異構密集無線網絡干擾對齊技術研究進展

李 川

(西安郵電大學，陜西 西安710121)

0 引言

為滿足未來超高流量通信的需求，異構密集無線網絡作為5G的關鍵技術，可以使系統容量獲得幾百倍的提升[1-2]。異構密集無線網絡通過在傳統宏小區中部署微蜂窩、微微蜂窩、家庭基站以及中繼節點等各種低功率異構節點，增加網絡密度，從而有效地彌補宏小區部署的覆蓋空洞，保障熱點地區業務承載，提升網絡吞吐量[3]。

與傳統的蜂窩網絡不同，除了宏蜂窩同層之間的干擾之外，在密集異構網絡中，又會引入微蜂窩之間的同層干擾及微蜂窩與宏蜂窩之間的跨層干擾，異構密集網絡中的復雜干擾成為限制系統性能的重要因素[3]。因此必須合理進行密集異構無線網絡中的干擾管理，才能更好地提升異構密集無線網絡性能[4]。

作為干擾管理的一個主要技術，干擾對齊(Interference Alignment,IA)引起了廣泛關注和研究。文獻[5]首次提出了干擾對齊技術,采用自由度作為衡量系統性能的標準，通過聯合設計收發機，提高不受干擾傳輸的數據流的數目，從而提高系統的自由度。網絡的最大可達自由度是確定網絡能力的重要指標。通過推導理論上網絡自由度的外界，并設計干擾對齊方法達到該自由度的外界，則可以得到網絡的最大自由度。即針對給定的自由度需求，設計具體的干擾對齊算法得以實現。同時，現有的其他干擾管理方法,例如，干擾消除、干擾避免以及資源分配等，可以和干擾對齊技術聯合使用，進一步提高系統自由度。

1 網絡最大可達自由度

異構密集無線網絡的構成復雜多樣，如圖1所示。如果在理論上能夠確定網絡的自由度性能極限，就可以明確理論上網絡可承載的用戶自由度需求，指導設計具體的干擾對齊方案逼近或者達到網絡的最大自由度。文獻[5]利用了漸進式干擾對齊技術，證明了在時變干擾信道下，K用戶單輸入單輸出(Single Input Single Output，SISO)干擾信道網絡獲得的總自由度可達K/2，這是無線通信領域的一個重大突破[5]。文獻[6]針對K用戶多輸入多輸出(Multiple Input Multiple Output,MIMO)干擾信道網絡，運用漸進式干擾對齊技術證明發射端天線數為M、接收端天線數為N時的系統總自由度。文獻[7]針對M×N用戶的X網絡，利用漸進式干擾對齊技術證明了，當每個節點都配置一根天線時的系統總自由度。而文獻[8]使用漸進式干擾對齊技術研究了MIMO X網絡，證明了當M個發射端和N個接收端都具有A根天線時系統的自由度。這一結論與文獻[6]中的結論相比較也證明了此系統的空間不變性。文獻[9]使用漸進式干擾對齊技術研究了MIMO干擾廣播信道的自由度，并且證明了在G個小區、每個小區K個用戶、基站天線數N、用戶天線數M的配置下的系統自由度。

圖1 異構密集網絡示意圖

目前已有網絡最大自由度的結論僅僅局限于幾類特定的網絡。然而，密集異構網絡的連接方式多種多樣，多數場景下的網絡最大自由度還是未知，該領域也是持續的熱點研究方向。

2 干擾對齊算法

干擾對齊算法是干擾技術得以付諸實踐的必由之路。以MIMO干擾信道為例，任意配置的無線異構網絡傳輸模型如圖2所示。該系統包含L個發射機和L個接收機，發射機j(j∈{1,2,…,L})配置Mj根發射天線，接收機k(k∈{1,2,…,L})配置Nk根接收天線。發射機j發送dj個目的數據流到接收機j，對于該系統中任意一個接收機j，都會受到來自其他發射機發射的數據流的干擾。sj∈Rdj×1為發射機j發送的符號向量，H[k,j)]∈RNk×Mj表示從發射機j到接收機k的信道矩陣，Vj∈RMj×dj表示發射機j設計的預編碼矩陣，Uk∈Rdk×Nk表示接收機k設計的解碼矩陣。nk為接收機k收到的高斯白噪聲,則接收機k接收到的信號為：

(1)

為了解碼出期望信號，必須滿足以下干擾對齊條件：

UkH[k,j]Vj=0,k≠j，

(2)

rank(UkH[k,k]Vk)=dk，

(3)

式中，rank表示矩陣的秩。式(2)保證了干擾被消除，式(3)保證了能夠解碼出期望信號。

圖2 MIMO干擾信道無線異構網絡傳輸模型

因此可以設計干擾對齊算法，來滿足上述干擾對齊條件，解碼得到期望信號。由于干擾對齊條件是一組由發射機和接收機向量耦合在一起構成的多項式方程，求解干擾對齊的方法是一個NP-Hard問題[10]。為此，研究者們提出了很多非最優的求解發射機和接收機向量的算法。

