本發(fā)明涉及一種非理想信道狀態(tài)下MIMO系統(tǒng)中基于組合干擾對齊方法，屬于干擾管理技術(shù)領(lǐng)域。

背景技術(shù)：

干擾對齊(Interference alignment,IA)技術(shù)是當(dāng)前無線通信領(lǐng)域的研究熱點之一，它一種高效的干擾管理機制，通過在發(fā)送端對發(fā)送信號進(jìn)行預(yù)編碼處理，來自多個其他發(fā)送用戶的干擾信號在接收端重疊，從而解決干擾問題，使得系統(tǒng)容量得到極大的提高。

現(xiàn)在對于干擾對齊技術(shù)的研究還處于起步階段，還有很多方面的問題有待解決。比如，目前大多數(shù)的有關(guān)于干擾對齊技術(shù)的研究都是在有理想信道狀態(tài)信息的前提下進(jìn)行的，然而在實際的通信系統(tǒng)中，由于信道估計誤差，反饋時延等因素的影響，信道狀態(tài)信息會存在誤差，而且如果要獲取全局的狀態(tài)信息，會給系統(tǒng)帶來很大的開銷。因此非理想信道狀態(tài)信息下的干擾對齊技術(shù)的研究具有十分重要的意義。

現(xiàn)有的干擾對齊技術(shù)都有著各自的特點，如最小化干擾泄露(Min-Leakage)算法，復(fù)雜度低但是性能不高；最大化信干噪比(Max-SINR)算法，性能高但是復(fù)雜度也高。

技術(shù)實現(xiàn)要素：

本發(fā)明所要解決的技術(shù)問題是提供一種非理想信道狀態(tài)下MIMO系統(tǒng)中基于組合干擾對齊方法，該方法能夠有效降低現(xiàn)有算法的復(fù)雜度，從而克服現(xiàn)有技術(shù)的缺陷。。

本發(fā)明根據(jù)兩種算法各自的特點，在復(fù)雜度和性能兩方面進(jìn)行折中，由于Max-SINR算法與Min-WLI算法的迭代過程都是處理預(yù)編碼矩陣與干擾抑制矩陣，且它們的迭代過程是相互獨立的，所以可先對系統(tǒng)進(jìn)行Min-Leakage算法迭代，迭代完成后在進(jìn)行Max-SINR算法迭代，這樣可有效降低算法的復(fù)雜度。

本發(fā)明為解決上述技術(shù)問題采用以下技術(shù)方案：

本發(fā)明提供一種非理想信道狀態(tài)下MIMO系統(tǒng)中基于組合干擾對齊方法，具體步驟如下：

步驟1，初始化參數(shù)并獲取非理想信道狀態(tài)下的信道模型；

步驟2，在非理想信道狀態(tài)信息條件下進(jìn)行干擾對齊，采用最小化干擾泄露算法，求得用戶的預(yù)編碼矩陣和干擾抑制矩陣；

步驟3，以步驟2中得到的預(yù)編碼矩陣為初始值，采用最大化信干燥比算法進(jìn)行優(yōu)化，更新用戶的預(yù)編碼矩陣和干擾抑制矩陣；

步驟4，將步驟3中更新后的預(yù)編碼矩陣分配給用戶，以便用戶使用分配到的預(yù)編碼矩陣傳輸數(shù)據(jù)。

作為本發(fā)明的進(jìn)一步優(yōu)化方案，步驟1中非理想信道狀態(tài)下的信道模型H_k,j為：

其中，H_k,j為用戶j的發(fā)送端到用戶k的接收端之間的實際信道狀態(tài)矩陣；為H_k,j的估計值，是發(fā)送系統(tǒng)能夠獲得的信道矩陣；為用戶j的發(fā)送端到用戶k的接收端之間的信道誤差估計矩陣，其滿足且與無關(guān)，其中，vec(·)表示對矩陣進(jìn)行向量化處理，表示服從均值為0，方差為1，I表示單位向量，τ為H_k,j與之間的誤差矩陣E_k,j的方差；E_k,j滿足τ＝βρ^-α,α≥0，α和β是影響τ的兩個參數(shù)，ρ表示系統(tǒng)的信噪比，且E_k,j與H_k,j相互獨立。

