一种异构认知无线网络下行链路干扰对齐方法
阅读：983发布：2020-05-19
专利汇可以提供一种异构认知无线网络下行链路干扰对齐方法专利检索，专利查询，专利分析的服务。并且本 发明 请求 保护一种异构认知无线网络下行链路干扰对齐方案，涉及认知无线通信系统。针对存在多个用户的异构认知无线网络下行链路中基于干扰对齐(IA)的干扰消除问题，本发明在对多用户异构认知无线网络模型进行分析的 基础 上，分别为宏小区和认知小区设计了IA方案。该方案利用认知系统的 感知 能 力 ，并综合运用线性迫零 算法 和总 最小均方误差 算法为认知系统设计级联的预编码矩阵和接收滤波矩阵，对跨层干扰和同层干扰进行层层处理，从而实现低功率认知小区与宏小区之间 频谱 共享。，下面是一种异构认知无线网络下行链路干扰对齐方法专利的具体信息内容。
1.一种异构认知无线网络下行链路干扰对齐方法，其特征在于，包括对宏小区设计干扰对齐的步骤和对认知小区设计干扰对齐的步骤，其中
对宏小区设计干扰对齐的步骤包括：
101、主用户根据信道估计获知自己的直接信道信息，并根据直接信道设计接收滤波向量；然后主用户将含有接收滤波向量的等效信道反馈给宏基站；最后宏基站利用线性迫零算法设计预编码来消除主用户之间的干扰；
对认知小区设计干扰对齐步骤包括：
102、通过认知系统设计级联的预编码矩阵和接收滤波矩阵对宏小区与认知小区间的干扰进行处理，迫除各个认知小区与宏小区之间的干扰；
103、在认知小区内部，首先在认知小区基站端设置固定预编码P以实现对其他认知小区用户干扰信号的白噪声化；然后设计次用户接收滤波向量 抑制来自其他认知小区的干扰；再设计基站端预编码 消除认知小区内用户间的干扰。
2.根据权利要求1所述的异构认知无线网络下行链路干扰对齐方法，其特征在于，步骤
101所述主用户根据信道估计获知自己的直接信道信息，并根据直接信道设计接收滤波向量具体包括：主用户[k,p]处理的输出信号变为
[k,p]表示宏小区中的
第k个用户，k＝1,2,…,Kp；
主用户的接收滤波向量采用多用户MIMO匹配滤波器进行设计，也就是u[k,p]为主用户[k,p]直接信道的左酉矩阵中最大奇异值所对应的列向量，用 表示，u[k,p]表示为各个主用户将 反馈给宏基站。
3.根据权利要求2所述的异构认知无线网络下行链路干扰对齐方法，其特征在于，步骤
101最后宏基站利用线性迫零算法设计预编码具体为：
其中，γ[k,p]为[k,p]的归一化因子，用来约束预编码向量v[k,p]的功率，diag{·}表示将括号内部的元素构造成对角阵，并且Hp的表达式如下
4.根据权利要求1所述的异构认知无线网络下行链路干扰对齐方法，其特征在于，步骤
102通过认知系统设计级联的预编码矩阵和接收滤波矩阵对宏小区与认知小区间的干扰进行处理具体包括：
认知小区为两个时，两认知小区次用户[k,1]的预编码和接收滤波向量为次用户[k,1]经过级联编码处理后的输出信号变为
其中， 实现对其他认知
小区用户干扰信号白噪声化的固定预编码，其中[f1,f2,…,fMs-Kp]为正交矩阵，为P的调整因子，认知小区的外层预编码和外层接收滤波矩阵满足
此时，只需要G1和C[k,1]分别取 和 的零空间即可， 和 存在零空间的前提是Ms＞Kp，Ms表示认知基站和次用户的天线数，Kp表示宏蜂窝小区中的主用户数。
5.根据权利要求1所述的异构认知无线网络下行链路干扰对齐方法，其特征在于，步骤
103次用户[k,1]受到的噪声与来自其他认知小区干扰协方差矩阵的期望
[k,1] 2
(σ )表示认
知小区1中次用户接收到的噪声方差，Ps表示各个认知基站的发送总功率，Ks表示每个认知小区中的次用户数，采用总最小均方误差算法设计
6.根据权利要求1所述的异构认知无线网络下行链路干扰对齐方法，其特征在于，认知小区内部间的干扰处理利用线性迫零算法设计预编码为
其中，Hs的表达式如下
表示内层接收滤波向量， 表示
内层预编码向量； 和 经过多次迭代后便可得到最终的接收滤波向量和预编码向量。
一种异构认知无线网络下行链路干扰对齐方法
