靜態(tài)分簇下的大規(guī)模分布式天線系統(tǒng)用戶調(diào)度算法*

高　翔，孫　強,2，徐　晨，王　玨,3

(1.南通大學 電子信息學院，江蘇 南通 226019；2.東南大學 移動通信國家重點實驗室，南京 210096；3.新加坡科技設計大學 淡馬錫實驗室，新加坡 138682)

?

靜態(tài)分簇下的大規(guī)模分布式天線系統(tǒng)用戶調(diào)度算法*

高翔1，孫強**1,2，徐晨1，王玨1,3

(1.南通大學 電子信息學院，江蘇 南通 226019；2.東南大學 移動通信國家重點實驗室，南京 210096；3.新加坡科技設計大學 淡馬錫實驗室，新加坡 138682)

在大規(guī)模分布式天線系統(tǒng)中，靜態(tài)分簇和用戶調(diào)度帶來的簇間干擾問題會導致系統(tǒng)和速率下降。針對這個問題，提出了一種兩階段貪婪用戶調(diào)度算法。首先，每個簇內(nèi)并行實施貪婪用戶調(diào)度；然后，從全局上再次利用貪婪算法來剔除簇間干擾較大、服務質(zhì)量較差的用戶，使得系統(tǒng)和速率進一步提升。仿真結果表明，隨著不同系統(tǒng)參數(shù)的改變，兩階段貪婪用戶調(diào)度算法可有效提高系統(tǒng)和速率。

大規(guī)模分布式天線系統(tǒng)；靜態(tài)分簇；用戶調(diào)度；貪婪算法

1　引　言

隨著智能終端的普及以及移動互聯(lián)網(wǎng)的興起，移動數(shù)據(jù)業(yè)務量呈爆炸式增長。近年來，移動數(shù)據(jù)業(yè)務量以每年翻一番的速度增長；可以預計，在未來10年將會增長近1 000倍[1]，現(xiàn)有的蜂窩網(wǎng)絡技術均難以支撐如此迅猛的數(shù)據(jù)增長需求。因此，世界各國已廣泛開展對第五代移動通信(The 5th Generation,5G)關鍵技術的研究。其中，大規(guī)模多輸入多輸出(Multiple-Input Multiple-Output，MIMO)作為一種新的物理層技術引起了工業(yè)界和學術界的極大關注，并有望成為5G移動通信系統(tǒng)關鍵技術之一?？紤]不同的天線陣列布設方式，大規(guī)模MIMO可有不同的具體實現(xiàn)形式。大規(guī)模分布式天線系統(tǒng)可看作一種分布式布設天線陣列的大規(guī)模MIMO。

大規(guī)模分布式天線系統(tǒng)在整個小區(qū)內(nèi)密集布設遠程天線單元(Remote Antenna Unit,RAU)，每個RAU與中心處理單元(Central Processing Unit,CPU)通過高速回程鏈路相連構成一個無線通信系統(tǒng)整體。與天線集中放置的傳統(tǒng)大規(guī)模MIMO系統(tǒng)相比，大規(guī)模分布式天線系統(tǒng)可大幅縮短用戶和天線間的接入距離，從而獲得低傳播損耗和高空間復用增益。因此，其相關研究近年來受到了廣泛重視，具有重要的理論和現(xiàn)實意義。

目前，RAU分簇和用戶調(diào)度算法是解決大規(guī)模分布式天線系統(tǒng)小區(qū)內(nèi)干擾的關鍵技術之一，由于采用大規(guī)模分布式天線單元將會遇到信道信息開銷、算法復雜度等一系列問題，因此，需要設計更加簡單和符合實際系統(tǒng)的RAU分簇和用戶調(diào)度算法。文獻[2]針對聯(lián)合天線選擇和用戶調(diào)度問題，提出了三種迭代算法：第一種算法是依據(jù)范數(shù)準則，算法復雜度低，但是簡單地依據(jù)范數(shù)準則會犧牲一定的系統(tǒng)和速率；第二種算法是依據(jù)貪婪算法，用戶通過選擇最佳天線使得系統(tǒng)和速率最大，但算法的復雜度很高；第三種即作者提出的一種折衷算法，使得在復雜度相對較低的情況下，系統(tǒng)和速率接近貪婪算法的系統(tǒng)和速率。文獻[3]在復合瑞利衰落信道條件下研究了大規(guī)模分布式天線系統(tǒng)的下行鏈路的頻譜效率，結果表明大規(guī)模分布式天線系統(tǒng)的性能要遠好于傳統(tǒng)的集中式天線系統(tǒng)；但是作者考慮的是遠程協(xié)作單元和用戶均勻分布小區(qū)中，沒有考慮用戶的位置是隨機的情況。文獻[4-5]考慮大規(guī)模分布式天線系統(tǒng)下的下行鏈路，導出了單個RAU傳輸和協(xié)作RAU傳輸方式遍歷速率表達式，為了最大限度地提高系統(tǒng)的和速率，提出了一種貪婪調(diào)度算法，用戶的位置是隨機的，并且采取的是動態(tài)分簇，但每個簇中只有一個用戶，沒考慮簇中有多用戶的情況。

