基于多點信道海圖的低能耗網(wǎng)絡(luò)覆蓋結(jié)構(gòu)優(yōu)化

葉遠青/YE Yuanqing，張四海/ZHANG Sihai，朱近康/ZHU Jinkang

（中國科學(xué)技術(shù)大學(xué)，中國 合肥 230026）

人工智能的發(fā)展和智能設(shè)備的普及對6G移動網(wǎng)絡(luò)提出了核心需求。6G網(wǎng)絡(luò)將支持高速率、大容量、超密集類型的業(yè)務(wù)，即超高數(shù)據(jù)密度業(yè)務(wù)（uHDD）[1]。隨著數(shù)據(jù)流量的急劇增長和連接設(shè)備數(shù)量的不斷增加，無線網(wǎng)絡(luò)的能源消耗也在快速增長。這將導(dǎo)致溫室氣體大量產(chǎn)生，對環(huán)境保護和可持續(xù)發(fā)展造成重大威脅[2]。因此，未來移動通信和網(wǎng)絡(luò)技術(shù)的發(fā)展勢必要統(tǒng)籌兼顧能耗和資源，打造綠色通信網(wǎng)絡(luò)。

為了提高無線網(wǎng)絡(luò)的能效，在由分布單元（DU）、集中單元（CU）與核心網(wǎng)構(gòu)成的5G三級網(wǎng)絡(luò)結(jié)構(gòu)的基礎(chǔ)上，創(chuàng)新演進出更多的無線覆蓋結(jié)構(gòu)，如5G云無線接入網(wǎng)（CRAN）覆蓋結(jié)構(gòu)、霧無線接入網(wǎng)（Fog-RAN）覆蓋結(jié)構(gòu)、無蜂窩大規(guī)模輸入輸出（MIMO）覆蓋結(jié)構(gòu)等。但這些傳統(tǒng)無線覆蓋結(jié)構(gòu)部署方式較為固定，只能在局部范圍內(nèi)進行有限的調(diào)整，難以與業(yè)務(wù)分布不均勻的uHDD場景匹配，降低了網(wǎng)絡(luò)的容量覆蓋能力。

資源小區(qū)覆蓋結(jié)構(gòu)[3]可消除容量覆蓋漏洞，克服網(wǎng)絡(luò)的復(fù)雜干擾，其生成方法（RCG）根據(jù)用戶位置對用戶進行聚類，同時根據(jù)用戶位置信息和信道狀態(tài)信息（CSI）調(diào)整覆蓋結(jié)構(gòu)以匹配業(yè)務(wù)分布，并通過貪婪啟發(fā)式算法[4]朝著系統(tǒng)和速率最大化的方向迭代優(yōu)化資源小區(qū)。然而，用戶位置信息很難獲取，例如：現(xiàn)有的用戶定位方法（如三角測量）受限于視距傳播條件[5]，根據(jù)開放系統(tǒng)互連分層原則，基站無法從全球?qū)Ш叫l(wèi)星系統(tǒng)獲取位置信息[6]等。此外，上述方法在很大程度上依賴于可用CSI的準(zhǔn)確性和時效性。然而，由快速衰減引起的瞬時信道狀態(tài)變化導(dǎo)致獲取的CSI總是過時的。

為了解決用戶位置難獲取和CSI過時的問題，我們提出了一種基于多點信道海圖（MPCC）的資源小區(qū)生成方法。傳統(tǒng)通信系統(tǒng)的能效最大化通常由信噪比或速率約束來保證。本文中，我們在能量消耗約束下最大化系統(tǒng)和速率，從長期CSI獲得的二階信道統(tǒng)計量中提取有效特征，然后構(gòu)建MPCC，以便更有效地保持用戶之間的信道相關(guān)性。MPCC上相鄰用戶具有很強的空間相關(guān)性，如果用戶共享同一個資源塊（RB），將會產(chǎn)生嚴(yán)重的干擾。因此，采用基于MPCC的RCG算法，將MPCC上相鄰的用戶劃分為同一簇，生成資源小區(qū)，在每個資源小區(qū)內(nèi)分配正交RBs，并在資源小區(qū)間進行RBs的空間復(fù)用，可以減少系統(tǒng)干擾，提高系統(tǒng)和速率。結(jié)果表明，該算法可在用戶位置不可用和RCG可用CSI不完善或過時的情況下提升系統(tǒng)和速率。

1 資源小區(qū)與系統(tǒng)模型

1.1 資源小區(qū)

