多用户MIMO系统中的干扰对齐研究综述及未来展望

5多用户MIMO系统中的干扰对齐张杨1，2，3*，顾朝智1，若姝1，周郑2，3邹伟霞2，31中国石油大学计算机与通信工程学院2北京邮电大学信息与通信工程学院3通用无线通信教育部重点实验室摘要干扰对齐（IA）作为一种获得多用户无线通信系统最大自由度（DoF）的先进技术，已经得到了广泛的研究。这封信提供了一个简短的审查最近的作品IA。IA最有效的方法是通过利用无线信道的空间特性来部署最佳的线性收发器。它是在测量多输入多输出（MIMO）干扰信道进行评估。IA的实现依赖于信道状态信息（CSI）反馈到发射机的特性，如不完美的，噪声，本地化，延迟的性质，等等。此外，我们还考虑了一些未来的研究问题有关的实施。研究内容包括智能感知索引术语：MIMO，干扰信道，多小区网络，有限反馈1. 介绍近年来，互联网和数据电信业务发展迅速，并产生了对更高通信容量和数据速率的需求。干扰是下一代无线网络设计者面临的主要挑战，因为它将显著限制频谱资源的可重用性，并且因此可能降低多用户无线通信系统的吞吐量。各种正交化技术是当前无线通信网络中的主要干扰管理方法。然而，它们是“切蛋糕”的方法，通过划分频谱资源来避免共存的无线系统之间的干扰。显然，在正交接入方案中，每个移动用户只能获得一小部分频谱资源，并且随着用户数量的增加而减少，这些部分之和等于1。无线网络的容量是一个网络 信息 理论。 文献[1] 针对 多用 户多输 入多 输出（MIMO）系统提出了一些最优发射策略。然而，除了一些特定的网络，大多数通信网络的容量表征仍然是一个长期悬而未决的问题。IA是最近出现的无线网络容量分析的一个新的想法。提出了IA作为确定最优度的一般原则Cadambe和Jafar在[2]中提出了K用户干扰信道的自由度（DoF）。对于K个用户干扰信道，几乎可以肯定地实现每时间、频率和天线维度K/2的吞吐量复用增益[3]，这意味着无线网络本质上不是干扰受限的[4]。为了使该方案成为现实，已经设计了各种方案来通过使用信号电平、时间或频率信道扩展以及干扰用户处的多个天线来对准干扰来实现IA。在这些方案中，在空间维度上对齐干扰是最实用的方法。因此，我们认为，接收日期：2014年8月21日;修订日期：2014年9月7日接受日期：2014年9月17日* 通讯作者E-mail：zhangyang@upc.edu.cn，Tel：+86-532-86981969这是一个开放获取的文章，根据知识共享署名（CC-BY-NC）许可证的条款，允许在任何媒体上无限制地使用，分发和复制，前提是正确引用原始作品。版权所有©韩国通信与信息科学研究所（KICS），2014http://www.ictexpress.org6关于IA的大多数文献集中在多用户MIMO系统。在这项工作中，我们提供了一个简短的回顾现有文献IA在多用户MIMO系统。此外，我们讨论了一些未开发的开放性问题的基础上现有的工作。在第二节中，我们回顾了IA的MIMO干扰信道的工作。在第三节中，我们提供了一个讨论IA的多细胞网络。第四节讨论了反馈有限的IA最后，我们在第五节中结束2. 用于MIMO干扰信道的IA信息研究人员已经追求了三十多年的干扰信道的容量特性，并提出了广泛的有趣的结果。实现接近最佳容量的关键是IA。利用IA，多个干扰用户同时通信，并且保持期望信号与干扰分离，干扰被合并为在每个接收机处跨越具有少量维度的空间2.1 原则信道的多样性是IA的关键前提，它使每个接收机的期望信号和干扰信号独立。因此，通过巧妙地设计发射信号，可以使来自不同发射机的干扰信号相互叠加。IA的可实现速率取决于到发射机的CSI反馈的特性，诸如不完美的、有噪声的、局部的和可能延迟的。波束赋形方法在现有的MIMO无线通信系统中是常见的，而基于线性预编码（波束赋形）的IA，即线性IA，从实用的角度来看是容易实现的，这也是本文的主要重点。2.2 可行性条件我们将具有K个用户的干扰信道表示为（M1×N1，d1）（M2×N2，d2）.（MK×NK，dK），其中配备有Mk个天线的发射机k向配备有Nk个天线的接收机k发射dk个独立的信息符号流。在对称设置中，对于所有k，Mk=M，Nk=M，dk=d，在数学上，线性IA问题等价于发送预编码矩阵Vk和接收组合矩阵Uk的设计。