CN102802162A - 一种增强小区边缘用户性能的分布式干扰协调方法 - Google Patents

Abstract

一种增强小区边缘用户性能的分布式干扰协调方法，包括如下步骤：根据用户的宽带信干噪比划分边缘用户和中心用户；对于边缘用户，进一步划分为小区边缘用户和扇区边缘用户；在把边缘用户归类之后，在各扇区计算其内小区边缘用户的吞吐量指示矩阵；每个干扰协作集合的扇区间互相交换各自小区边缘用户的吞吐量指示矩阵，再由各扇区重新组成一个合并后的吞吐量指示矩阵；协作集合内的各扇区给小区边缘用户预分配好资源块之后，将余下的资源块用匈牙利方法分配给扇区内部用户，直到所有的资源块都分配完为止。本发明提出的资源预分配结合自适应功率控制方法使整体系统性能和边缘用户性能都有一定的提升，在实际中更具可行性。

Description

一种增强小区边缘用户性能的分布式干扰协调方法

技术领域：

本发明属于无线通信系统的小区间干扰协调方法设计，涉及一种小区间频谱高度复用情形下的站间和站内扇区间的干扰协调方法，该方法的资源预分配可在各基站处分布式实现。

背景技术：

由于各种新型业务的兴起，如电话视频会议、智能业务等，频谱资源成为一种紧缺资源，导致相邻的小区的频谱资源高密度复用，不可避免地会产生小区间干扰问题。对于那些小区或者扇区边缘用户，由于它们容易受到更大的路径衰落以及周围邻小区很强的同频干扰，因此这些用户相比那些离基站较近的用户来说速率会有很大的限制。改善边缘用户的性能在实际系统中有很重要的意义，较早时期提出的PFR（部分频率复用方法）是在不同小区的边缘使用正交的频段，在不同小区的内部使用的频段可以重合，这样可以提升小区边缘用户性能，但会造成频谱利用率低下。这种静态频率划分方法缺乏灵活性，且利用率低，近些年来有文献提出动态频率划分方法，但这种动态性对反馈的开销和实时控制要求较高，在实际中可行性较低。因此，一种更为可行的划分方法是在动态和静态资源分配之间折中的半静态资源分配方法。基站间干扰协调的模式，目前主要分为集中式和分布式两类。集中式模式需要一个集中处理单元，如3G中的RNC（无线网络控制中心），来集中处理来自相关基站的一些限制请求。分布式协调是基站和基站间互相交互信息，不用通过回程链路来交互信息。现在的网络都趋向于分布式协调处理方法。

综上所述，本发明致力于研究一种半静态的分布式干扰协调方法，在重负载的情况下结合自适应功率控制方法，以期在用户性能、系统开销和实时性传输之间获得一个较好的平衡。

现有技术解决最优资源分配问题多数先在自己扇区里先进行资源分配调度，然后基站再进行协调通信来解决小区间资源碰撞引起的干扰问题。本发明则开拓另一种思路，各基站先试探性地、通过协作来统一预分配边缘用户可使用的资源，然后各扇区内再进行资源的调度。这样每个基站均可预先获悉相邻干扰小区边缘的资源使用情况，在本小区调度用户的时候就可以采取相应的措施来尽量避免干扰，不必在发现干扰后再动态地协调，以降低对信令交互实时性的要求。所以本发明从用户性能、系统开销和实时性传输等方面出发，提出一种在不牺牲整体系统效率的前提下有效改善小区边缘用户性能的干扰协调方法，该方法可在各基站分布式地实现。

发明内容：

本发明提出的干扰协调方法的主要思路是：第一步，资源预分配；第二步，功率分配策略优化。第二步功率分配策略优化是在重负载的情况下实施的。资源预分配是在不同基站通过匈牙利迭代方法分布式完成的，其中不同基站的小区边缘用户间的干扰通过简单的资源分配而被消除。针对资源预分配后仍会发生某一基站中心用户对相邻基站边缘用户的干扰以及同基站内的扇区间干扰的问题，系统负载较轻时，可以采用禁止使用碰撞的资源块的方法解决，而重负载的情形则是通过功率分配优化策略来解决。