資源小區(qū)覆蓋結(jié)構(gòu)[3]是通過控制/數(shù)據(jù)平面分離和系統(tǒng)級資源管理實現(xiàn)超高數(shù)據(jù)密度服務(wù)的關(guān)鍵覆蓋結(jié)構(gòu)之一。在gNodeB架構(gòu)中，CU負責(zé)處理非實時協(xié)議和服務(wù)，DU負責(zé)處理實時協(xié)議和物理層協(xié)議，有源天線單元（AAU）負責(zé)射頻傳輸以及部分物理層功能的實現(xiàn)。其中，CU與DU之間通過中傳鏈路（光纖）連接?？刂茖訉崿F(xiàn)覆蓋結(jié)構(gòu)靈活適變的本質(zhì)在于CU-DU之間中傳鏈路的調(diào)整，即在形成資源小區(qū)基本空間單元后，為符合現(xiàn)有5G gNodeB CU/DU分離的網(wǎng)絡(luò)結(jié)構(gòu)需求，每個資源小區(qū)需選擇一個基站激活CU模塊功能，其余基站激活DU模塊功能。

在實際部署中，可由一個中央處理單元集中控制區(qū)域內(nèi)的全部基站，由區(qū)域級計算中心執(zhí)行計算任務(wù)。該處理單元部署于接入網(wǎng)側(cè)虛擬操作和管理中心（vOMC）。資源小區(qū)覆蓋結(jié)構(gòu)生成的協(xié)議流程如圖1所示?；靖鶕?jù)用戶發(fā)送的上行導(dǎo)頻序列與信令信息進行局部區(qū)域內(nèi)的網(wǎng)絡(luò)狀態(tài)（如信道狀態(tài)信息、用戶業(yè)務(wù)信息等）特征提取與壓縮。壓縮后的信息通過回程鏈路傳遞至vOMC，然后vOMC綜合接收到的信息并決定資源小區(qū)內(nèi)的基站集合，在所有的信息處理完畢后，將結(jié)果用統(tǒng)一、簡單的信令表達并分發(fā)至基站。基站讀取信令后調(diào)整中傳鏈路，以形成資源小區(qū)覆蓋結(jié)構(gòu)。資源小區(qū)與其他傳統(tǒng)覆蓋結(jié)構(gòu)的本質(zhì)區(qū)別在于：資源小區(qū)既能在宏觀上實現(xiàn)覆蓋結(jié)構(gòu)隨業(yè)務(wù)分布變化的靈活性和適應(yīng)性，又能在微觀上為覆蓋范圍內(nèi)的用戶準(zhǔn)確分配資源，實現(xiàn)最終的干擾管理。

圖1 資源小區(qū)覆蓋結(jié)構(gòu)生成的協(xié)議流程[3]

1.2 系統(tǒng)模型

我們考慮包括M個基站、N個單天線用戶和S個資源小區(qū)的二維平面上的超密集網(wǎng)絡(luò)，其中基站配備A根天線的均勻線性陣列（ULA）?；炯蠟镸={1,2,…,M}，用戶集合為N={1,2,…,N}，資源小區(qū)集合為RC={C1,CS2,…,C}，任意資源小區(qū)內(nèi)的基站集合為CAPs={1,2,…,Ms}，小區(qū)內(nèi)資源塊集合為Ks={1,2,…,K}，小區(qū)內(nèi)用戶集合為CsUE={1,2,…,Ns}。

小區(qū)內(nèi)基站與用戶之間的映射關(guān)系可表示為：

由于每個基站只有K個獨立正交資源塊，因此在一個時隙內(nèi)資源小區(qū)Cs最多能服務(wù)的用戶數(shù)不超過Ms×K個，其中Ms表示小區(qū)內(nèi)的基站數(shù)，即：

資源塊k在一個時隙內(nèi)被復(fù)用的次數(shù)不會超過資源小區(qū)內(nèi)的基站數(shù)Ms，即：

此外，小區(qū)內(nèi)的用戶在一個時隙內(nèi)至多被來自不同基站的正交Ms個資源塊所服務(wù)，即：

根據(jù)小區(qū)內(nèi)基站與用戶的映射關(guān)系，用戶u與所關(guān)聯(lián)的基站i在資源塊k的信干噪比表示為：

其中，Di={j|di,j＜=ε}表示與用戶u之間距離不大于ε的所有基站集合，Pu,i,k表示基站i在資源塊k上為用戶u分配的功率，hu,i表示基站i與用戶u之間的信道矢量，σ20為用戶端的加性高斯白噪聲?；诙鄰娇臻g相關(guān)信道模型，hu,i可以表示為：