作為本發(fā)明的進(jìn)一步優(yōu)化方案，步驟2中非對應(yīng)用戶對用戶k造成的總干擾泄露為：

I_k＝Tr((U_k)^H Q_kU_k)

其中，Tr(·)表示求矩陣的跡，H表示矩陣的共軛轉(zhuǎn)置，U_k表示用戶k的干擾抑制矩陣；表示用戶k所受到的干擾協(xié)方差矩陣，P_j表示用戶j的發(fā)送功率，d_j表示用戶j發(fā)送的數(shù)據(jù)流個數(shù)，V_j表示用戶j的預(yù)編碼矩陣，K表示系統(tǒng)的用戶數(shù)。

作為本發(fā)明的進(jìn)一步優(yōu)化方案，步驟2中求解用戶k的預(yù)編碼矩陣V_k和干擾抑制矩陣U_k的方法具體為：

1)、初始化預(yù)編碼矩陣V_k，滿足

2)、根據(jù)公式求得用戶k的干擾抑制矩陣U_k；其中，表示用戶k的干擾抑制矩陣的第d列，v_d[A]表示矩陣A的d個最小特征值對應(yīng)的特征矢量的擴展空間，d表示每個用戶發(fā)送的數(shù)據(jù)流個數(shù)；

3)、求出反向鏈路的干擾協(xié)方差矩陣

其中，表示反向鏈路用戶j的發(fā)送端到用戶k的接收端之間的信道矩陣的估計值，U_j表示用戶j的干擾抑制矩陣；

4)、根據(jù)公式求得用戶k的預(yù)編碼矩陣V_k；

5)、重復(fù)步驟2)至4)直至系統(tǒng)收斂，輸出收斂時的預(yù)編碼矩陣V_k和干擾抑制矩陣U_k。

作為本發(fā)明的進(jìn)一步優(yōu)化方案，步驟3中用戶k的第l數(shù)據(jù)流的信干噪比為：

其中，v_kl表示用戶k的第l個數(shù)據(jù)流的預(yù)編碼向量，其為預(yù)編碼矩陣V_k的第l列；u_kl表示用戶k的第l個數(shù)據(jù)流的干擾抑制向量，其為干擾抑制矩陣U_k的第l列；H_k,k表示用戶k的發(fā)送端到用戶k的接收端之間的實際信道狀態(tài)矩陣；

表示用戶k的第l個數(shù)據(jù)流所受到的干擾加噪聲協(xié)方差矩陣，p_kl表示用戶k的第l個數(shù)據(jù)流的功率，σ²表示噪聲功率，v_jm表示用戶j的第m個數(shù)據(jù)流的預(yù)編碼向量，v_km表示用戶k的第m個數(shù)據(jù)流的預(yù)編碼向量，表示用戶k的發(fā)送端到用戶k的接收端之間的信道矩陣的估計值，μ＝p_kl^-1ρ^-1(1+τ)²+τ(1+τ)(Kd-1)，d表示每個用戶發(fā)送的數(shù)據(jù)流個數(shù)；

使SINR_kl最大的向量u_kl為：

作為本發(fā)明的進(jìn)一步優(yōu)化方案，步驟3中更新用戶的預(yù)編碼矩陣和干擾抑制矩陣的方法具體為：

A)、根據(jù)公式求用戶k第l個數(shù)據(jù)流干擾抑制向量u_kl；

B)、通信鏈路反轉(zhuǎn)，計算反向鏈路上用戶k第l個數(shù)據(jù)流所受到的干擾加噪聲協(xié)方差矩陣

其中，表示反向鏈路用戶j的發(fā)送端到用戶k的接收端之間的信道矩陣的估計值，表示反向鏈路用戶k的發(fā)送端到用戶k的接收端之間的信道矩陣的估計值，u_jm表示用戶j的第m個數(shù)據(jù)流的干擾抑制向量，u_km表示用戶k的第m個數(shù)據(jù)流的干擾抑制向量；

