基于效用函數(shù)動態(tài)多用戶調度的協(xié)作用戶分類

史東承，邢移單

(長春工業(yè)大學計算機科學與工程學院，長春130012)

基于效用函數(shù)動態(tài)多用戶調度的協(xié)作用戶分類

史東承，邢移單

(長春工業(yè)大學計算機科學與工程學院，長春130012)

為解決基于固定信干噪比(SINR:Signal to Interference plus Noise Ratio)門限值的協(xié)作用戶劃分策略的不足，在綜合考慮系統(tǒng)平均速率和邊緣用戶最小平均速率基礎上，定義了協(xié)作距離。提出了基于效用函數(shù)的協(xié)作用戶劃分動態(tài)分簇聯(lián)合多用戶調度算法，并采用蒙特卡洛方法進行了仿真。仿真結果表明，改進的基于效用函數(shù)的協(xié)作用戶劃分算法能在系統(tǒng)整體性能和邊緣用戶性能上取得較好的平衡，系統(tǒng)整體性能得到提升。在相同信噪比條件下，系統(tǒng)平均頻譜效率提升0.1～0.2 bit/(s·Hz)。

協(xié)作多點傳輸;動態(tài)多用戶調度;協(xié)作用戶分類;效用函數(shù)

0 引言

在LTE(Long Term Evolution)系統(tǒng)中，用戶調度算法一般都是針對單小區(qū)的用戶進行資源調度，在調度過程中，沒有考慮當前小區(qū)的資源分配對鄰小區(qū)的干擾和來自鄰小區(qū)的同頻信號干擾。而在LTEAdvanced系統(tǒng)中，采用了正交頻分復用接入(OFDMA:Orthogonal Frequency Division Multiple Access)技術，小區(qū)之間可能采用同頻組網(wǎng)的模式，由于空間信道的相關性，相鄰小區(qū)會出現(xiàn)較大的同頻干擾。尤其是對處于小區(qū)邊緣的用戶，這種干擾帶來的系統(tǒng)性能下降將更為顯著。LTE-Advanced系統(tǒng)中通過引入?yún)f(xié)作多點傳輸(CoMP:Coordinated Multi-Point)技術解決小區(qū)間干擾，提升小區(qū)邊緣用戶的通信質量。同時由于CoMP技術的引入，原有的單小區(qū)的資源調度方案已經不能很好地適應于多小區(qū)的環(huán)境，目前已提出許多多小區(qū)聯(lián)合用戶調度方案［1-3］，研究人員對CoMP系統(tǒng)的聯(lián)合調度問題進行了深入的研究。

對于CoMP小區(qū)頻帶資源的劃分，文獻［4］提出將整個頻帶劃分為固定的兩部分:一部分服務小區(qū)中心用戶;另一部分作為CoMP頻帶資源參與邊緣用戶的協(xié)作調度。這種固定頻帶劃分方式基于小區(qū)中心用戶數(shù)與邊緣用戶數(shù)分布的經驗統(tǒng)計，而實際上小區(qū)中心用戶數(shù)與邊緣用戶數(shù)是變化的，而且這種變化是動態(tài)的，因此，固定頻帶劃分方式有時不能滿足用戶數(shù)的要求，有時可能造成頻帶資源浪費，很難在中心用戶和邊緣用戶之間實現(xiàn)頻帶劃分的優(yōu)化。針對固定頻帶劃分的不足，文獻［3，5］提出了動態(tài)的頻譜資源劃分方案。在選擇協(xié)作小區(qū)的方案中，提出了兩種比較典型的方案:1)靜態(tài)分簇方案［6］，依照地理位置選擇參與協(xié)作的小區(qū);2)動態(tài)分簇方案［7，8］，用戶可以根據(jù)當前測量不同小區(qū)的信道特性，動態(tài)選擇協(xié)作的小區(qū)，但動態(tài)分簇方案中的協(xié)作小區(qū)數(shù)目仍是固定的。在MU-CoMP聯(lián)合調度技術中，目前主要的研究方向是CoMP系統(tǒng)中的資源分配，系統(tǒng)開銷等，目的是在盡可能降低CoMP協(xié)作開銷的同時保持較好的系統(tǒng)性能，其中涉及到協(xié)作簇的分簇算法、協(xié)作用戶集選取算法等［9-12］。在這些研究與應用中，動態(tài)頻譜資源劃分的實現(xiàn)，不僅優(yōu)化了CoMP系統(tǒng)中的資源分配，而且提高了系統(tǒng)頻帶利用率，改善了系統(tǒng)的性能。

