田 輝 王 聰 馬文峰 朱 熠 陳裕田

(陸軍工程大學野戰(zhàn)工程學院 南京 210007)

1 引言

在5G網絡中，需要支持海量的低速率機器類型通信(Machine-Type Communication,MTC)設備以及傳統(tǒng)的人類型通信(Human-Type Communications,HTC)用戶[1]。作為5G通信系統(tǒng)關鍵技術之一的小蜂窩基站技術，通過在現有的單層蜂窩小區(qū)中疊加一些低成本、低功耗的接入點，達到提升網絡容量的目標[2,3]。在這種多個蜂窩小區(qū)共存的超密集網絡中，多基站之間如何進行用戶分配，達到負載均衡和用戶服務質量(Quality of Service,QoS)保障是一個需要解決的重要問題[3—11]。目前，研究這方面的文獻[3—7]主要考慮下行鏈路中的用戶分配問題。但是機器到機器(Machine-to-Machine,M2M)通信中的業(yè)務主要集中在上行傳輸。然而上行用戶分配與傳統(tǒng)人與人(Human-to-Human,H2H)通信下行用戶分配存在比較大的差異。一方面，下行用戶分配問題主要考慮如何有效地將宏蜂窩的負載分流到小蜂窩中，提高網絡的資源利用率。然而在上行通信中，由于小蜂窩部署得多，所以用戶往往優(yōu)先選擇小蜂窩基站接入。在上行用戶分配問題中，需要考慮為小蜂窩基站負載分流。另一方面，與宏蜂窩基站不同，小蜂窩基站的資源受限(如覆蓋范圍小和服務用戶數少)，這也會對用戶分配問題造成比較大的影響。由于存在以上兩方面的差異，所以下行用戶分配策略不能用于解決上行用戶分配問題。

目前也有很多學者設計一些上行用戶分配策略，如基于大學招生博弈的上行用戶分配策略[8]以及聯(lián)合上下行用戶分配策略[9,10]等。然而這些策略沒有考慮M2M通信中海量用戶接入的特點，所以不能夠用于解決共存場景中的用戶分配問題。此外，能效也是用戶分配問題中的一個重要研究方向。在用戶分配的能效問題研究中，由于基站的能耗過大，所以大部分學者，如文獻[10]研究如何設計用戶分配策略來有效地降低基站的能耗。但是在M2M通信中，MTC設備側的能耗則是關注的重點。因此，如文獻[10]所提能量有效的用戶分配策略不能直接用于解決共存場景下能量有效的用戶分配問題。

針對異構蜂窩網絡中H2H和M2M業(yè)務共存場景下有QoS保障和負載均衡的上行用戶分配問題，本文提出一種基于匹配理論的上行用戶分配算法，在用戶分配過程中設計兩種接入控制策略：針對HTC用戶的非競爭接入控制策略和針對MTC設備的基于接入限制的競爭隨機接入控制策略，實現兩類節(jié)點QoS保障、網絡負載均衡以及最大化節(jié)點能效；同時，還分析算法的收斂性和復雜度。仿真結果表明，提出的算法能夠獲得與窮舉搜索法相同的性能。此外，該算法在網絡能效、負載均衡以及QoS保障方面都優(yōu)于現有對比算法。

本文結構安排如下：第2節(jié)給出系統(tǒng)模型以及接入控制協(xié)議；第3節(jié)對用戶分配問題進行建模分析；第4節(jié)提出一種用戶分配算法；第5節(jié)通過仿真結果對所提用戶分配算法的性能進行評估；第6節(jié)給出本文的結論。

2 系統(tǒng)模型

2.1 網絡模型

考慮一個由N個基站和M個節(jié)點構成的異構蜂窩網絡，其中，N個基站包括宏基站、皮基站和飛基站這3種類型。M個節(jié)點包括H個HTC用戶和D個MTC設備。設N,M,H和D分別表示所有基站、所有節(jié)點、所有HTC用戶和所有MTC設備的集合。分別表示歸屬于基站j的節(jié)點、HTC用戶和MTC設備的集合。本文主要考慮異構蜂窩網絡中節(jié)點到基站的上行鏈路。