技术领域
背景技术
[0002] 众所周知，无线频谱资源是有限且不可再生的，随着众多无线业务的增长，可用频谱资源也越来越少，如何更加有效的利用频谱资源将一直是我们研究的重点。关于5G的文献[Jungnickel V,Manolakis K,Zirwas W,et al.The role of small cells,coordinated multipoint,and massive MIMO in 5G[J].IEEE Communications Magazine,2014,52(5):44-51]，作者从联合使用JT CoMP、Small cells和Massive MIMO这三种技术的角度对提升5G频谱效率进行研究。CR技术一度被视为可实现频谱共享的有效方法之一，因此出现了基于认知无线电的异构无线通信网络，可简称为异构认知无线网络[Wang Shaowei,Zhou ZhiHua,Ge Meng,et al.Resource allocation for heterogeneous cognitive radio networks with imperfect spectrum sensing[J].IEEE Journal on Selected Areas in Communications,2013,31(3):464-475.]。该网络将宏蜂窝系统看作是授权系统，而低功率蜂窝系统则为认知系统，此时的干扰问题尤为突出，需要考虑的干扰包括同层干扰和跨层干扰。
[0003] 关于异构认知无线网络研究方面，目前主要集中在空闲频谱感知、资源分配、MAC和吞吐量等，而将干扰对齐(IA)与异构认知无线网络相结合的研究甚少。针对宏蜂窝和家庭基站组成的分层异构认知无线网络，并且在假设宏基站和家庭基站均分别服务于一个用户的场景下，文献[Rihan M,ElsabroutyM,Muta O,et al.Iterative Interference Alignment in Macrocell-Femtocell Networks:A Cognitive Radio Approach[C]//The Eleventh International Symposium on Wireless Communication Systems(ISWCS).Barcelona:IEEE Press,2014:654-658.]给出了一种迭代加权最小二乘干扰对齐算法(IRLS)，从而对干扰进行处理，实现频谱共享。针对异构认知无线网络下行链路中多个用户的干扰对齐方案，而从公开发表的 文献中未见其他相关研究报道。本发明针对存在多个用户异构认知无线网络下行链路，探讨基于IA的干扰消除问题，我们在对多用户的异构认知无线网络模型进行分析的基础上，分别为宏小区和认知小区设计了IA方案。该方案复杂性较低，并且通过仿真分析显示，频谱效率也高于IRLS算法，对消除异构认知无线网络中的干扰具有一定的优势。
发明内容
[0004] 本发明旨在解决以上现有技术的问题。提出了一种消除主用户之间的干扰、实现低功率认知小区与宏小区之间频谱共享的异构认知无线网络下行链路干扰对齐方法。本发明的技术方案如下：
[0005] 一种异构认知无线网络下行链路干扰对齐方法，其包括对宏小区设计干扰对齐的步骤和对认知小区设计干扰对齐的步骤，其中
[0006] 对宏小区设计干扰对齐的步骤包括：
[0007] 101、主用户根据信道估计获知自己的直接信道信息，并根据直接信道设计接收滤波向量；然后主用户将含有接收滤波向量的等效信道反馈给宏基站；最后宏基站利用线性迫零算法设计预编码来消除主用户之间的干扰；
[0008] 对认知小区设计干扰对齐步骤包括：
[0009] 102、通过认知系统设计级联的预编码矩阵和接收滤波矩阵对宏小区与认知小区间的干扰进行处理，迫除各个认知小区与宏小区之间的干扰；
[0010] 103、在认知小区内部，首先在认知小区基站端设置固定预编码P以实现对其他认知小区用户干扰信号的白噪声化；然后设计次用户接收滤波向量 抑制来自其他认知小区的干扰；再设计基站端预编码 消除认知小区内用户间的干扰。
