0 引言

    多天線干擾信道系統(tǒng)是現(xiàn)代無(wú)線通信系統(tǒng)重要的研究對(duì)象,，很多網(wǎng)絡(luò)(包括AdHoc網(wǎng)絡(luò),、無(wú)線局域網(wǎng)等)通常工作于干擾受限模式，均適合以此建模,。該系統(tǒng)包括多個(gè)收發(fā)節(jié)點(diǎn)對(duì),，接收節(jié)點(diǎn)通常只想從某個(gè)發(fā)送節(jié)點(diǎn)接收數(shù)據(jù)，但同時(shí)會(huì)收到其他用戶通信的干擾,。

    近年來(lái),，學(xué)者對(duì)干擾信道系統(tǒng)進(jìn)行了干擾抑制管理、能效優(yōu)化等多方面的研究^[1-13],。干擾對(duì)齊是干擾抑制管理中重要的一類技術(shù),，最早由JAFAR S A等^[3-4]提出，其設(shè)計(jì)思想是通過(guò)聯(lián)合收發(fā)設(shè)計(jì),，將干擾信號(hào)重疊放置于某空間,，該空間與有用信號(hào)所在空間是分開的,，由此消除用戶間干擾。后來(lái),，研究人員提出了干擾對(duì)齊技術(shù)的若干衍生版本^[5-6,，10]，或者將該技術(shù)運(yùn)用到了認(rèn)知中繼網(wǎng)絡(luò),、安全通信或者異構(gòu)通信網(wǎng)絡(luò)中^[7-9],。文獻(xiàn)[5]提出了一種子空間干擾對(duì)齊算法,，通過(guò)信道分解技術(shù)將干擾對(duì)齊到多維的子空間,。干擾抑制管理還有若干其他類型的技術(shù)，這類預(yù)編碼設(shè)計(jì)是基于最大信干噪比,、最小干擾加噪聲泄露,、干擾迫零等準(zhǔn)則^[10-13]。文獻(xiàn)[11]研究了協(xié)方差反饋下多天線干擾系統(tǒng)的干擾抑制問(wèn)題,，基于最大信干噪比準(zhǔn)則設(shè)計(jì)了最優(yōu)預(yù)編碼,。針對(duì)有色噪聲下多天線干擾系統(tǒng)，文獻(xiàn)[12]基于最小干擾加噪聲泄露準(zhǔn)則,，提出了一種迭代算法在系統(tǒng)收發(fā)兩端分別優(yōu)化預(yù)編碼和接收矩陣,。

    在之前多數(shù)研究中，即時(shí)信道狀態(tài)信息對(duì)于預(yù)編碼設(shè)計(jì)是必要的,，當(dāng)信道變化很快時(shí),，頻繁的信道信息反饋會(huì)給系統(tǒng)帶來(lái)較大負(fù)擔(dān)。因此,，本文考慮接收機(jī)僅反饋信道統(tǒng)計(jì)信息的情況,，相比即時(shí)信道信息反饋，無(wú)疑節(jié)省了大量系統(tǒng)開銷,。具體地,，本文涉及的干擾信道是萊斯衰落信道，發(fā)送端基于信道均值反饋信息設(shè)計(jì)預(yù)編碼,，用來(lái)提升系統(tǒng)性能和降低多用戶干擾,。分別根據(jù)最大信干噪比和信干噪差設(shè)計(jì)準(zhǔn)則提出了兩種預(yù)編碼算法，并在若干典型系統(tǒng)配置下對(duì)其性能進(jìn)行了仿真驗(yàn)證,。

1 系統(tǒng)模型

2 提出的預(yù)編碼方法

    本節(jié)提出了兩種預(yù)編碼算法,，分別基于最大信干噪比（Signal-to-Interference-plus-Noise Ratio，SINR）和最大信干噪差（Signal-to-Interference-plus-Noise Difference,，SIND）的設(shè)計(jì)準(zhǔn)則,。

    (1)推導(dǎo)用戶k的有用信號(hào)功率表示式。定義信號(hào)的功率為向量的歐幾里德范數(shù)平方,，根據(jù)式（1）可得：

    接下來(lái),，根據(jù)兩種預(yù)編碼設(shè)計(jì)準(zhǔn)則提出兩種算法,。

2.1 基于最大SINR準(zhǔn)則

    根據(jù)式(7)和式(8)，定義系統(tǒng)的信干噪比SINR為有用信號(hào)總功率與干擾加噪聲總功率的比值,，即：

此時(shí)P2是凸的,，因?yàn)槟繕?biāo)函數(shù)t是仿射函數(shù)；其中的兩個(gè)約束是線性的,，并且集合{Q_i≥0}是凸的,。進(jìn)一步發(fā)現(xiàn)，如果P2是可行的,，則q^*≥t,，否則q^*<t。因此,，基于上述分析,，提出一種搜索算法求解問(wèn)題P1，歸納如下：

