多小区联合检测中的空时编码干扰信号高效抑制

张晓珊 姜述超 苏冬良

摘 要： 现代蜂窝通信系统中，由于小区间的互相干扰， 小区边缘用户成为性能提升的瓶颈。针对这一问题，本文考虑采用多小区联合检测来提高小区边缘用户的性能，重点关注干扰信号采用空时编码时的检测问题。通过将相关符号周期的传输综合建模，本文提出了一种联合最小均方误差（Joint-Minimum Mean-Squared Error， J-MMSE）检测算法;并分别讨论了服务小区采用空时编码和空分复用传输时的算法设计。仿真结果表明，与传统检测算法相比，所提的J-MMSE检测算法，可以以较低的复杂度获得显著的性能增益;为多小区联合检测提供了一个有吸引力的选择。

关键词： MIMO; Alamouti; MMSE; 检测算法

中图分类号： TN 92

文献标志码： A

文章编号：1007-757X（2019）06-0081-04

Abstract： In modern cellular communication systems， due to the interference from neighbor cells， the performance of cell-edge users becomes the bottleneck of the whole system. To solve the problem， this paper discusses the multi-cell joint detection schemes， focusing focuses on the suppression of interference signals with space-time coding. By combining the transmissions in all relevant symbol periods， we propose a Joint-Minimum Mean-Squared Error （J-MMSE） detection algorithm; and detail its applications in the scenarios where the target signal is transmitted with space-time coding or spatial multiplexing， respectively. The simulation results show that the proposed J-MMSE scheme can achieve a significant performance gain over traditional designs with low complexity， which provides an attractive option for multi-cell joint detection.

Key words： MIMO; Alamouti; MMSE; Detection algorithm

0 引言

無线信道环境十分复杂，基站发送的信号在传输过程中可能发生反射、折射、散射等，导致移动端接收到除直射路径以外的其他路径信号，产生多径衰落，影响通信系统的数据传输速率[1]。研究表明多输入多输出（Multiple-input Multiple-output，MIMO）系统通过在收发端配置多天线，可以充分利用多径分集，在不增加总发射功率和带宽的前提下提高数据传输速率，进而提升系统的容量[2]。空时编码（Space-time Coding， STC）在不同天线的发送信号间引入时间和空间的相关性，为接收端提供编码增益，研究表明将STC应用在MIMO 天线系统能够更加有效的对抗无线信道衰落的影响，实现高速数据传输[3]。1998年，S.M.Alamouti提出了一种空间域正交分组编码，编码后的信号由发射天线在不同符号周期中发送[4]，其巧妙的编码策略使接收端可以实现线性解码，大大降低了译码复杂度，所以该技术在现在的4G无线通信系统中获得了广泛的应用。

移动通信系统容量受限的另一个瓶颈是多小区信号干扰，小区边缘用户除了接收到本小区的信号外还会受到邻小区较大功率干扰信号的影响通信质量，所以需要设计合适的接收机检测算法来消除干扰，提升检测性能。传统的线性接收机虽然操作简单，但在干扰较大时，性能恶化明显[5]，[8];非线性接收机，如最大似然（Maximum Likelihood， ML）等[7]，虽然可以获得更好的性能，但算法复杂度较高，且一般需要知道干扰信号的调制和编码信息等[7]，在多小区环境下获取困难。

基于上述分析，本文主要研究适用于多小区下行链路干扰信号是Alamouti空时编码的检测算法。主要思路是通过对空时编码帧内相关符号传输的综合建模，采用线性MMSE检测算法实现对于干扰信号统计信息的利用，从而获得显著优于传统线性检测算法的性能。

本文其余部分的组织如下：第二章对系统模型，Alamouti编码和MMSE检测进行了简单的介绍;第三章主要提出联合最小均方误差（Joint-Minimum Mean-Squared Error， J-MMSE）检测算法，并将其应用在不同场景中;第四章呈现了主要的仿真结果;最后一章对论文进行了简要总结。

标记说明：（·）*，（·）H，（·）-1各自表示共轭，共轭转置和矩阵的逆;

I是适当大小的单位矩阵;E[·]表示统计期望;arg min（·）表示使？取最小值的解。

1 预备知识

1.1 系统模型

考虑移动通信下行链路，各小区基

站都配置M根发射天线，移动端配置N根接收天线，论文建模为两小区，移动端除了接收到本小区基站传输的信号外，还受到邻小区干扰信号的影响，接收信号可以表示成式（1）。

编码后矩阵的行代表发送天线，码字矩阵的行正交，矩阵的列表示不同的符号周期。

以两发一收的天线系统为例可以了解到Alamouti编码的优点，其接收信号为式（3）。

1.3 MMSE检测

MMSE是基于最小均方误差准则的检测算法，其目的是使估计信号与真实信号x之间的均方差最小，即满足式（6）。

2 J-MMSE检测方法

本章分别对服务小区采用空时编码和空分复用传输这两个场景介绍了J-MMSE的具体实现。

2.1 服务小区和干扰小区信号都采用空时编码

首先我们讨论服务小区和干扰小区传输信号都采用Alamouti空时编码的场景，规定每个小区发射天线数M = 2，移动端天线数N = 2。基于瑞利平坦衰落信道的假设，以初始两符号周期为例，将符号周期1和2的信息联合得到最终的接收信号，如式（9）。

