摘要：从干扰避让、干扰抑制、干扰协调3个层次，针对高移动通信不同的干扰场景、干扰形态和干扰特征，提出混叠信号分离的机理、指导原则、分离方法和评估方法的物理层思考。认为必须在不同场景、网络结构和用户行为模式下，建立有效的干扰模型来分析和研究宽带无线通信网络的信息容量，探讨网络自由度对系统性能的影响，发展新的理论和方法应对干扰。
关键词： 高移动通信； 动态干扰容量；干扰避让；干扰抑制； 干扰协调
1 高移动无线通信的背景
无线通信从最初的点对点、固定、窄带逐步发展到目前的移动、宽带与规模网络化。作为带动信息产业高速增长的重要引擎，无线通信的平稳快速发展，对于促进社会经济发展，改善提高人民生活质量，提升中国在航空、航天、交通运输以及国防等领域的科技实力起着非常重要的作用。
然而，目前无线通信正面临前所未有的挑战。首先多媒体宽带业务爆炸式发展，频谱资源稀缺日益严重；用户数与业务类型激增，网内、网间干扰成为制约性能和容量的瓶颈；网络拓扑趋于复杂、规模日益增大，系统的优化设计难以实施；信号处理与协作技术的日益复杂更带来设备复杂度、能耗与时延的大幅增加。此外，与民用及国防科技的迅猛发展相呼应，各种新的、更为复杂的无线通信场景也应运而生，其中超高速移动场景下稳定、可靠、高效的宽带无线通信网络是未来无线通信发展的重要趋势之一。
目前超高移动场景包括轮轨列车（最高测试速度574.8 km/h，最高运营速度380 km/h），磁悬浮列车（最高测试速度581 km/h，运营速度431 km/h），飞机（运营速度400～1 000 km/h），导弹（980～20 000 km/h）以及航天飞机（第一宇宙速度28 440 km/h环绕地球飞行，第二宇宙速度40 320 km/h脱离地球引力）等。中国目前已成为世界上高速铁路系统技术最全、运营里程最长、运行速度最高、在建规模最大的国家。国家中长期铁路网规划已确定：到2020年中国铁路运营里程将达到12万公里，其中高速铁路1.8万公里。
目前，中国高铁总长已位居世界第一。除了高铁之外，还有高速公路、磁悬浮列车等高速运输工具。这些高速交通工具的发展，对无线通信提出了更高的要求。一方面，旅客希望在高速移动的交通工具上，获得语音、视频、网络等服务；另一方面，也需要可靠传输车地海量视频监控数据和传感器信息，以满足公众安全的需求。人们感到在乘座高铁或动车组时，因网络不可靠，电话很难接通，即使接通了也会频繁掉话，视频上网几乎更不可能。事实上，日本新干线、法国TGV、中国台湾高铁和京沪高铁，目前最高只能提供2 Mbit/s以下数据传输速率，大部分只能提供几十kbit/s传输速率，打开简单的网页都比较困难。同时，在高移动环境下，手机电池用得特别快，甚至会感觉到手机发烫。这些现象表明，现有技术还无法适应高移动环境下的宽带业务需求。
出现这些现象主要是因为终端高速移动时，物理层信道出现快变，传输层链路发生快变，并且网络层拓扑发生快变。此时，信道和网络状态难以获取，多重干扰难以消除，导致通信系统性能急剧下降。具体表现为：随着终端移动速度增大，通信的差错概率上升，频谱效率和能量效率下降。
为此，我们面临的技术挑战主要为：在快速移动环境下，如何保证良好的传输质量？如何传送更多的数据信息？如何能够节省更多的电池能量？
2 高移动无线通信面临的
挑战
由于现有无线通信系统的应用主要是面向中低速场景，如何针对上述超高速移动场景进行优化设计，实现信息的高效、可靠传输也是无线通信发展面临的新挑战。如果说无线通信的发展是依赖于信息论的发展，那么如今无线通信所面临的新挑战也就是信息论所面临的挑战。功率、能耗、时延、复杂度、移动性等多约束条件，高谱效、高能效、高可靠性等多元优化目标，空、时、频、码多处理域，以及不同系统架构、信道条件和承载业务所带来的复杂场景，这些多因素交织在一起使得无线通信网络的优化设计变得错综复杂。这就使得我们比任何时候都更需要新的信息理论来为我们提供强有力的理论支撑，让我们知道到底网络容量的极限在哪里？复杂网络的优化应该遵循怎样的准则？如果能够从更深、更广的角度来研究和发展信息理论，并以此为基础建立起涵盖高速移动、复杂干扰等场景的宽带无线通信网络重点理论体系，就能够应对上述挑战，解决无线通信网络中的一些基础性和关键性问题并为无线通信未来发展探明方向。
为了应对这些技术挑战，需要研究无线通信网络资源制约性能的规律、高效的网络传输机理和混叠信号可分离机理。这些问题相互衔接、密切相关，其中性能规律主要揭示高移动性条件下通信的性能极限和理论界，而传输机理和信号分离机理则从不同角度揭示了系统优化设计的基本原理与方法，以逼近理论界。由于移动通信系统中的干扰日趋丰富复杂、动态多变，现有将干扰视为噪声的方法没有充分利用干扰的结构化特征，所以需解决如何建立移动环境下的动态干扰模型和如何能够有效地利用干扰特性以实现性能提升的问题。
3 高移动无线通信的干扰
特征
计算多用户高斯干扰信道的容量区域是网络信息论的公开问题之一，目前仅解决了强干扰与弱干扰两种情况下的容量问题。但是无线宽带通信网络快速多变与复杂干扰环境使得无线电干扰形态呈现多样化，多用户、多小区和多网络之间都可能存在干扰；信号中继和邻近节点协作等会引入新的干扰；用户行为越来越复杂，对无线频谱的使用呈现很大的不确定性，使得网络干扰呈现动态性；高速移动场景下快变的无线宽带信道也使干扰形态更为复杂。如高移动宽带通信中多普勒频移产生的载波间干扰，频繁切换引起的小区间干扰，以及相对运动用户间的不对称干扰等。