[0011] 进一步的，步骤101所述主用户根据信道估计获知自己的直接信道信息，并根据直接信道设计接收滤波向量具体包括：主用户[k,p]处理的输出信号变为
[0012] [k,p]表示宏小区中的第k个用户，k＝1,2,…,Kp；
[0013] 主用户的接收滤波向量采用多用户MIMO匹配滤波器进行设计，也就是u[k,p]为主用户[k,p]直接信道的左酉矩阵中最大奇异值所对应的列向量，用 表示，u[k,p]表示为各个主用户将 反馈给宏基站。
[0014] 进一步的，步骤101最后宏基站利用线性迫零算法设计预编码具体为：
[0015]
[0016] 其中，γ[k,p]为[k,p]的归一化因子，用来约束预编码向量v[k,p]的功率，diag{·}表示将括号内部的元素构造成对角阵，并且Hp的表达式如下
[0017]
[0018] 进一步的，步骤102通过认知系统设计级联的预编码矩阵和接收滤波矩阵对宏小区与认知小区间的干扰进行处理具体包括：
[0019] 认知小区为两个时，两认知小区次用户[k,1]的预编码和接收滤波向量为[0020]
[0021] 次用户[k,1]经过级联编码处理后的输出信号变为
[0022]
[0024]
[0025] 此时，只需要G1和C[k,1]分别取 和 的零空间即可， 和 存在零空间的前提是Ms>Kp，Ms表示认知基站和次用户的天线数，Kp表示宏蜂窝小区中的主用户数。
[0026] 进一步的，步骤103次用户[k,1]受到的噪声与来自其他认知小区干扰协方差矩阵的期望 (σ[k,1])2表示认知小区1中次用户接收到的噪声方差，Ps表示各个认知基站的发送总功率，Ks表示每个认知小区中的次用户数，采用总最小均方误差算法设计
[0027] 进一步的，认知小区内部间的干扰处理利用线性迫零算法设计预编码为[0028]
[0029] 其中，Hs的表达式如下
[0030] 表示内层接收滤波向量。表示内层预编码向量。
[0031] 和 经过多次迭代后便可得到最终的接收滤波向量和预编码向量。
[0032] 本发明的优点及有益效果如下：
[0033] 针对宏小区和认知小区分别存在多个用户的场景，本发明提出一种异构认知无线网络下行链路干扰对齐方案。
[0034] 宏小区方案：该方案的设计目的主要是对宏小区内部的干扰进行处理。主用户接收端利用直接信道采用匹配滤波的思想设计接收滤波向量，使得接收信号功率最大化；然后主用户将含有接收滤波向量的等效信道反馈给宏基站；最后宏基站利用线性迫零算法设计预编码来消除主用户之间的干扰。
[0035] 认知小区方案：该方案的设计目的主要是对不同小区间的干扰以及小区内部用户间的干扰进行处理，干扰复杂，因此，该方案采用级联的编码方式对跨 层干扰和同层干扰进行层层处理。首先，外层预编码矩阵和接收滤波矩阵通过迫零思想对宏小区与认知小区间的干扰进行处理，此时，认知小区的干扰模型从认知无线网络下多认知小区的干扰模型转换成标准的多小区干扰模型；然后，对噪声与来自其他认知小区的干扰协方差矩阵进行分析，并对其求期望，从而弱化对其他认知小区预编码的要求；接着，根据上面的分析结论，内层接收滤波向量采用最小总均方误差的思想进行设计；最后，次用户将含有接收滤波向量的等效信道反馈给认知基站，认知基站利用线性迫零算法设计预编码来消除小区内次用户之间的干扰。
[0036] 在宏小区与认知小区的方案中，预编码向量和接收滤波向量都是基于线性干扰对齐的思想进行设计，复杂度较小。此外，预编码向量和接收滤波向量的设计中，放松对信道互惠性的假设，因此方案不局限于TDD系统。附图说明
[0037] 图1是本发明提供优选实施例认知异构网络模型；
[0038] 图2为一个宏小区与两个认知小区的系统模型；
[0039] 图3为宏小区不同IA算法频谱效率对比；
[0040] 图4为认知小区IA算法频谱效率对比；
[0041] 图5为认知小区IA算法在不同天线配置下的系统总频谱效率对比图1；
[0042] 图6为认知小区IA算法在不同天线配置下的系统总频谱效率对比图2；
