论文部分内容阅读
在现代无线通信系统中，通过密集部署基站来解决人们不断增大的业务需求而增加的数据吞吐量与有限的频谱资源之间的矛盾，但基站的密集部署将导致大量的不同小区之间的干扰。一种全新的处理干扰的方法—干扰对齐(Interf-erence Alignment, IA)技术被提出来解决这一问题。本文主要研究在多小区MU-MIMO蜂窝系统中的干扰对齐技术，以及三用户 MIMO系统中低复杂度的结合用户选择来伺机实现干扰对齐的技术—机会干扰对齐(Opportunistic Interference Alignment, OIA)技术。 本研究主要内容包括：⑴综述几种MIMO干扰网络模型和典型的干扰对齐的算法及其系统自由度。由于在某些特定的场景下，要求一定的系统配置，比如需要基站端和用户端配置的天线数相等时才能实现干扰对齐，而这并不符合实际系统配置的要求，或是需要信道扩展才能够实现干扰对齐，而信道扩展会导致系统开销增加、实时性变差等问题。针对以上问题，本文在多小区MU-MIMO系统下，提出了能够在尽可能符合实际系统的要求的同时，以最低的系统配置获得最大自由度的一种基于最小化系统配置的干扰对齐算法。⑵在三用户MIMO系统下，给出了传统的OIA用户选择准则及其后处理矩阵设计，但基于 SVD分解获得度量用户信道质量值的方法的计算复杂度较高，不利于在实际系统中的应用，而在以干扰信道矩阵子空间之间的弦距离作为干扰对齐的度量方式的OIA方案中，虽然能够有效降低用户选择的计算复杂度，但由于没有考虑干扰信道的功率增益大小，相比传统的用户选择方案，其系统性能上有一定的差距。针对以上问题，本文提出了能够在保证系统性能同时，降低系统计算复杂度，并改善用户选择后的残余干扰的改进OIA用户选择及后处理矩阵设计方案。该方案是基于修正的Gram-Schmidt方法的排序QR分解获得度量用户信道质量值，而后依据这个值来实现用户选择及后处理矩阵的设计。