蜂窝D2D异构网络非对称干扰对齐算法

2017-07-06秦智超张纬栋

中国电子科学研究院学报 2017年3期

关键词：蜂窝异构滤波

章扬，秦智超，张纬栋，陆洲

(中国电子科学研究院，北京 100041)

工程与应用

蜂窝D2D异构网络非对称干扰对齐算法

章扬，秦智超，张纬栋，陆洲

(中国电子科学研究院，北京 100041)

针对蜂窝D2D异构网络中蜂窝通信与D2D用户间的相互干扰问题，提出了一种基于分组的干扰对齐算法，通过对D2D用户进行分组，将蜂窝通信基站对D2D通信用户的干扰对齐到相同的信号空间，并根据蜂窝通信和D2D通信对传输速率的不同需求，设计相应的预编码矩阵和接收滤波矩阵，消除用户间干扰对通信的影响。仿真实验表明，在有限的天线配置条件下，提出的干扰对齐算法，能够满足蜂窝D2D异构网络中对系统传输容量的不同需求，具有良好的应用价值。

多输入多输出系统；干扰对齐；设备到设备网络；蜂窝网络；预编码矩阵

0 引言

随着当前无线通信的快速发展，一方面频谱资源日益紧张，难以满足快速增长的业务需求，另一方面海量通信设备间的相互干扰越来越严重，导致整个系统性能的严重下降。D2D通信通过使用与蜂窝通信相同的时间和频率资源进行数据传输，不仅能够有效提高频率使用效率，还能够极大提高系统传输性能[1-3]，得到了学术界和工业界的广泛重视和应用，也已经被3GPP标准化组织作为新一代通信系统的关键技术之一。然而，相对于传统的蜂窝通信系统，蜂窝D2D混合异构网络中允许D2D通信终端在蜂窝通信相同的时频资源块内进行数据传输，不仅导致了对蜂窝通信用户的干扰，其自身也受到蜂窝通信的严重干扰，无法保证数据传输质量。

对于蜂窝D2D混合异构通信网络，如何进行无线资源的高效共享是面临的基础问题，当前主流的无线资源共享和干扰避免模式分为正交化的无线资源共享和复用两种方式。其中正交化的无线资源共享是通过将相互正交的无线资源分配给蜂窝通信用户和D2D通信用户，在这种模式下，D2D通信使用蜂窝网络的空闲无线资源进行数据传输，若蜂窝无线通信系统处于繁忙状态，则D2D通信将因为无法获得所需要的无线通信资源而无法进行；复用方式是D2D通信用户重复使用正在被蜂窝用户使用的无线资源，这种工作方式能够有效提高频谱资源的利用率，从而提升系统性能。但是在这种模式下，必然会导致各用户间的相互干扰，因此如何解决用户间的干扰问题，是当前蜂窝D2D混合异构通信网络面临的重要问题。为解决D2D通信的干扰问题，提高频谱资源的利用率，学术界提出了多种干扰管理的方案，典型的有干扰协调[4]，干扰消除[5]，资源管理[6]等。此外，功率控制也作为D2D通信干扰消除的重要手段，得到了广泛的研究[7-11]，取得了一定的效果，但是功率控制本身又会导致传输速率的大幅降低，从而降低无线通信系统的性能。

随着新一代无线通信技术的快速发展，热点地区小区半径越来越小，导致小区间干扰显著增强，进一步降低了无线通信系统的性能。在这种情况下，传统上以功率分配为主的干扰管理和无线资源共享技术难以适应蜂窝D2D混合异构网络的需求。

