英语原文共 6 页
小区中基于干扰对齐的动态TDD研究
Chongning Na, Xiaolin Hou, Huiling Jiang
DOCOMO Beijing Communications Laboratories Co., Ltd.
7/F, Raycom Infotech Park Tower A, No. 2 Kexueyuan South Road, Haidian
100190, Beijing, P.R. China
Email: {na, hou, jiang}@docomolabs-beijing.com.cn
摘要
动态时分双工（TDD）的上行链路（UL）和下行链路（DL）重新配置有希望解决在未来小区簇部署中的干扰问题，其中传输需求可以在分配数量和传输方向上动态变化。而在多小区场景中应用动态TDD 上行/下行重新配置可能导致由小区间干扰引起的新挑战。在本文中，我们提出了一种基于干扰对齐的多输入多输出（MIMO）传输方案，该方案可有效地解决动态TDD系统中的干扰问题并得以改善系统容量。所提出的方案可能与增强型干扰减轻和流量适配（eIMTA），小型小区增强和协调多点（CoMP）主题的3GPP LTE标准化相关。
- 引言
增强型小小区部署[1]被视为满足不断增长的移动流量需求的关键解决方案，尤其是在热点场景中。与传统宏小区部署中的情况不同，其中大量用户导致小区中相对恒定的业务量，典型的小小区部署场景中的业务量可以在音量和传输方向上动态变化。在这种情况下，时分双工（TDD）系统提供了合适的解决方案，因为它可以动态地选择最合适的上行链路/下行链路（UL / DL）重新配置以适应瞬时业务模式。考虑到TDD的其他优势，例如不成对的频谱需求和信道互易性，许多服务提供商已在其小小区部署中使用或计划使用TDD。
动态TDD UL / DL重新配置为动态流量适配提供了一种简单但有效的解决方案。然而，由于多个相邻小区在任何给定时间可能具有不同的传输方向，因此它还可能导致小区间干扰问题的新挑战。在传统的多小区系统中，MS / BS数据接收仅受相邻小区的DL / UL传输的干扰。利用相邻小区中的不同UL / DL配置，相邻小区的DL传输可能干扰目标BS数据接收，例如BS-BS干扰。并且相邻小区中的MS的UL传输可能干扰本小区中的MS数据接收，即MS-MS干扰。如果干扰没有得到有效处理，动态TDD流量适应的承诺增益可能会根据[2]消失。
文献中提出了几种干扰抑制解决方案。[3]中的功率控制方法调整传输功率以对抗严重干扰。但是，在基于功率控制的方法中增加传输功率可能会给系统带来额外的干扰。增加MS传输功率也将产生MS功耗问题。 [4]中的基于小区聚类的干扰减轻（CCIM）方法引入了约束，其中紧密定位的小区应用相同的UL / DL配置以避免BS-BS和MS-MS干扰。通过应用CCIM方法，动态TDD系统中的干扰情况可以大致简化为常规TDD情形，并且可以应用传统干扰管理方案。然而，细胞聚类约束牺牲了每个单个细胞的流量适应的可灵活性。诸如[5]中的其他方法重用了小区间干扰协调（ICIC）或增强ICIC（eICIC）的概念，其中在相邻小区中引入时域或频域中的正交化资源分配以避免干扰。这些基于ICIC的方案为减轻干扰可能导致不必要的资源浪费。
在本文中，我们将重点放在干扰问题的MIMO解决方案上。为了充分利用干扰消除的MIMO能力以及期望的数据流复用，我们在所提出的MIMO方案中引入了干扰对齐（IA）技术。在[6]中引入了IA的使用。该技术的关键思想是将来自不同源的干扰对准到受约束的信号子空间，使得可以在对准的干扰子空间的零空间中接收无干扰的所需信号。IA技术最大化MIMO系统的空间自由度（DoF），并导致系统容量的显着改善。在动态TDD系统中，考虑到在任何给定时间相邻小区可能具有任意传输方向，情况会变得更加复杂，这导致许多不同的干扰情况。为每个单独的干扰场景计算不同的IA解决方案极大地增加了实现的复杂性和系统要求，例如准确的信道状态信息（CSI）获取和交换。为了克服这个问题，我们制定了一个联合的IA波束形成问题，以便单个波束形成解决方案可以解决几种不同干扰场景中的问题。使用所提出的方案，可以很好地控制实现复杂性和系统要求。进行数值评估以验证所提出方案的有效性。
- 系统模型与干扰情景分析
