【正文】 () 所以該信道有一個(gè)自由度，特別值得注意的是信道強(qiáng)度（即信道系數(shù)）和噪聲功率并不相關(guān)，所以他們也不會(huì)隨著的變化而變化。在高斯網(wǎng)絡(luò)中，容量區(qū)域取決于每個(gè)接收端的本地的加性高斯白噪聲（AWGN），發(fā)射端的信號(hào)功率，和信道系數(shù)。一個(gè)通信系統(tǒng)，假如有個(gè)獨(dú)立的信息和可實(shí)現(xiàn)的傳輸速率數(shù)組（），如果存在一系列的碼本（隨著碼長的增加），那么信號(hào)被譯錯(cuò)的概率將會(huì)更小。但是不得不說在實(shí)際的學(xué)習(xí)與運(yùn)用中，要想獲得精確的CSIT是很困難的。47第2章 干擾對(duì)齊的基本概念第2章 干擾對(duì)齊基本概念 信道信息發(fā)射機(jī)通過一定的信道，將信息發(fā)送給接收機(jī)，接收機(jī)通過某一信道算法，得到信道狀態(tài)信息，成為接受信道狀態(tài)信息（CSIR），反之，接受機(jī)將該信息反饋發(fā)射機(jī)，這時(shí)，對(duì)于發(fā)射機(jī)而言就是發(fā)射信道狀態(tài)信息（CSIT）。第3章開始介紹很重要的干擾模型——X信道和用戶的高斯干擾信道，并對(duì)其不同情況的自由度做了整理。干擾對(duì)齊需 要進(jìn)一步解決的問題還包括：信道信息對(duì)完成干擾對(duì)齊至關(guān)重要，而反饋給發(fā)送端的信息是局部的、有噪聲的、不完整且有時(shí)延的。例如，一個(gè)用戶干擾信道場景，每一個(gè)接收機(jī)都需要對(duì)齊維干擾信號(hào)空間，個(gè)接收機(jī)，總共個(gè)信號(hào)空間對(duì)齊約束條件。推廣來說，在高信噪比的情況下，每個(gè)無線干擾網(wǎng)絡(luò)中的用戶可以得到二分之一的容量。3) 正交化：如果干擾信號(hào)與期望信號(hào)的強(qiáng)度差不多時(shí)，可以采用正交化的信道來消除干擾。這個(gè)方法已經(jīng)運(yùn)用到實(shí)際中很長時(shí)間。從此，干擾對(duì)齊這一術(shù)語開始被廣泛介紹，并且逐步被采用。文獻(xiàn)[4]，[6]的一些DOF的結(jié)論成果和重疊干擾空間的新發(fā)現(xiàn)激起了Jafer等人的興趣，在2006年開展了技術(shù)報(bào)告的討論[7]，并得到了一些實(shí)質(zhì)性的結(jié)論[8]。當(dāng)然，在一些文獻(xiàn)中也提到過，利用信號(hào)電平通過構(gòu)造編碼（多層次的點(diǎn)陣碼）也可以實(shí)現(xiàn)干擾對(duì)齊。結(jié)果表明，通過長符號(hào)擴(kuò)展，每個(gè)維度可以實(shí)現(xiàn)的自由度可以任意接近理論上限。一個(gè)典型的例子，有個(gè)發(fā)射機(jī)和接收機(jī)的無線干擾信道，在此，由于干擾對(duì)齊，每個(gè)用戶的傳輸速率可以為無干擾時(shí)信道容量的一半，給它期望的接收端發(fā)送信息。這類方法可以提高期望用戶的速率，但是要對(duì)干擾信號(hào)進(jìn)行解碼，所以會(huì)影響其他用戶的速率，而且多用戶檢測復(fù)雜度高，一般很少用。用戶高斯干擾信道的性能由自由度增益衡量，自由度增益反映的是用戶對(duì)公共傳輸媒介的自由占有程度。在干擾信道中，干擾是最基本的要素，同時(shí)也是制約系統(tǒng)性能的瓶頸，同時(shí)隨著用戶數(shù)量的增加，對(duì)于容量要求的提高，實(shí)際上，通信通信網(wǎng)絡(luò)中遇到的不再是簡單的高斯信道，而是高斯干擾信道，即來自非期望用戶的干擾成為一個(gè)重要的影響因素，這無疑會(huì)直接影響到整個(gè)通信系統(tǒng)的性能。關(guān)鍵詞 干擾對(duì)齊 自由度 分布式處理 迭代算法 MIMO ABSTRACTABSTRACT With the rapid development of wireless munication services，and the popularity of wireless mobile phones， a sharp increase in the number of users， which raise a great challenge to channel capacity. the scarcity of spectrum has resulted in a huge development of a vast variety of techniques to improve spectrum utilization， In this development process， multipleinput multipleoutput(MIMO) system has attracted great attention， With the introduction of MIMO systems， the consequent interference between users has bee a major problem. The study of the past few decades on interference alignment， so that interference alignment has got a great