紀澎善,賈向東,2,路 藝,徐文娟
(1.西北師范大學(xué)計算機科學(xué)與工程學(xué)院,甘肅 蘭州 730070;2.南京郵電大學(xué)江蘇省無線通信重點實驗室,江蘇 南京 210003)
5G異構(gòu)網(wǎng)絡(luò)HetNets(Heterogeneous Networks)被認為是達到千倍數(shù)據(jù)速率目標(biāo)的有效方法。在HetNets中,配備低功率基站BS(Base Station)的小小區(qū)可以與宏小區(qū)結(jié)合使用,形成多層HetNets,與當(dāng)前的4G網(wǎng)絡(luò)相比,將提供更高的容量,同時所提供的移動數(shù)據(jù)流量大幅增加[1]。然而,在未來的HetNets中,由于密集部署的低功率短距離BS,用戶設(shè)備UE(User Equipment)與BS的數(shù)量將相差無幾,同時小區(qū)的部署也更加不規(guī)則。這種情況下,在HetNets中會產(chǎn)生一些不可忽視的問題,例如UE級聯(lián)及其標(biāo)準[2,3]。因此,一些早期的工作集中在用戶級聯(lián)的解決方案和提出有效的用戶級聯(lián)準則上,如最大平均接收信號功率和信號干擾噪聲比SINR(Signal-to-Interference-Noise Ratio)[4 - 6]。
從UE的角度來看,具有最大下行鏈路DL(DownLink)接收信號功率的BS(或接入點)不一定是具有最大上行鏈路UL(UpLink)功率的BS。此外,由于移動UE的功率限制,UL容量受到限制。因此,文獻[7]引入了解耦上行鏈路和下行鏈路級聯(lián)DUDA(Decoupled Uplink and Downlink Association)的概念,其中移動UE可以在DL和UL傳輸方向上分別連接至不同的BS。由于UL和DL級聯(lián)相互獨立,因此DUDA中的可行級聯(lián)比耦合UL和DL級聯(lián)CUDA(Coupled Uplink and Downlink Association)更靈活,從而可以改善UL容量,同時可以減少來自UL的UE干擾并且克服移動UE的功率約束。Boccardi等[8]確定并解釋了DUDA設(shè)計的論點,并提出了從4G LTE / LTE-A到5G實現(xiàn)DUDA設(shè)計的可行方案。文獻[9]則側(cè)重于兩層HetNets的研究。近期關(guān)于DUDA設(shè)計的最新研究還專注于其在5G網(wǎng)絡(luò)中的實現(xiàn)。文獻[10]對全雙工HetNets中的DUDA進行了設(shè)計,并研究了密集回程連接對DUDA性能的影響。
為了進一步改善頻譜效率SE(Spectrum Efficiency),3GPP在版本12中引入了HetNets中的雙連接DC(Dual-Connectivity)概念[11]。在DC模式的HetNets中,允許每個UE同時與UL和DL中的2個不同接入點通信。結(jié)果發(fā)現(xiàn),當(dāng)DC與某些先進技術(shù)相結(jié)合時,可以實現(xiàn)更好的SE增益,如非正交多址接入NOMA(Non-Orthogonal Multiple Access)和毫米波技術(shù)[12 - 14]。文獻[15,16]則側(cè)重于DC模式的HetNets中的DUDA設(shè)計,并研究了聯(lián)合應(yīng)用DUDA和DC的2層HetNets。結(jié)果表明,相比傳統(tǒng)的單連接,DC能夠更靈活地實現(xiàn)UE級聯(lián)。
