CN103347300A - 一种LTE-Advanced异构网中小区间干扰协调方法 - Google Patents

Abstract

本发明公开一种LTE-Advanced异构网中小区间干扰协调方法，按照服务基站的不同将用户分为两类：Macro UE和Pico UE，将所有的频段分成两部分：10（1-x）和10x，称为宏基站资源块和微基站资源块；采用比例公平的调度方法，依据资源分配方法，比例公平调度中的瞬时吞吐量需要进行更新；即宏基站用户在宏基站资源块上的瞬时吞吐量和微基站用户在微基站资源块上的瞬时吞吐量都应变成期望值；本发明更为灵活的对小区间干扰进行抑制的资源调度分配方案，从而抑制了用户间的干扰，并且在改善边缘用户性能的基础上，明显有效的提高了系统平均频谱效率和吞吐量。

Description

一种LTE-Advanced异构网中小区间干扰协调方法

技术领域

本发明属于无线通信技术领域，具体涉及一种LTE-Advanced异构网中小区间干扰协调方法。

背景技术

为了提升网络的吞吐量，增强网络的覆盖，为用户提供更好的通信服务，LTE-A网络中采用异构网技术，网络中重叠部署了覆盖大小不同的多种基站。高发射功率的宏基站为网络提供无缝的全部覆盖，低发射功率的Pico基站，Relay基站和Femto基站为热点地区或者宏基站的覆盖盲点提供覆盖。与之前2G、3G异构网中不同层的基站使用正交的频段不同，LTE-A异构网中不同层的基站使用相同的频段。这样可以大大提高频谱的使用效率，实现小区分裂增益。但是，由于使用相同频段的不同层基站覆盖范围相互重叠，基站覆盖范围边缘会产生严重的干扰。这些干扰会严重恶化用户的通信链路质量。LTE-A异构网干扰场景主要分为两种：一种是Pico干扰场景，一种是Femto干扰场景，Pico干扰场景中，Pico基站是公开接入站点。任何符合LTE协议规范的用户终端都可以接入Pico基站。而且为了有效的从宏基站分流负载，系统会采用Pico基站覆盖扩展（Range Extension）技术扩大Pico基站的覆盖范围。由于Macro基站发射功率远高于Pico基站发射功率（LTE-A系统中，Macro基站最大发射功率一般比Pico基站最大发射功率高16dB），Pico基站边缘用户，特别是RE区域内用户会受到强烈干扰。

综上所述，针对异构网Macro-Pico场景，设计一种可有效解决小区间干扰且可以提高网络的平均吞吐量是有必要的。

图1所示是三种经典的现有异构网中FDM ICIC方案。图a为FDM10x ICIC技术。在该技术中，Pico基站使用全部的频率带宽，而宏基站只能使用总带宽的（1-x）倍带宽，其中x是动态调节因子，它是根据网络中宏基站和微基站的负载状况和信道状况动态调节的。图b称之为FDM55ICIC方案，Macro基站和Pico基站正交使用全部带宽。图c称为FDM otho ICIC技术，即FDM正交ICIC技术。在该方案中，宏基站和微基站也是正交的使用全部的频带，宏基站使用（1-x）倍的总带宽，而微基站使用x倍的总带宽。相比无ICIC的情况，三种ICIC方案均能有效地提高网络的平均频谱效率，并且，对边缘用户的性能也有很明显的提升。考虑以上图a和图c中可进行动态调节的两种ICIC方案，例如图a中宏基站使用一部分的资源，微基站使用全部的频带。我们知道，微基站的覆盖范围有限，发射功率也远小于宏基站，因此，微基站中少量的用户使用全部的频段会造成资源的浪费。同时，为了减少对微基站用户的干扰，宏基站大量的用户只能共享部分的频带，这会导致宏基站用户体验变差，边缘用户吞吐量下降。图c亦有类似的资源无法得到充分利用的问题。

发明内容

本发明的目的在于提供一种LTE-Advanced异构网中小区间干扰协调方法，其可以对小区间干扰进行抑制的资源调度分配方案，进而改善边缘用户的性能并提升系统的吞吐量。

为实现上述目的，本发明采用如下的技术方案：

本发明包括以下步骤：

1）按照服务基站的不同将用户分为两类：Macro UE和Pico UE，简称MUE和PUE；将所有的频段分成两部分：10（1-x）和10x，称为宏基站资源块和微基站资源块；其中，x为动态调节因子；

2）采用比例公平的调度方法，依据资源分配方法进行资源分配，分配方法为：MUEs使用全部的MRBs频段，相当于概率为1，同时以概率gama_m使用PRBs频段；PUEs使用全部的PRBs频段，相当于概率为1，同时以概率gama_p使用MRBs频段；其中，gama_m和gama_p为概率因子，且0≤gama_m≤1，0≤gama_p≤1；

