王 剛, 于銀輝, 楊 瑩

(1. 長春財經(jīng)學(xué)院 信息工程學(xué)院, 長春 130122； 2. 吉林大學(xué) 通信工程學(xué)院, 長春 130012)

超密集組網(wǎng)技術(shù)(ultra-dense network, UDN)通過在網(wǎng)絡(luò)中的熱點區(qū)域或邊緣區(qū)域密集部署家庭基站(femtocell base station, FBS), 拉近用戶與服務(wù)節(jié)點間的距離[1], 從而實現(xiàn)網(wǎng)絡(luò)頻譜效率、 系統(tǒng)容量等的提升, 并降低傳輸時延. 超密集網(wǎng)絡(luò)具有盲區(qū)覆蓋能力強(qiáng)、 配置靈活、 部署成本低等優(yōu)點, 性能遠(yuǎn)超傳統(tǒng)蜂窩網(wǎng)絡(luò)[2].

超密集組網(wǎng)方式雖然可增加系統(tǒng)容量, 但如何合理分布小基站的問題較難. UDN中的干擾問題尤為嚴(yán)重, 為解決該問題, 許多研究者對大干擾管理與資源分配(resource allocation, RA)進(jìn)行深入研究[3-4]. 文獻(xiàn)[5-6]提出了采用描繪干擾圖, 通過Maxk-cut算法使網(wǎng)關(guān)知悉最小干擾簇, 再使用啟發(fā)算法分配資源塊給簇的集中式聚類RA技術(shù)； 文獻(xiàn)[7]提出了基于地理位置將網(wǎng)關(guān)與家庭基站進(jìn)行分簇, 簇頭選取干擾度最大的家庭基站, 通過簇頭進(jìn)行資源分配, 最后采用次梯度迭代算法優(yōu)化資源分配方案； 文獻(xiàn)[8]采用一種改進(jìn)的k-means算法對FBS分簇, 再使用貪婪算法將可用資源分配給FBS. 除上述研究外, 還有學(xué)者研究了分布式RA方案, 即FBS創(chuàng)建集群時網(wǎng)關(guān)(gateway, GW)不協(xié)同參與. 文獻(xiàn)[9]提出了一種基于圖論的資源分配方案, 在建立無干擾的FBS集群后基于用戶平均需求對用戶進(jìn)行資源分配, 但該技術(shù)在UDN中需要的執(zhí)行時間更長, 并未考慮用戶的真實需求與平均需求的差異, 因此基于平均需求進(jìn)行資源分配可能不滿足用戶的真實需求, 從而降低了用戶滿意度; 文獻(xiàn)[10-11]提出了一種基于QoS的毫微微小區(qū)分簇資源分配算法(QFCRA), 該算法首先建立每個家庭基站的鄰近微小小區(qū)列表, 并發(fā)送給微小小區(qū), 可得到其與鄰近小基站的干擾程度, 將干擾程度最大的FBS作為簇頭, 由簇頭為簇內(nèi)的家庭基站進(jìn)行資源分配; 文獻(xiàn)[12]提出了一種基于機(jī)器學(xué)習(xí)的方案(LECRA)解決QFCRA中存在的簇間干擾問題, 雖然該算法能有效處理簇間干擾, 但影響其主要性能的簇大小不是動態(tài)變化的.

本文針對超密集網(wǎng)絡(luò)中嚴(yán)重的同層干擾問題, 提出一種基于權(quán)衡條件的小區(qū)動態(tài)集群分配算法以及家庭基站網(wǎng)絡(luò)配置控制器(femtocell-network provisioning controller, F-NPC)與集群服務(wù)基站(femtocell-serving base station, F-SBS)協(xié)作基于干擾圖著色的資源分配算法. 首先, 采用Voronoi模型進(jìn)行超密集網(wǎng)絡(luò)系統(tǒng)建模, 采用權(quán)衡條件對小區(qū)進(jìn)行動態(tài)集群分配確定各F-SBS; 其次, 根據(jù)集群分配結(jié)果構(gòu)建干擾加權(quán)無向圖, 將圖中的FBS劃分為3類, 采用不同著色方式進(jìn)行著色; 最后, 整合干擾圖著色結(jié)果, 完成資源塊分配. 實驗結(jié)果表明, 本文算法能有效提高網(wǎng)絡(luò)的頻譜效率、 降低同層干擾, 并有效提高系統(tǒng)吞吐量.

