CN111107027A - 一种高性能同频全双工自干扰抵消方法 - Google Patents

Abstract

本发明公开了一种高性能同频全双工自干扰抵消方法，涉及无线通信技术领域。针对现有自干扰抵消方案在自干扰响应h(n)抽头数较多情况下，存在显著的引入噪声进而严重影响抵消性能，以及设置过低的步径常数的方法将导致收敛速度很慢等问题。本发明通过添加输出环节以及抽头系数选择，抑制大量引入噪声，从而提高抵消能力，增强同频全双工的可用性，同时不影响收敛性及跟踪能力。从实验结果可知，本发明技术方案可以正确识别出存在真实自干扰响应的抽头位置，抵消能力相对于现有技术方案得到显著增强。

Description

一种高性能同频全双工自干扰抵消方法

技术领域

本发明属于无线通信技术领域，尤其涉及一种面向同频全双工***的高性能自干扰抵消实现方法。

背景技术

双工技术是无线通信实现双向传输的关键之一。传统双工模式主要是时分双工(Time-Domain Duplex，TDD)和频分双工(Frequency-Domain Duplex，FDD)，用以避免发射机信号对接收机信号在时域或频域上的干扰。TDD是通过时间分隔来实现信号的发送和接收；FDD是利用频率分隔实现信号的发送和接收。在无线通信频率资源甚为匮乏的今天，将TDD或FDD中的双份资源开销减半十分必要，即采用同时同频全双工技术，简称同频全双工。

同频全双工的发明可以追溯到2006年北京大学提出的同频同时隙双工概念，该发明将基站的发射信号和接收信号设置在同一频率和同一时隙上，全面地考虑了下行信道对上行信道的干扰，即本基站发射机和相邻小区基站发射机对本小区基站接收机的干扰。同频全双工原则上可以用于任何两点间的无线双向传输，特别是在无线回传、综合交通无线互连等这类传输容量需求巨大的领域有很强价值。

发射机对接收机造成的自干扰是同频全双工面临的关键挑战，在接收机中需要将自干扰抵消到底噪水平或以下，才不至于对接收机灵敏度产生较大影响。自干扰产生的原因主要包括两个方面：一是发射信号会通过天线等器件近端泄露到接收有用信号中，即近端串扰(Near-End Cross Talk,NEXT)，二是因为传输路径中的障碍物反射将发射信号串扰到接收信号中，即远端串扰(Far-End Cross Talk，FEXT)。图1给出了典型同频全双工***的基本结构。发送端信号经过调制器、数字模拟变换器(Digital-to-Analog Converter,DAC)、上变频混频器、功率放大器(Power Amplifier，PA)以及滤波器之后，从天线发出。包含NEXT及多簇FEXT自干扰的接收信号从天线处经过滤波器、低噪声功率放大器(Low-NoiseAmplifier，LNA)、下变频混频器、模拟数字变换器(Analog-to-Digital Converter，ADC)等器件之后，进入数字域，再经数字自干扰抵消之后，进入有用信号解调接收环节。

图1中，发送端上变频及接收端下变频采用一个相同的本振，可以降低相位噪声的影响，实际情况也可能出现收发两端使用独立本振的情况。需要指出，自干扰抵消实现方式本身可以在天线域、射频域、中频域、数字基带域，而保障性能的关键在于数字基带自干扰抵消，本发明针对数字基带抵消进行方案创新。为了不影响有用信号的接收过程，如图1所示，自干扰抵消放置于ADC之后且在有用信号解调之前。

接收信号在数字基带域的结果y(n)可以表示为

其中，x(n)为本端发送的自干扰信号源，h(n)为包含NEXT及多簇FEXT的自干扰信道响应(NEXT及每簇FEXT都可能包含多个抽头)，y_u(n)为接收有用信号，z(n)为热噪声。自干扰抵消的目标就是根据发送的自干扰参考信号x(n)重构自干扰信号

然后将其从接收信号中减去。由于在整个传输路径中的障碍物都有可能导致反射，h(n)的时延扩展需要预置足够的长度，才能将所有反射自干扰包括完整。例如，以毫米波回传为例，假定在距站点600米远的地方出现反射自干扰，反射来回的延迟为4微秒，考虑1GHz的符号速率，则对应的时延高达4000个符号周期。