concern， Because the interference can be suppressed while maintaining a reasonable degree of freedom， In recent years， many interference channel models and the corresponding interference schemes have been proposed， from different angles to examine the nature of the interference.Firstly， This paper analyses the basic principle of interference alignment， characterized freedom channel capacity， and a typical X channel and Gaussian interference channel.Second， the analysis of iterative interference alignment algorithm，earlier another important concern for interference alignment schemes is the requirement of global channel knowledge. However in this work we provide examples of iterative algorithms that utilize the reciprocity of wireless networks to achieve interference alignment with only local channel knowledge at each node. Algorithms of this paper are based on the channel state under ideal conditions， both are reciprocal channels， we focuses on the two distributed algorithms. That is MAXSINR and MINWLI，they use an iterative algorithm to seek a more reliable precoding vector， and interference suppression matrix. The difference between them is，the former’s purpose is try to maximize the signal to interference and noise ratio at each receiver，the another one is minimize the leakage of interference，both of them can reduce interference efficiently，achieve interference alignment.Finally，after the experimental analysis of simulation results，can get impressive transfer rate. These algorithms also provide numerical insights into the feasibility of interference alignment that are not yet available in theory.Keywords IA DOF Distributed Processing Iterative Algorithm MIMO 目 錄目 錄符 號(hào) 表 4縮略語表 5第1章 緒論 1 干擾對(duì)齊的背景研究 1 干擾對(duì)齊的研究現(xiàn)狀 2 論文結(jié)構(gòu) 3第2章 干擾對(duì)齊基本概念 4 信道信息 4 自由度 4 干擾對(duì)齊的思想起源 6 對(duì)齊原理 9 干擾對(duì)齊關(guān)鍵技術(shù) 10 本章小結(jié) 11第3章 干擾對(duì)齊算法的研究 12 X信道 12 K用戶高斯干擾信道 14 干擾對(duì)齊算法分類 16 空間干擾對(duì)齊算法 16 時(shí)域干擾對(duì)齊算法 20 頻域干擾對(duì)齊算法 21 仿真結(jié)果 22 本章小結(jié) 24第4章 干擾對(duì)齊的可行性 25 線性干擾解決方案 25 合適與不合適系統(tǒng) 26 本章小結(jié) 28第5章 干擾對(duì)齊的回顧與展望 29 干擾對(duì)齊的回顧 29 干擾對(duì)齊的展望 30結(jié) 論 31論文工作總結(jié) 31未來工作展望 31致 謝 32參 考 文 獻(xiàn) 33符 號(hào) 表符 號(hào) 表 矩陣或向量的共軛轉(zhuǎn)置 數(shù)學(xué)期望 的單位矩陣 表示（是常數(shù)） 表示所張成的空間 接收機(jī)和發(fā)射機(jī)之間的信道系數(shù) 向量的1范數(shù) 矩陣的秩 矩陣第個(gè)最小特征值 矩陣的最小特征值對(duì)應(yīng)的最小特征向量縮略語表縮略語表MIMO Multiple Input Multiple Output 多輸入多輸出SISO