[论文解读] Optimal Training for Residual Self-Interference for Full Duplex One-way Relays

Xiaofeng Li, Cihan Tepedelenlioğlu+1 more|arXiv (Cornell University)|Sep 18, 2017

Full-Duplex Wireless Communications参考文献 28被引用 3

一句话总结

本文提出了一种用于全双工单向中继系统中残余自干扰（RSI）与端到端信道联合估计的最优训练方案，采用最大似然估计结合BFGS算法。通过利用渐近Toeplitz矩阵特性推导出闭式Cramér-Rao界（CRB），作者优化了训练序列以最小化估计误差，从而实现有效的RSI消除与目的端符号间干扰的抑制。

ABSTRACT

Channel estimation and optimal training sequence design for full-duplex one-way relays are investigated. We propose a training scheme to estimate the residual self-interference (RSI) channel and the channels between nodes simultaneously. A maximum likelihood estimator is implemented with Broyden-Fletcher-Goldfarb-Shanno (BFGS) algorithm. In the presence of RSI, the overall source-to-destination channel becomes an inter-symbol-interference (ISI) channel. With the help of estimates of the RSI channel, the destination is able to cancel the ISI through equalization. We derive and analyze the Cramer-Rao bound (CRB) in closed-form by using the asymptotic properties of Toeplitz matrices. The optimal training sequence is obtained by minimizing the CRB. Extensions for the fundamental one-way relay model to the frequency-selective fading channels and the multiple relays case are also considered. For the former, we propose a training scheme to estimate the overall channel, and for the latter the CRB and the optimal number of relays are derived when the distance between the source and the destination is fixed. Simulations using LTE parameters corroborate our theoretical results.

研究动机与目标

• 解决全双工单向中继系统中残余自干扰（RSI）带来的系统性能下降问题，尽管已实施自干扰消除技术。
• 提出一种联合信道估计方案，同时估计RSI信道与源至目的端的端到端信道。
• 通过Cramér-Rao界（CRB）优化训练序列，最小化RSI与端到端信道估计的误差。
• 将框架扩展至频率选择性衰落信道与多中继场景，分析最优中继数量与整体信道估计性能。
• 通过精确估计RSI信道，实现在目的端的有效符号间干扰（ISI）消除。

提出的方法

• 提出一种基于Broyden-Fletcher-Goldfarb-Shanno（BFGS）算法优化的最大似然（ML）估计器，用于联合估计RSI与端到端信道。
• 推导未知参数（信道增益、相位与时间偏移）的Fisher信息矩阵，进而获得闭式Cramér-Rao界（CRB）。
• 利用Toeplitz矩阵的渐近性质分析CRB，将信道矩阵在大样本极限下视为循环矩阵。
• 引入时移离散时间傅里叶变换（DTFT）模型 $ t_{\tau_0}(\lambda) $，以处理RSI信道中的非整数延迟，实现闭式CRB分析。
• 建立关于信道参数实部与虚部的对数似然函数梯度，用于BFGS算法的迭代优化。
• 通过设计训练方案以估计整体信道，将模型扩展至频率选择性衰落信道，并分析源-目的距离固定的多中继场景。

实验结果

研究问题

• RQ1 在全双工单向中继系统中，如何联合估计残余自干扰（RSI）信道与端到端源-目的信道？
• RQ2 何种训练序列可使RSI与端到端信道估计的Cramér-Rao界（CRB）最小化？
• RQ3 RSI的存在如何引起符号间干扰（ISI），并可否通过估计的RSI参数在目的端实现有效消除？
• RQ4 频率选择性衰落对RSI估计有何影响，如何设计训练序列以保持估计精度？
• RQ5 在源-目的距离固定的多中继全双工系统中，最优中继数量是多少？

主要发现

• 通过渐近Toeplitz矩阵理论，推导出RSI与端到端信道估计的Cramér-Rao界（CRB）闭式表达，实现训练序列的理论优化。
• 通过最小化CRB获得最优训练序列，显著提升估计精度并降低信道估计的误差方差。
• 所提出的基于BFGS的极大似然估计器能有效收敛至准确的RSI与端到端信道估计结果，即使在存在ISI的情况下亦然。
• 时移DTFT模型 $ t_{\tau_0}(\lambda) $ 允许在RSI延迟非符号周期整数倍时仍实现闭式CRB分析。
• 基于LTE参数的仿真验证了理论CRB结果，表明最优训练序列相比传统导频显著降低了估计误差。
• 在多中继场景中，CRB分析揭示了在固定源-目的距离下使估计误差最小化的最优中继数量。