[摘 要] 隨著無線數(shù)據(jù)網(wǎng)絡(luò)的發(fā)展，以及移動用戶對高速數(shù)據(jù)服務(wù)需求的增長，使得能提供高速數(shù)據(jù)服務(wù)的協(xié)作策略的研究得到重視。蜂窩網(wǎng)絡(luò)中協(xié)作通信的方式有以下幾種：終端協(xié)作、中繼協(xié)作和基站協(xié)作?；緟f(xié)作也稱為多小區(qū)協(xié)作處理，它是一種不管是在可行性方面還是在頻譜效率方面都非常有前途的協(xié)作模式。文章在對相關(guān)研究資料進行深入分析的基礎(chǔ)上，指出采用多小區(qū)協(xié)作處理的協(xié)作蜂窩網(wǎng)絡(luò)與傳統(tǒng)的干擾有限蜂窩網(wǎng)絡(luò)相比的優(yōu)點，分析協(xié)作蜂窩網(wǎng)絡(luò)的體系結(jié)構(gòu)與最優(yōu)網(wǎng)絡(luò)容量。同時，指出相關(guān)系統(tǒng)的局限性，并對今后的研究方向提出展望。

[關(guān)鍵詞] 多小區(qū)協(xié)作處理；蜂窩系統(tǒng)；容量；頻譜效率

[基金項目] 廣西大學科研基金資助項目（合同編號：XGL090033）

[作者簡介] 萬海斌，廣西大學物理科學與工程技術(shù)學院講師，研究方向：無線通信，廣西 南寧，530004；韋以明，廣西大學物理科學與工程技術(shù)學院教授，廣西 南寧，530004

[中圖分類號] TN92 [文獻標識碼] A [文章編號] 1007-7723（2012）10-0028-0006

在無線通信體系結(jié)構(gòu)中，衡量系統(tǒng)性能好壞的標準是誤碼率、頻譜效率和復(fù)雜度。隨著持續(xù)增長的語音、視頻和寬帶無線接入等高速無線數(shù)據(jù)服務(wù)需求，以及頻譜資源的稀缺，這就使得在下一代移動通信系統(tǒng)中必須配置成多天線（ MIMO）和具有積極頻率復(fù)用率的系統(tǒng)；然而，頻率的復(fù)用率會受到同頻干擾（ Co-Channel Interference（ CCI） or Inter-Cell Interference ）的制約[1]。因此，提高頻率復(fù)用率，就必須消除或者緩解同頻干擾造成的影響。在傳統(tǒng)的積極頻率復(fù)用蜂窩系統(tǒng)中，抑制CCI可以在沒有增加帶寬的前提下，通過先進的接收處理算法，抑制空間域或者其他域來達到[2][3]。然而，在下行鏈路中，先進的接收處理必定增加移動終端的復(fù)雜度，這被認為是不可取的。另一個被認為很有希望的面對CCI的方法是采用多小區(qū)聯(lián)合檢測和聯(lián)合傳輸（ Joint Detection and Transmission，JDJT），后來把它稱作多小區(qū)協(xié)作處理（ Multi-cell Cooperative Processing ，MCP）或者Network MIMO[4][15]。MCP不再把同頻干擾（ CCI）當作噪聲而是當作有用信號來處理[5][6][7][8][9]， 這主要是得益于MIMO系統(tǒng)的啟發(fā)。MCP中，一定數(shù)量的基站合作，聯(lián)合起來形成分布式天線陣列系統(tǒng)（ Distributed Antenna array System， DAS）[10]， 基站的聯(lián)合就使得編碼和解碼可以在基站端進行協(xié)作處理，從而達到分別消除或者緩解上行與下行鏈路的CCI，這就可以提高頻率復(fù)用因子，最高可達1 （ Frequency reuse factor= 1），因此可以大大改善頻率復(fù)用效率。

MCP意味著基站端的控制信號和用戶數(shù)據(jù)可以通過高速數(shù)據(jù)鏈路在基站之間進行通信，因此，CCI的緩解操作可以移到基站端進行處理，從而達到不增加用戶終端的復(fù)雜度。然而，基站之間的控制信號包括各個基站本地信道狀態(tài)信息等，從而增加了整個系統(tǒng)的代價，MCP的代價是增加了基站間的高速數(shù)據(jù)鏈路和基站端的數(shù)據(jù)處理的復(fù)雜度。

