CN109802709B - 基于mimo通信系统模拟移相器的网络强干扰消除算法 - Google Patents

基于mimo通信系统模拟移相器的网络强干扰消除算法 Download PDF

Info

Publication number
CN109802709B
CN109802709B CN201910011398.1A CN201910011398A CN109802709B CN 109802709 B CN109802709 B CN 109802709B CN 201910011398 A CN201910011398 A CN 201910011398A CN 109802709 B CN109802709 B CN 109802709B
Authority
CN
China
Prior art keywords
phase shifter
phi
communication system
shifter network
signal
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910011398.1A
Other languages
English (en)
Other versions
CN109802709A (zh
Inventor
蒋轶
张威
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fudan University
Original Assignee
Fudan University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Fudan University filed Critical Fudan University
Priority to CN201910011398.1A priority Critical patent/CN109802709B/zh
Publication of CN109802709A publication Critical patent/CN109802709A/zh
Application granted granted Critical
Publication of CN109802709B publication Critical patent/CN109802709B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Radio Transmission System (AREA)
  • Noise Elimination (AREA)

Abstract

本发明属于MIMO通信技术领域，具体为基于MIMO通信系统的模拟移相器网络强干扰消除算法。本发明在MIMO接收机受到不明方向的强信号干扰时，通过模拟域的移相器网络对接收到的被干扰信号进行“白化”操作；从而在模拟域降低该强干扰的影响，降低系统对ADC精度的要求，并且防止量化噪声过大导致数字域无法进行进一步的信号处理；在数字端利用MSE进行信道均衡后得到最终的数字信号。该算法对于强干扰源的方向、数目都无特定要求，对于不同情况下的干扰具有鲁棒性。仿真结果表明，该算法相比于传统的仅仅在数字域进行干扰消除算法有很大的性能提升，在使用12bit精度的ADC时，算法能消除比信号强80dB的干扰，而且移相器网络在工程上也易于实现。