與現(xiàn)有文獻不同，本文主要考慮大規(guī)模分布式天線系統(tǒng)下，針對簇間干擾導致系統(tǒng)和速率下降的問題，提出了一種基于靜態(tài)分簇的大規(guī)模分布式天線系統(tǒng)用戶調(diào)度算法。該算法在對用戶進行調(diào)度時，先后兩次用到了貪婪算法。首先，將整個大規(guī)模分布式天線系統(tǒng)劃分若干協(xié)作簇，并利用大尺度衰落信道信息選擇最佳的RAU協(xié)作簇；接著，各個RAU協(xié)作簇并行實施貪婪用戶調(diào)度算法；最后，從全局上利用貪婪剔除用戶算法來剔除簇間干擾較大、服務質(zhì)量較差的用戶。通過兩階段貪婪用戶調(diào)度算法，能夠抑制簇間干擾，提高系統(tǒng)的頻譜效率。

2　系統(tǒng)模型

2.1網(wǎng)絡模型

圖1　二維正六邊形拓撲結構(L=4)

2.2信道模型和功率控制

無線傳輸信道會受到大尺度衰落和小尺度衰落的影響，本文對這兩種衰落都做了考慮。用戶m到遠程天線單元t的信道衰落可以表示為

(1)

式中：βm,t為用戶m到遠程天線單元t的大尺度衰落；gm,t為用戶m到遠程天線單元t的小尺度衰落。大尺度衰落分為路徑損耗和陰影效應[6]。大尺度衰落模型表達式為

(2)

式中：fm,t為用戶m到遠程天線單元t的陰影衰落；η為路徑損耗因子；dm,t為用戶m到遠程天線單元t的距離。用戶m和協(xié)作簇t之間的小尺度衰落為gm,t，服從零均值、方差為1的復高斯隨機變量。假設每個RAU傳輸獨立的信息，則簇間干擾可以根據(jù)大尺度衰落來進行估計[7]。簇間干擾和噪聲之和為復高斯隨機變量Zm，均值為

(3)

為了維持RAU覆蓋范圍內(nèi)指定的接收功率[8]，文獻[9]給出了RAU發(fā)射功率的表達式為

P=P0rη。

(4)

式中：P0為RAU邊緣的接收功率；r為正六邊形的半徑；η為路徑損耗因子。

2.3信號模型

假設有q個用戶隨機位于正六邊形拓撲結構中，首先所有RAU將獲取的所有用戶與相鄰遠程天線單元的統(tǒng)計信道信息回傳給中心處理單元，按照大尺度衰落大小排序，確定每個用戶所屬大尺度衰落最大的RAU協(xié)作簇，要使得大尺度衰落最大的用戶m選擇遠程天線單元t最優(yōu)解為

假設用戶距離最近的遠程天線單元t*歸屬于協(xié)作簇Vi，在下行鏈路中，協(xié)作簇Vi中用戶m的接收信號為

(5)

3　靜態(tài)分簇和用戶調(diào)度

3.1靜態(tài)分簇

近幾年來，隨著多基站協(xié)同處理技術的發(fā)展，有不少學者開始研究協(xié)同基站群的分簇問題?，F(xiàn)有的分簇算法主要分為靜態(tài)分簇算法及動態(tài)分簇算法。靜態(tài)分簇算法簡單、易實現(xiàn)，但是由于不能適應實際信道的時變性，會損失一定的系統(tǒng)性能。文獻[10-11]針對通信系統(tǒng)的下行鏈路，將整個系統(tǒng)劃分為多個靜態(tài)協(xié)同簇。相比于單基站非協(xié)同的通信傳輸方式，基于靜態(tài)分簇的協(xié)同處理技術能夠改善小區(qū)邊緣用戶的性能,提高整個系統(tǒng)的頻譜利用。而動態(tài)分簇算法利用實時的信道狀態(tài)信息(ChannelStateInformation,CSI)構建協(xié)同簇，能夠取得比靜態(tài)算法較好的系統(tǒng)性能，但較高的復雜度以及完全的CSI條件阻礙了該算法的實際應用。在本文中，我們考慮了兩種靜態(tài)分簇情況，分別如圖2和圖3所示。

