同时同频全双工数字自干扰消除研究

周芮

【摘要】 在5G通信研发中，同时同频全双工作为提高频谱效率的关键技术之一，需要克服的重要问题就在于自干扰的消除。本文研究了关注甚少的数字消除方式，全面分析了信道估计联合自适应滤波的消除方案。

【关键词】 无线通信 同时同频全双工 数字消除

一、引言

近年来，4G通信技术已日趋成熟，然而随着用户速率和业务量需求的飞速增长，无线通信系统所需的带宽不断增大，对频谱资源的需求也在迅速增加，为满足日益增长的通信需求，5G的研发已提上日程。尽管5G定位于频谱效率更高、速率更快、容量更大的无线网络，但亟待解决的问题也很多，在无线传输技术方面，同时同频全双工就是解决频谱效率问题的关键技术之一。

传统的时分双工和频分双工这两种双工技术作为无线通信系统中的主流技术，已在无线通信领域广泛使用。但是，时分双工与频分双工技术中存在的问题，使这两种技术性能受到限制。例如，使用时分双工会使节点间的信道不一致特性恶化，同时由于通信双方分时的收发数据，时间利用率不高，影响通信效率。而另一方面在频分双工通信系统中，当节点试图相互发送与接收信号时，需要在某一频段发射信号，在另一频段接收信号，导致进行双工通信需要两倍的单向通信链路带宽，在无线频谱资源日益紧张的今天，带宽资源占用太大，并且会限制系统中可以通信的节点数量。在传统技术的这些缺陷下，国外研究者提出尝试让双工通信节点双方在同一频带上同时发送与接收信号，即全双工（Full Duple，FD）技术，而在国内，通常称之为同时同频全双工（Co-time Co-frequency Full Duplex，CCFD）技术。

虽然同时同频全双工比起传统双工方式节省了一半的时间开销与频率开销，使频谱效率加倍，但是该技术有一个显著问题要解决，就是本地自干扰的抑制。对相互通信双方的任一节点而言，对方发射天线发来的信号为自身需要的期望信号，而自身发射天线的发射信号对自身接收端就造成干扰，称之为自干扰。由于自身节点收发天线之间的距离远小于相互通信的节点之间距离，这个自干扰信号就远大于期望信号，显然，消除自干扰就是最关键任务。现行的自干扰消除研究中，根据干扰消除方式和位置的不同，可分为天线、射频、数字三种方式。

天线消除的原理是将收发天线在空中接口处分离，从而降低发射机信号对接收机信号的干扰，主要有以下三种方式：

1）拉远发射天线和接收天线之间的距离，采用分布式天线，增加电磁波传播的路径损耗，以降低双工干扰（DI）在接收端的功率；

2）直接屏蔽DI：在發射天线和接收天线之间设置一微波屏蔽板；

3）配备多发射天线，调整多个发射天线到接收天线的距离，使发射信号在接收天线处相位相反实现抵消。

而射频方式主要是在模拟域通过射频电路以相位反转的形式实现干扰抵消，该方式研究较广泛且成效可观。天线、射频方式研究较早且关注较多，并且自干扰消除效果显著，而数字方式较前两者而言关注甚少，目前大概也只能实现10dB至15dB的自干扰功率衰减，但作为对整体干扰消除效果的完善，数字方式不可或缺，因此还有待更多的研究。

本文分析的数字自干扰消除方式为基于信道估计的自适应滤波方案，第二节阐述该方案的原理及整体框架，第三节分析信道估计的原理方法，第四节介绍时域自适应滤波算法，第五节探讨该数字消除方案需要注意的问题，最后，作出总结展望。

二、数字自干扰消除方案

由于在天线、射频消除后，接收信号中往往还存在残余自干扰，需要通过数字域消除方式进一步完善消除性能。与射频消除思想类似，数字方式也是干扰抵消原理，通过重建干扰信号副本，然后在总的接收信号中减去以消除自干扰，不同的是，数字方式是将信号经过模数转换变为数字信号后再作消除。然而，在同时同频全双工无线通信系统中实施的数字干扰消除比在其他应用中使用的数字消除（如连续干扰消除（简称SIC）与解码等）比起来，更具挑战性，因为全双工设备中若丢失了20%的数据包，就意味着系统仅仅是可用而已。因此，为了在后续提取期望信号的工作中能提高精确度，完善数字自干扰消除性能就很有必要，这就要求自干扰信号能被准确消除，那么获取自干扰信号特性以及实时捕获它的变化就显得尤为重要，这里分析的信道估计联合自适应滤波消除方案则是一种有效方式。图1所示为该数字自干扰消除方案的基本框架。