相较于原本每个符号周期中四发（两小区每符号周期共传输四个符号）两收的接收模型，信息联合后变成了如（9）所示的四发四收的天线系统，相当于增加了接收天线的数目，降低了信道深衰落的概率，在进行信号检测时能获得更好的性能。将式（9）简化为式（10）。

其中d可以有1，2，3，4四个取值是因为服务小区相邻两符号周期传输不同的符号。

3 仿真结果

考虑多小区的仿真条件：除服务小区外还建模有一个干扰小区，两小区基站各有两根天线，移动用户也配置两根天线。 发送与接收端之间的链路是平均单位能量的瑞利平坦衰落信道，可认为相邻符号周期的信道经历相同的衰落，文章假设接收端已知信道信息。服务小区与干扰小区传输数据经过turbo编码，再经QPSK调制后发送，接收端也相应的进行解调和解码操作。若信号平均功率为P，信噪比（SNR）定义为10*log10（P/σ2n），噪声功率固定为σ2n=1，干扰信号信噪比为某一固定值，仿真中选取SNR2 = 5、10、15 dB。每个传输帧包含4 096个比特，仿真性能用比特错误率（BER）刻画，本文运用蒙特卡罗方法仿真，最终的BER是1000帧的平均值。

为了便于分析，首先介绍SINR的定义，式（1）所示接收模型的SINR可以表示为式（15）。

其中P1是服务小区信号功率，P2是干扰信号功率。

两小区传输信号都采用Alamouti空时编码，干扰小区信号SNR2分别取5、10、15 dB时J-MMSE与传统MMSE的性能，横坐标表示服务小区信号功率的变化，如图1所示。

从图1可以看出，取不同的干扰小区传输信号功率时，所提的J-MMSE算法性能都优于传统MMSE。在SNR2分别取5、10、15 dB时， J-MMSE相对于传统MMSE的增益分别为1、1.7、2.8 dB（在BER=10-4时）。

干扰信号是Alamouti空时编码，服务小区是空分复用传输的情况，如图2所示。

相比于图1，在相同噪声干扰条件下，图2的整体性能有所下降。这是因为图2的仿真条件中服务小区信号并未采用Alamouti空时编码，不能利用相邻两符号周期信道与传输信号的相关性。但是，我们可以看到，图2中所提J-MMSE算法的性能仍然显著优于传统MMSE。在SNR2分别取5、10、15 dB时， J-MMSE相对于传统MMSE的增益分别为1.2、2.1、3.4 dB（在BER=10-4时）;相对性能增益与图1中基本一致。

4 总结

我们对下行链路存在的多小区干扰问题进行了研究，将问题聚焦在干扰信号是Alamouti空时编码的场景，提出的J-MMSE算法在较低复杂度的前提下也能达到较优的性能。J-MMSE利用了Alamouti空时编码的正交性与瑞利平坦衰落信道信道的相关性，联合两符号周期的信息进行检测，能得到显著优于传统MMSE检测的性能，文章为多小区联合检测提供了一个有吸引力的选择。

未来研究：论文假设接收端已知信息信息，但是实际场景中存在信道估计不准确等问题，之后可以尝试在信道有误差的场景中进行仿真，检验算法的鲁棒性，另外也可以分析当传输符号采用不同调制方式时算法是否依旧有较大的增益。

参考文献

[1] Costello D J. Fundamentals of Wireless Communication （Book review）[J]. IEEE Transactions on Information Theory， 2009， 55（2）：919-920.

[2] Foschini G J， Gans M J. On Limits of Wireless Communications in a Fading Environment when Using Multiple Antennas[J]. Wireless Personal Communications， 1998， 6（3）：311-335.

[3] Tarokh V， Seshadri N， Calderbank A R. Space-time Codes for High Data Rate Wireless Communication： Performance Criterion and Code Construction[J]. IEEE Transactions on Information Theory It， 1998， 50（12）：19-32.

[4] Alamouti S M. A Simple Transmit Diversity Technique for Wireless Communications[J]. IEEE J. select. areas. Commun.， 1998， 16（8）：1451-1458.

[5] Shang P， Kim S， Choi K. Soft ZF MIMO Detection for Turbo Codes[C]// IEEE International Conference on Wireless & Mobile Computing. 2010.

[6] Sengijpta S K. Fundamentals of Statistical Signal Processing： Estimation Theory[M]. PTR Prentice hall， 1993.

[7] Strm E G， Svensson T. EU FP7 INFSO-ICT-317669 METIS， D1.1 Scenarios， Requirements and KPIs for 5G Mobile and Wireless System[J]. Scenario， 2013.

[8] 商河. MIMO信號检测的研究[D]. 呼尔浩特：内蒙古大学， 2012.

（收稿日期： 2018.12.17）