干扰距离最远的多用户多天线干扰对齐算法

针对多用户多天线中小区边缘用户同频干扰问题,提出了一种基于干扰距离最远准则的多用户MIMO干扰对齐优化算法,通过对等效干扰信道进行SVD分解,选择与等效干扰信道矩阵距离最大的特征子信道作为传输预编码矩阵,并分析了算法复杂度以及空间相关性对性能的影响,仿真结果显示系统频谱效率较原始算法在8天线下有31.57％的提高.     

一种多用户MIMO系统干扰对齐优化算法

干扰对齐技术可以获得干扰信道自由度的最佳值,从而有效改善系统的性能。在实际系统中干扰对齐技术通常采用迭代的方法进行预编码矩阵与干扰抑制矩阵的设计,而迭代方法都需要对发送预编码矩阵进行初始化处理。然而,目前大多数已有的研究所采用的初始化处理方法都忽略了干扰的影响。因此,在此基础上提出了一种基于新的初始化方法的优化算法,该方法在初始化预编码矩阵中既考虑了干扰信号也考虑了有用信号。首先,选取均方误差和最小化作为优化目标,然后利用正交三角（QR）分解将信道空间分为有用信号空间与干扰信号空间来进行预编码矩阵的初始化设计,经过反复迭代得到发送预编码矩阵与干扰抑制矩阵的最优解。理论分析和仿真结果表明,所提算法在收敛性、均方误差、和速率等方面都优于其他算法。     

多小区MIMO系统中干扰对齐算法分析

干扰对齐技术是解决无线通信系统中同频干扰的重要手段,与传统干扰管理方法相比可获得更大的信道复用增益,提高系统容量。基于工程应用实现的考虑,重点研究了多小区MIMO系统中干扰对齐技术的实现,对求闭式解的经典算法和分布式迭代典型算法在系统容量、收敛性等方面的性能进行了分析比较。针对未来Massive MIMO技术的应用,同时仿真分析了算法在空间相关信道下性能,并分析总结了算法的适用情况。仿真结果表明,基于矩阵投影距离的分布式迭代干扰对齐算法综合性能最优,且具有更好的工程适用性。     

MIMO干扰信道下的协作干扰对齐优化算法

干扰对齐是将来自其他发射机的干扰信号对准到同一信号子空间,从而减少对期望信号的干扰的一种传输技术,近年来得到了广泛的关注.本文为K用户多输入多输出(MIMO)干扰信道系统提出了一种协作干扰对齐优化算法.通过对信道的奇异值分解,基于矩阵弦距离,不仅选出一组最好的特征子信道来传输信号,而且还选取一组有利于有用信号远离干扰信号的预编码矩阵,这样,可以最大化减少干扰对有用信号的影响.另外,本文还根据得出的预编码矩阵来计算和优化干扰抑制矩阵.本文算法在没有用迭代的基础上来计算预编码矩阵和干扰抑制矩阵,这样不仅使整个系统的复杂度大大降低,进一步,仿真结果显示容量和能量效率较其他算法有明显改进,这也正是最近受到广泛瞩目的绿色通信所要求的.     

一种基于动态功率分配的干扰对齐优化方法

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。     

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

由于普遍采用频率复用因子为1的方式组网,多小区干扰已经成为限制无线蜂窝系统容量的主要因素.协作多点传输技术可以有效抑制蜂窝系统中多小区干扰问题,提高小区边缘吞吐率.近年来,作为协作多点传输的一种实现形式,干扰对齐技术受到广泛关注,其优势在于可以获得多小区系统最优的发送自由度.本文提出了一种在干扰对齐技术下基于特征子信道的预编码矩阵优化方案.本方案通过选取与最好的特征子信道对准的预编码矢量发送信号,使得信号经历最好的一组特征子信道,改善接收端的信号强度,从而达到提高系统吞吐量的目的.仿真结果表明,相比已有的预编码矩阵的设计方案,本文提出的方案在系统的吞吐量方面有明显的提升.     

基于容量最大化的非迭代干扰对齐优化算法

现有分布式迭代干扰对齐算法没有考虑基站与用户终端处理能力的差异,使得基站和用户端都具有较高的计算复杂度和系统开销。针对下行链路和上行链路分别提出一种基于容量最大化准则的非迭代干扰对齐优化算法。所提算法在基站端使用基于容量最大化准则的优化方法求解发送预编码矩阵或接收抑制矩阵,在用户端使用迫零准则生成接收抑制矩阵或随机生成发送预编码矩阵。分析和仿真结果表明,所提的2种算法基站端的计算复杂度和系统开销与现有算法相当,但用户端的计算复杂度和系统开销大大降低,并且可以获得与最大信干噪比(Max-SINR)算法相当的系统性能。     

