MIMO干扰信道下的协作干扰对齐优化算法

干扰对齐是将来自其他发射机的干扰信号对准到同一信号子空间,从而减少对期望信号的干扰的一种传输技术,近年来得到了广泛的关注.本文为K用户多输入多输出(MIMO)干扰信道系统提出了一种协作干扰对齐优化算法.通过对信道的奇异值分解,基于矩阵弦距离,不仅选出一组最好的特征子信道来传输信号,而且还选取一组有利于有用信号远离干扰信号的预编码矩阵,这样,可以最大化减少干扰对有用信号的影响.另外,本文还根据得出的预编码矩阵来计算和优化干扰抑制矩阵.本文算法在没有用迭代的基础上来计算预编码矩阵和干扰抑制矩阵,这样不仅使整个系统的复杂度大大降低,进一步,仿真结果显示容量和能量效率较其他算法有明显改进,这也正是最近受到广泛瞩目的绿色通信所要求的.     

干扰信道中一种权值可调的迭代算法

在多入多出的干扰网络中,干扰对齐由于仅考虑干扰,而忽略期望信号的影响,在低信噪比(Signal-to-Noise Ratio, SNR)时性能损失严重。该文提出一种同时考虑干扰与期望信号的算法,把二者泄露出相应子空间的功率加权和作为目标函数,而且权值在不同SNR时可调,通过迭代获得预编码矩阵。仿真表明该算法在低信噪比时,可以有效提高系统容量。     

MIMO干扰信道下低复杂度的分布式干扰对齐算法

干扰对齐技术可以有效地提高干扰信道容量和抑制干扰,其问题归结为求得闭式解。传统的干扰对齐方案根据信道的互易性,采用迭代的方法（分布式）来逼近闭式解,但带来了较大的计算开销。本文在K用户MIMO干扰信道系统中提出一种低复杂度的分布式干扰对齐算法,通过对用户K的干扰协方差矩阵进行基于修正的Gram-Schmidt方法使用排序QR分解,选出酉矩阵Q最后的dk列作为用户近似的干扰抑制滤波矩阵,和传统分布式干扰对齐方案相比,在基本保持系统容量和迭代收敛速度的同时,系统的复杂度明显降低。仿真结果验证了算法的有效性。      

频率选择性高斯干扰信道中的时频联合干扰对齐方案

为了弥补传统干扰对齐方案只在一维域上对齐的不足,提出了一种时频联合干扰对齐方案。通过把频率选择性高斯干扰信道分割成多个并行的高斯干扰信道后引入时频联合干扰对齐矩阵,对这些并行信道在时域和频域同时进行干扰对齐。基于最优化方法,提出了一种计算时频联合干扰对齐矩阵的算法。数值仿真表明该方案和传统干扰对齐方案获得相同性能的条件下,能大幅度地缩短译码延时或减少频带资源的使用,所提方案是传统一维域算法在二维域的扩展,能够提供更加灵活的时频资源分配手段。     

非理想信道环境下的多小区干扰对齐技术研究

由于普遍采用频率复用因子为1的方式组网,多小区干扰已成为限制无线通信系统容量的主要因素。为了有效抑制小区间干扰提高小区边缘吞吐量,近年提出了干扰对齐技术,其优势在于可以获得干扰信道的最高自由度。一般的干扰对齐研究仅限于理想信道,研究通过非理想信道环境下的多小区干扰对齐技术,分析了时延信道信息对干扰系统容量的影响。结果表明,信道状态信息的时延大大降低了系统容量,特别是在高信噪比条件下对系统性能的影响更大。     

干扰对齐技术研究综述

随着用户数的增大,干扰制约着无线通信网络的容量。在资源有限的情况下,干扰对齐的提出为系统容量的提高提供了新的方法,成为当前降低通信系统干扰的研究热点。对齐主要指使接收端多个干扰信号重叠或抵消,压缩干扰所占资源。本文首先重点分析了基于信号空间、信道时隙、和信号编码级等的干扰对齐算法及其优缺点。然后根据这些算法在实际应用中的限制,给出反馈、中继、分组和接纳控制等改进机制;最后介绍了干扰对齐算法衡量的主要性能指标自由度,并分析比较了现有干扰对齐算法及改进机制的性能。      

