本發(fā)明涉及無(wú)線通信領(lǐng)域，尤其涉及蜂窩無(wú)線通信中干擾管理。
背景技術(shù)：
：目前，干擾對(duì)齊(InterferenceAlignment,IA)大多數(shù)是基于理想的信道狀態(tài)信息(ChannelStateInformation,CSI)。但是，在實(shí)際無(wú)線通信系統(tǒng)中發(fā)送端獲得的CSI常常存在時(shí)延和誤差，接收端不能完全抑制自己受到的干擾，使得算法性能下降。近年來(lái)，學(xué)者們分別對(duì)時(shí)延CSI和誤差CSI條件下的IA技術(shù)展開(kāi)了研究，而對(duì)CSI存在時(shí)延和誤差(時(shí)延誤差CSI)的情況研究的較少。針對(duì)時(shí)延CSI方面，在經(jīng)典的Jakes時(shí)延信道模型下，文獻(xiàn)[ZhaoN,YuFR,SunHongjian,etal..Interferencealignmentbasedonchannelpredictionwithdelayedchannelstateinformation[C].Proceedingsof2012IEEEGlobalCommunicationsConference,Anaheim,CA,2012:4244-4248.]通過(guò)MMSE和WLSE對(duì)信道進(jìn)行預(yù)測(cè)，得到穩(wěn)健的IA算法，但是此算法的系統(tǒng)開(kāi)銷很大。針對(duì)誤差CSI方面，文獻(xiàn)[AQUILINAPandRATNARAJAHT.PerformanceanalysisofIAtechniquesintheMIMOIBCwithimperfectCSI[J],IEEETransactionsonCommunications,2015,63(4):1259-1270.]在MIMO-BC的環(huán)境下，從誤差CSI統(tǒng)計(jì)模型出發(fā)，導(dǎo)出了Max-SINR-SCEK算法，但是此算法要求發(fā)送端具有較大的空間維度來(lái)放置干擾，且對(duì)誤差CSI靈敏度高。此外，文獻(xiàn)[RAZAVISMandRATNARAJAHT.Adaptivelyregularizedphasealignmentprecodingformultiusermultiantennadownlink[J].IEEETransactionsonVehicularTechnology,2015,64(10):4863-4869.]采用對(duì)齊發(fā)送端和接收端信號(hào)相位的方案，給出了誤差CSI時(shí)，單小區(qū)MIMO-MAC下的穩(wěn)健聯(lián)合干擾相位對(duì)齊算法，但是并沒(méi)有考慮有用信號(hào)受到的影響。為此，在時(shí)延誤差CSI條件下，發(fā)明了適用于MIMO-BC系統(tǒng)下的一種基于Bayes估計(jì)和數(shù)據(jù)流間功率分配的聯(lián)合干擾相位對(duì)齊方案。技術(shù)實(shí)現(xiàn)要素：本發(fā)明旨在解決以上現(xiàn)有技術(shù)的問(wèn)題。提出了一種方法。本發(fā)明的技術(shù)方案如下：一種基于Bayes估計(jì)和數(shù)據(jù)流間功率分配的聯(lián)合干擾相位對(duì)齊方法，其包括以下步驟：101、獲得當(dāng)前時(shí)延誤差CSI，并通過(guò)Bayes估計(jì)獲得當(dāng)前時(shí)延誤差CSI的最佳估計(jì)；102、在正向通信時(shí)，通過(guò)最大化期望信號(hào)功率與小區(qū)間干擾功率的比值來(lái)設(shè)計(jì)干擾抑制矩陣；在反向通信時(shí)，通過(guò)最大化接收端整體的信干擾比SINR來(lái)設(shè)計(jì)預(yù)編碼矩陣；通過(guò)正向和反向通信的迭代計(jì)算直到收斂來(lái)獲得最優(yōu)的預(yù)編碼和干擾抑制矩陣；103、采用適合干擾對(duì)齊下等價(jià)的注水功率分配為用戶的多個(gè)數(shù)據(jù)流進(jìn)行功率分配；104、通過(guò)對(duì)齊發(fā)送信號(hào)流和接收信號(hào)流的相位將數(shù)據(jù)流間的干擾旋轉(zhuǎn)到目標(biāo)接收數(shù)據(jù)流的信號(hào)空間中。