CN108923879B - 一种联合基站用户关联的干扰消除方法 - Google Patents

Abstract

本发明公开了一种联合基站用户关联的干扰消除方法，用于解决现有联合基站用户关联的干扰消除方法中存在的必须限制每个用户发射的数据流个数是相同的问题。实现步骤为：设置***模型；构建目标函数；求解目标函数，得到每个用户与基站关联的关系和每个用户发射的数据流个数；用户向与自己关联的基站发射数据流；消除基站的干扰信号，以得到基站的期望信号。本发明没有要求每个用户发射的数据流个数是相同的，避免了现有联合基站用户关联的干扰消除技术只针对每个用户发送的数据流个数是相同的缺陷，增大了适用范围，同时提高了***的可达自由度。

Description

一种联合基站用户关联的干扰消除方法

技术领域

本发明属于通信技术领域，特别涉及一种联合基站用户关联的干扰消除方法，可用于每个用户发射的数据流个数是不同的多用户多基站的***。

背景技术

在多小区MIMO无线网络中，随着用户的数目和用户的需求不断增加，用户向基站发射数据流时，基站会收到干扰信号，这严重地影响了通信质量，因此如何消除干扰变得极其重要。为了极大程度地实现干扰消除，一个极其有效的方法是在干扰消除之前进行干扰对齐，干扰对齐是指通过预编码矩阵将基站的干扰空间进行压缩，使得基站的干扰空间维度尽可能小。干扰消除是指通过压缩后的干扰空间的零空间中的解码矩阵对基站的干扰信号进行迫零，消除该基站的干扰。压缩后的干扰空间维度越小说明基站能够收到更多的期望信号，也可以说用户能够发射更多的数据流。将所有用户发射的数据流个数的总和表示为***的可达自由度，对于配置有多个用户和多个基站的***而言，用户能够发射更多的数据流，说明***的可达自由度越大。用户与基站关联的关系是否为固定，和每个用户发射的数据流个数是否相同都会影响***的可达自由度。

目前为止，对于MIMO干扰多址接入网络，关于联合基站用户关联的干扰消除方法已经被提出来，该干扰消除方法必须要求每个用户发射的数据流个数是相同的。例如，授权公告号为CN105846944B，名称为“联合基站用户关联的干扰消除方法”的专利，公开了一种联合基站用户关联的干扰消除方法，实现步骤为：设置***模型；将***自由度最大化问题转化为一个最优化模型，然后求解该最优化模型；根据最优化模型的解确定最优的基站用户关联关系以及***最大可达自由度；在基站用户关联关系最优的情况下，在基站端进行干扰消除。该方法突破了用户与基站关联的关系是固定的限制，在用户与基站关联的关系是不固定的场景下求出了用户与基站之间的最优关联关系，使得***的可达自由度得到提高，虽然该方法可用于基站与用户之间的关联是任意的多小区MIMO的多址接入上行网络，但是必须要求每个用户发射的数据流个数是相同的，限制了每个用户发射的数据流的个数，使得***的可达自由度较小。

发明内容

本发明的目的在于针对上述现有技术存在的缺陷，提出一种联合基站用户关联的干扰消除方法，用于解决现有技术中存在的必须限制每个用户发射的数据流个数是相同的问题。

为实现上述目的，本发明的主要步骤如下：

(1)设置***模型：

设置基站的个数为K，K≥1，用户的个数为J，J≥1，各基站之间设有回程链路，每个用户关联一个基站，每个基站关联一个或多个用户，每个基站和每个用户配置的天线均为M根，M≥1；

(2)构建目标函数P：

(2.1)设置目标函数P的变量{d_(k,j)}、{a_(k,j)}和K_IA：

将所有用户向与其关联的基站发射的数据流组{d_(k,j)}作为目标函数P的第一变量，{d_(k,j)}中的元素d_(k,j)表示每个用户j向基站k发送的数据流个数，{d_(k,j)}的个数为J(M+1)，其中d_(k,j)∈{0,1,…,M}，j∈{0,1,…,J}，k∈{0,1,…,K}；