    (1)初始化：給定l≤q^*≤u和預(yù)設(shè)門限ξ,。

    (2)令t=(l+u)/2,，采用凸優(yōu)化軟件或者內(nèi)點(diǎn)法求解可行性問(wèn)題P2^[14-15]。

    (3)更新：若P2是可行的,，l:=t,；否則u:=t。

    (4)判斷：若u-l≤ξ終止程序,，否則返回步驟(2),。

    收斂性和初始化： 首先，在每一次循環(huán),，最優(yōu)信干噪比q^*均滿足l≤q^*≤u,，而每次循環(huán)的間距(u-l)都是前一次的1/2，因此算法是收斂的,。其次,，注意到信干噪比SINR大于零，并且滿足：

2.2 基于最大SIND準(zhǔn)則

    本小節(jié)根據(jù)最大信干噪比之差（SIND）的準(zhǔn)則設(shè)計(jì)最優(yōu)預(yù)編碼集合,。由式（7）和式（8）,，信號(hào)與干擾加噪聲功率之差可以表示為：

3 仿真結(jié)果

    本節(jié)采用計(jì)算機(jī)仿真驗(yàn)證提出預(yù)編碼方法的性能，包括系統(tǒng)和速率,、算法收斂性等方面,，并且與若干經(jīng)典預(yù)編碼或者聯(lián)合收發(fā)設(shè)計(jì)方案作對(duì)比。采用3用戶2×2的通信系統(tǒng)模型,，即基站和用戶均是3個(gè),，均配備2根天線。信道的均值矩陣由表1給出。

    圖2展示了基于最大SINR準(zhǔn)則預(yù)編碼算法的收斂性,，其中信道的萊斯因子設(shè)為1,，算法的初始搜索界限根據(jù)2.1節(jié)設(shè)置?？紤]了兩種情況：SNR=5 dB和SNR=10 dB,。當(dāng)SNR=5 dB時(shí)，經(jīng)過(guò)大約10次循環(huán)算法收斂到穩(wěn)定值-1.35 dB,；當(dāng)SNR=10 dB時(shí),，也有類似結(jié)論。圖3給出了萊斯因子對(duì)系統(tǒng)和速率的影響,，對(duì)比了提出的兩種預(yù)編碼算法,。可見,，兩種算法的性能基本接近,，在相同的系統(tǒng)信噪比下，系統(tǒng)和速率相差無(wú)幾,；隨著萊斯因子K′的增加，系統(tǒng)和速率也相應(yīng)增加,。

    圖4對(duì)比了若干發(fā)送或者聯(lián)合收發(fā)方案下的系統(tǒng)性能,，其中萊斯因子設(shè)為5 dB。經(jīng)典干擾對(duì)齊由文獻(xiàn)[4]提出,，該文以解析表達(dá)式的形式給出了干擾對(duì)齊解,；迭代干擾對(duì)齊由文獻(xiàn)[11]提出，該文以循環(huán)迭代形式給出了干擾對(duì)齊解,。

    可見,，各向同性發(fā)射方案由于未使用信道信息，性能最差,；基于最大SINR和SIND準(zhǔn)則設(shè)計(jì)的預(yù)編碼算法性能相當(dāng),，對(duì)應(yīng)的曲線基本重合；迭代的干擾對(duì)齊方法比解析形式的干擾對(duì)齊方法性能有提升,，這是因?yàn)楦蓴_對(duì)齊方法的解不唯一,，解析方法給出的解只是一種，不能保證是最優(yōu)的,；而迭代干擾對(duì)齊在初始化階段搜索不同的解,，并選擇一個(gè)最優(yōu)值，基本保證得到的解是最優(yōu)的,。在高信噪比時(shí),，提出的預(yù)編碼算法較干擾對(duì)齊方法性能差些，這是因?yàn)榍罢呦鄬?duì)后者（采用即時(shí)信道信息）采用了更少的信道信息；但是在低信噪比時(shí),，提出的預(yù)編碼算法比干擾對(duì)齊方法性能甚至更好,，這可能是因?yàn)楦蓴_對(duì)齊方案只考慮了如何把干擾消除，并未結(jié)合自己的信道信息,，而提出的方法將兩者結(jié)合考慮了,。例如，在SNR小于5.1 dB時(shí),，提出的預(yù)編碼方法優(yōu)于迭代干擾對(duì)齊方法,；但是SNR高于5.1 dB時(shí)，情況相反,。 

