[论文解读] On the Number of Interference Alignment Solutions for the K-User MIMO Channel with Constant Coefficients

Ó. González, Carlos Beltrán+1 more|arXiv (Cornell University)|Jan 26, 2013

Advanced MIMO Systems Optimization参考文献 25被引用 6

一句话总结

该论文推导出在K用户MIMO干扰信道中，当干扰对齐（IA）方程数等于变量数时，IA解数量的闭式积分表达式。利用代数几何和随机矩阵理论，证明了解的数量由从信道几何导出的赫米特矩阵的平方行列式的缩放期望值给出，从而可通过蒙特卡洛积分实现数值计算。

ABSTRACT

In this paper, we study the number of different interference alignment (IA) solutions in a K-user multiple-input multiple-output (MIMO) interference channel, when the alignment is performed via beamforming and no symbol extensions are allowed. We focus on the case where the number of IA equations matches the number of variables. In this situation, the number of IA solutions is finite and constant for any channel realization out of a zero-measure set and, as we prove in the paper, it is given by an integral formula that can be numerically approximated using Monte Carlo integration methods. More precisely, the number of alignment solutions is the scaled average of the determinant of a certain Hermitian matrix related to the geometry of the problem. Interestingly, while the value of this determinant at an arbitrary point can be used to check the feasibility of the IA problem, its average (properly scaled) gives the number of solutions. For single-beam systems the asymptotic growth rate of the number of solutions is analyzed and some connections with classical combinatorial problems are presented. Nonetheless, our results can be applied to arbitrary interference MIMO networks, with any number of users, antennas and streams per user.

研究动机与目标

• 在通用信道条件下，确定K用户MIMO干扰信道中IA解的确切数量。
• 填补当方程数与变量数相等时，对IA解有限数量理解的空白。
• 利用积分几何和随机矩阵理论，提供一个可计算的解数量公式。
• 将现有结果从单流场景扩展到任意多流MIMO干扰网络。

提出的方法

• IA解的数量表示为从信道结构导出的赫米特矩阵Ψ的平方行列式|det(Ψ)|²的缩放期望值。
• 通过在酉群上进行蒙特卡洛积分计算期望值，利用分布在酉变换下的不变性。
• 该方法依赖于行列式期望值可捕捉在通用信道实现下解的平均数量这一事实。
• 关键步骤涉及将解数量表示为格拉斯曼流形上的积分，利用富比尼定理和体积归一化。
• 利用复高斯变量的联合分布来计算行列式元素的矩。
• 使用(0,1)-矩阵T的永久式来表示行列式展开中的排列和，将解数量与组合结构联系起来。

实验结果

研究问题

• RQ1 当K用户MIMO信道中IA方程数等于变量数时，IA解的确切数量是多少？
• RQ2 如何高效计算任意用户数、天线数和数据流数的MIMO干扰网络中的解数量？
• RQ3 单流MIMO系统中解数量的渐近增长速率如何？
• RQ4 解数量与干扰对齐问题的几何结构及信道矩阵结构有何关联？
• RQ5 解数量能否表示为涉及随机矩阵理论的可计算积分或期望形式？

主要发现

• IA解的数量由缩放期望值E[|det(Ψ)|²]给出，其中Ψ是根据信道系数构造的赫米特矩阵。
• 对于单流系统，解数量的渐近增长遵循一个涉及从网络拓扑导出的(0,1)-矩阵永久式的公式。
• 由于信道系数的通用性，解数量在几乎所有信道实现下为常数，仅在零测度集合上可能变化。
• 该方法可通过在酉群上进行蒙特卡洛积分，实现解数量的数值计算。
• 在多流情况下，编码Ψ支持结构的(0,1)-矩阵T的永久式直接决定了解的数量。
• 该结果推广了先前针对单流网络的发现，并为任意K用户MIMO干扰信道（包括任意流数和天线数）提供了适用框架。