Skip to main content
QUICK REVIEW

[论文解读] Adaptive Self-Interference Cancellation for Full-Duplex Wireless Communication Systems

Elyes Balti, Brian L. Evans|arXiv (Cornell University)|Apr 3, 2021
Full-Duplex Wireless Communications被引用 10
一句话总结

本文提出了一种用于全双工(FD)中继中自干扰(SI)消除的自适应最小均方(LMS)算法,通过训练导频符号估计SI信道,并在模数转换器(ADC)之前减去估计的干扰。该方法在30 dB信噪比(SNR)下实现误比特率(BER)为1e-4,并恢复了约7比特/秒/Hz的频谱效率,尽管存在来自100–1000倍更强的SI信号的残余干扰,性能仍显著提升。

ABSTRACT

In this letter, we consider single-cell, single-user systems wherein uplink and downlink user equipment communicate with a full-duplex relay. Due to the near-far problem, the self-interference (SI) can be 100-1000x the received signal power. In this context, we consider the adaptive Least Mean Squares (LMS) algorithm to estimate the SI channel and then subtract the SI from the desired received signal before the analog-to-digital converter (ADC). We measure the robustness of this technique in terms of bit error rate (BER) and spectral efficiency.

研究动机与目标

  • 为解决全双工(FD)中继中严重的自干扰(SI)问题,其中由于远近效应,SI功率可比期望信号强100–1000倍。
  • 通过在模数转换器(ADC)之前消除强环回SI,实现FD系统中可靠上行链路接收。
  • 在真实信道条件下,评估基于自适应LMS的SI消除在误比特率(BER)和频谱效率方面的性能。
  • 证明自适应LMS可有效将SI降低至噪声底限以下,从而在单小区、单用户场景中实现实用的FD通信。

提出的方法

  • 系统采用循环前缀OFDM与QPSK调制的导频符号,用于SI信道估计训练。
  • 自适应LMS算法通过最小化实际干扰与估计干扰之间的均方误差,估计SI信道冲击响应。
  • 将估计的SI信号与下行链路数据进行卷积,并在ADC转换前从上行链路接收信号中减去。
  • 采用具有L抽头的有限冲激响应(FIR)滤波器来建模SI信道,使用最速下降法进行权重自适应。
  • 每帧运行100次迭代,步长α = 0.125,以收敛至稳定的SI估计。
  • 通过蒙特卡罗仿真评估性能,共10^5帧,采用LDPC编码并对比编码与非编码BER。

实验结果

研究问题

  • RQ1自适应LMS能否有效估计并消除全双工中继系统中的强自干扰(SIR = -60 dB)?
  • RQ2与非编码及无干扰基准相比,基于LMS的SI消除在误比特率(BER)和频谱效率方面改善程度如何?
  • RQ3消除后剩余的干扰量有多大,其对系统性能的影响如何?
  • RQ4尽管存在高SI功率,该方法能否在频谱效率方面实现接近无干扰的性能?

主要发现

  • 自适应LMS算法在自干扰消除后,于30 dB SNR下实现误比特率(BER)为1×10⁻⁴,其性能曲线与无干扰系统非常接近。
  • 若无SI消除,BER在SNR范围内保持较高且平坦(约0.25),表明系统因SIR为-60 dB而发生饱和。
  • 所提方法恢复了约7比特/秒/Hz的频谱效率,补偿了强自干扰带来的速率损失。
  • 仍存在残余自干扰,表现为编码LDPC的BER曲线在消除后与无干扰曲线之间存在微小SNR差距。
  • 该方法在具有复高斯与瑞利衰落信道的真实单小区、单用户FD中继设置中表现出鲁棒性。
  • 采用码率为1/2的LDPC编码与无限分辨率ADC,确保性能极限不受量化或编码限制。

更好的研究,从现在开始

从阅读论文到最终审阅,大幅缩短您的研究时间。

无需绑定信用卡

本解读由 AI 生成,并经人工编辑审核。