[0043] 图7为不同天线配置下的累积分布函数对比。
具体实施方式
[0044] 为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步的详细描述，包括以下步骤：
[0045] 参加图1，是一个宏蜂窝小区和多个认知小区的网络模型。设宏基站的发送总功率为P，宏蜂窝小区中有Kp个主用户，宏基站和主用户的天线数都为Mp；网络中共有K个认知小区，各个认知基站的发送总功率为Ps，每个认知小区中存在Ks个次用户，认知基站和次用户的天线数都为Ms，并且基站间相互协作。 所有小区中的每个用户等功率传输1个数据流，因此，各个基站发送的自由度与其小区中同时通信的用户数相等。为了便于叙述，后文中用[k,l]表示认知小区l(l＝1,2,…,K)中的第k(k＝1,2,…,Ks)个用户，用固定字母p表示的宏小区，则[k,p]表示宏小区中的第k(k＝1,2,…,Kp)个用户；s[k,p]、v[k,p]和n[k,p]分别表示主用户[k,p]的发送信号、预编码和加性高斯噪声，且n[k,p]～CN(0,(σ[k,p])2I)；～表示等效，s[k,l]、v[k,l]和n[k,l]分别表示次用户[k,l]发送信号、预编码和加性高斯噪声，且n[k,l]～CN(0,(σ[k,l])2I)。用 表示基站g到用户[k,l]的平坦瑞利衰落信道，信道中每个元素相互独立，并且服从均值为0，方差为1的复高斯分布。由于各个小区使用相同的频谱资源，因此主用户[k,p]天线实际接收到的信号 为
[0046]
[0047] 次用户[k,l](l＝1,2,…,K)天线实际接收到的信号 为
[0048]
[0049] 主用户[k,p]的接收信号经过接收滤波向量u[k,p]处理后得到输出信号：
[0050]
[0051] 次用户[k,l]的接收信号经过接收滤波向量u[k,l]处理后得到输出信号：
[0052]
[0053] 1.宏小区干扰对齐方案
[0054] 本发明对宏小区干扰对齐算法的设计思路是：主用户根据信道估计获知自己的直接信道信息，并根据直接信道设计接收滤波向量；然后主用户将含有接收滤波向量的等效信道反馈给宏基站；最后宏基站利用线性迫零算法设计预编码来消除主用户之间的干扰。
[0055] 步骤一、宏小区接收滤波器的设计。在设计主用户的预编码和接收滤波器时，不会考虑有认知小区的存在，也不会考虑是否会给次用户带来干扰。宏小区与认知小区之间的干扰问题全部由认知小区解决。此时，主用户[k,p]处理的输出信号变为
[0056]
[0057] 主用户的接收滤波向量采用经典的多用户MIMO匹配滤波器进行设计，也就是u[k,p]为主用户[k,p]直接信道的左酉矩阵中最大奇异值(用 表示)所对应的列向量，目的是使得接收信号功率最大化。u[k,p]表示为
[0058]
[0059] 步骤二、反馈。各个主用户将 反馈给宏基站。
[0060] 步骤三、通过线性迫零算法设计预编码。
[0061]
[0062] 其中，γ[k,p]为[k,p]的归一化因子，用来约束预编码向量v[k,p]的功率，diag{·}表示将括号内部的元素构造成对角阵，并且Hp的表达式如下
[0063]
[0064] 2.认知小区干扰对齐方案
[0065] 认知小区与宏小区实现频谱共享的前提是认知小区不能影响宏小区的有效通信。因此，认知小区必须消除对主用户的干扰，另外，认知小区还要解决自身小区内用户间的干扰、来自其他认知小区的干扰以及来自宏小区的干扰，因此，本发明方案采用级联的编码方式来解决认知小区中复杂的干扰问题。为了便于分析，本发明方案以两个认知小区为例进行介绍，且以认知小区1为代表对算法进行介绍，参见图2，是两认知小区的分层异构无线网络系统模型。令次用户[k,1]的预编码和接收滤波向量为
[0066]
[0067] 步骤一、宏小区与认知小区间的干扰处理。次用户[k,1]经过级联编码处理后的输出信号变为
[0068]