其中，L表示多徑分量數(shù)，αu,i,l是用戶u與基站i之間第l條徑的信道的小尺度衰落增益，其被建模為服從零均值方差為1的復(fù)高斯隨機分布。βu,i表示無線信道傳播過程中的大尺度衰落，主要包括路徑損耗與陰影效應(yīng)，建模為：

其中，du,i為用戶u和基站i之間的距離，γ表示經(jīng)驗衰落系數(shù)，一般取值為3.8。另外zk為用戶u與基站i之間的陰影衰落，滿足10log10(zu,i)服從CN(0,ζ2)分布，ζ為陰影衰落系數(shù)，一般取值為8 dB。e(θu,i,l)是基站端ULA的導(dǎo)向矢量，天線之間的距離為d=λ/2，其中λ為電磁波波長。導(dǎo)向矢量可以表示為：

其中，θu,i,l為用戶u與基站i間信道第l條徑的到達角，對于任意u和i滿足θu,i,l∈[-π/2,π/2]。用戶u和基站i間L條徑的用戶到達角（AoA）都服從均勻分布θu,i表示用戶u和基站i之間的入射角，σ表示多徑信道AoA的角度標(biāo)準(zhǔn)差。

用戶端的下行速率可以表示為：

其中，W為系統(tǒng)預(yù)先為每個資源塊設(shè)定好的帶寬，需要滿足最低速率要求Rmin。

對系統(tǒng)中的每個資源小區(qū)下的每個用戶端的下行速率進行求和，得到整網(wǎng)下行速率：

我們采用理想的網(wǎng)絡(luò)功耗模型，即只考慮基站的發(fā)射功率[7]。假設(shè)將基站的總發(fā)射功率平均分配給用戶，以約束整個網(wǎng)絡(luò)的總功耗?；緄在資源塊k上分配給用戶u的發(fā)射功率為：

其中，Pmax表示基站的最大發(fā)射功率。

基于上述假設(shè)條件與模型設(shè)計，可以得到整網(wǎng)下行速率優(yōu)化模型。

2 基于多點信道海圖的資源小區(qū)覆蓋優(yōu)化

針對未來無線通信系統(tǒng)需要滿足移動用戶對高速數(shù)據(jù)傳輸業(yè)務(wù)的需求，由于業(yè)務(wù)時空分布動態(tài)變化，缺乏適配動態(tài)業(yè)務(wù)靈活性的覆蓋結(jié)構(gòu)，將會導(dǎo)致資源的使用沖突和網(wǎng)絡(luò)中復(fù)雜干擾，降低局部區(qū)域內(nèi)的網(wǎng)絡(luò)容量。受資源小區(qū)[3]的啟發(fā)，本文中我們提出基于多點信道海圖的資源小區(qū)覆蓋結(jié)構(gòu)優(yōu)化方法。

由于用戶間干擾與不同用戶信道域之間的相關(guān)性密切相關(guān)，因此本文主要思想是通過提取無線信道特征構(gòu)建多點信道海圖并學(xué)習(xí)不同用戶信道之間的相關(guān)性，從而將相關(guān)性強的用戶劃分為同一簇，將其相關(guān)聯(lián)的基站劃分到同一個資源小區(qū)，資源小區(qū)內(nèi)基站進行聯(lián)合傳輸并給用戶分配正交資源塊，以降低用戶間干擾，資源小區(qū)間進行資源塊復(fù)用，從而提升系統(tǒng)和速率。基于多點信道海圖的資源小區(qū)覆蓋結(jié)構(gòu)生成框架如圖2所示。

圖2 基于多點信道海圖的資源小區(qū)覆蓋結(jié)構(gòu)優(yōu)化流程

2.1 多點信道海圖生成

圖2虛線部分展示了多點信道海圖的構(gòu)造過程。首先，每個基站（BS）從所有用戶信道狀態(tài)信息Hm∈CN×P中提取特征Fm，計算局部相異度矩陣Dm∈CN×N，其中N和P分別是用戶數(shù)和CSI的維數(shù)。不同相異度矩陣Dm表示基站m處CSI的局部視圖，與用戶間的無線電距離有關(guān)。然后，將Dm上報給vOMC并進行數(shù)據(jù)融合，從而構(gòu)建全局相異度矩陣D∈CN×N。最后，通過主成分分析（PCA）[8]、Sammon’s Mapping（SM）[9]等流形學(xué)習(xí)方法將D變換成滿足Nd?N的低維圖Z∈CN×Nd。大多數(shù)信道海圖的工作將Nd設(shè)置為2。信道海圖技術(shù)的核心思想可以表達為：在低維空間找到一組數(shù)據(jù)點。當(dāng)dp(pi,pj)較小時，存在：