MIMO技术通过采用多根天线进行信号发送和接收，拓展了通信信号在空间域的维度，将原来仅仅在频率和时域的信号处理问题扩展到时间、频率和空间三维，为系统的干扰管理提供了新的机会。干扰对齐作为一种新兴高效的干扰管理机制，其基本思想是基于全局的信道状态信息，通过预编码技术对信号进行旋转，将干扰信号对齐到一个维度更低的信号空间，压缩干扰信号所占据的信号空间维度，并为期望信号预留足够的信号空间以实现数据传输。理论上，在配置足够资源的条件下，干扰对齐可以完全消除系统中的干扰，使系统获得最优的自由度。如何将干扰对齐技术应用到D2D通信的干扰管理中，也是学术界关注的重点问题，得到了广泛的研究，从多个角度提出了一些解决方案[13-19]。但在实际系统中，由于天线配置、信道状态反馈和计算复杂度的限制，往往难以实现完全干扰对齐。因此，有必要充分研究蜂窝D2D异构网络的结构特点，研究有效的干扰对齐策略。

与前人的工作不同，本章针对蜂窝D2D混合异构网络中的数据传输，提出了一种非对称干扰对齐方法，使得多个蜂窝用户和D2D通信用户能够共享时频资源而不产生相互干扰。首先通过D2D接收终端接收滤波器将小区蜂窝基站对D2D用户的干扰对齐到同一个信号空间。通过D2D发射终端预编码设计消除D2D用户间的干扰。通过蜂窝用户终端接收滤波矩阵设计消除D2D通信对蜂窝通信的干扰。最后，通过蜂窝通信基站的设计，消除蜂窝通信对D2D通信的干扰，以及蜂窝通信用户间干扰。在信噪比较高的条件下，与传统的频率、时隙正交复用方案相比，提出的算法能够有效消除用户间干扰，提高频谱资源的使用效率。

本章的主要内容组织如下：第2节给出了系统模型，第3节介绍了非对称干扰对齐算法的实现，第4节对算法的可行性条件进行了分析，第5节对所提出的算法进行了仿真分析。

1 系统模型

如图1所示，考虑蜂窝D2D异构网络下行链路，且设系统采用FDD模式，其中蜂窝小区数量为1，且基站覆盖范围内存在L个D2D通信小区。蜂窝小区的用户数量为K1，而D2D通信小区的用户数量为K2。蜂窝通信基站和用户的天线数量分别为N1和M1，D2D通信基站和用户的天线数量分别为N2和M2。每个D2D通信用户的自由度为1，每个蜂窝通信用户的自由度为D。设蜂窝通信小区的编号为0，D2D通信小区的编号为1,…,L，则蜂窝通信小区内用户i(记为用户(0,i))的接收信号为：

(1)

上式右边第一项为期望信号，第二项为蜂窝通信小区内用户间干扰，第三项为D2D通信对蜂窝通信用户的干扰，最后一项为噪声。上式中U0,i为蜂窝通信用户的接收滤波矩阵，V0,i和Vl,k分别为蜂窝通信用户(0,i)和D2D通信用户(l,k)的发送预编码矩阵，Hl0,i为从D2D通信基站l到用户(0,i)的信道矩阵。

图1 蜂窝D2D异构网络系统结构示意图

类似地，D2D小区l内用户i(记为用户(l,i))的接收信号为：

(2)

上式右边第一项为期望信号，第二项为所在D2D通信小区内用户间干扰，第三项为其它D2D通信小区基站产生的干扰，第四项为蜂窝通信小区基站的干扰，最后一项为噪声。上式中Ul,i为D2D通信小区l中用户i的接收滤波矩阵，Hjl,i和H0l,i分别为从D2D通信小区j和蜂窝通信小区基站到用户 (l,i)的信道矩阵。

2 非对称干扰对齐方法实现

采用发送端和接收端预编码的方式进行干扰消除。考虑到D2D通信小区主要传输低速高可靠性业务的特性，因此采用单数据流的方式进行传输，即每个微小区用户的自由度为1，并重点消除对本小区用户的干扰。而蜂窝通信主要传输高速业务，因此采用多数据流的方式进行传输，即每个宏小区用户的自由度大于或等于1。