同時，考慮這個異構蜂窩網絡采用正交頻分多址接入(Orthogonal Frequency Division Multiple Access,OFDMA)技術，所以網絡資源為時間-頻率2維資源。在這種網絡中，業(yè)務資源分配最小單元結構為一個正交資源塊(Resource Block,RB)。假設基站j所擁有的Lj個資源塊構成的集合表示為。假設節(jié)點與基站之間的信道模型服從慢衰落和平坦衰落。所以，信道的相關時間和相干帶寬分別大于一個資源塊在時域和頻域間隔大小。同時，還假設在基站處采用了一些干擾消除的方法，如上行協(xié)同調度的多用戶多入多出(Multi-User Multiple Input Multiple Output,MU-MIMO)技術[11]，來自相鄰小區(qū)的干擾可以忽略不計。需要說明的一點是，由于用戶的發(fā)射功率較小，且基站的處理能力很強，因此假設完全消除相鄰小區(qū)的干擾是具有一定可行性的。

本文考慮在上行傳輸中采用單載波頻分多址接入(Single Carrier Frequency Division Multiple Access,SC-FDMA)。在SC-FDMA傳輸過程中，由于每一個數據符號都擴展到整個分配帶寬上，所以在分配給該節(jié)點帶寬上的信道增益可認為各個子信道帶寬的均值。假設基站j給節(jié)點i分配了nkj個資源塊，節(jié)點i 到基站j 的最大傳輸速率為rij=。其中，Δf表示每個資源塊的帶寬，表示基站j分配給節(jié)點i的所有資源塊上平均接收信噪比(Signal-Noise Ratio,SNR)，其計算公式為表示基站j在第l個資源塊上，接收到節(jié)點 發(fā)送信號的SNR，可以計算為。其中，Pi表示節(jié)點i在每一個資源塊上的發(fā)射功率，Gij表示從節(jié)點i到基站j之間鏈路的大尺度衰落影響，包括路徑損耗、對數正態(tài)陰影衰落以及天線增益等，hij表示小尺度衰落下的信道增益，N0表示加性高斯白噪聲功率。

2.2 混合接入控制協(xié)議

在H2H和M2M業(yè)務共存場景中，為了保證H2H通信性能不受M2M通信的影響，本文假設HTC用戶具有高優(yōu)先級接入網絡，根據其QoS需求分配無線資源。在H2H通信中，HTC用戶采用一種非競爭接入控制協(xié)議，在基站分配的無線資源上傳輸業(yè)務。

為了降低實現復雜度，本文只是考慮保證HTC用戶的傳輸速率需求。由于節(jié)點與基站間瞬時傳輸速度會隨著信道的波動而變化。如果要保證瞬時傳輸速率大于某個門限值，那么基站需要根據當前信道狀態(tài)來實時調整資源分配策略。然而在實際中存在反饋延遲和估計誤差，通過動態(tài)調整資源分配策略來保證HTC用戶的傳輸速率需求實現難度較大。所以，本文考慮保證HTC用戶與基站間的長期傳輸速率[6]大于所需的速率門限值。在這種策略中，基站只需要周期性估計HTC用戶與其之間信道的大尺度衰落影響，然后再判斷是否需要調整資源分配方案。所以基站調整資源分配方案的頻率比較低，可實現性大。

假設HTC用戶k(?k∈H)歸屬于基站j(?j∈N)。那么基站j接收到HTC用戶k發(fā)送信號的長期SNR可表示為。假設基站j給HTC用戶k分配了nkj個資源塊。因此，HTC用戶k到基站j 的長期傳輸速率記為，可表示為=。

注意長期SNR、容量和速率并不是瞬時SNR、容量和速率的統(tǒng)計平均值。瞬時SNR、容量和速率的統(tǒng)計平均值通過SNR、容量和速率在信道增益的概率分布上積分所獲得。盡管從信息論角度看參數的長期值并不是其均值，但是二者卻保持相同的趨勢。此外，在實際中，參數的長期值更容易獲得。