基于上述分析,本文采用DUDA來增強UL傳輸容量,從而提高整個網(wǎng)絡(luò)的吞吐量。但是,仍然存在以下問題:首先,現(xiàn)有的工作主要集中在單連接模式的雙層HetNets上。在采用DC模式的HetNets中研究DUDA設(shè)計的工作非常少[15,16],且這些研究僅考慮了簡化的雙層HetNets。眾所周知,在多層HetNets中,特別是在DC模式的HetNets中,DUDA的設(shè)計比在雙層HetNets中更加靈活和復(fù)雜。原因在于,隨著層數(shù)的增加,可能的DUDA方案的數(shù)量呈指數(shù)增長,這使得早期工作中提出的用絕對級聯(lián)概率來評估網(wǎng)絡(luò)性能變得困難且復(fù)雜。目前,這種多層HetNets的性能尚不清楚。此外,對于不同的DL級聯(lián),相應(yīng)的解耦UL性能是不同的。因此,找到一種有效的框架非常重要,利用該框架可以從所有候選的DL級聯(lián)中選擇可行的DL級聯(lián)方案,使得解耦UL級聯(lián)的平均性能最佳。在實踐中,解決上述問題的有效方法是基于DL級聯(lián)對所有可能的解耦級聯(lián)進行分類,在可行的DL級聯(lián)條件下設(shè)計解耦UL級聯(lián)。同時,還可以推導(dǎo)出在給定DL級聯(lián)約束條件下的相應(yīng)的條件級聯(lián)概率。顯然,利用這種條件級聯(lián)框架可以更清晰地研究多層HetNets,克服了多層HetNets的復(fù)雜性這一問題。其次,由于雙層HetNets的限制,在現(xiàn)有文獻中,DC模式HetNets的DUDA設(shè)計均在同一層中進行。也就是說,這些工作僅研究了非跨層DC模式。但是,通常在同一層內(nèi)的BS具有相同的服務(wù)級別,實際的DC模式HetNets關(guān)注于不同的級聯(lián)鏈路上需要不同服務(wù)級別的場景,即跨層級聯(lián)。例如,宏層提供控制信令,而其他層提供數(shù)據(jù)的情況。
最后,當(dāng)DC正交使用可用頻譜時[15,16],由于采用傳統(tǒng)的正交多址接入OMA(Orthogonal Multiple Access),系統(tǒng)的頻譜效率較低。使用NOMA技術(shù)可以克服這個問題,NOMA技術(shù)是5G的另一個關(guān)鍵技術(shù),其在發(fā)射機處使用疊加編碼SC(Superposition Coding)并在接收機處利用連續(xù)干擾消除SIC(Successive Interference Cancellation)[17 - 19]。在發(fā)射機處,基于不同功率電平疊加和發(fā)送到不同UE的信號。在接收器處,基于接收器信號強度,UE在解碼其自己的信號之前使用SIC技術(shù)來移除針對其他UE的信號,由于通過共享相同的資源塊來傳遞更多信息,NOMA方法的實現(xiàn)改善了系統(tǒng)頻譜效率SE。
考慮如圖1所示的由宏小區(qū)層M層(Microcell tier)、微微小區(qū)P層(Picocell tier)和毫微微小區(qū)F層(Femtocell tier)構(gòu)成的3層異構(gòu)網(wǎng)絡(luò),每一層具有不同的發(fā)射功率、覆蓋范圍和空間密度等。其中,高功率宏小區(qū)由低功率短距離的小BS所覆蓋。通常情況下,同一層中的BS具有相同的發(fā)射功率。PM、PP、PF分別表示宏基站MBS(Microcell Base Station)、微微小區(qū)基站PBS(Picocell Base Station)和毫微微小區(qū)基站FBS(Femtocell Base Station)的發(fā)射功率,且遵循功率約束PM>PP>PF。將MBS、PBS和 FBS的位置建模為密度依次是λM、λP和λF的獨立泊松點過程PPP(Poisson Point Process)ΦM、ΦP和ΦF。同時,將UE建模成密度為λU的獨立PPPΦU,其發(fā)射功率為PU。整個網(wǎng)絡(luò)假設(shè)為全負載,即λU>λi,i∈{M,P,F},且每層的每一個BS至少級聯(lián)一個UE 。所有的網(wǎng)絡(luò)元件配備單天線,且總可用信道帶寬為B。
Figure 1 Decoupling UpLink associations under given DL connectivity condition圖1 給定DL連接條件下的解耦UL級聯(lián)