筆者以CoMP環(huán)境下的多用戶聯(lián)合調度模型為基礎，改進了現(xiàn)有的多用戶聯(lián)合調度方案，引入了協(xié)作距離，提出了基于效用函數(shù)的動態(tài)多用戶調度的協(xié)作用戶分類算法，克服了固定SINR(Signal to Interference plus Noise Ratio)門限值的協(xié)作用戶劃分策略的不足。通過分析建立仿真模型，仿真評估了改進方案的系統(tǒng)性能。仿真結果表明，改進的方案改善了CoMP環(huán)境下的多用戶聯(lián)合調度方案的性能，具有一定的實際意義和工程實用價值。

1 基于協(xié)作簇的MU-CoMP系統(tǒng)調度模型

根據(jù)3GPP對于CoMP系統(tǒng)仿真的要求，盡可能模擬實際的系統(tǒng)環(huán)境，引入wrap-around結構。wrap-around系統(tǒng)結構如圖1所示，由19個小區(qū)構成的宏小區(qū)，每個小區(qū)進一步分為3個大小相等的扇區(qū)。圖1中，‘*’代表邊緣用戶，‘+’代表中心用戶。

圖1 Wrap-around系統(tǒng)結構中的小區(qū)以及用戶分布圖Fig.1 Distribution diagram of community and user in the wrap-around system

基于wrap-around模型，針對某個基站，考慮其接收到的干擾信號只來自于其外部第1層的小區(qū)，第2層的干擾小區(qū)由于距離較遙遠，產生的干擾功率可適當忽略。設每個協(xié)作簇C由N個小區(qū)組成，其中均勻分布了K個用戶，每個小區(qū)基站有T根發(fā)射天線，每個用戶有R根接收天線。理論上，所有協(xié)作基站m∈C{1×N}都能為用戶提供服務。對于簇C中的用戶k，其接收到的信號yc，k可表示為

1)CoMP用戶和非CoMP用戶的劃分。系統(tǒng)初始狀態(tài)為傳統(tǒng)的非CoMP系統(tǒng)，每個小區(qū)獨立地調度其中的用戶為非CoMP用戶;進入?yún)f(xié)作狀態(tài)，小區(qū)根據(jù)一定的準則將本小區(qū)的用戶劃分為小區(qū)邊緣用戶和小區(qū)中心用戶，用戶成為協(xié)作CoMP用戶，將會接受協(xié)作處理。

2)協(xié)作簇的選取。定義一個預選協(xié)作基站簇Ψ，預選協(xié)作基站簇Ψ中包含M個基站，對于基站m∈Ψ，每個基站內分布有Km個邊緣用戶。對每個邊緣用戶ki，m∈Km，按照一定的策略，從Ψ集合中篩選出一個最終的協(xié)作基站簇C。

3)對于選擇的協(xié)作簇C，依次從簇C的M個基站中按照一定的比例，挑選本基站內速率較低的用戶作為聯(lián)合調度的備選用戶集合。

4)在時隙t，簇C內的M個基站，每個基站選出一個本時隙準備調度的用戶km∈C，選出具有最大優(yōu)先級的各個用戶，可以組成本時隙簇C最終要聯(lián)合調度的用戶集合。

2 基于動態(tài)門限值的協(xié)作用戶分類算法

MU-CoMP系統(tǒng)中的聯(lián)合調度流程在整個調度環(huán)節(jié)的第1步就是劃分小區(qū)內的用戶類型，通過一定的策略，將用戶劃分為邊緣用戶和中心用戶。不同的劃分策略直接影響用戶的歸類、通信性能質量和系統(tǒng)的整體吞吐量，并且加重協(xié)作簇基站的協(xié)作通信壓力。

2.1 固定門限值協(xié)作用戶分類算法的不足

對于一個MU-CoMP系統(tǒng)，針對多用戶采用BD(Block Diagonalization)預編碼算法時，協(xié)作簇能同時服務的用戶數(shù)上限為

其中B為協(xié)作簇中協(xié)作基站的數(shù)目，Nt為基站發(fā)射天線的數(shù)目，Nr為用戶終端接收天線的數(shù)目?？紤]圖2的情形，C1作為協(xié)作基站，聯(lián)合C3為邊緣用戶提供協(xié)作通信，假設C1邊緣用戶數(shù)為ke，則此時C1整個簇能再服務的用戶數(shù)目上限為

