一种基于动态功率分配的干扰对齐优化方法

张翠平，刘 允

(中国电子科技集团公司第五十四研究所，北京100070)

一种基于动态功率分配的干扰对齐优化方法

张翠平，刘 允

(中国电子科技集团公司第五十四研究所，北京100070)

干扰对齐是解决无线通信系统中同频干扰的有效手段，显著地提高了多小区MIMO系统的容量。为了解决常规干扰对齐算法只在空间域上对齐的不足，提出一种联合功率分配的干扰对齐优化方案。基于信道矩阵的弦距离计算和优化干扰对齐方案的预编码矩阵；然后在用户的各个数据流之间进行动态功率分配，使干扰进一步减小。仿真结果表明，相比已有的预编码矩阵设计方案，系统容量有明显的改进，降低了系统误码率，具有良好的工程适用性。

干扰对齐；多输入多输出；预编码；功率分配

0 引言

为了满足未来高速发展的无线通信应用需求，多输入多输出(MIMO)技术[1-2]以其有效利用信号空间资源，提高系统容量和频谱利用率的显著优势，被公认为下一代无线通信新空口的核心技术之一[3-4]。目前，3GPP在LTE-A中也提出了诸如载波聚合、增强多天线等很多新的关键技术以提高无线通信系统的性能。然而，用户间干扰(Inter-User Interference,IUI)和小区间干扰(Inter-Cell interference,ICI)在同频组网方式下依然存在[5-6]，极大地制约了多天线技术的性能优势。因此，如何在多小区MIMO系统中有效地抑制干扰，提高频谱利用率是当前学术界研究的热点[7-8]。

相对于传统的时频域等干扰处理技术，干扰对齐技术(Interference Alignment ,IA)具有明显优势和研究潜力，可以获得更高的系统容量，为解决上述问题开辟了一种新方法。目前，该技术的研究实现方案主要可分为两类：一类为基于求闭式解实现的干扰对齐算法[10-11]，也称之为经典干扰对齐算法；一类为基于分布式迭代实现的干扰对齐算法[14-15]。其中，文献[10]提出了适用于多小区MIMO系统的基于求闭式解的经典干扰对齐算法；文献[11]基于文献[10]提出了一种基于特征子信道的预编码矩阵优化方案；文献[12-13]则提出了一种基于信道矩阵分解和弦距离准则的协作干扰对齐的优化算法，不仅选取最好的特征子信道传输有用信号，同时选取远离干扰的预编码矩阵。为了避免基于求闭式解的经典算法依赖于全局理想信道状态信息的缺点，文献[14]首次提出了一种基于信道互易特性的分布式迭代实现的干扰对齐算法；文献[16]则进一步提出了基于矩阵投影距离的一种联合优化干扰和信号的迭代干扰对齐实现算法。文献[17-18]则是针对多用户MIMO进行了研究分析，提出了分布式的干扰抑制优化方法，扩大了算法的适用性。

上述各类干扰对齐实现方案均是基于固定功率分配的条件下实现的，未充分考虑不同信道条件下发射端功率动态分配问题，并未实现对干扰对齐算法的联合优化。为解决上述问题，本文提出了一种基于动态功率分配的干扰对齐联合优化方法。该方法首先通过对矩阵进行奇异值分解，基于矩阵弦距离来计算和优化预编码矩阵；其次，根据所获得预编码矩阵的特征向量所对应的特征值确定功率分配矩阵，在用户的各个数据流之间进行动态功率分配；最后，基于矩阵弦距离选择和优化接收矩阵，使得每个接收端的期望信号子空间与总的期望信号空间的平方距离最小，从而使得干扰进一步减小。仿真结果表明，提出算法在系统容量和误码性能上有明显的改进，且其实现方案未利用反复迭代计算和优化预编码及干扰抑制矩阵，显著降低了实现的工程复杂度。