具体如下：

一种增强小区边缘用户性能的分布式干扰协调方法，包括如下步骤：

1)根据用户的宽带信干噪比划分边缘用户和中心用户；

2)对于边缘用户，进一步划分为小区边缘用户和扇区边缘用户；在把边缘用户归类之后，在各扇区计算其内小区边缘用户的吞吐量指示矩阵；

3)每个干扰协作集合的扇区间互相交换各自小区边缘用户的吞吐量指示矩阵，再由各扇区重新组成一个合并后的吞吐量指示矩阵；

4)协作集合内的各扇区给小区边缘用户预分配好资源块之后，将余下的资源块用匈牙利方法分配给扇区内部用户，直到所有的资源块都分配完为止。然后分别在碰撞资源块上运用固定抑制因子和自适应的功控方案以解决同频干扰问题。

5)解决同小区内的扇区间干扰。找出不同扇区的扇区边缘用户可能发生碰撞的资源块，然后在这个资源块上采用站内CoMP联合传输。

本发明的有益效果是：

本发明提出的方法在高负载情况下，提出的自适应功率控制方法使前5%频谱效率和总体系统频谱效率都得到了提升。

本发明提出的资源预分配结合自适应功率控制方法使整体系统性能和边缘用户性能都有一定的提升，在实际中更具可行性。

附图说明：

图1是系统模型图。

图2是不同方法的系统平均吞吐量CDF曲线对比。

图3将图2中的前5%用户性能放大对比。

具体实施方式：

下面结合附图对本发明做详细描述。

考虑如图1所示的7个小区，每个小区分成三个120度扇区，扇区间是全频复用的。每个扇区的用户为M，系统可用的子信道为N个。

选择小区0作为参考小区，如图1所示，彩色线条围成的区域表示干扰协作集合。红线、绿线和黄线围成的分别表示协作集合，记为：C1、C2、C3。每个扇区都会受到来自站内扇区和站问扇区的干扰，例如扇区1的边缘用户会受到除小区0之外的其他小区的站问干扰以及扇区4和扇区7的站内干扰。为了简单起见，对于每个扇区，只考虑对其干扰最强的两个站问扇区。如扇区1只考虑来自扇区2和扇区3的站问干扰以及扇区4和扇区7的站内干扰。

为了更好地说明本发明的思路，我们首先定义几个概念。

各扇区的用户类型可以分为边缘用户和中心用户，边缘用户根据其干扰源的类型不同可以分为小区间干扰受限用户(称为小区边缘用户，简称CEUs)和扇区间干扰受限用户(称为扇区边缘用户，简称SEUs)。扇区边缘用户和中心用户(CCUs)统称为扇区内部用户(SIUs)。