目前干擾對齊算法主要分為兩類:

① 非迭代算法。此類方案往往可以提供閉式解，但是對系統的參數配置有嚴格的約束要求。例如：文獻[11] 針對上行干擾多址接入信道，將全部干擾對齊至僅有部分干擾信號構成的干擾子空間，提升網絡自由度。文獻[12]研究了一種下行廣播干擾信道的干擾對齊技術，綜合考慮用戶分組和干擾對齊的聯合方案，并提出了一種基于廣義特征值分解的干擾對齊算法。

② 迭代算法。這類方案通常不對系統的參數有嚴格約束，但是缺乏閉式解。例如：文獻[13]將干擾對齊條件建模為最小泄露模型，并且利用收發機之間的對偶性，提出迭代求解干擾對齊收發機的算法。但是這種算法迭代次數較多；文獻[14]將干擾對齊條件建模為秩最小化算法模型。由于矩陣秩最小化問題求解困難，文獻[14]進一步將秩最小化算法模型近似為核范數最小化問題，并通過求解一系列半正定規劃問題，迭代求解干擾對齊收發機。但是半正定規劃問題會導致計算復雜度很高。在此基礎上，干擾對齊的矩陣秩最小化問題建模得到進一步改進，例如文獻[15]提出了加權核范數最小化以及聯合加權F-范數和核范數的算法，文獻[16]提出了秩再加權F-范數最小化算法和將秩再加權核范數最小化的算法，并設計了新的收發機迭代方案，提高收斂速度。

干擾對齊算法是干擾對齊能否應用于實際系統的關鍵步驟。目前的干擾對齊算法能夠實現一定的自由度，但是尚未達到最優性能，因此最優干擾對齊算法成為未來的研究熱點。

3 干擾對齊與其他技術聯合方案

干擾對齊傳輸模式的出現，豐富了干擾管理的維度。如何結合多種干擾管理方式，從而提升網絡的自由度，也得到了廣泛的關注。

現有研究主要分為兩個方面。一方面是干擾對齊和其他干擾管控技術的結合，例如：文獻[17]提出了干擾對齊和干擾消除聯合方案。通過允許多個基站間可以獲得已經被其他基站解調出的數據，基站可以消除這些解調出的數據產生的干擾。文獻[18]提出了干擾對齊與干擾避免的聯合干擾管控方案。

另一方面是干擾對齊和資源分配的結合。例如干擾對齊和信道資源分配相結合，更好地消除小區間干擾，提升網絡自由度。已有研究主要包括兩類：

① 信道資源分配優先的干擾對齊方案。這類方案針對信道資源分配后依然存在的干擾，采用干擾對齊技術，不考慮干擾對齊對信道資源分配的影響。例如，文獻[19]針對宏小區和家庭基站構成的兩層網絡，設計了基于聯盟博弈理論的干擾對齊用戶組合形成算法，用于消除宏小區和家庭基站之間以及每個家庭基站內部采用正交子信道分配、不同家庭基站之間采用隨機子信道分配之后，存在的家庭基站之間的干擾。文獻[20]針對宏小區和家庭基站共存的兩層MIMO網絡，先進行隨機信道資源分配，再使用機會干擾對齊算法消除資源分配后仍然存在的小區內、小區間以及跨層干擾消除。

② 干擾對齊與信道資源分配的聯合優化方案。這類方案考慮了干擾對齊與信道資源分配的耦合。例如，文獻[21]研究了在機會信道資源分配和干擾對齊之間采用不同比例的子信道分配下網絡的性能。研究結論指出，低信噪比情況下，應將盡可能多的子信道用于機會信道資源分配，而高信噪比情況下，則應將盡可能多的子信道用于干擾對齊，以最大化系統和速率。文獻[22]提出了基于圖論的聯合干擾對齊的最優化信道資源分配方法。該方法用圖直觀而簡潔地給出了干擾對齊的干擾表征方法，并使用圖論中一類具有特殊性質的圖——弦圖，降低了信道資源分配算法的復雜度。文獻[23]正是針對密集小區海量用戶差異化服務質量(QoS)需求保障問題，提出了一種分簇干擾對齊與信道資源分配算法。該算法通過相似性分簇，使得每個進行干擾對齊的簇內包含的用戶具有相似且較小的路徑損耗以及相似的QoS需求，以提高子信道的利用率；設計了低復雜度的啟發式算法來求解子信道分配的優化問題。

干擾對齊技術和其他技術的聯合能夠有效提升系統的自由度，然而干擾管理的方法多種多樣，如何選擇合適的干擾管理方法和干擾對齊相結合值得深入研究。

4 結束語

干擾對齊作為異構密集無線網絡干擾管理的有效手段受到極大關注，網絡可達自由度的理論最大值為設計最優干擾對齊方案起到指導作用。在此基礎上，需要進一步提高非迭代式和迭代式的干擾對齊算法的性能，從而滿足給定的自由度需求。此外，其他干擾管理技術和干擾對齊的有效結合也帶了新的機遇和挑戰。

[1] Mahmoud K,Walaa H,Amr Y.Ultra-dense networks:a survey[J].IEEE Communications Surveys & Tutorials,2016,18(4):2522-2545.

