基于深度展开的迭代预编码空域扩展方法:时变信道下多用户大规模MIMO系统的低复杂度干扰抑制新方案

《IEEE Transactions on Communications》:Deep Unfolding of Iterative Precoding-Based Null-Space Expansion for Multi-user Massive MIMO in Time-Varying Channel

【字体: 大 中 小 】 时间:2025年12月11日 来源:IEEE Transactions on Communications 8.3

编辑推荐:

  本文针对时变信道中多用户大规模MIMO系统下行链路的用户间干扰抑制难题,提出了一种基于Jacobi矩阵迭代的低复杂度空域扩展预编码权重设计方案。研究团队通过引入Ridge参数优化和深度展开技术,有效解决了传统空域扩展方法因高时间相关性导致的Gram矩阵近奇异和计算复杂度过高的问题。仿真结果表明,该方案在高移动性环境下仍能保持优异的干扰抑制性能,为6G移动通信系统提供了实用的低复杂度解决方案。

  
随着5G技术的商用部署和6G研发的启动,移动通信系统面临着指数级增长的数据流量需求。智能终端、交互服务和智能应用的普及对无线通信系统提出了更高要求。多用户大规模多输入多输出(MU-mMIMO)技术作为提升频谱效率的关键手段,通过基站配置大量天线元素实现高增益波束成形,成为从4G到6G移动通信的核心技术。然而,在实际应用场景中,用户设备(UE)的移动性导致信道状态不断变化,使得基于过时信道状态信息(CSI)设计的预编码权重与实际传输信道不匹配,造成用户间干扰(IUI)泄漏,严重制约了MU-mMIMO系统的空间复用能力。
空域扩展(NSE)技术为解决这一挑战提供了新思路。该技术利用大规模天线阵列提供的自由度(DoF),通过将过去多个时刻的CSI向量与当前信道向量组合,构建扩展矩阵,从而在干扰用户方向形成多个零陷。即使在高移动性环境下,NSE也能有效抑制IUI,无需依赖复杂的信道预测算法。然而,传统NSE方法存在两大瓶颈:一是随着扩展维度增加,计算复杂度急剧上升;二是高时间相关性导致Gram矩阵呈现近奇异结构,影响算法收敛性和干扰抑制性能。
针对这些问题,东京大学等机构的研究团队在《IEEE Transactions on Communications》上发表了创新性研究成果。他们提出了一种基于Jacobi矩阵的迭代低复杂度NSE权重设计方法,通过深度展开(DU)技术优化Ridge参数,显著提升了算法收敛性和实用性。
研究团队采用了几项关键技术方法:首先,基于Jakes模型对Gram矩阵的块对角结构进行近似,建立了信道时间相关性与算法收敛性的理论关系;其次,引入Ridge回归思想,通过优化正则化参数改善近奇异矩阵的求逆稳定性;最后,采用深度展开技术将迭代过程转化为可训练的网络结构,自适应地优化算法参数。这些方法的结合使得在保持低计算复杂度的同时,显著提升了NSE在实际时变信道环境中的性能。
系统模型与NSE原理
研究考虑了下行MU-mMIMO系统,基站配备Nt根天线,同时服务Nu个单天线用户。系统采用时分结极,包括导频阶段和数据传输阶段。在导频阶段,基站获取各用户的CSI并生成预编码权重;在数据传输阶段,应用该权重进行多用户传输。信道模型采用考虑时间和空间相关性的Rayleigh衰落模型,用户设备以恒定速度移动,导致信道随时间变化。
NSE技术的核心思想是基于自回归(AR)模型,将当前时刻的信道向量表示为多个历史CSI的加权和。通过使预编码权重与包括当前和历史CSI的扩展矩阵正交,即使在信道变化的情况下,也能确保对干扰用户的零陷约束。理论分析表明,NSE权重能够正交于基于AR模型的预测信道向量,因此在时变环境中具有优异的IUI抑制能力。
低复杂度迭代NSE权重设计
传统ZF-based NSE需要计算扩展矩阵的逆矩阵,计算复杂度为O(Nnse3)。研究团队发现,实际只需计算与特定用户对应的解向量,从而将复杂度降至O(Nnse2)。他们提出了两种迭代算法:迭代IUI复制减法(IIRS)和Neumann级数(NS)展开。
IIRS算法通过Jacobi矩阵将矩阵求逆转化为系列矩阵乘加运算,在保持期望用户波束成形增益的同时,实现对干扰用户的零陷。NS算法则侧重于将更多自由度用于干扰抑制,但会牺牲部分波束成形增益。两种算法均通过迭代方式近似求解,显著降低了计算负担。
Ridge参数优化与深度展开
针对高时间相关性导致的算法收敛性问题,研究团队引入了Ridge回归技术。通过理论分析发现,Gram矩阵的期望值具有块对角结构,其非对角线元素由Bessel函数决定。基于Jakes模型,他们推导出了最优Ridge参数的闭式表达式,该参数与多普勒频率fd和信道获取周期T直接相关。
为进一步提升算法适应性,研究团队采用深度展开技术,将迭代过程展开为深层网络结构。通过增量训练策略,逐步优化各层的Ridge参数,使算法能够自适应不同的信道条件。仿真结果表明,DU-based方法在少量迭代次数下即可实现接近ZF-based NSE的性能,且对CSI估计误差具有良好鲁棒性。
性能分析与验证
通过系统的计算机仿真,研究团队从多个维度验证了所提算法的有效性。在低移动性环境(fdT=0.027)下,传统迭代算法因高时间相关性性能严重退化,而采用Ridge参数优化的R-IIRS和R-NS能有效抑制性能损失。在高移动性环境(fdT=0.27)下,所有算法性能均有提升,但DU-based方法表现最优。
复杂度分析表明,当迭代次数Ni≤10时,所提算法的计算量显著低于传统ZF-based NSE。随着基站天线数增加,算法性能进一步提升,这是因为大规模天线使Jacobi矩阵更接近期望值,提高了参数估计精度。在存在CSI估计误差的实际场景中,DU-IIRS在Ni=4时即能达到与理想NSE相当的性能。
研究结论与意义
这项研究针对MU-mMIMO系统在时变信道下面临的实际挑战,提出了创新的低复杂度预编码方案。通过将迭代算法、Ridge回归和深度展开技术有机结合,有效解决了NSE技术在实用化过程中的计算复杂度和收敛性问题。
该研究的重要意义体现在三个方面:首先,为高移动性场景下的MU-mMIMO系统提供了实用的干扰抑制方案,扩展了大规模MIMO技术的应用范围;其次,通过理论分析与算法创新,建立了时变信道特性与算法参数间的定量关系,为后续研究提供了理论基础;最后,提出的深度展开框架为通信信号处理领域的算法优化提供了新思路,具有广泛的推广应用价值。
研究成果对推动6G移动通信系统发展具有重要参考价值,特别是在高频段通信和高速移动场景中,为平衡系统性能和计算复杂度提供了有效解决方案。未来工作可进一步探索在更复杂信道模型和多小区干扰环境下的算法扩展性,以及硬件实现方面的优化潜力。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号