多用户认知网络中基于Grassmann流形梯度法的干扰对齐算法

摘要：

针对多个主用户和多个次用户的多输入多输出(MIMO)认知网络,本文给出了一种不依赖信道互惠性和不需要前后向链路交替式迭代的干扰对齐方法.对于次用户,首先,通过对其进行编码,建立了消除主次用户间相互干扰后的等效模型.然后,在等效模型的基础上,以最大化总容量为目标函数设计预编码矩阵,并采用基于Grassmarn流形上的梯度法对目标函数进行求解得到预编码.最后,在接收端以最大信干噪比准则来设计接收滤波器矩阵.仿真结果显示,在低信噪比时,本文算法与现有典型算法性能相同,而在高信噪比时本文算法性能更优.

关键词：多输入多输出、认知网络、干扰对齐、Grassmann流形、梯度法

所属期刊栏目：32

分类号：TN911.2

资助基金：国家自然科学基金61271259,61471076;重庆市自然科学基金CTSC2011jjA40006;重庆市教委科学技术研究项目KJ120501,KJ130536;长江学者和创新团队发展计划IRT1299;重庆市科委重点实验室专项经费CSTC资助课题

在线出版日期：2016-06-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：362-369