a.红线、绿线和黄线围成的协作集合，记为：C1、C2、C3

b.Ψ＝{ψ_j|j＝1，2，…9}表示给扇区j的所有小区边缘用户预分配的资源块集合。

A＝{A_j|j＝1，2，…9}表示模型中的9个扇区的小区边缘用户分配的资源块个数，每个元素A_j对应

集合里元素的个数。

c.Φ＝{φ_j|j＝1，2，…9}表示给扇区j的小区内部用户预分配的资源块集合。

B＝{B_j|j＝1，2，…9}表示模型中的9个扇区的小区内部用户分配的资源块个数，每个元素B_j对应

集合里元素的个数。

d.表示扇区j的站间最强干扰源集合，元素

的个数不大于2.。

Γ＝{γ_j|j＝1，2，…9)表示扇区j的站内扇区干扰源集合。

下面定义一下用户表示：

e.扇区里的所有用户表示M＝{m_j|j＝1，2，…9}，其中小区边缘用户集合为{ω_j｜j＝1,2,…9}，CE_j＝｜ω_j｜表示扇区j的小区边缘用户个数。

f.扇区边缘用户集合为

表示扇区j的扇区边缘用户个数。

g.小区中心用户集合为{ζ_j｜j＝1,2,…9}，CC_j＝｜ζ_j｜表示扇区j的中心用户个数。

扇区i的用户m在资源块n上的信干噪比可以表示为（1）式

假设基站在每个资源块上的发射功率为定值P_c，P_c＝P_T/N，P_T为基站总发射功率，N为系统总的资源块个数。

表示基站j（不等于i）中的用户m'在资源块n上的信道增益，

表示基站k（不等于i）中的用户m″在资源块n上的信道增益，

且

P_N是噪声功率，由于本方法中对扇区i最强的干扰集合，所以（1）式可以改成

由（2）式很容易看出，分母上的求和是相邻干扰扇区对用户m的干扰，这部分干扰有来自基站内扇区的干扰，也包括来自站间扇区的干扰。

最大化系统总吞吐量的优化目标函数如下：

$R^T=\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{R}_k^T,K=9---\left(4\right)$

max{R^T｝                            （5）

限制条件：

$\underset{i\∈m_k}{\overset{i}{\mathrm{\Σ}}}{x}_{i,j,t}\∈\left\{\mathrm{0,1}\right\},k=\mathrm{1,2},\·\·\·9---\left(6\right)$

$R_i^T=\underset{t=1}{\overset{T}{\mathrm{\Σ}}}\underset{i\∈{\mathrm{\ω}}_k}{\mathrm{\Σ}}{R}_{i,j,t}\≥C_i^T,k=\mathrm{1,2},\·\·\·9$

上述问题是一个NP-hard问题，用（6）式的限制条件是很难直接去求解的，所以本发明要寻找一个次优的资源分配方法尽量使吞吐量最大化，具体步骤包括：

第一步：根据用户的宽带信干噪比划分边缘用户和中心用户。设定判决门限为2dB，宽带信干噪比大于门限值，则判决为中心用户，反之则为边缘用户；

第二步：对于边缘用户，根据如下判定方法进一步划分为小区边缘用户和扇区边缘用户：

SINR^m＝P_S ^m/(P_N＋I₀ ^m);            （7）

I₀ ^m＝I₁ ^m＋I₂ ^m                    （8）

SINR₁ ^m＝P_S ^m/(P_N＋I₁ ^m);           （9）

SINR₂ ^m＝P_S ^m/(P_N＋I₂ ^m);           （10）

其中P_S ^m表示用户m接收到的来自服务扇区的功率信号，P_N表示噪声功率，I₀ ^m表示用户m接收到的来自周围干扰扇区的总功率信号，I₁ ^m和I₂ ^m分别表示用户m接收到的来自不同基站最强干扰扇区的总干扰功率和来自同基站的其它扇区的总干扰功率，这里假设用户通过接收不同的扇区公共参考信号可以判断该干扰的来源扇区。若SINR₁ ^m＞SINR₂ ^m＋λ_T，表明这个用户接收到的来自相邻基站扇区的干扰功率更强些，即小区边缘用户；相反，若，就称该用户为扇区边缘用户。仿真中λ_T取1.5dB。

在把边缘用户归类之后，各扇区计算其内小区边缘用户的吞吐量指示矩阵，扇区i的小区边缘用户的吞吐量指示矩阵为表1

表1扇区i的小区边缘用户吞吐量指示矩阵

其中： ${{\mathrm{Throughput}}^{\left(i\right)}}_{m,n}=B*{\log }_2(1+{\mathrm{SINR}}_{m,n}^i);---\left(11\right)$

Throughput⁽ⁱ⁾ _m，n表示扇区i的小区边缘用户m在资源块n上的吞吐量，基站在每个资源块上的发射功率为定值P_c，P_c＝P_T/N,P_T为基站总发射功率，N为系统总的资源块个数。

第三步：每个干扰协作集合的扇区间互相交换各自小区边缘用户的吞吐量指示矩阵，再由各扇区重新组成一个合并后的吞吐量指示矩阵，如表2所示。运用匈牙利迭代方法对表2中的矩阵进行最佳匹配。如此分配可以令协作集合的小区边缘用户的吞吐量达到最大，而且相互之间没有干扰。

