论文部分内容阅读
干扰对齐方法(Interference Alignment,IA)是一种能够有效提高通信网络吞吐量的方法,通过对信道参数的获取与处理,在发送端对信号进行联合处理,从而在接收端将干扰信号对齐到一定的子空间,期望信号处于另外的子空间。在一个多用户对(user pair)的干扰信道内,所有用户对都能同时以在自身在无干扰条件下最大容量的一半的速率将信息传输至其对应的接收端。认知网络(Cognitive Radio,CR)中包含两类用户,主用户(Primary User)和认知用户(Cognitive User),主用户是需求必须被满足的用户,认知用户通过其认知能力,在不妨碍主用户甚至协助主用户通信的条件下,利用主用户的频谱空洞进行自身通信。认知网络能够有效地提高稀缺频谱资源的使用效率。本文通过研究经典干扰对齐方法和认知网络结构,结合干扰对齐方法和认知网络,基于经典的K+1用户模型,给出干扰对齐方法在认知网络中的平行分离方案,并进一步提出单天线(SISO)情况下自由度可达的上界,在此基础上得出多天线(MIMO)情况下K+1用户模型自由度(Degree of freedom,DOF)可达的上界以及对应方案。在多天线(包括单天线)的情况下,可以达到:(1)主用户使用的自由度小于系统可达自由度的一半,认知用户可以使用最大自由度的一半;(2)主用户使用的自由度超过系统可达自由度的一半,认知用户可以渐进的获得剩余的全部自由度。然而在以上干扰对齐方案中,主用户参与干扰对齐并没有为自身通信获得好处,相反要加入更多的联合处理内容,增加了主用户自身的复杂程度,因此本文也给出了天线协作发射(Antenna-Assist-Transmission,AAT)的方案,在该方案中认知用户通过帮助主用户传输部分或全部信息,从而对主用户的参与起到激励作用。最后本文还指出了进一步研究的问题,包括各个用户天线数量不相等情况下的自由度上界以及存在多个主用户的情况。