干扰信息未知的软连续干扰消除算法

张晓珊 孙超

摘 要：在无线通信中，不同发送用户/信号之间的干扰是影响接收机检测性能的主要因素之一。为了改善通信质量，近年来干扰消除方案被广泛使用，然而已有的工作大多假设理想的干扰消除，或者假设干扰信号调制方式完全已知。主要关注干扰信号调制未知的系统，提出了一种软连续干扰消除（Soft Successive Interference Cancellation， S-SIC）方案，具体来说，设计了一种干扰信号的软输出解调器，软信息不仅能为干扰信号调制方式的判断提供信息，也能减小解调误差的影响，进而提升检测性能。仿真结果表明，S-SIC方案相较于传统检测算法性能提升显著。

关键词：干扰消除;软信息;调制方式

Abstract：In wireless communications， interference among different transmit users/signals is one of the most important obstacles for performance improvement. To solve the problem， interference cancellation schemes have been widely adopted. However， most existing works either assume ideal cancellation or perfect modulation-format information of interfering signals. In this paper， we proposed a soft successive interference cancellation scheme for systems with modulation-unknown interfering signals. Specifically， we develop a soft-output demodulator for interfering signal. The obtained soft information not only reduces the impact of demodulation error but also provides certain information to determine the modulation format of interfering signals. Numerical results show that the developed scheme improves the system performance significantly by comparing with traditional scheme.

Key words：interference cancellation;soft information;modulation-format

0 引言

在無线通信中，多小区干扰是影响通信系统性能的主要问题之一[1]，现已有多种抑制干扰的传输策略，例如在LTE和LTE-A系统中采用正交频分复用接入技术（Orthogonal Frequency Division Multiplex-ing Access ，OFDMA）[2]来减少小区内干扰。但由于频率复用导致的小区间干扰仍是通信系统性能提升的一个较大的阻碍。

我们可以设计更加复杂的接收机算法来抑制小区间干扰：比如最大似然（Maximum Likelihood， ML）算法，ML性能最优但算法复杂度较高;而最小均方误差（Minimum Mean Squared Error， MMSE）和迫零（Zero Forcing， ZF）检测器等次优线性技术计算复杂度较低，但与ML相比性能较差;另一类非线性检测器如连续干扰消除（Successive Interference Cancellation， SIC）综合考虑了计算复杂性和检测性能，相对而言是不错的选择[3-5]。

然而大多数现有的SIC工作要么假定干扰信号能理想消除，要么假定已知干扰信号调制方式信息。实际上干扰消除是不完美的且干扰信号的调制方式可能是未知的，比如在蜂窝系统中，小区边缘用户几乎不知道来自其他小区干扰的调制方式。

本文为干扰信号调制未知的多小区系统设计了一种软连续干扰消除（Soft Successive Interference Cancellation， S-SIC）方案。具体来说就是实现了一种干扰信号的软输出解调器，获得的软信息不仅能减小解调误差的影响，还能为干扰信号的调制方式提供一些信息。仿真结果表明，相较于传统检测算法，S-SIC显著提高了用户的传输速率，进而提升整个通信系统的性能。

本文的结构如下，第二章将介绍系统模型和常规检测方法，第三章将详细介绍S-SIC方案，在第四章中展示仿真结果，最后在第五章进行总结。

1 预备知识

A.系统模型

为了更清晰的说明，我们首先讨论简单的系统模型，假定小区是单输入单输出（Single Input Single Output， SISO）天线系统，用户除了接收本小区的信号外还受到干扰小区信号的影响，接收信号为：

高斯近似算法复杂度较低，但在干扰较大时性能损失严重。为了提升性能，一种可行的方法是应用干扰消除技术[5]，我们将在下一章中介绍干扰消除算法是如何操作的。

3.S-SIC算法

本章首先概述S-SIC算法的主要思想，然后将详细说明每个步骤的推导。

A.S-SIC算法基本流程

S-SIC算法包括以下主要步骤：

1） 对式（1）所示接收信号，检测得到软估计值x^2，计算相应的估计误差vx2;

2） 消除干扰x^2的影响，获取更新后的接收信号;