最大化瑞利熵的干扰对齐优化算法

干扰对齐技术常采用迭代的方法进行预编码矩阵与干扰抑制矩阵的设计,然而目前采用的迭代方法并不能做到完全的干扰对齐。针对这种情况,提出了一种新的干扰对齐优化算法,避开了反转信道的操作。该算法在最大化信干噪比算法的基础上加入完全干扰对齐的约束条件,将系统中各用户的所有干扰对齐约束条件进行奇异值分解,最终通过瑞利熵最大化的求解方法联合迭代求解发送侧的预编码矩阵与接收侧的干扰抑制矩阵。仿真结果表明,所提优化算法在较高信噪比时不同天线数下的和速率、不同迭代次数下的和速率等方面都优于原最大信干噪比算法。     

3用户MIMO干扰信道中稳健的机会干扰对齐方法

本文根据传统的干扰对齐思想,在缩小干扰空间之间弦距的同时尽量增大信号-干扰空间之间弦距,以此为目标设计用户选择准则,并在接收端采用预处理矩阵智能选取技术最大化信道容量,提出了3用户MIMO干扰信道中稳健的机会干扰对齐方法。相比文献[1]方法,所提出的方法不但具有更高的系统瞬时性能稳健性,而且还具有更高的信道容量,只是在复杂度方面略有增加。仿真结果证明了本文方法的有效性。     

一种多用户MIMO系统干扰对齐优化算法

干扰对齐技术可以获得干扰信道自由度的最佳值,从而有效改善系统的性能。在实际系统中干扰对齐技术通常采用迭代的方法进行预编码矩阵与干扰抑制矩阵的设计,而迭代方法都需要对发送预编码矩阵进行初始化处理。然而,目前大多数已有的研究所采用的初始化处理方法都忽略了干扰的影响。因此,在此基础上提出了一种基于新的初始化方法的优化算法,该方法在初始化预编码矩阵中既考虑了干扰信号也考虑了有用信号。首先,选取均方误差和最小化作为优化目标,然后利用正交三角（QR）分解将信道空间分为有用信号空间与干扰信号空间来进行预编码矩阵的初始化设计,经过反复迭代得到发送预编码矩阵与干扰抑制矩阵的最优解。理论分析和仿真结果表明,所提算法在收敛性、均方误差、和速率等方面都优于其他算法。     

MIMO波束成型系统的干扰对齐技术分析

干扰对齐IA(Interference Alignment)是一种新兴有效地干扰抑制技术,可以通过压缩干扰所占的信号维度,使系统获得最大自由度。文章搭建了3用户MIMO系统线性干扰对齐的应用模型,对经典干扰对齐算法、基于特征子信道的干扰对齐预编码矩阵优化方法以及分布式干扰对齐算法进行了性能分析。分析结果表明,基于特征子信道的干扰对齐预编码矩阵优化方法和经典干扰对齐算法适用于集中式通信环境,因利用了本信道信息,前者性能优于经典干扰对齐算法;分布式干扰对齐算法用于分布式环境,性能与经典干扰对齐算法逼近。     

非对称MIMO双向中继干扰信道的干扰对齐算法

针对非对称的多用户MIMO双向中继干扰信道,本文提出了一种简化的基于最大信干噪比的干扰对齐算法,给出了干扰对齐的可行性条件和干扰抑制方案,并分析了系统容量和自由度。本文算法的中继节点不必做复杂的信号处理,大大降低了整个系统的信号处理复杂度;同时,本文算法是基于最大信干噪比方案,与现有文献的中继迫零方案比较,大大提高了系统在中低信噪比时的容量;进一步,通过仿真验证表明,基于本文算法的K用户对双向中继干扰网络可以达到。      

一种基于QR分解的稳健干扰对齐算法

大多数干扰对齐算法都假定发送端可以获得理想的信道状态信息(CSI),由于信道估计误差、反馈延迟等原因,实际通信系统中CSI往往是有误差的。为此,该文提出一种基于QR分解的稳健干扰对齐算法。对含有误差的联合接收信号进行基于QR分解的预处理,消除一半有误差的干扰;然后在有误差的等效信道联合矩阵下,充分考虑信道误差和干扰的影响,通过最小化发送端泄漏到非目标接收端的干扰信号功率来设计预编码矩阵,并基于最小均方误差(MMSE)准则来设计干扰抑制矩阵。最后,在理想CSI和误差CSI的情况下,通过实验仿真,证明了该算法有效地提高了系统性能。     