考慮保證每個HTC用戶的長期傳輸速率大于其所需的最小傳輸速率，即門限值。設HTC用戶k的最小傳輸速率為。那么，當HTC用戶k歸屬于基站j后，所需要的最少資源塊數量為：，其中，為向上取整函數。那么，HTC用戶k到基站j的瞬時傳輸速率為。

在M2M通信中，MTC設備也考慮采用競爭隨機接入方式，將接入限制(Access Class Barring,ACB)機制[12]與競爭隨機接入相結合，來保證不同類型MTC設備的QoS需求。在ACB機制中，每個基站都會廣播一個接入參數p，稱為ACB因子，然后每個設備產生一個隨機數q。當q ＜ p時，設備可以接入基站。否則設備按照基站設定的回退參數，確定下一次發(fā)起接入的時間。與傳統(tǒng)的ACB機制不同，本文考慮每個基站向MTC設備廣播一組ACB因子Uj,?j∈N，其中Uj包含針對不同類型的MTC設備的QoS需求的多個ACB因子，如對于實時性要求高的MTC設備，其ACB因子大，對于那些容延遲類的MTC設備，其ACB因子小。在接收到Uj后，MTC設備根據節(jié)點的類型確定自己的ACB因子udj。此外，為了簡化接入控制協(xié)議，本文沒有考慮ACB機制和競爭隨機接入過程失敗后的退避機制。

3 上行用戶分配問題

用戶分配問題本質就是確定每個基站所服務節(jié)點集合，來實現某個指標最大化。因此本文的上行用戶分配問題是以最大化網絡整體能效為目標，確定每個基站所服務的節(jié)點集合Bj,?j∈M，實現兩類節(jié)點QoS保障和網絡負載均衡。這里將用戶分配問題的一個解定義為所有節(jié)點集合的一個分割Ω={B1,B2,...,BN}。由于一個用戶只能歸屬于一個基站，所以在一個分割中任意兩個集合的交集為空，即Bf ∩Bg=?,?f,g∈N。且一個分割中所有集合的并集為全部節(jié)點，即。此外，對于一個分割中的任意一個集合Bj(?j∈N)都可拆分成由所有HTC用戶和MTC設備構成的兩個子集，即。為了從數學上描述這個問題，首先對節(jié)點的能效和網絡的整體能效進行定義。

本文將節(jié)點的能效定義為單位焦耳所能傳輸的最大比特數，單位為bit/J。在考慮了非競爭接入控制協(xié)議后，HTC用戶k的能效，記為，等于該用戶到基站j的瞬時傳輸速率除以該用戶的發(fā)送功率，即

在考慮了基于ACB的競爭隨機接入控制協(xié)議后，MTC設備d的能效，記為，等于該設備到基站j最大傳輸速率的期望除以發(fā)射功率，即

當給定一個分割Ω={B1,B2,...,BN}后，基站j(?j∈N)的能效可表示為

因此，上行用戶分配問題可表述為

其中，約束(1)表示HTC用戶的傳輸速率限制，約束(2)表示任意一個節(jié)點只能分配給一個基站，約束(3)確保每一個節(jié)點都會有歸屬的基站。

求解該問題的一個常用方法是窮舉搜索法，但是該方法的計算復雜度隨著節(jié)點的增加呈指數增長，即為一個NP-hard問題。因此，本文將優(yōu)化問題式(5)拆分成兩個子問題：有速率保證和負載均衡的HTC用戶分配子問題和有負載均衡的MTC設備分配問題。定義這兩個子問題的解分別為分割∪ΩMTC=?。下面分別討論這兩個子問題。

3.1 有速率保證和負載均衡的HTC用戶分配

有速率保證和負載均衡的HTC用戶分配子問題的目標是通過確定HTC 用戶的分割ΩHTC=，在保證HTC用戶的傳輸速率需求的前提下，最大化所有HTC用戶的能效，以及在多基站間均衡HTC用戶。因此，有速率保證的HTC用戶分配子問題可表示為