frOi(x)=2πλixe-πλix2,i∈{M,P,F}
(1)
將DC用于DL和UL傳輸,即,給定UE在DL或UL中同時與2個不同的服務(wù)BS相級聯(lián)。在DL中,使用傳統(tǒng)的DL接收信號功率DRSP(Downlink Received Signal Power)準則,其中,主要DL接入層為提供最強DRSP至給定UE的最近BS,次要DL接入層為提供第2最強跨層DRSP至給定UE的最近BS。與DL級聯(lián)不同,在DUDA方案中,UL接入利用最短距離準則,根據(jù)特定UE到最近BS所獲得最大UL 接收功率進行級聯(lián)。因此,UE首先選擇主要UL接入層即與給定UE距離最近的BS以及次要UL接入層即與給定UE第2近距離的BS由式(2)和式(3)產(chǎn)生:
(2)
(3)
其中,Xk表示從特定UE到第k層的最近BS的歐幾里德距離,Sec{·}表示二階非最佳統(tǒng)計。由于使用不同的級聯(lián)準則,在解耦DC方案中UL和DL的主次接入點不同。同時,由于考慮了跨層DC,所以DL或UL中的主次接入BS不在同一層中,且每個UE處主信號UL的功率分配因子是αP。
由于本文所考慮的是3層異構(gòu)網(wǎng)絡(luò),所以存在很多解耦UL和DL級聯(lián)。此處,考慮DL中給定UE的主要和次要DL分別級聯(lián)至M層和F層最近的BS,即,M層是主要接入層,F(xiàn)層是次要接入層。解耦UL級聯(lián)的條件是給定DL的 DC模式級聯(lián),由于功率約束,如圖1所示有3種可能的UL級聯(lián)情況。圖1a為CUDA方案,圖1b和圖1c為DUDA 方案。
(4)
(5)
對于信道質(zhì)量較差的次要接收器,利用如式(6)所示的SINR將疊加的主信號作為噪聲直接解碼其所需信號[16 - 20]。
(6)
(7)
由于到一個PPP最近點的距離遵循瑞利分布,因此,可由式(1)得到引理1,其給出了所考慮場景的DL級聯(lián)概率。
引理1對于給定的DL級聯(lián)情況,其中主要和次要DL級聯(lián)至M層和F層,基于DRSP標(biāo)準,給定的DL級聯(lián)概率表達式如式(8)所示:
(8)
基于給定DL級聯(lián)的級聯(lián)概率,需推導(dǎo)出UL條件級聯(lián)概率。子案例1是耦合的UL和DL級聯(lián),即主要和次要UL連接與其DL連接相同。從圖1a可以看出,級聯(lián)條件ULSC1:rOM PSC1=Pr{ULSC1|DLM,F}= (9) (10) 然后,結(jié)合式(9)和式(10)及引理1,得到命題1。 命題1對于給定的DL主要和次要連接,如圖1a所示的子案例1為UL和DL主要和次要連接一致的耦合級聯(lián)方案。子案例1的條件級聯(lián)概率為: (11) 如圖1b所示的子案例2(SC2)考慮了主要和次要DL連接的解耦UL級聯(lián)。在這種情況下,距給定UE最近的為F層,其次為M層,距P層最遠。因此,UE選擇其主要UL連接到F層,其次要UL連接到P層。這種情況考慮了2個解耦級聯(lián),即解耦主要連接和次要連接。UL主要和次要級聯(lián)具有與DL相反的順序,可得到UL級聯(lián)條件為ULSC2:rOF PSC2=Pr{ULSC2|DLM,F}= (12) 利用功率限制PM>PP>PF,得到式(12)最后一項分子的表達式為: (13) (14) (15) 合并式(12)~式(15)得到命題2。 命題2在如圖1b所示的子案例2中,盡管UL與DL級聯(lián)至相同層,但是主要和次要UL與級聯(lián)順序相反的DL完全解耦。子案例2對應(yīng)的條件級聯(lián)概率為: (16) 在如圖1c所示的子案例3(SC3)中,給定UE距F層的BS最近。然而,不同于子案例2,在子案例3中,給定UE更接近于P層的BS而非M層。在該子案例中,主要和次要UL也是完全解耦的并且分別與F層和P層相級聯(lián)。