基于用戶分群的超密集小區(qū)網(wǎng)絡(luò)資源分配

王軍選， 湯仕艷， 孫長印

(西安郵電大學(xué) 通信與信息工程學(xué)院， 陜西 西安 710121)

基于用戶分群的超密集小區(qū)網(wǎng)絡(luò)資源分配

王軍選， 湯仕艷， 孫長印

(西安郵電大學(xué) 通信與信息工程學(xué)院， 陜西 西安 710121)

摘要:為了降低超密集小區(qū)網(wǎng)絡(luò)中的小區(qū)間干擾，給出一種利用用戶信干噪比和干擾泄漏計算連續(xù)權(quán)值的用戶分群方案。利用連續(xù)權(quán)值進(jìn)行用戶分群后，采用次優(yōu)化的啟發(fā)式算法為用戶群分配資源。仿真結(jié)果表明，與現(xiàn)有的用戶分群算法相比較，所給算法的系統(tǒng)吞吐量可提升20%～35%，同時單個小區(qū)的吞吐量也可提升5%～10%。

關(guān)鍵詞:用戶分群；資源分配；圖論；信干噪比；干擾泄漏

在異構(gòu)-多層的5G蜂窩網(wǎng)絡(luò)中，每個宏小區(qū)高達(dá)100個微小區(qū)。將現(xiàn)有單層網(wǎng)絡(luò)資源分配方案應(yīng)用于這種超密集小區(qū)網(wǎng)絡(luò)，很難實(shí)現(xiàn)5G系統(tǒng)1 000倍的容量目標(biāo)[1-2]。超密集小區(qū)網(wǎng)絡(luò)的資源分配已成為研究熱點(diǎn)[3]。

小區(qū)間協(xié)作是實(shí)現(xiàn)無線資源分配的一種重要方案，而用戶分群是實(shí)現(xiàn)小區(qū)間協(xié)作的方法之一。

基于小區(qū)間協(xié)作的資源分配方案可以通過用戶分群的方式來實(shí)現(xiàn)。利用離散權(quán)值來構(gòu)建干擾圖，僅從地理位置來表示用戶之間的干擾關(guān)系，這種方案比較適合低密度小區(qū)場景[4-6]，但在超高密度小區(qū)場景中，離散權(quán)值已經(jīng)不能全面反映各用戶之間的干擾關(guān)系。

本文擬對基于用戶分群的資源分配方案進(jìn)行改進(jìn)，即引入基于用戶信干噪比(Signal-to-Interference-and-NoiseRatio,SINR)和干擾泄漏(Signal-to-OtherCell-InterferenceRatio,SOIR)的連續(xù)干擾權(quán)值，來代替基于圖論的權(quán)值[7-8],并參考協(xié)作復(fù)雜度、反饋開銷和干擾隨距離所呈現(xiàn)的指數(shù)衰減，對小區(qū)覆蓋下的用戶進(jìn)行分群。對群內(nèi)干擾采用基于協(xié)作的管理方案，對群間干擾采用基于頻域或時域的干擾避免的管理方案，以此來克服基于資源競爭的利己策略所面臨的干擾管理與資源效率相矛盾的問題[9]。

1系統(tǒng)模型

設(shè)密集小區(qū)用戶蜂窩網(wǎng)絡(luò)系統(tǒng)由L個微小區(qū)組成。每個微小區(qū)有1個接入點(diǎn),每個用戶只有一個主服務(wù)接入點(diǎn)，連接到第l個接入點(diǎn)的第m個用戶記為ml,這樣的用戶共有Ml個。

基于資源分配的優(yōu)化問題可以轉(zhuǎn)換成加權(quán)和速率最大化問題。為了維持公平性或網(wǎng)絡(luò)其他用戶的服務(wù)要求，加權(quán)因子可相應(yīng)的進(jìn)行調(diào)整。