[2] Chen S,Fei Q,Bo H,et al.User-centric Ultra-dense Networks for 5G:Challenges Methodologies and Directions[J].IEEE Wireless Communications,2016,23(2):78-85.

[3] Ghosh A,Mangalvedhe N,Ratasuk R.Heterogeneous Cellular Networks:from Theory to Practice[J].IEEE Communications Magazine,2012,50(6):54-64.

[4] Zhang H L.Interference Management for Heterogeneous Network with Spectral Efficiency Improvement[J].IEEE Wireless Communications,2015,22(2):101-107.

[5] Cadambe V R,Jafar S A.Interference Alignment and Degrees of Freedom of the K User Interference Channel[J].IEEE Transactions on Information Theory,2008,54(8):3425-3441.

[6] Gou T,Jafar S A.Degrees of Freedom of the K User MIMO Interference Channel[J].IEEE Transactions on Information Theory,2010,56(12):6040-6057.

[7] Cadambe R,Jafar S A.Interference Alignment and the Degrees of Freedom of Wireless X Networks[J].IEEE Transactions on Information Theory,2009,55(9):3893-3908.

[8] Sun H,Gou T,Jafar S A.Degrees of Freedom of MIMO X Networks:Spatial Scale Invariance and One-sided Decomposability[J].IEEE Transactions on Information Theory,2013,59(12):8377-8385.

[10] Razaviyayn M,Sanjabi M,Luo Z Q.Linear Transceiver Design for Interference Alignment:Complexity and Computation[J].IEEE Transactions Information Theory,2012,58(5):2896-2910.

[11] Pham K,Lee K.Interference Alignment for Multicell Multiuser MIMO Uplink Channels[J].IEEE Transactions on Vehicular Technology,2016,65(7):5146-5159.

[12] Liu W,Sun J,Li J,et al.Interference Alignment for MIMO Downlink Multicell Networks[J].IEEE Transactions on Vehicular Technology,2016,65(8):6159-6167.

[13] Gomadam K,Cadambe V R,Jafar S A.A Distributed Numerical Approach to Interference Alignment and Applications to Wireless Interference Networks[J].IEEE Transactions on Information Theory,2011,57(6):3309-3322.

[14] Papailiopoulos D S,Dimakis A G.Interference Alignment as a Rank Constrained Rank Minimization[J].IEEE Transactions on Signal Processing,2012,60(80):4278-4288.

[15] Du H,Ratnarajah T,Sellathurai M,et al.Re-weighted Nuclear Norm Approach for Interference Alignment[J].IEEE Transactions on Communications,2013,61(9):3754-3765.

[16] Sridharan G,Yu W .Linear Beamformer Design for Interference Alignment Via Rank Minimization[J].IEEE Transactions on Signal Processing,2015,63(22):5910-5923.

[17] Qu X,Kang C G.A Closed-form Solution to Implement Interference Alignment and Cancellation for a Gaussian Interference Multiple Access Channel[J].IEEE Transactions on Wireless Communications,2014,13(2):710-723.

[18] Liu G,Sheng M,Wang X,et al.Joint Interference Alignment and Avoidance for Downlink Heterogeneous Networks[J].IEEE Communications Letters,2014,18(8):1431-1434.

[19] Pantisano F,Bennis M,Saad W,et al.Interference Alignment for Cooperative Femtocell Networks:a Game-Theoretic Approach[J].IEEE Transactions on Mobile Computing,2013,12(11):2233-2246.

[20] Nguyen T M,Jeong Y,Tony Q S,et al.Interference Alignment in a Poisson Field of MIMO Femtocells[J].IEEE Transactions on Wireless Communications,2013,12(6):2633-2645.

[21] Lertwiram N,Popovski P,Sakaguchi K.A Study of Trade-off Between Opportunistic Resource Allocation and Interference Alignment in Femtocell Scenarios[J].IEEE Wireless Communication Letters,2012,4(1):356-359.

[22] Meng Y,Li J,Li H,et al.Graph-based User Satisfaction Aware Fair Resource Allocation in OFDMA Femtocell Networks[J].IEEE Transactions on Vehicular Technology,2015,64(5):2165-2169.

[23] Zhang H,Li H,Lee J,et al.QoS-based Interference Alignment with Similarity Clustering for Efficient Subchannel Allocation in Dense Small Cell Networks[J].IEEE Transactions on Communications,2017,65(11):5054-5066.