干扰对齐翻译

干扰校对指南

Farzad Talebi

摘要：

作为无线网络中的必然现象，干扰在通信网的设计中总是备受着关注。在此，我们将提到一些传统的抗干扰方法。因为不论用户数目的多少还是抗干扰方法本身都不能概括为两个以上用户案例，所以可以使用这些抗干扰的方法来提高网络的总容量。（因为不论是用户数量还是这种方法本身对两个以上用户都不具有一般性，所以网络的总体能力将会被干扰所限制。）干扰校对是一个令人诧异的方法，通过这种方法，时变干扰网络的总容量就可以使用像时间，频率这样受限的资源，其中这些资源是随着用户数量呈线性增长的。这里将要给出一些容易理解的干扰校对的特例，也会给出对这种方法有用的一些不完美的或者受限的信道状态信息。最后，我们将会讨论干扰校对方法的优势和劣势。

Ⅰ、简介

干扰信道就是当多对发送—接收机共享一个信息时，信息从一个发送机传送到与其对应的接收机时将会干扰其它发送—接收机的信息传送[文献1]，在此教程中我们把高斯白噪声看为衰落干扰和X 信道。干扰信道的信号输出是在公式（1）中提出的。X信道与干扰信道有相同的输出，但是在这种情况下每个发送机对每个接收机发送一个特殊的信息，而不仅仅向与它相匹配的接收机。在干扰信道

或者X信道中，干扰比噪声更会受关注，因为如果所有的用户都运行于高信噪比中，噪声将会变得不是那么的重要，但干扰将会变得越来越有挑战性。下面是一些已经验证过的实用干扰的管理方法：干扰的解码

当干扰强度强于信号本身时，它将会被解码，即从期望信号中减去干扰信号。因此，它允许接收机解码期望信号。由于复杂的多用户检测，期望信号与实际信号相差很大[文献2]，有关强干扰信息理论也验证了这种说法[文献3]。关于这个方法的重要注解是将这种方法推广到两个以上用户并不是那么的简单。

正交化

用实用的方法对抗与信号强度一样的干扰，就是把信号按照时间，频率，代码进行正交。在这里设定其后将被确定的自由度为1，如果有K个用户，那么每个用户的可用率将会是1/Klog(SNR)+o(log(SNR))，其中o(log(SNR))代表的是一种与k无关的log(SNR)的功能。

视它为噪声

不管是在实际上还是在理论上，把弱干扰看作噪声都证明是非常有用的，因为我们知道，在弱干扰中引入结构并没有什么作用。

自由度

在网络文学中自由度是一项重要的容量近似。在这里给出一个值得记录的网络自由度的简单表面描述：

1、网络自由度由于可解释成可解决的信号空间维度的数目。

2、要是网络的总容量能够表示成d log(SNR)+o(log(SNR))，那么

网络就有d的自由度。

3、在高信噪比中它是精确的容量近似。

Ⅱ、干扰校对

干扰校对是在文献[4]中作为双用户输入输出X信道的编码技术首次被关注的，它是用来实现复用成果明显的高于嵌入式的多输入输出干扰信道，多路存储信道，广播分离的广播信道。

在文献[2]中，作者将干扰校对看作是实现预期信号的最大化无干扰空间一种方法，它描述了在每个接收机中大体所有的干扰集中在信号空间的1/2中，另外的1/2适用于没有干扰的预期信号。

在干扰信道中，校对可以适用于任意数目的用户，但是随着用户数目的增加，需要的信令空间就会越大，这些信令空间使每个用户来恢复自身信号的一半[2]。例如，对有三个用户的干扰信道来说，我们所呈现的干扰校对显示了每个用户所能达到的1/2 log(SNR)+o(log(SNR))上限的总容量。K个用户的总容量，它将等效于预先提到的K/2总容量的自由度。

A)三用户干扰信道的校对

考虑K个发送接收机对共用一个信息进行交流，在时隙t时第k个用户的输信号为：

Y[k](t)= H[k1](t)X[1] (t ) + + H[kK] (t )X[K](t)+ Z[k ] (t ) (1) 其中k∈(1,2,...,K)是用户索引，Y[k](t)是第k个用户的信道输出信号，X[I](t)，H[kI](t)分别是第k个用户的传送信号，第k用户的接

收信号。Z[k](t)代表加性高斯白噪声。假设H[kI](t)是连续分布，因此它代表的是快衰落信道。作者在文献[2]提出，当K=3时，我们能够在2n+1的信道扩展中得出3n+1的自由度，那意味着选择的n值越大，我们得出的自由度越接近于3/2。当n=1时，假设用户沿着波束形成向量V传输他们的编码信息x。这里干扰校对的目的是在传送机端使用全因果信号来塑造波束形成向量，在每个接收机端干扰排成队列，以使干扰的自由子空间达到最大。一般地，我们能够得出波束形成向量V2,如：

V[2]=13*1, (2)

现在，其他的波束形成向量是在接收机端为1时，排列其他的干扰信号(在本为例中信号来自第三用户)得到，因此，波束形成向量V3：

H[12]V[2]=H[13]V[3]=>V[3]=(H[13])-1H[12]13*1, (3)

在接收端为1时，在同样的子空间中，排列从V[2],V[3]中接收的向量。这在干扰校对的代数学中是一个关键点。

同样，在接收端为2时，当我们想让发送机1形成两种波束形成向量V1[1],V2[1],那么发送机3的干扰将会被排列成发送机1的波束形成向量的其中之一，得出：

H[23]V[3]=H[21]V1[1]=>V1[1]=(H[21])-1H[23] (H[13])-1H[21]13*1, （4）

最后，在接收端3，发送机2的干扰将被按着发送机1端的一个干扰尺寸排列，得出：

H[32]V[2]=H[31]V2[1]=>V2[1]=(H[31])-1H[32] 13*1, （5）

图表1显示了有序干扰，正如上面所描述面向所有接收机的干扰。

在文献[2]中，假设信道为时变信道是必要的，因为理论依据建立在将连续随机信号作为信道增益的基础上。但是，文献[6]和[7]对特定的连续信道和一些慢衰落案例都得出了同样的结论，显示了对这个观点的描述是可行的。

B) 对2X2的X信道的干扰校对

在文献[8]中，作者将他们在干扰信道的结论扩展到了更为通用的网络—X网络，在X网络中有一对发送接收机组，其中每个发送机向每个接收机传送一个独立的信息。这个网络对BC（广播频道）,MAC（多路存储信道）,和干扰信道来说是一种通用模型。

作者在文献[8]中对M*N的X网络得出了相似的结论，假设信道为快衰落信道，那么这类网络的自由度为：(M*N)/(M+N-1),

其中M为发送机的数目，N为X网络中接收机的数目。当M=N=2时，图表2显示了干扰校对怎样工作，详细信息与干扰信道事件非常相似。同样，图表2也显示了干扰信道的结论直接源于文献[8]中X网络的结论。

C) 有限的或者不完美的信道状态信息

文献[2]和文献[8]的所有结论都建立在全信道状态信息的基础上，这些信息来自于每个发送机端的网络信道。但是文献[9]却显示了只有有限（量化）的反馈才能符合这种要求。在一个拥有M个发送接收机对的干扰信道中，每个发送接收机对具有P/M的能量约