1 系統(tǒng)模型

采用三層異構(gòu)超密集網(wǎng)絡(luò)建模方式建立宏基站(macro base station, MBS)、 微基站(pico base station, PBS)和家庭基站[13]. 為模擬基站分布的隨機(jī)性, 用Voronoi模型建模, 利用其隨機(jī)性強(qiáng)且接近真實基站分布等特點, 能更貼近真實網(wǎng)絡(luò)部署[14].

(1)

(2)

其中B表示帶寬.

本文通過設(shè)計合理的資源分配算法為家庭基站合理分配資源, 從而降低干擾、 提高吞吐量, 最大化傳輸速率約束條件為

(3)

圖1 超密集網(wǎng)絡(luò)三層建模仿真結(jié)果Fig.1 Simulation results of three-layer modeling of ultra-dense network

2 基于權(quán)衡條件的小區(qū)動態(tài)集群分配算法

先基于權(quán)衡條件為家庭基站選擇適當(dāng)?shù)募哼M(jìn)行接入, 再根據(jù)網(wǎng)絡(luò)配置的動態(tài)變化更新集群中家庭基站的分配情況.該算法主要分為初始集群創(chuàng)建、 新FBS加入集群和動態(tài)集群更新三部分.

2.1 初始集群創(chuàng)建

首先, 將距離其他家庭基站間最近的家庭基站作為集群mn的F-SBS, 計算集群中各成員fi間的干擾和：

(4)

其中I(fi,fj)表示fi和fj間的干擾.

其次, 為每個家庭基站創(chuàng)建單跳鄰近節(jié)點集合N(fi,mn), 并計算成員單跳干擾度(single hop interference degree, S-ID)：

ID(fi,mn)=|N(fi,mn)|.

(5)

圖2 初始集群分配結(jié)果Fig.2 Initial cluster allocation result

最后, 根據(jù)上述參數(shù)F-SBS按ID(fi,mn)由大到小的順序創(chuàng)建優(yōu)先級列表.若S-ID相同, 再按照I(fi,mn)大小排序.優(yōu)先級最高的家庭基站作為F-SBS, 記作fs； 優(yōu)先級最低的家庭基站作為替補(bǔ)成員(substitute femtocell, SF), 記作f′.

為簡化研究, 本文僅考慮同層干擾的影響.集群初始分配如圖2所示, 其中藍(lán)色六角星表示F-SBS, 紅色六角星表示同一集群的其他家庭基站. 由圖2可見, 在半徑為100 m的宏基站覆蓋范圍內(nèi)部署40個家庭基站, 根據(jù)小區(qū)動態(tài)集群分配算法將40個家庭基站按初始分配條件劃分為8個集群, 并計算其優(yōu)先級情況.

2.2 新FBS加入集群

若有新家庭基站請求加入網(wǎng)絡(luò), 則首先應(yīng)創(chuàng)建fm鄰近節(jié)點列表Nfm, 分以下幾種情形討論.

1) 當(dāng)Nfm中無F-SBS時, 創(chuàng)建新集群mn, 將FBS作為F-SBS, 計算剩余可用容量(available capacity, AC)：

(6)

(7)

并給干擾和最高集群F-SBS發(fā)送first-join請求.

3) 若沒有集群有可用容量支持fm, 首次接入請求, 則fm向臨近節(jié)點列表中的F-SBS發(fā)送第二次接入請求獲得集群空閑容量：

(8)

I′(fm,mn)=I(fm,mn)-I(fm,f′).

(9)

4) 當(dāng)?shù)谝淮谓尤牒偷诙谓尤刖荒芡瓿蓵r,fm將作為F-SBS建立新的集群, 同情形1).

算法流程如圖3所示.

