DuEPublico 2

Dies ist unser neues Repositorium, derzeit für E-Dissertationen und ausgewählte weitere Publikationen. Weitere Informationen...

Novel Aspects of Interference Alignment in Wireless Communications

El-Absi, Mohammed

Interference alignment (IA) is a promising joint-transmission technology that essentially enables the maximum achievable degrees-of-freedom (DoF) in K-user interference channels. Fundamentally, wireless networks are interference-limited since the spectral efficiency of each user in the network is degraded with the increase of users. IA breaks through this barrier, that is caused by the traditional interference management techniques, and promises large gains in spectral efficiency and DoF, notably in interference limited environments. This dissertation concentrates on overcoming the challenges as well as exploiting the opportunities of IA in K-user multiple-input multiple-output (MIMO) interference channels. In particular, we consider IA in K-user MIMO interference channels in three novel aspects. In the first aspect, we develop a new IA solution by designing transmit precoding and interference suppression matrices through a novel iterative algorithm based on Min-Maxing strategy. Min-Maxing IA optimization problem is formulated such that each receiver maximizes the power of the desired signal, whereas it preserves the minimum leakage interference as a constraint. This optimization problem is solved by relaxing it into a standard semidefinite programming form, and additionally its convergence is proved. Furthermore, we propose a simplified Min-Maxing IA algorithm for rank-deficient interference channels to achieve the targeted performance with less complexity. Our numerical results show that Min-Maxing IA algorithm proffers significant sum-rate improvement in K-user MIMO interference channels compared to the existing algorithms in the literature at high signal-to-noise ratio (SNR) regime. Moreover, the simplified algorithm matches the optimal performance in the systems of rank-deficient channels. In the second aspect, we deal with the practical challenges of IA under realistic channels, where IA is highly affected by the spatial correlation. Data sum-rate and symbol error-rate of IA are dramatically degraded in real-world scenarios since the correlation between channels decreases the SNR of the received signal after alignment. For this reason, an acceptable sum-rate of IA in MIMO orthogonal frequency-division-multiplexing (MIMO-OFDM) interference channels was obtained in the literature by modifying the locations of network nodes and the separation between the antennas within each node in order to minimize the correlation between channels. In this regard, we apply transmit antenna selection to MIMO-OFDM IA systems either through bulk or per-subcarrier selection aiming at improving the sum-rate and/or error-rate performance under real-world channel circumstances while keeping the minimum spatial antenna separation of half-wavelengths. A constrained per-subcarrier antenna selection is performed to avoid subcarrier imbalance across the antennas of each user that is caused by per-subcarrier selection. Furthermore, we propose a sub-optimal antenna selection algorithm to reduce the computational complexity of the exhaustive search. An experimental testbed of MIMO-OFDM IA with antenna selection in indoor wireless network scenarios is implemented to collect measured channels. The performance of antenna selection in MIMO IA systems is evaluated using measured and deterministic channels, where antenna selection achieves considerable improvements in sum-rate and error-rate under real-world channels. Third aspect of this work is exploiting the opportunity of IA in resource management problem in OFDM based MIMO cognitive radio systems that coexist with primary systems. We propose to perform IA based resource allocation to improve the spectral efficiency of cognitive systems without affecting the quality of service (QoS) of the primary system. IA plays a vital role in the proposed algorithm enabling the secondary users (SUs) to cooperate and share the available spectrum aiming at increasing the DoF of the cognitive system. Nevertheless, the number of SUs that can share a given subcarrier is restricted to the IA feasibility conditions, where this limitation is considered in problem formulation. As the optimal solution for resource allocation problem is mixed-integer, we propose a two-phases efficient sub-optimal algorithm to handle this problem. In the first phase, frequency-clustering with throughput fairness consideration among SUs is performed to tackle the IA feasibility conditions, where each subcarrier is assigned to a feasible number of SUs. In the second phase, the power is allocated among subcarriers and SUs without violating the interference constraint to the primary system. Simulation results show that IA with frequency-clustering achieves a significant sum-rate increase compared to cognitive radio systems with orthogonal multiple access transmission techniques. The considered aspects with the corresponding achievements bring IA to have a powerful role in the future wireless communication systems. The contributions lead to significant improvements in the spectral efficiency of IA based wireless systems and the reliability of IA under real-world channels.