進(jìn)一步的，步驟101利用Bayes算法對(duì)當(dāng)前時(shí)延誤差CSI進(jìn)行預(yù)測(cè)，使得真實(shí)信道可以表示為：其中和分別表示從基站j到用戶kg的真實(shí)信道鏈路和τ時(shí)刻之前含有測(cè)量誤差的信道鏈路，其元素均服從均值為0，方差為1的循環(huán)對(duì)稱復(fù)高斯分布；的元素服從均值為0，方差為的循環(huán)對(duì)稱復(fù)高斯分布，ρ＝J0(2πfdτ)表示相關(guān)系數(shù)，τ表示發(fā)送端CSI的遲延，fd是最大多普勒頻移，J0(x)是第一類零階Bessel函數(shù)，表示信道估計(jì)誤差的方差。進(jìn)一步的，步驟102在正向通信時(shí)，通過(guò)最大化期望信號(hào)功率與小區(qū)間干擾功率的比值來(lái)設(shè)計(jì)干擾抑制矩陣包括：在正向通信即基站至用戶時(shí)，對(duì)于用戶kg而言，假設(shè)每個(gè)用戶的發(fā)射功率均為P，且在d個(gè)數(shù)據(jù)流之間均勻分布，最大化用戶kg的期望信號(hào)功率與小區(qū)間干擾加噪聲功率和的比值，優(yōu)化的問(wèn)題可表示為：其中表示前向鏈路中小區(qū)間干擾加噪聲功率和，且表示干擾抑制矩陣，表示預(yù)編碼矩陣。步驟102在反向通信時(shí)，基于信道的互惠性，對(duì)于用戶kg而言，假設(shè)每個(gè)用戶的功率相同，且在d個(gè)數(shù)據(jù)流之間均勻分布，我們最大化用戶kg的信干擾比(SINR)，優(yōu)化的問(wèn)題可以表示為：其中表示反向鏈路中用戶kg受到的干擾加噪聲的功率,且表示干擾抑制矩陣，表示預(yù)編碼矩陣。進(jìn)一步的，步驟103采用適合干擾對(duì)齊下等價(jià)的注水功率分配為用戶的多個(gè)數(shù)據(jù)流進(jìn)行功率分配；進(jìn)一步的，步驟104基于MMSE準(zhǔn)則使發(fā)送信號(hào)和接收信號(hào)相位對(duì)齊重建干擾信號(hào)。本發(fā)明的優(yōu)點(diǎn)及有益效果如下：本發(fā)明通過(guò)對(duì)含有時(shí)延和測(cè)量誤差的CSI通過(guò)Bayes估計(jì)來(lái)建模實(shí)際的信道，使得發(fā)送端獲得CSI更加準(zhǔn)確，進(jìn)一步減少了由于CSI的不準(zhǔn)確帶來(lái)的影響；進(jìn)一步，在正向通信時(shí)，通過(guò)最大化期望信號(hào)功率與小區(qū)間干擾加噪聲功率和的比值來(lái)設(shè)計(jì)干擾抑制矩陣，在反向通信時(shí)，通過(guò)最大化接收端整體的信干擾比來(lái)設(shè)計(jì)預(yù)編碼矩陣，使得可以分配的干擾空間更大，將干擾壓縮到更小的范圍內(nèi)；最后，結(jié)合功率分配以及相位對(duì)齊來(lái)實(shí)現(xiàn)多數(shù)據(jù)流間的最大比合并，增強(qiáng)了目標(biāo)數(shù)據(jù)流的接收功率。該發(fā)明使得在時(shí)延誤差CSI時(shí)，干擾對(duì)齊算法有更大的信道傳輸速率和更低的誤碼率，增強(qiáng)了系統(tǒng)的健壯性。附圖說(shuō)明圖1是本發(fā)明提供優(yōu)選實(shí)施例多小區(qū)MIMO-BC模型；圖2為理想CSI下算法平均頻譜效率對(duì)比；圖3為非理想CSI下算法平均頻譜效率對(duì)比；圖4為非理想CSI時(shí)算法的BER仿真；圖5為非理想CSI平均頻譜效率與迭代次數(shù)的關(guān)系。具體實(shí)施方式為了使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合附圖對(duì)本發(fā)明作進(jìn)一步的詳細(xì)描述，包括以下步驟：本發(fā)明提出一種基于Bayes估計(jì)和數(shù)據(jù)流間功率分配的聯(lián)合干擾相位對(duì)齊方案，其特點(diǎn)為在多小區(qū)MIMO-BC系統(tǒng)中，通過(guò)Bayes估計(jì)對(duì)時(shí)延誤差CSI進(jìn)行估計(jì)，并結(jié)合功率分配和相位對(duì)齊設(shè)計(jì)穩(wěn)健的干擾對(duì)齊方案。