因而我们必须在不同场景、网络结构和用户行为模式下，建立有效的干扰模型来分析和研究宽带无线通信网络的信息容量，探讨网络自由度对系统性能的影响，发展新的理论和方法应对干扰。
4 干扰抑制和协调
4.1 干扰抑制和协调中的问题
多输入多输出（MIMO）技术[1]、空时编码技术[2]、机会调度、Turbo码[3]、混合自动重传请求（HARQ）、协作中继[4]等技术的出现，使得信道衰落和加性噪声对通信系统造成的影响成为次要因素，而小区内、小区间和网络间的干扰上升为制约通信系统性能与容量提升的瓶颈。过去三十年里，不断涌现出了一些新颖的、应对通信干扰的关键技术和理论方法。采用码分多址（CDMA）/时分多址（TDMA）/正交频分复用（OFDMA）等多址技术可有效抑制多用户间的接入干扰[5-6]；广义自由度的概念可以帮助我们较为直观明了地分析干扰信道性能限；干扰对齐试图把所有干扰信号都“排列”在同一个子空间中来使有用信号拥有更多的自由度[7]；网络编码和协作通信可以通过多用户间的信号联合设计[8]，将用户间干扰转化为有用信息的传输策略；博弈论以及机会式调度也是处理资源竞争条件下干扰问题的有效方法[9]。然而，目前还存在很多问题需要探讨，主要包括：混叠信号可分离机理、现有抗干扰技术的有效性评估方法、干扰协调策略的设计指导准则、高速移动场景下新型抗干扰方法。
（1）混叠信号可分离机理
在复杂干扰场景下，任何通信节点接收到的信号都可能是多个无线电信号的叠加。为了从混叠信号中恢复出有用信号，必须深入研究混叠信号的可分离机理——混叠信号的可分离性原理与分离实现方法。更重要的是，混叠信号的可分离性原理也可以用适于指导无线通信信号的设计。
（2）现有抗干扰技术的有效性评估方法
在无线通信系统中，干扰的构成源于系统架构、频谱管理和分配策略、多址接入方式等因素。对于蜂窝移动通信系统而言，干扰主要来自于小区间；对于Ad Hoc网络而言，干扰主要是由多节点同时传输造成的信号重叠；对于无线局域网而言，子网间干扰是它的主要干扰形式。目前，尽管可以利用有效的多址方式、复杂的检测算法和用户协作等方法来对抗这些干扰，但如何从信息资源有效利用的角度在信息论层面评估它们的有效性目前尚缺乏必要的理论做支撑。
（3）干扰协调策略的设计指导的准则
现有的各种干扰协调方法均是以牺牲某种资源为代价来实现的，因此各有利弊。正交多址方式用容量换取了接收机复杂度降低；干扰对齐用反馈信道状态信息（CSI）的开销换取了自由度的提升；多用户多输入多输出用户协作和交换信道状态信息等开销换取了容量的提升；而在认知无线电中，则通过频谱感知与频谱动态接入的开销换取了频谱利用率的提升。
因此，需要基于信息理论和混叠信号可分离机理，给出一定资源优化目标下的干扰协调策略设计准则，并以此为基础进一步研究应对复杂干扰的新理论与新方法。
（4）高速移动场景下新型抗干扰方法
高速运动的设备会在较短时间内历经多个复杂变化的电磁环境，由此引入的干扰具有快速时变特性，一方面会使得对干扰的估计和跟踪变得更为困难，另一方面由于信号时域相关性的降低，也为系统设计提供了额外的自由度。因此需展开适合高速运动场景的抗干扰技术研究，发现其内在的信息传输规律。
4.2干扰抑制和协调的基本方法
总体来看，无线通信系统处理干扰的基本方法可以分为3类：第1种方法是利用正交化的方法避免干扰，如频分多址（FDMA）、时分多址（TDMA）、正交码分多址（CDMA）、正交频分复用（OFDM）以及机会式频谱接入等；第2种方法允许用户共享系统的所有自由度并把干扰完全当成噪声，如IDMA等；第3种方法是在允许用户共享系统的所有自由度的同时，利用干扰结构，在发送端、接收端（或同时）对信号与干扰进行一系列的联合处理[10]。
在点对点的单用户传输中，通过多信道复用，单个用户可以使用多个并行信道提高传输速率。这种方式由于发射机和接收机的天线均为集中放置，因此可以通过发送与接收端信号的联合处理来提高容量，例如基于奇异值分解（SVD）的多输入多输出复用技术[11]。
多用户广播信道，往往采用发端信号联合处理技术。预编码技术在发送端实现与信道匹配的预处理，可有效抑制多用户间干扰，通用的技术包括线性预编码技术（如迫零算法（ZF）、块对角化和最小均方误差（MMSE）等）[12]和非线性预编码技术（如Tomlinson-Harashima预编码（THP）、迫零脏纸编码（ZF-DPC）等）。污纸预编码（DPC）技术是另外一种重叠编码技术，适合于发送端已知干扰的信道信息，可用于逼近诸如多用户多输入多输出广播信道等容量限[13-15]。
多用户多址接入信道，往往采用接收端联合信号检测技术。Verdu的工作加速了多用户检测理论的发展。蜂窝系统中的多基站协作可以看作是多播信道，此时发射及与接收均为分布式的，需要进行信息的交换以及预编码设计；而基于中继的传输则可以看成是点到点信道、广播信道和多址接入信道的组合，其复杂的网络结构使得发送、中继、接收端的处理技术以及资源优化分配策略变得更为复杂。
