多小區聯合檢測中的空時編碼干擾信號高效抑制

張曉珊 姜述超 蘇冬良

摘 要： 現代蜂窩通信系統中，由于小區間的互相干擾， 小區邊緣用戶成為性能提升的瓶頸。針對這一問題，本文考慮采用多小區聯合檢測來提高小區邊緣用戶的性能，重點關注干擾信號采用空時編碼時的檢測問題。通過將相關符號周期的傳輸綜合建模，本文提出了一種聯合最小均方誤差（Joint-Minimum Mean-Squared Error， J-MMSE）檢測算法;并分別討論了服務小區采用空時編碼和空分復用傳輸時的算法設計。仿真結果表明，與傳統檢測算法相比，所提的J-MMSE檢測算法，可以以較低的復雜度獲得顯著的性能增益;為多小區聯合檢測提供了一個有吸引力的選擇。

關鍵詞： MIMO; Alamouti; MMSE; 檢測算法

中圖分類號： TN 92

文獻標志碼： A

文章編號：1007-757X（2019）06-0081-04

Abstract： In modern cellular communication systems， due to the interference from neighbor cells， the performance of cell-edge users becomes the bottleneck of the whole system. To solve the problem， this paper discusses the multi-cell joint detection schemes， focusing focuses on the suppression of interference signals with space-time coding. By combining the transmissions in all relevant symbol periods， we propose a Joint-Minimum Mean-Squared Error （J-MMSE） detection algorithm; and detail its applications in the scenarios where the target signal is transmitted with space-time coding or spatial multiplexing， respectively. The simulation results show that the proposed J-MMSE scheme can achieve a significant performance gain over traditional designs with low complexity， which provides an attractive option for multi-cell joint detection.

Key words： MIMO; Alamouti; MMSE; Detection algorithm

0?引言

無線信道環境十分復雜，基站發送的信號在傳輸過程中可能發生反射、折射、散射等，導致移動端接收到除直射路徑以外的其他路徑信號，產生多徑衰落，影響通信系統的數據傳輸速率[1]。研究表明多輸入多輸出（Multiple-input Multiple-output，MIMO）系統通過在收發端配置多天線，可以充分利用多徑分集，在不增加總發射功率和帶寬的前提下提高數據傳輸速率，進而提升系統的容量[2]。空時編碼（Space-time Coding， STC）在不同天線的發送信號間引入時間和空間的相關性，為接收端提供編碼增益，研究表明將STC應用在MIMO 天線系統能夠更加有效的對抗無線信道衰落的影響，實現高速數據傳輸[3]。1998年，S.M.Alamouti提出了一種空間域正交分組編碼，編碼后的信號由發射天線在不同符號周期中發送[4]，其巧妙的編碼策略使接收端可以實現線性解碼，大大降低了譯碼復雜度，所以該技術在現在的4G無線通信系統中獲得了廣泛的應用。

移動通信系統容量受限的另一個瓶頸是多小區信號干擾，小區邊緣用戶除了接收到本小區的信號外還會受到鄰小區較大功率干擾信號的影響通信質量，所以需要設計合適的接收機檢測算法來消除干擾，提升檢測性能。傳統的線性接收機雖然操作簡單，但在干擾較大時，性能惡化明顯[5]，[8];非線性接收機，如最大似然（Maximum Likelihood， ML）等[7]，雖然可以獲得更好的性能，但算法復雜度較高，且一般需要知道干擾信號的調制和編碼信息等[7]，在多小區環境下獲取困難。

基于上述分析，本文主要研究適用于多小區下行鏈路干擾信號是Alamouti空時編碼的檢測算法。主要思路是通過對空時編碼幀內相關符號傳輸的綜合建模，采用線性MMSE檢測算法實現對于干擾信號統計信息的利用，從而獲得顯著優于傳統線性檢測算法的性能。

本文其余部分的組織如下：第二章對系統模型，Alamouti編碼和MMSE檢測進行了簡單的介紹;第三章主要提出聯合最小均方誤差（Joint-Minimum Mean-Squared Error， J-MMSE）檢測算法，并將其應用在不同場景中;第四章呈現了主要的仿真結果;最后一章對論文進行了簡要總結。

標記說明：（·）*，（·）H，（·）-1各自表示共軛，共軛轉置和矩陣的逆;

I是適當大小的單位矩陣;E[·]表示統計期望;arg min（·）表示使？取最小值的解。

1?預備知識

1.1?系統模型

考慮移動通信下行鏈路，各小區基

站都配置M根發射天線，移動端配置N根接收天線，論文建模為兩小區，移動端除了接收到本小區基站傳輸的信號外，還受到鄰小區干擾信號的影響，接收信號可以表示成式（1）。

編碼后矩陣的行代表發送天線，碼字矩陣的行正交，矩陣的列表示不同的符號周期。

以兩發一收的天線系統為例可以了解到Alamouti編碼的優點，其接收信號為式（3）。

1.3?MMSE檢測

MMSE是基于最小均方誤差準則的檢測算法，其目的是使估計信號與真實信號x之間的均方差最小，即滿足式（6）。

2?J-MMSE檢測方法

本章分別對服務小區采用空時編碼和空分復用傳輸這兩個場景介紹了J-MMSE的具體實現。

2.1?服務小區和干擾小區信號都采用空時編碼

首先我們討論服務小區和干擾小區傳輸信號都采用Alamouti空時編碼的場景，規定每個小區發射天線數M = 2，移動端天線數N = 2。基于瑞利平坦衰落信道的假設，以初始兩符號周期為例，將符號周期1和2的信息聯合得到最終的接收信號，如式（9）。