自干扰抵消的关键是能获得自干扰响应h(n)，为了及时感知自干扰信道的变化，一般需采用自适应自干扰抵消，图2给出了现有自适应自干扰抵消技术实现方法基本框图。自干扰参考信号x(n)在自干扰响应的作用下，构建出自干扰信号，然后从接收信号y(n)中减去自干扰即得到抵消输出。同时，抵消输出反馈用于下一符号自干扰响应的更新。如果不考虑有用信号y_u(n)和白噪声z(n)，抵消输出即残余自干扰，其反映了自干扰抵消误差，可以快速自适应得到正确的自干扰响应。实际***中，有用信号y_u(n)和白噪声z(n)均会对抵消过程产生扰动，不过这两部分与自干扰信号无关，所以只要步径常数μ足够小，可以将其影响降至足够低，使残余自干扰功率控制在底噪以下，从而不对接收机灵敏度产生明显影响。具体实现时，自适应抵消方案可以采用时域逐点实现的最小均方(Least Mean Square，LMS)算法方案和按块处理的频域分块LMS(Frequency-domain Block Least Mean Square，FBLMS)算法方案。

图3给出了现有LMS自适应自干扰抵消的实现框图，图中D_s代表一个符号延迟。自干扰参考信号x(n)经过移位寄存器之后与自适应训练的响应相乘相加，相当于通过卷积操作来构建自干扰。自干扰抵消过程可以表示为

其中，M为自干扰响应在符号域的长度，e(n)包括有用信号y_u(n)、白噪声z(n)及自干扰抵消残余。自干扰响应更新基于e(n)实现，具体过程为h_n+1(i)＝h_n(i)+μx^*(n-i)e(n)

其中，*为取共扼运算符。

图4给出了现有FBLMS自适应自干扰抵消实现框图，其按块通过快速傅立叶变换(Fast Fourier Transform，FFT)将自干扰参考信号x(n)转至频域，并结合频域信道响应构建自干扰信号。图中，D_b代表长度为L的块延迟。每个数据块长度为N＝M+L，其中头部的M个数据是与前面数据块重叠的部分，而后L个数据才是有效部分。对于时域信号，图中给出了相应的数据组成结构。对于自干扰抵消，只针对有效数据部分执行；对于自干扰响应更新，则针对前面M个元素执行。

FBLMS在频域构建自干扰并按长度为L的有效数据块执行抵消，抵消能力及收敛特性与LMS相比并不存在明显差异，为了实现频域相乘与时域卷积的等价性，如图4中所示，在长度为L的数据块头部添加长度为M的重叠部分，这样在频域构建自干扰且经快速傅立叶逆变换(Inverse Fast Fourier Transform，IFFT)之后，后面的L个数据的与通过时域卷积运算构建的自干扰完全相同。相较而言，由于FFT/IFFT运算的低复杂度特性，平均到每个数据符号上的自干扰抵消过程，FBLMS比LMS具有更低的实现复杂度。

为了将NEXT及所有可能对性能造成影响的FEXT考虑完整，自干扰信道响应h(n)的时延扩展需要预置足够的长度，即抽头数足够多。然而，h(n)的每个抽头都会受抵消残余、有用信号y_u(n)和白噪声z(n)的扰动，称为引入噪声。在h(n)抽头数较多情况下，引入噪声会比较显著，从而严重影响抵消性能。通常情况下，自适应干扰响应更新过程中的步径常数μ越小，引入噪声越低，但过低的步径常数会导致很慢的收敛速度，不能及时跟踪自干扰信道的变化。

发明内容

本发明的目的在于克服现有技术的不足，提供了一种面向同频全双工***的高性能自干扰抵消实现方法。

本发明的技术方案具体如下：

本发明的高性能同频全双工自干扰抵消方法：包括训练环节和输出环节；

在训练环节中，自干扰参考信号在本环节自干扰响应的作用下，构建出自干扰信号，然后从接收信号中减去自干扰信号所得结果反馈用于本环节下一符号自干扰响应的更新；

在输出环节中，对训练环节得到的自干扰响应进行抽头系数的选择，将功率大于一定门限的抽头进行保留，其它抽头置零，得到选择后的自干扰响应；自干扰参考信号在输出环节经选择后的自干扰响应的作用下构建自干扰信号，然后从接收信号中减去该自干扰信号作为抵消输出。

针对LMS算法，所述的对训练环节得到的自干扰响应进行抽头系数的选择过程具体为：

对于每个符号都执行抽头系数选择，对于第n个符号，输出环节抽头系数

的获取过程表示为

其中，γ为抽头系数选择门限，

γ＝λμ(P_u+P_z)

P_u及P_z分别代表有用信号功率及白噪声功率，λ为常系数。

针对FBLMS算法，所述的对训练环节得到的自干扰响应进行抽头系数的选择过程具体为：

FBLMS按数据块执行自干扰抵消，对于每个数据块都执行抽头系数选择，每个数据块的长度为N＝M+L，其中L为数据块中有效数据部分的长度，相应自干扰响应长度需补长度为L的0至长度为N。对于第k个数据块，输出环节抽头系数

的获取过程表示为下式所示:

本发明通过添加输出环节以及抽头系数选择，可以抑制大量引入噪声，从而提高抵消能力，增强同频全双工的可用性，同时不影响收敛性及跟踪能力。

值得注意的是，本发明抽头系数选择过程不能直接置于训练环节中，否则自干扰信道无法通过训练得到正确结果。一般而言，自干扰抽头系数从全零开始训练，每次调整仅是一个微小量，还达不到能够被识别为实际自干扰抽头所需的门限值，如果抽头系数选择在训练环节内部，则抽头系数将一直维持全零。同理，即使不从全零开始训练，如果出现了一簇新的FEXT，其对应抽头也将一直无法被识别出。本发明通过额外添加输出环节，原来的收敛及跟踪能力不会受影响，自干扰抵消性能也能得到提升。

附图说明

图1为同频全双工***基本结构示意图；

图2为现有自干扰抵消技术方案基本框图；

图3为现有基于LMS的自干扰抵消实现技术方案示意图；

图4为现有基于FBLMS的自干扰抵消实现技术方案示意图；

图5为本发明自干扰抵消技术方案基本框图；

图6为本发明基于LMS的自干扰抵消实现框图；

图7为本发明基于FBLMS的自干扰抵消实现框图；

图8为针对NEXT及不同水平距离下单个FEXT的抵消能力结果示意图；

图9为NEXT及多簇FEXT同时存在情况下的抵消能力结果示意图；

图10为NEXT及多簇FEXT同时存在情况下的抽头系数及其误差示意图。

具体实施方式

下面结合具体实施方式对本发明做进一步阐述和说明。本发明中各个实施方式的技术特征在没有相互冲突的前提下，均可进行相应组合。

在实际同频全双工***中，由于合理的网络规划，存在的FEXT数目不会太多。因此，虽然预设的自干扰信道响应为成千上万个抽头，但其中大部分不含自干扰，真实响应值为0，即自干扰信道响应有较强的稀疏特性。不过，不同环境下真实存在自干扰的抽头的位置不同，而且其还可能随着环境的变化而变化，所以不能在自适应训练之前指定出正确的自干扰抽头位置。

本发明在原自适应训练环路基础上，提出一种输出支路与训练环路相分离的自干扰抵消方案。如图5所示，原图2中的自适应训练环路完全得以保留，因此收敛性及跟踪能力完全不受影响。与图2不同，这里训练环路的抵消结果只用于自干扰响应的更新，而不作为抵消输出，抵消输出信号来自于额外添加的输出支路。输出支路的抽头系数在训练环路基础上，进行了一定选择，即功率大于一定门限的抽头才得以保留，其它抽头置零。

图6给出了图3中LMS自适应抵消方案下采用本发明之后的结构，对于每个符号都分别执行抽头系数选择，对于第n个符号，输出支路抽头系数

的获取过程表示为

引入噪声的大小与包含有用信号y_u(n)和白噪声z(n)的扰动的功率成正比，也与步径常数成正比(步径常数的大小影响自干扰抵消残余功率的大小)，因此抽头系数选择门限可以设置为

γ＝λμ(P_u+P_z)

这里，P_u及P_z分别代表有用信号功率及白噪声功率，λ为根据实际需要确定的常系数。如果λ较大，可以过滤掉更多只包含引入噪声的抽头，但也可能将实际包含自干扰的抽头过滤掉；而λ较小时，可能有较多不包含自干扰的抽头也被选出，引入噪声抑制效果较差。

图7所示为在FBLMS算法架构下采用本发明技术方案的实现框图，其抽头系数选择的基本过程与图6相似。

为了进一步说明本发明的价值，这里以E-band毫米波无线回传为例，给出相关的仿真结果。其中，通信中心频点为76GHz，符号速率为1GHz，发送功率为7dBm，NEXT的隔离度为60dB，天线参考Andrew公司的0.3m抛物面天线，FEXT反射点统一考虑离LOS径的距离为1m，反射损耗为20dB，雨衰考虑可用度为99.99％情况下的K雨区，大气损耗为4.0×10^-4dB/m，NEXT及FEXT分别建模为莱斯信道和瑞利信道，热噪声功率谱密度为-174dBm/Hz，噪声系数为6dB。NEXT自干扰功率由发送功率和隔离度决定，FEXT自干扰功率由发送功率、天线增益、自由空间传播损耗、雨衰、大气衰减、反射损耗决定，其中决定天线增益的天线方向角由FEXT反射点距发射站点水平距离决定(垂直距离固定为1m),自由空间传播损耗、雨衰、大气衰减都由FEXT反射点距发射站点距离决定。热噪声功率P_z可由其功率谱密度及噪声系数得到，进而有用信号功率P_u可由信噪比(Signal-to-Noise Ratio，SNR)计算得到。步径常数考虑三种情况，即μ＝2^-14，2^-16，2^-18，决定抽头系数选择门限大小的参数λ＝5。