相應(yīng)的UL級聯(lián)條件是ULSC3:rOF (17) 由DL級聯(lián)條件DLM,F和解耦的UL級聯(lián)條件ULSC3,可得到Pr{DLM,F,ULSC3}表達式為: Pr{DLM,F,ULSC3}= (18) 因此,可得到命題3 命題3如圖1c所示的子案例3考慮了一個完全解耦UL級聯(lián)場景,其中主要和次要UL分別與F層和P層相級聯(lián)。相關(guān)的條件級聯(lián)概率為: (19) 本節(jié)重點介紹每個子案例中給定UE與其主要和次要接入點之間距離的統(tǒng)計描述。類似于條件級聯(lián)概率,統(tǒng)計描述也經(jīng)常在序列部分中用來開發(fā)系統(tǒng)性能。同時,在這項工作中,還考慮了基于傳統(tǒng)DRSP的CUDA案例。除了DUDA案例的接入距離之外,在此3層HetNets中也對CUDA案例進行了分析。對于一個給定的DL級聯(lián),盡管對于所有子案例耦合UL接入點復(fù)雜度相同,但是不同級聯(lián)子案例的統(tǒng)計描述不同。 (20) (21) (22) (23) (24) (25) 因此,經(jīng)過數(shù)學(xué)推導(dǎo),可得到引理3。 e-π(λP+λM)(PM/PF)2/αr2)-e-πλMr2(e-πλPr2- e-π(λP+λM)(PP/PF)2/αr2)} (26) e-π(λP+λF(PF/PP)2/α)(PP/PF)2/αr2)- e-πλFr2(e-πλPr2-e-πλP(PP/PF)2/αr2)]} (27) (28) (29) 此外,為了評估可實現(xiàn)的性能增益,研究了基于DRSP準則的耦合UL和DL方案的性能,其產(chǎn)生了次優(yōu)的系統(tǒng)性能。為此,需要給定UE與M層最近的BS之間距離的統(tǒng)計描述。將次優(yōu)UL接入距離的CDF表示為: r,DLM,F,ULSC3} (30) (e-π(λM(PM/PF)2/α+λP(PP/PF)2/α)r2- e-π(λM(PM/PF)2/α+λP(PM/PF)2/α)r2))] (31) e-π(λM+λF(PF/PM)2/α)r2-e-π(λM+λF(PF/PM)2/α)(PM/PP)2/αr2)- (e-π(λM+λF(PF/PP)2/α)r2-e-π(λM(PM/PP)2/α+λF(PF/PP)2/α)r2)] (32) (λP(e-π(λP+λF(PF/PP)2/α)(PP/PM)2/αr2-e-π(λP+λF(PF/PP)2/α)r2))/ (λP+λF(PF/PP)2/α)] (33) 本節(jié)根據(jù)覆蓋概率CP(Coverage Probability)評估網(wǎng)絡(luò)UL的性能。同時,除了基于DUDA的HetNets的性能外還得到了基于CUDA的HetNets性能。首先推導(dǎo)出主要和次要UL的SINR覆蓋概率。其次,根據(jù)使用SIC的NOMA的思想,當(dāng)以下條件成立時,主要信號將成功解碼:(1)主接收器可以解碼疊加的次要信號;(2)在執(zhí)行SIC處理之后,主接收器可以解碼其自己的目標(biāo)信號。對于給定的級聯(lián)子案例k,k∈{1,2,3},由式(4)和式(5)可得到基于DUDA主要UL的SINR覆蓋概率為: (34) 其中,τP和τS分別為主要和次要UL基于目標(biāo)速率的SINR閾值,上標(biāo)D、C分別表示基于DUDA和CUDA,將式(4)和式(5)代入式(34)得: (35) 與主接收機不同,由于鏈路質(zhì)量差,次要接收器通過將接收到的主信號視為噪聲來解碼其目標(biāo)信號。因此,對于給定的級聯(lián)子案例k,利用式(36)可得到次要UL的SINR覆蓋概率為: (36) 命題4雖然在NOMA方案中實現(xiàn)了解耦的UL雙連接,但對于給定的級聯(lián)子案例k,主要和次要UL的SINR覆蓋概率分別由式(37)和式(38)給出: (τP,τS,k) = (37) ∫∞0e-τ'Sσ2(PUE )-1rαe-∑m∈{M,P,F}πλm (τ'S)2αr2∫∞0du1+uα2fRkOSr dr (38) UL 覆蓋概率為: PNOMA-C(τP,τS,k) = (39) 總平均UL 覆蓋概率為: (40) 由此得到NOMA系統(tǒng)的UL覆蓋概率,其使用傳統(tǒng)的基于DRSP的CUDA準則,這由推論1給出。 