本發(fā)明的技術(shù)解決方案包括以下步驟：步驟一、該方案的系統(tǒng)為多小區(qū)MIMO蜂窩網(wǎng)絡(luò)的下行鏈路(MIMO-BC)的情況，如圖1所示為一個(gè)G小區(qū)MIMO-BC干擾信道模型。每個(gè)小區(qū)K個(gè)用戶，每個(gè)用戶N(接收天線)根天線，每個(gè)小區(qū)有一個(gè)基站，配備M(發(fā)射天線)根天線。kg表示小區(qū)g內(nèi)用戶k，并設(shè)定每個(gè)用戶對(duì)應(yīng)的自由度為為了讓系統(tǒng)自由度達(dá)到最大值，即GKmin(N,M)/2，那么每個(gè)用戶所提供的信號(hào)空間的維數(shù)應(yīng)該相等，不妨設(shè)步驟二、假定在同一時(shí)刻同一頻率上的各個(gè)發(fā)送接收對(duì)之間的信道是平坦衰落的，且信道系數(shù)獨(dú)立同分布。在一個(gè)特定的時(shí)頻資源上，小區(qū)g內(nèi)用戶k的接收信號(hào)為其中，是小區(qū)j內(nèi)用戶l的發(fā)射信號(hào)，滿足是用戶lj的預(yù)編碼矩陣，滿足是用戶kg的干擾抑制矩陣；是從基站j到用戶kg的信道鏈路，其元素服從均值為0，方差為1的循環(huán)對(duì)稱復(fù)高斯分布(CSCG)；表示方差為加性高斯白噪聲。步驟三、在CSI存在時(shí)延和誤差的情況下，利用Bayes算法對(duì)CSI進(jìn)行預(yù)測(cè)。首先，記真實(shí)的信道狀態(tài)矩陣和時(shí)延的信道狀態(tài)矩陣的拉直向量分別為：Lkg,jτ=vec(H~kg,jτ)---(2)]]>Lkg,j=vec(Hkg,j)---(3)]]>根據(jù)文獻(xiàn)[CLARKERH.Astatisticaltheoryofmobileradioreception[J].TheBellSystemTechnicalJournal,1968,47(6):957-1000.]，設(shè)時(shí)變信道滿足經(jīng)典的Jakes信道模型，所以和的協(xié)方差矩陣滿足聯(lián)合高斯分布，即其中T＝N×M，ρ＝J0(2πfdτ)表示相關(guān)系數(shù)，τ表示發(fā)送端CSI的遲延，fd是最大多普勒頻移，J0(x)是第一類零階Bessel函數(shù)，且不同信道的相關(guān)系數(shù)相等。此時(shí)，等效信道的統(tǒng)計(jì)模型如下：其中，和中的各個(gè)元素滿足平坦瑞利衰落，且服從均值為0，方差為1的復(fù)高斯分布。與相互獨(dú)立，且對(duì)于實(shí)際中CSI存在時(shí)延和誤差的情況，我們假設(shè)接收端只知道當(dāng)前時(shí)刻、存在估計(jì)誤差的CSI即而發(fā)送端只知道τ時(shí)刻之前的、存在估計(jì)誤差的CSI即(一般由接收端反饋給發(fā)送端)。于是，當(dāng)分別存在估計(jì)誤差和時(shí)所應(yīng)對(duì)應(yīng)的表達(dá)式：L^kg,jτ=Lkg,jτ+ekg,jτ---(5)]]>L^kg,j=Lkg,j+ekg,j---(6)]]>其中，誤差和誤差都是由接收端估計(jì)不準(zhǔn)確造成的，故和的元素滿足相同的分布，設(shè)誤差和誤差的元素滿足均值為0，方差為的復(fù)高斯分布。由式(4)、式(5)及式(6)，可知L^kg,jτ,L^kg,j~CN(0,diag(1+δe2)T×T)---(7)]]>進(jìn)一步，推導(dǎo)可知有式(8)和式(9)成立E(Lkg,jL^kg,jτH)=E[Lkg,j(Lkg,jτ+ekg,jτ)T]=E(Lkg,jLkg,jτH)+E(Lkg,jekg,jτH)=E(Lkg,jLkg,jτH)+E(Lkg,j)E(ekg,jτH)=ρIT×T---(8)]]>E(Lkg,jL^kg,jH)=E[Lkg,j(Lkg,j+ekg,j)H]=E(Lkg,jLkg,jH)+E(Lkg,jekg,jH)=E(Lkg,jLkg,jH)+E(Lkg,j)E(ekg,jH)=IT×T---(9)]]>此處，我們采用Bayes估計(jì)[KAYSM.Fundamentalsofstatisticalsignalprocessing:estimationtheory[M],UniversityofRhodeIsland,PrenticeHallPTR,1993:1-595.]