多元干扰下的多单元MIMO传输信道的能量效率

多元干扰下的多单元MIMO传输信道的能量效率JieTang,DanielK.C.So,EmadAlsusa,KhairiAshourHamdiandArmanShojaeifard,电机与电子工程学院曼彻斯特大学，曼彻斯特，M139PL,英国Emails:{jie.tang,d.so,e.alsusa,k.hamdi,a.shojaeifard}@manchester.ac.uk摘要：在绿色无线通信中，对于多输入多输出干扰广播信道的能量效率值，描述其基本度量值是很重要的。干扰消除背景下，本文解决了能量效率最优化问题。我们利用基于联合干扰消除的群体方案，达到来去除小区间干扰和用户间干扰，因此，把多输入多输出干扰广播信道问题转化为一个独立单元独立用户MIMO场景。我们提出一个基本场的最适合的能量适应方案，包括了注水法和奇异值分解，用来最大化每个单元的能量效率。数值模拟的结果证实了理论结果，说明提出的资源分配算法可以有效的接近最理想的能量效率。一、引言为了满足无线负载和能量消耗的高需求的挑战,绿色演化已经变成了今天无线网络的一种紧迫需要。因此，绿色无线电通讯，作为一种针对未来无线构筑和技术进化而来的研究方向，已经被公认为是未来能量效率无线通信的一种重要的趋势。频谱效率已经成为评估无线通信网络设计和最优化的主要衡量指标，也是量化蜂窝数据系统效率的一种重要的措施。尽管通过频谱效率测量可以得出：一个有限频率的频谱被使用的非常有效率，但是它没有引起高效率的能量损耗。近年来，由于蜂窝数据网络的高能量消耗，涉及到每焦耳最大比特方面能量效率的研究，已经获得很大的关注。例如，文献【1】中提到独立连接最优化,文献【2】中提到单小区场景，文献【3】中提到认知无线电网络，近些年，关于协作中继网络的研究工作也开始了。与此同时,对于下一代数据网络（比如LTE-A和WiMAX）,由于下行链路多用户方法，本身在平均数据速率表现上有重要的进步，因此，下行链路多用户方法作为一种重要的赋能技术。为了理解下行链路多用户方法理论上的数据速率限制，MIMO的容量或者光谱效率的研究已经在文献中开展，例如：文献【5】和【6】中提及了：相对于已有对MIMO广播信道的频谱效率研究，仅仅考虑传输的能量限制，MIMO广播信道的能量效率的研究需要对下行链路MU-MIMO系统的能量消耗有详尽的理解。文献【7】中，作者考虑一个调度程序的能量效率，通过随机波束成形算法，程序可以被用到广播信道的发射器中。文献【8】中，作者解决了下行链路MIMO系统的能量效率最大化问题，在一个协方差优化发送中问题中，使用新颖的最优化方法来开展工作。同时，MIMO广播信道背景下，研究接收天线选择方案从而改进其能量消耗。文献【9】中，针对未来数据网络，多单元MU下行链路传输方案已经被进一步讨论了，文献【10】到文献【12】中，研究了多单元MU的频谱效率吞吐量。文献【10】中，在数据网络的基础上作者提出了一个干扰清除，命名为子干扰清除。为了了解无人变电所的同步干扰，以多元子空间（代替单一方向）为基础进行清除干扰。在多单元MIMO高斯干扰传播信道（多输入多输出干扰广播信道），在它的单元内每个基站都覆盖大量的用户。因此存在两种干扰：用户间干扰和小区间干扰。为了两个方面的干扰,文献【11】中为IFBC提出了ZF方案，目的是为了最大化MISO方案的传输速率表现。文献【12】中，MIMO的ZF方案被扩展为大量接收天线的实例。对空间复用增益，作者提供了一个准确的描述，针对两种相互干扰的MIMO传播信道使用了线性转换。但是与多输入多输出干扰广播信道的频谱效率相比，在我们的认知范围内，多输入多输出干扰广播信道能量效率方面的研究工作尚未开展，但是这是非常值得的研究。本文调查了干扰消除背景下，多单元多输入多输出干扰广播信道的能量效率最优化问题。我们利用基于干扰消除方案的群组来移除小区间干扰和用户间干扰,并且转移多输入多输出干扰广播信道到独立单元独立用户MIMO方案。