由于MCP蜂窩系統(tǒng)增加了基站間的高速數(shù)據(jù)鏈路和基站端的數(shù)據(jù)處理的復(fù)雜度，這就使得配置MCP的關(guān)鍵在于MCP的拓撲結(jié)構(gòu)和基站之間的鏈路容量。早期的很多文獻對MCP性能的分析都是基于這樣的假設(shè)，假設(shè)MCP具有全局的拓撲結(jié)構(gòu)和理想的基站之間的鏈路容量和一個中央處理器 （Remote Central Processor ， RCP）負責所有用戶的數(shù)據(jù)預(yù)處理和聯(lián)合解碼[4][11][12][13][14][16]。然而，所有的這些假設(shè)在一個小框架結(jié)構(gòu)網(wǎng)絡(luò)內(nèi)是合理的，但是，如果在一個大框架結(jié)構(gòu)網(wǎng)絡(luò)內(nèi)（ 比如，整個城市的3G蜂窩網(wǎng)絡(luò)）就變得不可實現(xiàn)了，因此需要一些其他方法來緩解這種假設(shè)的需求。因此，在最近的文獻中，主要考慮以下三種更接近實際情況的假設(shè)：（1）局部互聯(lián)（ Local Connectivity）：只有比鄰的蜂窩基站通過理想的數(shù)據(jù)鏈路連接[17]-[23]；（2）有限連接到中央處理器（ Restricted Connectivity to a RCP）：只有一部分基站通過理想的數(shù)據(jù)鏈路連接到中央處理器[24]；（3）全局的有限容量鏈路和中央處理器連接（ Global but Finite-capacity Connectivity to a RCP）：所有的基站都通過有限容量鏈路和中央處理器連接[25]-[30]；或者A、B、C的組合。其他方法就是通過分布式功率分配和調(diào)度策略，在不同的蜂窩間進行有限的協(xié)作處理[31]。

本文對MCP的提出及研究進展情況進行綜述。

一、系統(tǒng)模型

多小區(qū)協(xié)作通信系統(tǒng)模型，最早最簡單的是1994年 Aaron D.Wyner在文獻[11]中用到的模型，后來也稱為Wyner模型，Wyner模型中又分為線性蜂窩系統(tǒng)模型（ Linear Cellular Array System Model）和六邊形蜂窩系統(tǒng)模型（ Hexagonal Cellular Array System Model）。在這兩個模型中，本文都是基于上行鏈路來考慮，但是，可以直接根據(jù)上下行互易性原理推導得到下行鏈路的相關(guān)結(jié)果。下面就模型的研究發(fā)展情況進行概述。

（一）線性系統(tǒng)模型

首先介紹Wyner線性系統(tǒng)模型，如圖1所示，該模型考慮的是一個蜂窩系統(tǒng)中有無限個蜂窩基站，每個蜂窩基站用n來表示， ，該模型中只考慮蜂窩基站接收到的自身用戶的有用信號，和來自左右兩邊鄰居的基站用戶的干擾信號，因此在一個給定的時刻，對于序數(shù)為n的基站接收的數(shù)據(jù)可以表示為公式（1）所示。

其中 表示來自對于序數(shù)為n的基站的第k個傳輸用戶信號， 表示鄰近基站的干擾因子，Zn為高斯白噪聲，均值和方差分別為 噪聲是相互獨立的。為簡單起見，一般考慮在基站內(nèi)用戶是正交信道（比如TDMA系統(tǒng)），因此在某一時間內(nèi)，一個基站只服務(wù)于一個用戶，所以K=1，信道為高斯干擾信道，在沒有考慮信道衰落的情況下，所有的蜂窩基站信號最后傳輸?shù)街醒胩幚砥鳎≧CP）進行聯(lián)合解調(diào)解碼。更為簡單的線性系統(tǒng)模型為：每個基站接收到的信號為本身服務(wù)用戶的有用信號和來自某一邊（比如左邊）基站服務(wù)用戶的干擾信號和白噪聲的疊加，這主要是基于軟切換系統(tǒng)來考慮?；局g用容量為C的鏈路連接起來（ Local and Finite-Capacity Backhaul Links），如圖2所示[32]。