Single Input Single Output 單輸入單輸出CSIT Channel State Information of Transmitter 發(fā)送端信道狀態(tài)倍息CSIR Channel State Information of Receiver 接收端信道狀態(tài)信息BC Broadcast Channel 廣播信道IC Interference Channel 干擾信道IA Interference Alignment 干擾對(duì)齊AWGN Additive White Gaussian Noise 加性高斯白噪聲SINR Signal to Interference and Noise Ratio 信干噪比MMSE MiniMental State Examination 最小均方誤差估計(jì)MAC Multiple Access Chanel 多址接入信道WLI Weighted Leakage Interference 加權(quán)干擾泄露第1章 緒論第1章 緒論 干擾對(duì)齊的背景研究隨著無線通信技術(shù)的高速發(fā)展，無線通信用戶的數(shù)量急劇增加，同時(shí)無線業(yè)務(wù)也從單一的語音和短信服務(wù)向綜合數(shù)字業(yè)務(wù)迅速演進(jìn)，無線通信對(duì)通信速率的要求達(dá)到了前所未有的高度。其次分析迭代干擾對(duì)齊算法，早前的關(guān)于干擾對(duì)齊方案一個(gè)很大的顧慮在于獲取全部信道信息。在這一發(fā)展過程中，多輸入多輸出系統(tǒng)得到了很大關(guān)注，隨著MIMO系統(tǒng)的引入，隨之而來的用戶間的干擾也成了一大難題。對(duì)本人實(shí)驗(yàn)或設(shè)計(jì)中做出重要貢獻(xiàn)的個(gè)人或集體，均已在文中以明確的方式注明。除文中已經(jīng)注明引用的內(nèi)容外，本論文（設(shè)計(jì)）不包含任何其他個(gè)人或集體已經(jīng)發(fā)表或撰寫的作品成果。因此頻譜資源極度稀缺，造成各種提高頻譜利用率的技術(shù)得到了巨大發(fā)展。首先，本文先分析了干擾對(duì)齊的基本原理，自由度表征的信道容量，以及典型的X信道和高斯干擾信道。最后，經(jīng)過實(shí)驗(yàn)仿真結(jié)果分析，得到了一些和傳輸速率曲線，也對(duì)干擾對(duì)齊的可行性條件給出了一些見解。在多用戶的MIMO通信系統(tǒng)中，各個(gè)用戶之間因共享傳輸媒介而相互干擾，而這種干擾顯然是不可避免的，其模型可以用干擾信道進(jìn)行抽象描述。眾多學(xué)者致力于對(duì)干擾信道的研究已經(jīng)有超過三十年的歷史，在此期間，各種具體的干擾信道模型及相應(yīng)的抗干擾技術(shù)相繼提出，如多址接入信道（multiple access channel）、廣播信道（broadcast channel）、X信道等等，其中最具代表性的當(dāng)屬用戶高斯干擾信道，該信道是現(xiàn)實(shí)中大多數(shù)用戶通信系統(tǒng)的抽象模型。例如：強(qiáng)干擾（相比于信號(hào)與噪聲）情形下，可以先從接收信號(hào)中解出干擾，然后將干擾從接收信號(hào)中減去，再從剩余的信號(hào)中無干擾地解出想要的信號(hào)。在相對(duì)比較短的一段時(shí)間里，這一概念挑戰(zhàn)了對(duì)于有線和無線網(wǎng)絡(luò)吞吐量限制的傳統(tǒng)知識(shí)。文獻(xiàn)[3]提出了一種在時(shí)變信道里，通過構(gòu)造符號(hào)擴(kuò)展實(shí)現(xiàn)的干擾對(duì)齊方案。因此，通過干擾對(duì)齊信號(hào)矢量，能到達(dá)多大的自由度仍是未知。通過觀察（在文獻(xiàn)[6]中提出），當(dāng)信號(hào)與噪聲的比值（SNR）趨于無窮時(shí)，將導(dǎo)致“越來越多的重疊干擾空間”。通過剝離掉在X通道設(shè)置的限制性依賴關(guān)系，并從線性代數(shù)向量空間的角度呈現(xiàn)對(duì)齊，該文獻(xiàn)明確的對(duì)齊解決方案將干擾對(duì)齊這一理念歸為了一般性原則。2) 當(dāng)作噪聲：如果干擾信號(hào)比較弱，就把它當(dāng)作噪聲，單用戶編碼/解碼就足夠了。然而，為這一方法的理論信息驗(yàn)證只能從近期的一些文章[9]，[10]，[11]，[12]，把干擾當(dāng)作噪聲顯得更為合理，但是從信息理論方面來看著實(shí)有些驚人，因?yàn)樵诟蓴_信號(hào)中導(dǎo)入的結(jié)構(gòu)在這個(gè)機(jī)制中并沒有任何作用。之前有一些觀點(diǎn)表明無線網(wǎng)絡(luò)的干擾對(duì)齊的容量可以比現(xiàn)在研究得出的結(jié)果實(shí)際上更大，在一個(gè)典型的干擾對(duì)齊通信方案中，無論有多少個(gè)干擾，每個(gè)用戶都可以無干擾地，從其他用戶得到一半的頻譜。如今干擾對(duì)齊面臨的主要問題有兩個(gè)[13]： 1） 干擾對(duì)齊的可行性條件隨著干擾用戶數(shù)量增加，對(duì)齊的約束條件數(shù)快速增長。如，每個(gè)節(jié)點(diǎn)只有一根天線，所有信道系數(shù)在時(shí) 間和頻率上保持不變，在網(wǎng)絡(luò)中，有線分集限制了干擾對(duì)齊到何種程度。最后，利用空間矢量圖，推