C)、計算反向鏈路干擾抑制向量v_kl：

D)、重復(fù)步驟A)至C)直至系統(tǒng)收斂，輸出收斂時的預(yù)編碼矩陣V_k和干擾抑制矩陣U_k。

作為本發(fā)明的進(jìn)一步優(yōu)化方案，步驟5)中系統(tǒng)收斂的條件為此次迭代與前次迭代后所得到的系統(tǒng)和速率之差小于10^-6。

作為本發(fā)明的進(jìn)一步優(yōu)化方案，步驟D)中系統(tǒng)收斂的條件為此次迭代與前次迭代后所得到的系統(tǒng)和速率之差小于10^-6。

作為本發(fā)明的進(jìn)一步優(yōu)化方案，系統(tǒng)和速率的表達(dá)式為：

其中，表示干擾的協(xié)方差矩陣，且表示期望信號的協(xié)方差矩陣，det(A)表示矩陣A的行列式。

本發(fā)明采用以上技術(shù)方案與現(xiàn)有技術(shù)相比，具有以下技術(shù)效果：傳統(tǒng)干擾對齊技術(shù)一般都是在理想的信道狀態(tài)信息下進(jìn)行的，本發(fā)明考慮實際通信系統(tǒng)中并不能夠完全獲取理想狀態(tài)信息，在非理想的信道狀態(tài)信息下，通過對相應(yīng)的預(yù)編碼矩陣和干擾抑制矩陣進(jìn)行求解實現(xiàn)了非理想狀態(tài)信息下的干擾對齊，更具有實際意義，并且采用了一種組合的方式對系統(tǒng)的信號進(jìn)行干擾對齊管理，有效降低了系統(tǒng)的復(fù)雜度。

附圖說明

圖1是本發(fā)明的系統(tǒng)模型示意圖。

圖2是系統(tǒng)在信噪比為15dB的條件下，先進(jìn)行Min-Leakage算法迭代，再進(jìn)行Max-SINR算法迭代的示意圖。

圖3是三種不同算法在不同的信道狀態(tài)不匹配程度下的性能對比。

圖4是本發(fā)明的方法流程圖。

具體實施方式

下面結(jié)合附圖對本發(fā)明的技術(shù)方案做進(jìn)一步的詳細(xì)說明：

如圖1所示，本發(fā)明的系統(tǒng)模型為一個K用戶的MIMO干擾網(wǎng)絡(luò)，其中發(fā)送用戶k安裝M_k根天線，接收用戶k安裝N_k根天線。接收用戶k只與發(fā)送用戶k存在數(shù)據(jù)連接，來自發(fā)送用戶l(l≠k)的信號被接收用戶視為干擾。

參照圖4，本發(fā)明在圖1所示的系統(tǒng)模型中進(jìn)行干擾對齊的步驟如下：

一、初始化參數(shù)并獲取非理想信道模型

非理想信道狀態(tài)下的信道模型可以表示為：

其中，H_k,j為用戶j的發(fā)送端到用戶k之間的接收端的實際信道狀態(tài)矩陣，為H_k,j的估計值，是發(fā)送系統(tǒng)能夠獲得的信道矩陣，E_k,j表示實際信道與其估計值之間的誤差。它與實際信道矩陣H_k,j相互獨立，且其是一個獨立同分布的高斯矩陣，均值為0，方差為τ，即τ＝βρ^-α,α≥0，其中vec(·)表示對矩陣進(jìn)行向量化處理，I表示單位向量，τ可以看作是影響信道估計質(zhì)量的參數(shù)，α和β是影響τ的兩個參數(shù)，ρ表示系統(tǒng)的信噪比。

為了方便分析非理想信道狀態(tài)信息模型中干擾對齊算法的性能，此處定義了H_k,j關(guān)于的統(tǒng)計特性，在非理想狀態(tài)下信道模型表達(dá)式的前提下，H_k,j有著均值為的高斯分布和方差為τ/(1+τ)的統(tǒng)計獨立元素，即可得實際信道矩陣H_k,j的表達(dá)式：

其中誤差估計矩陣，其滿足并且與無關(guān)。

二、最小化干擾泄露Min-Leakage算法的目標(biāo)只是最小化用戶間的加權(quán)干擾泄露，而且其并不考慮噪聲的影響，所以其在復(fù)雜度方面較Max-SINR算法有一定的優(yōu)勢，但性能較差，所以可以先進(jìn)行Min-Leakage算法的迭代計算。

