非对称多小区MIMO广播信道的干扰对齐

非对称多小区MIMO广播信道的干扰对齐
李川
【摘要】针对目前非对称多小区广播信道中的干扰问题,研究了方形信道矩阵条件下的干扰对齐方案.针对3种不同的非对称场景,基于广义特征值分解干扰对齐方案设计了预编码矩阵和解码矩阵;进一步,将系统自由度最大化问题建模为线性规划问题,从而可以有效求解.仿真结果显示,所提的广义特征值分解辅助的线性规划干扰对齐方案所取得的自由度优于现有的方案.%We investigate the interference alignment (IA) for the asymmetric MIMO multi-cell broadcast networks in the context of a square channel matrix.Specifically,for three different asymmetric scenarios,in order to design the precoding and decoding matrices,we propose the way to adopt the generalized eigenvalue decomposition (GEVD) based IA scheme.Furthermore,in order to maximize the achievable degrees of freedom (DoF),we formulate the problem as a linear programming (LP) problem which can be solved efficiently.It can be shown in simulation results that the maximum DoF obtained by the proposed GEVD IA assisted LP scheme is higher than that obtained by the existing scheme.
【期刊名称】《西安电子科技大学学报（自然科学版）》
【年(卷),期】2017(044)003
【总页数】5页(P170-174)
【关键词】多小区;干扰对齐;多输入多输出;广义特征值分解;线性规划
【作者】李川
【作者单位】西安邮电大学计算机科学学院,陕西西安710061
【正文语种】中文
【中图分类】TN911.5
近年来,多输入多输出(Multiple Input Multiple Output,MIMO)技术在无线通信领域已经占据重要地位.MIMO技术能够大幅度提高系统容量[1],极大地吸引了研究者的关注[1].然而,小区间干扰和用户间干扰同时影响多小区MIMO网络性能,因此,干扰管理成为一项极具挑战性的工作[2].
在多种干扰管理技术当中,干扰对齐在多小区MIMO网络中起着关键性作用.干扰对齐是通过将干扰对齐到一个较小子空间来减弱干扰,同时尽可能多地保持不受干扰期望信号的空间维度,从而最大化每个用户的自由度.文献[3]提出了一种渐进性干扰对齐方案,但是此方案需要在时间或频率域上进行无限信道的扩展.随着干扰对齐技术的发展,多种不同场景下的干扰对齐技术得到了研究,例如:MIMO干扰信道[4], MIMO蜂窝网络[5-7],中继信道[8]等.
针对MIMO干扰广播信道,研究者提出了多种干扰对齐方法来减少小区间的干扰和用户间干扰的影响.文献[9]提出了一种基于分组的干扰对齐方案,将每个小区中的所有用户分为一组,每组被看作一个等效用户,每个等效用户仅与其他小区中的一个基站相关联.文献[10]给出了在正方形信道矩阵条件下基于广义奇异值分解的干扰对齐方法,并且给出了该方法的可达自由度.
然而,上述工作都是针对于对称系统而言.在对称系统中,每个小区的用户数相同.如果每个小区的用户数不同,问题就会变得极为复杂,自由度变得很难求解.针对这一难题,笔者研究了非对称系统中正方形信道矩阵条件下系统可达自由度.针对不同的非对
称系统场景,提出了一种广义特征值分解辅助的线性规划干扰对齐方案,可以有效地提高系统的自由度.
文中研究的系统模型如图1所示,该系统由L个小区构成,每个小区有1个基站,第m个小区含有Km个用户,每个基站和每个用户都有N根天线.第m个小区的第k 个用户表示为用户[km, m],第m个基站发射个独立数据流给用户[km,m].发射给用户[km,m]的N×1维信号向量可以表示为
其中,维数据符号向量,是用户[km,m]的维预编码矩阵.
用户[km,m]的N×1维接收信号向量为
其中,表示基站l到用户[km,m]的N×N维信道矩阵且服从连续分布,为高斯白噪声向量,其均值为0,方差是σ2I.
在用户[km,m]端采用维解码矩阵U[k,m],可得到判决向量,可表示为
这里,,是等效噪声信号,其协方差矩阵为
使用干扰对齐技术消除小区间干扰,需要满足以下条件[13]:
式(4)可以用来保障消除小区间干扰,式(5)用来消除用户间干扰,式(6)用来保障用户[k,m]能够获得的自由度.当式(4)和式(5)的条件满足时,式(6)必然成立[11].
对于一般非对称系统设置,干扰对齐方案仍是一个开放性问题.文中针对一类非对称系统设置,研究了干扰对齐方案.具体来说,假设存在L个小区中有L1个小区,其每个小区的用户数是K1,且K1是偶数,同时假设剩余的L2=L-L1个小区中每个小区的用户数都为K2,且K2为奇数.另外,L1个小区对应的每个基站发射d1个独立数据流给此小区的每个用户,同时L2个小区对应的每个基站发射d2个独立数据流给此小区的每个用户.
在本节中,针对非对称网络,提出了一种广义奇异值分解辅助的线性规划的干扰对齐方案.此方案可以分为3种情况进行讨论.
