一种基于MIL准则和RCG算法的干扰对齐方法

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。

典型IRS体系结构包括外层印刷在基板上的金属贴片、中层防止信号泄露的铜板以及内层控制电路板三层结构。外部IRS控制器通过调整IRS反射信号的相位和幅度，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，用于定向信号的增强和抵消。IRS最显著的特点是低功耗，用户接收信噪比(SNR)与智能反射面元素数量的平方成正比。IRS通过反射电磁波工作，从根本上避免了传统网络中通过增加能耗提升传输速率的短板。此外，IRS便于灵活部署，如部署在建筑物外墙上可以解决高频段通信方向性好、覆盖不足的问题。IRS支持灵活的网络架构和多种数据应用，IRS回收电磁波的特点，尤其适合物联网中电子健康(E-health)和无法更换电池的应用设备，提升用户的通信体验，实现通信与感知、存储与计算的无缝融合。目前，IRS的研究主要涉及系统的联合性能优化(联合优化发射机与IRS反射相移矩阵)、级联信道估计、IRS实验平台设计、安全通信、IRS辅助的能量收集/传输、IRS与无人机、认知无线电等新技术结合等方面。

发明内容

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。结合最小干扰泄漏(MIL)准则和黎曼共轭梯度(RCG)算法，提出了IRS辅助的多用户MIMO系统中一种基于MIL准则和RCG算法的干扰对齐方法。本发明以最大化系统的和速率(单位频带的信息传输速率，即频谱效率)为优化目标，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(频谱效率)，以实现系统干扰消除。

本发明的技术方案包括以下步骤：

步骤1、IRS辅助的多用户MIMO系统场景假设与建模

在IRS辅助的多用户MIMO系统中，存在K对多天线发射机/接收机。其中，每对多天线发射机配备N根天线，每对多天线接收机配备M根天线。假设多天线发射机与接收机之间不存在直接视距传输链路，发射信号需通过反射阵源数为L的IRS作为智能无源中继进行转发至接收机；

假设第j个发射机与IRS之间的信道表示为H

在已知信道状态信息情况下，第k个发射机向其目标接收机发送信号，该信号将会对其他K-1个接收机产生干扰，通过IRS的转发，第k个接收机接收信号y

将级联信道

式(2)代入式(1)，得到：

第k条链路的单位频带可达传输速率R

R

其中，SINR

其中，第k个发射机的发送信号x

步骤2、基于最小干扰泄漏准则求解预编码向量和干扰抑制向量

首先固定IRS反射相移向量g，根据IRS辅助的多用户MIMO系统信道互易性，通过迭代更新发送端预编码向量v

其中，rank(X)表示矩阵X的秩，d表示数据流数目，通常d设置为1；

为了进行干扰对齐，发送端与接收端的天线数应满足：

N+M≥d(K+1) (8)