在非理想信道狀態(tài)信息條件下進(jìn)行干擾對齊，最小化的干擾泄露：

非對應(yīng)用戶的發(fā)射端(l≠k)對用戶k的接收端造成的總干擾泄露為

I_k＝Tr((U_k)^HQ_kU_k)

其中Tr(A)表示矩陣A的跡，(A)^H表示矩陣A的共軛轉(zhuǎn)置，U_k表示用戶k的干擾抑制矩陣，Q_k表示用戶k所受到的干擾協(xié)方差矩陣，其可表示為：

其中，V_j表示用戶j的預(yù)編碼矩陣，P_j表示用戶j的發(fā)送功率，d_j表示用戶j發(fā)送的數(shù)據(jù)流個數(shù)。

將實際信道矩陣H_k,j的表達(dá)式帶入Q_k中，則Q_k表示為：

其中用到了上面的定義：與無關(guān)。所以有表示求矩陣的期望，V_j和U_j分別表示用戶j的預(yù)編碼矩陣和干擾抑制矩陣；

三、通過迭代的方式求得用戶k的預(yù)編碼矩陣V_k和干擾抑制矩陣U_k，具體為：

1、初始化預(yù)編碼矩陣V_k，滿足

2、根據(jù)公式求得用戶k的干擾抑制矩陣U_k。

其中，表示用戶k的干擾抑制矩陣的第d列，v_d[A]表示矩陣A的d個最小特征值對應(yīng)的特征矢量的擴展空間，d表示每個用戶發(fā)送的數(shù)據(jù)流個數(shù)。接收端通過選擇干擾抑制矩陣來最小化來自非期望傳輸端的總干擾泄露。包含最少干擾的d維接收信號子空間是干擾協(xié)方差矩陣Q_k的d個最小特征值對應(yīng)的特征矢量的擴展空間。

3、求出反向鏈路的干擾協(xié)方差矩陣表示為：

其中，表示反向鏈路用戶j的發(fā)送端到用戶k的接收端之間的信道矩陣的估計值，U_j表示用戶j的干擾抑制矩陣。

4、根據(jù)公式求得用戶k的預(yù)編碼矩陣V_k。

5、重復(fù)步驟2,3,4直至收斂。約定第t+1次迭代和第t次迭代后所得到的系統(tǒng)和速率之差小于10^-6時，可以認(rèn)為系統(tǒng)以收斂。

系統(tǒng)和速率的表達(dá)式為：

其中，表示干擾的協(xié)方差矩陣，且表示期望信號的協(xié)方差矩陣，det(A)表示矩陣A的行列式。

四、最大化信干燥比Max-SINR算法目標(biāo)是最大化每個數(shù)據(jù)流的SINR，由于其優(yōu)化的目標(biāo)比Min-Leakage算法優(yōu)化的目標(biāo)更細(xì)，所以在性能上優(yōu)于Min-Leakage算法，但是復(fù)雜度較高，所以在Min-Leakage算法的基礎(chǔ)上再進(jìn)行迭代，會有效減小系統(tǒng)復(fù)雜度。

以最小化干擾泄露算法得到的預(yù)編碼矩陣為初始值，繼續(xù)最大化信干噪比：

用戶k第l數(shù)據(jù)流的信干噪比可以表示為：

其中，v_kl和u_kl分別表示用戶k的第l個數(shù)據(jù)流的預(yù)編碼向量和干擾抑制向量，其分別為預(yù)編碼矩陣V_k和干擾抑制矩陣U_k的第l列，H_k,k表示用戶k的發(fā)送端到用戶k的接收端之間的信道矩陣，Q_kl表示第k個用戶的第l個數(shù)據(jù)流干擾加噪聲協(xié)方差矩陣，。

所以使SINR_kl最大的向量u_kl為：

其中，Q_kl表示用戶k的第l個數(shù)據(jù)流所受到的干擾加噪聲協(xié)方差矩陣，其具體的表達(dá)式為：

其中，p_kl表示用戶k的第l個數(shù)據(jù)流的功率，σ²表示噪聲功率，上式可進(jìn)一步推導(dǎo)得到干擾加噪聲協(xié)方差矩陣的表達(dá)式：