将所有用户与基站关联的关系组{a_(k,j)}作为目标函数P的第二变量，{a_(k,j)}中的元素a_(k,j)表示每个用户j与基站k关联的关系，

将需要进行干扰对齐的前K_IA个基站作为目标函数P的第三变量，K_IA∈{1,2,…,K-1}；

(2.2)设置目标函数P的约束条件：

设置目标函数P的约束条件为：每个基站接收到的期望信号与干扰信号相互独立；

(2.3)构建目标函数P：

在目标函数P的约束条件下，通过中的最大值构建目标函数P，

(3)求解目标函数P：

(3.1)从K_IA的取值范围内任选一个值代入目标函数P中，得到二次约束整数规划模型P1,并令a_(k,j)d_(k,j)＝s_(k,j)，得到混合整数线性规划模型P2，其中{s_(k,j)}表示一组由s_(k,j)组成的值；

(3.2)对P2进行转化，得到混合整数线性规划模型P3，其中，y_(k,j)为辅助变量，y_(k,j)＝{0,1}，N为正整数，且a_(k,j)≥1-Ny_(k,j)，s_(k,j)≤-N(1-y_(k,j))，{y_(k,j)}表示一组由y_(k,j)组成的值；

(3.3)求解P3,得到K_IA的取值范围内一个值对应的{s_(k,j)}和{a_(k,j)}；

(3.4)重复执行步骤(3.1)-(3.3)，遍历K_IA的取值范围内其余K-2个值，得到K_IA的取值范围内K-2个值对应的{s_(k,j)}和{a_(k,j)}；

(3.5)计算每个{s_(k,j)}中所有元素的和中最大值对应的K_IA、{s_(k,j)}和{a_(k,j)}，并计算{s_(k,j)}和{a_(k,j)}对应的{d_(k,j)}，即每个用户发射的数据流个数，将K_IA、{a_(k,j)}和{d_(k,j)}作为目标函数P的求解结果；

(4)用户向与自己关联的基站发射数据流：

用户j根据目标函数P求解结果中{a_(k,j)}的值，通过信道向与自己关联的基站k发射{d_(k,j)}个数据流；

(5)消除基站的干扰信号：

(5.1)基站接收与自己关联的用户发射的数据流经过信道编码后的期望信号，同时接收与自己不关联的用户发射的数据流经过信道编码后的干扰信号；

(5.2)对于前K_IA个基站，通过预编码矩阵对每个基站k的干扰信号对应的干扰空间分别进行压缩，并通过每个压缩后的干扰空间的零空间中的解码矩阵对该压缩后的干扰空间中的干扰信号进行迫零，得到前K_IA个基站的期望信号，对于剩余K-K_IA个基站，通过每个干扰空间的零空间中的解码矩阵对每个基站k的干扰空间中的干扰信号进行迫零，得到剩余K-K_IA个基站的期望信号。

本发明与现有的技术相比，具有以下优点：

本发明在设置目标函数的第一变量时，没有要求每个用户发射的数据流个数相同，避免了现有技术只针对每个用户发送的数据流个数是相同的缺陷，与现有技术相比，增大了适用范围，同时提高了***的可达自由度。

附图说明

图1为本发明的实现流程图；

图2为本发明设置的***模型的结构示意图；

图3为本发明与现有技术中在4个基站6个用户场景下***可达自由度的对比图。

具体实施方式

下面结合附图和具体实施例，对本发明作进一步的详细描述。

参照图1，本发明的具体实施步骤如下：

步骤1)设置***模型：

***模型的结构如图2所示，基站的个数为K，K≥1，用户的个数为J，J≥1，各基站之间设有回程链路，每个用户关联一个基站，每个基站关联一个或多个用户，每个基站和每个用户配置的天线均为M根，M≥1，本实施例设置K＝4，J＝6，M＝4；

步骤2)构建目标函数P：

步骤2.1)设置目标函数P的变量{d_(k,j)}、{a_(k,j)}和K_IA：

将所有用户向与其关联的基站发射的数据流组{d_(k,j)}作为目标函数P的第一变量，{d_(k,j)}中的元素d_(k,j)表示每个用户j向基站k发送的数据流个数，{d_(k,j)}的个数为J(M+1)，其中d_(k,j)∈{0,1,…,M}，j∈{0,1,…,J}，k∈{0,1,…,K}；