必须满足两个条件，一个是存在具有dk维的单独期望空间的条件，另一个是确保期望信号不受其他用户发送的信号的干扰。然而，对于一般的通道，他们被证明是NP-困难的寻找最佳IA解决方案和检查给定的元组的自由度的可扩展性。只有在某些特殊情况下，例如三用户MIMO干扰信道中每个节点配备两个天线，才能找到解析的IA解。MIMO干扰信道线性IA解的存在性等价于多项式方程组的可行性。但一般多项式方程组的可解性也是一个公开问题。 一个IA问题被定义为不恰当的或恰当的，是基于这样的直觉，即一个一般多项式方程是可解的，当且仅当变量的数量不小于变量的数量。在大多数情况下，适当的系统可能是可行的，而不适当的系统可能是不可行的。对于对称系统（M×N，d）K，证明了线性IA问题是适当的当且仅当d <$（M+N）/（K+1）.对于某些特殊情况，适当的系统是可行的，但它是不正确的一般系统。然而，不适当的系统通常是不可行的[4]。2.3 解决方案对于线性IA问题的求解，迭代算法的研究较多。通过迭代地最小化泄漏干扰和最大化信号与干扰加噪声比（SINR），提出了两种分布式IA算法，其仅需要每个节点处的本地CSI [5]。受这些工作的启发，针对不同的优化目标，提出了大量的迭代算法来数值求解对准解。如干扰最小化、均方误差最小化、和速率最大化等，这些解决方案试图在MIMO干扰信道中实现IA的性能和复杂度之间的最优折衷。然而，大多数IA算法只考虑用户的自私性能，忽略了用户之间的干扰关系，限制了系统性能。通过博弈论的视角重新审视MIMO干扰信道下的免疫算法问题，提出了一种以吞吐量最大化为目标的免疫算法，在[6]中提出了基于平衡每个用户的利己主义和利他主义行为。虽然取得了一些进展，算法仍然是IA研究的热点。新的IA算法需要进一步的改进，如更低的复杂度，分布式计算，和不敏感的不完美CSI的实际应用。7http://www.ictexpress.org多用户MIMO系统中的干扰对齐3. 用于MIMO多小区网络的IA虽然关于IA的大多数工作集中在干扰信道上，但是IA在[7]中首次用于提高多小区网络中的用户吞吐量。提出了一种新的基于免疫算法的多小区网络方案，即子空间免疫算法，随着每个小区中用户数量的增加，这个结果是令人惊讶的，因为最大DoF是通过MIMO蜂窝网络可实现的，而无需基站之间的数据共享。受到IA如此有前途的性能的激励，许多最近的作品都在努力为多小区网络设计更实用的基于IA的方案。3.1 解决方案鉴于子空间IA实现中的挑战，在[8]中提出了一种针对下行链路蜂窝网络的IA算法，该算法旨在仅对准来自一个相邻BS的干扰。仿真结果表明，与标准的多用户MIMO预编码技术相比，该方案具有更好的性能。该IA解决方案实现了良好的性能，特别是当来自主导干扰基站的干扰明显强于剩余干扰时。此外，为了减少反馈和计算复杂度，对于两小区MIMO干扰广播信道（IFBC），W。Shin等人在[9]中提出了一种新的分组IA技术，该技术通过使用封闭形式的表达式联合设计收发器波束成形向量而无需迭代计算。分析和数值计算表明，该方案实现了最佳的自由度。它通过收发器波束形成器设计的新颖设计扩展到多小区网络[10，11]。3.2 可行性条件在多小区MIMO网络中，为了在线性IA下获得最优的DoF，减少收发天线的数量是关键 而 保障 线性IA的可行性然而，对于一般MIMO多小区网络，线性IA的可行性仍然是一个悬而未决的问题。线性IA的可行性条件包括必要条件和充分条件。与干扰信道一样，合适的条件是一般MIMO蜂窝网络IA可行性的必要条件之一。T.Liu等人在[12]中提供了MIMO多小区网络线性干扰可行性的全面和描述性观点。一般MIMO多小区网络IA可行的必要条件已提供并证明。除适当条件外，还发现了另一种必要条件。3.3 挑战当然，要使IA技术在现代蜂窝网络中得到应用，IA研究中还存在一些问题，如调度、资源分配、回程信令延迟等，这些问题都亟待关注和解决。此外，IA算法应该重新评估使用模型，更准确地类似于现代蜂窝系统，如宏小区，微微小区，小小区，中继网络，等等。然而，在实际网络中，由于低速率的反馈链路，在发送端获得完美的CSI（CSIT）是困难的。4. IA的CSI反馈尽管IA是一种很有前途的干扰管理技术，但它还远未实用。实现IA方法的一个关键关于有限反馈的大量工作集中在点对点MIMO通信上。因此，一些作品解决了这个问题的IA有限的反馈。