信息感知的分层加权干扰消除编码缓存

为了消除多中继系统未请求子文件的干扰，提高系统传输总自由度，提出了信息感知的分层加权干扰消除编码缓存方案。该方案根据用户、中继的缓存容量、用户和文件数量将系统划分为两个子系统，联合设计加权干扰消除、正交单播和去中心化编码多播来最小化链路负载和提高系统总自由度。对于子系统Ⅰ,在单次无干扰传输子文件数大于用户数时引入单播，相对传统干扰消除，可获得的额外总自由度增益。在子系统Ⅱ中，提出了多中继协作编码传输，极大地降低了传输次数，提高系统总自由度。仿真表明，在单次无干扰传输子文件数小于用户数时，所提方案获得的总自由度优于传统未编码缓存方案，可实现最低1.3倍的总自由度增益；与传统干扰消除方案相比，所提方案可获约10.6%的总自由度增益。     

协作多点系统和空间干扰对齐机制

提出了一种用于下行协作多点系统联合传输的和空间干扰对齐（IA）机制. 利用多小区联合预编码将从不同基站到同一用户的干扰对齐到一个特定维度的空间中,实现干扰空间的压缩;然后在接收端设计干扰抑制矩阵消除多用户间干扰. 从系统自由度（DoF）的角度理论分析了和空间IA机制的性能,给出了系统可达DoF上界,以及干扰信号压缩维度与系统可达DoF的关系. 数值仿真将和空间IA机制与传统正交机制和经典IA机制进行对比,验证了和空间IA机制可以获得更高的DoF与数据速率.     

两簇多用户MIMO中继干扰信道干扰中和传输

针对两簇多进多出中继干扰信道,提出一种基于中继波束矩阵设计的干扰中和方案．首先,在中继构造接收波束矩阵将中继接收信号进行信号重构;其次,在中继构造发送波束矩阵消除簇间干扰．分析了所提干扰中和方案的适用条件和系统可达自由度,并将所提方案与连续网络编码方案和时分多址方案进行对比和分析．结果表明,所提的干扰中和方案能够获得更多的自由度．     

多用户正交频分多址系统扇区间空域干扰协调

针对多用户正交频分多址系统,提出了一种改进的下行空域干扰协调方案,该方案利用最小均方误差预编码来消除扇区间的同频干扰,改善边缘用户性能,并将最大化信号强度与最小化干扰泄露这2个目标函数分离到不同的资源上进行优化,简化了发射预编码矩阵的设计. 系统级仿真结果表明,在发射端获得完整信道状态信息时,空域干扰协调方案可以减轻扇区间干扰,而并不引入扇区总吞吐量的损失. 在码本大小、反馈粒度引起的信道状态信息不完全时,所提方案仍具有很好的性能增益.     

MIMO干扰信道中新的干扰消除方法

对于3用户的多输入多输出干扰信道,提出了一种基于空时编码的干扰消除方法. 每个用户采用速率为2的空时分组码,通过在每个用户的发送信号中引入零矩阵,消除第3个接收端的多用户干扰;通过对空时码字进行预编码和接收端的单向协作链路,消除其余2个接收端的多用户干扰. 与相同场景中的已有方案相比,所提方案在保持相同传输效率的同时,减少了反馈量,还实现了全分集. 仿真结果显示,收发天线的个数相同时,所提方案的可靠性优于相同场景中的已有方案.     

MIMO异构网络下行链路干扰对齐

针对由多输入多输出异构网络的下行链路存在的干扰,提出了一种基于零空间的干扰对齐方案．该方案通过联合设计微基站的发射波束成形矩阵和宏用户的接收波束成形矩阵,从而消除微基站到宏用户的干扰．该方案支持任意多个宏用户,同时提供闭式解．另外,该方案适用传统干扰对齐方案的不可行区域．最后,仿真结果展示了基于零空间的干扰对齐方案所能达到的自由度．     

泊松域上基于有限反馈的干扰对齐系统性能分析

为了满足用户日益增长的数据流量需求,无线网络基站架构正从严格规划的宏基站转变为多个分布式基站. 分布式基站的部署位置具有很强的随机性,不同于传统的基于规则的基站部署模型,在泊松域上可随机部署基站,为此,研究了多输入多输出干扰网络中基于有限反馈的干扰对齐系统性能. 首先将基站在泊松域上建模成齐次泊松过程,分析了量化后的信道状态信息的相关统计特征,推导了系统的中断概率和网络容量的近似闭合表达式,通过最大化网络容量的下界得到了最优的发射机部署密度参数. 仿真结果验证了所推导的表达式能准确地评估基于有限反馈的干扰对齐系统性能.     