Step 1通过对D2D通信用户的接收滤波器设计，实现对同一D2D通信小区用户的分组，将蜂窝通信基站小区对同一D2D通信小区内用户的干扰对齐到相同的信号空间。即对任意D2D通信小区l有：

(3)

对上式进行求解，可以通过下式得到干扰空间和D2D通信用户的接收滤波矩阵：

(4)

Step 2通过对蜂窝通信基站的预编码设计，完全消除蜂窝通信基站对D2D通信小区用户的干扰，具体方法如下：

(5)

Step 3考虑到蜂窝通信小区用户传输速率高，对干扰更为敏感，且已获得合法频谱使用授权，需要完全消除对蜂窝通信用户的干扰，首先通过蜂窝通信用户接收滤波矩阵的设计使蜂窝通信用户间干扰最小化，具体方法如下：

对蜂窝通信小区用户k的第d个子数据流，其接收滤波矩阵为：

(6)

其中

(7)

ν1(A)为矩阵A的最小的特征值所对应的特征向量。

Step 4考虑到D2D通信数据速率低，发射功率低，相互干扰较弱。为降低对天线数量的要求，对D2D通信发射预编码矩阵的设计以消除对蜂窝通信用户和同一D2D小区内其它用户的干扰为目标，具体方法如下：

(8)

3 可行性条件分析

在上述方法中，要实现对D2D通信用户的分组和蜂窝通信小区基站干扰的消除，式(4)和(5)必须满足可行性条件；要实现蜂窝通信用户间干扰消除，(6)式必须满足可行性条件；要实现D2D通信基站对蜂窝通信用户和同一D2D通信小区其它用户的干扰消除，式(7)必须满足可行性条件。

首先分析式(4)的可行性条件，式中Fl的维度为K2N1×(N1+K2M2)，要使Xl有解，必须满足条件：K2N1+1≤(N1+K2M2)，即：

(9)

其次分析式(5)的可行性条件，式中等式右边中[G1G2… GL]的维度为：N1×L，因此，要使V0有解，且每个蜂窝通信用户的自由度达到D1，必须满足N1≥L+K1D1。

再次，分析(6)的可行性条件，要使用户间干扰最小化到零，蜂窝通信用户的接收机信号空间必须大于等于所有用户的自由度，即必须满足M1≥K1D1

最后，分析式(7)的可行性条件，式中等号左边求解零空间矩阵的维度为：N2×(K1D1+K2-1)，因此，要使Vl,i有解，必须满足N2≥K1D1+K2

综上所述，该方法实现的可行性条件为：

(10)

4 仿真分析

仿真条件设置为：蜂窝通信基站、D2D通信基站、蜂窝通信用户、D2D通信用户的天线数量分别为6，6，4，4；蜂窝通信用户的自由度均为2，D2D通信用户的自由度均为1，D2D小区的个数为2。无线传输信道小尺度衰落为高斯白噪声信道，其信道矩阵的每一个元素均为均值为0，方差为1的复随机变量。大尺度衰落采用ITU标准，如下所示：

(11)

其中r为发射机到接收机的距离，单位为km，f为工作频率，单位为MHz，仿真中设置为2 GHz。

性能比较基准：

(1) 匹配滤波算法。匹配滤波算法是多用户MIMO系统的标准技术之一，其基本原理是忽略噪声的影响，在获取全局信道状态信息的基础上最大化接收信干噪比，从而提高系统容量。

(2) 竞争接入机制。考虑到当前802.11和802.15.4标准均采用以CSMA/CD为代表的竞争接入机制，能够根据业务量灵活分配信号传输所需时间或频率资源，设每个时段仅允许一个小区发射信号，各小区通过时分复用的方式工作，并以参数gamma表示蜂窝小区传输时间和所有D2D小区传输时间之比。仿真中考虑到蜂窝小区用户业务量要远高于D2D小区用户，因此在该基准算法中，分别仿真了gamma为0.8和0.5两种情况。需要说明的是，考虑到竞争介入机制中大量冲突的存在，实际工作时系统性能要弱于仿真结果。