圖2　2個RAU協(xié)作

圖3　4個RAU協(xié)作

3.2兩階段貪婪用戶調(diào)度算法

3.2.1貪婪用戶調(diào)度算法

通過各種預編碼方案，可以實現(xiàn)多用戶MIMO通信。然而，不管何種預編碼方案，由于天線自由度的限制，可以被同時通信的用戶仍然是有限的，因此需要采取一定的用戶調(diào)度策略。通過用戶調(diào)度，選取一個或幾個信道狀態(tài)信息較好的用戶，可以提高系統(tǒng)的和速率，獲得多用戶分集增益。

在得知每個用戶所屬大尺度衰落最小的RAU協(xié)作簇后，計算每個RAU協(xié)作簇內(nèi)的用戶數(shù)，若協(xié)作簇內(nèi)用戶數(shù)為0，則該協(xié)作簇內(nèi)的RAU進入休眠狀態(tài)；若簇內(nèi)用戶數(shù)為1，該用戶為已調(diào)度用戶，協(xié)作簇采用最大比傳輸模式[12]對該用戶進行數(shù)據(jù)傳輸。

若簇內(nèi)用戶數(shù)大于1，則再判斷簇內(nèi)用戶數(shù)和協(xié)作簇的天線自由度的關系，若協(xié)作簇內(nèi)用戶數(shù)小于或等于協(xié)作簇的天線自由度，協(xié)作簇內(nèi)所有用戶為已調(diào)度用戶，協(xié)作簇采用迫零傳輸模式[13]對該用戶進行數(shù)據(jù)傳輸；若協(xié)作簇內(nèi)用戶數(shù)大于協(xié)作簇的天線自由度，則需要對協(xié)作簇內(nèi)的用戶先進行調(diào)度。為了最大化簇內(nèi)用戶的和速率，這個調(diào)度問題可以寫成

(6)

(7)

式中：μm為用戶m的速率的加權因子，本文只考慮μm=1，即最大系統(tǒng)和速率準則。

此時用窮舉法可獲得上述問題的最優(yōu)解，但是復雜度很高，于是我們采取復雜度較低的貪婪用戶調(diào)度算法獲得次優(yōu)解。其算法的主要思想為：每次調(diào)度一個能使得簇內(nèi)和速率提升最多的用戶并更新待調(diào)度用戶和已調(diào)度用戶，直到調(diào)度任何待調(diào)度用戶不能使簇內(nèi)和速率增大為止；調(diào)度完成后，再采用迫零傳輸模式對用戶進行數(shù)據(jù)傳輸。用戶調(diào)度完成后計算系統(tǒng)的和速率為

(8)

(9)

3.2.2貪婪用戶剔除算法

由于沒有考慮簇間干擾帶來的影響，所以貪婪用戶調(diào)度算法完成后，某些簇間干擾較大的用戶會導致系統(tǒng)和速率下降。針對這個問題，可以從全局上來剔除簇間干擾較大、服務質(zhì)量較差的用戶，此時可以采用窮舉法來剔除用戶，但復雜度較高，于是我們采取一種復雜度相對較低的貪婪用戶剔除算法，具體步驟如下：中央處理器遍歷所有調(diào)度用戶，剔除當前用戶，判斷被剔除用戶所在協(xié)作簇內(nèi)剩余的已調(diào)度用戶數(shù)量，若協(xié)作簇內(nèi)無用戶，則協(xié)作簇內(nèi)的遠程天線單元進入休眠狀態(tài)；若協(xié)作簇內(nèi)用戶數(shù)為1，則協(xié)作簇采用最大比傳輸模式對該用戶進行數(shù)據(jù)傳輸；若協(xié)作簇內(nèi)用戶數(shù)大于1，則協(xié)作簇采用迫零傳輸模式對剩余已調(diào)度用戶進行數(shù)據(jù)傳輸。計算剔除用戶后整個分布式無線系統(tǒng)的系統(tǒng)和速率，選擇系統(tǒng)和速率最大所對應的剔除用戶，如果此時系統(tǒng)和速率大于剔除前系統(tǒng)和速率，則作為當前輪次的剔除方案，然后進行下一輪剔除;否則，不剔除此用戶并且剔除算法結束。3.2.1節(jié)和3.2.2節(jié)兩種算法合并后即為兩階段貪婪用戶調(diào)度算法,其流程如圖4所示。