圖3 新FBS加入集群流程Fig.3 Flow chart of new FBS joining cluster

圖4 新FBS加入集群情形1)仿真結(jié)果Fig.4 Simulation results of new FBS joining cluster case 1)

圖4為新家庭基站要求加入集群的仿真結(jié)果, 其中集群中有集群剩余AC滿足家庭基站服務(wù)用戶需求和. 圖4(A)中新加入的家庭基站用綠色菱形塊表示, 圖4(B)為該基站接入并成為集群成員, 內(nèi)部動態(tài)更新, 其中黃色六角星表示本集群的SF.

圖5 新FBS加入集群情形2)仿真結(jié)果Fig.5 Simulation results of new FBS joining cluster case 2)

圖5為新家庭基站加入集群的仿真結(jié)果, 其中其鄰近節(jié)點列表并沒有其他集群的服務(wù)基站, 故需新創(chuàng)建集群并作為F-SBS, 新加入的家庭基站用綠色菱形塊表示.

圖6(A)為新家庭基站請求加入集群, 但鄰近集群沒有足夠可用容量支持首次接入, 然后進(jìn)行第二次接入請求的仿真結(jié)果, 其中將鄰近集群的替補(bǔ)集群成員作為該集群的成員, 原有替補(bǔ)成員作為新家庭基站進(jìn)行集群的選擇. 圖6(B)為該家庭基站第二次接入成功的仿真結(jié)果, 其中原集群替補(bǔ)集群成員成為新的FBS, 同時需重新選擇集群進(jìn)行加入, 用綠色星表示.

圖6 新FBS加入集群情形3)仿真結(jié)果Fig.6 Simulation results of new FBS joining cluster case 3)

2.3 集群動態(tài)更新

當(dāng)集群的配置變化時, F-SBS需重新計算所有成員的I(fi,mn)和ID(fi,mn), 獲取新數(shù)據(jù)后, 重新統(tǒng)計成員的優(yōu)先級列表, 使最高優(yōu)先級由干擾大的用戶獲得[16].集群的動態(tài)更新可使FBS及與之相對干擾和較大的家庭基站處在同一集群中, 并通過適當(dāng)?shù)木W(wǎng)絡(luò)配置降低集群間的干擾.因此, 本文提出的集群動態(tài)更新算法能有效提高信噪比, 使用戶獲得更好的服務(wù).

3 F-NPC與F-SBS協(xié)作基于干擾圖著色的資源分配算法

本文提出一種F-NPC與F-SBS協(xié)作的資源分配算法, 對于F-NPC可控制覆蓋范圍內(nèi)的家庭基站, F-NPC獲取F-SBS統(tǒng)計的集群配置并給F-SBS分配資源.

首先, 為獲取干擾加權(quán)無向圖G(V,E,Wv,We), 并設(shè)置通信標(biāo)識位Comflag, F-SBS獲取集群內(nèi)FBSs的實時通信, 若Comflag=1, 則該FBS為活躍FBS； 若Comflag=0, 則該FBS空閑. 其次, F-SBS觀察活躍FBS中剩余的FBS, 其鄰近節(jié)點列表中含有其他集群FBS的劃分為集群內(nèi)FBS(Intra-FBS), 其鄰近節(jié)點列表中不含有其他集群FBS的劃分為集群間FBS(Inter-FBS). 對于Intra-FBS, 由集群服務(wù)基站按集群內(nèi)的優(yōu)先級順序進(jìn)行干擾圖著色, 完成資源分配. 對于Inter-FBS, 由F-NPC與覆蓋范圍內(nèi)幾個集群的F-SBS協(xié)作, 通過F-SBS反饋Inter-FBS的信息, 為集群間FBS進(jìn)行著色. F-NPC與F-SBS協(xié)作下對集群間FBS著色的算法流程如圖7所示.

3.1 干擾加權(quán)無向圖生成

F-SBS構(gòu)建集群內(nèi)干擾加權(quán)無向圖G(V,E,Wv,We), 其中：V表示干擾圖的頂點集合, 頂點vm表示集群中FBSs；E為干擾邊集合,evmvm′表示家庭基站fm和fm′之間的干擾

(10)

圖7 F-NPC與F-SBS協(xié)作資源分配算法流程Fig.7 Flow chart of F-NPC and F-SBS cooperative resource allocation algorithm

Wv為頂點權(quán)重值, 表示該FBS服務(wù)用戶需求和:

(11)

We為邊的權(quán)重值, 表示該邊連接兩個FBS間的干擾和:

wvmvm′=I(fm,fm′),evmvm′∈E.