采用资源分配方法需要对比例公平调度中宏基站用户j在宏基站资源块i上的瞬时吞吐量和微基站用户j在微基站资源块i上的瞬时吞吐量进行更新；

其中，宏基站用户j在宏基站资源块i上的瞬时吞吐量更新过程为：

$r_{\mathrm{ij}}^{\′}=E\left(r\right)$

$={(1-p_1)}^N*W*{\log }_2(1+\mathrm{SNR})+{(1-p_1)}^{N-1}*p_1*\mathrm{\Σ}[W*{\log }_2(1+{\mathrm{SINR}}_1)]$

$+{(1-p_1)}^{N-2}*{p_1}^2*\mathrm{\Σ}[W*{\log }_2(1+{\mathrm{SINR}}_2)]+...---(5-3)$

$+{p_1}^N*\mathrm{\Σ}[W*{\log }_2(1+{\mathrm{SINR}}_N)]$

$=\underset{n=0}{\overset{N}{\mathrm{\Σ}}}\{{(1-p_1)}^{N-n}*{p_1}^n*\mathrm{\Σ}[W*{\log }_2(1+{\mathrm{SINR}}_n)\left]\right\}$

当有n个Pico基站对该宏基站用户产生干扰时，共有

种Pico基站的干扰组合，公式（5-3）中求和式

表示干扰为n个Pico基站时

种组合下的用户瞬时吞吐量之和；

微基站用户j在微基站资源块i上的瞬时吞吐量更新过程为：

$r_{\mathrm{ij}}^{\′}=E\left(r\right)$

$={(1-p_2)}^M*W*{\log }_2(1+\mathrm{SNR})+{(1-p_2)}^{M-1}*p_2*\mathrm{\Σ}[W*{\log }_2(1+{\mathrm{SINR}}_1)]$

$+{(1-p_2)}^{M-2}*{p_2}^2*\mathrm{\Σ}[W*{\log }_2(1+{\mathrm{SINR}}_2)]+...---(5-4)$

$+{p_2}^M*\mathrm{\Σ}[W*{\log }_2(1+{\mathrm{SINR}}_M)]$

$=\underset{m=0}{\overset{M}{\mathrm{\Σ}}}\{{(1-p_2)}^{M-m}*{p_2}^m*\mathrm{\Σ}[W*{\log }_2(1+{\mathrm{SINR}}_m)\left]\right\}$

当有m个Macro基站对该微基站用户产生干扰时，共有

种Macro基站的干扰组合，公式（5-4）中求和式表示干扰为m个Macro基站时种组合下的用户瞬时吞吐量之和；

其中，宏基站数目为M个，微基站数目为N个，每宏小区中微基站数目为N/M；将gama_p和gama_m分别表示为p₁和p₂。

所述步骤1）中的动态调节因子是根据网络中宏基站和微基站的负载状况和信道状况动态调节的。

所述比例公平的调度方法，如（5-1）式所示：

$j=\arg \underset{\{j:\mathrm{UE}\}}{\max }\left\{({\mathrm{\γ}}_j/{\stackrel{\‾}{\mathrm{\γ}}}_j)\right\}---(5-1)$

对于要分配的资源块，选择在该资源块上瞬时吞吐量和总的吞吐量之比最大的用户j，并将该资源块分配给用户j。

所述步骤2）中gama_m和gama_p值的确定过程如下：只根据大尺度衰落信息，所有用户在MRB上所获得的吞吐量均相等，在所有PRB上所获得的吞吐量也相等；对于所有的MRB，采用相同的概率gama_p，对于所有的PRB，采用相同的概率gama_m；若每一个MRB和每一个PRB上的吞吐量获得最大值，则整个系统获得最大的吞吐量；然后求出优化的概率因子gama_m和gama_p；

对于MRB优化目标是最大化系统在MRB上总的吞吐量，如式（5-5）所示，对于PRB优化目标是最大化系统在PRB上总的吞吐量，如式（5-6）所示：

maxR(gama_p)                     （5-5）

maxR(gama_m)                     （5-6）

R(gama_p)和R(gama_m)表示在任一宏基站资源块和微基站资源块上系统总的平均吞吐量之和；

采用比例公平的调度方法，只考虑大尺度衰落信息，每个用户获得相等的被调度的概率，在宏基站资源块上优化式如式（5-7）所示：

$\max \left\{\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\right[\underset{n=1}{\overset{k_i}{\mathrm{\Σ}}}\frac{1}{k_i}{r_n}^{\′}+\underset{j=1}{\overset{N/M}{\mathrm{\Σ}}}(\mathrm{gama}\_p*\underset{m=1}{\overset{k_j}{\mathrm{\Σ}}}\frac{1}{k_j}{r}_m]\}---(5-7)$

其中，M表示总的宏基站数目，N表示系统中总的微基站数目，从而N/M表示每宏小区中微基站数目；k_i和k_j分别表示宏基站i和微基站j的用户数目；r_n'根据式（5-3）计算每一个宏基站用户n在宏基站资源块上的吞吐量，r_m表示微基站用户m在有宏基站干扰情况下的吞吐量；