4.1 有限反馈效应格拉斯曼码本对于CSI量化是接近最优的，但其设计具有挑战性。在[13]中，针对频率选择性单输入单输出（SISO）系统分析了实现干扰信道最大DoF的最小反馈比特数。这项工作被扩展到MIMO情况[14]，其中已经提出了有限反馈方案。然而，在这方面，需要大量的反馈比特来获得合理的吞吐量，并且带来了一些问题。对于中等规模的系统，随机矢量量化（RVQ）码本执行接近最佳码本。在[15]中研究了用于恒定MIMO干扰信道的具有RVQ码本的IA方案。通过考虑训练和有限反馈的成本，Xie et.al讨论了IA实现的有效DoF，以公平地评估性能，并研究了块衰落干扰信道的吞吐量的上下界[16]。当发送SNR高时，反馈的数量8比特急剧增加，导致有限反馈的实用性降低。为了减少有限反馈的开销，提高CSI质量，提出了一些工作，利用系统的信道特性。4.2 解决方案在[17]中提出了一种用于具有有限反馈的MIMO IA的新的信道量化算法，通过在量化信道之前在每个接收器处引入附加的接收滤波器，基于针对每个用户的单个流的封闭形式IA解决方案，Cho et.al在[18]中提出了用于IA的有效反馈拓扑，与全反馈拓扑相比，该拓扑允许显著减少CSI反馈。然而，随着迭代次数的增加，不能实现K用户干扰信道中的完整DoF，因为它导致传输的时间延迟，这导致快速衰落信道的显著干扰失准。在[18，19]中，通过利用异构路径损耗来提高有限反馈的效率，经由针对不同干扰链路的比特分配提出了动态量化方案。当干扰不显著时，还重要的是要注意，IA可能被空间复用优于，因为牺牲了一些额外的空间维度来适应干扰而不是传输期望的信号。这种效应引起部分连接的干扰拓扑，这可能不仅有助于限制聚合干扰，而且还有助于减少所需天线的数量。分别针对MIMO干扰信道[20]和蜂窝网络[21]研究了部分连通性的可行性条件和求解算法4.3 挑战在点对点MIMO系统中，不完美CSI仅导致容量对SNR曲线中的SNR偏移。然而，CSI的准确性降低了曲线的斜率，即，DoF，在多用户MIMO系统中。反馈的开销是系统设计的一个关键挑战。信道特性，如时间相关性，空间相关性，和异构路径损耗，可以用来提高反馈的性能。必须仔细设计反馈方案，以平衡系统性能和反馈开销。5. 结论IA是一种很有前途的干扰管理技术用于多用户无线通信系统。综述了近年来多用户MIMO系统技术的发展，以及与系统实现和性能相关的未来研究方向。无线通信的新兴领域有着巨大的研究空间。这个想法必须集中在性能和兼容性方面，这是大多数研究人员面临的关键挑战。 分别介绍了MIMO干扰信道和MIMO多小区此外，CSI量化和反馈方案的IA方案进行了研究。通过充分利用干扰拓扑的特性，提出了提高干扰拓扑有效性能的一些方法。确认本 研 究 得 到 了 中 央 高 校 基 础 研 究 基 金（No.12CX04078A，No.12CX04078A）的资助。13CX02028A）引用[1] D. Gesbert，M.孔图里斯河W. Heath，C.-B. Chae和T.Salzer，[2] S. Jafar和S. Shamai，[3] V. Cadambe和S. Jafar，“Interference alignment and thedegrees of freedom of the K user interference channel”，Information Theory，IEEE Transactions on，2008，54（8）：3425-3441。[4] S. A. Jafar，通信与信息理论基础与趋势，2011，7（1）：1-136.[5] K. Gomadam、V. Cadambe和S.贾法尔.“干扰对齐的分布式数值方法及其在无线干扰网络中的应用”。信息理论，IEEE Transactions on，2011，57（6）：3309 -3322。[6] Z.K. M Ho 和 D. Gesbert ， “Balancing Egoism andAltruism on Interference Channel：The MIMO Case”，inProc. IEEE International Conference on Communications（ICC），2010. 1-5.[7] C. Suh和D.阿谢“干扰对齐蜂窝网络。”