基于并行干扰删除结构的CDMA下行接收机

通过分析重叠剪切（OC）法频域均衡（FDE）固有误差的产生原因和分布特点,提出了对其进行改进的方案——自适应重叠剪切（AOC）法;同时设计了一种基于非线性反馈的并行干扰删除（PIC）结构。通过非线性的处理,干扰删除迭代中所反馈的用户信息根据其可信度进行调整。理论分析和仿真结果表明,AOC法FDE复杂度较低,比原OC法FDE性能更好;非线性反馈的PIC进一步提高了接收机的性能。     

UDN中基于JR-CoMP的分簇和资源分配方案

针对超密集网络（UDN）中的上行干扰问题,提出了一种基于多点协作联合接收（JR-CoMP）的分簇与资源分配方法.首先,将用户和基站进行单频段分簇,将同一小小区的多个边缘用户放在不同的用户簇中,将位于相邻小小区并且距离较近的边缘用户放在同一个用户簇中,根据中心用户到已有基站簇的干扰强度将其归簇;然后,对用户簇进行多重子频段分配,为包含同一个小小区用户的多个簇分配不同的子频段,并且尽量为每个用户簇多分配子频段;最后,以最大化系统总传输速率为目标,采用注水算法为每个用户分配功率.仿真结果显示,所提方案能显著提高频谱效率.     

多基站协作异步干扰抑制预编码设计

在多基站协作通信系统中,针对基站与用户间距离差异将导致用户接收信号的异步干扰的问题,提出一种基于粒子群优化算法的异步干扰抑制预编码设计.该设计将预编码矩阵转化为寻优粒子位置参数矩阵,通过粒子间智能学习更新优化位置参数,调节适应度函数,最大化用户信干噪比,抑制异步干扰.数值分析结果表明,相对于改进的块对角化算法,所提算法使系统总速率提高了2～7 bit/s,且具有很好的收敛性.     

Interference alignment for asymmetric MIMO multicell broadcast networks

We investigate the interference alignment (IA) for the asymmetric MIMO multi-cell broadcast networks in the context of a square channel matrix. Specifically, for three different asymmetric scenarios, in order to design the precoding and decoding matrices, we propose the way to adopt the generalized eigenvalue decomposition (GEVD) based IA scheme. Furthermore, in order to maximize the achievable degrees of freedom (DoF), we formulate the problem as a linear programming (LP) problem which can be solved efficiently. It can be shown in simulation results that the maximum DoF obtained by the proposed GEVD IA assisted LP scheme is higher than that obtained by the existing scheme.     

一种协作多点多用户通信系统的预编码方法

提出了新的线性预编码方法,适用于联合处理模式下的协作多点多用户多输入多输出下行链路传输系统. 该方法通过信道矩阵的扩展,引入低复杂度的矩阵分解方法,有效抑制了噪声和多用户干扰这2个因素对系统的影响,并适用于接收端各用户配置任意根天线的系统;提出了在基站总功率受限的约束条件下次优的功率分配方案. 通过对算法复杂度的分析和性能仿真可知,所提方法不仅从总体上降低了中央控制站的处理复杂度,而且改善了系统性能.     

具有不完全信道状态信息的MIMO广播信道预编码

多用户MIMO系统中,基站已知具有有限误差的信道状态信息时,基于信干噪比限制下的广播信道预编码的鲁棒性设计可行性差,为此提出基于信漏噪比限制下的预编码设计方案.将信漏噪比限制下的最小化发射总功率的设计转化为一组半正定优化的问题进行求解,并依据各个用户当前信道条件动态指定每个用户的信漏噪比的要求,从而增强了采用凸优化方法进行设计的可行性.针对信道状态信息误差较大的情况,提出使用一个基于最小均方误差准则的信道矫正矩阵来减少误差矩阵的范数,从而更有效地使用提出的预编码设计方案.仿真结果显示,本方案的误码率性能对信道信息误差具有鲁棒性,与基于信干噪比的类似方案相比较,本方案可获得最优解的概率更高,有更好的误码性能.     

Two-cell MIMO uplink interference alignment transmission

Two novel interference alignment (IA) schemes are proposed for the two-cell MIMO uplink transmission system and their respective achievable degrees of freedom (DoF) are derived. The first scheme is the partial selective IA, which can achieve a higher DoF than the traditional selective IA by exploiting the received signals not involved in the IA. The second scheme is the hybrid IA, which exploits both partial selective IA and partial fixed IA schemes and results in the highest DoF compared to these two candidate IA schemes. Simulation results show that the proposed schemes outperform the existing schemes.     

双路径MIMO中继网络预编码盲干扰抑制

针对放大转发的双路径多进多出中继网络由于信道估计误差带来严重的剩余中继间干扰问题,提出了一种未知信道状态下基于行空间预编码的盲干扰抑制方案。新方案通过对发送信号进行交替行空间预编码,将期望接收信号和中继间干扰信号映射到不依赖信道状态信息的正交子空间,从而实现在未知信道状态信息下中继间干扰信号和中继噪声的盲干扰抑制,并从最大化信噪比角度给出最佳预编码设计。仿真结果表明,该方案可以有效地避免链路信道估计误差对中继间干扰抑制算法的影响,在系统性能和容量上优于传统基于信道状态信息的干扰抑制方案。     

基于有限反馈的多小区协作迫零预编码

为了同时抑制小区间干扰和用户间干扰,在多小区多用户系统中,基站通过共享CSI,采用小区间干扰清零（ICIN）预编码算法,将2种干扰迫零。在该算法的基础上,提出了有限反馈情况下的自适应比特分配算法以最小化量化误差引起的速率损耗,更有效地利用反馈比特资源。并且,给出速率损耗保持恒定时,用户所需的总反馈比特数的变化规律。仿真结果表明,提出的自适应比特分配算法优于等比特分配算法,并且采用自适应比特分配时系统速率损耗较小,而复用增益与准确CSI时相同。