其中，約束(1)表示HTC用戶的傳輸速率限制，約束(2)表示分割中兩個集合的交集為空集，約束(3)表示分割中所有集合的并集為整個HTC用戶集合。

在HTC用戶分配過程中，為了避免基站出現過載現象以及某一個基站將所有資源分配給HTC用戶，每個基站設定能夠用于服務HTC用戶的最大資源塊數目，即為。每個基站可設置不同的，在保證HTC用戶傳輸速率需求的同時，實現HTC用戶在多基站間的均衡，以及MTC設備的性能保障。而每個基站如何設置不在本文的討論范圍。

此外，有速率保證的HTC用戶分配子問題可視為一個多對一的匹配問題，即HTC用戶根據自己的偏好申請選擇接入的基站，而基站也根據自己的偏好選擇接收哪些用戶。為了求解這個匹配問題，首先需要定義偏好關系，利用該關系，HTC用戶和基站能夠對彼此進行逐一排序。

首先，將HTC用戶k∈K在所有基站集合N上的偏好關系定義為?k，對于任意兩個基站a,b∈N,a/=b，都有

3.2 有負載均衡的MTC設備分配

在第2個子問題中，根據HTC用戶的分配結果ΩMTC，各個基站確定MTC設備分配方案，即MTC設備分割，達到最大化所有MTC設備能效的目的。因此，有負載均衡的MTC設備分配子問題可表示為

其中，約束(1)表示分割中兩個集合的交集為空集，約束(2)表示分割中所有集合的并集為整個MTC設備集合。

從式(2)可知，MTC設備的能效與接入沖突概率和ACB因子有關。在MTC設備分配階段，MTC設備會傾向被分配到接入沖突概率低，且ACB因子高的基站，來保證能效的最大化。因此，第2個子問題以最大化能效為目標進行MTC設備分配，就等于實現網絡負載均衡和MTC設備的QoS保障。

4 有QoS保障和負載均衡的兩階段能量有效用戶分配算法

4.1 算法描述

在第3節(jié)中，上行用戶分配優(yōu)化問題式(5)被拆分兩個子問題式(6)和式(10)。因此本節(jié)將提出一種有QoS保障和負載均衡的能量有效用戶分配(Energy Efficient User Association for QoS guarantees and Load balance,EEUAQL)算法，來求解兩個子問題。下面依順序介紹EEUAQL算法的兩個過程。

在有速率保證和負載均衡的HTC用戶分配子問題中，受到文獻[13]提出的延期接收(deferred acceptance)方法的啟發(fā)，本節(jié)設計一個基于偏好的分布式迭代準入(Preference-based Distributed Iterative Admission,PDIA)子算法來獲得第1個子問題的解，即HTC用戶的分割ΩHTC。PDIA子算法的詳細過程如表1的階段1所示。對于HTC用戶，他們可以選擇最能夠保證速率需求的基站。對于基站，利用偏好列表，它們可以用更少的資源塊來保證HTC用戶的傳輸速率需求。此外，PDIA子算法在保證HTC用戶的傳輸速率需求的前提下，通過設置每個基站最大服務數目，實現多基站間HTC用戶均衡，從而有效地避免基站出現超載以及預留給MTC設備的資源過少的問題。

表1 有QoS保障和負載均衡的能量有效用戶分配(EEUAQL)算法

考慮到MTC設備數量多、處理能力低且功耗要求低的特點，所設計的MTC設備分配算法最好能夠降低設備與基站間的數據交互次數，利用基站和用戶之間有限的信息，獲得MTC設備的分配結果。因此，針對有負載均衡的MTC設備分配問題，本文設計一種最大化能效的轉移(Transfer for Energy Efficiency Maximization,TEEM)子算法，以基站為執(zhí)行主導，在利用MTC設備與基站間的有限反饋信息，通過MTC設備在多基站間的轉移，求解該優(yōu)化問題。算法的主要思想如下。