Description

基于MIMO通信系统模拟移相器的网络强干扰消除算法
技术领域
本发明属于MIMO通信技术领域，具体涉及一种基于MIMO通信系统模拟移相器的网络强干扰消除算法。
背景技术
近些年来，强干扰消除的问题引起了人们极大的关注，该技术可以使用在全双工无线通信系统、超密集网络以及军事通信领域[1]。考虑到接收机的强干扰可能会导致接收端数模转换器(ADC)产生的量化噪声远远大于想要接收的信号本身，即ADC只是对干扰进行了量化，进而数字域的数字信号处理就失去了意义。所以我们应该通过模拟进行强干扰消除，提高进入ADC前信号的信干噪比。针对上述研究问题，已经有一些研究已经发表。但是，现有的工作需要知道干扰的一些信息如到达角度，或者要求接收天线阵列响应为恒模响应[2]-[3]。所以，如何使用尽可能少的信息来达到尽可能大的干扰消除效果这仍然是一个难题。
发明内容
为了克服现有技术的不足，本发明提供一种基于MIMO(多输入多输出)通信系统的模拟移相器网络强干扰消除算法。
本发明引入了“白化”的概念，尽量让输入ADC的信号相关性降低，使得ADC的比特量化精度利用率更高。
本发明提供的基于MIMO通信系统的模拟移相器网络强干扰消除算法，分为两部分：一、模拟域的移相器网络设计，二、数字域的以MMSE为准则的信号处理[4]；具体步骤如下：
第一步，首先建立本发明的通信系统模型。
设使用M根天线接收信号，一般通信系统模型如下：
yn＝hxn+zn,n＝1,2,…,N (1)
其中，
Figure BDA0001937442300000011
表示M维的复数空间，
Figure BDA0001937442300000012
为信号到达天线的空间响应，xn为用户在第n时刻发送的符号，
Figure BDA0001937442300000013
为M根天线接收到的符号，N为大于0的一个常数，表示观察到的最大时刻数。不失一般性，假设xn的功率为1，即
Figure BDA0001937442300000014
Figure BDA0001937442300000015
为空间的有色噪声。
给上述通信系统加上移相器网络，得到新的通信系统模型，具体如下：
Figure BDA0001937442300000016
其中，
Figure BDA0001937442300000017
为接收端模拟移相器网络，为了达到强干扰消除的目的，我们利用以下优化公式：
Figure BDA0001937442300000021
其中，ΩM×M表示相位集合，与实际电路有关，是有限精度的移相器网络与开关网络；具体地，
Figure BDA0001937442300000022
其中b为移相器的比特精度；
Figure BDA0001937442300000023
为接收信号自相关矩阵Ry的估计值。
第二步，信号自相关矩阵的估计。
实际的系统工作在两种模式下：(一)估计接收信号的自相关矩阵；(二)接入移相器进行干扰消除；这两种模式对应移相器网络中的开关的关与开的状态。可以利用实际的接收序列yn得到Ry的估计值
Figure BDA0001937442300000024
Figure BDA0001937442300000025
第三步，优化移相器网络E(φ)，使得其满足(3)，具体算法步骤为：
首先将E(φ)进行分块操作，得到：
Figure BDA0001937442300000026
其中，x(φ1)H为E(φ)的行向量，
Figure BDA0001937442300000027
为E(φ)其它行组成的矩阵。采用迭代算法，在每一步固定
Figure BDA0001937442300000028
来优化参数φ1。利用(5)可以得到：
Figure BDA0001937442300000029
那么进一步，可以得到(3)式的分子为：
Figure BDA00019374423000000210
同时，得到(3)式的分母为：
Figure BDA00019374423000000211
通过调换E(φ)的行来改变x(φ1)的值，因此我们下面使用x(φ)替代x(φ1)，使之具有一般性。固定
Figure BDA00019374423000000212
并且将(7)与(8)代入(3)得到：
Figure BDA00019374423000000213
其中，
Figure BDA00019374423000000214
表示M维的实数空间，并且，
Figure BDA00019374423000000215
Figure BDA0001937442300000031
进一步将x(φ)分解成如下形式：
Figure BDA0001937442300000032
其中，φn表示x(φ)的第n个元素的相位，en表示该向量只有第n个元素为1，其他元素值为0。
于是，可以将(9)改写为
Figure BDA0001937442300000033
可以将(13)简写为：
Figure BDA0001937442300000034
其中，
Figure BDA0001937442300000035
这里，∠(·)表示复数的相位，保持
Figure BDA0001937442300000036
不变，就可以得到相应的φn的值，因为根据(14)知道这是关于φn的一元函数，可以利用回溯直线法，得到φn的值，从而可以得到E(φ)。
和现有技术相比，本发明的有益效果在于：该算法不需要提前知道干扰的到达角度，并且只需要估计出接收信号的自相关矩阵就能得到对应的移相器网络。仿真结果表明，算法性能接近理想的信号白化；该算法相比于传统的仅仅在数字域进行干扰消除算法有很大的性能提升，在使用12bit精度的ADC时，算法能消除比信号强80dB的干扰；并且移相器网络对于实际工程很容易实现，不需要去额外设计电路。