1 系统模型

本文研究的多小区MIMO协作系统如图1所示，每个接收端不仅收到自己的期望信号，同时还收到另外小区发射的干扰信号。以第k个接收端为例，其收到的信号可表示如下：

式中，第一项为有用信号，第二项为来自其他小区发射的干扰信号，最后为噪声项。Hkj代表从小区j的发射机到小区k接收机的信道矩阵，Wj代表干扰对齐预编码矩阵，Sj(j=1,2,3)为第j个小区发射端发送信号矢量，dk为第k个小区收发机之间并行传输的有效数据流个数。

图1 3用户干扰对齐系统模型

2 经典干扰对齐算法

预编码矩阵的设计是干扰对齐技术实现的关键，文献[10]描述了经典干扰对齐算法的实现方案。协作的多小区多用户要利用干扰对齐实现干扰抑制，就需把来自另外两个用户的干扰信号在同一个子空间实现对齐，则发射端预编码矩阵必须满足如下条件：

式中，span(A)代表由矩阵A的列向量所张成的空间。上述条件可以进一步简化等效为：

(1)

3 基于动态功率分配的干扰对齐联合优化方法

3.1 干扰对齐预编码矩阵优化

基于文献[12]中预编码矩阵的优化准则，首先实现对预编码矩阵的优化选择。以编号为1的发射基站为例，其预编码矩阵W1优化如下[12]：

(2)

式中，ω为权重因子，w1m为矩阵W1的第m列。多小区协作通信情况下，选择预编码矩阵时，不仅仅只考虑一个基站最优，同时需要对参与协作通信的基站端预编码矩阵行优化选择，才能实现整系统性能最优，即：

(3)

依据式(3)即可实现对发射端预编码矩阵的优化选择。

3.2 动态功率分配

上节基于矩阵弦距离准则对发射端预编码矩阵进行了优化设计选择，使得多发射机协作系统的干扰有所降低，但是发射端用户的功率分配仍然是固定平均分配的，即各个用户数据流的发射功率一致。此时，并没有充分考虑各数据流经历信道状态的不同。因此，本文提出了将功率与干扰对齐算法联合优化的方法，在发射端根据获取的信道状态信息，在各个不同的数据流之间进行灵活的功率分配，以进一步降低干扰，提高系统性能；同时，在相同QoS要求下，通过动态的功率分配，可以进一步降低发射功率，满足未来5G绿色通信的需求。

根据最大化用户发射功率准侧，本文提出的用户k最优的功率分配矩阵可表述如下：

(4)

这里，dk是用户k的自由度，并且dk≤Mk,λMk-dk+i是矩阵HkkWkk的非零特征向量。综上所述，基于动态功率分配的干扰对齐优化方法步骤如下：

① 首先，依据式(1)计算发射端用户的所有预编码矩阵；② 然后，根据式(3)计算和选择最优的预编码矩阵；③ 最后，根据式(4)实现对发射端用户各个数据流的动态功率分配。

4 仿真分析

本节利用matlab仿真工具分析了算法的性能和适用性，对提出的基于动态功率分配的干扰对齐优化算法(JP-IA)、经典干扰对齐算法(CJ-IA)[10]以及基于信道矩阵弦距离的干扰对齐算法[12](CHD-JA)等进行了分析比较。仿真条件设置如下：各用户信道均为独立同分布的复高斯瑞利信道，且方差为1均值为0；小区个数为3；用户侧和基站侧均配置4根天线；每个基站均采用功率均分方案，且满足功率受限条件。另外，权重因子ω与平均SNR和用户数量有关，随SNR的增大而减小且为非负值，仿真中与SNR=[5,10,15,20,25,30,35,40]对应的ω值为[0.4,0.4,0.2,0.2,0.1,0.05,0.05,0.01]，其1 000次蒙特卡罗仿真结果分别如图2和图3所示。