其中pi和pj為原始空間中距離較近的兩個數(shù)據(jù)點的三維坐標(biāo)，zi和zj分別為pi和pj降維后在海圖空間的二維坐標(biāo)。海圖空間中的坐標(biāo)沒有絕對的物理意義，但是可以通過dz(zi,zj)表示海圖上數(shù)據(jù)點之間的差異程度。當(dāng)dp和dz表示歐式距離計算且滿足式（13）時，說明所構(gòu)造的信道海圖保留了數(shù)據(jù)點在原始空間中的局部相對位置關(guān)系。

從信道狀態(tài)信息中提取的特征是決定MPCC提供何種信息，以及其是否能有效解決通信問題的關(guān)鍵。由于空間幾何上接近的位置會經(jīng)歷類似的多徑分量，因此，可以從信道狀態(tài)信息中挖掘多徑分量的到達角θu,i,l和信道增益βu,i來構(gòu)造MPCC。本文采用多重信號分類（MUSIC）算法進行特征提取[10]，其輸入是上行鏈路CSI的協(xié)方差矩陣R=E{HHH}，其攜帶與距離有關(guān)的大規(guī)模衰落特性的信息。在實際中，一般信道協(xié)方差矩陣計算方法為：

基于這些多徑特征進行用戶間的相異度度量可揭示信道圖上用戶間的近鄰關(guān)系。在虛擬操作和管理中心融合各個基站上傳的相異度矩陣，并進行降維，可實現(xiàn)其到信道海圖的線性映射。

2.2 覆蓋結(jié)構(gòu)優(yōu)化策略

系統(tǒng)模型假設(shè)用戶與資源小區(qū)已匹配，即：任意用戶u只屬于一個用戶集合Ns，且該用戶集合Ns中的所有用戶只被對應(yīng)的資源小區(qū)Cs提供服務(wù)，因此可通過用戶分組來優(yōu)化資源小區(qū)覆蓋結(jié)構(gòu)。

用戶在空間幾何上的距離越近，用戶之間的干擾相對較大。MPCC上用戶間的距離反映用戶的最近鄰關(guān)系，因此兩個用戶在MPCC上距離越近，其發(fā)生同頻干擾的可能性就越大?；贛PCC的K-means聚類后，這些用戶以更大概率被分配到同一簇（定義為資源小區(qū)）。首先，通過K-means算法形成初始用戶簇，其中初始用戶簇數(shù)量K0定義為min(,M)。為確保每個資源小區(qū)中有足夠的正交資源塊用于分配，我們將K0設(shè)置為。隨著用戶數(shù)的增加，可能大于基站數(shù)量，因此將K0設(shè)置為兩者的最小值。在此基礎(chǔ)上，根據(jù)用戶最大參考信號接收功率（Max-RSRP）關(guān)聯(lián)基站的原則，得到初始資源小區(qū)集。

為確保資源小區(qū)是完全獨立的，我們需要若干驗證。例如：1）當(dāng)不同資源小區(qū)之間存在相同基站時，該基站被分配給所關(guān)聯(lián)用戶最多的資源小區(qū)；2）檢查每個資源小區(qū)中的用戶數(shù)量，以確保每小區(qū)中有足夠的正交資源塊用于分配。當(dāng)資源小區(qū)中的用戶數(shù)超過閾值Nthre時，就需要進行細粒度分區(qū)。具體來說，當(dāng)資源小區(qū)Cs中的用戶數(shù)量Ns大于Ms×K時，需要將該資源小區(qū)Cs中的所有基站劃分為獨立的資源小區(qū)；當(dāng)Ns大于細粒度分區(qū)閾值Nthre但小于Ms×K時，資源小區(qū)Cs應(yīng)根據(jù)用戶數(shù)量Ns分裂為更多的資源小區(qū)?；贛PCC的資源小區(qū)生成算法的具體步驟如算法1所示。

