联合信号子空间和功率分配的认知干扰对齐传输方案设计

发布时间：2019-11-14 02:19

【摘要】：本文针对由一条授权通信链路和多条次用户干扰信道组成的认知多输入多输出(Multiple Input Multiple Output,MIMO)系统,首先提出了基于信号子空间的认知干扰对齐迭代优化算法,并且证明了该算法可以收敛到稳定点。为了进一步提升系统的和速率性能,提出了一种联合信号子空间和功率分配的增强认知干扰对齐算法。该算法通过在每个次用户的多个数据流之间进行自适应功率分配,解决了次用户的有用信号空间中总是有残余的干扰信号的问题。数值仿真结果表明,相对于传统的认知干扰对齐算法,所提的算法能够获得较为明显的性能提升。
【图文】：

瑞利分布,自由度,性能,算法

继续迭代至收敛。5数值仿真分析在这一节将对所提基于信号子空间的认知干扰对齐算法和联合信号子空间和功率分配的认知干扰对齐算法进行仿真验证并与现有算法进行比较。不失一般性，本文考虑的由一条主链路和K次用户干扰信道组成的认知无线电网络的所有节点都配置相同的天线数目，例如Mk=Nk=M，所有链路的MIMO信道的元素服从均值为0，方差为1的瑞利分布且各元素相互独立且同分布。假设每一个用户端的接收噪声为1，两种算法的收敛阈值都设为0．001。图中标记说明:“ProposedCIA”表示所提的基于信号子空间的图1平均干扰泄露性能随着次用户链路总的自由度的变化Fig．1AverageinterferenceleakageperformancewiththetotalDoFofsecondarynetwork认知干扰对齐算法，“ProposedECIA”表示联合信号子空间和功率分配的认知干扰对齐算法，“MinWIL”表示文献［19］中的最小化泄露干扰功率的认知干扰对齐算法。图1给出了所提的认知干扰对齐算法、增强认知干扰对齐算法和已有的最小化泄露干扰功率的认知干扰对齐算法在1000次随机信道实现下的平均干扰泄露性能，这里的泄露干扰指的是干扰信号功率在有用信号自控中的百分比，其定义为ck=∑dkj=1μj(Jk)tr(Jk)，其中Jk=∑Ki=1HkiPiV～iV～HiPHiHHki，认知系统的仿真参数配置为:K=3，M=8，dk=d，d0=4。仿真结果表明:认知无线电系统中次用户网络总的自由度大于或者等于17时，认知系统的平均干扰泄露性能明显大于0，说明此时不满足认知干扰对齐的可行性条件(20)，也说明了次用户链路之间的干扰不能够由三种算法进行有效的抑制。与此同时，当次用户链路总的自由度相同的时候，所提的两

速率,算法,用户网络,性能

信号处理第33卷导致次用户网络的可用自由度越来越少。图3给出了三种算法在系统配置为K=3，M=6，dk=d的平均和速率性能，仿真结果进一步验证了所提算法的有效性。图2不同算法的可达速率Fig．2Theachievablerateofdifferentalgorithms图3不同算法的可达速率Fig．3Theachievablerateofdifferentalgorithms图4给出了所提的认知干扰对齐算法、增强认知干扰对齐算法与已有的最小化泄露干扰的认知干扰对齐算法在1000次随机信道实现下的平均和速率性能，仿真参数配置为:K=2，M=6，d0=2。仿真结果表明:所提的两种算法总是优于传统的认知干扰对齐算法。同时，随着信噪比的增加，三种算法的平均可达速率性能线性增加。这是因为主用户占用了两个特征子信道，从而使得次用户链路可以利用剩余的4个特征子信道来进行数据传输。图4不同算法的可达速率Fig．4Theachievablerateofdifferentalgorithms图5次用户个数对于次用户网络可达速率的影响Fig．5Effectofsecondarynetwork’sachievableratewiththenumberofsecondaryusers图5给出了在不同次用户数目下所提的认知干扰对齐算法和增强认知干扰对齐算法的平均和速率性能比较，认知系统的仿真参数配置为:K=2，，M=6。仿真结果表明:随着次用户数目的减少，次用户链路的传输速率相应的减少，体现了次用户个数的增长对于次用户链路性能的提升。而且无论次用户个数为多少，所提的增强认知干扰对齐算法的可达速率性能总是优于所提的认知干扰对齐算法。6结论本文针对由一条主用户链路和多条次用户链路组成的认知无线电系统，首先利用几何代数中的Bezout定理分析了认知干扰对齐的可行性条件。在此基础上，提出了一种基于信号子空间的认知干扰对齐算法，并且利用单调有界理?

【相似文献】