[论文解读] Cooperative Algorithms for MIMO Interference Channels

Steven W. Peters, Robert W. Heath|arXiv (Cornell University)|Feb 2, 2010

Advanced MIMO Systems Optimization被引用 8

一句话总结

本文提出三种协作式MIMO干扰对齐算法，考虑了非协调同频干扰源引起的彩色噪声，在实际网络中提升了总吞吐量。这些方法——最小干扰加噪声泄漏（INL）、联合最小均方误差（MMSE）设计以及收敛的最大SINR——同时优化预编码器与接收波束成形器，其中INL确保有限反馈下的正交化，SINR收敛性已证明，相较于传统IA在有限信噪比环境下表现更优，尤其在存在干扰时。

ABSTRACT

Interference alignment is a transmission technique for exploiting all available degrees of freedom in the interference channel with an arbitrary number of users. Most prior work on interference alignment, however, neglects interference from other nodes in the network not participating in the alignment operation. This paper proposes three generalizations of interference alignment for the multiple-antenna interference channel with multiple users that account for colored noise, which models uncoordinated interference. First, a minimum interference-plus-noise leakage algorithm is presented, and shown to be equivalent to previous subspace methods when noise is spatially white or negligible. A joint minimum mean squared error design is then proposed that jointly optimizes the transmit precoders and receive spatial filters, whereas previous designs neglect the receive spatial filter. This algorithm is shown to be a generalization of previous joint MMSE designs for other system configurations such as the broadcast channel. Finally, a maximum signal-to-interference-plus-noise ratio algorithm is developed that is proven to converge, unlike previous maximum SINR algorithms. The latter two designs are shown to have increased complexity due to non-orthogonal precoders, more required iterations, or more channel state knowledge than the min INL or subspace methods. The sum throughput performance of these algorithms is simulated in the context of a network with uncoordinated co-channel interferers not participating in the alignment protocol. It is found that a network with cochannel interference can benefit from employing precoders designed to consider that interference, but in some cases, ignoring the co-channel interference is advantageous.

研究动机与目标

• 解决传统干扰对齐（IA）在有限信噪比环境及非协调同频干扰源引起的彩色噪声下性能不佳的问题。
• 开发联合优化发射预编码器与接收空间滤波器的实用算法，克服以往IA方法忽略接收机设计的局限性。
• 提出最小干扰加噪声泄漏（INL）算法，将子空间IA推广至处理彩色噪声，并确保有限反馈下预编码器的正交性。
• 提出联合最小均方误差（MMSE）设计，同时优化预编码器与接收滤波器。
• 开发一种可证明收敛的最大SINR算法，与以往非收敛方法不同，从而提升干扰受限网络中的频谱效率。

提出的方法

• 最小INL算法通过最小化干扰与噪声在期望信号子空间中的泄漏来实现，是MMSE优化的特例，并通过拉格朗日对偶方法确保预编码器正交化。
• 联合MMSE设计通过最小化所有用户端的均方误差，同时优化预编码器与接收合并矩阵，利用广义特征分解推导出闭式解。
• 最大SINR算法采用交替优化框架，各用户依次更新其预编码器与接收滤波器以最大化自身SINR，利用KKT条件与单调性证明收敛性。
• 当信噪比较高或噪声为白色时，INL算法退化为标准子空间IA，验证了其与先前工作的兼容性。
• 所有算法均采用对预编码器与接收滤波器交替最小化的方法，利用广义瑞利商解推导出闭式更新公式。
• SINR最大化步骤通过广义特征值问题计算最优预编码器与接收滤波器向量，功率约束通过归一化实现。

实验结果

研究问题

• RQ1 如何将干扰对齐方法推广以处理非协调同频干扰源引起的彩色噪声？
• RQ2 与忽略接收机设计的传统IA相比，联合优化预编码器与接收滤波器对总吞吐量有何影响？
• RQ3 能否设计一种在MIMO干扰信道中可收敛的最大SINR算法，以区别于以往非收敛的SINR方法？
• RQ4 在何种条件下，设计预编码器时考虑同频干扰可提升性能？何时忽略此类干扰更为有利？
• RQ5 在有限信噪比与有限反馈的实际场景中，所提算法表现如何，尤其与标准IA相比？

主要发现

• 最小INL算法确保了正交化预编码器，这对有限反馈下的实际实现至关重要，并在高信噪比或白噪声条件下退化为标准IA。
• 联合MMSE设计通过同时优化发射波束成形器与接收波束成形器，优于传统IA，实现了更优的干扰抑制与信号恢复。
• 所提出的最大SINR算法通过在拉格朗日乘子上进行一维搜索，被证明可收敛，解决了以往基于SINR方法的非收敛问题。
• 仿真结果表明，存在同频干扰的网络中，若预编码器设计时考虑此类干扰，性能将得到提升，尤其在干扰中等时效果更明显。
• 在极端情况下——如仅一个接收机遭受强同频干扰——在设计中忽略该干扰反而更优，表明干扰建模与性能之间存在权衡。