论文部分内容阅读
通过在发射端和接收端分别设计预编码矩阵和接收滤波矩阵,干扰对齐技术能够完全消除用户所受到的同频干扰,在提升系统空分复用增益的同时增加系统的可达自由度DoF。干扰对齐技术需要发射端能够获取精确的CSI,而盲干扰对齐技术却可以在发射端缺少CSI的情况下消除干扰。通过将发射端的源信号进行符号扩展,盲干扰对齐技术可以在特定时隙内把干扰对准到用户的干扰子空间中,从而消除干扰。目前,干扰对齐技术和盲干扰对齐技术均未实用化,尚有许多问题有待解决。例如,干扰对齐技术的容量提升、盲干扰对齐技术应用场景的局限性等问题。基于此,本文分别对干扰对齐技术和盲干扰对齐技术做了如下研究:首先,本文分别研究了干扰对齐技术和盲干扰对齐技术各自的技术演进,并具体分析了几种当前最新的技术,如ARA算法和nBIA算法等。通过分析,我们发现,就干扰对齐技术来说,虽然系统的自由度较高,但系统的容量却变化不大;对于盲干扰对齐技术来说,现有算法多是针对单小区MIMO信道和K用户MIMO信道等场景,对于多小区多用户MIMO系统场景研究的较少。然后,针对现有干扰对齐技术中系统容量提升有限的问题,本文提出了一种适用于多小区多用户MIMO系统场景的干扰对齐技术的改进算法--ISC算法。根据每个小区的实际通信状况,ISC算法将每个小区中的用户分为对齐用户和未对齐用户。基于每个小区中未对齐用户的数量,ISC算法可以灵活调节基站和用户两侧的天线需求数目,从而减少收发两端的天线资源用量。通过仿真我们发现,相比于现有算法,在自由度相同的条件下,ISC算法所需要的天线数量较少;在系统天线配置相同的情况下,ISC算法所获得的容量最高。最后,针对现有盲干扰对齐技术中应用场景的局限性问题,本文提出了一种适用于两小区两用户MIMO系统场景的盲干扰对齐技术的改进算法--mBIA算法。mBIA算法通过在基站端生成预编码矩阵,从而消除用户所受到的ICI。然后,再根据预设的超级符号及异构信道模型,mBIA算法就可以将用户所受到的IUI对准到该用户的若干维干扰子空间内,进而解码出该用户的期望信号。通过仿真我们发现,相对于现有算法,mBIA算法每时隙的平均DoF最高,且系统的误码率最低。