圖4　兩階段貪婪用戶調(diào)度算法流程

3.2.3復雜度分析

4　仿真結果與分析

圖5給出了不同RAU邊緣接收功率下10個用戶的系統(tǒng)和速率曲線。由圖5可以看出：4個RAU協(xié)作時，系統(tǒng)和速率最大；RAU不協(xié)作時，系統(tǒng)和速率最小，說明分簇能使得系統(tǒng)和速率提升，并且分簇規(guī)模越大，速率提升效果越好。相比于貪婪用戶調(diào)度算法，兩階段貪婪用戶調(diào)度算法能顯著提升系統(tǒng)和速率，并且兩階段貪婪用戶調(diào)度算法的優(yōu)劣和RAU邊緣接收功率有關，RAU邊緣接收功率越大，即簇間干擾受限的情況，兩階段貪婪用戶調(diào)度算法效果越明顯。

圖5　系統(tǒng)和速率

圖6給出了不同RAU邊緣接收功率下系統(tǒng)的中斷概率曲線。中斷是指用戶的瞬時信干噪比低于某一閾值，在仿真中，該閾值定為1。由圖6可以看出，4個RAU協(xié)作時，系統(tǒng)的中斷概率最小，說明分簇能夠進一步減小系統(tǒng)的中斷概率，并且分簇規(guī)模越大，系統(tǒng)的中斷概率越小。相比于貪婪用戶調(diào)度算法，兩階段貪婪用戶調(diào)度算法能小幅減小系統(tǒng)的中斷概率。

圖6　中斷概率

圖7給出了RAU邊緣接收功率為20 dB，不同用戶數(shù)情況下，系統(tǒng)的和速率曲線。由圖7可以看出，在不同用戶數(shù)的情況下，相比于貪婪用戶調(diào)度算法，兩階段貪婪用戶調(diào)度算法始終能有效提升系統(tǒng)和速率。

圖7　系統(tǒng)和速率(不同用戶數(shù))

5　結束語

本文主要研究了靜態(tài)分簇下的大規(guī)模分布式天線系統(tǒng)用戶調(diào)度算法，提出了一種兩階段貪婪用戶調(diào)度算法，其主要思想是：首先，利用貪婪算法調(diào)度簇內(nèi)和速率最大的用戶集合；然后，再利用貪婪算法從全局上剔除簇間干擾較大、服務質(zhì)量較差的用戶。仿真結果表明，在簇間干擾受限的情況下，相比于傳統(tǒng)的貪婪調(diào)度算法，兩階段貪婪用戶調(diào)度算法能顯著提升系統(tǒng)和速率。

本文考慮的是靜態(tài)分簇下的用戶調(diào)度算法，而靜態(tài)分簇對簇間干擾抑制具有一定的局限性，因此下一步將重點考慮以用戶為中心的動態(tài)分簇方案。

[1]Nokia Siemens Networks.2020:Beyond 4G radio evolution for the gigabit experience[EB/OL].[2016-01-05]. http://www.nokiasiemensnetworks.com.

[2]XU G Z，LIU A，JIANG W，et al.Joint user scheduling and antenna selection in distributed massive MIMO systems with limited backhaul capacity[J].China Communications,2014,11(5):17-30.

[3]LI J,WANG D,ZHU P,et al.Spectral efficiency analysis of large-scale distributed antenna system in a composite correlated Rayleigh fading channel[J].IET Communications,2015,9(5):681-688.

[4]SUN Q,JIN S,WANG J,et al.Downlink massive distributed antenna systems scheduling[J].IET Communications,2015,9(7):1006-1016.

[5]SUN Q,JIN S,WANG J,et al.On scheduling for massive distributed MIMO downlink[C]//Proceedings of 2013 IEEE Global Communications Conference.Atlanta,Georgia,USA:IEEE,2013:4151-4156.

[6]HU H,ZHANG Y,LUO J.Distributed antenna systems:open architecture for future wireless communications[J] . IEEE Transactions on Wireless Communications,2006(5):1-5.

[7]FIROUZABADI S,GOLDSMITH A.Downlink performance and capacity of distributed antenna systems[J].IEEE Antennas & Wireless Propagation Letters,2011,2(1):89-92.

[8]LIANG Y,GOLDSMITH A,FOSCHINI G,et al.Evolution of base stations in cellular networks:denser deployment versus coordination[C]//Proceedings of 2008 IEEE International Conference on Communications.Beijing:IEEE,2008:4128-4132.

