[论文解读] Constellation Design for Robust Interference Mitigation

Athanasios T. Papadopoulos, Thrassos K. Oikonomou+5 more|arXiv (Cornell University)|Feb 11, 2026

Wireless Signal Modulation Classification被引用 0

一句话总结

论文提出一种单载波系统在Nakagami-m干扰下的最大似然高斯相位近似（ML-G）检测器，并提出干扰感知星座设计，在能量约束下最小化符号错误概率。

ABSTRACT

This paper investigates symbol detection for single-carrier communication systems operating in the presence of additive interference with Nakagami-m statistics. Such interference departs from the assumptions underlying conventional detection methods based on Gaussian noise models and leads to detection mismatch that fundamentally affects symbol-level performance. In particular, the presence of random interference amplitude and non-uniform phase alters the structure of the optimal decision regions and renders standard Euclidean distance-based detectors suboptimal. To address this challenge, we develop the maximum-likelihood Gaussian-phase approximate (ML-G) detector, a low-complexity detection rule that accurately approximates maximum-likelihood detection while remaining suitable for practical implementation. The proposed detector explicitly incorporates the statistical properties of the interference and induces decision regions that differ significantly from those arising under conventional metrics. Building on the ML-G framework, we further investigate constellation design under interference-aware detection and formulate an optimization problem that seeks symbol placements that minimize the symbol error probability subject to an average energy constraint. The resulting constellations are obtained numerically and adapt to the interference environment, exhibiting non-standard and asymmetric structures as interference strength increases. Simulation results demonstrate clear symbol error probability gains over established benchmark schemes across a range of interference conditions, particularly in scenarios with dominant additive interference.

研究动机与目标

• 在干扰偏离高斯噪声且具有幅度与相位随机性时，激励鲁棒检测。
• 推导一个可处理的近似ML检测器，将干扰统计信息纳入判决区域。
• 表征干扰如何改变复平面的判决边界。
• 提出并求解在能量约束下设计最小化SEP的星座优化问题。
• 在不同干扰条件下展示相对于基准的性能提升。

提出的方法

• 用Nakagami-m干扰包络和相位，以及AWGN来建模接收信号。
• 通过对干扰分布取平均并用高斯矩匹配近似相位，推导ML-G检测度量。
• 将判决度量表示为依赖于残留幅度r和相位ϕ的收敛级数S(r, ϕ)。
• 证明对Rayleigh干扰（m=1）时，检测器简化为欧几里得距离检测，从而验证一致性。
• 分析得到的非均匀判决区域及其随干扰的畸变。
• 提出一个在平均能量约束下最小化SEP的星座优化问题，并通过全局搜索结合局部细化求解。

实验结果

研究问题

• RQ1 Nakagami-m干扰的随机幅度与非均匀相位如何影响最优符号判决区域？
• RQ2 能否结合干扰统计信息的可处理ML检测器在结构化干扰下超越传统检测器？
• RQ3 在ML-G检测规则和能量约束下，应如何设计星座以最小化SEP？
• RQ4 随着干扰强度变化，判决区域和星座几何的行为如何？
• RQ5 专门的干扰感知星座在不同干扰情形下是否能带来一致的SEP提升？

主要发现

• ML-G检测器提供可处理的近似ML规则，捕捉干扰的幅度与相位统计。
• 随着干扰增加，判决区域变得不均匀、不对称，偏离标准的欧几里得边界。
• 对于Rayleigh干扰（m=1），ML-G简化为传统的欧几里得距离检测，验证了一致性。
• 在ML-G下优化的星座会适应干扰环境，在较高干扰时呈现不规则形状，在中等SINR下在某些情况下表现出结构化形式。
• 仿真结果显示在一系列干扰条件下，ML-G相对于CAI和欧几里得基线在SEP方面具有提升，特别是当加性干扰占主导时。
• 在信号与干扰功率相当的高SNR情形下，干扰感知星座设计带来的收益更显著，且在某些情况下随星座阶数增大而增加。