我们考虑三小区TDD系统，其中每个BS具有M个天线并且每个MS具有N个天线。我们假设一个真实的流量模型，其中UL或DL传输请求可以随机且独立地到达每个小区。利用动态TDD，在任何给定时间每个小区的传输可以具有无传输（N），上行链路传输（U）或下行链路传输（D）的状态。如果我们允许每个小区独立地选择TDD UL / DL配置，那么所有三个小区的传输状态可以具有27种不同的组合。图1中所示的一种组合显示细胞1“是U”，细胞2“是D”而细胞3“是N”。实线表示所需的信号传输，虚线表示干扰。
在少于两个小区同时产生干扰的情况下，可以应用传统的MIMO方案来消除小区间干扰。为了应用IA，我们对所有单元都有传输的情况更感兴趣。即使所有单元都有传输，我们仍然可以获得8种组合，如图2所示。注意，图2中的8个案例中的每一个都可以表示为3发射机3接收机模型，适用于IA的应用场景。然而，为所有个别情况导出IA解决方案导致非常高的计算复杂度和高CSI交换要求。因此，实施这种逐案IA解决方案是不切实际的。换句话说，我们不希望在每种情况下都有8种不同的IA解决方案来解决问题。我们希望尽可能少地减少IA解决方案的数量，以便将复杂性和系统要求降低到可接受的水平。
如图2所示，根据每个小区的传输方向，存在4种一般类别的干扰情况。传输方案All DL和All UL代表传统的非动态TDD场景，我们可以在其中应用传统的IA解决方案。新场景是2 DL，1 UL和1 DL，2 UL场景。在这两种情况下，存在两种新类型的干扰，即，影响UL信号的BS接收的BS-BS干扰和影响DL信号的MS接收的MS-MS干扰。实际上，最大MS传输功率远低于BS传输功率。另外，由于上行链路发射功率控制，MS通常以甚至更低的功率电平发射。考虑到MS位置和周围环境的随机性，MS-MS链路的信道质量通常也非常弱。因此，MS-MS干扰被认为危害较小。相反，BS以高功率电平发送，并且相邻BS站可能具有高视距（LOS）概率，这导致良好的信道条件。因此，接收的BS-BS干扰电平可能变得非常高。在2 DL，1 UL场景中，两个BS-BS干扰源干扰UL传输，其可被识别为最严重的情况。根据上述分析，我们对干扰情况的严重程度进行评级，如下所示。最严重的情况是2 DL，1 UL;正常情况是1 DL，2 UL;而传统的情况是All DL和All UL。
- 基于IA的动态TDD MIMO传输方案
根据前一节中干扰情况的分级，我们找到了每个类别的具体解决方案。在实际操作中，我们可以根据相邻小区的实际UL / DL配置在几种传输模式之间切换。 我们尝试为每个类别中涵盖的所有案例找到统一的解决方案，以便可以控制整体计算复杂性和系统要求。
- 2 DL, 1 UL Case
我们重新绘制了图2的第二列，以帮助解释针对这些干扰场景的建议解决方案。在更新的图中，我们删除了MS-MS干扰链路，因为根据前一节中的分析，它们的影响非常有限。然后，唯一的问题是UL信号的BS接收，其受到两个强BS-BS干扰源的影响。以图3中的情况（a）为例，BS 2的接收信号方程如下：
其中表示来自MS 的S（S lt;min（M，N））符号流; 表示来自BS 的L（L lt;min（M，N））发送的符号流;表示MS 的发射机预编码矩阵; 表示BS 的发送器预编码矩阵; 表示从MS 到BS 的信道; 表示从BS 到BS 的信道;表示在BS 处的M个天线处接收的信号，并且表示BS 处的加性高斯白噪声。
可以将线性检测矩阵应用于接收信号以恢复所需信号，如下所示：
其中代表线性检测矩阵，代表重建信号。虽然信号是在BS接收机上重建的，但我们使用下标“MS”在中表示信号源自MS i。
在（11）中，所需信号受两个干扰源的影响。为了使所需信号的自由度最大化，这两个干扰源在相同方向上对齐，这导致以下约束方程。
相同的干扰对准原理也可以应用于图3中的情况（b）和（c），即分别在BS 1和BS 3处的数据接收。这导致以下约束方程：
注意，我们假设在图3中的所有情况下每个BS的DL传输使用相同的预编码矩阵。换句话说，预编码矩阵的选择不一定取决于干扰情况。基于该性质，计算复杂度和系统要求大大降低。
通过（3），（4）和（5），我们可以得到的约束方程如下：
其中c是常量标量，矩阵A采用以下形式：
然后我们可以求解预编码矩阵，例如：
其中符号表示矩阵的本征向量。