2.1 L2为偶数
当L2为偶数时,可以将前L1个小区视为分组1,剩下的L2个小区视为分组2.在设计分组1的解码矩阵,1≤m1≤L1时,可以暂时忽略分组2的影响.同理,通过忽略分组1的影响,可以设计分组2的解码矩阵,L1+1≤m2≤L.在这种情况下,解码矩阵可通过在文献[12]中的基于干扰对齐的广义奇异值分解的方法进行设计.对于分组1中的基站端的预编码矩阵的设计,不仅需要考虑分组1内的小区间干扰,还要考虑来自分组2的小区间干扰,因此可设计为
2.2 L2是奇数且L2≤5
在此条件下,可根据L2为偶数的相同逻辑,解码矩阵以及预编码矩阵可以遵循L2为偶数时的类似准则进行设计.类似地,自由度最大化问题可以建模为如下问题:
2.3 L2是奇数且L2≥7
在此条件下,采用文献[10]中的方法,将分组2中L2个小区分为两部分.第1部分由L2个小区中的前3个小区构成,剩余的L2-3个小区构成第2部分.假设第1部分的每个基站发射d2个独立数据流给其期望的用户,同时第2部分中的每个基站发射d3个独立数据流给其期望的用户.之后,解码矩阵以及预编码矩阵可根据上文中的方法进行设计.对于给定的d1,d2和d3,该方案所能实现的总的自由度为(L2-
3)K2d3+L1K1d1+3K2d2.由此,通过解决以下问题可使得所实现的自由度最大化: 该问题是一个线性规划问题,因此可得到有效解决,从而最大化系统的自由度.
下面验证所提得广义奇异值分解辅助的线性规划的干扰对齐方案的性能.
图2绘制了小区数L2与系统自由度的关系图.考虑了文中提出的基于广义奇异值分解辅助的线性规划的干扰对齐方案和分组辅助的线性规划的干扰对齐方案[9].此外,用户数设置为K1=2和K2=3,每个基站的天线数设置N=12和N=16.同时,设置为L1=5.从图2中可以看出,对于每一种系统设置,文中提出的基于广义奇异值分解辅助的线性规划的干扰对齐方案的自由度总是优于分组辅助的线性规划的干扰对齐方案.
图3绘制了天线数N与系统自由度的关系图.考虑了文中提出的基于广义奇异值分解辅助的线性规划的干扰对齐方案和分组辅助的线性规划的干扰对齐方案[9].此外,用户数被设置为K1=2,3,小区数被设置为L=4,7.从图3中可以看出,对于每一种系统设置,文中提出的基于广义奇异值分解辅助的线性规划的干扰对齐方案的自由度总是优于分组辅助的线性规划的干扰对齐方案.
文中研究了非对称多小区MIMO下行网络的干扰对齐方案.该网络中每个小区的用户数是不同的,为此提出了一种基于广义奇异值分解辅助的线性规划的干扰对齐方案.该方案使得所实现的最大化自由度优于分组辅助的线性规划的干扰对齐方案.
【相关文献】
[1]GESBERT D,KOUNTOURIS M,HEATH Jr R W,et al.Shifting the MIMO Paradigm[J].IEEE Signal ProcessingMagazine,2007,24(5):36-46.
[2]HIMAYAT N,TALWAR S,RAO A,et al.Interference Management for 4G Cellular Standards[J].IEEE Communications Magazine,2010,48(8):86-92.
[3]CADAMBE V R,JAFAR S A.Interference Alignment and Degrees of Freedom of the K-user Interference Channel[J]. IEEE Transactions on Information Theory,2008,54(8):3425-3441.
[4]SUN R,LUO Z Q.Interference Alignment Using Finite and Dependent Channel Extensions:the Single Beam Case[J]. IEEE Transactions on Information
Theory,2015,61(1):239-255.
[5]SRIDHARAN G,YU W.Degrees of Freedom of MIMO Cellular Networks:Decomposition and Linear Beamforming Design[J].IEEE Transactions on Information
Theory,2015,61(6):3339-3364.
[6]SUH C,HO M,TSE D N C.Downlink Interference Alignment[J].IEEE Transactions on Communications,2011,59 (9):2616-2626.
[7]LIU T T,YANG C Y.Genie Tree and Degrees of Freedom of the Symmetric MIMO Interfering Broadcast Channel[J]. IEEE Transactions on Signal Processing,2016,64(22):5914-5929.
[8]LIU W,LI C,LI.J D.Achieving Maximum Degrees of Freedom of Two-hop MIMO Alternate Half-duplex Relaying System for Linear Transceivers:a Unified Transmission Framework for DF and AF Protocols[J].IEEE Transactions on Vehicular Technology,2015,64(5):2144-2148.
[9]TANG J,LAMBOTHARAN S.Interference Alignment Techniques for MIMO Multi-cell Interfering Broadcast Channels [J].IEEE Transactions on Communications,2013,61(1):164-175.
[10]LIU W,SUN J X,LI J D,et al.Interference Alignment for MIMO Downlink Multicell Networks[J].IEEE Transactions on Vehicular Technology,2016,65(8):6159-6167.
[11]YETIS C M,GOU T,JAFAR S A,et al.On Feasibility of Interference Alignment in MIMO Interference Networks [J].IEEE Transactions on Signal Processing,2010,58(9):4771-4782.。