进行匈牙利迭代处理时，每一次迭代之后，均将已分配的资源块对应的列中从表2的吞吐量指示矩阵中去掉，然后再对新矩阵执行匈牙利迭代，直到所有的协作集合里的小区边缘用户都满足各自的最低保证速率要求，这里假设每个用户都有相同的最低保证速率要求，仿真中是不小于200kbps/Hz。

表2合并后的吞吐量指示矩阵

上面矩阵中的元素例如Throughput_m，n ⁽ⁱ⁾表示扇区i的小区边缘用户m在资源块n上的吞吐量。其中扇区i、j和k属于同一个协作集合。

第四步：协作集合内的各扇区给小区边缘用户预分配好资源块之后，将余下的资源块用匈牙利方法按第三步的方法分配给扇区内部用户，假设直到所有的资源块都分配完为止。以协作集合C1为例，扇区1、2、3给各自的小区边缘用户分配的资源块集合分别为ψ₁、ψ₂、ψ₃，给各自的扇区内部用户分配的资源块集合分别为φ₁、φ₂、φ₃。

则在轻负载的情况下，有如下对应关系：

｜φ₁｜＝N-｜ψ₁｜-｜ψ₂｜-｜ψ₃｜                    （13）

｜φ₂｜＝N-｜ψ₁｜-｜ψ₂｜-｜ψ₃｜                    （14）

｜φ₃｜＝N-｜ψ₁｜-｜ψ₂｜-｜ψ₃｜                    （15）

在重负载的情况下，每个扇区需要使用全部的资源块以满足该扇区内负载的需求，即

|φ₁|＝N-｜ψ₁｜                                      （16）

|φ₂|＝N-｜ψ₂｜                                      （17）

|φ₃|＝N-｜ψ₃｜                                      （18）

显然，这样会导致扇区内部用户对协作集合内相邻扇区的小区边缘用户产生同频干扰。由于通过第三步各扇区都知道本协作集合的其他扇区的小区边缘用户分配的资源块情况，所以对于每个扇区，可以找出本扇区的扇区内部用户和协作集合里的其他扇区的小区边缘用户发生碰撞的资源块，然后这个扇区在碰撞的资源块上要降低一定的功率发送。

例如扇区1的中心用户m1在第四步分配到了资源块n，然后检测出扇区2的小区边缘用户m2在第三步时也分配了资源块n，那么扇区1在传输资源块n时的功率应为P_n＝penalty*P_T/N，0≤penalty≤1。

对于penalty如何取值，由于本扇区仅仅知道协作集合内相邻扇区的小区边缘用户的信干噪比信息，这些信干噪比反映了该用户的信道状态信息，本扇区在碰撞的资源块上传输的功率大小应和协作集合内相邻扇区的小区边缘用户的信道状态有关。可以想象，如果本扇区的某个中心用户m1和协作集合内相邻扇区的某个小区边缘用户m2在资源块n上发生碰撞，若m1在资源块n上的吞吐量相比m2在资源块n上的吞吐量较大，那么可能对m2的干扰较严重，所以给用户m1发射的功率应该减小；若m2在资源块n上的吞吐量相对m1在资源块n上的吞吐量较大，那就表明其信道状态不算太差，所以给用户m1发射的功率可以稍微增大一些，但不能超过P_T/N。因此本发明给出了一个自适应调节penalty值的计算方法，即

$\mathrm{penalty}=\min (\frac{{\mathrm{SINR}}_{m^{\′},n}^j}{{\mathrm{SINR}}_{m,n}^i},1)---\left(19\right)$

其中m∈ζ_i，m'∈ω_j，i和j属于同一个协作集合，

上式表示扇区i的中心用户m和相邻扇区j的小区边缘用户m'预分配了相同的资源块n，那么就比较这两个用户在这个资源块n上的信干噪比值，和1比较，取较小值。在第八部分也给出了改进方法的仿真结果，如图2中的小区黑色粗线画的曲线（Prop-High load）。