首先，MTC設備也向離自己最近的基站申請接入。假設每個基站都接收所有申請。所以這時可以得到MTC 設備的一個初始分割。由于所有MTC設備按照距離接入基站，所以容易造成有些基站的MTC設備數目過多或過少。因此，基站間有動力通過轉移MTC設備均衡網絡負載，來增加全網整體能效。然而并不是所有MTC設備轉移都能帶來全網的整體能效增加，所以需要定義基站間的MTC設備轉移規(guī)則，避免不必要的轉移。當滿足以下轉移條件時，MTC設備d從基站a轉移到基站b

其中，轉移條件式(11a)表明轉移后能夠保證用戶的能效增加。轉移條件式(11b)表明轉移能夠增加兩個基站的能效，會使得全網整體能效增加。在MTC設備分割和HTC用戶的分割的基礎上，每次迭代中，基站之間進行滿足條件式(11a)和式(11b)的MTC設備轉移，來最大化全網整體能效。當基站間停止轉移MTC設備時，即可得到第2個子問題的解TEEM子算法的詳細過程請參見表1的階段2。

TEEM子算法在執(zhí)行過程中，同時考慮了用戶能效和全網的整體能效增加。在算法的執(zhí)行初期，通過MTC設備向基站發(fā)送申請，基站獲得用戶的信息。然后利用該信息，基站間進行協(xié)商和計算，最終獲得MTC設備的分配方案。由于在該子算法的整個執(zhí)行過程中MTC設備只需與基站交互一次信息，所以算法實現難度小，適合大規(guī)模MTC設備場景中的用戶分配問題。

4.2 算法的收斂性和復雜度分析

通過下面的定理分析算法的收斂性。

定理1當所有基站的資源大于所有HTC用戶所需資源時，EEUAQL算法能夠收斂到一個分割Ωf inal。

證明首先證明PDIA子算法的收斂性。當所有基站的資源大于所有HTC用戶所需資源時，即基站有充足的資源保障HTC用戶的傳輸速率需求，所用HTC用戶都可以被基站所接收。因此，PDIA子算法在這個條件下，一定能夠收斂到一個分割。

下面來分析TEEM子算法的收斂性。TEEM子算法在每一執(zhí)行轉移時，都會可得一個新的分割。同時，根據轉移條件式(11b)可知，每次轉移都在增加整體能效。因此TEEM子算法的轉移過程可以看成一個全網整體能效單調遞增的MTC設備分割前進路徑，即...。注意在前進路徑中的兩個相鄰分割只有一個MTC設備發(fā)生轉移。又因為MTC設備的分割總數是有限的，等于貝爾數(Bell number)[14]，所以全網的整體能效一定存在上限。因此，TEEM子算法的轉移過程一定能夠收斂到一個最終的MTC設備分割。

下面分析EEUAQL算法復雜度，其中，主要分析算法執(zhí)行過程中的計算次數和發(fā)送消息數量這兩個指標。首先分析PDIA子算法。本節(jié)主要分析在最差情況下PDIA子算法的最大迭代次數和所有HTC用戶發(fā)送消息的最大值。由定理1可知，當網絡資源不足時，PDIA子算法無法收斂。因此，這里只考慮基站處的資源塊數量多于所有HTC用戶所需數量。在每一次迭代中，每一個沒有被基站接收的HTC用戶向其可選的偏好程度最高基站(去除被拒絕過的基站)發(fā)送接入申請和傳輸速率需求。每一個接收到申請的基站計算偏好列表和最大服務用戶數。如果所有HTC用戶具有相同選擇基站的偏好順序，且對于偏好順序中前M—1個基站，每一個基站的最大服務用戶數目為1，最后一個基站的最大服務用戶數目等于H，這時PDIA子算法所需的迭代次數和HTC用戶與基站間的數據交互信息都是最多的。在經過T次迭代后，還沒有被基站所接收的HTC用戶數為H—T。由于基站有足夠的資源，當所有HTC用戶被基站所接收時，迭代次數達到最大值，記為Tmax。此時，H-Tmax=0。因此，迭代計算復雜度為O(H)。再者，所有HTC用戶發(fā)送消息數量的最大值，記為S Emax，可表示為