图2显示随着蜂窝小区基站发射功率增大，蜂窝小区系统容量的增长趋势。从图中可以看出，本项目提出的干扰消除算法，相对于传统匹配滤波方法法和竞争接入方法，在系统容量上具有显著的提升。

图2 蜂窝小区容量性能对比图

图3显示随着蜂窝小区基站发射功率增大，D2D小区系统容量的增长趋势。从图中可以看出，本项目提出的干扰对齐算法，在蜂窝通信小区进行高速传输时也能获得稳定的系统容量，且明显优于匹配滤波法。

图3 D2D小区容量性能对比

综上所述，本章所设计的干扰对齐方法，在有限的天线配置条件下，通过预编码设计，可以满足分层异构网络中对系统传输容量的不同需求，具有良好的应用价值。

5 结语

提出了一种基于分组的非对称干扰对齐算法，该算法通过对D2D用户进行分组，将蜂窝通信基站对D2D通信用户的干扰对齐到相同的信号空间，并根据蜂窝通信和D2D通信对传输速率的不同需求，设计相应的预编码矩阵和接收滤波矩阵，消除用户间干扰对通信的影响。仿真结果验证了该方法的有效性。下一步将重点围绕蜂窝D2D异构网络干扰对齐的干扰和功率联合优化设计等方面进行研究。

[1] K. Doppler, M. Rinne, C. Wijting, C. B. Ribeiro, and K. Hugl, "Device-to-device communication as an underlay to LTE-advanced networks," IEEE Communications Magazine, vol. 47, no. 12, pp. 42-49, Dec. 2009.

[2] G. Fodor et al., "Design aspects of network assisted device-to-device communications," IEEE Communications Magazine, vol. 50, no. 3, pp. 170-177, Mar. 2012.

[3] C. H. Yu, K. Doppler, C. B. Ribeiro, and O. Tirkkonen, “Resource Sharing Optimization for Device-to-Device Communication Underlaying Cellular Networks,” IEEE Transactions on Wireless Communications, vol. 10, no. 8, pp. 2752-2763, Aug. 2011.

[4] B. Soret, K. I. Pedersen, N. T. K. Jørgensen, and V. Fernández-López, “Interference coordination for dense wireless networks,” IEEE Communications Magazine, vol. 53, no.1, pp.102-109, Jan.2015.

[5] H. Zhang, C. Jiang, J. Cheng, and V. C. M. Leung, “Cooperative interference mitigation and handover management for heterogeneous cloud small cell networks,” IEEE Wireless Communications, vol.22, no.3, pp.92-99, Jun. 2015.

[6] C. Yang, J. Li, and M. Guizani, “Cooperation for spectral and energy efficiency in ultra-dense small cell networks,” IEEE Wireless Communications, vol. 23, no.1, pp.64-71, Feb.2016.

[7] F. Wang, C. Xu, L. Song, and Z. Han, “Energy-Efficient Resource Allocation for Device-to-Device Underlay Communication,” IEEE Transactions on Wireless Communications, vol.14, no.4, pp.2082-2092, Apr.2015.

[8] R. Yin, C. Zhong, G. Yu, Z. Zhang, K. K. Wong, and X. Chen, “Joint Spectrum and Power Allocation for D2D Communications Underlaying Cellular Networks,” IEEE Transactions on Vehicular Technology, vol.65, no.4, pp.2182-2195, Apr.2016.

[9] P. Janis, V. Koivunen, C. Ribeiro, J. Korhonen, K. Doppler, and K. Hugl, “Interference-Aware Resource Allocation for Device-to-Device Radio Underlaying Cellular Networks,” in VTC Spring 2009 - IEEE 69th Vehicular Technology Conference, 2009,pp.1-5.

