应对无线频谱资源缺乏的新武器---干扰对齐
摘要
干扰对齐（Interference Alignment, IA）是一种有效的干扰管理机制，其在发送端设计预编码矢量使干扰信号对齐在有限维度中，然后通过在接收端设计后处理矩阵来彻底消除干扰信号对期望信号的影响。和现有的把干扰当噪声、直接解码干扰信号以及正交接入等方法不同，IA通过压缩干扰所占的信号维度，可以使系统获得最大自由度。IA不仅可以彻底消除干扰，还可以显著提高系统容量，有效解决移动互联网发展中不断增大的容量需求与有限的频谱资源之间的矛盾。
干扰管理背景及现有方法
随着移动互联网的发展，人们对移动通信流量的需求在飞速地增加，举个简单的例子，我们之前只会用手机进行基本上网搜索，进而听歌，后来又会看电影，电影的清晰度要求也逐步增高。然而频谱资源是有限的，为了解决这种不断增大的容量需求与有限的频谱资源之间的矛盾，我们提出了很多办法，例如采用Device-to-Device（D2D）通信网络，如图2所示。它是一种在系统的控制下，允许终端之间通过复用小区资源直接进行通信的新型技术。此外，随着通信技术的发展，未来5G中提出了超密集异构蜂窝网络等新型技术，其通过减小小区半径，增加低功率节点数量，来保证未来5G网络支持1000倍的流量增长。现有网络和未来网络的对比如图3所示。这两种方法均可以在一定程度上缓解无线通信系统频谱资源匮乏的问题。然而，这些方法会使得用户遭受到前所未有的干扰，干扰会影响信号接收质量，减小接收机信道容量。举个例子，当采用超密集异构网络时，小区半径减小，服务区内的小区个数增多，频率复用次数增多，系统容量得以提高。但同样，采用相同频谱资源的小区间距离也随之减小，小区之间的干扰则尤为强烈。最终我们解决上述矛盾的代价就是干扰取代噪声成为制约系统性能的主要因素。
图2 非D2D(Device-to-Device) 网络和D2D网络
图3 现有网络和未来网络的对比
因此，干扰管理显得尤为重要。现有的干扰管理办法主要为以下几种：
1、解码干扰信号：仅适用于干扰来源单一且强度很大的情况，一旦干扰来源复杂多样或干扰信号的功率很低时，很难直接解码出干扰信号；
2、把干扰当噪声来处理：仅适用于干扰功率强度跟噪声差不多的情况下，即干扰强度不能过强；
3、利用信号的正交性：即频分多址（FDMA），时分多址（TDMA）和正交频分复用（OFDM）等，如图4所示。但其会使得每个用户能够到达的最大速率大大降低。对于K-用户场景，每个用户的速率只有原来的1/K，这有点类似于切蛋糕，在同一个大蛋糕的情况下，来的人越多，分到人均手里的蛋糕自然减少。
图4 FDMA、TDMA和OFDM技术
可以看出上述三种技术手段都存在弊端，急需一种新的干扰管理技术。在2008年，干扰对齐（Interference Alignment, IA）被Jafar首次提出。
干扰对齐主要思想
加州大学欧文分校的Jafar教授已经从理论上证明，通过干扰对齐，在K个用户的无线通信信道中，每个用户最多能获得相当于只有一个用户时，总频谱资源的1/2，K个用户能够获得的频谱资源为只有一个用户时的k/2倍。之后，得克萨斯大学奥斯汀分校的Health教授对干扰对齐进行了实验验证，实验结果表明，干扰对齐能够极大提高系统的频谱利用率。
图5 干扰对齐主体思想
干扰对齐主体思想如上图所示，这是一个最常见的3用户干扰信道模型，我们首先在发射端利用预编码矢量进行波束成形，
式（1）中，等号右侧第一个变量是预编码矢量，第二个变量是原始信号，加入预编码矢量的目的是使得干扰信号和期望信号能够被对齐到不同的维度里，一旦干扰信号和期望信号分开后，我们的后续处理就方便很多了。
当预编码之后的信号被发送之后，接收端的接收信号可以用下式来表示，
式（2）中，等号右侧第一项是期望信号，第二项是其余用户所带来的干扰，最后一项是噪声。
接下来要在接收端设计后处理矩阵，经过后处理矩阵处理过的信号如下式，
式（3）中第二个等号右侧，第二项是干扰信号，我们的目的是将干扰信号消除，因此，很直观的想法就是让这一项为零，如下式所示，
仅仅满足（4）式通常情况下是不足以解码期望信号的，还需要令（4）式中矩阵的秩达到系统自由度（Degree of Freedom, DoF），自由度是指无干扰并行传输的能力。如果说（4）式是保证所有的干扰被完全消除，那么（5）式则用来保证期望信号能够不超出系统能力被完全恢复出来。否则超出了系统能力，就算干扰为零，也仍然无法解码出期望信号。
简单来说，干扰对齐就是将信号空间分为期望信号和干扰信号两个空间。通过在发送端设计预编码矢量使干扰在接收端重叠，从而压缩干扰所占的信号空间，然后在接收端通过迫零检测等技术来设计后处理矩阵消除所有干扰，达到提高信道容量的目的。
IA研究成果及问题
干扰对齐技术处于研究阶段，还有很多问题没有解决。例如干扰对齐所要求的全局信道状态信息在实际中很难达到。此外，随着用户数量的增加，干扰对齐的约束条件会急剧增加而导致难以实现等等。IA提出十年以来，引起了诸多人士的关注，目前主要研究成果及问题如下：
1、IA的算法设计，目前主要有最小化干扰泄露（min-IL），最大化SINR(max-SINR)以及基于最小均方误差等基本方法提出的IA迭代算法等。但这些算法普遍复杂度较高，而复杂度低的算法，如封闭解只在特殊情况下可以被使用。
2、针对网络拓扑结构进行研究，主流的拓扑结构包括𝑘用户干扰信道、干扰广播信道、干扰多接入信道还有新型网络，如D2D网络，异构蜂窝网络等。然而干扰信道各异，如何在不同干扰信道下进行IA算法设计也是一大问题。
3、针对信道状态信息的研究，由于噪声和干扰存在，信道估计往往存在误差，而且在反馈过程中也存在反馈量化误差。此外由于信道的时变特性，也会造成信道状态信息的延时问题。因此，如何在未知CSI(Channel State Information )信道状态信息或者仅知部分CSI情况下进行IA研究也是亟需考虑的问题，盲干扰对齐研究也是一大热点。
随着时代需求和人类科技的蓬勃发展，人为的干扰已经代替了自然的噪声成为制约我们通信系统发展的最主要因素。为了解决人们日益增长的移动流量需求与频谱资源之间的矛盾，我们更应该在技术中持续探索，努力使干扰对齐等新兴技术早日实用化。
中国保密协会
科学技术分会
长按扫码关注我们
作者：王丹
责编：高琪
往期精彩文章TOP5回顾
近期精彩文章回顾