然后分析TEEM子算法的復雜度。在TEEM子算法執(zhí)行過程中，每個MTC設備只需要向基站發(fā)送一次消息。在每次迭代中，所有基站都要兩兩進行MTC設備轉移判斷，計算出這兩個基站的MTC設備哪個符合轉移條件式 (11a)和式(11b)，因此每次迭代總共需要計算DN次。假設TEEM子算法經過W次迭代后收斂，那么這個過程中的計算復雜度為O(WDN)，發(fā)送的總消息數目為O(D)。

5 仿真結果分析

本節(jié)通過數值仿真結果評估所提算法的性能。仿真中，考慮在一個1000 m×1000 m的方形區(qū)域中存在宏基站、皮基站和飛基站3種類型基站。皮基站和飛基站的數目分別表示為Npico和Nfemto，而宏基站、皮基站和飛基站可用的資源塊數目分別表示為R Bmacro,R Bpico和 R Bfemto。在下面的仿真中考慮5種MTC設備類型，每個基站對于這5類設備的ACB因子設置為Uj={0.1,0.3,0.5,0.7,1}(?j∈N)，且在每個基站中的5類MTC設備數量相等。每個基站分配預留給HTC用戶的資源比例為50%，即每個基站用于服務HTC用戶和MTC設備的資源各占1/2。HTC用戶和MTC設備的發(fā)送總功率分別設置為23 dBm和18 dBm。本節(jié)所有仿真結果都是通過MATLAB仿真軟件采用蒙特卡羅仿真方法所獲得的。仿真中的每一個HTC用戶的最小傳輸速率設定為2 Mbps。

圖1—圖4中的術語含義如下：基于負載均衡的用戶分配(User Association for Load Balance,UALB)算法表示文獻[5]中所提的用戶分配算法；基于大學招生博弈用戶分配(User Association based on College Admission Game,UACAG)表示文獻[8]中所提適用于上行傳輸的用戶分配算法；Max SNR算法表示文獻[15]中所提的基于接收SNR的用戶分配算法，即每個節(jié)點都會分配到具有最大接收SNR的基站；隨機分配(Random Allocation,RA)算法表示隨機用戶分配算法，即每個節(jié)點會隨機分配到某個基站；平均分配(Average ALlocation,AAL)表示平均用戶分配算法，即每個基站分配的用戶數目相同。

圖1 EEUAQL算法的收斂速度曲線圖

圖2 HTC用戶平均傳輸速率隨MTC設備數目變化曲線圖

圖3 整體能效隨基站的資源塊數目變化曲線圖

圖4 不同算法的Jain公平指數對比柱狀圖

圖1描述了節(jié)點數目對EEUQAL算法收斂性能的影響。其中，圖1(a)給出了PDIA子算法的收斂性。從圖1(a)可看出，PDIA子算法的收斂速度很快(當HTC用戶數目為100時，算法收斂的平均迭代次數不超過4次)。同時，PDIA子算法收斂所需要的平均迭代次數隨著HTC用戶數量的增加而增加。但是，增加基站數量卻能夠降低算法的平均迭代次數。這是因為在增加基站數量后網絡可用的資源也會迅速地提升，每次迭代中被基站拒絕的用戶數變少了，所以完成接收相同數量的HTC用戶所需的平均迭代次數會降低。圖1(b)描述了TEEM子算法的收斂性能曲線圖。圖1(b)顯示，TEEM子算法收斂的平均迭代次數不會隨著MTC設備數增加而改變。這是由于TEEM子算法主要是在基站間迭代計算，算法的收斂速度與MTC設備的數目無關。并且TEEM子算法的收斂速度對基站數目的變化也不敏感。因此，TEEM子算法非常適用于解決大規(guī)模MTC設備場景下的用戶分配問題，且收斂速度較快。

