最大化信干噪比的动态功率分配干扰对齐算法

干扰对齐作为一种新颖的干扰处理方法,近些年来得到了学术界的广泛关注,其中分布式迭代算法由于实用性好而使得应用前景良好.传统的分布式迭代算法中并未考虑功率分配的问题,其算法性能有进一步提升的空间.为了进一步提高分布式干扰对齐算法的信干噪比性能,提出了一种基于功率分配和干扰对齐的联合迭代优化方法.该算法中通过建模得到多用户MIMO干扰信道的等效信道,根据信道矩阵的迹来计算分配功率,并通过最大化信干噪比的方法来得到预编码矩阵和接收滤波器矩阵.仿真结果表明,该方法与等功率分配算法相比,其平均信干噪比大幅提高,证明了所提方法的优势.     

基于干扰控制的多小区分布式波束成形

在多小区干扰信道中,基于分布式竞争设计,提出一种优化基站发射波束成形矩阵的设计,使每个小区的最差信干噪比最大.在竞争设计中加入干扰控制,利用差异化的干扰系数,抑制小区间的干扰,提高系统性能.这种设计,既能保持算法的分布式特性,又能有效地提高用户信干噪比.仿真分析表明,基于干扰控制的设计性能更接近协同设计的性能.     

协作多小区MISO干扰消除自适应比特分配算法

针对两小区MISO有限反馈系统中的小区间干扰消除问题,分析了部分信道状态信息下最大化信漏噪比和迫零波束形成在不同比特分配算法下的系统性能.通过使用两个独立的随机矢量量化(RVQ)码本分别量化期望信道和干扰信道,计算单用户下由量化误差导致的速率损失,再把速率损失限定在一定的范围内,进而对比特在期望基站和干扰基站之间的分配提出了一种新的自适应分配算法.仿真的结果表明与等比特分配算法相比该算法能够获得更优的系统性能.     

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.     

基于MIMO-D2D异构网络的干扰抑制算法

将多输入多输出(MIMO)技术引入到蜂窝用户和端到端(D2D)用户构成的异构网络中,提出了一种基于最大信干噪比因子的资源分配算法,实现了多个D2D用户复用一个蜂窝用户的下行资源.在此基础上联合最大信漏噪比(SLNR)的预编码算法,在基站到蜂窝用户信号功率最大化的同时,降低了泄漏到D2D用户组的功率,大幅减少了用户之间的同频干扰.结果表明:当平均信噪比为35dB时,相比于单天线异构网络,基于联合干扰抑制算法的MIMO(4×2)异构网络容量可增大12.33bps/Hz;而针对多个用户复用一个资源提出的最大SLNR的预编码算法相比于最小均方误差(MMSE)和块对角化(BD)算法,容量最多可增大36.2%;并且无论是在高信噪比还是低信噪比下,所提出的联合算法均能使系统性能得到明显的增益.     

基于干扰效率的星地认知网络功率分配算法

针对Underlay模式基于能量效率的功率控制算法未能准确反映次用户与主用户之间干扰性能导致系统容量下降的问题,综合考虑次用户能量有限及卫星链路和地面链路的差异性,定义干扰效率为认知卫星用户总的传输速率与地面基站接收到的干扰的比值,建立了基于干扰效率的星地认知网络上行链路功率分配模型,在此基础上提出一种基于干扰效率的功率分配算法.通过引入干扰门限约束及信干噪比约束条件,利用非线性分式规划理论和拉格朗日对偶法求解出最优功率.仿真结果表明:该算法能在较好满足次用户通信质量的前提下,有效减少对主用户的干扰,提升系统的干扰效率.     

基于最大信号干扰噪声比的无线再生中继系统合并方案

为了提高无线再生中继系统的传输性能,提出了一种最大信号干扰噪声比(信干噪比)合并方案.通过引入归一化相关系数,推导出了源节点-中继节点-目的节点两跳传输链路的端到端等效高斯链路表达式,以及最大信干噪比合并权向量.由于考虑了中继节点的判决可靠性,最大信干噪比合并方案能提供更准确的软信息,获得更好的误码率性能.数学分析表明,该方案适用于各种调制方式.仿真结果验证了其相对于现有合并方案的性能优越性.     

一种多级迭代干扰消除多用户检测算法

提出了快跳频多址通信多级迭代干扰消除多用户检测算法.该算法首先使用传统检测器对只有惟一最大行的用户做出正确译码,对于有多个最大行的用户进行迭代干扰消除.在迭代干扰消除中,对干扰数据信干功率比进行估计,若干扰频点没有受到其他信号的重叠干扰,则在迭代中被消除,否则继续迭代,直到所有用户译码完成.该算法具有线性的复杂度,消除了Fiebig多级干扰消除算法的错误传播,仿真结果表明提出的多级迭代干扰消除算法性能优于其他多用户算法.     

基于Cholesky分解的MIMO-OFDM系统同信道干扰抑制方法

在多输入多输出-正交频分复用(MIMO-OFDM)系统中,通过联合估计信道矩阵和干扰协方差矩阵(ICM)的方法来抑制同信道干扰.首先,利用最小二乘法和残差估计方法获取信道矩阵和ICM的初始估计值;然后,基于Cholesky分解方法对ICM的估计值进行改善,并利用改善后的ICM估计值对信道矩阵估计值进行更新.该方法充分利用了时域和频域中的所有可用信息,提高了信道估计精度,较好地抑制了同信道干扰.仿真结果表明:与其他可实现的非迭代方法相比,该方法所得的信道频率响应估计均方误差性能增益高于2 d B;信干噪比(SINR)越大,比特误码率性能的改善程度越好,并且随着天线数的增多,性能增益也增大.     

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.     

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。     

认知无线电系统基于动态功率控制的频谱分配

为研究认知无线电系统中下垫式共享方式下的资源分配问题,提出一种基于动态功率调整的子载波分配算法. 该算法根据授权用户的状态对认知用户在子载波上的功率进行动态调整,当授权用户接入时将认知用户的功率限制在干扰功率限之下,当授权用户离开时将认知用户的功率设置为最大发送功率;根据授权用户和认知用户的业务流分布以及认知用户在不同子载波上的信道增益进行子载波的动态分配. 仿真结果表明,与现有算法相比,基于动态功率调整的资源分配算法能够获得明显的吞吐量性能增益.      

干扰泄漏最小的多小区MIMO干扰对齐算法

在3小区多输入多输出(MIMO)干扰对齐通信系统中, 提出一种基于系统总干扰泄漏最小的预编码矩阵组的选择算法.首先求出系统中所有变换矩阵,并基于干扰泄漏最小准则从中寻找出最优的变换矩阵;再依据干扰对齐的最大自由度选出一半的特征向量组成预编码矩阵.仿真结果表明:与现有干扰对齐预编码矩阵的设计方案相比,文中提出的算法在系统和速率性能上有明显的改善,而且该算法在统计信道状态信息下同样具有优势.     

VLC网络中兼顾QoS和公平性的协作子载波与功率分配算法

针对目前可见光通信(visible light communication,VLC)中干扰管理算法存在的问题,提出了一种兼顾服务质量(quality of service,QoS)和公平性的协作子载波和功率分配算法.将终端公平度与QoS的乘积作为优先级因子,每轮优先级因子最高的终端获得协作接入点(access poin...     

认知无线电中基于干扰温度的功率控制博弈算法

针对认知无线电系统中功率控制的问题,根据David Goodman的非合作博弈思想,设计了一个基于干扰温度的代价函数,并对效用函数中的有效函数作了改进,在此基础上提出一种基于干扰温度的功率控制博弈算法。在仿真分析中同几种常用的功率控制博弈模型作了对比,结果表明该算法能有效提高认知用户的帕累托效应,提高用户的吞吐量,保障认知用户和主用户的QoS需求,使网络资源得到平等共享。     

基于OFDM的认知无线网络中最小代价增量资源分配算法

认知无线电是解决频谱资源紧张,提高频谱利用率的有效方式之一。在保护授权用户不受过度干扰的前提下,为了充分利用基于OFDM的认知无线网络频谱资源,在分别考虑频谱检测可靠性和互干扰对资源分配影响的基础上,构建了一个联合功率控制和子载波分配的最优化目标。考虑算法实际可行性,提出了3个次优的基于最小资源代价增量的算法,即最小功率代价增量算法、最小干扰代价增量算法以及最小功率干扰加权和代价增量算法。数值仿真表明,相比于现有的静态等功率资源分配,所提算法的吞吐量性能均有明显提升,其中,最小功率干扰加权和代价增量算法整体性能最好。     

超密集网络中基于集群分配的干扰管理与资源分配

针对超密集网络通信场景, 提出一种基于集群分配的干扰管理与资源分配算法, 以消除超密集网络中由于大量部署低功率基站而降低吞吐量等影响. 首先, 基于距离、 小区间干扰、 可用资源情况3个条件权衡为家庭基站分配集群; 其次, 根据分配结果将干扰关系建模为干扰加权无向图, 按适当标准对家庭基站进行分类, 针对不同类型的家庭基站采用不同着色算法; 最后, 根据整体着色结果图完成频谱资源块分配. 仿真结果表明, 该算法可以为家庭基站选择最适合的集群加入, 降低集群间干扰, 提升频谱资源利用率, 提高网络的吞吐量.     

NOMA残余干扰下D2D网络的能效资源分配算法

为了解决非理想串行干扰消除（serial interference cancellation,SIC）解码引起的残余干扰给非正交多址接入（non-orthogonal multiple access,NOMA）增强型设备到设备（device-to-device,D2D）组链路带来的高能耗、低信道利用率问题,提出一种基于能效优化的资源分配算法。在保证蜂窝、D2D组用户通信服务质量和复用子信道个数约束条件下,建立能效优化模型;使用一种以D2D组能效为权重的加权二部图最大匹配联合匈牙利算法为每个D2D组分配子信道;考虑到各接收机用户在相同和不同残余干扰下的能效问题,通过参数变换、Dinkelbach法和拉格朗日对偶法实现功率分配。仿真结果表明,提出的算法在非理想SIC条件下可有效提升系统D2D组链路的信道利用率和总能效。     

基于干扰对齐的设备到设备功率控制算法

为了使蜂窝网络系统中设备到设备(D2D)用户的速率总和最大,提出了一种基于干扰对齐(IA)的功率控制算法.该算法通过IA技术使得所有的D2D用户能够同时占用可使用的子载波;同时,控制每一个D2D用户在子载波上的功率,使所有D2D用户在对蜂窝用户(CU)产生的干扰小于干扰阈值的前提下,其速率和达到最大.仿真结果表明:与传统的基于频分多址(FDMA)的功率控制算法相比,本算法在干扰阈值为10 d Bm时,所得到的D2D用户的总速率和可提升约6 bit·S-1·Hz-1.     

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.