干扰对齐网络中训练序列和数据符号的时间分割方法技术

本发明专利技术提供了一种干扰对齐网络中训练序列和数据符号的时间分割方法，在不完美CSI的前提下开展优化设计，给定相干时间，考虑实际信道估计时，优化设计传输训练序列和数据符号之间的时间分割因子α，寻求在信道估计精确度和数据符号传输时间之间的折中，最大化用户可达速率下界。

【技术实现步骤摘要】
干扰对齐网络中训练序列和数据符号的时间分割方法
本专利技术涉及一种传输训练序列和数据符号之间的时间分割优化方法。
技术介绍
多输入多输出(Multiple-InputMultiple-Output,MIMO)干扰网络中，多个用户进行无线通信时，相互之间会存在干扰，从而会影响信号接收质量，降低接收机的信道容量。干扰对齐(InterferenceAlignment,IA)是无线通信中一个很有前景的干扰管理技术。与传统正交化信道的干扰避免方案不同，IA技术可以把全部干扰限制到二分之一的信号子空间中，另外二分之一可以用来无干扰的传输期望信号。IA技术因其提高系统容量的优良性能引起了广泛关注。IA技术的应用需要精确的信道状态信息(ChannelStatementInformation,CSI)，而在实际应用中由于存在估计误差、量化误差或反馈误差，获得的CSI总是不完美的。尤其，当通过训练序列进行信道估计获取CSI时，对给定的相干时间，如果训练时间太短，信道估计中将会产生更多的误差，进而降低系统可达速率；相反，如果训练时间太长，数据符号传输时间将会变短，也会导致系统速率的降低。因此，研究不完美CSI下，传输训练序列和数据符号之间的时间分割优化方案对提高系统速率具有重要意义。文献1“IterativealgorithmforinterferencealignmentinmultiuserMIMOinterfe-rencechannels[SignalProcessingAdvancesinWirelessCommunicationsIEEEEleven-thInternationalWork(2010):1-5].”针对多用户MIMO的干扰网络，在完美CSI场景下，提出了一种基于线性规划的干扰对齐方法，并证明了收敛性。而且在实际系统配置下，所提方法比其它传统算法速度更快，更简单。文献2“Maximumsum-rateinterferencealignmentalgorithmsforMIMOchann-els[IEEEGlobalTelecommunicationsConference(GLOBECOM),2010,pp.1–6].”针对多用户MIMO的干扰网络，在完美CSI场景下，提出了一种新的迭代算法，交替优化预编码和接收滤波器，目的是找到能使平均总速率最大化的IA解决方案，仿真结果表明，所提出的算法比传统的IA算法具有更高的吞吐量。文献3“Alimitedfeedback-basedbitallocationmethodforinterferencealignm-ent[InternationalConferenceonWirelessCommunications，NetworkingandMobileComputing(WiCOM)，2016，pp.1-6].”针对有限反馈导致CSI不完美，进而引起系统速率损失问题，基于固定训练时间，提出了一种干扰对齐中的新型比特分配算法。仿真结果表明，当满足干扰对齐条件时，所提算法与传统平均比特分配算法相比，可大大提高系统总速率。文献4“Ontheoverheadofinterferencealignment：Training，feedback，andcoop-eration[IEEETransactionsonWirelessCommunications，vol.11，no.11，pp.4192-4203，2012].”分析了MIMO系统中通过固定训练时间和反馈获得CSI的IA技术的性能，针对不完美CSI情况，在给定误差功率的前提下，推导出IA平均可达速率。文献5“CapacityanalysisofinterferencealignmentwithboundedCSIuncertain-ty[IEEEWirelessCommunicationsLetters，vol.3，no.5，pp.505-508，2014].”针对不完美CSI的误差有界的情况，利用IA推导出系统容量下界，引入了一个名为修改自由度的新度量，在有限的信噪比(Signal-to-NoiseRatio，SNR)中描述不完美的CSI下IA的多路复用性能。现有关于IA的研究，大都是基于完美CSI展开的(如文献1，2)，针对不完美CSI下的IA研究较少。此外，目前关于IA的研究主要是针对理想CSI条件下进行系统设计，或者通过固定训练时间进行信道估计(如文献3，4，5)获得不完美CSI，进而展开优化设计的。
技术实现思路
为了克服现有技术的不足，本专利技术提供一种干扰对齐网络中训练序列和数据符号的时间分割方法，在不完美CSI的前提下开展优化设计，给定相干时间，考虑实际信道估计算法和过程，引入训练序列和数据符号之间的时间分割因子，进而通过优化时间分割因子最大化用户可达速率下界。本专利技术解决其技术问题所采用的技术方案包括以下步骤：步骤一，对于有K个用户对共用相同频带的一个干扰对齐网络，每个用户对由一个发送用户和一个接收用户组成，发送用户配置m根天线，接收用户配置n根天线；信道估计在整个相干时间的T个符号周期均有效；Hkl∈Cn×m是第l个发送用户到第k个接收用户的信道矩阵，是信道估计矩阵，ΔHkl表示信道估计误差；为第k个接收用户处的加性高斯白噪声，N0表示噪声功率谱密度；令α∈(0，1)为时间分割因子，训练时间是αT个符号周期，数据符号传输时间是(1-α)T个符号周期；基于LS估计算法，得到ΔHkl的最大误差界其中，(ΔHkl)i表示ΔHkl的第i行，εt表示训练序列的发射功率，表示传输训练序列SNR；步骤二，每个发送用户在相干时间内只传输一个数据流d＝1给所有接收用户，则第k个接收用户接收到的信号为其中，是第l个发送用户基于IA技术设计的预编码矩阵，是第k个接收用户基于IA技术设计的接收滤波矩阵，为发送数据符号向量，假设所有的发送用户具有相同的功率约束：其中，ε表示数据符号的最大发射功率，表示传输数据符号SNR；步骤三，第k个用户对的可达速率下界其中，表示第k个用户的期望信号功率，B＝m2n2ρ[(K-1)2-1]，C＝TρtD＝m2n2ρ(K-1)2；通过求解最优的时间分割因子实现可达速率下界最大化；对求关于α一阶导，并令其为0，定义G＝n2m2ρ，得到关于α的近似表达式a1α3+a2α2+a3α+a4＝0，其中，a1＝-2ACF，a2＝2ACG-2(AD+BC)F+(BC-AD)(2A-F)，a3＝2(AD+BC)G-2BDF-(BC-AD)(2A-2B-F-G)，a4＝2BDG-(BC-AD)(2B+G).由近似表达式获得近似最优时间分割因子αopt。本专利技术的有益效果是：在干扰对齐网络中，引入了时间分割技术，在信道估计精确度和数据符号传输时间之间的寻求折中，研究了一种简便的优化算法计算最优时间分割因子，并给出了传输过程中的最优化时间分割公式，最大化用户可达速率下界。附图说明图1是干扰对齐网络通信模型图；图2是不同ρ下的可达速率下界随α的变化图；图3是不同ρ下的仿真最优时间分割因子αopt；图4是最大可达速率下界随ρ的变化图；图5是不同时间分割方案下的可达速率下界对比。具体实施方式下面结合附图和实施例对本发本文档来自技高网...