式(3)說明，邊緣用戶越多，協(xié)作通信越頻繁，此時會導致整個系統(tǒng)能同時服務用戶數(shù)目的下降，從而導致系統(tǒng)整體吞吐量、頻譜效率等下降。因此，合理劃分用戶類型，區(qū)分邊緣用戶是個關鍵的問題。

在MU-CoMP中，通過配置的篩選門限值劃分用戶類別。一般用Geometry指標表征基站的發(fā)射功率經過大尺度衰落后的有用信號與其他基站的干擾信號之和的比值關系，反映基站與用戶之間的信道質量和距離。Geometry指標的計算只涉及到發(fā)射天線的功率、大尺度衰落、路徑損耗以及天線增益等，小區(qū)中用戶k的Geometry指標定義為

圖2 簇間協(xié)作服務用戶數(shù)上限分析Fig.2 Upper limit analysis of collaboration service users between clusters

其中Pk為發(fā)射天線的功率，F(xiàn)k、Lk和Ak分別表示用戶和基站間的陰影衰落、路徑損耗和天線增益。常用Geometry值劃分用戶屬于中心用戶還是邊緣用戶，一般取Geometry小于某個門限值(比如0 dB)為一個劃分的界限，將小于這個值的用戶劃分為邊緣用戶，反之為中心用戶。圖3給出了wrap-around環(huán)境下均勻分布160個用戶的Geometry分布CDF(Cumulative Distribution Function)曲線圖。

選取G=0 dB時的值作為臨界值，當用戶的G＜0，認為該用戶為小區(qū)邊緣用戶，需要CoMP。反之為中心用戶，不需要CoMP。如果給出不同的Geometry門限值，由圖3可見，門限值越高，劃分為小區(qū)邊緣用戶的比例越高，小區(qū)邊緣用戶的平均頻譜效率也隨之增高。當Geometry門限值為3時，大約有94%的用戶被劃分為了邊緣用戶。當Geometry門限值為-1時，大約只有0.02%的用戶被劃分邊緣用戶。

圖4和圖5分別為不同Geometry門限值下小區(qū)邊緣用戶頻譜效率CDF曲線和系統(tǒng)整體用戶平均頻譜效率曲線。從圖4和圖5中可見，固定Geometry門限值的設定直接關系到小區(qū)邊緣用戶。當門限值過高時，雖然小區(qū)邊緣用戶的頻譜效率指標得到了迅速提升，但這種提升意味著更多的系統(tǒng)資源被分配給了小區(qū)邊緣用戶，中心用戶的性能損失較多，導致系統(tǒng)整體頻譜效率反而明顯下降。

固定門限值劃分用戶策略不能很好地平衡小區(qū)邊緣用戶性能和系統(tǒng)整體性能，劃分方式過于單一。需要一種兼顧小區(qū)邊緣用戶和系統(tǒng)整體性能的劃分策略，通過MU-CoMP下用戶調度達到一個合理的優(yōu)化的系統(tǒng)性能。

圖3 wrap-around環(huán)境下均勻分布160個用戶的Geometry值CDF曲線Fig.3 Geometry values CDF curves of uniform distribution of 160 usersin wrap-around

圖4 不同Geometry門限值下小區(qū) 邊緣用戶頻譜效率CDF曲線Fig.4 Spectral efficiency CDF curves of the edge user under different geometry threshold method

圖5 不同Geometry門限值下系統(tǒng) 整體用戶平均頻譜效率曲線Fig.5 Average spectral efficiency curves of the overall user under different geometry threshold method system

2.2 基于效用函數(shù)的動態(tài)協(xié)作用戶分類算法

為在邊緣用戶性能和系統(tǒng)整體性能上取得平衡，提出一種基于效用函數(shù)的動態(tài)分類方案，定義一個協(xié)作距離D(c)(見圖6)。該協(xié)作距離是區(qū)分小區(qū)內用戶屬性的關鍵指標，如果用戶到簇邊緣的距離小于協(xié)作距離，則認為該用戶屬于邊緣用戶，反之，則判為中心用戶。協(xié)作距離D(c)不是一個簡單的指標，而是利用效用函數(shù)綜合了小區(qū)最小平均速率和系統(tǒng)有效總速率兩個性能指標。