由(時(shí)延誤差CSI)來(lái)估計(jì)(準(zhǔn)確的即時(shí)CSI)，首先，計(jì)算的條件概率及相應(yīng)的條件協(xié)方差矩陣有如下式(10)和式(11)成立E(Lkg,j|L^kg,jτ)=E(Lkg,jL^kg,jτH)E(L^kg,jτL^kg,jτH)-1L^kg,jτ=E(Lkg,j(Lkg,jτ+ekg,jτ)H)E(L^kg,jτL^kg,jτH)-1L^kg,jτ=E(Lkg,jLkg,jτH)(diag(1+δe2)T×T)-1L^kg,jτ=ρ(diag(1+δe2)T×T)-1L^kg,jτ---(10)]]>D(Lkg,j|L^kg,jτ)=E(Lkg,jLkg,jH)-E(Lkg,jL^kg,jτH)E(L^kg,jτL^kg,jτH)-1E(L^kg,jτLkg,jH)=IT×T-|ρ|2(diag(1+δe2)T×T)-1---(11)]]>由式(10)，式(11)可以知道，在時(shí)延誤差CSI的條件下，實(shí)際的信道矩陣?yán)毕蛄靠梢员硎緸長(zhǎng)kg,j=E(Lkg,j|L^kg,jτ)+ekg,j=ρ1+δe2L^kg,jτ+ekg,j---(12)]]>其中，將式(12)用信道矩陣表示，可以得到實(shí)際的信道矩陣可以表示為Hkg,j=ρ1+δe2Hkg,jτ+Ekg,j---(13)]]>其中和分別表示從基站j到用戶kg的真實(shí)信道鏈路和τ時(shí)刻之前含有測(cè)量誤差的信道鏈路，其元素均服從均值為0，方差為1的循環(huán)對(duì)稱復(fù)高斯分布；的元素服從均值為0，方差為的循環(huán)對(duì)稱復(fù)高斯分布，ρ＝J0(2πfdτ)表示相關(guān)系數(shù)，τ表示發(fā)送端CSI的遲延，fd是最大多普勒頻移，J0(x)是第一類零階Bessel函數(shù)，表示信道估計(jì)誤差的方差。步驟四、在正向(基站至用戶)通信時(shí)，對(duì)于用戶kg而言，假設(shè)每個(gè)用戶的發(fā)射功率均為P，且在d個(gè)數(shù)據(jù)流之間均勻分布，我們最大化用戶kg的期望信號(hào)功率與小區(qū)間干擾加噪聲功率和的比值，為此，優(yōu)化的問(wèn)題可表示為：其中，Qkg=Σj=1j≠gGΣl=1KHkg,jVljsljsljHVljHHkg,jH+δn2IN=Σj=1j≠gGΣl=1KPρ2d(1+δe2)2Hkg,jτVljVljHHkg,jτH+[(G-1)KP(1-|ρ|21+δe2)+δn2]IN---(15)]]>基于信道的互惠性，在反向(用戶至基站)通信時(shí)，對(duì)于用戶kg而言，假設(shè)每個(gè)用戶的功率相同，且在d個(gè)數(shù)據(jù)流之間均勻分布，我們最大化用戶kg的信干擾比(SINR)，優(yōu)化的問(wèn)題可以表示為其中，Bkg=Σl=1l≠kKHg,lgHUlgslgslgHUlgHHg,lg+Σj=1j≠gGΣl=1KHg,ljHUlgslgslgHUlgHHg,lj+δn2IM=Σl=1l≠kKΣm=1dPρ2d(1+δe2)2Hg,lgτHulgmulgmHHg,lgτ+Σj=1j≠gGΣl=1KΣm=1dPρ2d(1+δe2)2Hg,ljτHuljmuljmHHg,ljτ+[(GK-)P(1-|ρ|21+δe2)+δn2]IM---(17)]]>結(jié)合矩陣?yán)碚摽梢灾?，?14)是最大化Raleigh的問(wèn)題，且矩陣是Hermite矩陣且半正定，矩陣是Hermite矩陣且正定；式(16)也是最大化Raleigh的問(wèn)題，且是Hermite矩陣且半正定，矩陣是Hermite矩陣且正定。所以，求得Ukg=νmaxd{(Qkg)-1(Pd(ρ1+δe2)2Hkg,jτVkgVkgHHkg,jτH+P(1-|ρ|21+δe2)IN)}---(18)]]>Vkg=νmaxd{(Bkg)-1(Pd(ρ1+δe2)2Hkg,jτHUkgUkgHHkg,jτ+P(1-|ρ|21+δe2)IM)}---(19)]]>其中，表示求取矩陣的d個(gè)最大特征值所對(duì)應(yīng)的單位特征向量。