[论文解读] Blind Null-Space Learning for MIMO Underlay Cognitive Radio Networks

Yair Noam, Andrea Goldsmith|arXiv (Cornell University)|Feb 2, 2012

Cognitive Radio Networks and Spectrum Sensing参考文献 22被引用 7

一句话总结

本文提出了一种用于MIMO认知无线电次用户的盲零空间学习技术，使其在无需显式了解对主用户干扰信道的情况下进行传输。通过迭代调整波束成形向量并测量主用户总发射功率的变化——在假设主用户采用单调功率控制的前提下——次用户仅通过能量测量即可学习干扰信道的零空间，从而实现在无需主用户协作或同步的情况下的干扰约束传输。

ABSTRACT

This paper proposes a blind technique for MIMO cognitive radio Secondary Users (SU) to transmit in the same band simultaneously with a Primary User (PU) under a maximum interference constraint. In the proposed technique, the SU is able to meet the interference constraint of the PU without explicitly estimating the interference channel matrix to the PU and without burdening the PU with any interaction with the SU. The only condition required of the PU is that for a short time interval it uses a power control scheme such that its transmitted power is a monotonic function of the interference inflicted by the SU. During this time interval, the SU iteratively modifies the spatial orientation of its transmitted signal and measures the effect of this modification on the PU's total transmit power. The entire process is based on energy measurements which is very desirable from an implementation point of view.

研究动机与目标

• 使MIMO认知无线电网络中的次用户能够在严格干扰约束下与主用户同时传输。
• 消除对次用户到主用户干扰链路的显式信道状态信息（CSI）的需求。
• 消除对主用户协作、训练序列或干扰避免期间同步的要求。
• 开发一种仅基于能量测量的实用盲算法，以学习干扰信道的零空间。
• 通过仅依赖主用户单调功率控制这一系统级假设，确保方法的鲁棒性与高效性。

提出的方法

• 提出一种盲自适应的循环雅可比特征值分解（EVD）算法，用于估计未知干扰信道矩阵的零空间。
• 利用主用户总发射功率的能量测量作为反馈，推断次用户波束成形向量调整的影响。
• 采用两阶段一维优化方法，寻找能够最小化主用户干扰功率的最优波束成形角度（θ和φ）。
• 依赖于数学性质：盲优化中的局部极小值同时也是全局极小值，从而确保收敛至正确的零空间。
• 假设主用户的发射功率是其来自次用户的干扰的单调函数，从而在无需显式反馈的情况下推断信道效应。
• 引入一种盲雅可比步骤：次用户调整波束成形向量并观察主用户功率的变化，以迭代优化其波束成形方向。

实验结果

研究问题

• RQ1 次用户是否能够在无需显式CSI或主用户协作的情况下，学习到对主用户的干扰信道零空间？
• RQ2 是否可能仅通过主用户处的能量测量，在MIMO认知无线电网络中实现干扰避免？
• RQ3 当干扰矩阵不可观测时，如何使波束成形参数的盲优化有效且收敛？
• RQ4 主用户行为（如功率控制）需满足何种条件，才能使次用户实现盲零空间学习？
• RQ5 能否仅使用主用户处的功率测量，将循环雅可比EVD算法适配至盲设置？

主要发现

• 所提出的盲零空间学习算法仅通过主用户发射功率的能量测量，即可收敛至干扰信道矩阵的正确零空间。
• 该方法确保次用户在主用户接收端的干扰功率始终低于最大允许阈值，且无需显式信道估计。
• 该算法具有鲁棒性，因为盲优化中的每个局部极小值均对应全局极小值，从而实现可靠收敛。
• 该方法消除了对主用户协作、训练序列、反馈或同步的需求，显著降低了系统复杂度。
• 理论分析证实，可通过两次顺序的一维优化实现盲雅可比步骤，简化了实际实现。
• 仿真结果表明，在主用户采用单调功率控制的假设条件下，该方法成功实现了干扰避免并收敛至零空间。