相較于原本每個符號周期中四發（兩小區每符號周期共傳輸四個符號）兩收的接收模型，信息聯合后變成了如（9）所示的四發四收的天線系統，相當于增加了接收天線的數目，降低了信道深衰落的概率，在進行信號檢測時能獲得更好的性能。將式（9）簡化為式（10）。

其中d可以有1，2，3，4四個取值是因為服務小區相鄰兩符號周期傳輸不同的符號。

3?仿真結果

考慮多小區的仿真條件：除服務小區外還建模有一個干擾小區，兩小區基站各有兩根天線，移動用戶也配置兩根天線。 發送與接收端之間的鏈路是平均單位能量的瑞利平坦衰落信道，可認為相鄰符號周期的信道經歷相同的衰落，文章假設接收端已知信道信息。服務小區與干擾小區傳輸數據經過turbo編碼，再經QPSK調制后發送，接收端也相應的進行解調和解碼操作。若信號平均功率為P，信噪比（SNR）定義為10*log10（P/σ2n），噪聲功率固定為σ2n=1，干擾信號信噪比為某一固定值，仿真中選取SNR2 = 5、10、15 dB。每個傳輸幀包含4 096個比特，仿真性能用比特錯誤率（BER）刻畫，本文運用蒙特卡羅方法仿真，最終的BER是1000幀的平均值。

為了便于分析，首先介紹SINR的定義，式（1）所示接收模型的SINR可以表示為式（15）。

其中P1是服務小區信號功率，P2是干擾信號功率。

兩小區傳輸信號都采用Alamouti空時編碼，干擾小區信號SNR2分別取5、10、15 dB時J-MMSE與傳統MMSE的性能，橫坐標表示服務小區信號功率的變化，如圖1所示。

從圖1可以看出，取不同的干擾小區傳輸信號功率時，所提的J-MMSE算法性能都優于傳統MMSE。在SNR2分別取5、10、15 dB時， J-MMSE相對于傳統MMSE的增益分別為1、1.7、2.8 dB（在BER=10-4時）。

干擾信號是Alamouti空時編碼，服務小區是空分復用傳輸的情況，如圖2所示。

相比于圖1，在相同噪聲干擾條件下，圖2的整體性能有所下降。這是因為圖2的仿真條件中服務小區信號并未采用Alamouti空時編碼，不能利用相鄰兩符號周期信道與傳輸信號的相關性。但是，我們可以看到，圖2中所提J-MMSE算法的性能仍然顯著優于傳統MMSE。在SNR2分別取5、10、15 dB時， J-MMSE相對于傳統MMSE的增益分別為1.2、2.1、3.4 dB（在BER=10-4時）;相對性能增益與圖1中基本一致。

4?總結

我們對下行鏈路存在的多小區干擾問題進行了研究，將問題聚焦在干擾信號是Alamouti空時編碼的場景，提出的J-MMSE算法在較低復雜度的前提下也能達到較優的性能。J-MMSE利用了Alamouti空時編碼的正交性與瑞利平坦衰落信道信道的相關性，聯合兩符號周期的信息進行檢測，能得到顯著優于傳統MMSE檢測的性能，文章為多小區聯合檢測提供了一個有吸引力的選擇。

未來研究：論文假設接收端已知信息信息，但是實際場景中存在信道估計不準確等問題，之后可以嘗試在信道有誤差的場景中進行仿真，檢驗算法的魯棒性，另外也可以分析當傳輸符號采用不同調制方式時算法是否依舊有較大的增益。

參考文獻

[1] Costello D J. Fundamentals of Wireless Communication （Book review）[J]. IEEE Transactions on Information Theory， 2009， 55（2）：919-920.

[2]?Foschini G J， Gans M J. On Limits of Wireless Communications in a Fading Environment when Using Multiple Antennas[J]. Wireless Personal Communications， 1998， 6（3）：311-335.

[3]?Tarokh V， Seshadri N， Calderbank A R. Space-time Codes for High Data Rate Wireless Communication： Performance Criterion and Code Construction[J]. IEEE Transactions on Information Theory It， 1998， 50（12）：19-32.

[4]?Alamouti S M. A Simple Transmit Diversity Technique for Wireless Communications[J]. IEEE J. select. areas. Commun.， 1998， 16（8）：1451-1458.

[5]?Shang P， Kim S， Choi K. Soft ZF MIMO Detection for Turbo Codes[C]// IEEE International Conference on Wireless & Mobile Computing. 2010.

[6]?Sengijpta S K. Fundamentals of Statistical Signal Processing： Estimation Theory[M]. PTR Prentice hall， 1993.

[7]?Strm E G， Svensson T. EU FP7 INFSO-ICT-317669 METIS， D1.1 Scenarios， Requirements and KPIs for 5G Mobile and Wireless System[J]. Scenario， 2013.

[8]?商河. MIMO信號檢測的研究[D]. 呼爾浩特：內蒙古大學， 2012.

（收稿日期： 2018.12.17）