（二） 六邊形系統(tǒng)模型

在六邊形系統(tǒng)模型中，也是介紹Wyner六邊形模型[11]，見圖3所示。該模型同樣假設(shè)每個基站有K個用戶，在某個給定的蜂窩基站中接收到的信號是本身基站用戶信號的總和加上來自6個鄰近基站總用戶的信號總和與白噪聲。因此，在某個時刻，可以用Y0表示基站序號為0的基站接收到的信號的總和，用公式（2）表示。

為簡單起見，一般考慮在基站內(nèi)用戶是正交信道（比如TDMA系統(tǒng)），因此在某一時間內(nèi)，一個基站只服務(wù)于一個用戶，所以 ，信道為高斯干擾信道，在沒有考慮信道衰落的情況下，每個蜂窩基站接收到數(shù)據(jù)后，通過理想的數(shù)據(jù)鏈路傳輸?shù)街醒胩幚砥鳎≧CP）進行聯(lián)合解調(diào)解碼。

二、容量分析

本節(jié)中的容量分析，是基于平均每個小區(qū)容量最大化為目的進行的。下面分別就文獻中已經(jīng)推導得出的相關(guān)模型容量與傳統(tǒng)蜂窩系統(tǒng)容量的比較結(jié)論進行分析。

（一）無限容量鏈路的系統(tǒng)容量分析

無限容量鏈路系統(tǒng)是指每個小區(qū)基站連接到RCP的數(shù)據(jù)鏈路的容量是無限大的。文獻[11]最早提出了線性系統(tǒng)模型和六邊形系統(tǒng)模型在無衰落情況下的高斯信道容量公式；文獻[16]分析了Wyner模型在有衰落情況下上行信道的容量與傳統(tǒng)蜂窩系統(tǒng)容量的比較結(jié)論，如圖4所示。文獻[9]給出了只有兩源兩宿互干擾情況下單小區(qū)處理和兩小區(qū)聯(lián)合處理的特殊情況下的容量比較，如圖5所示。從圖4和圖5可以看出，多小區(qū)協(xié)作通信的小區(qū)容量要比互干擾情況下提高300%左右。

（二）有限容量鏈路的系統(tǒng)容量分析

由于在全局協(xié)作通信中，無限容量鏈路連接到RCP比較難以實現(xiàn)，又出現(xiàn)了基站之間通過有限容量鏈路連接[39]和每個基站都通過有限容量鏈路連接到RCP[28]的情況下的容量分析。在上行鏈路中，在有限容量鏈路連接的情況下，每個基站都必須根據(jù)鏈路容量的大小，先執(zhí)行部分解碼處理后，把剩下的部分信息通過數(shù)據(jù)鏈路傳輸?shù)綄?yīng)的基站或者RCP進行解碼。主要是考慮鏈路容量對整個協(xié)作系統(tǒng)容量的影響，具體細節(jié)比較復(fù)雜，詳細情況可參考文獻[28] [39]。

三、資源分配方法

無線通信中，資源分配的目的大概可以分為兩類：最大化服務(wù)用戶數(shù)量和最大化系統(tǒng)容量[33]；資源分配的宏觀方法也有兩種：集中式控制方法和分布式處理方法。最大化服務(wù)用戶數(shù)量是指在滿足每個服務(wù)用戶的QoS（ Quality of Service）的同時，最大化服務(wù)用戶數(shù)量；最大化系統(tǒng)容量則是指不管服務(wù)用戶的數(shù)量，只要求整個系統(tǒng)的總的容量最大化即可。一般情況下，最大化服務(wù)用戶數(shù)量的總的容量小于等于最大化系統(tǒng)容量的總的容量。在多小區(qū)協(xié)作通信網(wǎng)絡(luò)中，如果進行全局協(xié)作通信，給每個用戶分配最大的功率，就會獲得最大的系統(tǒng)容量。但是，由于全局協(xié)作需要處理的數(shù)據(jù)量巨大，局限條件太多，現(xiàn)實中不太可能實現(xiàn)。然而，不管是靜態(tài)的或者是動態(tài)的協(xié)作模式，都只能是蜂窩網(wǎng)絡(luò)部分基站單元進行協(xié)作通信，因此，整個網(wǎng)絡(luò)就變?yōu)橐粋€干擾受限（ Interference-Limited）的多小區(qū)協(xié)作系統(tǒng)。所以，在這樣的一個網(wǎng)絡(luò)中，就存在資源分配問題。