干扰对齐是一种新型的预编码方法，它把所有干扰信号都“排列”在同一个子空间中，使每个用户（在特定信道限制下）能获得接近1/2的自由度[16]。干扰对齐的思想可以应用到上述各种干扰信道中，但有许多细节问题需要解决。例如，哪些数量的天线配置和自由度要求能够通过干扰对齐来实现，如何求解出需要的预编码和解码矩阵等。另外，对于3个用户以上的一般情况，目前只有次优的迭代求解方法。干扰对齐要求发送端确知信道信息，对于已知部分信道信息或有限反馈情况下的干扰对齐技术，目前我们还需要做进一步的研究。
4.3干扰抑制和协调的研究内容
未来移动通信的发展要求增加网络的覆盖，提高传输速率，支持高移动性，同时要求容纳更多的用户，而用户密度的提高导致小区内、小区间和网络间的干扰日趋复杂，成为严重制约通信系统性能与用户容量提升的瓶颈。
目前，应对干扰的方法可以从干扰信号分离、干扰避让、干扰博弈、干扰协调和干扰利用等多个角度展开，包括有效的多址接入方式、基于确定与统计特性的干扰分离方法，基于多用户分集的机会式调度算法，以及基于干扰对齐、预编码、协作通信等的干扰协调和基于网络编码的干扰利用技术。随着无线通信系统的发展，现有抗干扰理论面临着高频谱效率与多用户容量巨大需求、各种无线应用需求的多样化以及快速多变的复杂环境等多方面的挑战，需要发展新的抗干扰理论，包括：如何利用信号的不同特征区分不同用户，探索混叠信号的可分离机理与分离方法；如何设计高频谱效率、高用户容量以及低复杂度的新型多址接入方法；如何根据不同干扰环境的本质特征，以更合理地提炼干扰网络模型，并发展相应的“干扰避让”、“干扰协调”和“干扰利用”等一系列抗干扰理论和方法，以更好地适应复杂多变的无线干扰环境。
面向高速移动等快变复杂场景，需研究混叠信号的可分离机理与分离方法、新型多址接入理论、从干扰分离、干扰避让、干扰协调与干扰利用展开抗干扰理论与策略研究。主要内容如下：
（1）干扰分离机理与干扰避让方法
·混叠信号可分离机理
·基于正交多址的干扰避让理论与方法
·基于混叠多址的干扰分离理论与方法
·基于认知的网间干扰避让理论与方法
（2）新型抗干扰理论与方法
·基于干扰信道容量的抗干扰度量理论
·基于频谱共享的干扰博弈理论与方法
·基于网络的多输入多输出以及干扰对齐的相关干扰协调理论与方法
·基于物理层网络编码的用户间干扰利用理论与方法
5结束语
文章针对高移动无线通信场景干扰的多变性和复杂特性，讨论了高移动通信干扰应对物理层理论和方法，特别是从干扰避让、干扰抑制和干扰协调等层面，探讨了高移动通信干扰分离的机理和方法，并提出了需要研究的问题，为相关领域的研究人员提供参考。以上论述表明，物理层干扰应对方案是高移动通信干扰处理的主要方法，较之系统构架的优化更为基本，并可以给人们带来更大的系统增益。
参考文献
[1] WANG Z， and CHEN W. Relay Beamforming Design with SIC Detection for MIMO Multi-Relay Networks with Imperfect CSI [J]. IEEE Transactions on Vehicular Technology， 2013， 62（8）： 3774-3785
[2] ZHU H， and CHEN W. Comments on a New ML Based Interference Cancellation Technique for Layered Space-Time Codes [J]. IEEE Transactions on Communications， 2010， 58（11）： 3054-3055. doi： 10.1109/TCOMMM.2010.083110.100001
[3] WEI Y， JIANG M， XIA B， CHEN W， and YANG Y. A CRC-aided Hybrid Decoding Algorithm for Turbo Codes [J]. IEEE Wireless Communications Letters， 2013， 2（5）： 471-474
[4] TANG H， CHEN W， LI J， and WAN H. Achieving Global Optimality for Joint Source and Relay Beamforming Design in Two-Hop Relay Channels [J]. IEEE Transactions on Vehicular Technology， 2014， 63（9）： 4422-4435. doi： 10.1109/TVT.2014.2311472
[5] WEI L， and CHEN W. Optimal Upward Scaling of Minimum-TSC Binary Signature Sets [J]. IEEE Communications Letters， 2012， 16（2）：168-171.doi： 10.1109/LCOMM.2011.120211.111534