将所有用户与基站关联的关系组{a_(k,j)}作为目标函数P的第二变量，{a_(k,j)}中的元素a_(k,j)表示每个用户j与基站k关联的关系，

将需要进行干扰对齐的前K_IA个基站作为目标函数P的第三变量，K_IA∈{1,2,…,K-1}；

步骤2.2)设置目标函数P的约束条件：

设置目标函数P的约束条件为：每个基站接收到的期望信号与干扰信号相互独立；

步骤2.3)构建目标函数P：

在目标函数P的约束条件下，通过中的最大值构建目标函数P，

步骤3)求解目标函数P：

步骤3.1)从K_IA的取值范围内任选一个值代入目标函数P中，得到二次约束整数规划模型P1,并令a_(k,j)d_(k,j)＝s_(k,j)，得到混合整数线性规划模型P2，其中{s_(k,j)}表示一组由s_(k,j)组成的值；

步骤3.2)对P2进行转化，得到混合整数线性规划模型P3，其中，y_(k,j)为辅助变量，y_(k,j)＝{0,1}，N为正整数，且a_(k,j)≥1-Ny_(k,j)，s_(k,j)≤-N(1-y_(k,j))，{y_(k,j)}表示一组由y_(k,j)组成的值；

步骤3.3)求解P3,得到K_IA的取值范围内一个值对应的{s_(k,j)}和{a_(k,j)}；

步骤3.4)重复执行步骤3.1)-步骤3.3)，遍历K_IA的取值范围内其余K-2个值，得到K_IA的取值范围内K-2个值对应的{s_(k,j)}和{a_(k,j)}；

步骤3.5)计算每个{s_(k,j)}中所有元素的和中最大值对应的K_IA、{s_(k,j)}和{a_(k,j)}，并计算{s_(k,j)}和{a_(k,j)}对应的{d_(k,j)}，即每个用户发射的数据流个数，将K_IA、{a_(k,j)}和{d_(k,j)}作为目标函数P的求解结果，其中计算{s_(k,j)}和{a_(k,j)}对应的{d_(k,j)}的公式为：a_(k,j)d_(k,j)＝s_(k,j)；

步骤4)用户向与自己关联的基站发射数据流：

用户j根据目标函数P求解结果中{a_(k,j)}的值，通过信道向与自己关联的基站k发射{d_(k,j)}个数据流；

步骤5)消除基站的干扰信号：

步骤5.1)基站接收与自己关联的用户发射的数据流经过信道编码后的期望信号，同时接收与自己不关联的用户发射的数据流经过信道编码后的干扰信号；

步骤5.2)对于前K_IA个基站，通过预编码矩阵对每个基站k的干扰信号对应的干扰空间分别进行压缩，并通过每个压缩后的干扰空间的零空间中的解码矩阵对该压缩后的干扰空间中的干扰信号进行迫零，得到前K_IA个基站的期望信号，对于剩余K-K_IA个基站，通过每个干扰空间的零空间中的解码矩阵对每个基站k的干扰空间中的干扰信号进行迫零，得到剩余K-K_IA个基站的期望信号。

通过以下仿真对本发明的效果做进一步的说明。

1.仿真条件：

本发明关于***的可达自由度的仿真都是在Matlab中编程实现，将***的用户数设为6，基站数设为4，天线数分别设为4、5、6、7、8。

2.仿真内容：

对本发明与现有的联合基站用户关联的干扰消除方法在4个基站6个用户场景下的***可达自由度进行对比仿真，其效果如图3所示。

参照图3，横轴表示用户和基站的天线数，纵轴表示***的可达自由度，可以看出，当天线数为4、5、6时，本发明和现有技术得到的***可达自由度的增长趋势相同，但本发明的***可达自由度高于现有技术，当天线数为7、8时，本发明得到的***可达自由度仍然呈增长趋势，但现有技术的***可达自由度维持不变。

Claims (2)

