蜂窝小区下的干扰对齐方案(2)

4.3.1 回顾上行链路IA算法 ______________________________________ 24 4.3.2 下行链路的IA算法 ________________________________________ 25 4.3.3 反馈机理 _________________________________________________ 26 4.3.4仿真结果分析 ______________________________________________ 26 4.4蜂窝小区联合干扰对齐算法 ____________________________________ 27 4.4.1 思想来源 _________________________________________________ 27 4.4.2 新型IA算法 ______________________________________________ 29 4.4.3 仿真结果分析 _____________________________________________ 30 4.4.4 总结 _____________________________________________________ 31

南京邮电大学2010届本科生毕业设计（论文）

第一章 绪论

1.1 选题背景和研究意义

在无线通信领域中，如何提升传输速率以及频谱效率是研究人员一直探讨的一个话题。随着多天线技术(Multiple Input Multiple Output，MIMO)的出现，传输速率和频谱效率得到了进一步提高，根据香农信息论等相关科学理论，更高的自由度可以通过多维传输得到提高。在接收端和发送端使用多根天线，然后在多根天线组成的空间维度上通过预编码、空时编码等多种技术，可以在多根天线上发送不同的数据流，以提高系统的性能和效率。对于单小区下的MIMO系统(Single User MIMO， SU-MIMO) 已经有了相当多的研究成果，除了理论上的分析外，研究人员与此同时也在实际通信系统中开展了一系列研究工作。由于频谱资源是有限的，现代无线通信系统为了不断满足日益增长的业务需求，采用蜂窝小区的思想。整个通信区域被分裂为若干个小区，不同的频谱资源被分配到每个小区内，从而避免了小区之间的干扰。如图1-1所示，是蜂窝小区的系统模型，每个用户处在不同的小区内，通过不同的小区进行通信。若每个小区分配不同的频率，也就是小区的频率复用因子大于1，尽管小区间的干扰完全没有，但是这个时候的频率利用率不高。而在频率复用因子为1的情况中，则小区内的用户则会受到不同的小区的用户干扰。

对于蜂窝系统中多个小区干扰的处理，目前主要包括随机化干扰技术，也就是将临近的小区的干扰白化；干扰协调技术，主要对多小区的不同资源上进行协作调度以消除小区的干扰；干扰抵消技术，使用该技术对强干扰进行解码，从而消除相邻小区的干扰。相比来说，消除干扰的方法有各自优缺点，但总体来说实际实现中是无法保证较高的通信质量，也不能获得的更高的频谱利用率。

最近几年，多点协同通信技术(Coordination Multiple Point，CoMP)技术出现，该技术通过不同的小区发送端共享信道状态信息(Channel State Information，CSI)，然后使用预编码或者机会用户选择技术（用户调度技术）将干扰信号转变为有效信号，从而提升整个系统的吞吐量，并在(The 3rd Generation Partnership Project，3GPP)长期演进(Long Term Evolution，LTE)的后继演进技术(LTE-Advance， LTE-A)中被逐步提出。但是小区干扰的问题依旧没得到妥善解决。

目前，对于现有的通信系统，不断增长的业务需求需要得到满足，但是因为干扰问题的存在明显阻碍了。此外，因为中继、小小区、家庭基站等通信方式相继出现，蜂窝系统外部干扰在形式上变得复杂繁多，这也使得干扰的抑制也就变得尤为重要。

本文将要讲述的干扰对齐技术，是一种比CoMP更为有效的方式。这种增益

1

南京邮电大学2010届本科生毕业设计（论文）

体现在：在K小区K用户单天线系统中，如若传统正交传输资源方式，系统仅有

1/K的资源被K个用户的每一个使用；干扰对齐技术的使用，将使得自由度变为

K/2。毋庸置疑，干扰对齐技术作为一种更好的处理干扰的方式，确实使得蜂窝系统吞吐量得到显著提升。本文将着重讨论干扰对齐在蜂窝小区系统中的应用。

小区边缘吞吐量极大地受到来自使用公用信道的其他小区的干扰的影响，所以提出一种有效的干扰处理方案是提升小区边缘吞吐量的关键，其中有一种新型的干扰消除方案正是本章将要介绍的，也就是干扰对齐(interference alignment， IA)。这种方法在一个维度小于干扰源数量的信号子空间中，通过对齐各个干扰信号来实现干扰的消除。大多数IA算法针对的是K组点到点通信，IA算法也可用于提升蜂窝系统的吞吐量。甚至在蜂窝系统中，吞吐量几乎可以不受干扰的影响。

IA算法在理论上是绝对可以提升蜂窝系统工作效率的，但它在硬件实现时却有一系列难题尚待解决。首先，上行信道的 IA 方案[7]要求不同小区基站在反向信道交换扩展型信道状态信息，这无疑增加了计算时间和系统负担；另外算法所需的维数会随着用户数的增加成指数增加；其次，实际的蜂窝系统中存在众多未对齐的小区外干扰源；最后，IA算法与蜂窝系统中其他范畴（例如调度）之间的兼容性问题尚待解决。

尽管有如此多的难题，蜂窝系统IA算法的实现依旧有现有技术的支持。现有的4G系统为了支持多用户的MIMO技术已经把小区内反馈机制纳入其中，所以已知的4G标准可以在不需要做多少改变的情况下，就能为需要获取小区间反馈的IA算法提供实现的条件。