3） 基于2）中更新的接收信号，估计出服务小区的发送信号，如图1所示。

获取软估计值的难点在于其调制方式对服务小区用户而言是未知的，在估计前需要先判断其调制方式。本文对性能与算法复杂度进行权衡，找到一种较为合适的算法来判断调制方式。

考虑到算法复杂度，对高阶调制的干扰信号（16QAM， 64QAM）不做消除，所以服务小区用户只需区分干扰信号是否为QPSK。参考式（3）-式（4）计算比特信息的LLR值，但规定用于解调的星座点集合S={s1，s2，s3，s4}为QPSK符号集合，如式（7）所示。

得到新接收信号式（19）后，用高斯近似算法对服务小区1信号进行检测。

2 仿真结果

本章将分别展示SISO与MIMO系统中S-SIC算法的性能，性能用比特错误率（BER）刻画（通过蒙特卡罗仿真方法得到），并将S-SIC算法性能与传统的检测算法比较，此外还将对比干扰信号调制方式已知与未知情况下S-SIC算法的性能。仿真时数据流被分成若干帧传输，每个传输帧包含100 RB，每个RB分配长度不小于10 000 bit的数据，同一个RB中的数据采用相同的调制方式，但不同RB中的数据调制方式可能不同。服务小区的数据流经过turbo编码、QPSK调制后从基站发送，干扰小区数据流不经过turbo编码，且调制方式不固定，规定QPSK出现的概率为50%，16QAM与64QAM分别为25%。

SISO系统只建模一个干扰小区，规定干扰信号功率SNR2=13.91 dB，噪声功率为σ2n=1。

S-SIC算法相较于高斯近似方法性能有显著提升，增益约为5 dB（在BER=10-4时）;当干扰信号调制方式未知时，我们提出的盲估计调制方式算法能较好的工作，带来的性能损失较小，如图2所示。

MIMO系统[6]建模了两个干扰小区，规定各小区基站配置两发射天线，用户也配置两接收天线，小区1是服务小区，小区2是强干扰小区其信号功率SNR2=13.91 dB，小区3是弱干扰小区其信号功率SNR3=4.3 dB，噪声功率为σ2n=1。

在MIMO系统中干扰消除算法相较于高斯近似来说性能也有提升，增益约为3 dB（在BER=10-4时）;当干扰信号调制方式未知时，盲估计调制方式算法依旧能较好的工作，并没有带来较大的性能损失，如图3所示。

3 总结

多小区场景中小区边缘用户会受到来自其他小区干扰信号的影响，通信质量较差。为了抑制干扰，本文聚焦于非线性的SIC算法，考虑到服务小区用户不知道干扰信号调制方式，我们设计了一种能够输出干扰信号软估计值的方案，软信息不仅能用来判断干扰信号的调制方式，还能减小解调误差的影响，提升用户检测性能。本文对SISO和MIMO系统都进行了仿真，结果表明相较于传统的检测算法，S-SIC能够显著提高小区边缘用户的传输速率，进而提升整个通信系统的性能。

未来研究：信道估计不准确等问题将在未来的工作中进行讨论。

参考文献

[1] Andrews J G. Interference Cancellation for Cellular Systems：A Contemporary Overview [J]. IEEE Wireless Communications， 2005， 12（2）：19-29.

[2] Holma H， Toskala A. LTE for UMTS - OFDMA and SC-FDMA Based Radio Access [M]. New York：Wiley Publishing， 2009.

[3] Kim J S， Moon S H， Lee I. A New Reduced Complexity ML Detection Scheme for MIMO Systems [J]. IEEE Trans Commun， 2009， 58（4）：1-5.

[4] Kuchi， K. Limiting Behavior of ZF/MMSE Linear Equalizers in Wideband Channels with Frequency Selective Fading [J]. IEEE Communi-cations Letters， 2012， 16（6）：0-4.

[5] Skillermark P， Almgren M， Astely D， et al. Simplified Interference Modeling in Multi-Cell Multi-Antenna Radio Network Simulations [C]// VTC Spring 2008 - IEEE Vehicular Technology Conference. IEEE， 2008.

[6] LTE;Evolved Universal Terrestrial Radio Access （E-UTRA）;User Equipment （UE） Radio Transmission and Reception （3GPP TS 36.101 version 13.2.1 Release 13）;2016-01.

[7] LTE;Evolved Universal Terrestrial Radio Access （E-UTRA）;Physical Channel and Modulation （3GPP TS 36.211 version 12.5.0 Release 12）;2015-04.

[8] 盛驟， 谢式千， 潘承毅. 概率论与数理统计[M]. 第四版. 北京：高等教育出版社， 2008：46-49.

（收稿日期：2019.03.03）