下面介紹一種在文獻中出現(xiàn)的比較新穎的資源分配方法，它是分布式的基于博弈論的資源分配方式，用戶之間預(yù)先沒有先驗知識進行合作（The Game is Non-Cooperative）。

博弈論（ Game Theory），有時也稱為對策論，或者賽局理論，是應(yīng)用數(shù)學的一個分支， 目前在生物學、經(jīng)濟學、國際關(guān)系、計算機科學、政治學、軍事戰(zhàn)略和其他很多學科都有廣泛的應(yīng)用。主要研究公式化了的激勵結(jié)構(gòu)（游戲或者博弈（Game）間的相互作用），是研究具有斗爭或競爭性質(zhì)現(xiàn)象的數(shù)學理論和方法，也是運籌學的一個重要學科[35]。近幾年來，博弈論已經(jīng)應(yīng)用于解決通信中的部分問題[34]。在文獻[33]中提出的基于博弈論的資源分配方法是基于最大化用戶效用函數(shù)（ 比如用戶傳輸速率，或者Signal to Interference plus Noise Ratio， SINR），用公式表示如下： 。其中fn為每個用戶的效用函數(shù)， 為用戶的傳輸功率， 為不同于用戶n的其他用戶的傳輸功率矢量，每個用戶在增大功率的同時，也會給相應(yīng)的用戶增大干擾，從而導致相互干擾加大，SINR不變或者降低，所以可以采用博弈論找到一個最佳的功率分配點。

還有其他分布式資源分配方法，比如基于極值理論的比例縮放法（ Some capacity scaling laws via extreme value theory）[36][37]，基于迭代二進制資源分配方法（ Iterative Power Allocation）[33]等，還有文獻是基于OFDMA系統(tǒng)多小區(qū)協(xié)作通信的資源分配方法[38]。

四、協(xié)作模式的進化

（一） 靜態(tài)協(xié)作模式

靜態(tài)協(xié)作模式，是最簡單的一種協(xié)作方式，一般是由鄰近基站靜態(tài)的鏈接在一起組成一個集合進行協(xié)作通信。不管是：（A）局部互聯(lián)，（B）有限連接到中央處理器，還是（C）全局的有限容量鏈路和中央處理器連接，或者是A，B，C之間的相互組合等，集合一經(jīng)設(shè)定，在整個協(xié)作工作過程中就不再變化，各個協(xié)作基站間形成一個靜態(tài)的集合或者串進行協(xié)作預(yù)編碼和聯(lián)合解碼所有這個集合里面的用戶。由于全局協(xié)作（ 所有基站協(xié)作）是不可能的，雖然全局協(xié)作的性能是最優(yōu)的。所以，靜態(tài)協(xié)作，一般是有限數(shù)目（ 基站協(xié)作數(shù)目在實際可承受范圍內(nèi)）的基站靜態(tài)鏈接在一起進行協(xié)作通信，好處是整個系統(tǒng)的開銷在可承受范圍之內(nèi)；但是，協(xié)作集合（ 或者串）和集合之間亦然存在CCI，特別是集合邊緣用戶性能較差[40]。

（二）動態(tài)協(xié)作模式

動態(tài)協(xié)作模式[40]是處于靜態(tài)協(xié)作模式與全局協(xié)作模式之間的一個協(xié)作方式。由于無線通信中存在大尺度和小尺度衰落，這就使得并不一定是相鄰基站的用戶就存在最大的CCI，也有可能是隔個基站的用戶存在最大CCI，這就使得動態(tài)協(xié)作模式成為可能。動態(tài)協(xié)作模式是各個協(xié)作基站根據(jù)協(xié)作過程中各個基站本地信道狀態(tài)信息動態(tài)組合成協(xié)作集合，目的是最大化各個用戶的性能，改善靜態(tài)協(xié)作模式中存在的邊緣用戶性能較差的缺點。信號處理的復(fù)雜介于全局協(xié)作與靜態(tài)協(xié)作之間，同時整個協(xié)作系統(tǒng)的總開銷又在可承受的范圍之內(nèi)，動態(tài)協(xié)作模式的整體系統(tǒng)性能處于全局協(xié)作模式和靜態(tài)協(xié)作模式之間。