在Proc.46thAnnualAllertonConferenceonCommunication ，Control，and Computing，2008中。1037- 1044.[8] C. Suh，M. Ho和D.阿谢“下行干扰校准”通信，IEEETransactions on，2011，59（9）：26169http://www.ictexpress.org多用户MIMO系统中的干扰对齐[9] W. 申，N.Lee，J.林角，澳-地Shin和K.Jang，120比125[10] J.Tang 和 S. Lambotharan ， “Interference AlignmentTechniques for MIMO Multi-Cell Interfering BroadcastChannels”，Communications，IEEE Transactions on，2013，61（1）：164-175。[11] T. Liu 和 C. Yang ， “Interference alignment transceiverdesign for MIMO interference broadcast channels” ， inProc. IEEE Wireless Communications and NetworkingConference（WCNC），2012. 641-646.[12] T. Liu和C. Yang，[13] H.博尔奇凯和我Thukral，“Interference alignment withlimitedfeedback ， ”inProc.IEEEInternationalSymposium on Information Theory （ ISIT ） ， 2009.1759-1763年。[14] R. Krishnamachari和M. Varanasi，[15] H. Lee和Y. Ko，“Interference Alignment with RandomVector Quantization for MIMO Interference Channels”，in Proc. IEEE Vehicular Technology Conference （VTCFall），2012.一比五[16] B. Xie，Y. Li，H. Minn和A. Nosratinia，“InterferenceAlignment under Training and Feedback Constraints”，inProc.IEEEGlobalTelecommunicationsConference（GLOBECOM），2011.一[17] J.金，S.穆恩，S。李，我。Lee，[18] S. 周，K.Huang，黄氏拟谷盗D.Kim，V.劳，H.蔡，H.Seo和B. Kim ， “Feedback-Topology Designs for InterferenceAlignment in MIMO Interference Channels” ， SignalProcessing，IEEE Transactions on，2012，60（12）：6561- 6575。[19] Rao，X.，L. Ruan和V. Lau。“Limited Feedback DesignforInterferenceAlignmentonMIMOInterferenceNetworks with Heterogeneous Path Loss and SpatialCorrelations.”Signal Processing，IEEE Transactions on，2013，61（10）：2598 - 2607。[20] H，Huang和V. Lau。“K用户MIMO干扰信道的部分干扰对齐”。Signal Processing，IEEE Transactions on，2011，59（10）：4900[21] X. Rao 和V. Lau ， “Interference Alignment with PartialCSI Feedback in MIMO Cellular Networks” ， SignalProcessing，IEEE Transactions on，2014，62（8）：2100- 2110。