交通导向与资源管理中的干扰管理技术

# 通信网络中的干扰管理与资源优化 ## 1. 先进编码调制技术 ### 1.1 SWCM 技术优势 信号传输中的分层编码调制（SWCM）技术具有显著优势。它通过信号处理实现了对期望和干扰码字某些层的更灵活解码，相比非分层方案能达到更高的传输速率。交错传输允许更长的码字在多个层上发送，为不同接收器解码期望或干扰码字提供了分集和鲁棒性。链路级和系统级模拟定量地展示了这些优势。SWCM 的基本编码器和解码器结构可由现成的编码实现，如用于 OFDM MIMO 系统的 3GPP LTE Turbo 码，也可使用 3GPP NR 采用的低密度奇偶校验（LDPC）码，无需进行结构修改。 在 2×2 MIMO Ped - B 干扰信道中，平均干扰噪声比（INR）为 15 dB 时，对 SWCM 和传统方案的链路级性能进行了评估。结果显示，在目标块误码率（BLER）为 10% 时，SWCM 的信噪比（SNR）增益比目前行业广泛使用的 MMSE - IRC 高 10.1 dB，比 3GPP Release 12 NAICS 接收器（IAD）高 6.1 dB。在系统级性能方面，在 3GPP Release 12 NAICS 评估假设下，资源利用率为 60% 时，SWCM 在小区边缘的性能比 MMSE - IRC 高 71.5%，比 IAD 高 38.6%。 ### 1.2 FQAM 干扰管理方案 对于先进的编码和调制技术，可通过干扰信号的调制来设计载波间干扰（ICI）的统计特性。提出了一种使用新型调制（频率和正交幅度调制，FQAM）的主动干扰设计方案，作为一种物理层干扰管理技术。采用 FQAM 时，ICI 的统计分布变为非高斯分布，比高斯噪声能实现更高的速率，因为当接收器将干扰视为噪声进行解码时，高斯噪声是 ICI 作为加性噪声的最坏情况分布。 ## 2. 大规模 MIMO 动态 TDD 系统中的干扰缓解 ### 2.1 大规模天线阵列优势与挑战 基站使用大规模天线阵列是大幅提高网络容量的有前景的方法。它具有诸多优势：能显著提高容量，尤其是为多用户服务时；根据随机矩阵理论，当天线数量趋于无穷大时，不相关噪声和多径衰落的影响会消失；可极大提高波束的方向性，减少旁瓣干扰；由于大阵列增益，能显著降低辐射能量。 然而，频分双工（FDD）在大规模 MIMO 系统中的应用面临挑战，因为信道估计需要大量的导频开销和反馈。时分双工（TDD）因其信道互易性特点，对大规模 MIMO 系统具有很大吸引力，而且灵活的 TDD 设计可调整上下行容量分配，增加频谱灵活性。但这种设计会引入强交叉链路干扰（CLI）问题，例如一个小区的下行传输可能干扰相邻小区的上行接收，两个相邻小区的用户设备（UE）之间也可能存在 CLI，且由于 UE 移动性，UE - to - UE 干扰更难处理。 ### 2.2 LTE 和 5G 中的干扰缓解措施 在 LTE Release 12 中，引入了增强干扰缓解和流量自适应（eIMTA）技术，根据小区内的上下行业务情况支持上下行配置更改，以提高用户平均分组吞吐量。应对 CLI 的解决方案包括：对固定和灵活时隙进行额外的信道状态信息（CSI）测量；对灵活时隙进行增强的上行功率控制。 在 5G NR 中，动态 TDD 变得更加重要，可通过减少帧对齐时间来提高用户平均分组吞吐量并实现低延迟，且时间资源的传输方向可半静态或动态更改。目前正在提出基于协调波束成形和调度、先进收发器、功率控制、感知机制等的 CLI 管理解决方案。 ### 2.3 动态 TDD 配置选择 大规模 MIMO 动态 TDD 系统中，动态 TDD 架构的灵活性可用于对抗干扰。需要解决两个关键问题： - 小小区层应使用哪个传输路径（上行/下行）进行训练？ - 应按什么顺序分配上下行时隙，以防止波束成形的 CLI 同时匹配负载分布？ 基于以下观察结果来选择动态 TDD 配置： - 在 TDD 大规模 MIMO 系统中，使用下行导频（SD）引入的导频开销非常高，因此使用大量天线时，应在上行（SU）进行信道训练以避免高开销。 - 单天线基站或天线数量较少的基站可选择上行或下行进行信道训练。 - 通过正确选择每个时隙的传输路径，可避免导频污染效应导致的对其他小区用户的波束成形干扰。 - 必须防止灵活 TDD 部署产生的强 CLI（特别是基站 - 基