首先，基于固定传输能量𝑃𝑇，我们证明了能量效率的拟凹性,然后在注水法和奇异值分解的基础上，提出能量自适应微分法来最大化每个单元的能量效率。数值模拟的结果证实了理论结果，说明了提出的资源分配算法可以有效的接近最理想的能量效率。图1多单元干扰消除方案的实例：三个单元，每个单元内有两个用户二、系统模型和问题设计这部分中，我们会介绍多输入多输出干扰广播信道的系统模型以及建立能量效率最优化问题。A系统模型多输入多输出干扰广播信道的模型由一个数据网络构成，其中包括L个单元，每个单元有K个用户。我们假设每个用户携带𝑁𝑟个天线，每个单元有一个包含𝑁𝑡个天线的基站，且大于𝑁𝑟。每个单元的信道可以被看作MIMO-IFBC。图1展示的实例中，L=3,K=2。如果图1所示，基站1向用户1发送数据，同时在相同的单元以及其他单元，向其他用户引进用户间干扰和单元间干扰。类似的，基站2和基站3也向其他用户引入干扰。我们假设每个基站目标是向它对应的用户传送𝑑𝑠数据流，此处strrdmin（N,N）=Nc我们认为的第thl个单元的第thk个用户为[k，l]。第thl个单元的第thk个用户信号可以写为sdii[kl][k,l][k,l][k,l][k,l]i1xvsvs，,此处的i[k,l]s代表第thi传播信号，针对第thl个单元的第thk个用户，满足平均的能量限制。并且v·是对应的信号的线性转换波束矢量。S有一个统一的常规限制，当n是添加的高斯白噪点矢量图，每次用户接收器每次入口的方差为。。。。H一个信道矩阵，表示i基站到用户kl。信道矩阵的每个入口都由独立同分布产生。随机变量根据（0,1），假设每个信道都是似稳和频率平坦衰落。通过接收器的波形矩阵处理接收的信号，每个用户根据对应的基站把所需的信号解码。在接收者波束合成器之后，KL用户接收器的信号可以写为这里的u，表示KL用户接收的波束合成器的矩阵，n是波束合成器输出有效的噪音部分，服从CN(0.1)分布。关于能量模型，考虑到基站是数据网络中能量最大需求的组成部分，用户的能量消耗不被考虑。在传送器的传送/激活模式中，除了传递能量，能量消耗也包括了电路能量消耗，主要用于发生信号处理和激活电路区。因此，对于下行电路传送，基站的总能量消耗模型如下：此处的P代表电路能量，c和PT分别代表基站的能量放大器和传输能量的消耗效率的乘法逆元素。注意我们忽略了能量模型中运行算法时信号处理的影响，因为在现实中假设Pc会比相应算法的信号处理能量大很多。B问题假设下链传输的传统能量效率被定义为：每单元能量投递位数的总数，此处能量消耗包括激活模式下的：传输的能量消耗和电路能量消耗。值得注意的是：由于实际中的限制，比如实际的程序和调制方案，实际的解调变和解码程序算法等等因素，实际数据网络所获得的容量和时间速率存在着性能间隔performancegap,因此，我们令MIMO-IFBC中L单元的能量效率EE表示如下此处C为k用户在l单元处所获得的容量，P为基站l的总传输能量。目标是为了最大化MIMO-IFBC中每个单元的能量效率,同时也获得理想的吞吐量。因此通过最大化主体的能量效率是可以达到满足最小的总体吞吐量需求的目的。公式(4）中，基于全部能量消耗模式，注意,L单元的最优化问题可以归纳为：此处p和s分别是基站l的最大总传输能量限制和最l单元的最小吞吐量限制。由于MIMO-IFBC的信道干扰和用户干扰的存在。上述解法无法直接解决问题，而且有些繁琐。因此，在接下来的部分中，针对干扰消除系统，我们研发了资源分配方案来解决上述最优化问题。三、多单元多输入多输出干扰广播信道中的干扰消除随着基站部署密度上升，无线网络设计中的除干扰技术已经变成了重要的部分。文献【14】中提到，近年来高信噪比区域中，干扰消除技术已经被作为一种方案来获得高效率数据容量。干扰消除的基本概念就是：在每个接收器的子空间内将干扰信号重新，以便于无干扰的子空间内可以被单独分配用作数据传输。