在现有技术方案中，图3中基于LMS的方案与图4中基于FBLMS的方案性能类似，而本发明图6中基于LMS的改进方案与图7中基于FBLMS的改进方案性能也类似。这里不妨均以FBLMS为例，比较现有技术方案与本发明方案的性能。其中，自干扰信道抽头数预置为M＝4608，在所考虑符号速率下，可以包括距发射站点691m范围内的FEXT，每个块有效数据部分长度为L＝512。

图8中考虑水平距离不同位置处的单簇FEXT情况下，本发明技术方案与现有技术方案的抵消能力，其中距离为0时代表NEXT，SNR固定为20dB。此外，

图8中还给出了干扰噪声功率比(Interference-to-Noise Ratio，INR)，用以代表将自干扰抵消到底噪水平所需的抵消能力。由于自干扰功率大小受天线方向图等因素影响，不同水平距离的FEXT对应不同的天线方向角，因此随FEXT水平距离增加，自干扰强度有一定起伏变化，相应的抵消能力也呈现出起伏特性。当FEXT距离较远时，天线方向角变化很小，自干扰功率主要受自由空间损耗、雨衰等路径损耗影响，因此随着水平距离增大，自干扰强度及抵消能力都会逐渐减小。可以看出，在三种步径常数下，本发明技术方案抵消能力相对于现有技术方案都得到显著增强，超过了INR，即将自干扰抵消到了底噪水平以下。相比之下，现有技术方案只有在步径常数很小，即μ＝2^-18时，抵消能力才能接近INR，其它两种步径常数下抵消能力低于INR，***接收机灵敏度也将被明显恶化。

图9中给出了NEXT及多簇FEXT同时存在时在不同SNR情况下的抵消能力对比，这里考虑了距发射站点水平距离为32m，60m，127m，以及400m时的四簇FEXT，其中32m及127m时都是处于自干扰功率处于峰值处的FEXT。从图9中可以发现，本发明技术方案抵消能力也明显强于现有技术方案。另外，SNR越低，抵消能力越强，这是因为SNR越低，有用信号功率越小，对自干扰抵消的扰动也就越小。

图10给出了图9自干扰环境下自适应训练收敛之后抽头系数选择过程示例，其中SNR＝20dB，μ＝2^-16。在本发明技术方案下，只有达到判决门限水平的自干扰抽头系数才得以保留，而其它未能达到门限水平的抽头将被置零，如果真实情况下也确实没有自干扰抽头，则这些位置处的抽头系数误差为0。可以发现，本发明技术方案可以正确识别出存在真实自干扰响应的抽头位置，具有引入噪声的抽头数大大减少，这也是本发明相对现有技术方案性能得到提升的关键所在。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (5)

1.一种高性能同频全双工自干扰抵消方法，其特征在于：包括训练环节和输出环节；

在训练环节中，自干扰参考信号在本环节自干扰响应的作用下，构建出自干扰信号，然后从接收信号中减去自干扰信号所得结果反馈用于本环节下一符号自干扰响应的更新；

在输出环节中，对训练环节得到的自干扰响应进行抽头系数的选择，将功率大于一定门限的抽头进行保留，其它抽头置零，得到选择后的自干扰响应；自干扰参考信号在输出环节经选择后的自干扰响应的作用下构建自干扰信号，然后从接收信号中减去该自干扰信号作为抵消输出。

2.根据权利要求1所述的高性能同频全双工自干扰抵消方法，其特征在于所述的方法包括但不限于基于LMS的高性能同频全双工自干扰抵消方法以及基于FBLMS的高性能同频全双工自干扰抵消方法。

3.根据权利要求1所述的高性能同频全双工自干扰抵消方法，其特征在于基于LMS算法时，所述的对训练环节得到的自干扰响应进行抽头系数的选择的过程具体为：

对于每个符号都执行抽头系数选择，对于第n个符号，输出环节抽头系数

的获取过程表示为

其中，0≤i≤M-1，M为自干扰响应长度，γ为抽头系数选择门限。

4.根据权利要求1所述的高性能同频全双工自干扰抵消方法，其特征在于基于FBLMS算法时，所述的对训练环节得到的自干扰响应进行抽头系数的选择的过程具体为：

FBLMS按数据块执行自干扰抵消，对于每个数据块都执行抽头系数选择，每个数据块的长度为N＝M+L，其中L为数据块中有效数据部分的长度，相应自干扰响应长度需补长度为L的0至长度为N。对于第k个数据块，输出环节抽头系数

的获取过程表示为下式所示:

5.根据权利要求3或4所述的高性能同频全双工自干扰抵消方法，其特征在于：

抽头系数选择门限γ为：

γ＝λμ(P_u+P_z)

P_u及P_z分别代表有用信号功率及白噪声功率，λ为常系数,μ为训练环节中的步径长度。

Images