空間干擾對(duì)齊的信號(hào)檢測(cè)與性能分析研究.pdf

1、無(wú)線通信的主要目標(biāo)之一是提高系統(tǒng)的頻譜效率,而干擾則是實(shí)現(xiàn)該目標(biāo)的主要限制因素之一,它不但影響頻譜效率的提高,而且缺乏有效的處理方案。最近,關(guān)于干擾處理技術(shù)的研究取得了較大進(jìn)展,即干擾對(duì)齊(Interference Alignment,IA)。研究表明干擾不是無(wú)線通信的根本限制。理論上,IA在干擾信道中,可以獲得K2倍的復(fù)用增益,其中K為干擾信道中的用戶數(shù),即IA的信道容量可以與用戶數(shù)成線性關(guān)系,這使得IA引起了廣泛的關(guān)注。IA通過(guò)預(yù)編

2、碼技術(shù),使得在每個(gè)目的節(jié)點(diǎn),所有的干擾相互重疊,從而為期望信號(hào)提供無(wú)干擾的信號(hào)維度,使徹底消除干擾對(duì)期望信號(hào)的影響成為可能。
　　本學(xué)位論文的主要研究?jī)?nèi)容包括四個(gè)方面:IA的閉式預(yù)編碼算法、迭代預(yù)編碼算法、分集算法以及基于隨機(jī)矩陣?yán)碚摰腎A性能分析。內(nèi)容安排如下:
　　首先,給出了實(shí)現(xiàn)干擾對(duì)齊的條件,并證明了干擾對(duì)齊解的非唯一性。在某些情況下,干擾對(duì)齊的預(yù)編碼矩陣可以直接獲得,但由于干擾對(duì)齊的目標(biāo)函數(shù)并不是信道容量,且IA問(wèn)

3、題的多解性,使得IA解的優(yōu)化比較困難。針對(duì)這個(gè)問(wèn)題,分析了IA中期望信號(hào)與干擾子空間的內(nèi)積范數(shù)的特點(diǎn),得到了二者的內(nèi)積范數(shù)與處理后期望信號(hào)功率的關(guān)系。提出了內(nèi)積范數(shù)最小的干擾對(duì)齊算法,分析表明該算法可以優(yōu)化期望信號(hào)能量,從而提高系統(tǒng)的信道容量。
　　注意到IA的閉式預(yù)編碼矩陣只能在特定場(chǎng)景下才能獲得,一般情況下,IA的預(yù)編碼矩陣只能通過(guò)迭代方法獲得。IA的迭代算法首先建立一個(gè)目標(biāo)函數(shù),通過(guò)迭代最小化該目標(biāo)函數(shù)來(lái)得到預(yù)編碼矩陣。典型

4、的迭代干擾對(duì)齊算法是分布式IA,而最大信干噪比(Max-Signal-to-Interference-Noise-Ratio,Max-SINR)算法可以在一定程度上作為干擾信道的容量限。Max-SINR算法的主要問(wèn)題是不能保證收斂,而且復(fù)雜度也很高。通過(guò)研究Max-SINR算法不收斂的原因,同時(shí)又借鑒了該算法的思想,分析干擾子空間及期望信號(hào)子空間的各自特點(diǎn)及相互關(guān)系,提出以干擾與期望信號(hào)泄漏出相應(yīng)子空間功率的加權(quán)和作為目標(biāo)函數(shù),通過(guò)迭代

5、最小化該目標(biāo)函數(shù)來(lái)得到IA的預(yù)編碼矩陣,而且證明了該算法是收斂的。進(jìn)而,分別就權(quán)值為常數(shù)以及權(quán)值可調(diào)情況,討論了各自算法的性能。結(jié)果表明,雖然與Max-SINR算法相比,加權(quán)算法的性能,在低SNR時(shí)仍有差距,但較分布式IA,性能有明顯提高,而且權(quán)值可調(diào)算法的性能在低SNR時(shí)要明顯優(yōu)于固定權(quán)值算法。
　　由于IA的關(guān)注點(diǎn)在于最大程度地消除干擾對(duì)期望信號(hào)的影響,因而其在低信噪比時(shí)的性能較差。針對(duì)這個(gè)問(wèn)題,本學(xué)位論文研究了分集IA的實(shí)現(xiàn)

6、方法及性能。
　　首先給出了分集IA的實(shí)現(xiàn)條件,然后以接收分集為例研究了單側(cè)分集的實(shí)現(xiàn)方法并通過(guò)仿真給出了其性能。接著,探索了同時(shí)在收發(fā)兩側(cè)同時(shí)實(shí)現(xiàn)分集的可能性,并提出了實(shí)現(xiàn)方案,給出了初步的分析結(jié)果。結(jié)果表明,在同樣的天線配置條件,分集可以有效地提高IA在低信噪比時(shí)的性能,而在高信噪比時(shí),復(fù)用的性能要優(yōu)于分集。
　　為了得到IA在復(fù)雜通信系統(tǒng)中的性能,迫切需要得到它的理論近似。而隨機(jī)矩陣為物理層提供了良好的理論近似,也適用