为了有效解码可用的信号，接收器的干扰区内小区间干扰和用户间干扰应该被重新对齐。所需信号应该被独立于干扰之外，因此，所需信号的空间应该比数据矢量的尺寸大，小区间干扰和用户干扰都被对齐到与U正交的子空间内。因此，接下来的状态必须满足k用户在l单元中：为了最大化MIMO干扰广播信道,文献【15】中提到，使用叠加的最优化算法来设计发射器和接收器的矩阵。叠加方案执行了隐式干扰消除，并且它需要一定数量的迭代计算。这部分中，我们是用那个群组方法来实现干扰消除方案。在多单元多用户的MIMO干扰广播信道中，这种方案不仅同时缓解了小区间干扰和用户间干扰，也不需要迭代计算。干扰消除方案首先设计接收波形矩阵，之后基于有效的小区间干扰信道和用户间干扰信道，设计发射波形矩阵。第一步：组合用户以及设计接收波束形成矩阵在第一步中，用户被组合到不同单元的特定干扰空间，让我们考虑一个带有K个用户的普通例子，每个用户有L个单元和sd个数据流。我们以用户在第th(l1）个单元为例。通过设计接收波束形成矩阵[1,l1][K,l+1]U,,U，第th(l1）个单元的用户K,l+1[1,L+1],,[]被组合在一起（l组），所以基站l的小区间干扰信道在相同的子空间被重新排列。因此从基站l的角度来说，第th(l1）个单元的用户被放置在相同的干扰空间内。换言之，基站l的用户K,l+1[1,L+1],,[]的干扰信道覆盖了和下一页（12）中相同的子空间。此处的span（lG）代表的矩阵的列矢量表示的子空间。我们可以通过处理（13）的矩阵，来判断交叉子空间满足式（12），此处的lG表示:在应用接收波束形成矩阵之后，基站l对第th(l1）个单元中所有用户有效干扰信道的方向。结论：所有的用户被组合到L个组中。对于每个基站而言，在每个群组中，对用户的干扰可以被看作是对每个终端的干扰。第二步：设计发射波束形成矩阵由于有效的小区间信道之间被互相对齐，对应用户,K,l+1[1,L+1]，[]，基站l把K个不同的小区间信道矢量当作一个独立的小区用户信道矢量，如公式（12）涵盖了sd个方向的子空间.因此，第thl单元中的thk个用户的发射波束形成矩阵被设计成如下页的公式（14），基站l可以向[kl]，个用户发送信号，并不会干扰到其他单元的用户以及同一单元内的其他用户。因此，如公式（14）所示，我们可以为所有用户设计发射波束形成矩阵，从而去除小区间干扰和用户间干扰。四、干扰消除下的多单元MIMO干扰广播信道的能量效率第三部分中使用群组方法的干扰消除方案可以保证消除每个用户接收器的：用户间干扰和小区间干扰。应用干扰消除，我们可以表示基站l到用户[kl]，之间的有效信道ll[kl][kl][kl][kl]HHUHV，，，，(15)此处saldd[kl]HC，，因为不存在任何的用户间干扰和小区间干扰，复杂多单元MIMO用户方案已经转化成独立单元独立用户MIMO案例。奇异值分解被用来获得MIMO信道容量，因为发射台在信道协方差矩阵的各个方向都发出了大量的信息流。把奇异值分解用到用户[kl]，的有效信道l[kl]H，,我们得出：llss[kl][kl][kl][kl]HHUV，，，，（16）l[kl]H，是一个ssdd的单矩阵，包含了左侧单一的矢量，s[kl]HV，是一个ssdd的单矩阵，包含了右侧单一的矢量，l[kl]，是一个斜对角矩阵，和l[kl]H，一样有单一的值。因此第thl单元中的thk个用户的发射波束形成矩阵为ls[kl][kl][kl]VVV，，，（17）此处[kl]V，保证干扰消除来去除用户间干扰和小区间干扰，s[kl]V，是包含了右侧单一矢量的矩阵，代表用户[kl]，的有效信道l[kl]H，。类似地，第thl单元中的thk个用户的接收波束形成矩阵可以写为ls[kl][kl][kl]UUU，，，(18)此处，[kl]U，保证用户被分组到一个特定的干扰空间。而s[kl]U，是包含了右侧单一矢量的矩阵，代表用户[kl]，的