附图说明
图1为接收机中2×2的移相器网络结构图。
图2为4根天线、2个不同方向的干扰源、ADC量化比特数为12bit的条件下，理想白化、本发明提出的移相器白化以及不白化三种情况对于不同的输入的信干噪比，数字端输出的信干噪比比较。
图3为2根天线、1个干扰源、信干噪比为-80dB的条件下，理想白化、本发明提出的移相器白化以及不白化三种情况对于不同的ADC的比特分辨率，数字端输出的信干噪比比较。
具体实施方式
下面结合附图和实例对本发明的技术方案进行详细介绍。
图1为接收机中2×2的移相器网络结构图。
实施例1
假设接收端有M根天线，为线性排列，相邻两根天线之间的距离为
Figure BDA0001937442300000041
λ为载波波长，可以得到天线的阵列响应为：
Figure BDA0001937442300000042
其中，θk为第k个信号源的到达角度。对于所有仿真，首先产生L1个采样的数据
Figure BDA0001937442300000043
接收端M根天线接收到包含L1个采样的数据块
Figure BDA0001937442300000044
这些采样点经过ADC后得到
Figure BDA0001937442300000045
接着使用
Figure BDA0001937442300000046
估计接收信号的自相关矩阵
Figure BDA0001937442300000047
Figure BDA0001937442300000048
通过提出的算法得到移相器网络E(φ)。然后继续产生包含L2个点的采样数据块
Figure BDA0001937442300000049
相应地，接收端M根天线接收到数据块为
Figure BDA00019374423000000410
经过量化后得到
Figure BDA00019374423000000411
这里令L2＝100，这次不同的是这段数据通过了前面生成的移相器网络E(φ)，那么白化之后的自相关矩阵
Figure BDA00019374423000000412
为：
Figure BDA00019374423000000413
并且仍然可以利用
Figure BDA00019374423000000414
估计天线阵列的空间响应，如下式：
Figure BDA00019374423000000415
实际上上式就是对实际的有效信道E(φ)h的估计，那么在数字域进行数字信号处理的时候采用MMSE(最小均方误差)准则：
Figure BDA00019374423000000416
最后，产生
Figure BDA00019374423000000417
并且经过ADC量化、MMSE数字端均衡得到接收端的信干噪比。
仿真过程中，仿真两种分辨率的移相器，分别是6bit和∞bit。作为参考，还仿真了当模拟域网络为理想白化即
Figure BDA00019374423000000418
的情况。
结果表明，在图2中∞bit量化的移相器网络与理想白化的情况很接近，由图2可以看到，在ADC的量化比特数为12比特，并在低信干噪比的时候，6比特量化的移相器网络在输入信干噪比为-90dB，此时，相比较于不白化的情况能提高输出信干噪比大约40dB。在图3中，可以看到，在对应的参数设置环境下，数字输出端达到-30dB信干噪比的时候，∞比特的量化所需的ADC精度比不白化要少大约6比特。以上的仿真结果说明，本发明提出的基于MIMO通信系统的模拟移相器网络强干扰消除算法对于MIMO接收机的接收信干噪比有很大的提升，并且降低了对于ADC精度的要求，在实际中不需要额外设计专门的电路，工程上易于实现。
参考文献
[1]A.Sabharwal,P.Schniter,D.Guo,D.W.Bliss,S.Rangarajan andR.Wichman,"In-Band Full-Duplex Wireless:Challenges and Opportunities,"inIEEEJournal on Selected Areas in Communications,vol.32,no.9,pp.1637-1652,Sept.2014.
[2]E.G.Larsson,O.Edfors,F.Tufvesson and T.L.Marzetta,"Massive MIMOfor next generation wireless systems,"in IEEE Communications Magazine,vol.52,no.2,pp.186-195,February 2014.
[3]A.F.Molisch et al.,"Hybrid Beamforming for Massive MIMO:A Survey,"in IEEE Communications Magazine,vol.55,no.9,pp.134-141,Sept.2017.
[4]V.Venkateswaran and A.van der Veen,"Analog Beamforming in MIMOCommunications With Phase Shift Networks and Online Channel Estimation,"inIEEE Transactions on Signal Processing,vol.58,no.8,pp.4131-4143,Aug.2010.。