（三）分布式處理動態(tài)協(xié)作模式

由于全局協(xié)作模式、靜態(tài)協(xié)作模式和動態(tài)協(xié)作模式都必須改變現(xiàn)有的蜂窩拓撲結(jié)構(gòu)，引入了一個RCP，各個基站必須用數(shù)據(jù)鏈路和RCP進行連接，它們之間傳輸?shù)臄?shù)據(jù)量和RCP要處理的數(shù)據(jù)量都很大，從而導致整個系統(tǒng)的花費增加。分布式處理動態(tài)協(xié)作模式[40][41]，是一種更加切合實際的協(xié)作方式，它去除了全局協(xié)作、靜態(tài)協(xié)作和動態(tài)協(xié)作處理集合中需要的RCP，而只是各個基站根據(jù)各自的本地信道狀態(tài)信息動態(tài)交換數(shù)據(jù)信息，用戶信號的預(yù)處理和解碼處理操作分散到各個基站之間進行處理，從而達到向下兼容，在不明顯增加整個系統(tǒng)花費的情況下，達到更佳的性能。當然，客觀世界本身就是一個矛盾的整體，分布式處理動態(tài)協(xié)作模式處理模式的整體性能要亞于靜態(tài)協(xié)作模式，但是，系統(tǒng)的設(shè)計要本著以最小的開銷去獲取更好的性能。所以，筆者認為，分布式動態(tài)協(xié)作模式是最有可能先在現(xiàn)實系統(tǒng)中實現(xiàn)的協(xié)作模式。

五、結(jié) 語

本文論述了多小區(qū)協(xié)作通信常用的研究模型，對基于此模型下的容量與傳統(tǒng)的蜂窩系統(tǒng)模型的容量進行了比較分析，并介紹了幾種資源的分配方法。為了克服現(xiàn)有的局限，近來學術(shù)界提出了新的研究方向，即分布式處理動態(tài)協(xié)作模式，這是一種具有應(yīng)用前景的協(xié)作模式。設(shè)計一種能夠提供滿頻率復(fù)用，在基站端和用戶端都具有最小復(fù)雜度、最大通信速率的協(xié)作通信系統(tǒng)一直是學術(shù)界和企業(yè)界努力的目標。

[參考文獻]

[1]S. Catreux ， P.F. Driessen and L. Greenstein. Simulation Results for an Interference-Limited Multiple-Input Multiple Output Cellular System [J].IEEE Communications Letters， vol. 4， no. 11， pp. 334-336， November 2000.

[2]R. G. Vaughan. On optimum combining at the mobile[J].IEEE Transactions on Vehicular Technology， vol. 37， no. 4， November 1988.

[3]J.G Andrews. Interference Cancellation for Cellular Systems： A Contemporary Overview[J].IEEE Wireless Communications Magazine， April 2005.

[4]Network MIMO Coherently-Coordinated Base Stations. BELL LABS Research Project， 2008

[5]S. Hanly and P. Whiting. Information-Theoretic Capacity of Multi-Receiver Networks[J].Telecommunication Systems， vol. 1， pp. 1-42， 1993.

[6]S. Shamai and B. Zaidel. Enhancing the cellular downlink capacity via co-processing at the transmitter end[C].IEEE Semiannual. Vehicular Technology Conf. （ VTC） spring， pp. 1745-1749， 2001.

[7]T. Weber， I. Maniatis， A. Sklavos and Y. Liu. Joint transmission and detection integrated network （ JOINT）， a generic proposal for beyond 3G systems[C]. 9th International Conference on Telecommunications （ ICT'02）， Beijing， vol. 3， pp. 479-483， June 2002

[8]M. K. Karakayali， G. J. Foschini and R. A. Valenzuela. Network Coordination for Spectrally Efficient Communications in Cellular Systems [J].IEEE Wireless Communications Magazine， August 2006.

[9]H. Zhang and H. Dai. Cochannel Interference Mitigation and Cooperative Processing in Downlink Multicell Multiuser MIMO Networks[J].EURASIP Journal on Wireless Communications and Networking， pp. 222-235， February 2004.

