干擾信息未知的軟連續干擾消除算法

張曉珊 孫超

摘 要：在無線通信中，不同發送用戶/信號之間的干擾是影響接收機檢測性能的主要因素之一。為了改善通信質量，近年來干擾消除方案被廣泛使用，然而已有的工作大多假設理想的干擾消除，或者假設干擾信號調制方式完全已知。主要關注干擾信號調制未知的系統，提出了一種軟連續干擾消除（Soft Successive Interference Cancellation， S-SIC）方案，具體來說，設計了一種干擾信號的軟輸出解調器，軟信息不僅能為干擾信號調制方式的判斷提供信息，也能減小解調誤差的影響，進而提升檢測性能。仿真結果表明，S-SIC方案相較于傳統檢測算法性能提升顯著。

關鍵詞：干擾消除;軟信息;調制方式

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

在無線通信中，多小區干擾是影響通信系統性能的主要問題之一[1]，現已有多種抑制干擾的傳輸策略，例如在LTE和LTE-A系統中采用正交頻分復用接入技術（Orthogonal Frequency Division Multiplex-ing Access ，OFDMA）[2]來減少小區內干擾。但由于頻率復用導致的小區間干擾仍是通信系統性能提升的一個較大的阻礙。

我們可以設計更加復雜的接收機算法來抑制小區間干擾：比如最大似然（Maximum Likelihood， ML）算法，ML性能最優但算法復雜度較高;而最小均方誤差（Minimum Mean Squared Error， MMSE）和迫零（Zero Forcing， ZF）檢測器等次優線性技術計算復雜度較低，但與ML相比性能較差;另一類非線性檢測器如連續干擾消除（Successive Interference Cancellation， SIC）綜合考慮了計算復雜性和檢測性能，相對而言是不錯的選擇[3-5]。

然而大多數現有的SIC工作要么假定干擾信號能理想消除，要么假定已知干擾信號調制方式信息。實際上干擾消除是不完美的且干擾信號的調制方式可能是未知的，比如在蜂窩系統中，小區邊緣用戶幾乎不知道來自其他小區干擾的調制方式。

本文為干擾信號調制未知的多小區系統設計了一種軟連續干擾消除（Soft Successive Interference Cancellation， S-SIC）方案。具體來說就是實現了一種干擾信號的軟輸出解調器，獲得的軟信息不僅能減小解調誤差的影響，還能為干擾信號的調制方式提供一些信息。仿真結果表明，相較于傳統檢測算法，S-SIC顯著提高了用戶的傳輸速率，進而提升整個通信系統的性能。

本文的結構如下，第二章將介紹系統模型和常規檢測方法，第三章將詳細介紹S-SIC方案，在第四章中展示仿真結果，最后在第五章進行總結。

1 預備知識

A.系統模型

為了更清晰的說明，我們首先討論簡單的系統模型，假定小區是單輸入單輸出（Single Input Single Output， SISO）天線系統，用戶除了接收本小區的信號外還受到干擾小區信號的影響，接收信號為：

高斯近似算法復雜度較低，但在干擾較大時性能損失嚴重。為了提升性能，一種可行的方法是應用干擾消除技術[5]，我們將在下一章中介紹干擾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，然后將詳細說明每個步驟的推導。

A.S-SIC算法基本流程

S-SIC算法包括以下主要步驟：

1） 對式（1）所示接收信號，檢測得到軟估計值x^2，計算相應的估計誤差vx2;

2） 消除干擾x^2的影響，獲取更新后的接收信號;

3） 基于2）中更新的接收信號，估計出服務小區的發送信號，如圖1所示。

獲取軟估計值的難點在于其調制方式對服務小區用戶而言是未知的，在估計前需要先判斷其調制方式。本文對性能與算法復雜度進行權衡，找到一種較為合適的算法來判斷調制方式。

考慮到算法復雜度，對高階調制的干擾信號（16QAM， 64QAM）不做消除，所以服務小區用戶只需區分干擾信號是否為QPSK。參考式（3）-式（4）計算比特信息的LLR值，但規定用于解調的星座點集合S={s1，s2，s3，s4}為QPSK符號集合，如式（7）所示。

得到新接收信號式（19）后，用高斯近似算法對服務小區1信號進行檢測。

2 仿真結果

本章將分別展示SISO與MIMO系統中S-SIC算法的性能，性能用比特錯誤率（BER）刻畫（通過蒙特卡羅仿真方法得到），并將S-SIC算法性能與傳統的檢測算法比較，此外還將對比干擾信號調制方式已知與未知情況下S-SIC算法的性能。仿真時數據流被分成若干幀傳輸，每個傳輸幀包含100 RB，每個RB分配長度不小于10 000 bit的數據，同一個RB中的數據采用相同的調制方式，但不同RB中的數據調制方式可能不同。服務小區的數據流經過turbo編碼、QPSK調制后從基站發送，干擾小區數據流不經過turbo編碼，且調制方式不固定，規定QPSK出現的概率為50%，16QAM與64QAM分別為25%。

SISO系統只建模一個干擾小區，規定干擾信號功率SNR2=13.91 dB，噪聲功率為σ2n=1。

S-SIC算法相較于高斯近似方法性能有顯著提升，增益約為5 dB（在BER=10-4時）;當干擾信號調制方式未知時，我們提出的盲估計調制方式算法能較好的工作，帶來的性能損失較小，如圖2所示。

MIMO系統[6]建模了兩個干擾小區，規定各小區基站配置兩發射天線，用戶也配置兩接收天線，小區1是服務小區，小區2是強干擾小區其信號功率SNR2=13.91 dB，小區3是弱干擾小區其信號功率SNR3=4.3 dB，噪聲功率為σ2n=1。

在MIMO系統中干擾消除算法相較于高斯近似來說性能也有提升，增益約為3 dB（在BER=10-4時）;當干擾信號調制方式未知時，盲估計調制方式算法依舊能較好的工作，并沒有帶來較大的性能損失，如圖3所示。

3 總結

多小區場景中小區邊緣用戶會受到來自其他小區干擾信號的影響，通信質量較差。為了抑制干擾，本文聚焦于非線性的SIC算法，考慮到服務小區用戶不知道干擾信號調制方式，我們設計了一種能夠輸出干擾信號軟估計值的方案，軟信息不僅能用來判斷干擾信號的調制方式，還能減小解調誤差的影響，提升用戶檢測性能。本文對SISO和MIMO系統都進行了仿真，結果表明相較于傳統的檢測算法，S-SIC能夠顯著提高小區邊緣用戶的傳輸速率，進而提升整個通信系統的性能。

未來研究：信道估計不準確等問題將在未來的工作中進行討論。

參考文獻

[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， 謝式千， 潘承毅. 概率論與數理統計[M]. 第四版. 北京：高等教育出版社， 2008：46-49.

（收稿日期：2019.03.03）