蜂窝网络中干扰导向方法的设计

来源 :西安电子科技大学 | 被引量 : 0次 | 上传用户:jerryhua1987
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着无线通信技术的发展,人们对数据传输速率、服务种类、网络覆盖范围以及可靠性等通信性能参数的要求日益提高。而干扰问题是阻碍网络性能进一步提高的关键因素,因此有效的干扰管理成为了现今无线通信发展的重要研究方向之一。目前已经有很多在干扰发射机或者被干扰的发射机/接收机处实施的干扰管理方法,且现存的干扰管理方法均依赖信道状态信息的共享。然而,在某些通信场景中,例如下行传输系统,无法在干扰源处进行调整以消除干扰,且受干扰的接收机不能获得干扰管理所需的必要信息,因此现存的干扰管理方法在应用场景方面有很强的局限性。基于以上讨论,本文对蜂窝网络下的干扰管理方法进行设计与研究。首先,本文提出了一种新的干扰管理方法,称之为正交干扰导向(Orthogonal Interference Steering,OIS)。受干扰的发射机利用信道状态信息以及干扰信号的数据信息,发送与原干扰携带相同数据信息的干扰导向信号,同时通过设计发送导向信号的预编码向量,在受干扰接收机处将原始干扰的方向调整至与期望信号正交的方向,从而消除干扰。由于目前的干扰管理方法均存在开销的问题,因此需要根据不同的网络部署以及动态变化的信道状态设计干扰管理方法中的某些参数,以平衡干扰管理方法带来的收益以及其产生的开销。其次,针对上述问题,本文设计动态干扰导向(Dynamic Interference Steering,DIS)方法,通过动态改变导向信号的强度,将原始干扰导向至与期望信号不完全正交的方向,从而平衡用于发送导向信号及期望信号的功率。由仿真结果可知,DIS可以更加有效地利用发射机的功率,从而提升系统的频谱效率。前两种方法均用于干扰拓扑为非对称的传输系统,而在干扰拓扑对称的传输系统中,前两种方法中的导向信号均会带来副作用。最后,针对上述问题,以采用CoMP技术的下行蜂窝网络为例,设计一种空域与功率自适应的干扰导向方法(Spatial-and-Power Domain Adaptive Interference Steering,SPAIS),通过同时调整导向信号的空间特征与功率,平衡导向信号带来的副作用与收益,使得系统的频谱效率最大。文末,对本论文的研究工作进行总结,并梳理下一步研究方向。
其他文献
伴随着工业生产、科学领域及各行各业向智能化、数字化的发展,控制系统的受控对象越来越复杂,不仅包含了连续的、确定的动态过程,还包含大量的离散变量和随机因素。这就使得
案件指纹是揭露犯罪和认定犯罪的重要物证。加强案件指纹信息的管理和使用,对于提高刑事案件破案率具有重要作用。案件指纹主要分散于各地公安机关的刑侦部门,指纹查询比对工
近年来,如何从理论上分析算法的泛化性能是机器学习主要研究问题。在机器学习中,泛化误差用来衡量一个学习机应用到未知数据的学习能力。我们希望找到一个泛化误差的上界,利
无线通信中需要根据信道质量调整传输速率,在保证误码性能条件下以尽可能高的速率进行传输。传统的发端速率自适应技术需要信道反馈来确定信道质量,反馈开销较大,反馈控制复
由于互联网中路由和交换设备的封闭特性,使得网络创新的步伐十分缓慢。SDN(Software Defined Network,软件定义网络)通过解耦网络的控制和转发,采用基于流表的交换机和集中式
在下一代移动通信网络的关键技术研究中,密集组网是公认的提升网络容量的有效手段之一。基站的密集部署会直接造成系统能耗的快速增长,考虑到网络运营的开销,通信网络的能耗
在工业自动化飞速发展的当代,各种控制方法层出不穷,但在实际工业现场中,常规PID控制仍然占据主导地位。其控制品质对被控对象的变化不太敏感,非常适用于工业生产现场。但是,
随着医疗信息化的不断普及,医疗数据的规模也在不停增长。人们经过对医疗数据的剖析和研究,了解了医疗数据之间的内在联系,从而为提升医疗服务的质量提供数据支持。但医疗数据中含有很多的隐私信息,如何保护隐私信息成为限制医疗数据分析的重要问题。本文首先提出了一种基于同态加密的医疗数据隐私保护方案,由信息采集端、边缘服务器、云计算服务器和用户端组成。在该方案中,信息采集端对医疗数据进行采集,并利用公钥加密方案
自从计算机技术得到长足发展,人类获取和存储信息的能力快速增强。这些信息来源复杂,且常常包含着噪声信息和大量冗余信息,利用这些复杂的信息建立可靠的模型一直是机器学习
现代投资组合理论是由著名的诺贝尔经济学奖获得者——Markowitz构建的均值—方差模型衍生而来的。此后,许多学者尝试了各种方式进行模型的改进和求解。不管是构建哪种投资组