利用（8）和（10）中的结果，（1）的信号接收方程可以重写为：
这清楚地表明信号和干扰子空间的划分为一半。 可以应用适当的BS检测矩阵来抑制干扰并恢复所需信号。
在所提出的方案中，通过应用相同的发射预编码矩阵，BS可以确保在所有三个2 DL，1 UL情况下BS-BS干扰源的对准。这可以极大地提高实现IA的可行性。IA预编码矩阵仅依赖于BS-BS链路的信道矩阵。考虑到（1）中针对BS 1的计算，如果我们假设BS 2和BS 3发送适当的信道训练符号，则BS 1可以直接测量信道矩阵和，例如，参考信号。由于我们在TDD系统上工作，BS 1也可以通过利用TDD信道互易性来容易地获得信道矩阵和也可以由BS 1容易地获得。因此，BS 1仅需要从BS 2或BS 3或两者获得信道矩和。这可以通过经由BS之间的回程链路（例如，通过LTE系统中的X2接口）发送CSI信息来实现。由于BS具有固定位置，因此BS-BS链路的信道随时间变化不会那么快。因此，BS之间的CSI交换可以不那么频繁地发生。
- 1 DL, 2 UL Case
在图4中，我们重新绘制了图2的第三列，以删除不太重要的MS-MS干扰链路。在这种情况下，唯一有问题的情况是BS-BS干扰的一个源和UL传输的一个UL干扰源。再次，以BS 2为例，接收信号的组成是
在理想情况下，我们将两个干扰源对齐并抑制它们。 然后我们制定以下等式：
同样，我们获得了5个以下的约束方程：
注意，使用上述等式，我们尝试统一适用于图4中所有不同情况的BS和MS预编码矩阵，以降低复杂性和系统要求。
上述方程组的解决方案取决于BS和MS的天线数量。如果MS天线的数量N不大于BS天线的数量M，则我们可以求解上述方程组以获得BS和MS的预编码矩阵。通过（13）和（16），我们得到：
同样，通过（14）和（18），我们得到：
然后用（15）和（17），我们得到：
现在我们介绍以下符号：
对于，我们将定义为伪逆，即
利用这些新的符号，我们进一步组合上述IA约束方程以获得的约束方程如下。
其中c是常量标量，矩阵A采用以下形式：
我们可以为所有MS解决预编码矩阵：
利用（13），（14）和（15），还可以获得所有BS的预编码矩阵。
为了获得一个MS的预编码矩阵，例如MS 1，需要几乎所有链路的信道矩阵，例如，通过观察（25），（26）和的定义。这需要测量所有这些链路的信道矩阵和诸如BS和MS之间的CSI信息的交换。通过回程交换CSI信息被认为是可行的。然而，考虑到CSI准确度与引入空中接口的开销之间的折衷，在空中接口上在MS和BS之间交换大量CSI不被认为是非常实用的。
考虑到MS的有限传输功率和MS位置的随机分布，UL干扰的水平应该远低于BS-BS干扰的水平。因此，次优解决方案可以仅关注BS-BS干扰的干扰抑制。为了进一步简化BS预编码设计，我们简单地重用在前一节中导出的BS预编码矩阵。结果，2个DL，1个UL和1个DL，2个UL的所有6个情况依赖于同一组BS预编码矩阵。这极大地简化了预编码矩阵的计算，并避免了将不同解决方案频繁切换到不同的场景。
考虑到应用本节中导出的IA解决方案的实际限制，我们在1 DL，2 UL情况下使用所提出的方案中的次优解决方案。
- All DL and All UL Cases
这是IA的最常规应用场景。该解决方案已经在文献中进行了很好的研究，例如在[6]中。所以我们不在这里重复推导。为了计算一个BS的IA预编码矩阵，从BS到MS的所有信道矩阵都是可用的。一些信道矩阵可以通过直接信道测量来获得，例如BS 1处的信道矩阵（i = 1,2,3）。其他信道矩阵可以在其他BS中获得，然后在其上共享 回程链路，例如，用于BS 1的。考虑到回程链路的更好的处理能力和设施，BS应该执行所有IA预编码计算。注意，由于TDD信道互易性，也可以在BS处容易地获得UL传输解决方案。因此，在All DL和All UL情况下应用IA解决方案可被认为是实用的。
- 效果评估
为了验证所提出的MIMO传输方案的有效性，我们进行数值模拟作为LTE系统的总和。我们假设小小区BS的聚类放置，即三个BS均匀地散布在具有五个固定半径的圆中。半径表示小小区部署的密度。MS围绕每个BS散布在一
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