其中，μ＝p_kl^-1ρ^-1(1+τ)²+τ(1+τ)(Kd-1)，K表示系統(tǒng)的用戶數(shù)，d表示每個用戶發(fā)送的數(shù)據(jù)流個數(shù)。推導(dǎo)過程中用到如下公式E(J₁)＝E(J₂)＝0，E(J₃)＝p_kl(Kd-1)(τ/1+τ)。此處用到了上文定義與無關(guān)，所以

五、通過迭代的方式更新用戶的預(yù)編碼矩陣V_k和干擾抑制矩陣U_k：

1、根據(jù)上文的干擾加噪聲協(xié)方差矩陣的表達(dá)式以及已知的v_kl求解用戶k第l個數(shù)據(jù)流所受到的干擾加噪聲協(xié)方差矩陣Q_kl。

2、根據(jù)公式求用戶k第l個數(shù)據(jù)流干擾抑制向量u_kl。

3、通信鏈路反轉(zhuǎn)，計算反向鏈路上用戶k第l個數(shù)據(jù)流所受到的干擾加噪聲協(xié)方差矩陣

其中，表示反向鏈路用戶j的發(fā)送端到用戶k的接收端之間的信道矩陣的估計值，表示反向鏈路用戶k的發(fā)送端到用戶k的接收端之間的信道矩陣的估計值，u_jm表示用戶j的第m個數(shù)據(jù)流的干擾抑制向量，u_km表示用戶k的第m個數(shù)據(jù)流的干擾抑制向量。

4、計算反向鏈路干擾抑制向量v_kl：

5、重復(fù)步驟2,3,4,5直至收斂，約定第t+1次迭代和第t次迭代后所得到的系統(tǒng)和速率之差小于10^-6時，可以認(rèn)為系統(tǒng)以收斂。

6、記下收斂時刻的預(yù)編碼矩陣V_k和干擾抑制矩陣U_k。

六、將步驟五中記錄的預(yù)編碼矩陣分配給用戶，以便用戶使用分配到的預(yù)編碼矩陣傳輸數(shù)據(jù)。

圖2中黑線代表系統(tǒng)在進(jìn)行Min-Leakage算法迭代時，系統(tǒng)的和速率與迭代次數(shù)之間的關(guān)系，有曲線可以看出，系統(tǒng)在經(jīng)過30次Min-Leakage算法迭代后收斂。紅線代表系統(tǒng)在進(jìn)行30次Min-Leakage算法迭代后，繼續(xù)使用Max-SINR算法迭代時系統(tǒng)和速率與迭代次數(shù)之間的關(guān)系，可以看出進(jìn)行十次迭代便可收斂。由于Min-Leakage算法復(fù)雜度較低，特別是在每個用戶發(fā)送數(shù)據(jù)流很多的情況下，優(yōu)勢更加明顯，由此可以看出本發(fā)明所提出的組合算法，可以使得系統(tǒng)的復(fù)雜度有所降低。

圖3為三種算法在不同信噪比下的性能比較，其中參數(shù)α和β為τ函數(shù)的參數(shù)，τ為影響信道估計質(zhì)量的參數(shù)。從圖中可以看出在不同信道狀態(tài)信息不匹配程度下，該組合算法的性能都優(yōu)于Min-Leakage算法，尤其是在高性噪比是性能接近于Max-SINR算法，但是有上文分析可知，該組合算法的復(fù)雜度要低于Max-SINR算法，因此可以說明本發(fā)明在非理想信道狀態(tài)信息下能夠有效的降低系統(tǒng)的復(fù)雜度并且也可以有效的提高系統(tǒng)的容量。

以上所述，僅為本發(fā)明中的具體實施方式，但本發(fā)明的保護(hù)范圍并不局限于此，任何熟悉該技術(shù)的人在本發(fā)明所揭露的技術(shù)范圍內(nèi)，可理解想到的變換或替換，都應(yīng)涵蓋在本發(fā)明的包含范圍之內(nèi)，因此，本發(fā)明的保護(hù)范圍應(yīng)該以權(quán)利要求書的保護(hù)范圍為準(zhǔn)。