1.一种联合基站用户关联的干扰消除方法，其特征在于包括如下步骤：

(1)设置***模型：

设置基站的个数为K，K≥1，用户的个数为J，J≥1，各基站之间设有回程链路，每个用户关联一个基站，每个基站关联一个或多个用户，每个基站和每个用户配置的天线均为M根，M≥1；

(2)构建目标函数P：

(2.1)设置目标函数P的变量{d_(k,j)}、{a_(k,j)}和K_IA：

将所有用户向与其关联的基站发射的数据流组{d_(k,j)}作为目标函数P的第一变量，{d_(k,j)}中的元素d_(k,j)表示每个用户j向基站k发送的数据流个数，{d_(k,j)}的个数为J(M+1)，其中d_(k,j)∈{0,1,…,M}，j∈{0,1,…,J}，k∈{0,1,…,K}；

将所有用户与基站关联的关系组{a_(k,j)}作为目标函数P的第二变量，{a_(k,j)}中的元素a_(k,j)表示每个用户j与基站k关联的关系，{a_(k,j)}的个数为K^J；

将需要进行干扰对齐的前K_IA个基站作为目标函数P的第三变量，K_IA∈{1,2,…,K-1}；

(2.2)设置目标函数P的约束条件：

设置目标函数P的约束条件为：每个基站接收到的期望信号与干扰信号相互独立；

(2.3)构建目标函数P：

在目标函数P的约束条件下，通过中的最大值构建目标函数P，

(3)求解目标函数P：

(3.1)从K_IA的取值范围内任选一个值代入目标函数P中，得到二次约束整数规划模型P1,并令a_(k,j)d_(k,j)＝s_(k,j)，得到混合整数线性规划模型P2，其中{s_(k,j)}表示一组由s_(k,j)组成的值；

(3.2)对P2进行转化，得到混合整数线性规划模型P3，其中，y_(k,j)为辅助变量，y_(k,j)＝{0,1}，N为正整数，且a_(k,j)≥1-Ny_(k,j)，s_(k,j)≤-N(1-y_(k,j))，{y_(k,j)}表示一组由y_(k,j)组成的值；

(3.3)求解P3,得到K_IA的取值范围内一个值对应的{s_(k,j)}和{a_(k,j)}；

(3.4)重复执行步骤(3.1)-(3.3)，遍历K_IA的取值范围内其余K-2个值，得到K_IA的取值范围内K-2个值对应的{s_(k,j)}和{a_(k,j)}；

(3.5)计算每个{s_(k,j)}中所有元素的和中最大值对应的K_IA、{s_(k,j)}和{a_(k,j)}，并计算{s_(k,j)}和{a_(k,j)}对应的{d_(k,j)}，即每个用户发射的数据流个数，将K_IA、{a_(k,j)}和{d_(k,j)}作为目标函数P的求解结果；

(4)用户向与自己关联的基站发射数据流：

用户j根据目标函数P求解结果中{a_(k,j)}的值，通过信道向与自己关联的基站k发射{d_(k,j)}个数据流；

(5)消除基站的干扰信号：

(5.1)基站接收与自己关联的用户发射的数据流经过信道编码后的期望信号，同时接收与自己不关联的用户发射的数据流经过信道编码后的干扰信号；

(5.2)对于前K_IA个基站，通过预编码矩阵对每个基站k的干扰信号对应的干扰空间分别进行压缩，并通过每个压缩后的干扰空间的零空间中的解码矩阵对该压缩后的干扰空间中的干扰信号进行迫零，得到前K_IA个基站的期望信号，对于剩余K-K_IA个基站，通过每个干扰空间的零空间中的解码矩阵对每个基站k的干扰空间中的干扰信号进行迫零，得到剩余K-K_IA个基站的期望信号。

2.根据权利要求1所述的一种联合基站用户关联的干扰消除方法，其特征在于，步骤(3.5)中所述的计算{s_(k,j)}和{a_(k,j)}对应的{d_(k,j)}，计算公式为：a_(k,j)d_(k,j)＝s_(k,j)，其中a_(k,j)表示每个用户j与基站k关联的关系，d_(k,j)表示每个用户j向基站k发送的数据流个数。