[10]Honglin Hu，Yan Zhang，Jijun Luo. Distributed antenna Systems， Open architecture for Future Wireless Communications[M].Auerbach Publications， 2007

[11]A. D. Wyner. Shannon-theoretic approach to a Gaussian cellular multiple-access channel [J].IEEE Trans. Inf. Theory， vol. 40， no. 6， pp.1713-1727， Nov. 1994.

[12]S. Shamai （ Shitz） and A. D. Wyner. Information-theoretic considerations for symmetric， cellular， multiple-access fading channels-Part I and II [J]. IEEE Trans. Inf. Theory， vol. 43， no. 6， pp. 1877-1911， Nov.1997.

[13]Y. Liang， T. Yoo， and A. Goldsmith. Coverage spectral efficiency of cellular systems with cooperative base stations[C].In Proc. Asilomar Conf. Signals， Systems， and Computers， Pacific Grove， CA， Oct. 2006.

[14]S. Jing， D. N. C. Tse， J. B. Soriaga， J. Hou， J. E. Smee， and R. Padovani. Downlink macro-diversity in cellular networks[C].In Proc. IEEE Int.Symp. Information Theory （ISIT 2007）， Nice， France， Jun. 2007， pp.1-5.

[15]G. Foschini， H. Huang， A. Lozano， L. Mailaender， R. Valenzuela， and S. Venkatesan. Network MIMO： Overcoming intercell interference in indoor wireless systems[C].ln Proc. Asilomar Conf. Signals， Systems， and Computers， Pacific Grove， CA， Oct. 2007.

[16]O. Somekh， O. Simeone， Y. Bar-Ness， A. Haimovich， U. Spagnolini，and S. Shamai （ Shitz）. An information theoretic view of distributed antenna processing in cellular systems [C]. In Distributed Antenna Systems： Open Architecture for Future Wireless Communications. Boca Raton， FL： Auerbach Publications， CRC Press， May 2007.

[17]E. Aktas， J. Evans， and S. Hanly. Distributed decoding in a cellular multiple access channel [C]. in Proc. IEEE Int. Symp. Information Theory （ ISIT 2004）， Chicago， IL， Jun./Jul. 2004， p. 484.

[18]O. Shental， A. J. Weiss， N. Shental， and Y. Weiss. Generalized belief propagation receiver for near optimal detection of two-dimensional channels with memory[C]. In Proc. Information Theory Workshop （ ITW 2004）， San Antonio， TX， Oct. 2004， pp. 225-229.

[19]S. Bavarian and J. K. Cavers. Reduced complexity distributed base station processing in the uplink of cellular networks [C]. In Proc. IEEE Global Telecommun.Conf. （GLOBECOM 2006）， Washington， DC， Nov. 2007， pp. 4500-4504.

[20]T. Mayer， H. Jenkac， and J. Hagenauer. Turbo base-station cooperation for intercell interference cancellation[C]. In Proc. IEEE Int. Conf. Communications （ ICC 2006）， Istanbul， Turkey， Jun. 2006， vol. 11， pp.4977-4982.

[21]W. Choi and J. G. Andrews. Downlink performance and capacity of distributed antenna systems in a multicell environment [J].IEEE Trans. Wireless Commun， vol. 6， no. 1， pp. 69-73， Jan. 2007.

[22]B. L. Ng， J. S. Evans， and S. V. Hanly. Distributed downlink beamforming in cellular networks [C].in Proc. IEEE Int. Symp. Information Theory （ ISIT 2007）， Nice， France， Jun. 2007， pp. 6-10.

[23]A. Grant， S. Hanly， J. Evans， and R. Müller. Distributed decoding for Wyner cellular systems [C]. In Proc. Australian Communication Theory Workshop， Newcastle， Australia， Feb. 2004.

[24]O. Somekh， B. Zaidel， and S. Shamai （ Shitz）. Sum rate characterization of joint multiple cell-site processing [J].IEEE Trans. Inf. Theory，vol. 53， no. 12， pp. 4473-4497， Dec. 2007.

[25]P. Marsch and G. Fettweis. A framework for optimizing the uplink performance of distributed antenna systems under a constrained backhaul [C].in Proc. IEEE Int. Conf. Communications （ ICC 2007）， Glasgow， Scotland， Jun. 2007， pp. 975-979.