算法1 基于多點信道海圖的資源小區(qū)覆蓋結(jié)構(gòu)優(yōu)化策略輸入：多點信道海圖Z∈CN×Nd輸出：資源小區(qū)集合RC={C1,C2,…,CS}1：用戶根據(jù)Max-RSRP原則關(guān)聯(lián)基站，得到初始用戶-基站關(guān)聯(lián)對2：計算聚類的數(shù)目S=K0 3：基于多點信道海圖通過K-means聚類算法初始化用戶簇4：if關(guān)聯(lián)同一個基站的不同用戶被劃分到不同的用戶簇then 5：將基站劃分到其關(guān)聯(lián)用戶最多的簇6：end if 7：輸出初始資源小區(qū)集RCspre={C1,C2,…,CS}8：for資源小區(qū)Cs，s=1,2,…,S do 9：if Ns≥Ms×K then 10：將Cs中的所有基站都視為一個獨立的資源小

3 仿真結(jié)果分析

3.1 實驗設(shè)置

本部分內(nèi)容針對所提的基于MPCC的資源小區(qū)優(yōu)化策略，在能耗約束下評估系統(tǒng)和速率來驗證性能。為了簡單而又不失一般性，我們考慮一個210 m×210 m場景，其中基站均勻分布。參數(shù)匯總?cè)绫?所示。

▼表1 仿真實驗參數(shù)表

我們以圖3所示C-RAN靜態(tài)覆蓋結(jié)構(gòu)為基準(zhǔn)，采用基于位置和貪心策略的優(yōu)化方法[3]作為對比，下文中將其稱為LG算法。LG方法使用基于用戶地理位置的K-means算法形成用戶初始簇，基于用戶地理位置通過K-means算法進行用戶分簇形成初始用戶簇，在此基礎(chǔ)上進行貪心迭代形成資源小區(qū)，使系統(tǒng)和速率達到最大。

圖3 傳統(tǒng)C-RAN靜態(tài)覆蓋結(jié)構(gòu)

3.2 實驗結(jié)果及分析

圖4為資源小區(qū)生成示意圖，其中用戶數(shù)為1 500。圖4（a）展示了用戶均勻分布情況，其中用戶根據(jù)均勻點過程獨立生成。不同顏色的點代表不同空間位置的用戶，用戶間標(biāo)記的顏色越相似，其在通信系統(tǒng)中的實際物理距離就越近。圖4（b）多點信道海圖顯示，用戶在海圖上的位置分布形狀與原始位置相似，證明MPCC可有效保持信道域中用戶之間的最近鄰關(guān)系。圖4（c）中展示了基于多點信道海圖的資源小區(qū)優(yōu)化算法得到的資源小區(qū)覆蓋結(jié)構(gòu)，其中不同的顏色分別代表不同的資源小區(qū)。圖4（d）和圖4（e）分別為用戶非均勻分布情況和對應(yīng)的多點信道海圖。其中，600個用戶是由泊松點過程獨立生成，其余用戶均服從均勻分布。從直觀上看，雖然MPCC中用戶的空間位置分布與原始位置相比發(fā)生了變化，但海圖轉(zhuǎn)換后用戶的顏色標(biāo)記并沒有出現(xiàn)明顯的混疊現(xiàn)象。為了更直觀地反映資源小區(qū)的覆蓋效果，圖4（f）展示了所提算法優(yōu)化得到的資源小區(qū)?？梢钥闯?，在用戶密集分布的區(qū)域，資源小區(qū)盡可能分裂出更多的資源小區(qū)，而在用戶稀疏分布時，盡可能多地合并接入點，從而發(fā)揮BS協(xié)作的優(yōu)勢。

