一种基于协方差矩阵的MU-MIMO干扰消除算法研究*

杨中豪，王 琼

（重庆邮电大学 通信与信息工程学院，重庆 400065）

0 引言

为了减小干扰及提高小区边缘用户容量，3GPP一直致力于研究干扰消除技术。这些技术要么使用半静态时域技术(eICIC，FeICIC)，要么使用动态技术，如 CoMP技术，这些技术对同步有不同的需求，并且要求无线网络之间要信息共享，被称为发送端网络辅助干扰抑制技术。同时，多用户MIMO干扰消除技术也可以在终端进行，这不需要网络之间的协助。如果一个终端接收机能够识别出干扰组成，则它就能抑制干扰，提高接收信号的信干噪比[1]。

1 多小区MIMO系统模型

实际通信系统中，相邻小区间存在干扰[2]。图1为多 小区MIMO系统模型[3]。

图1 多小区MIMO系统模型

图1是K个相邻小区的等效MIMO系统模型。需要说明的是，K×NT个发射天线发射的信号经过相互独立的无线通信信道后被接收端接收处理[4]。接收信号向量y表示如下：

将干扰信号以及接收端的噪声看成一个整体，式(1)可以化简为：

其中：

2 一种基于协方差矩阵估计的IRC算法

LTE-A系统中，现阶段有两种估计协方差矩阵的方法：一种是基于数据信号的协方差矩阵估计，另一种是基于参考信号的协方差矩阵估计。下面分别对这两种方案进行介绍。

2.1 基于数据信号的协方差矩阵估计

一般情况下，干扰信号与噪声是不相关的，故接收数据信号的自相关矩阵可以表示为：

文献[5]中，给出了联合时、频域的Ryy的计算表达式：

式中，L为时域OFDM符号的个数，B为频域子载波的个数，y(k，l)为第k个子载波、第l个 OFDM符号上的接收数据。

因此，在基于数据信号的协方差矩阵估计方法中，wH可以表示为：

基于数据信号的协方差估计是一种利用样本均值代替统计平均的方法，基于数据信号的协方差估计的关键是样本点的选取问题。

2.2 基于参考信号的协方差矩阵估计

文献[6]给出了另一种计算协方差矩阵的方法，即基于DM-RS参考信号的协方差矩阵估计法。

在基于DM-RS参考信号的协方差矩阵估计法中，同基于数据信号的协方差矩阵估计法一样，也考虑了利用样本均值代替统计平均的方法。

故基于DM-RS参考信号的协方差矩阵估计方法中，wH可以表示为：

虽然基于DM-RS参考信号的协方差矩阵估计法对协方差矩阵u的估计较为精确，进而对干扰抑制的效果也较为明显。因此在LTE-A系统标准化过程中得到了采用[7]。但是在整个估计过程中，只是利用了参考信号位置信息，并不能像基于数据信号的协方差矩阵估计法那样可以利用所有接收数据信号，因此，这种方案资源利用不充分。

3 一种基于样本点选取的协方差矩阵估计的改进

3.1 样本点选取方案

LTE-A系统中，只有在满足相关带宽和相关时间的条件下，信道矩阵H、Gi才是慢衰落的。此时样本点选取的越多，样本均值越接近统计平均。如果在不满足相关时间和相关带宽的条件下，过多地选取样本点，会因选取到下一统计时刻的样本点而影响性能。

文献[8]给出了计算相关带宽Bc和相关时间Tc的方法，结合文献[9]定义的不同信道类型的参数，可以得到不同信道下的相关带宽以及相关时间。图2所示为时频资源块帧结构和样本点选取的方案。

图2 时频资源块帧结构和样本点选取的方案

3.2 基于样本点选取的协方差矩阵估计方案

LTE-A系统中，基于DM-RS参考信号的协方差矩阵估计的方案直接估计了干扰和噪声的协方差矩阵，因而干扰消除性能较优。因此，本文采用此思想对干扰和噪声的协方差矩阵估计方法进行了改进。改进思路是：首先采用基于数据信号的协方差矩阵估计的方案对原始发送信号做初步估计，这个过程中用一个PRB中的数据信号进行估计；其次采用基于DM-RS的协方差矩阵估计的思想，利用发送信号的初步估计值对协方差矩阵再次估计。具体实现过程如下所示。

