认知无线电网络频谱共享中干扰对齐技术及其应用研究

Interference alignment theory can eliminate the interference among communication users, improve the performance of communication systems, and thus improve the capacity of the interference channel. It has attracted significant attention as a new promising technology in wireless communication. However, real-time channel state information is required in interference alignment, and its performance under low signal-to-noise ratio is poor. These problems thus hinder the practical applications of interference alignment technology in spectrum sharing. In this project, plenty of research is performed on the problems of the interfernce alignment technology and its applications to cognitive radio. First, an interference alignment algorithm based on H∞ filtering channel prediction is proposed to solve the problem of delayed channel state information. Second, an antenna selection algorithm based on hybrid ant colony optimation is proposed to solve the problem that signal-to-noise ratio is decreased after interference alignment. Last, using channel prediction and antenna selection, a simple spectrum sharing model through interference alignment in cognitive radio is proposed based on reconfigurable antenna technology. The interference in the network can be effectively eliminated, with few limitations on the primary user. The research work in the project will improve the performance of interference alignment in practical communication environment, push its practical applications, and solve the problem of interference management in cognitive radio. It thus has great theoretical and practical meaning, and will be used widely in the future.

干扰对齐理论能够有效去除通信用户间的干扰，提高系统性能，进而提升干扰信道容量，是无线通信领域中新的研究热点。但是，干扰对齐自身存在着对信道信息实时性要求较高和低信噪比下性能较差等问题，使得频谱共享中的干扰对齐技术目前还不能实用化。本项目针对干扰对齐技术中存在的若干问题及其在认知无线电中的应用展开研究。具体包括：(1) 提出一种基于H∞滤波信道预测的干扰对齐算法，解决信道信息延时的问题；(2) 提出一种基于混合蚁群优化的天线选择算法，解决干扰对齐后接收信号信噪比下降的问题；(3) 结合信道预测和天线选择算法，基于可重构天线，提出一种认知无线电中低复杂度的干扰对齐下垫式频谱共享模型，在对主用户限制较少的情况下，消除网络中的干扰。这些内容的研究，对提高干扰对齐在实际通信环境中的性能，加快干扰对齐技术的实用化，以及解决认知无线电中干扰管理问题等方面，具有重要的科学意义和实用价值，应用前景广阔。

在下一代移动通信系统中，随着用户数与数据流量的激增，频谱资源变得越来越稀缺。认知无线电技术能够有效解决这一问题，但是主用户与次用户之间的干扰是限制认知无线电网络性能提升的瓶颈性问题。另一方面，干扰对齐理论能够有效去除通信用户间的干扰，提高系统性能，进而逼近干扰信道容量，是无线通信领域中新的研究热点。但是，干扰对齐自身存在着对信道信息实时性要求较高和低信噪比下性能较差等问题，使得认知无线电网络频谱共享中的干扰对齐技术仍存在很多问题，目前尚不能实用化。本项目针对干扰对齐技术中存在的若干问题及其在认知无线电中的应用展开研究。具体包括：(1) 提出一种基于AR模型信道预测的干扰对齐算法，在网络的接收端对信道状态信息进行估计并预测，然后将其在接收机和发射机之间进行反馈，解决信道信息延时的问题。(2) 提出一种基于离散随机优化的天线选择算法，在非理想信道状态信息的情况下，选择最优的天线组合，以较低的计算复杂度，提升干扰对齐网络的通信质量，解决干扰对齐后接收信号信噪比下降的问题。在此基础上，基于可重构天线，提出一种基于天线状态旋转的干扰对齐算法，以较低的计算复杂度提升网络的通信质量。(3) 提出基于干扰对齐的认知无线电网络模型，在保证主用户通信质量的前提下，采用最优化次用户速率、最优化网络能量效率、最优化次用户的满意度等目标方程，解决其中的功率分配问题。同时，设计一种部分干扰对齐算法，在保证次用户对主用户的干扰能够完全去除掉，但主用户对次用户的干扰不做考虑，进一步提升主用户性能。(4) 在上述研究的基础上，本项目还进行了干扰对齐其它方向的探索工作，具体包括基于广义机会通信的干扰对齐体系框架、绿色干扰对齐技术、拓扑管理、全双工中继、快速迭代算法和对抗恶意干扰等。在本项目的资助下，研究成果发表于IEEE Commun. Mag.、IEEE Trans. on Wirel. Commun.、Globecom和ICC等国际顶级期刊和会议，提升了项目组的国际影响力。这些内容的研究，对提高干扰对齐在实际通信环境中的性能，加快干扰对齐技术的实用化，以及解决认知无线电中干扰管理问题等方面，具有重要的科学意义和实用价值，应用前景广阔。借助本项目的研究，在未来，将继续针对干扰对齐领域的一些关键棘手的问题展开更加深入的研究，突破其中的关键技术，实现干扰对齐的实用化。