此處，我們將求解最優(yōu)干擾對(duì)齊矩陣和的算法過(guò)程，總結(jié)如下：(1)隨機(jī)初始化為均值為0，方差為1且維度為M×d的次酉矩陣，即滿足(2)在正向通信時(shí)，按照式(18)求得對(duì)應(yīng)的最優(yōu)干擾抑制矩陣(3)在反向通信時(shí)，按照式(19)求得對(duì)應(yīng)的最優(yōu)干擾抑制矩陣(4)重復(fù)執(zhí)行過(guò)程(2)和過(guò)程(3)，直到收斂。步驟五、對(duì)用戶kg而言，發(fā)送數(shù)據(jù)流與接收數(shù)據(jù)流之間的互信息量[COVERTMandTHOMASJA.Elementsofinformationtheory[M].NewYork,Wiley,AJohnWiley&Sons,Inc.,1991:1-748.]可以表示為：I(skg,s^kg)=log2det{Idkg+(UkgHHkg,gVkgWkgskgskgHWkgHVkgHHkg,gHUkg)(A)-1}---(20)]]>其中，A=δn2Idkg+Σj=1j≠gGΣl=1KPdUkgHHkg,jVljVljHHkg,jHUkg+Σl=1l≠kKPdUkgHHkg,gVgjVgjHHkg,gHUkg=Σj=1j≠gGΣl=1KPρ2d(1+δe2)2UkgHHkg,jτVljVljHHkg,jτUkg+Σl=1l≠kKPρ2d(1+δe2)2UkgHHkg,gτVgjVgjHHkggτUkg+((GK-1)P(1-|ρ|21+δe2)+δn2)Idkg---(21)]]>其中，為功率分配矩陣，且為對(duì)角矩陣，滿足利用下列等式關(guān)系：det{Im+Cm×nDn×m}＝det{In+Cn×mDm×n}(22)其中，det(·)表示求取矩陣的行列式。式(20)可以寫(xiě)成：I(skg,s^kg)=log2det{Idkg+BkgUkgHHkg,gVkgWkgskgskgHWkgHVkgHHkgHUkgBkgH}---(23)]]>其中滿足下列條件：BkgHBkg=A-1---(24)]]>此時(shí)，接收符號(hào)可以寫(xiě)為：s^kg=BkgUkgHHkg,gVkgWkgskg+nkg′---(25)]]>其中是分布為復(fù)高斯白噪聲矢量，是干擾對(duì)齊下的等價(jià)MIMO信道，在此等價(jià)信道下，采用注水法[GOLDSMITHAndrea.Wirelesscommunications[M].England,UK,CambridgeUniversityPress,2005:1-561.]進(jìn)行用戶數(shù)據(jù)流的功率分配。根據(jù)矩陣?yán)碚撝衅娈愔礫ZHANGXianda.MatrixAnalysisandApplication[M].Beijing,TsinghuaUniversityPress,2004:71-73.]定義，等價(jià)信道的第m個(gè)最大奇異值為，Λkg,m=eigmascend{(BkgUkgHHkg,gVkg)(BkgUkgHHkg,gVkg)H}=eigmacend{ρ2(1+δe2)2BkgUkgHHkg,gτVkg(BkgUkgHHkg,gτVkg)H+Bkgdkg(1-|ρ|21+δe2)BkgH}---(26)]]>其中，表示求取矩陣的第m個(gè)最大特征值。在給定用戶kg的功率P的情況下，其最優(yōu)解是MIMO信道的注水法功率分配[GOLDSMITHAndrea.Wirelesscommunications[M].England,UK,CambridgeUniversityPress,2005:1-561.].PkgmP=1/γ0-1/γmγm>γ00γm≤γ0---(27)]]>其中，γ0為某個(gè)門限值，表示用戶kg的第m個(gè)數(shù)據(jù)流應(yīng)該分配的功率。