[26]P. Marsch and G. Fettweis. A framework for optimizing the downlink performance of distributed antenna systems under a constrained backhaul [C]. in Proc. Europ. Wireless Conf. （ EW 2007）， Paris， France， Apr. 2007.

[27]A. Sanderovich， O. Somekh， and S. Shamai （ Shitz）. Uplink macro-diversity with limited backhaul capacity [C].In Proc. IEEE Int. Symp. Information Theory （ ISIT 2007）， Nice， France， Jun. 2007， pp. 11-15.

[28]Amichai Sanderovich， Oren Somekh， H. Vincent Poor， Shlomo Shamai （ Shitz）， Uplink Macro Diversity of Limited Backhaul Cellular Network[J].IEEE Trans. Inform. Theory， vol. 55， no. 8， August 2009

[29]S. Shamai （ Shitz）， O. Simeone， O. Somekh， and H. V. Poor. Joint multi-cell processing for downlink with limited-capacity backhaul [C].in Proc. Information Theory and Applications Workshop， San Diego， CA， Jan. /Feb. 2008.

[30]A. del Coso and S. Simoens. Distributed compression for the uplink of a backhaul-constrained coordinated cellular network[J].Submitted [arXiv： 0802.0776v1].

[31]S. Kiani， G. Oien， and D. Gesbert. Maximizing multicell capacity using distributed power allocation and scheduling[C].in Proc. IEEE Wireless Communications and Networking Conf. （ WCNC）， Hong Kong， China， Mar. 2007， pp. 1690-1694.

[32]O. Simeone， O. Somekh， H. V. Poor and S. Shamai （Shitz）. Local Base Station Cooperation Via Finite-Capacity Links for the Uplink of Linear Cellular Networks[J].IEEE Trans. Inform. Theory， VOL.55， NO. 1， JANUARY 2009.

[33]D. Gesbert， S. G. Kiani， A. Gjendemsjo， G. E. Oien. Adaptation， coordination， and distributed resource allocation in interference-limited wireless networks [C]. Proceedings of the IEEE， vol. 95， no. 12， pp. 2393-2409， Dec. 2007.

[34]E. Altman， T. Boulogne， R. El-Azouzi， T. Jimenez， and L. Wynter. BA survey on networking games in telecommunication[J].Comput. Oper. Res.， vol. 33， pp. 286-311，F(xiàn)eb. 2006.

[35]D. Fudenberg and J. Tirole. Game Theory[M]. Cambridge， MA： MIT Press， 1991.

[36]D. Gesbert and M. Kountouris. Resource allocation in multicell wireless networks： Some capacity scaling laws， Modeling and Optimization in Mobile[C].Ad Hoc and Wireless Networks and Workshops， WiOpt 2007.

[37]S. G. Kiani， G. E. ？ien， and D. Gesbert. Maximizing multi-cell capacity using distributed power allocation and scheduling[C].In Proc. IEEE Wireless Communications and Networking Conference （ WCNC'07）， Hong Kong， China， March 2007.

[38]Ronald Y. Chang， Zhifeng Tao， Jinyun Zhang， C.-C. Jay Kuo. Multicell OFDMA Downlink Resource Allocation Using a Graphic Framework [J].IEEE Trans. Inform. Theory， vol. 58， NO. 7， September 2009.

[39]Osvaldo Simeone，Oren Somekh， H. Vincent Poor， and Shlomo Shamai （ Shitz）. Local Base Station Cooperation Via Finite-Capacity Links for the Uplink of Linear Cellular Networks [J].IEEE Trans. Inform. Theory， vol. 55， no. 1， January 2009.

[40]Agisilaos Papadogiannis， David Gesbert and Eric Hardouin. A Dynamic Clustering Approach in Wireless Networks with Multi-Cell Cooperative Processing[C]. In Proc. IEEE Int. Conf. Communications （ ICC 2008）， Beijing ， China， Jun. 2008， vol. 13， pp.4033-4037.

[41]Emre Aktas， Jamie Evans， and Stephen Hanly. Distributed Decoding in a Cellular Multiple-Access Channel[J].IEEE Transactions on Wireless Communications ，vol.7，NO.1，January 2008.