【技术保护点】
1.一种干扰对齐网络中训练序列和数据符号的时间分割方法，其特征在于包括下述步骤：步骤一，对于有K个用户对共用相同频带的一个干扰对齐网络，每个用户对由一个发送用户和一个接收用户组成，发送用户配置m根天线，接收用户配置n根天线；信道估计在整个相干时间的T个符号周期均有效；Hkl∈C

【技术特征摘要】
1.一种干扰对齐网络中训练序列和数据符号的时间分割方法，其特征在于包括下述步骤：步骤一，对于有K个用户对共用相同频带的一个干扰对齐网络，每个用户对由一个发送用户和一个接收用户组成，发送用户配置m根天线，接收用户配置n根天线；信道估计在整个相干时间的T个符号周期均有效；Hkl∈Cn×m是第l个发送用户到第k个接收用户的信道矩阵，是信道估计矩阵，ΔHkl表示信道估计误差；为第k个接收用户处的加性高斯白噪声，N0表示噪声功率谱密度；令α∈(0，1)为时间分割因子，训练时间是αT个符号周期，数据符号传输时间是(1-α)T个符号周期；基于LS估计算法，得到ΔHkl的最大误差界其中，(ΔHkl)i表示ΔHkl的第i行，εt表示训练序列的发射功率，表示传输训练序列SNR；步骤二，每个发送用户在相干时间内只传输一个数据流d＝1给所有接收用户，则第k个接收用户接收到的信号为其中...

【专利技术属性】
技术研发人员：姚如贵，姚鲁坤，陆亚南，高岩，徐娟，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：陕西,61