具體的實(shí)現(xiàn)過(guò)程如下：設(shè)用戶kg對(duì)應(yīng)的等效信道矩陣的d個(gè)奇異值分別為且按降序排列，在滿功率時(shí)每一個(gè)子信道對(duì)應(yīng)的信噪比分別為則按下式計(jì)算門限值γ0：Σm=1d(1γ0-1γm)=1→γ0=d(1+Σm=1d1γm)---(28)]]>此時(shí)，獲得用戶kg的數(shù)據(jù)流的最優(yōu)功率分配用戶kg的數(shù)據(jù)流進(jìn)行功率分配后，將滿足如下式子，WkgskgskgHWkgH=diag(Pkg1,Pkg2,...,Pkgd)=Pddiag(Pkg1(P/d),Pkg2(P/d),...,Pkgd(P/d))---(29)]]>進(jìn)一步，求得功率分配矩陣為，Wkg=diag(Pkg1(P/d),Pkg2(P/d),...,Pkgd(P/d))---(30)]]>步驟六、在經(jīng)過(guò)具有用戶數(shù)據(jù)流間功率分配的穩(wěn)健算法處理后，接收端kg的信號(hào)為ykg=UkgHHkg,gVkgWkgskg+Σj=1j≠kKUkgHHkg,gVjgWjgsjg+Σj=1j≠gGΣl=1KUkgHHkg,jVljWljslj+UkgHnkg=H‾kgskg+Σj=1j≠kKH‾jgsjg+Σj=1j≠gGΣl=1KH‾ljslj+n‾kg---(31)]]>其中，令Rkg=E(H‾kg)E(H‾kgH)=(ρ2(1+δe2)2)UkgHHkg,gτVkgWkg(UkgHHkg,gτVkgWkg)H---(32)]]>基于MMSE準(zhǔn)則使發(fā)送信號(hào)和接收信號(hào)相位對(duì)齊[RAZAVISMandRATNARAJAHT.Adaptivelyregularizedphasealignmentprecodingformultiusermultiantennadownlink[J].IEEETransactionsonVehicularTechnology,2015,64(10):4863-4869.]，重建干擾信號(hào)，此時(shí)，得到的約束表達(dá)式如下，其中，由MPSK的星座點(diǎn)構(gòu)成且滿足⊙表示矩陣的Hadamard積。求解式(33)得到，Ψkgθ=E(H‾kgH)Rkg-1Rkgθ---(34)]]>于是，用戶kg的發(fā)射信號(hào)可以表示為，skg=gkgθΨkgθckgs.t.gkgθ=1tr[(Rkgθ)2Rkg-1]---(35)]]>就可以使約束式(33)最小。1.誤碼率和系統(tǒng)速率分析此處，仍用矩陣H來(lái)表示真實(shí)的信道矩陣以分析系統(tǒng)的性能。由式(12-13)可以知道，在實(shí)際的真實(shí)信道環(huán)境下，用戶kg的接收信號(hào)為，s^kg=H‾kgΨkgθckg+UkgH(Σl=1l≠kKHkg,gVlgWlgslg+Σj=1j≠gGΣl=1KHkg,jVljWljslj)+UkgHnkg---(36)]]>相應(yīng)于式(33)真實(shí)的為，R‾kgθ=H‾kgΨkgθ=H‾kg(E(H‾kgH)Rkg-1Rkgθ)---(37)]]>由式(37)可以知道，E[R‾kgθ]=Rkgθ---(38)]]>所以，用戶kg的第w自由度的接收信號(hào)可以表示為，ykgw≈gkgPA[Rkgθ]w*ckg+ukgwH(Σl=1l≠kKHkg,gVgjWgjsgj+Σj=1j≠gGΣl=1KHkg,jVljWljslj)+ukgwHnkg=gkgPAΣx=1dkg|ρw,x|cwcxHcx+ukgwH(Σl=1l≠kKHkg,gVgjWgjsgjΣj=1j≠gGΣl=1KHkg,jVljWljslj)+ukgwHnkg=gkgPAcwΣx=1dk|ρw,x|+ukgwH(Σl=1l≠kKHkg,gVgjWgjsgjΣj=1j≠gGΣl=1KHkg,jVljWljslj)+ukgwHnkg---(39)]]>其中，ρw,x表示中腳標(biāo)為(w,x)的元素。令殘留干擾為，Jkg=ukgwH(Σl=1l≠kKHkg,gVgjWgjsgj(Hkg,gVgjWgjsgj)H+Σj=1j≠gGΣl=1KHkg,jVljWljslj(Hkg,jVljWljslj)H)ukgw---(40)]]>漸進(jìn)高SNR時(shí)，將式(13)帶入式(40)，有如下式子成立E(Jkg)≈ukgwH(Σl=1l≠kKEkg,gVgjWgjsgj(Ekg,gVgjWgjsgj)H+Σj=1j≠gGΣl=1KEkg,jVljWljslj(Ekg,jVljWljslj)H)ukgw=P(GK-1)(1-|ρ|21+δe2)---(41)]]>對(duì)應(yīng)的輸出平均信噪比為，SINRkgw=E{(gkgθckgΣx=1dkg|ρw,x|)2}(δn)2+Jkg=E{(gkgθ)2}(δn)2+Jkg×E{(Σx=1dkg|ρw,x|)2}---(42)]]>用戶kg的和速率可以表示為，Rkg=Σw=1dkglog2(1+E{(gkgθ)2}(δn)2+Jkg×E{(Σx=1dkg|ρw,x|)2})---(43)]]>對(duì)于用戶kg，M-PSK調(diào)制的平均誤碼率可以用以下式子來(lái)計(jì)算pMkg=Σw=1dkgerfc(SINRkgwsin(πM))dkg---(44)]]>此處erfc(·)是互補(bǔ)誤差函數(shù)。2.非理想CSI下的和速率損失在對(duì)稱MIMOIBC系統(tǒng)，在漸進(jìn)高SNR時(shí)對(duì)于時(shí)延為τ且誤差方差為的非理想CSI，系統(tǒng)和速率損失為，3.保證理想自由度的分析由式(45)可以知道，為了保證非理想CSI時(shí)系統(tǒng)的自由度和理想CSI時(shí)系統(tǒng)自由度相同，要求系統(tǒng)容量的損失為一個(gè)常量，定義這個(gè)常量為ε，ϵ=GKdlog2(1+P(GK-1)(1-|ρ|21+δe2)δn2)---(46)]]>進(jìn)一步，得到，|ρ|21+δe2=1-(2ϵGKd-1)δn2(GK-1)P---(47)]]>由式(47)可以看出為了保證理想自由度，隨著功率P的增大，將越來(lái)越趨近于1，使得信道越來(lái)越理想，非理想CSI特性越來(lái)越不明顯。下面在理想CSI、時(shí)延誤差CSI等兩種CSI場(chǎng)景下，本發(fā)明算法(JIPA-BEPA)與文獻(xiàn)[AQUILINAPandRATNARAJAHT.PerformanceanalysisofIAtechniquesintheMIMOIBCwithimperfectCSI[J],IEEETransactionsonCommunications,2015,63(4):1259-1270.]的MIN-IL算法和MAX-SINR-SCE算法，以及文獻(xiàn)[ZHAON,YUFR,SUNHongjian,etal..Interferencealignmentbasedonchannelpredictionwithdelayedchannelstateinformation[C].Proceedingsof2012IEEEGlobalCommunicationsConference,Anaheim,CA,2012:4244-4248.]的PRE-CSI-IA算法，進(jìn)行了頻譜效率、誤比特率以及收斂性等仿真的比較?？紤]系統(tǒng)配置為[G,K,d,M,N]，即G個(gè)小區(qū)，每個(gè)小區(qū)K個(gè)用戶，每個(gè)用戶發(fā)送數(shù)據(jù)流個(gè)數(shù)(自由度)為d，發(fā)送天線數(shù)為M，接收天線數(shù)為N。假設(shè)所有收發(fā)天線間的信道均為平坦衰落信道，信道矩陣元素獨(dú)立同分布，滿足均值為0和方差為1的復(fù)高斯分布。在比較具有誤差時(shí)延CSI時(shí)，假定符號(hào)持續(xù)時(shí)間為0.5ms，并考慮時(shí)延為1、2個(gè)符號(hào)時(shí)間；載波頻段為2GHz，用戶接收端移動(dòng)速度為20Km/h，對(duì)應(yīng)的相關(guān)系數(shù)ρ＝0.99662,0.98651，并考慮信道誤差的方差取值為0.001,0.002。所有仿真均是基于5000次信道平均，迭代次數(shù)為3000次。如圖2所示，在理想CSI時(shí)，幾種典型的MIMO-BC算法的信道容量。JIPA-BEPA算法在設(shè)計(jì)干擾安排矩陣時(shí)，接收濾波器僅僅關(guān)注小區(qū)間干擾，而發(fā)射濾波器則處理小區(qū)間和小區(qū)內(nèi)干擾(不包括用戶數(shù)據(jù)流間的信號(hào))，并采用相位對(duì)齊來(lái)處理信號(hào)流間的干擾以進(jìn)一步提高信號(hào)流的接收功率，然后，結(jié)合功率分配方案實(shí)現(xiàn)信號(hào)流的最佳功率分配。