无线干扰管理中的非合作噪声处理方法、设备及存储设备与流程

本发明涉及通信领域，尤其涉及无线干扰管理中的非合作噪声处理方法、设备及存储设备。

背景技术：

干扰对齐技术是近年来提出的新的干扰管理方法，干扰对齐可以实现干扰信道的容量随着用户数增加而线性增加。在实际的系统中，通常接收端需要面对的干扰分为两类，包括：系统内部其他发射端的信号和来自系统外部的干扰。一般情况下系统外部的干扰是无法参与干扰对齐的，因此将其称为“非合作噪声”。

但是经典的干扰管理算法只有在无噪声的情况下才是最优的，也就是说当系统的容量仅受用户间的干扰影响的时候，经典的干扰对齐算法才是最优的。当系统中存在噪声时，噪声的影响使得干扰对齐算法的性能受到了影响。另一方面，现有的针对噪声环境，人们提出交替最小均方误差干扰对齐算法(alter-mmse，alternativeminimum-mean-square-error)和最大化信干噪比算法(max-sinr，maximumsignal-to-interference-plus-noiseratio)的干扰对齐算法，当系统中的干扰不再是对称的时候，如图2，既有某个或者某几个用户所受到的噪声或者干扰能量大于其他的用户所受到的噪声或干扰的能量的时候，并不能自适应的调整目标函数，使得其性能受到了影响，特别是当系统中存在不合作的干扰的时候，实现干扰对齐的迭代方法需要结合子空间划分的想法和最小均方误差方法来设计。

技术实现要素：

为了解决上述问题，本发明提供了一种无线干扰管理中的非合作噪声处理方法、设备及存储设备。

一种无线干扰管理中的非合作噪声处理方法，应用于具有非合作干扰的非对称mimo干扰信道系统中，其中，所述具有非合作干扰的非对称mimo干扰信道系统包括：非合作干扰源、多个发射端和与多个发射端一一对应的多个接收端；所述一种无线干扰管理中的非合作噪声处理方法，具体包括如下步骤：

s101：采用随机矩阵初始化每个发射端的预编码矩阵；

s102：在接收端，根据最新预编码矩阵，通过tls超维平面估计算法得到干扰子空间划分的结果，从而得到各接收端的溢出干扰的有用信号子空间的基；

s103：根据有用信号子空间的基，采用公式(1)计算得到各接收端的有用信号子空间的投影矩阵：

上式中，wk为第k个发射端的有用信号子空间的投影矩阵，即后处理矩阵；tk为第k个接收端的有用信号子空间的基；

s104：在发射端，根据各接收端的有用信号子空间的投影矩阵，采用mmse算法计算得到个发射端的满足kkt条件的最新预编码矩阵；

s105：mmse算法是否已经收敛？若是，则将此时各发射端的预编码矩阵和各接收端的后处理矩阵作为最优的预编码矩阵和后处理矩阵；否则，返回步骤s102；

s106：在每个发射端的发射信号上左乘对应的最优的预编码矩阵，作为最终的发射信号发射至对应的接收端，并在接收端的接收信号上左乘根据最优的后处理矩阵，以对所述最终的发射信号行解码，得到发射端发射的原始信号。

进一步地，步骤s102中，根据最新预编码矩阵，通过tls超维平面估计算法得到子空间划分的结果，从而得到各接收端的溢出干扰的有用信号子空间的基的计算方法，包括如下步骤：

s201：根据tls超维平面估计算法，将接收端所接收到的所有的干扰和噪声矢量的数学期望定义为干扰中心矢量，如公式(2)所示：

上式中，为第k个接收端的干扰中心矢量；hkj为第j个发射端和第k个接收端之间的信道矩阵，zk为第k个接收端接收到的随机白噪声；vj为第j个发射端的预编码矩阵；其中，j的取值范围为[0,k]，k的取值范围为[1,k]，k为发射端的总个数；所述所有的干扰包括：合作的干扰和非合作的干扰；下标j＝0，表示非合作干扰源产生的非合作干扰，且令非合作干扰的预编码矩阵v0＝i，表示非合作的干扰不参与合作预编码；i为对角线全为1的方阵；

s202：对各接收端构造一个如公式(3)所示的矩阵：

上式中，e(k)为对第k个接收端所构造的矩阵，qk表示第k个接收端接收到的干扰和噪声矩阵之和；

s203：将e(k)^te(k)最小的dk个特征值所对应的特征向量所组成的矩阵作为第k个接收端的有用信号子空间的基tk；其中，dk为第k个接收端的有用信号子空间的维数。