[6] WU Q， CHEN W， TAO M， LI J， TANG H， and WU J. Resource Allocation for Joint Transmitter and Receiver Energy Efficiency Maximization in Downlink OFDMA Systems[J]. IEEE Transactions on Communications， 2015， 63（2）： 416-430. doi： 10.1109/TCOMM.2014.2385705
[7] ZHU H， LI B， and CHEN W. A practical and efficient algorithm for distributed interference alignment based on cognitive radio [C]//IEEE International Conference on Wireless Communications， Networking and Mobile Computing （WiCom）， Chengdu， China， 2010： 1-4. doi： 10.1109/WICOM.2010.5600120
[8] WEI S， LI J， CHEN W， ZHENG L， and SHU H. Design of Generalized Analog Network Coding for a Multiple-Access Relay Channel [J]. IEEE Transactions on Communications， 2015， 62（1）： 170-185. doi： 10.1109/TCOMM.2014.2376954
[9] SIDHU G， and GAO F， WANG W， and CHEN W. Resource Allocation in Relay-Aided OFDM Cognitive Radio Networks [J]. IEEE Transactions on Vehicular Technology， 2013， 62（8）： 3700-3710. doi： 10.1109/TVT.2013.2259511
[10] ZHANG M， YI H.， YU H， LUO H and CHEN W. Joint Optimization in Bidirectional Multi-User Multi-Relay MIMO Systems： Non-Robust and Robust Cases[J]. IEEE Transactions on Vehicular Technology， 2013， 62（7）： 3228-3244. doi： 10.1109/TVT.2013.2255898
[11] ZHU H， CHEN W， LI B， and GAO F. An Improved Square-Root Algorithm for V-BLAST Based on Efficient Inverse Cholesky Factorization [J]. IEEE Transactions on Wireless Communications， 2011， 10（1）： 43-48. doi： 10.1109/TWC.2010.110510.100555
[12] WANG Z， and CHEN W. Regularized Zero-Forcing for Multiantenna Broadcast Channels with User Selection [J]. IEEE Wireless Communications Letters， 2012， 1（2）： 129-132
[13] COSTA M. Writing on dirty paper [J]. IEEE Trans. Inform. Theory， 1983， 29 （3）： 439-441
[14] CARIE G and SHAMAI S. On the achievable throughout of a multi-antenna Gaussian broadcast channel [J]. IEEE Trans. Inform. Theory， 2003， 49（7）： 1691-1706. doi： 10.1109/WCL.2012.022012.110206
[15] WEINGARTEN H， STEINBERG Y， and SHAMAI S. The Capacity Region of the Gaussian Multiple-Input Multiple-Output Broadcast Channels [J]. IEEE Trans. Inform. Theory， 2006， 52（9）： 3936-3964. doi： 10.1109/TIT.2006.880064
[16] CADAMBE V R and JAFAR S A. Interference Alignment and degrees of Freedom of the K-User Interference Channel [J]. IEEE Trans. Inform. Theory， 2008， 54（8）： 3425-3441. doi： 10.1109/TIT.2008.926344