[9]GRADSHTEYN I S,RYZHIK I M.Table of integrals,series,and products[M].8th ed.New York:Academic Press,2014.

[10]NG C T K,HUANG H. Linear precoding in cooperative MIMO cellular networks with limited coordination clusters[J].IEEE Journal on Selected Areas in Communications,2010,28(9):1446-1454.[11]ZHANG J,CHEN R,ANDREWS J G,et al.Networked MIMO with clustered linear precoding[J].IEEE Transactions on Wireless Communications,2009,8(4):1910-1921.

[12]LO T K Y. Maximum ratio transmission[J].IEEE Transactions on Communications,1999,47(10):1458-1461.

[13]YOO T,GOLDSMITH A. Optimality of zero-forcing beamforming with multiuser diversity[C]//Proceedings of 2005 IEEE International Conference on Communications.Seoul,Korea:IEEE,2005:542-546.

高翔(1991—),男，江蘇常州人，2014年獲學士學位，現(xiàn)為碩士研究生，主要研究方向為大規(guī)模分布式天線系統(tǒng)；

GAO Xiang was born in Changzhou,Jiangsu Province,in 1991.He received the B.S.degree in 2014.He is now a graduate student.His research concerns large-scale distributed antenna system.

Email:394079233@qq.com

孫強(1980—)，男，江蘇南通人，2014年獲博士學位，現(xiàn)為副教授，主要研究方向為MIMO無線通信系統(tǒng)；

SUN Qiang was born in Nantong,Jiangsu Province,in 1980.He received the Ph.D.degree in 2014.He is now an associate professor.His research concerns MIMO wireless communication system.

Email:sunqiang@ntu.edu.cn

徐晨(1960—),男，江蘇南通人，教授，主要研究方向為無線通信；

XU Chen was born in Nantong,Jiangsu Province,in 1960. He is now a professor.His research concerns wireless communication system.

王玨(1985—),男，山東聊城人，2014年獲博士學位，主要研究方向為大規(guī)模MIMO。

WANG Jue was born in Liaocheng,Shandong Province,in 1985. He received the Ph.D.degree in 2014. His research concerns large-scale MIMO.

The National Natural Science Foundation of China(No.61401240,61501264);Jiangsu Government Scholarship to Study Abroad(JS-2014-206);The Fund of National Mobile Communications Research Laboratory in Southeast University(2015D02);The Doctoral Research Start Fund in Nantong University(14B08)

User Scheduling Algorithms for Large-scale Distributed Antenna System Based on Static Clustering

GAO Xiang1,SUN Qiang1,2,XU Chen1,WANG Jue1,3

(1.School of Electronic and Information,Nantong University,Nantong 226019,China;2.National Mobile Communications Research Laboratory,Southeast University,Nanjing 210096,China;3.Temasek Laboratories,Singapore University of Technology and Design,Singapore 138682,Singapore)

In a large-scale distributed antenna system,static clustering and user scheduling will redeuce the system sum-rate due to inter-cluster. To solve this problem,a two-stage greedy user scheduling algorithm is proposed. First,each cluster uses greedy user scheduling parallelly. Then,from the overall situation,the greedy algorithm is utilized to remove some users with larger inter-cluster interferences and poor quality of service,thus further improving the system sum-rate. Simulation results show that with different system parameters,the two-stage greedy user scheduling algorithm can effectively improve the system sum-rate.

large-scale distributed antenna system;static clustering;user scheduling;greedy algorithm

10.3969/j.issn.1001-893x.2016.10.002

2016-01-15；

2016-05-06Received date:2016-01-15；Revised date：2016-05-06

國家自然科學基金資助項目(61401240,61501264);江蘇政府留學獎學金項目(JS-2014-206);東南大學移動通信國家重點實驗室開放研究基金項目(2015D02);南通大學博士科研啟動基金項目(14B08)

TN929.5

A

1001-893X(2016)10-1075-06

引用格式：高翔，孫強,徐晨,等.靜態(tài)分簇下的大規(guī)模分布式天線系統(tǒng)用戶調(diào)度算法[J].電訊技術，2016,56(10):1075-1080.[GAO Xiang,SUN Qiang,XU Chen,et al.User scheduling algorithms for large-scale distributed antenna system based on static clustering[J].Telecommunication Engineering,2016,56(10):1075-1080.]

**通信作者：sunqiang@ntu.edu.cnCorresponding author：sunqiang@ntu.edu.cn