Interference Alignment (IA) ist eine vielversprechende kooperative Übertragungstechnik, die die meisten Freiheitsgrade (engl. degrees-of-freedom, DoF) in Bezug auf Zeit, Frequenz und Ort in einem Mehrnutzer Überlagerungskanal bietet. Im Grunde sind Funksysteme Interferenz begrenzt, da die Spektraleffizienz jedes einzelnen Nutzers mit zunehmender Nutzerzahl sinkt. IA durchbricht die Schranke, die herkömmliches Interferenzmanagement errichtet und verspricht große Steigerungen der Spektraleffizienz und der Freiheitsgrade, besonders in Interferenzbegrenzter Umgebung. Die vorliegende Dissertation betrachtet bisher noch unerforschte Möglichkeiten von IA in Mehrnutzerszenarien für Mehrantennen- (MIMO) Kanäle sowie deren Anwendung in einem kognitiven Kommunikationssystem. Als erstes werden mit Hilfe eines effizienten iterativen Algorithmus, basierend auf der Min-Maxing Strategie, senderseitige Vorkodierungs- und Interferenzunterdrückungs Matrizen entwickelt. Das Min-Maxing Optimierungsproblem ist dadurch beschreiben, dass jeder Empfänger seine gewünschte Signalleistung maximiert, während das Minimum der Leck-Interferenz als Randbedingung beibehalten wird. Zur Lösung des Problems wird es in eine semidefinite Form überführt, zusätzlich wird deren Konvergenz nachgewiesen. Des Weiteren wird ein vereinfachter Algorithmus für nicht vollrangige Kanalmatrizen vorgeschlagen, um die Rechenkomplexität zu verringern. Wie numerische Ergebnisse belegen, bedeutet die Min-Maxing Strategie eine wesentliche Verbesserung des Systemdurchsatzes gegenüber den bisher in der Literatur beschriebenen Algorithmen für Mehrnutzer MIMO Szenarien im hohen Signal-Rausch-Verhältnis (engl. signal-to-noise ratio, SNR). Mehr noch, der vereinfachte Algorithmus zeigt das optimale Verhalten in einem System mit nicht vollrangigen Kanalmatrizen. Als zweites werden die IA Herausforderungen an Hand von realistischen/realen Kanälen in der Praxis untersucht. Hierbei wird das System stark durch räumliche Korrelation beeinträchtigt. Der Datendurchsatz sinkt und die Symbolfehlerrate steigt dramatisch unter diesen Bedingungen, da korrelierte Kanäle den SNR des empfangenen Signals nach dem Alignment verschlechtern. Aus diesem Grund wurde in der Literatur für IA in MIMO-OFDM Überlagerungskanälen sowohl die Position der einzelnen Netzwerkknoten als auch die Trennung zwischen den Antennen eines Knotens variiert, um so die Korrelierung der verschiedenen Kanäle zu minimieren. Das vorgeschlagene MIMO-OFDM IA System wählt unter mehreren Sendeantennen, entweder pro Unterträger oder für das komplette Signal, um so die Symbolfehlerrate und/oder die gesamt Datenrate zu verbessern, während die räumliche Trennung der Antennen auf die halbe Wellenlänge beschränkt bleiben soll. Bei der Auswahl pro Unterträger ist darauf zu achten, dass die Antennen gleichmäßig ausgelastet werden. Um die Rechenkomplexität für die vollständige Durchsuchung gering zu halten, wird ein suboptimaler Auswahlalgorithmus verwendet. Mit Hilfe einer Innenraummessanordnung werden reale Kanaldaten für die Simulationen gewonnen. Die Evaluierung des MIMO IA Systems mit Antennenauswahl für deterministische und gemessene Kanäle hat eine Verbesserung bei der Daten- und Fehlerrate unter realen Bedingungen ergeben. Als drittes beschäftigt sich die vorliegende Arbeit mit den Möglichkeiten, die sich durch MIMO IA Systeme für das Ressourcenmanagementproblem bei kognitiven Funksystemen ergeben. In kognitiven Funksystemen müssen MIMO IA Systeme mit primären koexistieren. Es wird eine IA basierte Ressourcenzuteilung vorgeschlagen, um so die spektrale Effizienz des kognitiven Systems zu erhöhen ohne die Qualität (QoS) des primären Systems zu beeinträchtigen. Der vorgeschlagenen IA Algorithmus sorgt dafür, dass die Zweitnutzer (engl. secondary user, SU) untereinander kooperieren und sich das zur Verfügung stehende Spektrum teilen, um so die DoF des kognitiven Systems zu erhöhen. Die Anzahl der SUs, die sich eine Unterträgerfrequenz teilen, ist durch die IA Randbedingungen begrenzt. Die Suche nach der optimalen Ressourcenverteilung stellt ein gemischt-ganzzahliges Problem dar, zu dessen Lösung ein effizienter zweistufiger suboptimaler Algorithmus vorgeschlagen wird. Im ersten Schritt wird durch Frequenzzusammenlegung (Clusterbildung), unter Berücksichtigung einer fairen Durchsatzverteilung unter den SUs, die IA Anforderung erfüllt. Dazu wird jede Unterträgerfrequenz einer praktikablen Anzahl an SUs zugeteilt. Im zweiten Schritt wird die Sendeleistung für die einzelnen Unterträgerfrequenzen und SUs so festgelegt, dass die Interferenzbedingungen des Primärsystems nicht verletzt werden. Die Simulationsergebnisse für IA mit Frequenzzusammenlegung zeigen eine wesentliche Verbesserung der Datenrate verglichen mit kognitiven Systemen, die auf orthogonalen Mehrfachzugriffsverfahren beruhen. Die in dieser Arbeit betrachteten Punkte und erzielten Lösungen führen zu einer wesentlichen Steigerung der spektralen Effizienz von IA Systemen und zeigen deren Zuverlässigkeit unter realen Bedingungen.

Share and cite

Citation style:

El-Absi, Mohammed: Novel Aspects of Interference Alignment in Wireless Communications. 2015.

Rights

Use and reproduction:
All rights reserved

Export