[论文解读] Cooperative Feedback for Multi-Antenna Cognitive Radio Networks

Kaibin Huang, Rui Zhang|arXiv (Cornell University)|Nov 16, 2009

Advanced MIMO Systems OptimizationEngineering参考文献 29被引用 22

一句话总结

本文提出了一种用于多天线认知无线电网络的协作反馈框架，使次用户（SUs）能够利用来自主用户（PU）接收机的有限速率反馈执行认知波束成形（CB）。PU反馈量化后的SU到PU信道方向信息（CDI）和干扰功率控制（IPC）信号，使SU能够设计出既能抑制干扰又能最大化吞吐量的波束成形波束。关键贡献在于在CDI与IPC反馈之间实现比特分配权衡，以最小化SU中断概率。

ABSTRACT

Cognitive beamforming (CB) is a multi-antenna technique for efficient spectrum sharing between primary users (PUs) and secondary users (SUs) in a cognitive radio network. Specifically, a multi-antenna SU transmitter applies CB to suppress the interference to the PU receivers as well as enhance the corresponding SU-link performance. In this paper, for a multiple-input-single-output (MISO) SU channel coexisting with a single-input-single-output (SISO) PU channel, we propose a new and practical paradigm for designing CB based on the finite-rate cooperative feedback from the PU receiver to the SU transmitter. Specifically, the PU receiver communicates to the SU transmitter the quantized SU-to-PU channel direction information (CDI) for computing the SU transmit beamformer, and the interference power control (IPC) signal that regulates the SU transmission power according to the tolerable interference margin at the PU receiver. Two CB algorithms based on cooperative feedback are proposed: one restricts the SU transmit beamformer to be orthogonal to the quantized SU-to-PU channel direction and the other relaxes such a constraint. In addition, cooperative feedforward of the SU CDI from the SU transmitter to the PU receiver is exploited to allow more efficient cooperative feedback. The outage probabilities of the SU link for different CB and cooperative feedback/feedforward algorithms are analyzed, from which the optimal bit-allocation tradeoff between the CDI and IPC feedback is characterized.

研究动机与目标

• 解决在认知无线电网络中，SUs需要获取干扰信道信息以避免对PUs造成有害干扰，但完全信道状态信息（CSI）获取不切实际的问题。
• 通过利用PU接收机的有限速率反馈，实现在MISO SU与SISO PU共存场景下的实用认知波束成形（CB）。
• 联合设计CB算法与反馈策略，平衡CDI与IPC反馈比特分配，以最小化SU中断概率。
• 探索SU信道状态信息（CSI）的协作前向传输，以提升反馈效率与系统性能。

提出的方法

• 提出两种CB算法：正交认知波束成形（OCB），其约束SU波束成形波束与量化后的SU到PU信道方向正交；非正交认知波束成形（NOCB），其放宽此正交性约束。
• 引入一种协作反馈模型，其中PU接收机向SU发射机发送量化后的信道方向信息（CDI）和干扰功率控制（IPC）信号。
• 基于PU接收机可容忍的干扰余量，采用IPC信号的量化策略，实现SU功率的动态自适应。
• 利用SU发射机向PU接收机协作前向传输SU信道状态信息（CSI），以提升反馈效率与波束成形波束设计性能。
• 分析在不同反馈与波束成形方案下SU链路的中断概率，推导出性能评估的闭式表达式。
• 通过渐近分析与中断概率表达式，表征最小化SU中断概率的CDI与IPC反馈比特间最优比特分配权衡。

实验结果

研究问题

• RQ1 在SU为多天线、PU为单输入单输出（SISO）的共存场景中，如何在SU发射机无完美CSI的情况下实现认知波束成形的实用化？
• RQ2 在协作反馈框架中，CDI与IPC信号反馈比特的最优权衡是什么？
• RQ3 在所提出的协作反馈模型中，SU链路的中断性能如何随反馈速率与系统参数变化而变化？
• RQ4 在PU反馈之外引入SU CSI的协作前向传输，可带来多大的性能增益？
• RQ5 在有限速率反馈条件下，OCB与NOCB方案在中断概率与反馈效率方面如何比较？

主要发现

• 所提出的协作反馈框架仅依赖PU接收机的有限速率反馈，即可在多天线认知无线电网络中实现有效的认知波束成形。
• 当反馈比特在CDI与IPC信号之间实现最优分配时，SU链路的中断概率最小化，该权衡由系统的分集增益与反馈速率表征。
• 非正交认知波束成形（NOCB）通过放宽波束成形波束的正交性约束，相比OCB实现了更低的中断概率。
• CDI与IPC反馈的最优比特分配已通过解析方法推导得出，结果表明增加CDI反馈比特可提升分集增益，而IPC反馈则增强功率自适应能力。
• SU CSI的协作前向传输显著提升了反馈效率并降低了中断概率，尤其在低信噪比（SNR）区域效果更明显。
• 渐近分析结果表明，中断概率随反馈速率呈指数衰减，分集增益与反馈比特数及信道增益成正比。