圖6 D(c)示意圖Fig.6 D(c)schematic diagram

1)小區(qū)最小平均速率。假設用戶均勻分布在協(xié)作簇中，對于每個給定的D(c)值，在不同的用戶分布情形下，令Rmin［D(c)］表示某種用戶分布情形下的所有用戶的最小系統(tǒng)速率，平均最小系統(tǒng)速率min［D(c)］即最小速率的平均值，該最小速率主要是由邊緣用戶的分布決定。當更多的用戶被劃分為邊緣用戶時，邊緣用戶的最小速率會得到提升。

2)系統(tǒng)有效總速率。在實際的協(xié)作模型中，當某個邊緣用戶由多個協(xié)作小區(qū)進行服務時，針對具體某個協(xié)作小區(qū)，計算其獲取的有效速率也只能計算其自身部分，協(xié)作用戶獲取的總速率要在協(xié)作小區(qū)之間共享，每個提供服務的協(xié)作小區(qū)獲取一部分。如，用戶k需要Nc，k個協(xié)作小區(qū)為其提供協(xié)作服務，用戶的總速率為Rk，則每個小區(qū)針對用戶k能獲取到的有效速率為

對于小區(qū)中的所有用戶，該協(xié)作簇的有效總速率定義為可以看出，Rsum［D(c)］是D(c)遞減函數(shù)，D(c)越大，意味著越多的用戶被劃分為邊緣用戶，從而協(xié)作傳輸?shù)挠脩舾唷?/p>

定義一個效用函數(shù)U［D(c)］為

其中α是設計的權重指標，如果目標是最大化系統(tǒng)整體性能，則α→1，反之α→0，表示更看重邊緣用戶的系統(tǒng)性能。α=1/2時，效用函數(shù)等效為

為取得在該α值下合理的D(c)值，進行了蒙特卡羅仿真，仿真參數(shù)如表1所示。系統(tǒng)模型為wraparound，路徑損耗模型為Cost-231 Hata。

表1 仿真參數(shù)設置Tab.1 Simulation parameters

為方便處理，仿真中對D(c)進行了歸一化處理，處理后的D(c)表示協(xié)作距離與小區(qū)半徑的比值，仿真結果如圖7所示?？梢钥闯?，效用函數(shù)大約在D(c)/R=0.3處出現(xiàn)峰值，因此，可以將D(c)取值為0.3R=300 m。

使用上述模型和仿真參數(shù)，仿真對比了基于固定Geometry值的分類策略和基于效用函數(shù)的分類策略，結果如圖8所示。結果表明，采用效用函數(shù)策略后，系統(tǒng)整體性能得到提升。相同的信噪比條件下，系統(tǒng)平均頻譜效率提升0.1～0.2 bit/(s·Hz)。

圖7 U［D(c)］歸一化比率曲線Fig.7 U［D(c)］normalized ratio curve

圖8 兩種分類策略下的系統(tǒng) 平均頻譜效率對比曲線Fig.8 System average spectral efficiency curve under two classification strategy

3 結語

筆者在研究了MU-COMP聯(lián)合調度算法中的動態(tài)分簇方案基礎上，分析了固定SINR門限值CoMP用戶分類算法的不足，對傳統(tǒng)的基于固定SINR值的動態(tài)分簇方案進行了改進。給出一種結合改進的Geometry策略和效用函數(shù)策略的動態(tài)門限值CoMP用戶分類算法，仿真分析表明，協(xié)作距離D(c)取值為300m時，系統(tǒng)整體性能和邊緣用戶性能上取得較好的平衡;而且在采用效用函數(shù)策略后，系統(tǒng)整體性能得到提升，相同的信噪比條件下，系統(tǒng)平均頻譜效率提升0.1～0.2 bit/(s·Hz)。

［1］郎為民，楊德鵬，李虎生.LTE-Advanced標準化進展［J］.數(shù)據(jù)通信，2012，10(1):11-15.LANG Weimin，YANG Depeng，LI Husheng.Development of Standard of LTE-A［J］.Data Communication，2012，10(1):11-15.

［2］萬仁輝，李軼群，李福昌.LTE-Advanced CoMP技術的研究［J］.郵電設計技術，2012，9(2):17-20.WAN Renhui，LI Yiqun，LI Fuchang.Research on LTE-Advanced CoMP Technology［J］.Designing Techniques of Posts and Telecommunications，2012，9(2):17-20.

［3］李美玲，袁超偉，趙偉，等.基于目標對象的最佳中繼協(xié)作頻譜感知方案［J］.吉林大學學報:工學版，2013，43(4):1099-1103.LI Meiling，YUAN Chaowei，ZHAO Wei，et al.Target Based Cooperative Spectrum Sensing Scheme with Best Relay ［J］.Journal of Jilin University:Engineering and Technology Edition，2013，43(4):1099-1103.