(12)

干擾加權(quán)無向圖G可能不是連通圖, 但其可由幾個連通圖構(gòu)成：

G={g1,g2,…,gp},

且滿足條件：

gp∩gp′=?, ?gp,gp′∈G,p≠p′.

(13)

每個FBS設(shè)置自己的通信標(biāo)識位Comflag. 若Comflag=0, 則表示無數(shù)據(jù)傳輸, 定義為空閑家庭基站, 著色為白色, 不參與資源分配； 若Comflag=1, 則存在數(shù)據(jù)傳輸, 定義為活躍家庭基站. F-SBS將集群內(nèi)活躍家庭基站分為Intra-FBS和Inter-FBS, 劃分標(biāo)準(zhǔn)為

(14)

若家庭基站為Intra-FBS, 則由集群F-SBS獨立完成干擾圖著色; 若家庭基站為Inter-FBS, 則需將該家庭基站相關(guān)信息發(fā)送給F-NPC進(jìn)行資源分配.

3.2 Intra-FBS著色算法

本文將資源塊以不同顏色建模, 并以吞吐量最大化為目的對不同集群內(nèi)的家庭基站進(jìn)行資源分配, 由網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)、 基站分布及用戶需求等因素調(diào)整集群中資源分配.

在干擾加權(quán)無向圖中將空閑家庭基站節(jié)點與Inter-FBS節(jié)點刪除, 創(chuàng)建Intra-FBS干擾圖G′={g1′,g2′,…,gp′}.用V′?V表示gp′中待著色I(xiàn)ntra-FBS的頂點集合, 構(gòu)建資源分配K×V維矩陣S, 其中S={smk|smk={0,1}}, 當(dāng)smk=1時表示將給家庭基站m分配第k個RB.將顏色集合定義為Cn.著色算法的關(guān)鍵步驟如下.

1) 選擇著色點： 優(yōu)先著色集合V′中具有最高優(yōu)先級的頂點m′, 用公式表示為

(15)

2) 對頂點進(jìn)行著色： 對選定的頂點依次按照Cn中的顏色進(jìn)行著色, 此時表示為該頂點家庭基站分配此顏色RB.

3) 計算圖G′中的顏色復(fù)用率(即資源利用率)：

(16)

根據(jù)矩陣S將著色信息上報給F-SBS, F-SBS再由著色信息指定每種顏色的RB范圍, Intra-FBSs基于此分配資源塊[17].G′中所有連通圖都以這種方式進(jìn)行著色和資源分配處理, 算法流程如圖8所示.

圖8 Intra-FBS著色算法流程Fig.8 Flow chart of Intra-FBS coloring algorithm

3.3 Inter-FBS著色算法

Inter-FBS著色算法步驟如下：

1) F-SBS統(tǒng)計集群間FBS所受干擾、 用戶需求和集群已用資源信息并發(fā)送給F-NPC；

2) F-NPC得到Inter-FBSs的信息, 生成干擾圖,G*={g1*,g2*,…,gp*}中每個連通圖gp*表示集群的連接及干擾情況；

3) F-NPC分別考慮每個連通圖gp*, 將已用顏色及存在集群間干擾頂點使用的顏色從Cn中刪除, 以優(yōu)先級為依據(jù)使用Cn中顏色著色再刪除; 完成著色后, 計算干擾圖G*的顏色復(fù)用率:

(17)

4) 將Inter-FBS與其干擾圖G*和G′合畫于同一圖中, 再計算顏色復(fù)用率Rr.