4 結(jié)論

    本文研究了萊斯衰落信道下的多天線干擾信道系統(tǒng)的預(yù)編碼設(shè)計(jì)問(wèn)題,，基于最大信干噪比和信干噪差準(zhǔn)則分別提出了兩種預(yù)編碼算法。仿真結(jié)果表明,，基于最大SINR準(zhǔn)則提出的預(yù)編碼算法收斂性良好,；在多數(shù)系統(tǒng)配置下，兩種預(yù)編碼算法性能接近,，在相同的系統(tǒng)信噪比下,，系統(tǒng)和速率基本相同；隨著萊斯因子的增加,，系統(tǒng)和速率相應(yīng)增加,。與干擾對(duì)齊方法相比，在系統(tǒng)開銷方面,，提出算法所需的反饋信息量更少,；在系統(tǒng)性能方面，當(dāng)信噪比較高時(shí),，提出算法的性能不如干擾對(duì)齊方法,，但是在低信噪比區(qū)域，提出的預(yù)編碼算法優(yōu)于干擾對(duì)齊方法,。 

參考文獻(xiàn)

[1] ZHAO N,，YU F R，JIN M,，et al.Interference alignment and its applications: a survey, research issues, and challenges[J].IEEE Communications Surveys & Tutorials,，2017，18(3)：1779-1803.

[2] 江雪,，鄭寶玉.干擾對(duì)齊技術(shù)研究綜述[J].信號(hào)處理,，2015，31(5)：570-580.

[3] JAFAR S A,，F(xiàn)AKHEREDDIN M J.Degrees of freedom for the MIMO interference channel[J].IEEE Transactions on Information Theory,，2007,，53(7)：2637-2642.

[4] CADAMBE V R，JAFAR S A.Interference alignment and degrees of freedom of the K-user interference channel[J].IEEE Transactions on Information Theory,，2008,，54(8)：3425-3441.

[5] SUH C，TSE D.Interference alignment for cellular networks[C].IEEE Allerton Conference on Communication,，Control,，and Computing，2008：1037-1044.

[6] 應(yīng)騰達(dá),，馮文江,，蔣衛(wèi)恒，等.基于分布式空時(shí)干擾對(duì)齊的MIMO干擾信道自由度研究[J].通信學(xué)報(bào),，2018(1)：137-146.

[7] ARZYKULOV S,，NAURYZBAYEV G，TSIFTSIS T A,，et al.On the capacity of wireless powered cognitive relay network with interference alignment[C].2017 IEEE Global Communications Conference.IEEE,，2017：1-6.

[8] HA K H，VU T T,，DUONG T Q,，et al.On the interference alignment designs for secure multiuser MIMO systems[Z].arXiv:1508.00349[math.OC]，2015.

[9] WANG K,，LI H,，YU F R，et al.Interference alignment in virtualized heterogeneous cellular networks with imperfect channel state information[J].IEEE Transactions on Vehicular Technology,，2017，66(2)：1519-1532.

[10] LI L,，QIU L,，WEI G.Decentralised precoding scheme for MIMO interference channels[J].Electronics Letters，2012,，48(15)：957-959.

[11] ZHOU W.Precoding methods for multi-input multi-ouput interference channels with channel covariance feedback[J].IET Communications,，2015，9(4)：517-525.

[12] PETERS S W,，HEATH R W.Cooperative algorithms for MIMO interference channels[J].IEEE Transactions on Vehicular Technology,，2011，60(1)：206-218.

[13] 曾浩,，袁昂飛,，劉玲.一種多區(qū)協(xié)同的區(qū)間干擾抑制方法[J].電子技術(shù)應(yīng)用，2012,，38(3)：110-112.

[14] BOYD S,，VANDENBERGHE L.Convex optimization[M].Cambridge Press，UK，2004.

[15] GRANT M,，BOYD S.CVX：Matlab software for disciplined convex programming[DB/OL].(2017-12-xx)[2018-05-31].http：//cvxr.com/cvx.

作者信息:

周  雯1,，鄧  單2

（1.南京林業(yè)大學(xué) 信息科技學(xué)院，江蘇 南京210018,；2.廣州番禺職業(yè)技術(shù)學(xué)院 信息工程學(xué)院,，廣東 廣州511483）