In general, IA schemes can be broad

In general, IA schemes can be broadly classified into two categories, which are
signal vector space IA [2, 7, 9–14, 16–19] and signal level IA [20–23]. Specifically,
in signal vector space IA, by exploiting the distinct linear transformation (channel matrix) between each transmitter-receiver pair, the transmitters perform linear precoding to rotate the signal vectors on each link. This type of IA inherits the advantages of linear processing. It is tractable, linearly decodable, and applicable for any channels [17]. On the other hand, signal-level IA uses structured coding to align interference in the signal-level space. The advantage of signal-level IA is that it does not need the distinct rotation of channel matrices, which may not always be available. Since signal-level IA is derived from the deterministic channel model in [24], they are most suitable for channels with real coefficients. Moreover, the decoding methods for signal-level IA are more complicated due to the non- linear effect. Hence, considering the channel conditions and the complexity of implementations in practice, vector space IA is adopted in our proposed scheme for cellular networks.

Kết quả (Việt) 1:

Nói chung, IA chương trình có thể là rộng rãi classified thành hai loại, đó làtín hiệu không gian vectơ IA [2, 7, 9-14, 16 – 19] và tín hiệu cấp IA [20-23]. Specifically,trong không gian vectơ tín hiệu IA, bằng cách khai thác riêng biệt biến đổi tuyến tính (kênh matrix) giữa từng cặp transmitter-receiver, các truyền thực hiện các tuyến tính precoding để xoay các vectơ tín hiệu trên mỗi liên kết. Loại IA kế thừa những ưu điểm của xử lý tuyến tính. Nó là nhiều, tuyến tính decodable và áp dụng cho bất kỳ Kênh [17]. Mặt khác, tín hiệu cấp IA sử dụng mã hóa cấu trúc để align can thiệp vào không gian cấp tín hiệu. Lợi thế của các tín hiệu cấp IA là rằng nó không cần quay riêng biệt của ma trận kênh, không luôn luôn có sẵn. Kể từ khi mức độ tín hiệu IA có nguồn gốc từ các mô hình xác định kênh trong [24], họ là thích hợp nhất cho kênh với hệ số thực. Hơn nữa, các phương pháp giải mã tín hiệu cấp IA là phức tạp hơn do không tuyến tính hiệu quả. Do đó, xem xét điều kiện kênh và sự phức tạp của việc triển khai trong thực tế, không gian vectơ IA thông qua đề án đề xuất của chúng tôi cho các mạng di động.

Kết quả (Việt) 2:

Nói chung, các đề án IA có thể được phân loại rộng rãi fi ed thành hai loại, đó là
tín hiệu không gian vectơ IA [2, 7, 9-14, 16-19] và mức tín hiệu IA [20-23]. Speci fi biệt,
trong không gian vector tín hiệu IA, bằng cách khai thác các biến đổi tuyến tính khác nhau (ma trận kênh) giữa mỗi cặp phát-thu, phát hiện tiền mã hóa tuyến tính để xoay các vectơ tín hiệu trên mỗi liên kết. Đây là loại IA thừa hưởng những ưu điểm của xử lý tuyến tính. Nó là dễ xử lý, tuyến tính giải mã, và được áp dụng cho bất kỳ kênh nào [17]. Mặt khác, tín hiệu cấp IA sử dụng mã hóa cấu trúc để sắp xếp giao thoa trong không gian tín hiệu cấp. Ưu điểm của tín hiệu cấp IA là nó không cần sự quay riêng biệt của ma trận kênh, trong đó có thể không phải luôn luôn có sẵn. Kể từ khi tín hiệu cấp IA có nguồn gốc từ các mô hình kênh xác định trong [24], chúng thích hợp nhất cho các kênh với hệ số thực. Hơn nữa, các phương pháp giải mã tín hiệu cấp IA là phức tạp hơn do hiệu ứng phi tuyến tính. Do đó, xem xét các điều kiện kênh và sự phức tạp của việc triển khai trong thực tế, không gian vectơ IA được thông qua tại đề án đề xuất của chúng tôi cho các mạng di động.