图2 不同干扰对齐算法吞吐量比较曲线

图3 不同干扰对齐算法误码率比较曲线

首先，图2给出了各算法的系统容量(和速率)比较曲线。可以看出其他干扰对齐算法性能明显优于CJ-IA算法，这是因其采用简单的干扰迫零处理，从而损失了有用信号功率[10]导致的；而本文提出的联合功率(JP-IA)干扰对齐优化算法的性能明显优于其他算法，尤其在在中低信噪比条件下，本文算法的性能优势更加明显，这是由于该算法不仅对该预编码矩阵进行了优化，选择一组最好的特征子信道传输有用信号，同时使有用信号远离干扰信道，并进一步根据等效传输信道情况，在用户的各个数据流之间进行动态的功率分配，从而使系统容量有明显改进。

图3给出了在调制方式为QPSK、采用OFDM多载波传输且理想同步的条件下，不同干扰对齐算法下系统误码率随信噪比的变化情况。从图中可以看出本文提出的联合功率(JP-IA)干扰对齐优化算法的误码性能明显优于其他两种算法。对比图2和图3可知，采用基于信道条件的JP-IA干扰对齐优化算法，在用户的各个数据流之间动态地分配功率，相比固定功率分配方法，有效地降低了系统的误码率。

5 结束语

作为一种新型的信号处理技术，干扰对齐技术为改善多用户无线通信系统中小区边缘用户性能和提高系统吞吐量提供了有效途径。该技术是多小区多用户MIMO系统同频干扰抑制技术的一个突破，能获得显著的自由度和系统容量增益。本文研究了3小区MIMO系统中多用户子流干扰对齐技术方案的实现，提出了一种联合动态功率分配的二维干扰对齐优化方法。首先，基于矩阵弦距离准则，对信道矩阵进行奇异值分解，计算和优化预编码矩阵；然后根据等效信道条件在用户的各个数据流之间进行动态功率分配，使干扰进一步减小。提出的算法不仅在接收端有效地抑制了用户间干扰，增强了有用信号；同时，基于直接求解计算预编码矩阵，使整系统的复杂度大大降低，具有良好的工程适用性。最后，本文提出的基于动态功率分配的优化方法，进一步降低了系统功耗，符合未来5G绿色通信的需求，具有广阔的应用前景。

[1]GoldsmithA.WirelessCommunication[M].Cambridge:CambridgeUniversityPress,2004:321-350.

[2]DavoodiAG,JafarSA.GeneralizedDoFoftheSymmetricK-userInterferenceChannelunderFinitePrecisionCSIT[C]∥2016IEEEInternationalSymposiumonInformationTheory(ISIT)，2016：1307-1311.

[3]RuanL,LauVKN,WinMZ.TheFeasibilityConditionsforInterferenceAlignmentinMIMONetworks[J].IEEETransactionsonSignalProcessing,2014,61(8):2066-2077.

[4] 尤肖虎,潘志文,高西奇,等. 5G移动通信发展趋势与若干关键技术[J]. 中国科学：信息科学,2014,44(5):551-563.

[5]LuY,ZhangW.DownlinkBlindInterferenceAlignmentforCellularNetwork[C]∥IEEEGlobalTelecommunicationsConference(GLOBECOM),2008:3337-3342.

[6]NaC,HouV,JiangH.InterferenceAlignmentBasedDynamicTDDforSmallCells[C]∥GlobecomWorkshops,2014:700-705.

[7] 马庆鹏,徐家品. 多小区多用户MIMO系统干扰对齐的优化[J].无线电通信技术,2013,39(6):51-54.

[8]HuangC,JafarSA,ShamaiS,etal.OnDegreesofFreedomRegionofMIMONetworksWithoutChannelStateInformationatTransmitter[J].IEEETransactionsonInformationTheory,2012,58(2):849-857.

[9]SuhC,HoM,TseD.DownlinkInterferenceAlignment[J].IEEETransactionsonCommunications,2011,59(9):2616-2626.