其中，N为发射天线数，M为接收天线数，系统包含K对多天线发射机/接收机(收发用户数)；

第k个接收机接收到的干扰泄漏功率L

其中，Tr[]表示矩阵的迹运算，Q

更新后的第k个接收机的干扰抑制向量u

u

其中，υ[Q

步骤2的具体迭代算法为：

2-1初始化预编码向量v

2-2开始循环；

2-3根据式(10)计算接收端干扰协方差矩阵Q

2-4根据式(11)计算接收端干扰抑制向量u

2-5利用信道互易性，将收发端互换；

2-6在互易后的接收端计算第k个接收机新的干扰协方差矩阵

其中，带箭头的参数表示互易信道中各参数的表示，具体而言，

2-7在互易后的发送端计算相应的新预编码向量，通过对新的干扰协方差矩阵

2-8根据新的干扰抑制向量

2-9判断干扰泄漏功率L

步骤3、基于黎曼共轭梯度算法求解IRS反射相移向量，在干扰对齐下实现系统和速率(频谱效率)最大化

通过步骤2获得预编码向量和干扰抑制向量后，在干扰对齐下实现系统和速率(频谱效率)最大化的数学模型为：

由于优化问题(12)是一个非凸问题，难以直接用凸优化方法来解决。首先对目标函数进行重构，

其中，

令

其中，

综合式(13)和式(14)，可以将优化问题式(12)重新写为：

其中，

RCG算法包括三步：

第一步，计算出IRS反射相移向量g处的欧几里得梯度

其中：

通过将欧几里得梯度投影到复单位圆的切空间上，从而得到黎曼梯度，表示为：

其中：

其中

第二步，由给定的黎曼梯度通过共轭梯度法更新搜索方向d，如下式所示：

其中，λ

第三步，为了保证更新点仍然在黎曼流形上，采取进一步操作将点投影到黎曼流形上，即：

其中，λ

综上，求解IRS反射相移向量的具体过程如下：

3-1初始化发送端预编码矩阵和IRS反射相移向量；

3-2固定IRS反射相移向量，通过步骤2迭代求解得到发送端预编码矩阵V和接收端干扰抑制矩阵U；

3-3①根据发送端预编码矩阵V和接收端干扰抑制矩阵U构造重构后的通道矩阵B，并输入初始化的IRS反射相移向量；

②通过式(16)计算欧几里得梯度

③通过式(20)计算搜索方向d；

④通过式(21)更新IRS反射相移向量g；

3-4重复②③④直到满足停止条件

本发明有益效果如下：

本发明公开了智能反射面(IRS)辅助的多用户多输入多输出(MIMO)系统中一种基于最小干扰泄漏(MIL)准则和黎曼共轭梯度(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(频谱效率)为优化目标，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(频谱效率)，以实现系统干扰消除。研究表明，MIL算法获得的干扰抑制向量和预编码向量后，再通过黎曼共轭梯度算法对IRS反射相移进行优化，可以有效提高系统的可达和速率(频谱效率)。随着IRS反射阵源数的增加，本发明的系统可达和速率(频谱效率)较随机IRS反射相移向量方案有明显提高。与IRS辅助的多用户单天线系统中基于交替投影法获取IRS反射相移向量实现干扰对齐的策略相比，本发明的系统可达和速率(频谱效率)明显提高。

附图说明

图1为IRS辅助的多用户MIMO系统场景图。

图2为系统和速率(频谱效率)与迭代次数关系图。

图3为系统和速率(频谱效率)与IRS反射阵源数关系图。

图4为系统和速率(频谱效率)与发送端发送功率关系图。

图5为不同用户数情况下系统和速率(频谱效率)与发送功率关系图。

具体实施方式

图1为IRS辅助的多用户MIMO系统场景图。在IRS辅助的多用户MIMO系统中，存在K对多天线发射机/接收机。其中，每对多天线发射机配备N根天线，每对多天线接收机配备M根天线。假设多天线发射机与接收机之间的直接视距传输链路为阻塞信道，发射信号需通过反射阵源数为L的IRS作为智能无源中继进行转发至接收机。由于K对多天线发射机/接收机同时工作，对于相应的接收机来说，除了对应的发射机发送的信息以外，其余都视为干扰信息。发射机在发送信息之前会先进行预编码，接收机通过干扰抑制向量，将干扰信息对齐到相应的子空间，有效减少干扰对于系统性能的影响，从而实现干扰消除。

图2为接收端天线数M＝3，IRS反射阵源数L＝100，发射机发送功率为P

图3为收发天线数分别为M＝4，N＝6，用户数K＝6，发射机发送功率为P

图4为收发天线数分别为M＝4，N＝6，用户数K＝6，IRS反射阵源数L＝100时，在不同干扰对齐方法下的系统和速率(频谱效率)与发送端发送功率关系图。由图可知，随着发送端发送功率的增加，除了随机获取预编码向量与干扰抑制向量+RCG算法获取IRS反射相移向量方案外，系统和速率(频谱效率)均显著提高。由于发送功率的增加同时意味着各用户之间的干扰增加，随机获取预编码向量与干扰抑制向量方案不能进行完美的干扰对齐，从而出现了系统和速率(频谱效率)性能下降。所提方法的和速率(频谱效率)性能显著优于IRS辅助的多用户单天线系统交替投影(AP)法+RCG算法迭代求解IRS反射相移向量方案。

图5为收发天线数分别为M＝4，N＝6，IRS反射阵源数L＝100时，在不同用户数情况下，所提方法的系统和速率(频谱效率)与发送端发送功率关系图。由图可知，对于满足干扰对齐可行条件N+M≥d(K+1)的用户数K，随着发送端发送功率的增加，所提方法的系统和速率(频谱效率)性能均显著提升。究其原因，发送端发送功率的增加提高了接收端的接收信干噪比，故提高了系统的和速率(频谱效率)性能。

本技术领域中的普通技术人员应当认识到，以上实施例仅是用来说明本发明，而并非作为对本发明的限定，只要在本发明的范围内，对以上实施例的变化、变型都将落在本发明的保护范围。