一种基于最大化Rayleigh熵的稳健干扰对齐算法

干扰对齐在消除干扰方面具有独到的优势,但需要完美的信道状态信息(CSI),这在实际中很难实现。该文分析了传统稳健干扰对齐方案的优缺点,在此基础上,提出一种最大化Rayleigh熵的稳健干扰对齐算法,并对收敛性,自由度和频谱效率等进行了分析。不同于MAX-SINR算法,该文通过最大化信号的Rayleigh熵,求得干扰抑制矩阵。在正向通信中,考虑到数据流之间的相关性取干扰抑制矩阵为原始干扰抑制矩阵的酉矩阵形式,并采用注水功率分配实现用户数据流间的最佳功率分配;基于信道的互惠性,在反向通信时,做类似的处理。通过迭代计算,逐渐将干扰压缩。最后,在完美CSI和误差CSI时,仿真表明该算法显著地提高了系统的性能。     

An Iterative Interference Alignment Scheme for the SISO Interference Channel

In this paper, we propose a novel iterative interference alignment (IA) scheme for the single-input single-output (SISO) interference channel system using minimum total mean square error criterion under the individual transmitter power constraints. We show that interference alignment under such criterion could be realized through an iterative algorithm. The convergence of the proposed algorithm is discussed. We also proposed a robust MMSE-based iterative design with imperfect channel state information. Simulation results, compared with several existing IA schemes, have shown that the proposed method could effectively improve the BER performance of the SISO interference channel system while maintaining the same degree of freedom as Cadambe?CJafar scheme. The proposed robust MMSE-based iterative interference alignment scheme is shown to be less sensitive to channel estimation error.     

Robust Probabilistic Distributed Power Control Algorithm for Underlay Cognitive Radio Networks under Channel Uncertainties

Due to limited cooperation among users and erratic nature of wireless channel, it is difficult for secondary users (SUs) to obtain exact values of system parameters, which may lead to severe interference to primary users (PUs) and cause communication interruption for SUs. In this paper, we study robust power control problem for spectrum underlay cognitive radio networks with multiple SUs and PUs under channel uncertainties. Precisely, our objective is to minimize total transmit power of SUs under the constraints that the satisfaction probabilities of both interference temperature of PUs and signal-to-interference-plus-noise ratio of SUs exceed some thresholds. With knowledge of statistical distribution of fading channel, probabilistic constraints are transformed into closed forms. Under a weighted interference temperature constraint, a globally distributed power control iterative algorithm with forgetting factor to increase convergence speed is obtained by dual decomposition methods. Numerical results show that our proposed algorithm outperforms worst case method and non-robust method.     

一种加权均方误差最小化的鲁棒性干扰对齐算法

线性干扰对齐的一个常见优化目标是总传输速率最大化,但因为和速率函数的非凸特性而难以直接求解。加权均方误差最小化算法借助均方误差与和速率之间的等价关系解决了这一问题。这一方法需要获得准确的信道状态信息,在实际应用中,通道估计误差的存在会导致算法性能的下降。该文提出一种改进算法,在干扰对齐预编码矩阵与接收矩阵的优化求解过程中将通道估计误差的统计特性考虑在内。仿真结果表明,相比以往的加权均方误差最小化算法,该文算法对信道估计误差具有较高的鲁棒性,可以有效提高总的传输速率。     

Robust Cognitive Beamforming With Bounded Channel Uncertainties

This paper studies the robust beamforming design for a multi-antenna cognitive radio (CR) network, which transmits to multiple secondary users (SUs) and coexists with a primary network of multiple users. We aim to maximize the minimum of the received signal-to-interference-plus-noise ratios (SINRs) of the SUs, subject to the constraints of the total SU transmit power and the received interference power at the primary users (PUs) by optimizing the beamforming vectors at the SU transmitter based on imperfect channel state information (CSI). To model the uncertainty in CSI, we consider a bounded region for both cases of channel matrices and channel covariance matrices. As such, the optimization is done while satisfying the interference constraints for all possible CSI error realizations. We shall first derive equivalent conditions for the interference constraints and then convert the problems into the form of semi-definite programming (SDP) with the aid of rank relaxation, which leads to iterative algorithms for obtaining the robust optimal beamforming solution. Results demonstrate the achieved robustness and the performance gain over conventional approaches and that the proposed algorithms can obtain the exact robust optimal solution with high probability.