第五步：经过上述四个步骤，不同基站的扇区间的干扰就大大减少了。然而，扇区边缘用户还可能会受到站内相邻扇区的干扰。我们的解决方法是，首先找出不同扇区的扇区边缘用户可能发生碰撞的资源块，然后在这个资源块上采用站内CoMP联合传输。

举例说明，如果扇区i的扇区边缘用户m1，

和扇区j的扇区边缘用户m2，

预分配到了相同的资源块n，那么扇区i的和扇区j就在资源块n上对用户m1和m2分别进行联合传输。其中i∈γ_j且j∈γ_i。

扇区i和扇区j同时在资源块n上对用户m联合传输的过程表达为：

${\mathrm{SINR}}_{m,n}^i=({P_n}^{i}P{H}_{m,n}^i+{{P_n}^{j}H}_{m,n}^j)/(P_N+\underset{k\∉{\mathrm{\γ}}_i,k\∉{\mathrm{\γ}}_j,m^{\′}\≠m}{\mathrm{\Σ}}{P_n}^k{H}_{m^{\′},n}^k)---\left(20\right)$

用户m接收到的信号包括两个部分，一部分是来自服务基站i的有用信号，另一部分来自干扰扇区j的有用信号，分母的求和式表示用户m接收的来自次强干扰扇区的干扰集合，P_N表示噪声功率，P_n ⁱ表示扇区i经过自适应功率调节之后在资源块n上的发射功率。

实验结果：

以图1的模型为例，将此发明进行仿真，此时小区边缘用户的最低保证速率需求为200kbps，和本发明对比的方法是没有小区间干扰协调(No ICIC）的全频复用方法（reuse1）、复用因子为3的方法（reuse3）及部分频率复用方法（PFR）。从图2、图3和表4中可以看出，在轻负载的情况下，本发明提出的方法（图中Prop-Lowload曲线）前5%用户性能要比全频复用方法（reuse1）和部分频率复用方法（PFR）及复用因子为3方法（reuse3）的性能要好，但总体频谱效率低于全频复用方法（reuse1），这是因为系统负载较轻时有一部分资源没有使用；在高负载情况下，提出的自适应功率控制方法(图2和图3中黑色粗线-Prop-Adaptive power control及表4的最后两列数据)使前5%频谱效率和总体系统频谱效率都得到了提升。

在重负载的情况下，除了本发明所提出的自适应功控方法，还可以采用在所有碰撞的资源块上都乘以相同的抑制因子（penalty）的方法，而针对penalty取何值时系统总体性能和前5%用户的性能都达到最大这一问题，我们试探性地通过仿真来找出最优值。取小区边缘用户的最低保证速率分别为200kbps、400kbps及700kbps三种情况，仿真结果如表3。从表3可以看出，系统总体频谱效率随penalty值的增大而增大，这是因为随着penalty的增大，在碰撞资源块上的发射功率就越大，因此系统总体频谱效率会提升。通过表3还看出，系统总体频谱效率在penalty较小时会稍微下降，这是因为随着penalty的增大，使用碰撞资源块的扇区内部用户吞吐量会增大，相反小区边缘用户吞吐量会减小，小区边缘用户吞吐量减小的速率比扇区内部用户吞吐量增大的速率要快，所以导致系统整体的性能稍微下降。其中表3的黑色粗体标记的数据代表采用固定penalty的功控时对应的性能最大值，粗体加斜体标记的数据表示采取自适应功控方法时系统的性能。

表3采用固定抑制因子及自适应抑制因子的功控方法对系统平均频谱效率（bps/Hz/cell）和前5%用户的平均频谱效率（bps/Hz)的影响

通过以上仿真可以看出，在系统负载较轻情况下，本发明提出的资源预分配的方法使系统前5%用户频谱效率有一定的提升，而整体系统频谱效率比全频复用方法（reuse1）差些。在重负载的情况下，采用固定的penalty值的功控方法可行性低，因为在小区边缘用户的最低保证速率不同时（如200bps和400kbps），无法找到一个最优的penalty值使整体性能和前5%用户性能同时达到最优。综上所述，本发明提出的资源预分配结合自适应功率控制方法使整体系统性能和边缘用户性能都有一定的提升，在实际中更具可行性。