由于本地自干扰信号在到达自身接收端时会受无线信道影响，振幅、相位等信号特性会发生变化，要使滤波器产生精确的自干扰估计信号，首先得通过信道估计获取自干扰信道冲激响应，并作为滤波器的初始加权系数，再结合自适应算法进行调整，以使滤波器能实时跟踪自干扰信号的变化，从而输出更接近于干扰信号的抵消信号。

三、自干扰信道估计

由于自干扰信号受无线信道影响，如果能估计出自干扰信道冲激响应，就能获取自干扰在接收端的信号特性，这样就有利于后续自适应滤波器输出更精确的干扰估计信号，因此，信道估计是一个重要环节。信道估计的算法很多，根据是在时域还是频域实现信道估计，可分为时域信道估计和频域信道估计；依据是否使用辅助数据，将信道估计分为基于导频或训练符号的辅助信息信道估计和盲信道估计。基于辅助信息的信道估计方法是在发送信号的某些位置置入一些己知的导频符号或寻列序列，在接收端利用这些导频符号或训练序列按照某种方法进行信道估计，这里所讨论的系统是单载波系统类型，因此使用辅助信息的信道估计，训练序列只能在时间轴插入。需要注意的是，插入的训练序列在时间轴上的间隔相对于信道带宽要足够的小。基于辅助信息的信道估计性能较好，但会造成宽带和功率的损失，降低系统传输的有效性，比较适用于突发式的通信传输系统，例如WLAN等。这里是使用基于训练序列的信道估计方法对自干扰信道进行估计。

由于无线通信信道最明显的特征是多径衰落效应和时间变化特性，也就是说存在一条以上的信号传播路径，且信道特性随时间变化较快，具有明显的随参信道特性。由于在点对点同时同频全双工系统中，自身节点的收发天线之间距离很近，因此可以假定自干扰信道为线性衰落信道，现在以最小平方信道估计法为例分析信道估计方法。

最小平方（Least Square，LS）信道估计法便于实现且有较好的性能，它是以选择估计值与实际值之间的均方误差最小作为性能衡量的标准。设Y是自身节点接收端的经过离散傅里叶变换后得到的信号列向量，X是自身节点发射端发送的训练序列，H是信道频域响应，W是均值为零，方差为σ2的高斯白噪声，则有如下关系：

有了上述信道频域响应后，经过DFT后即得时域冲激响应，以方便随后的时域自适应算法在自适应滤波中有效进行。

四、自适应滤波

得到信道估计结果后，作为自适应滤波器初始加权系数，然后通过自适应算法进行系数向量调整，使输出最大程度接近自干扰信号，因此自适应干扰消除是一个关键环节。自适应干扰消除技术的核心是自适应滤波器和相应地自适应算法，自适应滤波器能够按照某种准则自动地调节本身的传递函数进行自我修正，使得输出信号达到系统所需要的最佳结果。对于自适应滤波器，它可以用许多不同结构来实现，从根本上讲，主要有兩类自适应数字滤波器结构，即有限长冲激响应（FIR）滤波器和无限长冲激响应（IIR）滤波器。由于FIR滤波器为横向结构，利用正规直接形式实现全零点传输函数，这种结构下，输出信号是滤波器抽头系数的线性组合，产生具有唯一最优解的二次均方误差函数，更适合于自适应算法通过误差反馈调节滤波器系数的原理，因此在自适应干扰抵消情景中，广泛采用FIR滤波器。

另外一个关键是自适应算法，这会直接影响自适应干扰消除系统的整体效果，选择自适应算法时需要考虑：算法收敛速度，系统的稳定性和算法的复杂性，并且要求自适应算法易于实现，以降低系统成本。现行的时域自适应算法中，最具有代表性的自适应算法有最小均方（Least Mean Square，简称LMS）、归一化最小均方（Normalized LMS，简称NLMS）和递归最小二乘（Recursive Least Squares，简称RLS）算法，它们各有其优缺点，最小均方算法因其计算复杂度小，易于硬件实现，因而应用较广泛，但是往往存在收敛速度慢的问题。

递归最小二乘法收敛速度快，实时性高，但由于计算复杂度大因而在工程上很少使用。建立在LMS基础上的归一化最小均方算法则对LMS算法作了优化，以变步长因子形式提高算法收敛性，计算复杂度又较RLS算法小得多，工程应用上较受欢迎。这里可将NLMS算法应用于此处的自适应干扰消除中。

设数字基带信号u（n）经滤波器延迟单元延迟后所构成的输入信号列向量为u（n），滤波器加权系数向量为w（n），干扰信号与滤波器输出信号相减所得误差为e（n），则由NLMS算法迭代方程有

