一种非对称结构MIMO干扰信道的干扰对齐方法

研究一种非对称结构MIMO干扰信道干扰对齐闭式解求解问题.通过将整个系统的干扰对齐问题,转化为两个子系统的干扰对齐问题,分析子系统之间相互影响的关系,构建包含系统解的方程组,进而可以用符号计算软件进行求解.所提方法可以在所需天线数量最小的条件下,实现非对称结构的MIMO干扰信道的干扰对齐,并以4用户系统为例,详细阐述了问题的求解过程.仿真部分对所提方法进行了验证,分析了方法的复杂度及优缺点.     

基于干扰信道的干扰对齐算法综述

在无线通信系统中,用户间干扰总是制约着网络的吞吐量,因此寻求有效的干扰管理方法显得尤为关键.文中首先引出多种传统的干扰管理方法,但基于这些方法的系统容量都会受到干扰的限制,而且随着用户数的增加,很难获取这些方法的一般解.然而干扰对齐算法可使系统的总容量随着用户数的增加线性递增,文中重点综述两类干扰对齐算法:一类是基于信号空间的干扰对齐算法,另一类是基于信号编码级的干扰对齐算法,最后简要分析了干扰对齐算法的可行性和应用前景.     

多用户MIMO系统中分布式迭代干扰对齐研究

干扰是无线通信网中亟待解决的问题之一,针对多用户MIMO系统,结合最新的分布式算法,总结并比较了几种分布式迭代算法的复杂度以及能够实现的最大系统自由度.不同于两用户的MIMO X信道可以直接得到干扰对齐预编码矩阵,利用了信道互易性的分布式迭代算法能够很好地解决由于用户数和约束条件的增加造成干扰对齐预编码矩阵可能无解的问题.最后仿真验证了分布式迭代算法的有效性.     

一种中继辅助下SISO系统的干扰对齐算法

通过研究含中继的单输入单输出(single input single output,SISO)对称无线干扰网络,分析了在SISO对称网络中进行干扰对齐(interference alignment,IA)时使用中继的必要性.综合考虑所有用户的最大弦距离给出了优化的分布式干扰对齐算法.基于此优化算法并使用中继,只需要进行2个时隙的信道扩展就可对SISO干扰网络实现干扰对齐,使每个用户对达到1/2的自由度.仿真结果表明,在增加中继并应用优化算法后,系统的容量、能量效率都有了显著的改善.     

认知网络预编码干扰对齐算法

针对一对主用户和多对次用户的认知多输入多输出（MIMO）系统,通过对次用户的发送端的两次预编码设计,在消除主次用户间干扰的基础上减少次用户间的干扰,有效地提高系统容量。第一次进行的预编码设计使用注水法将认知用户对于主用户的干扰对齐到主用户没有使用的空间子信道,第二次进行的预编码设计使用了最大信干噪比算法来消除次用户间的干扰。理论分析和仿真结果表明,算法在有效消除对主用户干扰的同时,次用户的吞吐量相比传统的认知系统注水功率分配法有显著提升。     

多小区MIMO系统中的一种有限反馈预编码干扰抑制技术

针对多小区MIMO系统中的干扰问题,提出了一种新的具有有限反馈特性的预编码干扰抑制技术.该技术在各发送端采用独立的线性预编码技术对干扰进行有效抑制,并且为了降低反馈信息量,在接收端利用子空间分集理论对干扰子空间进行量化,从而实现了系统的有限反馈.理论分析和仿真结果表明,该方法能够有效地抑制小区间干扰,提高系统的性能;同时本方法具有较低的系统复杂度,极大地节省了反馈所带来的系统开销.     

用于多小区多用户MIMO系统的干扰抑制方法

针对每个基站有多个发射天线、每个用户有多个接收天线的多小区多用户多输入多输出(MIMO)下行网络系统,为抑制小区外干扰和小区内干扰对小区边缘用户的影响,分别基于块对角化算法和最小均方误差算法提出了两种非迭代干扰抑制方法,并分析了发射天线数和接收天线数受用户数及小区个数的影响.仿真结果显示,这两种方法均能很好地提高小区边缘用户的频谱效率.     

中继下基于特征子矩阵的干扰对齐优化算法

针对MIMO双向中继网络系统中,由于用户对间的数据流具有非对称性,通过研究用户对与中继之间的天线分配关系,提出了一种基于特征子矩阵的干扰对齐优化算法及可行性方案.该算法首先利用特征子矩阵准则,为每个用户设计干扰对齐预编码优化方案,然后基于分布式迭代算法逐一推导出最优的干扰抑制矩阵,以达到在目的用户端消除其他用户干扰的效果.通过仿真结果表明,与传统中继迫零方法相比较,优化算法对系统传输速率有了显著的改善.     

多小区 MIMO 网络中一种新的 D2D 通信干扰对齐算法

当多小区MIMO（multiple-input multiple-output）网络中引入D2D（device-to-device）技术后形成D2D-MIMO干扰网络,为解决其干扰问题,提出了一种基于天线数奇偶性的发送端数据流分配方案和基于该方案的干扰对齐（interference alignment,IA）算法。该算法通过最小化基站泄露到非目标用户的信号功率来求解蜂窝链路的预编码矩阵,通过最大化蜂窝用户的信干噪比（signal to interference plus noise ratio,SINR）来求取蜂窝链路的干扰抑制矩阵,进而通过线性干扰对齐消除蜂窝内干扰,并推导了系统的最大自由度（degrees of freedom,DOF）。理论分析和仿真表明,相对于现有算法而言,该算法提高了系统的自由度、频谱效率和能量效率,降低了对天线数的要求,增强了系统的灵活性。     

三小区多用户蜂窝系统的分组干扰对齐算法

针对3小区,每小区多个用户的蜂窝系统,提出了一种基于分组的线性干扰对齐算法.算法首先对系统中所有的用户进行分组,分组后的每组包含3个用户,且3用户分别来自系统中3个不同的小区,通过分组将复杂的蜂窝多址接入信道转换为较简单的干扰信道;然后在用户端通过联立多矩阵,应用特征向量求解预编码矩阵将每个分组中的干扰进行两两对齐,压缩干扰子空间,再利用最大化弦距离理论对得到的预编码矩阵进行进一步的优化,最后在基站端利用矩阵逆的性质以较低的计算复杂度设计干扰消除矩阵将系统中的干扰完全消除.通过系统仿真分析显示,该算法较传统的蜂窝干扰对齐算法,能以较低的天线配置和较低的计算复杂度实现较高的系统容量.     

多小区环境中基于动态功率分配的干扰安排算法

在多用户MIMO (Multiple-Input Multiple-Out put)干扰信道环境中,为了充分利用系统的总功率,将用户受到的干扰最大化地重叠,以提高系统性能.给出了MIMO干扰信道模型及子空间干扰安排算法分析;针对如何最大程度地利用系统功率问题提出了一种采用动态功率分配的干扰安排算法.仿真结果显示,该方案...     

Precoding for Multiuser Spatial Multiplexing MIMO Downlink

Introduction Spatial multiplexing is a simple technique that allows multiple-input multiple-output (MIMO) wireless sys- tems to attain high spectral efficiencies. Unfortunately, the lack of spatial redundancy makes spatial multiplex- ing susceptible to ra…     

利用线性约束的二阶最小均方算法进行自适应空时抗干扰

在无线衰落的通信信道中,空时编码的多输入多输出的（MIMO）系统具有很好的性能,但是多址干扰也很严重,提出一种自适应线性约束的二阶最小均方（LC-SOLMS）空时抗干扰算法,来抑制多址干扰和噪声。模拟结果证明：该算法具有较好的干扰抑制能力和快速的收敛性能。     

基于QRD和SIC检测的多入多出中继网络分布式波束形成方案

摘要：
考虑多天线多中继两跳半双工无线网络,基于AF协议提出了RZF和IRZF MF 2种分布式波束形成方案.在中继节点,前者使用RZF技术进行接收和发射波束形成,后者分别使用IRZF和MF技术进行接收和发射波束形成.仿真结果显示,在瑞利信道下,2种方案与现有的MF RZF方案性能相当;而在莱斯信道下,文中RZF方案性能最优,但需要较高的计算复杂度.相对于除RZF方案的其他方案,IRZF MF实现了系统容量增益,并且其计算复杂度低于RZF方案.
关键词：
多输入多输出; 放大转发中继; 分布式波束形成; 正则化迫零预编码; QR分解
中图分类号： TN 925
文献标志码： A     

MIMO干扰信道下基于功率分配的干扰抑制算法

为了抑制MIMO干扰信道下的多小区干扰,采用子空间干扰抑制算法和功率分配相结合的干扰抑制方案,该方案充分利用系统总功率,将多小区干扰尽可能地重叠,以提高系统的性能.理论分析及仿真结果表明,与传统干扰抑制方案相比,该方案仅牺牲极微小的系统容量,却明显地降低了系统的干扰功率.     

多用户多输入多输出系统下行链路的线性预编码和功率分配

针对下行链路多用户多输入多输出(MIMO)系统,提出了一种简单的联合预编码和动态功率分配的方法.该方法把复杂的联合线性预编码设计和功率分配的优化问题分解成两步实现,简化了问题的求解.首先求解线性预编码,然后在此基础上,通过优化不同用户的功率分配,使各用户的信干噪比(SINR)相同且最大化,改善了的系统的误码率(BER)性能.仿真表明,所提出的方法与现有的方法相比,可以获得较大的信噪比(SNR)增益.     

基于FastICA的盲干扰对齐算法

为克服现有的干扰对齐方法中发送端信道传输信息不足的问题, 提出了一种新的盲干扰对齐（BIA: Blind Interference Alignment）算法。在K用户MIMO(Multiple Input Multiple Output)干扰信道中, 发射端已经建立起干扰对齐机制条件下, 依照盲源分离(BSS: Blind Source Separation)理论, 将IA（Interference Alignment)模型与BSS模型相结合, 在接收端采用FastICA(Fast Independent Component Analysis)算法, 建立以干扰对齐为模型的目标函数。对数据进行中心化, 通过逐个分离的方法, 单独分离每个独立分量, 从而提取期望信号。Matlab仿真结果表明, 该算法能在未知信道状态信息的情况下有效实现干扰对齐, 同时具有较好的误码率。