圖2描述MTC設備數目對HTC用戶平均傳輸速率的影響。其中，該仿真圖中的參數設置如下：K=100,Npico=4,Nfemto=10,R Bmacro=150,RBpico=100 和RBfemto=50。從圖2可知，EEUQAL算法能夠滿足HTC用戶的最小傳輸速率需求。同時，在本文所提的EEUQAL算法中，HTC用戶的平均傳輸速率不會受到MTC設備變化的影響。而對于UACAG,UALB,Max SNR,AAL以及RA算法，由于采用競爭接入協(xié)議，HTC用戶的平均傳輸速率會隨著MTC設備數目的增加而降低。這一結果也驗證了本文所提非競爭接入協(xié)議是保證HTC用戶傳輸速率需求的一種有效的方法。由于考慮基站間的負載均衡，UACAG和UALB算法在HTC用戶的平均傳輸速率方面要優(yōu)于Max SNR,AAL以及RA算法。

圖3描述了基站的資源塊數目對整體能效的影響。其中，該仿真圖中的參數設置如下：K=5,D=10,Npico=1 和Nfemto=1。在該仿真中，假設所有基站都具有相同的資源塊數目 RBnum，即RBmacro=RBpico=RBfemto=RBnum。如圖3所示，EEUQAL算法能獲得與ES算法相同的性能，而且明顯要優(yōu)于UACAG,UALB和Max SNR算法的性能。而且隨著基站的資源塊數目增加(成功接入概率增加)，這3種算法與EEUQAL算法之間的性能差距會越來越大。由于考慮了上行用戶分配的特點，UACAG算法的性能要優(yōu)于UALB算法。從圖3可知，在每個基站的資源相對充足的情況下，選擇信道質量好的飛基站接入能夠獲得更好的能效，所以Max SNR算法獲得的全網整體能效要高于UALB算法。

圖4利用Jain公平指數[16](Fairness Index,FI)描述了不同算法的公平性。該仿真圖中的參數設置如下：K=10,D=1000,R Bmacro=150,RBpico=100 和RBfemto=50。Jain公平指數FI可表示為FI=。指數F I的值越接近1，每個基站的能效值越接近，公平性越好。這就意味著分配結果的負載均衡性能越好。圖4表明，本文所提算法的公平性能最好(公平指數接近1)。這是因為EEUAQL算法在分配節(jié)點時會考慮每個基站當前的服務能力，不會在某些基站出現過載現象。當基站數目較少時(如N=5)，由于Max SNR和UALB算法會導致資源較少的飛基站服務過多的節(jié)點，這就會導致飛基站的能效性能降低，所以這兩種算法的公平性能要劣于EEUAQL,UACAG和RA算法。但是隨著基站數的增加，每個飛基站所服務的節(jié)點數減少，所以Max SNR和UALB算法的公平性也在不斷地提升。

6 結論

本文研究H2H和M2M業(yè)務共存下有QoS保障和負載均衡的用戶分配問題。考慮到H2H通信的高優(yōu)先級，HTC用戶采用非競爭的接入控制策略來保證其傳輸速率需求。而MTC設備采用基于接入限制的競爭隨機接入控制策略以保證其QoS需求和網絡負載均衡。在考慮兩種接入控制策略對能效的影響后，將最大化節(jié)點能效的用戶分配問題拆分成兩個子問題，在最大全網能效的同時，實現HTC用戶和MTC設備的QoS保障以及多基站間的負載均衡；為求解這兩個優(yōu)化問題，提出一種有QoS保障和負載均衡的兩階段能量有效用戶分配算法，即EEUAQL算法，并分析了該算法的收斂性和復雜度。仿真結果表明，提出的EEUAQL算法能夠同時保證HTC用戶和MTC設備的QoS需求，并且獲得最好的公平性。同時，與其他算法相比，EEUAQL算法能夠利用有限的資源服務更多節(jié)點。這就表明EEUAQL算法能夠適用于解決大規(guī)模節(jié)點場景中有QoS保障的用戶分配問題。