进一步地，步骤s104中，在发射端，根据各接收端的有用信号子空间的投影矩阵，采用mmse算法计算得到个发射端的满足kkt条件的最新预编码矩阵的计算公式如公式(4)所示：

上式中，vj为第j个发射端的预编码矩阵，λj为第j个发射端的拉格朗日乘数，为预设值；i为对角线全为1的方阵；hjj为第j个发射端和第j个接收端之间的信道矩阵；k为发射端的总个数。

进一步地，s105中，将所有通信对的接收信号在有用子空间的投影和发射信号之间的均方误差之和作为mmse算法的目标函数jmmse；mmse算法的收敛条件为：目标函数的变化值稳定在预设值θ内，即目标函数的最新值和上一轮迭代的值之间的差值的绝对值小于或者等于θ；目标函数jmmse的表达式如公式(5)所示：

上式中，为第k个通信对的接收信号在有用子空间的投影，且sk为第k个发射端的发射信号，yk为第k个接收端的接收信号，第k个发射端和第k个接收端组成一个通信对，对于第k个通信对来说，其有用信号子空间是m维信号空间的一个dk维的信号子空间。

一种存储设备，所述存储设备存储指令及数据用于实现一种无线干扰管理中的非合作噪声处理方法。

一种无线干扰管理中的非合作噪声处理设备，包括：处理器及所述存储设备；所述处理器加载并执行所述存储设备中的指令及数据用于实现一种无线干扰管理中的非合作噪声处理方法。

本发明提供的技术方案带来的有益效果是：本发明所提出的技术方案在子空间划分中采用tls超维空间估计算法，在非合作的噪声环境中得到信号干扰子空间的弱一致性估计，采用mmse算法在tls子空间划分结果的基础上实现干扰对齐，mmse准则不再作为唯一的算法设计准则，而是充分利用了子空间划分所带来的优势，提高系统具有非合作干扰的干扰网络中的性能；在不具有非合作的干扰情况下，tls+mmse算法结合了单纯的迭代干扰对齐在高信噪比时候的优点也继承了mmse算法在低信噪比时候的性能；tls+mmse算法在设计上基于tls算法，在具有非合作干扰的情况下，可以实现相比于其他算法来说更好的系统传输性能；相对于其他的启发式算法，收敛速度更快，消耗额外的无线资源更少。

附图说明

下面将结合附图及实施例对本发明作进一步说明，附图中：

图1是本发明实施例中一种无线干扰管理中的非合作噪声处理方法的流程图；

图2是本发明实施例中具有非合作干扰的非对称mimo干扰信道系统的模型示意图；

图3是本发明实施例中硬件设备工作的示意图。

具体实施方式

为了对本发明的技术特征、目的和效果有更加清楚的理解，现对照附图详细说明本发明的具体实施方式。

本发明的实施例提供了一种无线干扰管理中的非合作噪声处理方法、设备及存储设备。

请参考图1，图1是本发明实施例中一种无线干扰管理中的非合作噪声处理方法的流程图，应用于如图2所示的具有非合作干扰的非对称mimo干扰信道系统中，其中，所述具有非合作干扰的非对称mimo干扰信道系统包括：非合作干扰源、多个发射端(mk)和与多个发射端一一对应的多个接收端(nk)；其特征在于，所述一种无线干扰管理中的非合作噪声处理方法，具体包括如下步骤：

s101：采用随机矩阵初始化每个发射端的预编码矩阵；

s102：在接收端，根据最新预编码矩阵，通过tls超维平面估计算法得到干扰子空间划分的结果，从而得到各接收端的溢出干扰的有用信号子空间的基；

s103：根据有用信号子空间的基，采用公式(1)计算得到各接收端的有用信号子空间的投影矩阵：

上式中，wk为第k个发射端的有用信号子空间的投影矩阵，即后处理矩阵；tk为第k个接收端的有用信号子空间的基；

s104：在发射端，根据各接收端的有用信号子空间的投影矩阵，采用mmse算法计算得到个发射端的满足kkt条件的最新预编码矩阵；

s105：mmse算法是否已经收敛？若是，则将此时各发射端的预编码矩阵和各接收端的后处理矩阵作为最优的预编码矩阵和后处理矩阵；否则，返回步骤s102；

s106：在每个发射端的发射信号上左乘对应的最优的预编码矩阵，作为最终的发射信号发射至对应的接收端，并在接收端的接收信号上左乘根据最优的后处理矩阵，以对所述最终的发射信号行解码，得到发射端发射的原始信号。