圖4 資源小區(qū)生成示意圖（N=1 500）

圖5展示系統(tǒng)下行和速率與用戶數(shù)的關(guān)系。隨著用戶數(shù)量的增加，可實現(xiàn)的系統(tǒng)下行和速率在初始階段呈上升趨勢，隨后逐漸趨于穩(wěn)定。值得注意的是，隨著用戶數(shù)增多，用戶速率需求也在變化，即分為兩種業(yè)務(wù)場景：用戶連接數(shù)少但速率需求高，用戶連接數(shù)多但速率需求低。9個小區(qū)的C-RAN靜態(tài)覆蓋結(jié)構(gòu)中，由于正交資源塊數(shù)量的限制，全網(wǎng)最大接入用戶數(shù)為9×100 = 900。因此，在用戶均勻分布的情況下，接入用戶數(shù)超過1 000個時，C-RAN靜態(tài)覆蓋結(jié)構(gòu)的網(wǎng)絡(luò)承載能力將達到上限，而用戶非均勻分布時，在超過用戶數(shù)1 500的情況下C-RAN靜態(tài)覆蓋結(jié)構(gòu)不再有增益。對于資源小區(qū)這種彈性覆蓋結(jié)構(gòu)，小區(qū)的數(shù)量隨用戶數(shù)量的增加而靈活變化。當(dāng)用戶數(shù)量不斷增加時，原始小區(qū)開始分裂為更多的資源小區(qū)，以確保允許更多的用戶訪問，直到超過4 500個用戶時接近承載能力的上限。綠色實線代表基于瞬時CSI的LG方法的性能，紅色實線代表我們所提的利用平均CSI基于MPCC的算法?？梢钥闯觯疚乃惴ㄐ阅苈圆罨蛳喈?dāng)于基于位置的貪心策略的優(yōu)化方法，但都優(yōu)于CRAN靜態(tài)覆蓋結(jié)構(gòu)（藍色實線）。在用戶均勻分布的情況下，本文方法與LG方法性能相比降低最大為7.8%，此時用戶數(shù)為1 000，其相比于C-RAN性能提升1.84%；當(dāng)用戶數(shù)為5 500時，本文算法和LG算法性能相當(dāng)，相比于C-RAN系統(tǒng)和速率分布提升126.27%。在用戶非均勻分布情況下，用戶數(shù)為1 500時，本文方法與LG方法性能相差最大為6.35%，此時，其相比于C-RAN性能提升12.45%；當(dāng)用戶數(shù)為5 500時，本文算法和LG算法性能相當(dāng)，相比于CRAN系統(tǒng)和速率提升153.23%。

圖5 系統(tǒng)可達和速率隨用戶數(shù)的變化趨勢（Pmax=10 W)

通過提高基站總發(fā)射功率可以提高系統(tǒng)和速率，圖6給出了N=500和N=1 000時系統(tǒng)可達和速率與基站最大發(fā)射功率對應(yīng)關(guān)系。對于兩種覆蓋結(jié)構(gòu)可達的系統(tǒng)和速率區(qū)間（橙色虛線框），資源小區(qū)的某個系統(tǒng)和速率RRC對應(yīng)的基站最大發(fā)射功率為PRC，找到RRC±5范圍內(nèi)的RC-RAN，其對應(yīng)的基站最大發(fā)射功率為PC-RAN，然后再按照公式η=×100%進行計算，可以得到資源小區(qū)相比于C-RAN達到相同系統(tǒng)和速率的能耗降低百分比η。N=500時，在用戶均勻分布情況下，資源小區(qū)相比于C-RAN達到相同系統(tǒng)和速率的能耗約為75.66%；在用戶非均勻分布情況下，能耗降低約為85.46%。N=1 000時，資源小區(qū)的能耗降低百分比在用戶均勻分布和分均勻分布兩種情況下分別為69.05%和77.90%。

圖6 系統(tǒng)可達和速率與基站最大發(fā)射功率對應(yīng)關(guān)系

4 結(jié)束語

針對日益增長的用戶速率需求，我們提出基于多點信道海圖的資源小區(qū)覆蓋結(jié)構(gòu)優(yōu)化策略，通過構(gòu)建信道海圖來感知用戶空間分布，將信道特征相關(guān)性強的用戶劃分到同一資源小區(qū)。資源小區(qū)內(nèi)基站對用戶進行聯(lián)合傳輸并分配正交資源塊，以減少干擾，提升用戶速率。資源小區(qū)間通過正交資源塊復(fù)用以提升系統(tǒng)和速率。仿真結(jié)果表明，在相同基站總發(fā)射功率約束下，所提方法優(yōu)化得到的資源小區(qū)彈性覆蓋結(jié)構(gòu)對比靜態(tài)C-RAN覆蓋結(jié)構(gòu)有效提升了系統(tǒng)和速率。在能耗方面，在系統(tǒng)達到相同系統(tǒng)和速率的情況下，資源小區(qū)彈性覆蓋結(jié)構(gòu)有效降低了所需的基站發(fā)射功率。本文所提算法能夠解決現(xiàn)有基于貪婪的資源小區(qū)覆蓋結(jié)構(gòu)優(yōu)化算法中用戶位置很難獲取、瞬時信道狀態(tài)信息不完美的問題，對網(wǎng)絡(luò)覆蓋結(jié)構(gòu)優(yōu)化具有重要參考價值。

致謝

感謝中國科學(xué)技術(shù)大學(xué)陳玥刪、張佳杰同學(xué)對本論文做出的貢獻！