五、对整体消除的影响及需要注意的问题

在同时同频全双工系统进行数字自干扰消除时，由于本地自干扰信号是已知的，因此相比传统的数字消除省去了先解出不期望的发射信号信息的过程。在整体的自干扰消除中采用相干检测而非解码来检测干扰信号，相干检测器将输入的射频接收信号与从发射端获取的干扰参考信号进行相关。由于检测器能够获取完整的自干扰信号，可以用其对接收信号进行相干检测，根据得到的相关序列峰值，就能够准确得到接收信号中自干扰分量相对于干扰参考信号的时延和相位差，利用这些信息就可以更准确的重建自干扰估计信号，同时这种相干检测能够检测出强度比期望信号还微弱的自干扰信号。

在这种情况下虽然无需数字干扰消除也能较准确地解码期望信号，但采用数字干扰消除方式可以将射频方式中未完全抵消的自干扰信号进一步消除，即使实现10dB的自干扰功率衰减，对提升期望信号的信干噪比（SINR）值也有极大帮助，从而提高整个系统的通信质量。

另外，数字自干扰消除有一个必要前提，那就是在模数转换器前端未阻塞的情况下，为使其能够正确解码期望信号，信号电平强度至少需要达到模数转换器的量化间隔。因此要实现数字自干扰消除，期望信号和自干扰信号的电平不能相差太大，即不能超过模数转换器的动态范围（动态范围是指信号的最强功率值与最弱功率值之间的最大比值），否则即使以模数转换器的最大动态范围适配射频消除后的总的接收信号，由于期望信号的电平没有达到模数转换器的量化间隔也无法正确解码，这样就会导致误码率增大，信息丢失严重。以目前常见的8～12比特模数转换器为例，对应能够识别的输入信号功率动态范围为0～48dB/0～72dB，即要求期望信号与自干扰信号的功率之差不能超过0～48dB/0～72dB。

由于在接收端经常出现接收多个信号的现象，且接收端易受干扰侵害，因此接收端的接收信号在通过模数转换器之前，一定要先分析信号是否会超出模数转换器的动态范围，以免发生不可挽回的错误。动态范围越高，模数转换器相应的性能越好，以目前的技术而言，高达12比特（动态范围74dB）的模数转换器在技术上可行但花费较高，一般而言，8比特的模数转换器可以提供50dB的动态范围，若前两种消除方式能将自干扰削弱到与期望信号的功率比值在50dB以内，则8比特的模数转换器可满足数字自干扰消除的量化要求。

六、结束语

本文针对同时同频全双工数字自干扰消除方式进行了探讨研究，分析了基于信道估计的自适应滤波消除方案。然而要更好地完善消除性能，在信道估计及自适应滤波算法的优化上还有待更多研究。

目前關于同时同频全双工无线系统的研究尚未全面展开，国外几所大学的研究团队起步较早，而国内也开始跟进。然而对该技术展开研究是非常有意义的，国外现有的研究，证实该技术的确能够解决目前无线通信系统中存在的某些顽固性的问题，这无疑开辟了无线通信领域的一个完全新颖的研究与应用领域，同时，自干扰消除技术的提升也将会使同时同频全双工技术在5G研发中有更好的应用前景。

参 考 文 献

[1] Keating R， Ratasuk R， Ghosh A. Performance Analysis of Full Duplex in Cellular Systems[C]// IEEE， Vehicular Technology Conference. IEEE， 2016.

[2] Zhan Z， Villemaud G. Combination of digital self-interference cancellation and AARFSIC for FullDuplex OFDM wireless[C]// ICCC. 2014：593-597.

[3] Korpi D， Anttila L， Valkama M. Reference receiver based digital self-interference cancellation in MIMO full-duplex transceivers[J]. PloS one， 2014， 8（3）：e60036.

[4] Wang J，Zhao H， Tang Y. A RF adaptive least mean square algorithm for self-interference cancellation in co-frequency co-time full duplex systems[J]. 2014：5622-5627.

[5] Korpi D， Venkatasubramanian S， Riihonen T， et al.Advanced self-interference cancellation and multiantenna techniques for full-duplex radios[C]// Asilomar Conference on Signals， Systems and Computers. IEEE， 2014：3-8.

[6] Korpi D， Choi Y S， Huusari T， et al. Adaptive Nonlinear Digital Self-Interference Cancellation for Mobile Inband Full-Duplex Radio： Algorithms and RF Measurements[C]// IEEE Global Communications Conference. IEEE， 2015：1-7.