[0069] 其中， 为，实现对其他认知小区用户干扰信号白噪声化的固定预编码，其中[f1,f2,…,fMs-Kp]为正交矩阵，为P的调整因子，且文献[Suh C,Ho M,Tse D N C.Downlink interference alignment[J].IEEE Transactions on Communications,2011,59(9):2616-2626.]给出了 值的选择。本发明令 以及
为了消除对主用户的干扰以及迫除来自
宏基站的干扰，让认知小区的外层预编码和外层接收滤波矩阵满足
为了消除对主用户的干扰以及迫除来自
宏基站的干扰，让认知小区的外层预编码和外层接收滤波矩阵满足
[0070]
[0071] 此时，只需要G1和C[k,1]分别取 和 的零空间即可。需要注意的是， 和存在零空间的前提是Ms>Kp。
[0072] 步骤二、两认知小区间的干扰分析。本发明中次用户接收滤波向量 的主要设计目的是抑制来自认知小区2的干扰，在对 进行设计时，此时，干扰只来源于认知小区2，也就是说此时的输出信号转换成
[0073]
[0074] 其中， 为认知小区之间进一步的等效干扰信道， 为认知小区1中用户[k,1]的等效直接信道，其表达式为
[0075]
[0076] 通过式(13)迫除宏小区与认知小区之间的干扰后，认知小区转换成的传统两小区干扰模型，此时，认知基站和次用户的等效天线为(Ms-Kp)，也就是说认知小区利用多天线的Kp个维度实现了宏小区与认知小区之间的干扰消除。
[0077] 步骤三、对噪声与来自其他认知小区的干扰协方差矩阵进行分析以及认知小区内层接收滤波向量的设计。本发明中令认知基站2消除内部用户间干扰的各个预编码向量的整合为 认知基站1的预编码向量整合V1可同理进行构造。此时，次用户[k,1]受到的噪声与来自认知小区2干扰的协方差矩阵为
[0078]
[0079] 根据观察可知，V2的最后Ms-Kp-Ks行受 影响，本发明对V2作出的假设，假设V2前面的 K s 行 服 从 最 后 的 M s - K p - K s 行 服 从 此时得协方差矩阵的期望为
[0080]
[0081] 步骤四、对来自其他认知小区的干扰进行处理。次用户[k,1]的均方误差为[0082]
[0083] 其中，tr{·}表示求迹的操作。认知小区1以总均方误差为目标函数表达式如下[0084]
[0085] 利用相关的矩阵知识[张贤达.矩阵分析与应用[M].北京:清华大学出版社,2004:255-329]以及[ A.Complex-valued matrix derivatives:with applications in signal processing and communications[M].UK:Cambridge University Press,
2011:1-94]中的微分性质，得到 对 的微分为
2011:1-94]中的微分性质，得到 对 的微分为
[0086]
[0087] 其中，(X)*表示对矩阵X取共轭。得到 对 的偏导为
[0088]
[0089] 令 为0[Kong Zhengmin,Yang Shaoshi,Wu Feilong,et al.Iterative distributed minimum total-MSE approach for secure communications in MIMO interference channels[J].IEEE Transactions on Information Forensics and Security,2016,11(3):594-608]，便可得到接收滤波向量为
[0090]
[0092] 步骤五、反馈。次用户将 反馈给自身的认知基站。
[0093] 步骤六、认知小区内部间的干扰处理。利用线性迫零算法设计预编码为[0094]
[0095] 其中，
[0096] 和 经过多次迭代后便可得到最终的接收滤波向量和预编码向量。
[0097] 下面对所提的异构认知无线网络下行链路干扰对齐方案进行仿真分析。本发明假设收发端天线构成的所有信道为平坦瑞利衰落信道，宏基站的发送功率P＝46dBm，两个认知基站的发送功率相同，且Ps＝30dBm。设置固定预编码的调整因子
[0098] 图3为宏小区中采用不同IA算法下系统总频谱效率对比图。其中宏小区配置4根天线，且主用户数为3，该图的仿真基于匹配滤波接收，并将等效信道反馈会基站后，宏基站分别采用迫零算法(ZF)、最小均方误差算法(MMSE)、最大比传输算法(MRT)、块对角化算法(BD)对IA的预编码进行设计。从图3可以看到，ZF和MMSE算法的性能相似，并且这两种性能在整体上优于MRT和BD算法。
[0099] 当各个基站分别同时服务于一个用户时，此时和文献[Rihan M,Elsabrouty M,Muta O,et al.Iterative Interference Alignment in Macrocell-Femtocell Networks:A Cognitive Radio Approach[C]//The Eleventh International Symposium on Wireless Communication Systems(ISWCS).Barcelona:IEEE Press,2014:654-658.]具有相同 网络模型。图4为认知小区天线配置数为6时，认知小区中采用本发明IA算法和迭代加权最小二乘干扰对齐算法(IRLS)的对比图。其中(a)为两种算法的次用户频谱效率随着信噪变化的仿真对比图，由图可知本发明算法的频谱效率高于IRLS算法；(b)为两种算法在20dB时，次用户平均频谱效率的累积分布图，并且在相等的分布概率下，本发明算法可达的频谱效率也高于IRLS算法。
[0100] 在后面仿真中，考虑宏小区配置4根天线，并且小区中有3个主用户，也即对次用户的仿真以存在3个主用户为前提。另外，由于两个认知小区的网络配置都一样，具有相同的性能，反映在仿真图上为重合的性能曲线，因此，为了便于观察仿真图，后文在对认知小区的仿真中，都仅以认知小区1来对算法进行分析。
[0101] 图5和图6分别为认知小区中存在两个次用户和三个次用户时，本发明为认知小区提出的IA算法在不同天线配置下认知系统频谱效率对比。从图中我们可以获知：(1)认知系统频谱效率随着信噪比的增加而提升，可见本发明为认知小区提出的IA算法在高信噪比下可以进行较好的干扰抑制；(2)认知系统频谱效率随着天线配置数的增加而增加；(3)同样的天线配置下，认知系统频谱效率随着用户数的增多而增加。
[0102] 图7为认知小区中存在三个次用户，信噪比是20dB，天线配置为7到10时，累积分布概率随着单个次用户平均频谱效率的变化趋势。从图中可以看到，在同样的累积分布概率下，天线数目越多，每个用户的频谱效率越高。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| TDD/FDD-LTE小基站下行接收端信道估计算法 | 2020-05-19 | 18 |
| 一种结合接收天线选择和迫零波束成型的下行多用户方法 | 2020-05-14 | 15 |
| 多天线系统中基于迫零判决反馈检测的功率控制方法 | 2020-05-15 | 991 |
| 多小区迫零型干扰抑制方法 | 2020-05-14 | 782 |
| TDD/FDD-LTE小基站下行接收端信道估计算法 | 2020-05-18 | 28 |
| 一种固定复杂度的MIMO接收机信号搜索球形译码算法 | 2020-05-12 | 695 |
| 一种协作迫零波束成形方法 | 2020-05-15 | 427 |
| 多天线系统中基于迫零判决反馈检测的功率控制方法 | 2020-05-15 | 885 |
| 一种归零Turbo码起点及深度盲识别方法 | 2020-05-17 | 43 |
| CO-OFDM系统中一种融合迫零算法与自消除算法的新颖相位噪声补偿方案 | 2020-05-12 | 702 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
QQ群二维码
意见反馈
意见反馈