Reviewed by : @刘大 @D.Han;
前置知识:矩阵论/矩阵分析,概率论,通信原理,凸优化。
自从第一代移动通信系统(大哥大)出现以来,移动通信的爆发式发展带来了无线通信系统使用人群的暴增。从此之后,通信和信号处理领域的关注重点,也从传统的点对点通信场景,逐步拓展到多用户通信场景。
时至今日,多用户场景已经成为通信和信号处理领域最重要的基础场景之一,它的数学结构和特征也是事实上的、很多新兴研究方向的参考基础。从干扰对齐(Interference Alignment)到近期新兴的智能反射面(Intelligent Reflecting Surface),再到跨领域的雷达通信一体化(Radar-Communication Co-design)和雷达通信共存(Radar-Communication Co-existence),多用户通信模型和基于其上的凸优化算法都经久不衰。这些用户间是可能协作也可能非协作,亦或存在恶意;这些用户的目标可能是能量有效、单用户传输速率最大、亦或希望总信道容量最大,不论如何,上述问题每年都有数十篇文章发表。
对于一个通信科研/学术问题,重点并不是研究人员是否知道某些特性,而是是否能够通过一种合理的简化/假设,抓住主要矛盾,把现实问题数学化,也就是是否能够建立或者找到合适的模型。比如,如果你想要做MU-MIMO的研究,那么同样是MIMO场景,MU-MIMO和SU-MIMO的数学差异到底是什么?
为了解决这个问题,在这篇文章里,我将基于我自己的一些经验,尽量用人话介绍:
1) 多用户通信中的数学模型、
2)以干扰信道模型为基础,所产生的一类特殊的优化问题---信道容量优化
3) 以及该场景下一些常见的优化约束条件。
希望本文能够作为研究生/低年级博士生入门此领域的概要介绍。
1. 多用户通信和数学模型
多用户通信,如果我们细究下去,「多址信道(Multiple Access Channel,MAC)」和「广播信道(Broadcast Channel,BC)」是其中最简单的两种信道模型。当然即使如此,这两种简单信道的应用也包罗万象,包括卫星广播(卫星单一发射,多个地面站接收)、基站多址接入(多终端发射,单基站接收)等等。
通常,当多个通信用户共享同一个无线电(信道)资源、同时、各自独立地传输信息时,我们称这种方式为多用户通信。多用户通信目前活跃的场景有很多,大范围上可以分为MAC、BC和干扰信道(Interference Channel)。
让我们从基础的MAC信道开始。
1. MAC信道模型。MAC信道模型通常适合基站上行/下行链路建模,目前在多用户MIMO(MU-MIMO)研究中应用广泛。如上所述,MAC信道的特点是对于每个用户,发送/接收的信息不同。
有人说多址和常用的复用(multiplexing)技术体系近似,因为都需要通过考虑信道资源的正交性(可以是空间/时间/频率),在同样的信道资源下划分子信道,从而完成对不同用户不同信息的收发。也正因为如此,MAC信道模型非常适合MU-MIMO/or OFDM技术体系。此外逻辑上需要考虑到每个用户都会经历不同的信道衰落。
那么我们如何把这个特点提现在数学模型里呢?对于 K个上行用户来说,等价基带数学模型可以简化为:
其中, 是基站接收到的M维信号向量;因为存在K个用户,那么每个用户所发送的信息可能长度不同,对k个用户,我们记为 。这样,第k个用户发送的信息 会经过各自的信道 才能到达基站端,我们用