Claims (5)

1.一种增强小区边缘用户性能的分布式干扰协调方法，其特征在于，包括如下步骤：

1)根据用户的宽带信干噪比划分边缘用户和中心用户；

2)对于边缘用户，进一步划分为小区边缘用户和扇区边缘用户；在把边缘用户归类之后，在各扇区计算其内小区边缘用户的吞吐量指示矩阵；

3)每个干扰协作集合的扇区间互相交换各自小区边缘用户的吞吐量指示矩阵，再由各扇区重新组成一个合并后的吞吐量指示矩阵；

4)协作集合内的各扇区给小区边缘用户预分配好资源块之后，将余下的资源块用匈牙利方法分配给扇区内部用户，直到所有的资源块都分配完为止。

2.根据权利要求1所述的方法，其特征在于，所述步骤2)中划分边缘用户的方法具体为：设用户m的信干噪比为：SINR^m＝P_S ^m/(P_N＋I₀ ^m);其中，I₀ ^m＝I₁ ^m＋I₂ ^m;SINR₁ ^m＝P_S ^m/(P_N＋I₁ ^m);SINP₂ ^m＝P_S ^m/(P_N＋I₂ ^m);P_S ^m表示用户m接收到的来自服务扇区的功率信号，P_N表示噪声功率，I₀ ^m表示用户m接收到的来自周围干扰扇区的总功率信号，I₁ ^m和I₂ ^m分别表示用户m接收到的来自不同基站最强干扰扇区的总干扰功率和来自同基站的其它扇区的总干扰功率；若SINR₁ ^m＞SINR₂ ^m＋λ_T，表明这个用户接收到的来自相邻基站扇区的干扰功率更强些，即小区边缘用户，λ_T表示判决门限值；相反，就称该用户为扇区边缘用户。

3.根据权利要求1所述的方法，其特征在于，所述步骤3)中使用匈牙利迭代处理：每一次迭代之后，均将已分配的资源块对应的列中从步骤2）的吞吐量指示矩阵中去掉，然后再对新矩阵执行匈牙利迭代，直到所有的协作集合里的小区边缘用户都满足各自的最低保证速率要求。

4.根据权利要求1所述的方法，其特征在于，所述步骤4)中，协作集合内的各扇区给小区边缘用户预分配好资源块时，在重负载情况下，在可能产生干扰的资源块上的发射功率P_c＝P_T/N上乘一个抑制因子penalty， $\mathrm{penalty}=\min (\frac{{\mathrm{SINR}}_{m^{\′},n}^j}{{\mathrm{SINR}}_{m,n}^i},1);$ P_T为基站总发射功率，N为系统总的资源块个数，

表示扇区i的用户m在资源块n上的信干噪比，

表示扇区j的用户m'在资源块n上的信干噪比。

5.根据权利要求1所述的方法，其特征在于，在所述步骤4)之后还包括步骤5)：找出不同扇区的扇区边缘用户可能发生碰撞的资源块，然后在这个资源块上采用站内CoMP联合传输；

扇区i和扇区j同时在资源块n上对用户m联合传输的过程表达为：

${\mathrm{SINR}}_{m,n}^i=({P_n}^{i}P{H}_{m,n}^i+{{P_n}^{j}H}_{m,n}^j)/(P_N+\underset{k\∉{\mathrm{\γ}}_i,k\∉{\mathrm{\γ}}_j,m^{\′}\≠m}{\mathrm{\Σ}}{P_n}^k{H}_{m^{\′},n}^k)$

用户m接收到的信号包括两个部分，一部分是来自服务基站i的有用信号，另一部分来自干扰扇区j的有用信号，分母的求和式表示用户m接收的来自次强干扰扇区的干扰集合，P_N表示噪声功率，P_n ⁱ表示扇区i经过自适应功率调节之后在资源块n上的发射功率，

表示扇区i内的用户m在资源块n上的信道增益；

表示扇区k内的用户m'在资源块n上的信道增益。

Images