設(shè)用戶ml在子信道n上瞬時服務(wù)質(zhì)量要求的權(quán)值為wml,n，可獲得速率為

Rml,n=log2(1+ργml,n)。

其中ρ是與目標(biāo)誤碼率相關(guān)的常數(shù)，而相應(yīng)的信干噪比[10]

其中：Pl,n為微小區(qū)l在子信道n上的發(fā)射功率；Gm,l,n為子信道n上用戶m和接入點(diǎn)l之間的信道增益；N0是熱噪聲功率；Iml,n是在特定子信道n上的干擾集合。

所謂的優(yōu)化問題，就是要找到最優(yōu)資源分配方案使得最大化加權(quán)和速率達(dá)到最大，即

s.t.aml,n∈{0,1},

該優(yōu)化問題是一個NP困難問題，當(dāng)用戶總數(shù)隨著小區(qū)密度提升而增加時，計算復(fù)雜度增高。

2基于圖論的用戶分群

在基于圖論的資源分配方案中，圖中每個節(jié)點(diǎn)對應(yīng)一個基站或網(wǎng)絡(luò)中的接入點(diǎn)[4]。不同于此，為了在干擾限制下最小化信道的數(shù)量[11]，僅考慮子信道和其預(yù)定數(shù)量皆設(shè)定的情形，并選取用戶而非基站或接入點(diǎn)作為圖形節(jié)點(diǎn)。

2.1改進(jìn)的干擾權(quán)值計算方法

以G=(V，E)表示干擾圖，V中各節(jié)點(diǎn)表示一個用戶，E中各邊的權(quán)重表示相連用戶間潛在的干擾。以γu和γv分別表示用戶u和v的信干噪比，Sv表示用戶v的接收信號，Iu表示用戶u接收到的干擾信號。定義干擾泄漏

引入干擾權(quán)值λu,v表示用戶u和用戶v之間的干擾關(guān)系，即[10]

干擾權(quán)值越大表示用戶間干擾越強(qiáng)。相連用戶u-v的邊權(quán)重E(u,v)取它們之間的最大權(quán)值[7，11]，即

E(u,v)=E(v,u)=max{λu,v,λv,u}。

系統(tǒng)中同小區(qū)用戶存在嚴(yán)重干擾，因此，在相同小區(qū)用戶間需設(shè)置非常高的權(quán)值，以保證同小區(qū)用戶不被分配在相同集群中。

2.2改進(jìn)的用戶分群算法

迭代地分配節(jié)點(diǎn)到群中，各節(jié)點(diǎn)的分配都要確保群內(nèi)權(quán)值的增加最小。對于用戶數(shù)超過子信道數(shù)的場景，為保證干擾管理效果，且不降低頻譜效率，對中心用戶分配2個子信道來傳輸信息，邊緣用戶分配1個子信道。復(fù)制中心用戶節(jié)點(diǎn)。復(fù)制點(diǎn)和被復(fù)制點(diǎn)之間的權(quán)值設(shè)為高值，以此保證它們被分配到不同集群。

以N表示子信道總數(shù)，M表示用戶總數(shù)，C表示小區(qū)中心用戶總數(shù)。用戶分群算法的實(shí)現(xiàn)步驟可描述如下。

步驟1計算用戶u的權(quán)值之和[10]

按照Eu從小到大的順序?qū)個用戶排序。C個中心用戶也按照Eu從小到大排序。用數(shù)組來存放這M+C個用戶。

步驟2把M+C個節(jié)點(diǎn)中的前N個節(jié)點(diǎn)分配到N個群，每群1個節(jié)點(diǎn)。

步驟3剩余M+C-N個節(jié)點(diǎn)每迭代1次分配1個節(jié)點(diǎn)到集群中。該節(jié)點(diǎn)要確保群內(nèi)權(quán)值的增量最小，并確保把復(fù)制點(diǎn)和被復(fù)制點(diǎn)分到不同的集群中。