[10]CadambeVR,JafarSA.InterferenceAlignmentandtheDegreesofFreedomfortheKUserInterferenceChannel[J].IEEETransactionsonInformationTheory,2008,54(8):3425-3441.

[11]王存祥，邱玲. 协作多点传输中一种基于特征子信道的干扰对齐预编码矩阵优化方案[J]. 信号处理，2011,27(3):395-399.

[12]徐冰，谢显中，马彬,等.MIMO干扰信道下的协作干扰对齐优化算法[J].信号处理，2012,28(2):220-225.

[13]LiuY，ZhaiL.AnOptimizedInterferenceAlignmentAlgorithmBasedonMax-SINRCriterionforMIMOSystem[J].JournalofCommunications,2015,10(6):450-456.

[14]GomadamKS,CadambeVR,JafarSA.ApproachingtheCapacityofWirelessNetworksThroughDistributedInterferenceAlignment[C]∥IEEEGlobalTelecommunicationsConference(GLOBECOM),2008：1-6.

[15]KumarKR,XueF.AnIterativeAlgorithmforJointSignalandInterferenceAlignment[C]∥2010IEEEInternationalSymposiumonInformationTheoryProceedings(ISIT),AustinTexasUSA,2010:2293-2297.

[16]GomadamKS,CadambeVR,JafarSA.ADistributedNumericalApproachtoInterferenceAlignmentandApplicationstoWirelessInterferenceNetworks[J].IEEETrans.onInf.Theory,2011,57(6):3309-3322.

[17]KongZ,YangS,WuF,etal.IterativeDistributedMinimumTotalMSEApproachforSecureCommunicationsinMIMOInterferenceChannels[J].IEEETrans.onInf.ForensicsandSecurity,2015,11(3):594-608.

[18]ZongZ,FengH,YuF,etal.OptimalTransceiverDesignforSWIPTin-UserMIMOInterferenceChannels[J].IEEETrans.onWirelessCommunications,2016,15(1):430-445.

An Optimized Interference Alignment Algorithm Based on Dynamic Power Allocation

ZHANG Cui-ping,LIU Yun

(The 54th Research Institute of CETC,Beijing 100070,China)

Interference alignment (IA) is one of the promising technologies to solve the co-channel interference in wireless communication systems. It can effectively improve system capacity and reliability. Based on a consideration of engineering applications,the realization of interference alignment for three-cell multiple-input multiple-output (MIMO) cooperative communication system is studied,and then a joint IA and power allocation algorithm is proposed,which is designed to decrease the effect of the interference from unwanted transmitters with less computational cost. Firstly,the pre-coding matrix and interference mitigation matrix are designed and optimized based on the decomposition of channel and the chord distance of matrix. Secondly,the power is allocated dynamically among different data streams of users to further reduce the interference. The simulation results show that,as compared with the existing interference alignment design schemes,the system throughput realized by the optimized algorithm is significantly improved. Furthermore,the optimized algorithm also has advantages in bit error rate,and has better engineering applicability than other algorithms.

interference alignment;multiple-input multiple-output;pre-coding;power allocation

10. 3969/j.issn. 1003-3114. 2017.04.09

张翠平，刘允.一种基于动态功率分配的干扰对齐优化方法[J].无线电通信技术,2017,43(4):35-39.

[ZHANG Cuiping,LIU Yun.An Optimized Interference Alignment Algorithm Based on Dynamic Power Allocation [J]. Radio Communications Technology,2017,43(4):35-39. ]

2017-03-20

国家高技术研究发展计划(863计划)项目(2014AA01A707)

张翠平(1968—)，女，高级工程师，主要研究方向：通信系统与网络。刘 允(1983—)，女，高级工程师，主要研究方向：高速宽带无线传输理论与技术，包括OFDM技术、多点协作传输技术、Massive MIMO技术等。

TN929.5

A

1003-3114(2017)04-35-5