步骤s102中，根据最新预编码矩阵，通过tls超维平面估计算法得到子空间划分的结果，从而得到各接收端的溢出干扰的有用信号子空间的基的计算方法，包括如下步骤：

s201：根据tls超维平面估计算法，将接收端所接收到的所有的干扰和噪声矢量的数学期望定义为干扰中心矢量，如公式(2)所示：

上式中，为第k个接收端的干扰中心矢量；hkj为第j个发射端和第k个接收端之间的信道矩阵，zk为第k个接收端接收到的随机白噪声；vj为第j个发射端的预编码矩阵；其中，j的取值范围为[0,k]，k的取值范围为[1,k]，k为发射端的总个数；所述所有的干扰包括：合作的干扰和非合作的干扰；下标j＝0，表示非合作干扰源产生的非合作干扰，且令非合作干扰的预编码矩阵v0＝i，表示非合作的干扰不参与合作预编码；i为对角线全为1的方阵；

s202：对各接收端构造一个如公式(3)所示的矩阵：

上式中，e(k)为对第k个接收端所构造的矩阵，qk表示第k个接收端接收到的干扰和噪声矩阵之和；

s203：将e(k)^te(k)最小的dk个特征值所对应的特征向量所组成的矩阵作为第k个接收端的有用信号子空间的基tk；其中，dk为第k个接收端的有用信号子空间的维数。

步骤s104中，在发射端，根据各接收端的有用信号子空间的投影矩阵，采用mmse算法计算得到个发射端的满足kkt条件的最新预编码矩阵的计算公式如公式(4)所示：

上式中，vj为第j个发射端的预编码矩阵，λj为第j个发射端的拉格朗日乘数，为预设值；i为对角线全为1的方阵；hjj为第j个发射端和第j个接收端之间的信道矩阵；k为发射端的总个数。

步骤s105中，将所有通信对的接收信号在有用子空间的投影和发射信号之间的均方误差之和作为mmse算法的目标函数jmmse；mmse算法的收敛条件为：目标函数的变化值稳定在预设值θ内，即目标函数的最新值和上一轮迭代的值之间的差值的绝对值小于或者等于θ；目标函数jmmse的表达式如公式(5)所示：

上式中，为第k个通信对的接收信号在有用子空间的投影，且sk为第k个发射端的发射信号，yk为第k个接收端的接收信号，第k个发射端和第k个接收端组成一个通信对，对于第k个通信对来说，其有用信号子空间是m维信号空间的一个dk维的信号子空间。

请参见图3，图3是本发明实施例的硬件设备工作示意图，所述硬件设备具体包括：一种无线干扰管理中的非合作噪声处理设备301、处理器302及存储设备303。

一种无线干扰管理中的非合作噪声处理设备301：所述一种无线干扰管理中的非合作噪声处理设备301实现所述一种无线干扰管理中的非合作噪声处理方法。

处理器302：所述处理器302加载并执行所述存储设备303中的指令及数据用于实现所述一种无线干扰管理中的非合作噪声处理方法。

存储设备303：所述存储设备303存储指令及数据；所述存储设备303用于实现所述一种无线干扰管理中的非合作噪声处理方法。

本发明的有益效果是：本发明所提出的技术方案在子空间划分中采用tls超维空间估计算法，在非合作的噪声环境中得到信号干扰子空间的弱一致性估计，采用mmse算法在tls子空间划分结果的基础上实现干扰对齐，mmse准则不再作为唯一的算法设计准则，而是充分利用了子空间划分所带来的优势，提高系统具有非合作干扰的干扰网络中的性能；在不具有非合作的干扰情况下，tls+mmse算法结合了单纯的迭代干扰对齐在高信噪比时候的优点也继承了mmse算法在低信噪比时候的性能；tls+mmse算法在设计上基于tls算法，在具有非合作干扰的情况下，可以实现相比于其他算法来说更好的系统传输性能；相对于其他的启发式算法，收敛速度更快，消耗额外的无线资源更少。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。