(1)采用基于数据信号协方差矩阵估计的方案估计权重矩阵 wH：

此过程中，选取一个PRB中的资源粒子作为研究对象。

(2)采用基于数据信号协方差矩阵估计的方案初步估计发送信号向量：

(3)采用基于参考信号协方差矩阵估计的思想再次估计协方差矩阵Ruu：

其中：

(4)采用基于参考信号的协方差矩阵估计的思想再次估计权重矩阵wH：

(5)基于样本点选取的协方差矩阵估计方案估计得到的发送信号向量为：

3.3 算法流程图

改进后IRC算法流程图如图3所示。

图3 改进后IRC算法处理流程图

4 仿真与分析

4.1 仿真参数配置

主要仿真参数配置如表1所示。

4.2 仿真性能分析

为了分析各种算法的干扰消除性能，本文采用BER进行度量。在LTE-A协议规定的三种信道环境下对其进行性能仿真，仿真结果如图4～图6所示。

由图可以看出，IRC算法的干扰抑制效果强于MRC算法，这是因为IRC算法在合并接收信号时，不仅考虑了干扰信号对期望信号的影响，而且考虑了高斯白噪声对期望信号的影响。

表1 仿真参数配置

图4 EPA5信道下几种算法性能比较

图5 ETU300信道下几种算法性能比较

基于参考信号的协方差矩阵估计由于直接估计了干扰和噪声的协方差矩阵，因此干扰抑制性能优于基于数据信号的协方差矩阵估计。当误比特率为10-1时，基于参考信号的协方差矩阵估计的IRC算法较基于数据信号的协方差矩阵估计的IRC算法有2 dB的性能增益。

改进后的IRC算法干扰消除性能优于基于参考信号的协方差矩阵估计的IRC算法。这种算法通过利用基于数据信号的协方差矩阵估计首先对初始发送信号做初步估计，在此基础上实现协方差矩阵的二次估计，克服了基于参考信号的协方差矩阵估计方案在利用资源方面存在欠缺的问题。

图6 EVA70信道下几种算法性能比较

5 结论

本文重点研究了基于协方差矩阵估计的IRC算法，即基于数据信号和基于参考信号的协方差矩阵估计的IRC算法。根据两种估计方案的优点与不足，从利用时频资源的角度出发，给出了一种基于样本点选取的协方差矩阵估计方案。仿真结果表明，改进后的IRC干扰抑制效果更佳，更适合应用于多用户MIMO系统。

[1]李家荣.LTE系统中的小区间干扰消除技术仿真研究[D].成都：西南交通大学，2011.

[2]寇俊楠.LTE链路接收端干扰消除技术研究[D].成都：电子科技大学，2012.

[3]ZHANG C，LIU L，WANG Y，et al.A highly parallelized MIMO detector for vector-based reconfigurable architectures[C].2013 IEEE Wireless Communications and Networking Conference.Shanghai：IEEE Press，2013：3844-3849.

[4]蒙艳.LTE-A系统中空间复用MIMO信号检测算法研究[D].重庆：重庆邮电大学，2014.

[5]3GPP R1-070996.Nokia.Open Loop DL Transmit Diversity for Common Control Channels[R].3GPP TSG RAN WG1#48 Meeting.

[6]3GPP TR 36.829.3rd General Partnership Project；Technical Specification Group Radio Access Network；Enhanced performance requirement for LTE User Equipment(UE)(R11)[S].2012.

[7]刘丽，王琼，刘晓江.LTE-Advanced终端同频干扰消除算法研究[J].广东通信技术，2014，34(9)：45-48.

[8]杨大成.移动传播环境[M].北京：机械工业出版社，2003.

[9]3GPP TS 36.101 V8.c.0.User Equipment(UE)radio transmission and reception(R8)[S].2010.