推論1對于所考慮的3層DC HetNets,當(dāng)在NOMA方案中運用基于DRSP的CUDA準則時,總平均概率為: (41) 基于之前的數(shù)學(xué)分析,本節(jié)給出了仿真和數(shù)值結(jié)果分析,以說明所提出的基于NOMA和DUDA的多層HetNets的性能。為了不失一般性,考慮了一個由MBS、PBS和FBS組成的3層HetNet,且假設(shè)整個網(wǎng)絡(luò)的路徑損耗指數(shù)完全相同。仿真環(huán)境為宏小區(qū)半徑500 m,載波頻率2.4 GHz,系統(tǒng)帶寬20 MHz的區(qū)域,所有接收器處的加性高斯噪聲功率相同。除非另有說明,取PP=29 dBm,PF=24 dBm,λM=1/π5002,λP=5λM及λF=10λM;功率限制PM>PP>PF總有效,UE的傳輸功率為PUE=26 dBm。 Table 1 Association probability under different powerPM(α=4.3) 圖2進一步研究了取路徑損失指數(shù)α=4.3和α=3.3時,MBS、PBS和FBS的傳輸功率PM、PP和PF對條件級聯(lián)概率的影響??梢钥吹?,雖然傳輸功率PM和PF對級聯(lián)概率PSC1有明顯影響,但傳輸功率PP對其影響非常有限。從圖2c可以看出,在PP的整個變化范圍內(nèi),級聯(lián)概率PSC1幾乎不變。同時,傳輸功率PM、PP、PF對PSC2和PSC3具有不同的影響。圖2表明,PSC1、PSC2、PSC3的總和滿足總概率定律。同時,該圖還反映了路徑損耗指數(shù)α對條件級聯(lián)概率的影響,PSC2不僅隨路徑損耗指數(shù)單調(diào)變化,還受傳輸功率影響,如當(dāng)PM較小時,PSC2隨著α的增大而減小,當(dāng)PM較大時,PSC2隨著α的增大而增大。對于SC1,該情況下條件級聯(lián)概率隨著路徑損耗指數(shù)的增加而增大;SC3級聯(lián)場景下,路徑損耗指數(shù)越大,條件級聯(lián)概率越小。 Figure 2 Conditional association probability vs transmission power圖2 條件級聯(lián)概率vs傳輸功率 除了傳輸功率外,BS的密度對級聯(lián)概率也產(chǎn)生了很大影響。取PM=46 dBm,PP=42 dBm,PF=34 dBm,圖3a和圖3b分別表示密度比λP/λM和λF/λM相對級聯(lián)概率PSC1、PSC2、PSC3的變化趨勢。比較圖2和圖3可發(fā)現(xiàn),雖然BS的傳輸功率對級聯(lián)概率有明顯影響,但BS的密度對其影響很小。尤其是,圖3a顯示級聯(lián)概率PSC1在λP/λM的整個區(qū)域恒定近似,級聯(lián)概率PSC2隨密度比λP/λM的增加而減小,PSC3隨著密度比λP/λM的增加而增長。對于這些觀測,有以下解釋。首先,從圖1可知,級聯(lián)子案例1由M層和F層所主導(dǎo),這導(dǎo)致密度λP對PSC1的影響有限。不同于子案例1,子案例2利用解耦UL和DL級聯(lián),其中上行鏈路取決于P層,顯然,密度λP越大,P層的BS接近給定UE的概率越高,因此解耦的級聯(lián)概率PSC2隨著λP的增大而降低。雖然子案例3也利用了DUDA,但是這種情況將次要UL與P層最近的BS相級聯(lián)。顯然,密度λP越大,級聯(lián)概率PSC3越高,級聯(lián)概率PSC3隨著密度λP的增加而增加。 