MRC和IRC算法在外场应用中研究分析

金 建 黄小平 闪静洁

（安徽新华学院电子通信工程学院 安徽合肥 230031）

一、引言

LTE 系统下行采用OFDMA 技术，上行采用DFT-SFDMA技术，下行分配给多个用户的子载波之间完全正交，上行采用同步技术，保证用户之间分配的频率资源的正交性，总起来讲，可以认为LTE小区内的频域资源之间基本不存在干扰，LTE系统内干扰主要是同频邻区相同的频率资源带来的干扰。邻小区之间的同频干扰主要是指目标小区容易受到边缘用户或者基站之间的干扰，干扰信号又分为上行信号干扰和下行信号的干扰[1]。同频干扰主要体现为四种情况。第一是目标小区和邻小区都处于上行时时隙时，用户与用户间容易发生干扰。第二种是邻小区处于上行时隙时，目标小区处于下行时隙，会产生用户与用户间的交叉时隙干扰。第三种是当邻小区和目标小区都处于下行时隙时，基站与基站之间会发生的干扰。第四种是当目标小区处于上行时隙，邻小区处于下行时隙时，基站与基站之间会发生的干扰。为了保证LTE同频组网性能，提升频率效率，必须使用相应的干扰抑制技术[1]。

二、抑制干扰算法分析

为了更好地合并基带信号，并为信号的合并处理创造条件，在基站接收端采用了基于多天线的配置。因为无论是有用信号还是干扰信号，信号到不同接收天线的信道衰落不同，多天线接收提供接收分集增强信号强度，可以通过对接收天线配置合理的加权系数可以提高接收机对抗衰落和干扰，从而可以改善无线网络的覆盖、容量和数据速率。接收端的多天线装置可以用来构成接收分集，或者接收端的干扰抑制处理[2]。

在接收分集技术中，最为常见的是最大比合并(MRC，MaximumRatio Combining)，它能够充分捕获各个接收分支的增益，其性能是最优的[4]。但是当系统中存在较强的用户间干扰时，MRC合并时仅仅将上述干扰当作噪声来处理，而此时干扰在接收信号起主导作用，势必引起检测性能急剧恶化，因此上行检测时必须需要考虑抑制用户间的干扰[4]。IRC（IRC，Interfence Rejection Combining）算法可以估计出干扰，将干扰抑制掉，能够提高上行检测性能，提高上行业务吞吐量。对于干扰抑制技术，更多的是考虑干扰信号的空间或者空时属性[4]。干扰抑制合并技术根据信道、空间噪声和干扰的协方差矩阵确定加权系数，也即并不仅仅是考虑干扰的功率值，还需要考虑干扰的空间以及时间上的相关性[4][8]。为了有效评估IRC方案在链路级的性能，首先需要确定干扰的模型：

图1 干扰模型

UE1为期望用户，位于小区1内，UE2为干扰用户，位于小区1 和小区2 的交叠区内，且与小区2 同步，通过调度为UE1和UE2 分配相同的时频资源，UE1和UE2经历独立的衰落在基站侧完成叠加。通过调整信干比(SIR)来近似模拟干扰用户的数量以及同道干扰的功率等。

假定小区半径较小，基站接收到的多小区UE的信号基本同步，且CP的长度远大于无线信道的时延扩展，每个子载波近似经历平坦衰落，那么等效的频域数学模型可以表达为：

式（1）中，H表示期望接收用户至基站的信道响应，Hi表示邻小区干扰用户i 到期望小区基站的信道响应，i=0…K-1，K表示干扰小区数用户数（所有干扰用户与期望用户的时频资源相同），s表示期望用户的发送信号，si表示干扰用户i的发送信号。

通过信号处理的知识可知，当误差量(r-Hisi)的各分量具有相同的方差且不相关时，使误差函数eHe=(r-H⋅s)H(r-H⋅s)最小的检测矩阵为 s =(HH⋅H )-1HHr，即为MRC检测矩阵w=(HH⋅H )-1HH。当不存在干扰I时，此时N的各分量具有相同的方差且不相关，因此MRC检测是最优的。而当存在干扰I 时，尤其是接收天线间距较小，各天线之间具有较强相关性时，I+N已经具有一定的相关性了，此时的MRC检测矩阵已经不能满足前提条件假设了，因此需要构造新的检测矩阵，即IRC检测矩阵。

令e=I+N的协方差矩阵为σ2Re，且Re=PPH，e=(r-H⋅s)，ε =P-1e，x=P-1r，则式(2)可以写成如下表达式

变量ε的协方差矩阵为

因此变量ε各分量具有相同方差且不相关，此时的等效信道矩阵=P-1⋅H，表达式可以表示成

由于ε各分量具有相同方差且不相关，则使误差函数(x-⋅s)H(x-H⋅s)最小的检测矩阵表达式为

则此时的IRC检测矩阵为w=(HH⋅Re-1⋅H)-1⋅HH⋅Re-1，其中Re为干扰和/或噪声协方差矩阵。

从以上的分析看出，当不存在干扰时，MRC 检测矩阵w=(HH⋅H)-1⋅HH是最优的检测矩阵，而当存在干扰时，MRC 检测矩阵已经不能满足检测的前提条件了，此时IRC 检测矩阵 w=(HH⋅Re-1⋅H)-1⋅HH⋅Re-1为最优检测矩阵。MRC和IRC算法可以通过两种算法准则进行比较。

串行干扰消除迫零ZF准则

最小均方误差MMSE准则[2]

ZF和MMSE相比，算法比较简单，容易实现，但它需要较高的信噪比条件。因为迫零检测算法ZF是给接收信号乘以信道矩阵的逆，其他用户对它的的干扰可以消除，但同时噪声也乘以信道矩阵的逆，一般来说，信道矩阵的系数小于1，它的逆就是大于1，也就是说给噪声乘了一个大于1 的因子，必然放大了噪声。

三、仿真分析

存在干扰用户时候，分为两种场景，一种是信干噪比较低时候，一种是信干噪比较高时候。当信干噪比较低场景时候研究哪种方法才能够抑制干扰用户的信号最好；接收端到达角差异越大，即用户的角度方向越分散，哪种算法抑制干扰效果最好；用户数越多，接收端存在干扰的来波方向越多，IRC和MRC算法能够是否受到影响。当干扰较大时候比较两种算法的性能。

表1 仿真参数

图2 无信干噪比时各接收算法的性能

图3 SIR=-6dB时各接收算法的性能

图4 SIR=0dB时各接收算法的性能

四、结语

根据以上仿真及分析可知，IRC 算法的应用有以下特点：

IRC 算法适用于较低信干噪比的场景。信干噪比较低时，IRC 检测性能远好于MRC 检测，因为MRC 没有考虑干扰信号，而IRC检测能够抑制干扰用户的信号。

接收端到达角差异越大，即用户的角度方向越分散，则IRC算法抑制干扰用户的效果越好以SCME-B信道、MCS为5 为例，干扰用户与本用户夹角为60 度相比夹角为15 度在10%BLER处会有大概4dB的信干比提升；

用户数越多，接收端存在干扰的来波方向越多，IRC 抑制能力会削弱用户数越多，干扰信号的总功率增加，IRC的性能会变差。如，存在2个干扰用户与存在1个干扰用户的性能差异大约在6-7dB。

IRC算法在有较大干扰情况下优于MRC算法。

如果干扰较大，选择IRC 算法；如果干扰较小，选择MRC算法。综合以上分析，两种算法在不同干扰以及不同信噪比时性能不同，因此理论上MRC和IRC自适应算法增益更高。