[发明专利]一种基于MIL准则和RCG算法的干扰对齐方法

说明书

本发明公开一种基于MIL准则和RCG算法的干扰对齐方法。本发明以IRS辅助的多用户MIMO系统为研究场景，考虑由多天线发射机、接收机和IRS构成的多用户MIMO系统中，存在多个发射机信号相互干扰的干扰信道模型。本发明以最大化系统的和速率优化目标，通过联合设计发射端预编码矩阵、接收端干扰抑制矩阵和IRS相移向量，利用信道互易性准则迭代求解预编码矩阵和干扰抑制矩阵，并进一步采用RCG算法求解IRS相移向量，在保证给定的最小化干扰泄漏阈值条件下最大化系统的和速率，以实现系统干扰消除。本发明能够有效提高系统的可达和速率。随着IRS反射阵源数的增加，本发明的系统可达和速率较随机IRS反射相移向量方案有明显提高。

技术领域

本发明属于信息与通信工程技术领域，提出了在智能反射面(IntelligentReflecting Surface,IRS)辅助的多用户多输入多输出(Multiple Input MultipleOutput,MIMO)系统中一种基于最小干扰泄漏(Minimum Interference Leakage,MIL)准则和黎曼共轭梯度(Riemannian Conjugate Gradient,RCG)算法的干扰对齐(InterferenceAlignment,IA)方法进行干扰消除，实现最大化系统的和速率(频谱效率)。

背景技术

随着MIMO无线通信技术的发展，MIMO在大幅度提升系统频谱效率的同时，也带来了多天线信号相互干扰的增加，传统干扰处理技术已经不能完全消除多用户MIMO信号之间的干扰，因此，在多用户MIMO无线系统中使用有效的干扰管理(Interference Management,IM)策略进行干扰消除成为研究人员的主要任务。干扰对齐(IA)技术已经成为多用户MIMO系统中抑制用户间干扰的有效技术之一。IA使用了多种技术来管理用户之间的干扰，它可以在各种多用户通信网络中实施以执行IM。IA通过在发射端设计合理的预编码矩阵和在接收端设计合理的干扰抑制矩阵，将干扰信号和期望信号分离，并在接收端将接收信号恢复，则能够高效地抑制多用户间的干扰，将干扰进行叠加至干扰信号空间。研究表明，采用IA，多用户干扰网络中的每个用户能够完全消除用户所受到的同频干扰，获得在高信噪比无干扰情况下近一半的容量，同时，IA可以在提升系统空分复用增益的同时增加系统的自由度性能。目前，IA主要有两种针对不同优化目标的策略，分别为以最大化接收端信干噪比为目标的最大化信干噪比(Maximum Signal to Interference plus Noise Ratio,MAX-SINR)策略和以最小化用户间干扰泄漏功率为目标的最小干扰泄漏(MIL)策略。MAX-SINR策略以提高用户接收端的信干噪比(Signal to Interference plus Noise Ratio,SINR)作为设计目标，在接收到系统中其他用户干扰的情况下，通过设计干扰抑制矩阵和预编码矩阵以最大化系统的SINR。MIL策略旨在尽可能消除多用户系统中来自其他用户的干扰，将其他用户的干扰降到最低，从而实现信息的无干扰传输。基于高斯牛顿法的最小干扰泄漏(GaussNewton Minimum Interference Leakage,GN-IL)策略将MIL策略中的交替优化迭代步径修正为高斯牛顿迭代步径，通过迭代修正回归系数，使回归系数不断逼近最佳回归系数，最后使原模型的残差平方和达到最小。GN-IL策略可以提高MIL策略的收敛速度，但增加了策略实现的复杂度。

智能反射面(IRS)是由多个重构无源反射元件构成的平面阵列，以一个软件控制器协调其工作模式，其中每个元件均可以控制入射电磁波的反射角和反射强度，从而实现对反射信号的相位和幅度进行控制，使反射电磁波独立产生相移，形成满足差异化通信需求的三维无源波束，它可以作为一种无源智能中继。与传统反射面通信不同，IRS通过控制器实时调节各元件相移来反射信号，该发射信号可以增强接收端的接收功率同时削弱窃听者的接收功率，从而提高系统的安全性。