步驟4一旦有新節(jié)點(diǎn)被分配到群內(nèi)，立即更新群內(nèi)權(quán)值。

步驟5重復(fù)步驟3和步驟4，直到所有節(jié)點(diǎn)被分配到集群。

2.3信道分配算法

通過迭代算法把子信道分配到具有最大加權(quán)和容量的群，這是信道分配應(yīng)遵循的策略。特別地，通過計算不同集群在子信道上的加權(quán)和速率，把子信道分配到具有最高加權(quán)和速率的集群。

初始化由N個子信道組成的信道池Φ={1,2,…,N}，對N個子信道按平均信道質(zhì)量進(jìn)行排序，而集群則按照群中用戶總數(shù)的多少遵循從小到大的順序排序[11]。信道分配算法的實(shí)現(xiàn)步驟可描述如下。步驟1從質(zhì)量最好的子信道開始，根據(jù)預(yù)算功率計算每個集群的加權(quán)和容量，把加權(quán)和容量最大的集群映射到該子信道上。

步驟2把已經(jīng)分配的子信道從信道池中取出。

步驟3重復(fù)以前步驟，直到所有的集群都分配有子信道。

3仿真結(jié)果分析

通過計算機(jī)仿真比較方案改進(jìn)前后的性能。仿真參數(shù)遵循LTE-A的標(biāo)準(zhǔn)，如表1所示。其中SCM(E)信道參見文獻(xiàn)[12-13]，而d為用戶到基站的距離(單位:m)。

表1　仿真參數(shù)

以方案1表示原有離散權(quán)值方案[7],方案2表示使用連續(xù)權(quán)值的改進(jìn)方案。根據(jù)兩者提升系統(tǒng)吞吐量的多少，比較其優(yōu)劣。方案1所用5種離散權(quán)值

(wN,w0,w1,w2,wA)=(0,50,100,200,105)。

其中wN和wA分別表示無干擾用戶間的邊權(quán)值和同小區(qū)的干擾權(quán)值，w0,w1和w2分別對應(yīng)不同級別小區(qū)間干擾的權(quán)值，取決于兩用戶間的地理位置：w0表示兩用戶位于相鄰小區(qū)中心；w1表示兩用戶分別在小區(qū)邊緣及相鄰小區(qū)中心；w2表示兩用戶位于相鄰小區(qū)邊緣[7]。

對群間干擾，采用基于頻域或時域的干擾避免；對群內(nèi)干擾，采用基站協(xié)作；群內(nèi)調(diào)度屬于多用戶資源調(diào)度，采用基于信道和用戶吞吐量的比例公平算法[14-15]。

當(dāng)小區(qū)總數(shù)為5，用戶總數(shù)分別為20、40和60時，3種場景下的仿真結(jié)果如圖1所示。其中小區(qū)分布呈網(wǎng)格狀，平均間距為200m,用戶隨機(jī)分布于小區(qū)邊界處。圖中虛點(diǎn)線和點(diǎn)劃線分別表示兩種方案宏小區(qū)吞吐量的累積分布函數(shù)曲線。

當(dāng)小區(qū)總數(shù)固定，隨著用戶總數(shù)的增加，兩種方案的系統(tǒng)吐吞量都在增加?？梢?，隨著用戶總數(shù)的增加，用戶分群增益也會增加。不過，在超高密度情形下，小區(qū)間干擾嚴(yán)重，采用改進(jìn)方案，可有效降低干擾影響，而且隨著用戶總數(shù)增加，系統(tǒng)吞吐量不會出現(xiàn)飽和趨勢。

整體看來，改進(jìn)方案相對于原方案對系統(tǒng)整體性能的提升幅度更明顯，而且用戶總數(shù)越大，提升系統(tǒng)性能的效果越明顯。圖2給出了不同場景下各方案系統(tǒng)吞吐量的直觀對比。

