[发明专利]基于稀疏低秩分解的拓扑干扰管理方法及装置有效
| 申请号: | 202110534146.4 | 申请日: | 2021-05-17 |
| 公开(公告)号: | CN113422625B | 公开(公告)日: | 2022-12-20 |
| 发明(设计)人: | 江雪;郑宝玉;王磊;侯晓赟;窦海娥 | 申请(专利权)人: | 南京邮电大学;南京南邮通信网络产业研究院有限公司 |
| 主分类号: | H04B7/0456 | 分类号: | H04B7/0456;H04W40/24;H04B7/0404 |
| 代理公司: | 南京纵横知识产权代理有限公司 32224 | 代理人: | 张赏 |
| 地址: | 210009 江苏*** | 国省代码: | 江苏;32 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 基于 稀疏 分解 拓扑 干扰 管理 方法 装置 | ||
1.基于稀疏低秩分解的拓扑干扰管理方法,其特征在于,包括:
根据干扰网络实际连接状态构建网络拓扑结构信息矩阵,包括:判断干扰网络中发送端和接收端用户之间的连接状态,如果发送端与接收端之间有连接,信道状态系数设置为1;如果发送端与接收端之间无连接,信道状态系数设置为0,得到网络拓扑结构信息矩阵T;
基于网络拓扑结构信息矩阵推导拓扑对齐矩阵;所述拓扑对齐矩阵是基于目标信号完整恢复,干扰信号完全对齐的原则推导得到的,推导过程包括:网络拓扑结构信息矩阵中对角线上元素不能为0,对应的目标信号需完整恢复;网络拓扑结构信息矩阵中为“1”的元素需对齐为0,对应干扰信号需完全对齐;网络拓扑结构信息矩阵中为“0”的元素为无需处理的干扰信号,对应的元素为任意值;由此推导出拓扑对齐矩阵M;
基于干扰网络中干扰对齐条件和拓扑对齐矩阵,构建基于稀疏低秩分解的拓扑干扰管理的优化问题;
所述干扰网络中干扰对齐条件为:
且
其中,Vj为预编码矩阵V中的元素,Ui为干扰抑制矩阵U中的元素,上标H表示转置,Nt为发送端用户的天线数,Nr为接收端用户的天线数,Hij为信道系数矩阵中的元素,K为干扰网络中用户数,d表示发送端用户传输的数据流数目,Ω表示网络拓扑结构信息矩阵T中元素为“1”对应位置的集合;
假定信道系数矩阵为单位矩阵,则优化问题表达如下:
所述构建基于稀疏低秩分解的拓扑干扰管理的优化问题,包括:
如果干扰网络中用户获知完整网络拓扑结构信息,则构建基于低秩矩阵填充的拓扑干扰管理的优化问题如下:
其中,PΩ表示一种映射运算符,表示在集合Ω内对应位置的元素取值相同,M为拓扑对齐矩阵;
如果干扰网络中用户获知不完整网络拓扑结构信息,则构建基于低秩矩阵恢复的拓扑干扰管理的优化问题如下:
其中,E为稀疏误差矩阵,||E||0表示E的l0范数;
求解所述优化问题,得到预编码矩阵和干扰抑制矩阵,包括:
对于基于低秩矩阵填充的拓扑干扰管理的优化问题,使用核范数优化秩函数,并采用交替最小化算法求解,如下:
给定任意干扰抑制矩阵U,求解基于低秩矩阵填充的拓扑干扰管理的优化问题:
得到预编码矩阵,|| ||*表示矩阵核范数;
将求得的预编码矩阵代入所述基于低秩矩阵填充的拓扑干扰管理的优化问题再次求解得到干扰抑制矩阵;
将求得的干扰抑制矩阵代入基于低秩矩阵填充的拓扑干扰管理的优化问题再次求解得到预编码矩阵,反复迭代,直至收敛,得到最终的最优预编码矩阵和最优干扰抑制矩阵;
对于基于低秩矩阵恢复的拓扑干扰管理的优化问题,使用核范数优化秩函数,同时使用l1范数优化l0范数,交替求解UHV和E:
设置稀疏误差矩阵E=0K×K,求解基于低秩矩阵恢复的拓扑干扰管理的优化问题:
得到矩阵UHV;
将求解得到的UHV代入所述基于低秩矩阵恢复的拓扑干扰管理的优化问题再次求解,得到稀疏误差矩阵;
将求解得到的稀疏误差矩阵代入所述基于低秩矩阵恢复的拓扑干扰管理的优化问题再次求解,得到矩阵UHV;
反复迭代,直至收敛,得到最优UHV;
对最优矩阵UHV进行QR分解,得到最优预编码矩阵和干扰抑制矩阵。
2.基于稀疏低秩分解的拓扑干扰管理装置,其特征在于,采用权利要求1所述的基于稀疏低秩分解的拓扑干扰管理方法进行拓扑干扰管理;
所述拓扑干扰管理装置包括:
第一矩阵模块,用于根据干扰网络实际连接状态构建网络拓扑结构信息矩阵;
第二矩阵模块,用于基于网络拓扑结构信息矩阵推导拓扑对齐矩阵;
问题构建模块,用于基于干扰网络中干扰对齐条件和拓扑对齐矩阵,构建基于稀疏低秩分解的拓扑干扰管理的优化问题;
以及,
优化求解模块,用于求解所述优化问题,得到预编码矩阵和干扰抑制矩阵。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南京邮电大学;南京南邮通信网络产业研究院有限公司,未经南京邮电大学;南京南邮通信网络产业研究院有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110534146.4/1.html,转载请声明来源钻瓜专利网。





