率并最大化另一个发送端的速率，通过将求发送端速率最大化的非凸优化问题转化成凸优化问题求解得到发送端的发送参数在指数函数上的值以及接收端的发送参数映射在指数函数上的值的最优解所对应的发送端的发送参数与接收端的发送参数即可得到最优的功率分配。

2.如权利要求1所述方法，其特征在于，两个发送端的发送参数的定义域

为：

其中，k表示发送端序号，P_k表示第k发送端能够提供的最大发送功率，p_k表示第k发送端的发送参数；

对于接收端的发送参数的定义域

有：

其中，j表示接收端序号，

表示接收端j对应的另一个接收端，

ω_j表示接收端j的发送参数，

表示接收端

的发送参数，

表示从接收端

到接收端j的协同信道参数，

表示从接收端j到接收端

的协同信道参数，h_kj表示发送端k到接收端j的信道参数，p_k表示第k发送端的发送参数，k＝1,2；

为当

时当前时隙i在接收端j的累积残余干扰和噪声

的功率所趋于的一个稳定值，P_Rj表示接收端j能够提供的最大发送功率；

在定义域内，以固定一个发送端的速率并最大化另一个发送端的速率，通过将求发送端速率最大化的非凸优化问题转化成凸优化问题的求解步骤为：

1)输入参数：设置发送端1的一个固定速率R₁、误差容忍度ε＞0、两个发送端的发送功率上限P₁＝P₂以及两个接收端的发送功率上限

2)将参数都设定为实数，将发送端发送参数p_k映射到指数函数上：

α_k表示发送参数p_k映射在指数函数上的值，e为自然常数，其中当p_k＝0时，α_k＜ξ，ξ为预设的一个足够接近于负无穷的数；将接收端发送参数ω_j映射到指数函数上：

β_j表示发送参数ω_j映射在指数函数上的值，其中当ω_j＝0时，β_j＜ξ；p_k和ω_j的定义域

和

映射到指数函数上为α_k∈Θ_T,β_j∈Θ_R，Θ_T和Θ_R分别表示p_k的映射α_k和ω_j的映射β_j的定义域；设置需要最大化的另一个发送端速率R₂的取值范围R₂∈Rⁿ，Rⁿ表示实数集；

3)定义变量向量V＝[α₁,α₂,β₁,β₂,R₂]，生成在约束条件下，当发送端2的速率R₂最大化时对应变量向量V的凸优化问题：

其中，s.t.表示约束条件，V^r表示变量向量V的第r次迭代，符号

表示求梯度，

分别是两个不等式约束在变量p_k,ω_j映射到α_k,β_j后构成的凸函数和凹函数，具体形式为：

其中，中间变量

表示从接收端

到接收端j的协同信道参数，中间变量g_jj＝|h_jj|²，h_jj表示与接收端j序号相同的发送端到接收端j的信道参数，中间变量

表示与接收端j序号不同的发送端

到接收端j的协同信道参数，σ_I表示残余自干扰的功率，σ_n表示高斯白噪声的功率，符号*表示求共轭；

4)初始化：令r＝0，在定义域Θ_T∪Θ_R∪Rⁿ中确定初始值使之构成

5)计算V^r+1：将V^r代入约束条件中，计算满足条件的

6)令r＝r+1，重复操作5)直到满足||V^r-V^r-1||＜ε后停止本步骤；

迭代结束后得到最终向量V^r为最优解，其中，

所对应映射的

和

表示最优的功率分配方案。

Images