(a) 5個小區(qū)20個用戶

(b) 5個小區(qū)40個用戶

(a) 5個小區(qū)60個用戶

圖2　方案改進(jìn)前后系統(tǒng)性能對比

原方案對于系統(tǒng)吞吐量的提升有限，隨著用戶總數(shù)的不斷增加，系統(tǒng)吐吞量增加的幅度減弱，與同場景下改進(jìn)方案的系統(tǒng)吞吐量增量相比，其弱勢較為明顯。原因在于，原方案采用離散權(quán)值構(gòu)建干擾圖，僅從用戶的地理位置判斷干擾關(guān)系，在小區(qū)密度較低時，尚可反映用戶間的干擾關(guān)系；在小區(qū)密度較高時，由于干擾小區(qū)的增加，離散權(quán)值不能夠充分的體現(xiàn)每個用戶的干擾特性。改進(jìn)方案一方面采用連續(xù)的權(quán)值構(gòu)建干擾圖，基于用戶的信干噪比和干擾泄漏來計算邊權(quán)值，利用每個用戶的接收信號、干擾信號以及噪聲等綜合條件來描述用戶之間的干擾關(guān)系，更加精細(xì)地實(shí)現(xiàn)了用戶分群，能有效減輕小區(qū)干擾；另一方面，根據(jù)用戶之間的干擾關(guān)系動態(tài)地調(diào)整權(quán)值，相鄰小區(qū)用戶在爭奪資源時，除了考慮相互間干擾，也考慮資源效率，而且在干擾消除和系統(tǒng)頻譜利用率間自適應(yīng)地獲得平衡，因此系統(tǒng)吞吐量能獲得更大提升。

4結(jié)語

基于連續(xù)權(quán)值的用戶分群是離散權(quán)值用戶分群算法的一種改進(jìn)。在密集小區(qū)分布高負(fù)載的情況下，改進(jìn)方案可以有效減輕主要干擾，特別是同小區(qū)用戶間以及不同小區(qū)邊緣用戶間的干擾，同時降低小區(qū)間干擾，提高系統(tǒng)整體和單個小區(qū)的性能。相比于原有離散權(quán)值分群方案，改進(jìn)方案可有效提升系統(tǒng)整體的吞吐量及頻譜利用率，能夠作為超高密集小區(qū)網(wǎng)絡(luò)中多用戶/多小區(qū)資源分配的優(yōu)選方案。

參考文獻(xiàn)

[1]THOMPSONJ,GEXL,WUHC,etal. 5Gwirelesscommunicationsystems:prospectsandchallengesPart2[J].IEEECommunicationsMagazine, 2014, 52(5):24-26.

[2]LEUNGVCM,TALEBT,CHENM,etal.Unveiling5Gwirelessnetworks:emergingresearchadvances,prospects,andchallenges[J].IEEENetwork, 2014, 28(6): 3-5.

[3]HOSSAINE,RASTIM,TABASSUMH,etal.Evolutiontoward5Gmultitiercellularwirelessnetworks:Aninterferencemanagementperspective[J].WirelessCommunicationsIEEE, 2014, 21(3):118-127.

[4]LIHJ,XUXD,HUD,etal.Clusteringstrategybasedongraphmethodandpowercontrolforfrequencyresourcemanagementinfemtocellandmacrocelloverlaidsystem[J].JournalofCommunicationsandNetworks, 2011, 13(6): 664-677.

[5]PATEROMICHELAKISE,SHARIATM,QUDDUSAU,etal.Graph-BasedMulticellSchedulinginOFDMA-BasedSmallCellNetworks[J].AccessIEEE, 2014, 2(8):897-908.

[6]CHANGRY.TAOZF,ZHANGJY,etal.MulticellOFDMADownlinkResourceAllocationUsingaGraphicFramework[J].IEEETransactionsonVehicularTechnology, 2009, 58(7):3494-3507.