最大化瑞利熵的干扰对齐优化算法

干扰对齐技术常采用迭代的方法进行预编码矩阵与干扰抑制矩阵的设计,然而目前采用的迭代方法并不能做到完全的干扰对齐。针对这种情况,提出了一种新的干扰对齐优化算法,避开了反转信道的操作。该算法在最大化信干噪比算法的基础上加入完全干扰对齐的约束条件,将系统中各用户的所有干扰对齐约束条件进行奇异值分解,最终通过瑞利熵最大化的求解方法联合迭代求解发送侧的预编码矩阵与接收侧的干扰抑制矩阵。仿真结果表明,所提优化算法在较高信噪比时不同天线数下的和速率、不同迭代次数下的和速率等方面都优于原最大信干噪比算法。     

一种基于QR分解的稳健干扰对齐算法

大多数干扰对齐算法都假定发送端可以获得理想的信道状态信息(CSI),由于信道估计误差、反馈延迟等原因,实际通信系统中CSI往往是有误差的。为此,该文提出一种基于QR分解的稳健干扰对齐算法。对含有误差的联合接收信号进行基于QR分解的预处理,消除一半有误差的干扰;然后在有误差的等效信道联合矩阵下,充分考虑信道误差和干扰的影响,通过最小化发送端泄漏到非目标接收端的干扰信号功率来设计预编码矩阵,并基于最小均方误差(MMSE)准则来设计干扰抑制矩阵。最后,在理想CSI和误差CSI的情况下,通过实验仿真,证明了该算法有效地提高了系统性能。     

Stiefel流形上的单边干扰对齐预编码

干扰对齐通过在接收端重叠干扰能有效的提升干扰信道的容量。单边干扰对齐是指仅仅只有发射端参与的干扰对齐技术,它不需要接收端的参与,与双边干扰对齐技术相比可以大大的减小反馈量。本文在干扰子空间弦距离最小化的改进单边干扰对齐预编码算法方案的基础上,提出将预编码矩阵建模于Stiefel流形上,能够将有约束的最优化问题转化为无约束的最优化问题进行求解。仿真结果表明,将预编码矩阵在Stiefel流形上建模后求解与普通的最优化算法相比有更快的收敛速度和更高的和速率。      

MIMO干扰信道下低复杂度的分布式干扰对齐算法

干扰对齐技术可以有效地提高干扰信道容量和抑制干扰,其问题归结为求得闭式解。传统的干扰对齐方案根据信道的互易性,采用迭代的方法（分布式）来逼近闭式解,但带来了较大的计算开销。本文在K用户MIMO干扰信道系统中提出一种低复杂度的分布式干扰对齐算法,通过对用户K的干扰协方差矩阵进行基于修正的Gram-Schmidt方法使用排序QR分解,选出酉矩阵Q最后的dk列作为用户近似的干扰抑制滤波矩阵,和传统分布式干扰对齐方案相比,在基本保持系统容量和迭代收敛速度的同时,系统的复杂度明显降低。仿真结果验证了算法的有效性。      

三小区多用户MIMO系统中干扰对齐优化算法

针对三小区多用户MIMO干扰信道系统,通过一个启发性例子,联合设计发射预编码矩阵和接收赋形矩阵,给出基于特征向量闭式解的干扰对齐优化算法,相比已有干扰对齐算法,用户端可使用更少的天线资源获得相同的自由度性能,且只需本小区内用户协作共享信道信息;并归纳出普适场景下系统配置与可达自由度之间的关系：设定每个小区中的基站配置M根天线和K个用户,用户配置N根天线,各个基站对本小区中每个用户都发送d个数据流,当M=N≥2 Kd时,所提算法总共可获得3 Kd个自由度。所提算法可以完全消除小区间干扰和用户间干扰,相比传统的正交化干扰抑制算法,系统容量得到了明显地提升。     

异构网络特征子信道干扰对准算法优化

包含多种低功率发射节点的异构网络因其在系统容量提升和解决室内及热点场景覆盖上的优势,正成为新一代无线通信系统组网的趋势。但异构网络干扰问题也因小区数目的增加而复杂化。近年提出的干扰对准技术因能实现系统自由度的最大化而成为解决异构网络干扰问题的有效手段。文章在对经典干扰对准算法进行分析的基础上,对特征子信道干扰对准方案进行了改进,优化了发送预编码矩阵和接收滤波矩阵算法,并提出算法在宏蜂窝——毫微微蜂窝异构网络场景下的应用方案。     

一种基于子空间跟踪的认知MIMO预编码算法

针对多用户认知MIMO下行系统,提出一种适用于慢衰落信道环境的预编码算法。该算法基于子空间跟踪思想,利用信道时域相关性,通过递推方式自适应更新预编码矩阵来跟踪和适应慢衰落信道环境的变化。分别从算法收敛速度、收敛精度、跟踪性能以及计算复杂度四个方面进行了理论推导和仿真分析。结果表明,所提算法可以有效的跟踪信道环境的动态变化,与传统算法相比,在保证系统性能的同时显著降低了处理复杂度。     

