近日，中国移动研究院通过北京邮电大学-中国移动研究院联合创新中心，联合北邮泛网无线通信实验室，针对5G NR动态场景下的交叉时隙干扰问题，结合人工智能技术，创新提出基于机器学习的交叉时隙干扰混合消除方案并完成仿真验证，为业界解决站间交叉时隙干扰难题提供了新的方向。
目前，5G在垂直行业大上行需求日渐凸显，需要采用区别于公网的不同时隙配比，但由此会引入交叉时隙干扰问题。目前主要通过拉大站间部署距离，利用空间隔离消除干扰；或降低交叉时隙内下行发送功率、直接关闭产生干扰的下行时隙等软件技术解决此类问题，但由此会带来基站覆盖和容量的损失。基于数字域的基带对消技术能够在消除干扰的同时降低基站性能损失，但实现复杂度高，产业进程慢。
为此，项目团队攻关基带对消技术,创新提出基于机器学习的交叉时隙干扰混合消除方案（Hybrid Canceller），利用复杂的站间MIMO信道模型，构建多项式干扰消除器（Polynomial Canceller）实现高精度线性干扰消除，同时充分考虑信道的非线性效应，利用神经网络对非线性函数的强大拟合能力，构建神经网络干扰消除器（Neural Network Canceller）实现非线性干扰消除。
为更好评估算法性能，中国移动还联合北京邮电大学研发了链路级仿真平台。平台可提供丰富的数据导入、数据获取接口和友好的人机交互界面，便于嵌入多种干扰消除算法。通过仿真验证，最终可实现37.7dB的干扰消除能力，与理论极限值相比，可达到93.3%以上的干扰消除性能。
该方案不仅能增加基站间干扰信道建模的准确性，还可适应不同基站间的个性化信道传播途径，对于各种复杂部署环境具有很好的普适性，不需进行不同信道特性的个性化建模。相较于传统方案可实现至少13.5%的性能改进，减少72%以上的待估计参数量，减少80%以上的计算复杂度。成果不但可应用于交叉时隙干扰消除，也为机器学习技术在5G场景的应用进行了有益探索和技术储备。
该交叉时隙干扰消除技术方案和仿真平台的成功开发，为交叉时隙干扰消除提供了理论支撑与有效性验证。未来，中国移动研究院将与学术界、产业界继续深入合作，持续推进交叉时隙干扰消除技术演进。