［4］方敏，常永宇，楊大成.多點傳輸系統(tǒng)的聯(lián)合調度方案［J］.現(xiàn)代電信科技，2012(2):39-42.FANG Min，CHANG Yongyu，YANG Dacheng.United Scheduling Scheme of Multi-Point Transmission［J］.Modern Science＆ Technology of Telecommunications，2012(2):39-42.

［5］黃帆.移動通信系統(tǒng)中協(xié)作傳輸技術的研究［D］.北京:北京郵電大學電信學院，2011.HUANG Fan.Research on Cooperation Transmission Technology in Mobile Communication System［D］.Beijing:College of Telecommanication，Beijing University of Posts and Telecommunications，2011.

［6］MARSCH P，F(xiàn)ETTWEIS G.Static Clustering for Cooperative Multi-Point(CoMP)in Mobile Communications［C］//ACM Multimedia Conference.New York:IEEE Trans Inf Theory Press，2011:40-69.

［7］李釗，楊家瑋，姚俊良.多用戶MIMO下行鏈路自適應反饋分布式調度算法［J］.吉林大學學報:工學版，2011，41(2):514-519.LI Zhao，YANG Jiawei，YAO Junliang.Distributed Scheduling Algorithm for Multiuser MIMO Downlink with Adaptive Feedback［J］.Journal of Jilin University:Engineering and Technology Edition，2011，41(2):514-519.

［8］高天，周文安.基于多業(yè)務CoMP的LTE-A下行調度算法性能研究［J］.北京聯(lián)合大學學報，2013，27(1):39-54.GAO Tian，ZHOU Wenan.Performance Evaluation of Downlink Scheduling Algorithms for Mixed Traffics CoMP in LTE-A System［J］.Journal of Beijing Union University，2013，27(1):39-54.

［9］LIN Lexiang，LIU Yuanan，LIU Fang.Resource Scheduling in Downlink LTE-Advanced System with Carrier Aggregation［J］.The Journal of China Universities of Posts and Telecommunications，2012，19(1):44-49.

［10］魏玉杰.LTE-A系統(tǒng)載波聚合下基于用戶分組的比例公平調度算法研究［J］.重慶郵電大學學報:自然科學版，2013，25(3):310-313.WEI Yujie.PF Scheduling Algorithm Research Based on User Grouping for LTE-Advanced System with Carrier Aggregation［J］.Journal of Chongqing University of Posts and Telecommunications:Natural Science Edition，2013，25(3):310-313.

［11］PERVAIZ H，QIANG N.User Preferences-Adaptive Dynamic Network Selection Approach in Cooperating Wireless Networks:A Game Theoretic Perspective［C］//The Technology of Computer Communication.UK:Cambridge University Press，2012:10-32.

［12］PATCHARAMANEEPAKORN P，DOUFEXI A，ARMOUR S.Reduced Complexity Joint User and Receive Antenna Selection Algorithms for SLNR-Based Precoding in MU-MIMO Systems［C］//Electronic Information Technology Proceedings.CAN:University of Alberta Press，2012:19-40.

(責任編輯:劉俏亮)

Coordinated User Division of Dynamic Multi-User Scheduling Based on Utility Function

SHI Dongcheng，XING Yidan
(College of Computer Science and Engineering，Changchun University of Technology，Changchun 130021，China)

The shortcoming of the fixed signal to interference plus noise ratio(SINR:Signal to Interference plus Noise Ratio)threshold for collaborative user partition strategy is analyzed.Based on the system average rate and the edge user minimum average rate，the coordinated distance is defined.The algorithm of collaborative user division dynamic clustering joint multiuser scheduling using utility function is presented.And by applying Monte Carlo method，simulation is carried out.The simulation results show that the improved algorithm based on the utility function for collaborative user division can achieve a good balance between the system performance and the edge user performance.

coordinated multi-point;dynamic multiuser scheduling;collaborative user division;utility function

TN914

A

1671-5896(2014)02-0119-06

2013-07-26

國家自然科學基金資助項目(11071026)

史東承(1959— )，男，長春人，長春工業(yè)大學教授，主要從事多媒體技術、移動通信技術和圖像處理技術研究，(Tel)86-18686485278(E-mail)dcshi@mail.ccut.edu.cn。