[10]G. Fodor and N. Reider, “A Distributed Power Control Scheme for Cellular Network Assisted D2D Communications,” in 2011 IEEE Global Telecommunications Conference - GLOBECOM 2011, 2011, pp.1-6.

[11]C. Yang, J. Li, P. Semasinghe, E. Hossain, S. M. Perlaza, and Z. Han, “Distributed Interference and Energy-Aware Power Control for Ultra-Dense D2D Networks: A Mean Field Game,” IEEE Transactions on Wireless Communications, vol.16, no.2, pp.1205-1217, Feb.2017.[12]L. Yang, W. Zhang, and S. Jin, “Interference Alignment in Device-to-Device LAN Underlaying Cellular Networks,” IEEE Transactions on Wireless Communications, vol. PP, no.99, pp.1-1, 2015.

[13]J. Jiang, M. Peng, W. Wang, and K. Zhang, “Energy efficiency optimization based on interference alignment for device-to-device MIMO downlink underlaying cellular network,” in 2013 IEEE Globecom Workshops (GC Wkshps),2013,pp.585-590.

[14]X. Hu, Q. Wang, W. Wei, and L. Yang, “Device-to-Device Communication Underlaying MU-MIMO in Multi-Cell Networks with Interference Alignment,” in 2016 IEEE 83rd Vehicular Technology Conference (VTC Spring), 2016, pp.1-6.

[15]H. J. Chou and R. Y. Chang, “Interference-aware D2D mode selection in hybrid MIMO cellular networks,” in 2016 IEEE International Conference on Communications (ICC), 2016, pp. 1-7.

[16]X. Li, Y. Ren, H. Gao, and T. Lv, “Opportunistic interference alignment approach in device-to-device communications underlaying cellular networks,” in 2016 24th European Signal Processing Conference (EUSIPCO), 2016, pp. 1838-1842.

[17]H. J. Chou and R. Y. Chang, “Joint Mode Selection and Interference Management in Device-to-Device Communications Underlaid MIMO Cellular Networks,” IEEE Transactions on Wireless Communications, vol. 16, no. 2, pp. 1120-1134, Feb. 2017.

[18]H. E. Elkotby, K. M. F. Elsayed, and M. H. Ismail, “Exploiting interference alignment for sum rate enhancement in D2D-enabled cellular networks,” in 2012 IEEE Wireless Communications and Networking Conference (WCNC), 2012, pp. 1624-1629.

[19]H. E. Elkotby, K. M. F. Elsayed, and M. H. Ismail, “Shrinking the reuse distance: Spectrally-efficient radio resource management in D2D-enabled cellular networks with Interference Alignment,” in 2012 IFIP Wireless Days, 2012, pp.1-6.

Asymmetric Interference Alignment for Device-to-Device Underlaying Cellular Networks

ZHANG Yang, QIN Zhi-chao，ZHANG Wei-dong，LU Zhou

(China Academy of Electronics and Information Technology, Beijing 100041, China)

Aiming at the problem of mutual interference between cellular communication and D2D users in underlaying cellular networks, a novel group-based interference alignment scheme is proposed. By grouping D2D users, the interference from the cellular communication base station to D2D communication users is aligned to the same signal space. The corresponding pre-coding matrix and the receiver filter matrix are designed to eliminate the interference according to the different requirements of the transmission rate. The simulation results show that the proposed interference alignment algorithm can meet the different requirements of the transmission capacity of the underlaying cellular networks with limited antenna configuration, and have important theoretical and practical significance.

Multi-Input Multi-Output System; Interference Alignment; Device-to-Device Networks; Cellular Networks; Precoding matrix

10.3969/j.issn.1673-5692.2017.03.002

2017-04-01

2017-05-31

国家科技重大专项资助项目(2015AA015701)；国家自然科学基金资助项目(91338201);工程院咨询研究项目(2017-XY-04)

TN 911.72

1673-5692(2017)03-232-05