[7]ZHUH,WANGSW,CHENDG.Energy-efficientuserassociationforheterogeneouscloudcellularnetworks[C]//IEEEGlobecomWorkshops.CAAnaheim:IEEE, 2012:273-278.

[8]SUNCY,QINGHF,WANGSP,etal.ComponentCarrierSelectionandBeamformingonCarrierAggregatedChannelsinHeterogeneousNetworks[C]//ProceedingsofIEEE14thInternationalConferenceonCommunicationTechnology.Nanjin:ICCT,2012:402-407.

[9]ZHANGHH,VENTURINOL,PRASADN,etal.WeightedSum-RateMaximizationinMulti-CellNetworksviaCoordinatedSchedulingandDiscretePowerControl[J].IEEEJournalonSelectedAreasinCommunications, 2011, 29(6):1214-1224.

[10]CHINFYL,ZHANGY,ZHUH.A1-local13/9-competitivealgorithmformulticoloringhexagonalgraphs[C]//LectureNotesinComputerScience.CanadaBanff:Springer, 2007: 526-536.

[11]PATEROMICHELAKISE,SHARIATM,QUDDUSAU,etal.OntheEvolutionofMulti-CellSchedulingin3GPPLTE/LTE-A[J].IEEECommunicationsSociety, 2013, 15(2): 701-717.

[12]SALOJ,GALDOGD,SALMIJ,etal.MATLABimplementationofthe3GPPspatialchannelmodel: 3GPPTR25.996[S/OL].[2015-03-20].http://read.pudn.com/downloads86/sourcecode/app/331591/scm_11-01-2005.pdf.

[13] 郭會茹, 盧光躍, 孫長印. 協(xié)作多點(diǎn)傳輸技術(shù)原理及仿真分析[J]. 西安郵電學(xué)院學(xué)報, 2011, 16(4):5-8.

[14] 魏巍, 安文東. 一種改進(jìn)的OFDM系統(tǒng)自適應(yīng)比特分配算法[J]. 西安郵電大學(xué)學(xué)報, 2014, 6(4):49-52.

[15]KIMH,HANY.Aproportionalfairschedulingformulticarriertransmissionsystems[J].IEEECommunicationsLetters,2005,9(3): 210-212.

[責(zé)任編輯:瑞金]

Resourceallocationbasedonuserclusteringinultra-densesmallcellnetworks

WANGJunxuan,TANGShiyan,SUNChangyin

(SchoolofCommunicationandInformationEngineering，Xi’anUniversityofPostsandTelecommunications，Xi’an710121，China)

Abstract:In order to reduce the inter-cell interference (ICI) in ultra-dense small cell networks scenarios, a new scheme of calculating the weight between users is proposed for resources allocation of user clusters. In this scheme, a new continuous interference graph weight is calculated based on signal-to-interference-and-noise ratio (SINR) and signal-to-other cell-Interference ratio (SOIR), which replaces the discrete weights for user grouping. A suboptimal heuristic is used for resources allocation of user clusters. Simulation results show that the system performance using the improved algorithm can be increased from 20% to 35% compared to that of using the existing user grouping algorithm and the performance of cell can also be improved from 5% to 10%.Keywords:user clustering，resource allocation，graph theory，signal-to-interference-and-noise ratio (SINR)，signal-to-other cell-interference ratio (SOIR)

doi:10.13682/j.issn.2095-6533.2016.01.003

收稿日期：2015-04-28

基金項目：國家863計劃資助項目(2014AA01A703)；陜西省自然科學(xué)基金資助項目(2014JM8317)

作者簡介：王軍選(1970-)，男，教授，從事下一代無線通信技術(shù)研究。E-mail: wangjx@xupt.edu.cn 湯仕艷(1989-)，女，碩士研究生，研究方向?yàn)閷拵o線通信技術(shù)。E-mail:624413227@qq.com

中圖分類號：TN929.53

文獻(xiàn)標(biāo)識碼：A

文章編號：2095-6533(2016)01-0016-05