一种多区协同的区间干扰抑制方法*

曾 浩,袁昂飞,刘 玲

（重庆大学 通信工程学院，重庆400030）

为了提高频谱利用效率，在下一代移动通信候选协议LTE-Advanced中，小区的频率复用因子为1，但是区间干扰却严重影响了小区边缘用户性能[1]。一种解决方法是通过频谱资源管理，使边缘用户和中心用户采用不同的频带，但这降低了频谱利用率[2]。另一种方法则是将多个基站通过X2接口相连，即构成一个大的 “虚拟MIMO”，又称“网络 MIMO”，通过多区协同方式进行联合迫零预编码[3-4]，但是由于该方法需要相邻小区内所有用户的信道状态信息，会造成基站间信息交换量大，系统复杂度高，难以实现。考虑到用户到相邻小区基站的距离不同，受到区间干扰的程度也不同，本文提出一种基于用户划分的多区协同算法，将小区内用户分为中心用户和边缘用户,分别采取不同的预编码方法抑制干扰，并对算法复杂度进行分析，最后对系统误码率进行仿真，验证了该算法既可以降低系统复杂度，又保持了系统的性能。

1 系统模型

假设多区协同系统中具有I个半径均为R的蜂窝小区，小区对应基站位于各小区的中心，每个小区用户数为K，分布在小区内任意位置。在基站等功率发射条件下，基站发射功率为 Pt，则第 i个小区的第 k个用户接收信号功率Pik决定于用户到基站的距离dik。根据电磁波自由空间传播模型[5]:其中，i=0，…，I-1；k=0,…,K-1；c 是一个依赖于天线特性和平均信道损耗的常系数；γ为路径衰落指数,与传播环境有关，一般取2～4。

当用户距离基站位置较近时，相邻基站的区间干扰相对于本小区接收信号，可以认为是噪声，此时用户为小区中心用户。相反，当用户距离基站位置较远时，所接收到的本小区信号与相邻小区信号相当，此时用户为边缘用户。区间干扰是影响用户接收性能的主要因素，需要进行抑制。设置一个用户临界信干比SIRth作为区分边缘用户和中心用户的标准，近而可以确定一个半径Rth，作为中心用户与边缘用户的位置界线。根据式(1)有:

在系统实现中，由于是同频干扰，用户的SIR是无法估计的，但用户的位置是可以通过各种方法确定的。所以，只要在半径内的用户就认为是中心用户，否则是边缘用户。

2 干扰抑制算法

2.1 无边缘用户情况

在相邻小区没有边缘用户情况下，由于当前小区发射信道对于相邻小区用户没有影响，系统退化为一个单小区多用户MIMO系统。

假设基站和用户都是多天线条件，天线个数分别为M、N，作为移动用户信道，同时考虑大尺度衰落和小尺度衰落，在平坦慢衰落假设下，第i个小区中用户k的信道矩阵为:

显然，Hik和均是N×M维矩阵。

对于单小区多用户的下行预编码，包括线性和非线性方式[5-6]。考虑实现的可行性，线性预编码是通常的选择。迫零预编码算法[7-9]，是一种线性编码方式，具有空间复用功能。根据上述模型，任意一个用户k的接收信号可以表示为:

上式中，Hk是第k个用户信道矩阵，如式(4)所示。而 K个用户数据构成矢量:

矢量sK是基站向用户k发送的N×1维信号矢量，符号(·)T表示转置。定义基站预编码矩阵：

其由每个用户预编码矩阵TK组合而成，TK的维数为M×N。nK是协方差矩阵为N0I的加性高斯噪声。在强干扰条件下，迫零预编码矩阵T的作用是使到达用户的干扰被完全消除，即：

根据式（6），T可以通过求信道矩阵的伪逆得到：

式中，符号(·)H表示共轭转置，相应地有：

2.2 存在边缘用户情况

对于下行多小区系统，如果相邻小区存在L个边缘用户，则当前小区通过基站间的有线连接，接收到相邻小区传递的边缘用户信息，这L个信息是边缘用户的CSI。这L个边缘用户到达当前基站的信道矩阵:

其中HEl表示第l个边缘用户的CSI。为了实现对边缘用户的干扰抑制，同时实现同小区干扰抑制，当前基站编码矩阵T应该满足:

其包含了本小区所有用户以及邻小区边缘用户的CSI。再令

记 Lk为的秩，Σk为 Lk×Lk的矩阵。的非零空间的奇异向量构成零空间的奇异向量构成，取

满足式（13）、（14）。

综上所述，整个干扰抑制算法步骤如下：

(1)根据用户接收功率估计，检测是否存在边缘用户。

(2)不存在边缘用户，区间干扰将消失，多小区环境就变为简单的单小区系统，采取单小区干扰抑制技术的方法，例如迫零预编码。

(3)若存在边缘用户，则基站通过基站协作通信获取用户的CSI，联合本小区内用户的CSI一起预编码，仅对本小区用户发送数据，同时对邻小区边缘用户的干扰迫零。

2.3 性能分析

小区基站到每一个用户的信道信息记作一个CSI量。对于采用传统的多区协同方法，每个小区都需要本小区及其他小区所有用户的 CSI，即I2K个 CSI。新方法中，假设用户为中心用户的概率为PC：

则统计意义上，每个小区边缘用户数量为:

这样减少的CSI量为：

假设 R=1 000 m，I=7， 表 1列出了不同 K、Rth下的DCSI，可以看出，在 Rth不变，用户增多的情况下，DCSI呈线性递增；K一定，DCSI随Rth的平方呈递增趋势，大大减少了CSI量。

表1 减少的CSI量

3 系统仿真结果及分析

仿真模型如图1所示，假设有3个小区I=3，M=8，N=2，小区半径 R=1 000 m，Rth=200 m，存在4个用户A、B、C、D，其中用户A和B位于Cell0内，且用户 A为中心用户，离所在小区中心距离为100 m，离相邻小区中心距离为1 900 m，B为边缘用户，离中心基站距离为900 m，离相邻小区中心距离为1 100 m。C为Cell1内的中心用户，D为Cell2内的用户。

首先，选择一定Rth，使用户 D位于Rth范围内，成为中心用户。当小区Cell0检测到相邻小区无边缘用户存在时，小区Cell0仅仅成为单小区多用户的MIMO系统，采用2.1节算法，消除本小区用户间的干扰即可。仿真如图2所示，实线表示单小区预编码方法，虚线为传统的基站协作方法。由于受到相邻小区基站影响很小，表现为A、B，在两种系统中的误码率相当。

而当选择一定Rth，小区Cell0检测到仅用户D为边缘用户、C为中心用户时，无需考虑用户C的影响。通过基站协作通信，Cell0的基站可以获取D的CSI,与本小区用户A、B一起采用2.2节算法进行预编码，消除对D的干扰。此种情况仿真如图3所示，描绘了两种算法的误码率结果。一种算法是传统方法，Cell0基站通过多小区协同，得到用户 A、B、C、D的 CSI，然后进行预编码。第二种算法则是如上文所述,仅通过 A、B、D的 CSI进行预编码。从图3中可以看出,实线表示的新方法与虚线表示的传统方法比较，A、B的误码率仅略有下降，这主要是由用户C的干扰引起的。但由于新方法只需得到邻小区边缘用户的CSI,因此大大降低了系统的复杂度。

针对MIMO多小区区间干扰问题,根据用户的不同位置，可以采用不同的预编码策略。相对于传统的多小区MIMO协同，新方法所需传输的CSI大大减少，并保持了系统性能，从而更加具有实用性，仿真结果也证明了该方法的有效性。

[1]GESBERT D,HANLY S,HUANG H,et al.Multi-cell MIMO cooperative networks:a new look at interference[J].IEEE Journals on Selected Areas in Communications,2010,28(9):1380-1381.

[2]ZHANG R,CUI S.Cooperative interference management with MISO beamforming[J].IEEE Transactions on Signal Processing,2010,58(10):5450-5458.

[3]DAHROUJ H,YU W.Coordinated beamforming for the multicell multi-antenna wireless system[J].IEEE Transac tions on Wireless Communications,2010,9(5):1748-1759.

[4]SOMEKH O,SIMEONE O,BAR-NESS Y,et al.,Cooperative multicell zero-forcing beamforming in cellular downlink Channels[J].IEEE Transactions on Information Theory,2009,55(7):3206-3219.

[5]COSKUN A.Transmit precoding for flat-fading MIMO multiuser systems with maximum ratio combining receivers[J].IEEE Transactions on Vehicular Technology,2011,60(2):710-716.

[6]DU J,LI S L.Tomlinson-harashima precoding for multiuser MIMO downlink with imperfect channel state information[C].IEEE International Conference on MTMA,2011:1027-1030.

[7]LI W,LATVA-AHO M.An efficient channel block diagonalization method for generalized zero forcing assisted MIMO Broadcasting Systems[J].IEEE Transactions on Wireless Communications,2011,10(3):739-744.

[8]LI L J,GU G X.Design of optimal zero-forcing precoders for MIMO channels via optimal full information control[J].IEEE Transactions on Signal Processing,2005,53(8):3238-3246.

[9]ZHU J,YANG H C.Zero-forcing incremental beamforming transmission for multiuser MIMO systems[C].IEEE Conferences on Electrical and Computer Engineering,2010:1-4.