Claims (1)

1.一种基于MIMO通信系统的模拟移相器网络强干扰消除算法，分为两部分：模拟域的移相器网络设计，数字域的以MMSE为准则的信号处理；其特征在于，模拟域的移相器网络设计的具体步骤如下：
第一步，首先建立通信系统模型
设使用M根天线接收信号，其通信系统模型如下：
yn＝hxn+zn,n＝1,2,…,N (1)
其中，
Figure FDA0002886431970000011
表示M维的复数空间，
Figure FDA0002886431970000012
为信号到达天线的空间响应，xn为用户在第n时刻发送的符号，
Figure FDA0002886431970000013
为M根天线接收到的符号，N为大于0的一个常数，表示观察到的最大时刻数；不失一般性，假设xn的功率为1，即
Figure FDA0002886431970000014
为空间的有色噪声；
给上述通信系统加上移相器网络，得到新的通信系统模型，具体如下：
Figure FDA0002886431970000015
其中，
Figure FDA0002886431970000016
为接收端模拟移相器网络，为了消除强干扰，利用以下优化公式：
Figure FDA0002886431970000017
其中，ΩM×M表示相位集合，与实际电路有关；
Figure FDA0002886431970000018
为Ry的估计值；Ry是接收信号yn的自相关矩阵；
第二步，信号自相关矩阵的估计
系统工作在两种模式下：(一)估计接收信号的自相关矩阵，(二)接入移相器进行干扰消除；这两种模式对应移相器网络中的开关的关与开的状态；利用实际的接收序列yn得到Ry的估计值
Figure FDA0002886431970000019
Figure FDA00028864319700000110
第三步，优化移相器网络E(φ)，使得其满足(3)式
具体算法步骤为：
首先将E(φ)进行分块操作，得到：
Figure FDA00028864319700000111
其中，x(φ1)H为E(φ)的行向量，
Figure FDA00028864319700000112
为E(φ)其它行组成的矩阵；采用迭代算法，在每一步固定
Figure FDA00028864319700000113
来优化参数φ1；利用(5)得到：
Figure FDA0002886431970000021
于是得到(3)式的分子中：
Figure FDA0002886431970000022
(3)式的分母为：
Figure FDA0002886431970000023
通过调换E(φ)的行来改变x(φ1)的值，因此使用x(φ)替代x(φ1)，使之具有一般性；固定
Figure FDA00028864319700000212
并且将(7)式与(8)式代入(3)式得到：
Figure FDA0002886431970000024
其中，
Figure FDA0002886431970000025
表示M维的实数空间，并且，
Figure FDA0002886431970000026
Figure FDA0002886431970000027
进一步将x(φ)分解成如下形式：
Figure FDA0002886431970000028
其中，φn表示x(φ)的第n个元素的相位，en表示该向量只有第n个元素为1，其他元素值为0；于是，将(9)改写为
Figure FDA0002886431970000029
将(13)简写为：
Figure FDA00028864319700000210
其中，
Figure FDA00028864319700000211
Figure FDA0002886431970000031
这里，∠(·)表示复数的相位，保持
Figure FDA0002886431970000032
不变，就得到相应的φn的值；
由(14)可知这是关于φn的一元函数，于是利用回溯直线法，得到φn的值，从而得到E(φ)。
CN201910011398.1A 2019-01-07 2019-01-07 基于mimo通信系统模拟移相器的网络强干扰消除算法 Active CN109802709B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910011398.1A CN109802709B (zh) 2019-01-07 2019-01-07 基于mimo通信系统模拟移相器的网络强干扰消除算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910011398.1A CN109802709B (zh) 2019-01-07 2019-01-07 基于mimo通信系统模拟移相器的网络强干扰消除算法

Publications (2)

Publication Number Publication Date
CN109802709A CN109802709A (zh) 2019-05-24
CN109802709B true CN109802709B (zh) 2021-06-04

Family

ID=66558442

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910011398.1A Active CN109802709B (zh) 2019-01-07 2019-01-07 基于mimo通信系统模拟移相器的网络强干扰消除算法

Country Status (1)