1.2 本文的结构安排

在前半部分，我们将介绍干扰对齐的研究情况、研究的意义、论文贡献以及干扰对齐的基础；后半部分我们将介绍K用户的干扰对齐算法的情况，并进行仿真分析；在此基础上引出蜂窝系统下的干扰对齐算法的研究，进行仿真分析。文章最后会对主要内容作出总结。

第二章给出了干扰对齐的简介，介绍了干扰对齐中的各种范畴，如自由度，反馈，预编码矩阵等等，随后给出了干扰对齐的思想根源和实现原理。

第三章给出了K用户的干扰对齐的简介，给出了K用户干扰网络模型和K用户闭式解，介绍了K用户下的分布式算法，即最小均方误差算法和最小化泄露算法，为第四章介绍蜂窝小区下的干扰对齐做了铺垫。

第四章给出了蜂窝小区的干扰对齐简介，给出了蜂窝小区干扰网络模型，给出了下行链路的迫零干扰对齐算法和联合干扰对齐算法。

2

南京邮电大学2010届本科生毕业设计（论文）

第二章 干扰对齐基本概念

在这一章中，我们将回顾干扰对齐产生的背景以及干扰对齐的基本概念，这将为接下来几章的内容作良好的铺垫。

2.1干扰信道

干扰信道是一种为研究通信网络所建立的数学模型，在通信网中，传输介质为一系列的发送端和接收端所共享。每个发送端的通信目标仅仅是它所期望的接收端，随后对其他接收端产生干扰。干扰信道是在文献[1]中第一次得到定义，并从那时起学者们开始对干扰网络的容量限制作了许多研究。但是容量只在特定的环境下可以测算，在大多数情况下是未知的。在K用户的干扰网络中，假定接收端发送端一对一进行通信，那么就有K条通信线路，以及K(K?1)条干扰线路。在图3.1中我们将看到一个干扰网络的实例。

当网络中所有的节点都只有一个天线，那么干扰信道通常是指单输入单输出的干扰信道(SISO-IC)。类似地，我们将在多天线网络中使用多输入多输出的干扰信道(MIMO-IC)的概念。在后一种情境下，假如发送端使用可用的若干个天线分别向各自的接收端发送相互独立的数据流，每个数据流都会受到来自其他发送端发送的数据流的干扰。

2.2思想起源

考虑如下线性方程组：

y1?h11x1?h12x2?...?h1KxKy1?h21x1?h22x2?...?h2KxK?y1?hB1x1?hB2x2?...?hBKxK

这里，B个观测变量(y1,y2,...,yB)是由K个信息符号(x1,x2,...,xK)和系数hij线性组合而成，K是干扰网络中发射机数目，如果每个发射机发射一个符号，则有共K个符号(x1,x2,...,xK)，它们相互独立。hij看作直连信道系数；B是经过线性信道接收端收到的信号维数。信道是线性的，每个信号维度产生一个发送信息符号的线性组合，所以每个接收端收到的是B维信号。

若上述方程是在任意情况下建立的，如：有效信道系数服从连续分布，当观察量数目同未知量数目一样多时，所有信息符号都能被恢复。所以，若接收端要接收全部符号，至少需要K个信号空间维度。然而在干扰网络中，接收端只接收其对应的一个信号子集，发送给其他接收端的符号对这个接收端而言，都是干扰。在这种环境下，接收端为了从干扰中恢复其期望接收到的符号，需要多少个

3

南京邮电大学2010届本科生毕业设计（论文）

观测量呢?换句话说，接收端要从K?1维干扰符号中，恢复其期望的1维信号，需要多少维信号空间或者带宽?

通常，上面提出的问题答案是K。因为有K个接收端，每个要接收的符号不一样，又由于与发射机之间的线性信道不同，构成的线性方程组就不同。所以每个接收端都能够求解出方程组，从而恢复出有效信号。综上所述，接收端要恢复其期望的一维信号，需要利用的信号空间维数为K(或者带宽为K)。在无线干扰网络中，这就相当于，K个用户平分频谱资源(或者带宽)，每人分得1K。研究表明，这种分配方式并不是最优的。因为也就是使接收端的线性方程数目少于未知量的数目，也有可能恢复出期望信息符号。 重写系统线性方程如下：

Y?H*1x1?H*2x2???H*KxK (2.1) 其中

?h1k??y1??h??y?2Y???和H?K??2k?

???????????yB??hBk?H*k也被称为符号xk分别是观测向量和符号xk的观测方向。在MIMO术语中，

的接收波束方向。接收端从观测向量Y中恢复出有效信号x1的条件是，x1的接收波束方向H*1不在H*2,?,H*K张成的向量空间中。换种说法，当且仅当

H*1?(H*2,H*3,?,H*K)时，接收端可以恢复信号x1。

K?1维干扰波束方向H*2,?,H*K张成一个min(B,K?1)维向量空间。若

B?K，也就是带宽比用户数小，干扰张成的空间为min(B,K?1)?B维，因为可用的B空间由干扰向量构成，有效信号也位于干扰空间中，所以不能被恢复。若干扰向量能够合并到一个较小的子空间，使其张成的空间在接收端不占据整个可用信号空间，有效信号便可以避免落入干扰空间中，从而被接收端恢复。而这正是干扰对齐的思想。

简而言之，干扰对齐通过在接收端将干扰向量张成的空间压缩到低维空间，保证有效信号与干扰空间分离，使它在干扰空间的零空间上，从而解出有效信号，使得许多干扰用户可以在低维的信号空间下同时通信。

4

百度搜索“77cn”或“免费范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，免费范文网，提供经典小说综合文库蜂窝小区下的干扰对齐方案(2)在线全文阅读。