而MAX-SINR-SCEK算法接收濾波器僅僅關(guān)注小區(qū)間干擾，而發(fā)射濾波器則處理小區(qū)間和小區(qū)內(nèi)干擾(包括用戶數(shù)據(jù)流間的信號(hào))，其將要處理的干擾空間比JIPA-BEPA算法所處理的干擾空間更大，進(jìn)而壓縮干擾的難度也較大，為此，JIPA-BEPA算法將有更多地空間用于放置干擾，可以將干擾壓縮在較小的范圍內(nèi)，進(jìn)一步考慮到相位對(duì)齊和功率分配，所以在相同配置下JIPA-BEPA算法性能更好。MIN-IL算法，為了能夠完全消除干擾要求接收端天線數(shù)較多，這在實(shí)際應(yīng)用中也不是很實(shí)用，并且在MIMO-BC信道環(huán)境下接收端所受到的干擾路徑相對(duì)發(fā)送端更小，所以發(fā)送端配置較多天線數(shù)才是合理的，此處，作為對(duì)比給出了相同環(huán)境下系統(tǒng)容量的對(duì)比，可見(jiàn)JIPA-BEPA算法也是較佳的。如圖3所示，在非理想CSI時(shí)，系統(tǒng)配置為[2,2,4,13,8]時(shí)，對(duì)比幾種典型算法的信道容量。在時(shí)延誤差CSI時(shí)，JIPA-BEPA算法將有更多地空間用于放置干擾和時(shí)延誤差CSI帶來(lái)的干擾，并將干擾和時(shí)延誤差CSI的影響壓縮在較小的范圍內(nèi)，進(jìn)一步結(jié)合相位對(duì)齊和功率分配來(lái)提高信號(hào)的信干噪比，增強(qiáng)了系統(tǒng)的穩(wěn)健性，所以在相同配置下JIPA-BEPA算法比MAX-SINR-SCEK算法性能更好。從圖3中也可以看出，對(duì)于所有的IA算法而言，由于信道誤差項(xiàng)的存在，使干擾信號(hào)不能被完全消除，會(huì)泄露到信號(hào)空間成為限制信道容量的主要因素，所以信道容量不能進(jìn)一步提高，存在容量極限。PRE-CSI-IA算法通過(guò)MMSE和LWSE的高階預(yù)測(cè)信道，雖然可以很大程度上的改善時(shí)延誤差CSI下的信道質(zhì)量，但是改善的性能是相對(duì)有限的，也達(dá)不到JIPA-BEPA算法通過(guò)Bayes估計(jì)的信道并通過(guò)相位對(duì)齊提升信號(hào)流功率時(shí)的效果。如圖4所示，在時(shí)延誤差CSI情況下，系統(tǒng)配置為[2,2,4,13,8]時(shí)，仿真了幾種典型的MIMO-BC算法的BER性能。圖中顯示的是采用QPSK進(jìn)行調(diào)制，JIPA-BEPA算法通過(guò)對(duì)齊發(fā)送端和接收端信號(hào)的相位，將干擾重建是干擾成為可用的綠色能源，并通過(guò)功率分配，進(jìn)一步了增強(qiáng)信號(hào)，極大地增強(qiáng)了期望符號(hào)的功率，用戶的BER得到了極大的改善，所以JIPA-BEPA算法比MAX-SINR-SCEK算法和PRE-CSI-IA算法BER更低。圖5(a)和5(b)分別為系統(tǒng)配置為系統(tǒng)配置為[2,2,4,13,8]時(shí)，幾種算法在每個(gè)用戶發(fā)射功率為5dB，15dB時(shí)，平均頻譜效率與迭代次數(shù)的關(guān)系。從圖中可以看出，在時(shí)延誤差CSI且用戶發(fā)射功率為5dB時(shí)，JIPA-BEPA算法平均頻譜效率大概在迭代15次左右趨于飽和，而MAX-SINR-SCEK算法和PRE-CSI-IA算法大致在20次左右才能收斂。在時(shí)延誤差CSI且用戶發(fā)射功率為15dB時(shí)，JIPA-BEPA算法和PRE-CSI-IA算法平均頻譜效率均在迭代20次左右收斂，而MAX-SINR-SCEK算法大致在23次左右收斂?？梢钥闯觯琂IPA-BEPA算法在迭代次數(shù)沒(méi)有增加的情況下，提高了系統(tǒng)的性能，進(jìn)一步證實(shí)了JIPA-BEPA算法的收斂性和可行性。以上這些實(shí)施例應(yīng)理解為僅用于說(shuō)明本發(fā)明而不用于限制本發(fā)明的保護(hù)范圍。在閱讀了本發(fā)明的記載的內(nèi)容之后，技術(shù)人員可以對(duì)本發(fā)明作各種改動(dòng)或修改，這些等效變化和修飾同樣落入本發(fā)明權(quán)利要求所限定的范圍。當(dāng)前第1頁(yè)1 2 3