Country Link
CN (1) CN109802709B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021062758A1 (zh) * 2019-09-30 2021-04-08 华为技术有限公司 用于多输入多输出mimo通信的装置及系统
CN113114384B (zh) * 2021-04-12 2022-12-06 上海瀚讯信息技术股份有限公司 一种用于多圈uca阵列的通信干扰消除装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103634022A (zh) * 2013-12-09 2014-03-12 电子科技大学 一种平坦衰落环境下全双工收发机及自干扰对消方法
CN103973349A (zh) * 2013-01-30 2014-08-06 华为技术有限公司 一种信号干扰的抑制方法和装置及系统

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
BR112016030000B1 (pt) * 2014-06-26 2023-01-17 Huawei Technologies., Ltd Equipamento e método de cancelamento de interferência
US9584198B1 (en) * 2015-12-29 2017-02-28 Facebook, Inc. Reciprocity calibration for multiple-input multiple-output systems
US20180234153A1 (en) * 2016-05-13 2018-08-16 Telefonaktiebolaget Lm Ericsson (Publ) Low-Power Channel-State-Information Reporting Mode
EP3396916B1 (en) * 2017-04-24 2020-04-01 Nokia Technologies Oy Apparatus and method for reducing effects of phase noise

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103973349A (zh) * 2013-01-30 2014-08-06 华为技术有限公司 一种信号干扰的抑制方法和装置及系统
CN103634022A (zh) * 2013-12-09 2014-03-12 电子科技大学 一种平坦衰落环境下全双工收发机及自干扰对消方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
一种实用的毫米波大规模MIMO 混合预编码算法;黄天宇等;《电子与信息学报》;20170831;全文 *

Also Published As

Publication number Publication date
CN109802709A (zh) 2019-05-24

Similar Documents

Publication Publication Date Title
CN113381952B (zh) 基于深度学习的多天线系统信道估计方法
CN109802709B (zh) 基于mimo通信系统模拟移相器的网络强干扰消除算法
CN111092833B (zh) 一种全双工水声通信期待信道与自干扰信道联合估计方法
Xiong et al. Performance analysis of uplink massive MIMO systems with variable‐resolution ADCs using MMSE and MRC detection
CN108199990B (zh) 一种非高斯噪声3d-mimo信道估计方法
Üçüncü et al. Performance analysis of faster than symbol rate sampling in 1-bit massive MIMO systems
Myers et al. Spatial Zadoff-Chu modulation for rapid beam alignment in mmWave phased arrays
Fernandes et al. Multiuser-MIMO systems using comparator network-aided receivers with 1-bit quantization
NAGATSUKA et al. Adaptive array antenna based on spatial spectral estimation using maximum entropy method
CN113037342B (zh) 单比特毫米波多天线系统信道估计和预编码方法及装置
JP4802148B2 (ja) 信号検出装置及び信号検出方法並びにそのプログラムと記録媒体
Ranheim A decoupled approach to adaptive signal separation using an antenna array
KR102032956B1 (ko) 시간적 상관 관계를 이용한 다중 안테나 통신 시스템에서 채널 추정 방법 및 그 장치
KR19990082909A (ko) 셀룰러 이동 통신 네트워크에서의 방향 전환 방법
Li et al. 1-bit massive MIMO downlink based on constructive interference
Chen One-bit MMSE equalization for all-digital massive MU-MIMO communication systems
CN114301508A (zh) 基于过时csi的可重构智能表面辅助mimo传输中的双时间尺度优化方法
Liu et al. A distributed detection algorithm for uplink massive MIMO systems
Zia et al. Deep learning-aided TR-UWB MIMO system
CN113711496A (zh) 削波信号的重构
Hassan et al. Polynomial matrix decompositions and semi‐blind channel estimation for MIMO frequency‐selective channels
Chiang et al. Time-domain multi-beam selection and its performance improvement for mmwave systems
KR100874004B1 (ko) 이동통신 시스템에서 공간 시간 부호의 검출 방법
Chiang et al. Hybrid beamforming strategy for wideband millimeter wave channel models
CN107181515B (zh) 一种基于光滑近似思想的mimo系统联合预编码和天线选择方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant