一种基于天线选择和干扰对齐的异构蜂窝网络干扰抑制方法

摘要

本发明公开了一种基于天线选择和干扰对齐的异构蜂窝网络干扰抑制方法,本发明属于移动无线通信技术领域，特别涉及在异构蜂窝网中基于天线选择与干扰对齐联合优化的下行干扰抑制方法。一方面通过天线选择与干扰对齐联合优化得到的系统容量比将这两步分开进行得到的系统容量有明显提升。另一方面通过贪心算法而非遍历所有可能天线组合，在宏蜂窝基站天线数目M取值较大时能大大降低算法的执行时间。同时在干扰对齐的时候选择了最优的预编码矩阵，进一步使系统容量得到提升。

说明书

技术领域

本发明属于移动无线通信技术领域，特别涉及在异构蜂窝网中基于天线选择与干扰对齐联合优化的下行干扰抑制方法。

背景技术

技术通过在收发端部署多根天线，使得系统容量得到提升。其带来的空间复用增益与空间分集增益，也能用于抑制信道衰落从而提高信道可靠性。近年来提出的MassiveMIMO技术将部署的天线数目提高到成百上千的数量级，随着天线数目趋近于无穷，不同用户之间的信道矩阵区域正交从而消除用户和小区之间的干扰，因此受到广泛研究。

异构蜂窝网是随着移动通信快速发展而出现的一种新型网络架构。更高的通信速率、更全面的网络覆盖以及海量设备的网络接入是目前移动网络面临的挑战，异构组网技术通过在传统的单层宏蜂窝网络中部署多种类的微型基站来应对上述挑战。这些微型基站与宏蜂窝基站相比具有较低的发射功率和灵活的网络部署，在LTE网络中得到广泛应用，并且下一代移动通信系统(5G)也倾向采用异构组网技术来提升系统容量和海量接入能力。

天线选择技术是基于MIMO技术提出的一种用于降低系统计算复杂度与成本的方法，同时又能保留MIMO技术带来的空间增益。在Massive MIMO系统中天线选择得到广泛应用，原因在于随着天线数目的增加，信号处理算法的要处理的矩阵维度也随之增加，这会导致系统的计算复杂度大到难以用于实际网络中，同时如果每根天线都配备一条完整的射频链路，则系统的能耗与成倍也是无法接受的，因此从多根天线中选择出性能较好的少数天线用于数据收发是一个可行且性能良好的方法。根据天线选择准则可以分为最大化信道容量、最大化信噪比与最小化系统误码率等不同实现。

干扰对齐技术是近年来提出的一种新型干扰管理方法。通过在发送端设计预编码矩阵，使得到达用户的干扰信号被对齐到一个相对小的子空间内，从而增大有用信号可以使用的空间维度，提升系统容量。与传统的时分、频分和码分技术相比，干扰对齐能够带来的性能提升十分可观，因此受到广泛关注与研究。目前的干扰对齐算法主要分为线性干扰对齐和分布式迭代干扰对齐两大类。线性干扰对齐实现简单，能直接求得预编码矩阵与干扰抑制矩阵的闭式解，但对系统有诸多限制条件。分布式迭代干扰对齐则可以使用与更多的网络场景，但其实现需要多次迭代，计算复杂度较高。

下列文献介绍了现有相关研究进展与成果：

[1]Z.Shi,X.Zhu,Y.Zhao,et al.Interference alignment based on antennaselection for massive MIMO system[C].IEEE Computer Science&Education(ICCSE),Cambridge,2015,606–610

[2]专利“基于天线选择和干扰对齐的多小区大规模MIMO干扰消除方法”.中国专利，公开号：CN105978615A，公告日：2016-09-28.

文献[1]提出了一种Massive MIMO场景下基于天线选择的干扰对齐算法。文章中将天线选择和干扰对齐作为两个独立的步骤分开进行，天线选择阶段提出一种基于分治法的低复杂度天线选择算法，干扰对齐阶段采用经典线性干扰对齐。该算法存在两个问题。首先是将天线选择和干扰对齐独立分开，得到的性能不是最佳。其次是在线性干扰对齐阶段，对预编码矩阵的选择没有考虑最优情况，这也会导致系统性能损失。文献[2]在文献[1]的基础上引入了基于公平性的动态功率分配策略，提升了系统的误码率性能，但上述存在的两个问题依旧没有考虑。

同时上述两篇文献均是基于传统蜂窝网络，没有考虑异构网络场景。

发明内容

本发明解决的问题是：提供一种在异构蜂窝网络中基于天线选择和干扰对齐联合优化的低复杂度干扰消除方法。

本发明为解决上述问题所采用的技术方案是：基于贪心算法的天线选择和基于最优预编码矩阵选择的干扰对齐联合优化，从而实现发明目的。因而本发明技术方案为一种基于天线选择和干扰对齐的异构蜂窝网络干扰抑制方法，该方法包括：

步骤1：构建3用户对的异构蜂窝网络模型，包括一个宏蜂窝基站和两个微型基站，宏蜂窝基站用编号1表示，两个微型基站用编号2、3表示；每个基站服务一个特定用户；宏蜂窝基站部署M根天线，微型基站和所有用户部署N根天线；

步骤2：基站端通过上行导频信号获取信道状态信息；用H_ij表示基站j与用户i之间的信道矩阵，其中H_i1,(i＝1,2,3)表示宏基站到用户的信道矩阵，维数为N×M；H_ij,(i＝1,2,3；j≠1)表示微基站到用户的信道矩阵，维数为N×N；

步骤3：宏蜂窝基站进行天线选择，用H_full表示宏蜂窝基站到用户的N×M阶信道矩阵，用H_as表示天线选择后得到的N×N阶信道矩阵；具体选择过程如下：

(a)用H_full的前N列初始化H_as，并设置如果H_full前N列的标志位为1转入步骤4计算此种天线选择得到的系统容量；

(b)对H_as中的第j列，固定H_as中的其余列，遍历H_full中标志位0的所有列，用H_full中标志位为0的第i列代替H_as中第j列，并将H_full中的第i列标志位设置为1，转入步骤4计算此种天线选择得到的系统容量，如果该系统容量比之前的大，则将H_as的第j列更新为H_full中的第i列，否则将H_full中的这一列标志位恢复为0；

步骤4：设计发送端预编码矩阵；由现行干扰对齐可得：

求解方程1-3得到：

其中：span(·)表示对应矩阵张开的空间，H_{as_i1}表示经过天线选择后宏基站与第i个用户之间的信道矩阵，V_i表示第i个基站的发送预编码矩阵，λ为一个非零常数。

对进行特征值分解，得到N个特征向量，从N个特征向量中选取d个组成宏蜂窝基站的预编码矩阵，d表示每个基站发送给用户的独立数据流数目，此处共有中不同的组合数，用T表示第k种组合下得到的归一化预编码矩阵；根据公式(5)(6)计算和并做归一化处理；

步骤5：设计接收端干扰抑制矩阵；根据计算每个用户的干扰抑制矩阵，其中表示矩阵的伪逆矩阵，表示第i个用户在发送端选取第k种预编码矩的前提下得到的干扰抑制矩阵，表示第i个基站的第k种预编码矩阵，H[:,d(i-1)+1:di]表示由矩阵H中得第d(i-1)+1列到第di列组成的子矩阵；

步骤6：根据计算系统容量，表示取第k种预编码矩阵时对应的系统总容量，I_d表示维度为d的单位矩阵，N₀表示高斯白噪声，det(·)表示矩阵的行列式值，如果此时得到的系统容量大于前一次得到的系统容量，则更新系统容量为当前计算所得，并更新系统的预编码矩阵和干扰抑制矩阵为本次所得；返回步骤4选取下一中预编码向量组合方式，若遍历完所有组合方式，转至步骤7；

步骤7：若得到的系统容量大于之前天线子集得到的系统容量，则更新天线选择子集；若还有天线选择子集未考虑，则转至步骤3(b)获取下一种宏蜂窝基站天线选择子集，重复执行步骤3(b)到步骤6，否者结束算法，得到最终的天线选择子集。

本发明以最大化系统容量为目标，将天线选择与干扰对齐进行联合优化，而不是将这两部独立开来。在天线选择时，考虑到计算复杂度，如果遍历所有可能的天线子集组合，当宏蜂窝基站天线数目较大时，计算复杂度会急剧上升。本发明中使用基于贪心算法的天线选择技术，能够在损失少量系统容量的情况下大大降低计算复杂度。在干扰对齐的实现中，由于预编码矩阵的设计与系统容量有直接的关系，因此如何从N个预编码向量中选取D个组成最终的预编码矩阵也直接影响到系统容量，考虑到N的取值在实际工程中一般较小，本发明采取遍历所有可能组合选取预编码矩阵，以得到最佳性能。

本发明的有益效果是，一方面通过天线选择与干扰对齐联合优化得到的系统容量比将这两步分开进行得到的系统容量有明显提升。另一方面通过贪心算法而非遍历所有可能天线组合，在宏蜂窝基站天线数目M取值较大时能大大降低算法的执行时间。同时在干扰对齐的时候选择了最优的预编码矩阵，进一步使系统容量得到提升。

附图说明

图1是本发明的系统模型图；

图2是天线选择与干扰对齐联合优化与分步实施的性能仿真示意图；

图3是不同预编码矩阵选择算法的性能仿真示意图；

图4是本发明实施例与其余对比算法的系统容量仿真示意图；

图5是本发明实施例与其余对比算法的计算复杂度仿真示意图。

具体实施方式

为清晰直观展示本发明的目的、技术方案和优势，下面结合具体实施方式与附图，对本发明做进一步的详细描述。

如图1所示，本实施实例系统为一个3收发对组成的异构蜂窝网络，采取TDD模式。BS1代表宏蜂窝基站，它部署有M＝32根天线，BS2与BS3表示两个微型基站。每个基站服务一个用户，微型基站与用户都部署N＝4根天线。每个基站向其服务的用户发送d＝N/2＝2个独立数据流。

步骤1：基站端通过上行导频信号获取信道状态信息，用H_ij表示基站j与用户i之间的信道矩阵，其中H_i1∈C^4×32,(i＝1,2,3)表示宏基站到用户的信道矩阵，维数为；H_ij∈C^4×4,(i＝1,2,3；j≠1)表示微基站到用户的信道矩阵；

步骤2：宏蜂窝基站进行天线选择，用H_full表示宏蜂窝基站到用户的4×32阶信道矩阵，用H_as表示天线选择后得到的4×4阶信道矩阵；具体选择过程如下：

(a)用H_full的前4列初始化H_as，并设置的H_full前4列的标志位为1，转入步骤3计算此种天线选择得到的系统容量；

(b)对H_as中的第j列，固定H_as中的其余列，遍历H_full中标志位0的所有列，用H_full中标志位为0的第i列代替H_as中第j列，并将H_full中的第i列标志位设置为1，转入步骤3计算此种天线选择得到的系统容量，如果该系统容量比之前的大，则将H_as的第j列更新为H_full中的第i列，否则将H_full中的这一列标志位恢复为0；

步骤3：设计发送端预编码矩阵；对进行特征值分解，得到4个特征向量并从中选取2个组成宏蜂窝基站的预编码矩阵,处共有中不同的组合数，用表示第k种组合下得到的归一化预编码矩阵；

步骤4：根据计算微型机站的预编码矩阵并做归一化处理；

步骤5：计算每个用户的干扰抑制矩阵，令第i个用户的等效信道矩阵为则其对应的干扰抑制矩阵如下式所示，表示取等效矩阵伪逆矩阵的第d*(i-1)列到d*i列向量所组成：

步骤6：根据计算系统总容量，如果此时得到的系统容量大于前一次得到的容量，则更新系统容量为当前计算所得，并更新系统的预编码矩阵和干扰抑制矩阵为本次所得；返回步骤3选取下一中预编码向量组合方式，若遍历完所有组合方式，转至步骤7；

步骤7：若得到的系统容量大于之前天线子集的到的系统容量，则更新天线选择子集；若还有天线选择子集未考虑，则转至步骤2(b)获取下一种宏蜂窝基站天线选择子集，重复执行步骤2(b)到步骤7并，否者结束算法，得到最终的天线选择子集。

采用蒙特卡洛仿真方法对本发明的性能进行了仿真，主要针对系统容量与算法复杂度进行讨论。

图2是本发明采用的联合优化思想与非联合优化的系统容量仿真曲线图，其中AS_IA_Jonit(Antenna Selection and Interference Alignment Joint Optimization)表示对天线选择和干扰对齐进行联合考虑，AS_IA_Unjoint(Antenna Selection andInterference Alignment Unjoint Optimization)表示天线选择和干扰对齐分步进行。在两种方法中，天线选择采用贪心算法以降低复杂度，预编码矩阵选择采用最优算法得到最优预编码矩阵。由曲线图可以得到，采用联合优化得到的系统可达率比非联合优化得到的系统可达率高出3至4bit/Hz/s，性能上有明显提升。

图3是在本发明采用的基于贪心算法的天线选择基础上，不同预编码矩阵选择算法所对应的系统容量曲线图。GAS_OIA_Joint(Greedy AS and Optimal IA JointOptimization)代表采用最优预编码矩阵选择算法，GAS_MIA_Joint(Greedy AS andMaxsnr IA Joint Optimization)代表预编码矩阵选取的准则是最大化信噪比，GAS_RIA_Joint(Greedy AS and Random IA Joint Optimization)代表随机选择特征向量组成预编码矩阵。可以看出，GAS_OIA_Joint在性能上有明显的提升，这也说明不同预编码矩阵选取算法对系统容量有直接影响。

图4是本发明实施例与其他算法的性能对比图，其中GAS_OIA_Joint为本发明中的方法，表示基于贪心算法的天线选择与最优预编码矩阵选择联合优化。OAS_OIA_Joint(Optimal AS and Optimal IA Joint Optimization)表示最优天线选择与最优预编码矩阵选择联合优化，该算法得到的是全局最优解，但复杂度较高。OAS_MIA_Joint(Optimal ASand Maxsnr IA Joint Optimization)表示最优天线选择与最大信噪比预编码矩阵选择联合优化，RAS_OIA_Unjoint(Random AS and Optimal IA Unjoint Optimization)代表的是随机天线选择与最优预编码矩阵选择非联合优化。从图中可与看到本发明提出的算法与最优算法得到的系统容量差距较小，而远远好于其他非联合优化的系统容量。虽然最优算法得到的系统容量最大，但其高复杂度在实际工程中难以得到应用。

图5是上述几种算法的计算复杂度对比图，虽然OAS_OIA_Joint具有最高的系统容量，但其算法复杂度随着宏蜂窝天线数目的增加而急剧上升，不适合实际应用，其复杂度为。本发明提出的GAS_OIA_Joint虽然与最优算法在性能上有一定差距，但将计算复杂度降低为，随着宏蜂窝基站天线数目的增加呈线性增长的关。而OAS_MIA_Joint在较小时算法复杂度较低，但随着的不断增加，其复杂度为，也高于本发明所提算法。至于RAS_OIA_Unjoint由于是随机进行天线选择，其复杂度为，但性能也是最差的。