4 仿真結(jié)果及分析

本文基于3GGP長期演進(jìn)Femtocell網(wǎng)絡(luò)中的下行傳輸鏈路, 信道增益計算包括路徑損耗和陰影衰落. 仿真參數(shù)設(shè)置如下: 載波頻率為2 GHz(宏小區(qū)), 3 GHz(微小區(qū)), 3.5 GHz(小小區(qū)); 系統(tǒng)帶寬為5 MHz; 可用RB數(shù)為25; 每個RB的子載波數(shù)為12; 每個子載波的帶寬為15 kHz; 每個RB的帶寬為180 kHz; 路徑損耗指數(shù)為3; FBS發(fā)射功率13 dBm; FBS覆蓋半徑為30 m; 用戶與FBS間最小距離為2 m; 用戶所需RB數(shù)為1.4個; FBS數(shù)目為40個活躍FBS; 每個FBS服務(wù)用戶數(shù)為2; 加性高斯白噪聲(AWGN)功率為-174 dBm/Hz.

圖9 本文算法的集群分配結(jié)果Fig.9 Cluster allocation results of proposed algorithm

使用本文算法給出集群分配結(jié)果并獲得干擾無向圖. 考慮覆蓋半徑為100 m的宏基站, 在原有FBSs的基礎(chǔ)上, 再設(shè)立4個新FBSs, 即共散落分布44個FBSs. 使用本文算法得到的集群位置及分配結(jié)果如圖9所示, 其中紅色星號表示Intra-FBS, 黑色星號表示Inter-FBS. 將Intra-FBS和Inter-FBS 采用不同算法進(jìn)行染色, 觀察干擾無向圖可知Intra-FBS和Inter-FBS的相對位置如圖10所示, 其中紅色星號表示Intra-FBS, 黑色星號表示Inter-FBS, 黑色點表示集群的F-SBS.

將已染色的Intra-FBS和Inter-FBS畫在同一圖中得到干擾無向圖的染色結(jié)果如圖11所示, 其中不同顏色和不同形狀均表示不同的資源塊. 由圖11可見, 同一集群的FBS與存在集群間干擾的FBS均不會復(fù)用相同的RB資源. 但無干擾的家庭基站間可通過資源塊的復(fù)用提高頻譜資源利用率. 仿真結(jié)果表明, 本文算法不僅可有效降低干擾, 而且可提升頻譜資源的利用率.

圖10 集群間家庭基站(Inter-FBS)與集群內(nèi) 家庭基站(Intra-FBS)的相對位置Fig.10 Relative position of inter-cluster femtocell base station (Inter-FBS) and intra-cluster femtocell base station (Intra-FBS)

圖11 Inter-FBS和Intra-FBS染色整合結(jié)果Fig.11 Results of staining integration of Inter-FBS and Intra-FBS

下面對本文算法的干擾情況及吞吐量進(jìn)行仿真. 同層干擾情況如圖12所示, 其中紅色線表示本文算法的干擾情況, 藍(lán)色線表示Inter-FBS和Intra-FBS不分開進(jìn)行染色的干擾情況, 綠色線表示按照集群進(jìn)行染色的干擾情況. 由圖12可見, 本文算法明顯降低了系統(tǒng)干擾, 從而有效提高了通信質(zhì)量.

圖13為不同情形下的吞吐量對比結(jié)果. 由圖13可見, 本文提出的基于集群分配的干擾管理與資源分配算法不僅能提高系統(tǒng)的吞吐量, 且可通過圖著色算法進(jìn)行資源分配, 資源利用率用顏色利用率代替, 該方法能有效降低干擾, 提高資源利用率.

圖12 同層干擾情況對比結(jié)果Fig.12 Comparison results of same layer interference

圖13 不同情形下的吞吐量對比結(jié)果Fig.13 Throughput comparison results in different cases

綜上所述, 本文主要對UDN中如何進(jìn)行合理的集群分配以降低干擾, 以及如何進(jìn)行合理的資源分配提高頻譜資源利用率且不影響用戶的QoS進(jìn)行了研究, 提出了一種基于集群分配的干擾管理與資源分配算法. 采用Voronoi模型進(jìn)行系統(tǒng)建模, 實現(xiàn)FBS的動態(tài)集群分配和資源分配, 降低了同層干擾, 提高了頻譜利用率和系統(tǒng)吞吐量.