蜂窝系统自适应K近邻干扰对齐算法

干扰对齐算法应用于蜂窝网络时,存在计算复杂度高、系统开销大等缺点,本文基于分簇模型,提出了一种自适应K近邻干扰对齐算法,并给出一种无需收发端迭代的干扰对齐预编码向量求解方法。该算法依据信干比门限自适应选取参与干扰对齐的干扰信号,对预筛选的干扰信号利用优化方法进行干扰对齐,降低了算法的计算复杂度和系统开销。仿真分析表明,通过选取合适的信干比门限,本文所提算法在干扰消除性能相当的情况下,其算法复杂度和系统开销显著降低,提高了干扰对齐算法的适用性。      

基于连续干扰消除的毫米波MIMO系统混合预编码算法

该文研究多用户毫米波MIMO系统的混合模数预编码器和合并器设计。针对因信号传播漫散射造成的多用户间信号干扰问题,提出一种基于连续干扰消除(SIC)的鲁棒混合预编码算法。首先对信道矩阵进行正交分解,以消除来自已知用户信号的干扰,从而将含有非凸约束的多用户链路优化问题分解为多个单用户链路优化问题。然后采用相位提取算法逐个求解每个用户的最优传输链路,并结合最小均方误差(MMSE)准则求得多用户混合预编码矩阵。仿真结果表明,与现有的混合预编码算法相比,所提算法在强干扰环境下具有显著的性能优势。     

认知MIMO干扰网络的顽健干扰对齐算法

针对重叠式认知MIMO干扰信道状态信息(CSI)非理想的问题,提出一种顽健干扰对齐算法。首先通过欧几里得球形不确定性刻画非理想CSI,以最小化用户干扰泄漏为目标,构建非理想CSI条件下发送预编码和接收干扰子空间矩阵的优化模型;然后利用矩阵范数的不等式性质,推导了最差条件下的主用户干扰温度约束;最后采用拉格朗日部分对偶及次梯度更新方法,推导出收发矩阵之间的迭代关系,并从理论上分析了顽健算法的适用条件和可达自由度范围。仿真结果表明,所提算法具有较好的顽健性,且获得的次用户网络性能优于已有算法。     

蜂窝网络下行链路单反馈干扰对齐算法研究

干扰是无线蜂窝网络面临的主要问题之一。蜂窝网络干扰对齐能消除干扰的影响从而提高系统信道容量。经典蜂窝网络下行链路干扰对齐算法仅优化单个用户自身信道容量,从而限制了蜂窝小区整体信道容量的提升。从提高蜂窝小区总信道容量出发,该文提出一种蜂窝网络下行链路单反馈干扰对齐算法。构建了蜂窝网络下行链路干扰对齐数学模型;在用户端以最大化用户SINR为目标构造接收矩阵;而在基站端以最大化小区总信道容量为目标构造预编码矩阵,并通过梯度投影算法来求解该优化问题。实验结果表明,相比于传统蜂窝小区下行链路干扰对齐算法,新算法可有效提高蜂窝网络下行链路信道容量。     

一种基于博弈论的5G异构网络多目标优化干扰算法

为解决高铁无线网络的通信干扰问题,提升高铁通信的吞吐量和能量效率,提出了一种基于博弈论的双目标优化干扰算法。首先,通过获取非理想信道的相应预编码矩阵和干扰抑制矩阵,计算包括延迟和衰落的非理想信道状态信息,实现干扰信号的空间对齐。其次,基于系统总功率、信干噪比,建立了功率分配双目标最佳博弈模型,实现吞吐量和能效的双重优化,并采用最大信噪比的干扰对齐算法,通过迭代计算实现干扰管理优化。最后,基于Matlab仿真平台与传统的干扰优化算法进行对比分析。实验结果表明,当信干噪比为30 dB、列车运行速度为300 km/h时,所提算法的吞吐量增加48.95%,能量效率增加53.02%,误码率减少14.37%;当信干噪比为30 dB、轨旁设备数量为5时,所提算法的吞吐量达到88.03%,能量效率达到71.58%;与其他算法相比,所提算法在系统吞吐量、能量效率和传输可靠性方面均具有显著优势。     

一种加权均方误差最小化的鲁棒性干扰对齐算法

线性干扰对齐的一个常见优化目标是总传输速率最大化,但因为和速率函数的非凸特性而难以直接求解。加权均方误差最小化算法借助均方误差与和速率之间的等价关系解决了这一问题。这一方法需要获得准确的信道状态信息,在实际应用中,通道估计误差的存在会导致算法性能的下降。该文提出一种改进算法,在干扰对齐预编码矩阵与接收矩阵的优化求解过程中将通道估计误差的统计特性考虑在内。仿真结果表明,相比以往的加权均方误差最小化算法,该文算法对信道估计误差具有较高的鲁棒性,可以有效提高总的传输速率。