Figure 3 Conditional association probability vs density ratio圖3 條件級聯(lián)概率vs密度比 與圖3a不同,圖3b表明隨著λF/λM的增加,條件級聯(lián)概率PSC2增加,條件級聯(lián)概率PSC3減小。這是因為子案例2將主要UL與F層最接近的BS相級聯(lián),這導(dǎo)致解耦的級聯(lián)概率PSC2隨λF的增加而增加。雖然解耦的子案例3將主要UL與F層相級聯(lián),然而其也將次要UL級聯(lián)至P層與F層。顯然,隨著λF的增加,從給定UE到P層最近BS的距離的概率為二階統(tǒng)計量,且高于給定UE級聯(lián)至F層最近BS的概率,因此解耦的級聯(lián)概率PSC3隨著λF的增大而減小。 為了突出DUDA的優(yōu)點,本文還對比了DUDA和CUDA準則之間的總平均覆蓋概率和頻譜效率。取功率分配因子αp=3.5,從圖4a可以看出,當(dāng)考慮覆蓋概率時,具有DUDA的NOMA方案優(yōu)于傳統(tǒng)的CUDA方案。此外,可實現(xiàn)的覆蓋概率增益隨著路徑損耗指數(shù)α的減小而增加。這是因為在本文的系統(tǒng)模型中,解耦UL級聯(lián)是基于最近距離準則執(zhí)行的,因此最近的傳輸距離的覆蓋性能損耗較少。該結(jié)果表明結(jié)合DRSP和UL最近距離解耦級聯(lián)方案是有效的,從而實現(xiàn)了更高的覆蓋概率增益。圖4b中比較了不同路徑損耗指數(shù)下DUDA和CUDA的頻譜效率SE。首先可以發(fā)現(xiàn),在NOMA模式中,SE間隙是變化的,并且隨著發(fā)射功率的增加而增加。其次,圖4b顯示當(dāng)路徑損耗指數(shù)增大時,DUDA可實現(xiàn)的總平均SE高于CUDA的總平均SE。然而,當(dāng)路徑損耗指數(shù)較小時,CUDA的SE高于DUDA的。該結(jié)果表明,DUDA相對于CUDA獲得的SE增益在很大程度上取決于路徑損耗指數(shù)。當(dāng)路徑損耗指數(shù)大時,基于DUDA的NOMA優(yōu)于基于CUDA的NOMA,當(dāng)它很小時,基于DUDA的NOMA方案不如基于CUDA的NOMA方案。 Figure 4 Comparison between DUDA and CUDA whenαp=3.5圖4 αp=3.5時DUDA和CUDA間的對比 基于DUDA和DC技術(shù),本文研究了NOMA方案3層HetNets模型可實現(xiàn)的覆蓋概率和頻譜效率。使用跨層DC充分利用網(wǎng)絡(luò)資源,同時采用DUDA方案,讓用戶在UL和DL中使用不同的級聯(lián)標(biāo)準,并且UE同時級聯(lián)至2個不同層的接入點。對于此HetNets模型,首先,在嚴格的DL級聯(lián)約束下研究了可行的解耦UL級聯(lián)方案,并闡述了3種可能的級聯(lián)子案例。其次,數(shù)學(xué)推導(dǎo)了每個解耦級聯(lián)子案例的條件級聯(lián)概率,以及主要和次要接入距離的相應(yīng)統(tǒng)計級聯(lián)。 最后,基于條件級聯(lián)概率,推導(dǎo)了系統(tǒng)的覆蓋概率,利用數(shù)值結(jié)果驗證了級聯(lián)概率的解析表達式。研究結(jié)果表明,在覆蓋概率方面,基于DUDA的方案性能優(yōu)于傳統(tǒng)的CUDA方案。研究還發(fā)現(xiàn),基于DUDA的方案的頻譜效率是否優(yōu)于基于CUDA的方案的頻譜性能受功率分配因子和路徑損耗指數(shù)的影響。研究結(jié)果有助于指導(dǎo)多層異構(gòu)網(wǎng)絡(luò)的設(shè)計。3.2 主鏈路-F層,次鏈路-M層
3.3 主鏈路-F層,次鏈路-P層
4 主要和次要UL接入距離的統(tǒng)計描述
4.1 主鏈路-M層,次鏈路-F層
4.2 主鏈路-F層,次鏈路-M層
4.3 主鏈路-F層,次鏈路-P層
5 NOMA的覆蓋性能
6 數(shù)值結(jié)果及仿真分析
7 結(jié)束語