在微基站资源块上优化式如式（5-8）所示：

$\max \left\{\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\right[\mathrm{gama}\_m*\underset{n=1}{\overset{k_i}{\mathrm{\Σ}}}\frac{1}{k_i}{r}_n+\underset{j=1}{\overset{N/M}{\mathrm{\Σ}}}(\underset{m=1}{\overset{k_j}{\mathrm{\Σ}}}\frac{1}{k_j}{r}_m^{\′}\left]\right\}---(5-8)$

其中，M表示总的宏基站数目，N表示系统中总的微基站数目，从而N/M表示每宏小区中微基站数目；k_i和k_j分别表示宏基站i和微基站j的用户数目；r_n表示宏基站用户n在有微基站干扰情况下的吞吐量，r_m'根据式（5-4）计算每一个微基站用户m在微基站资源块上的吞吐量。

所述步骤2）中p₁值的具体计算过程如下：

将gama_p和gama_m分别表示为p₁和p₂，并将r_n′代入式（5-7）得到下式（5-9）：

$R\left(p_1\right)=\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\left\{\underset{n=1}{\overset{k_i}{\mathrm{\Σ}}}\frac{1}{k_i}\right\{\underset{s=0}{\overset{N}{\mathrm{\Σ}}}[{(1-p_1)}^{N-s}*p_1^s*\mathrm{\Σ}(W*\log 2(1+{\mathrm{SINR}}_s))]\}+\underset{j=1}{\overset{N/M}{\mathrm{\Σ}}}[p_1*\underset{m=1}{\overset{k_j}{\mathrm{\Σ}}}(\frac{1}{k_j}*r_m)\left]\right\}$

                                    （5-9）

对式（5-9）求关于p₁的一阶导数R'(p₁)，见式（5-10）

$R^{\′}\left(p_1\right)=\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\left\{\underset{n=1}{\overset{k_i}{\mathrm{\Σ}}}\frac{1}{k_i}\right\{\underset{s=0}{\overset{N}{\mathrm{\Σ}}}[-s*{(1-p_1)}^{N-s-1}*p_1^{s-1}*\mathrm{\Σ}(W*\log 2(1+{\mathrm{SINR}}_s))]\}+\underset{j=1}{\overset{N/M}{\mathrm{\Σ}}}[\underset{m=1}{\overset{k_j}{\mathrm{\Σ}}}(\frac{1}{k_j}*r_m)\left]\right\}$

                                      （5-10）

令R'(p₁)=0，求出优化的p₁值。

所述步骤2）中对比例公平调度中的瞬时吞吐量进行更新，具体为将宏基站用户在宏基站资源块上的瞬时吞吐量和微基站用户在微基站资源块上的瞬时吞吐量都变成期望值。

所述步骤2）中的资源分配的选择具体如（5-2）所示：

Case1:i∈MRB&j∈MUE

$j=\arg \underset{\{j\∈\mathrm{MUE}\}}{\max }\left(\frac{{r_{\mathrm{ij}}}^{\′}}{R_{\mathrm{ij}}}\right);p\left(j\right)=1;$

Case2:i∈MRB&j∈PUE

$j=\arg \underset{\{j\∈\mathrm{PUE}\}}{\max }\left(\frac{r_{\mathrm{ij}}}{R_{\mathrm{ij}}}\right),p\left(j\right)=\mathrm{gama}\_P;$ (5‐2)

Case3:i∈PRB&j∈PUE

$j=\arg \underset{\{j\∈\mathrm{PUE}\}}{\max }\left(\frac{{r_{\mathrm{ij}}}^{\′}}{R_{\mathrm{ij}}}\right);p\left(j\right)=1;$

Case4:i∈PRB&j∈MUE

$j=\arg \underset{\{j\∈\mathrm{MUE}\}}{\max }\left(\frac{r_{\mathrm{ij}}}{R_{\mathrm{ij}}}\right),p\left(j\right)=\mathrm{gama}\_m$

宏基站用户在MRB上进行资源分配时，首先进行瞬时吞吐量的更新，然后进行资源分配，微基站用户在MRB上瞬时吞吐量与总吞吐量之比最大的用户以概率gama_p使用宏基站资源块；微基站用户在PRB上进行资源分配时，首先进行瞬时吞吐量的更新，然后进行资源分配，宏基站在PRB上瞬时吞吐量与总吞吐量之比最大的用户以概率gama_m使用微基站资源块。

相对于现有技术，本发明具有的有益效果：本发明采用比例公平的调度方法，依据资源分配方法进行资源分配，更为灵活的对小区间干扰进行抑制的资源调度分配方案，从而抑制了用户间的干扰，并且在改善边缘用户性能的基础上，明显有效的提高了系统平均频谱效率和吞吐量,克服了现有技术在一定程度上对系统的频谱资源造成了浪费和不充分利用，并且导致用户间的干扰问题。

附图说明

图1为三种FDM ICIC技术原理示意图，其中，图1（a）为FDM 10x ICIC技术；图1（b）为FDM 55ICIC技术，图1（c）为FDM otho ICIC技术。

图2为本发明改进的小区间干扰协调方案。

图3为Pico=2时三种方案系统平均频谱效率，横坐标为微基站RE值，单位为dB，纵坐标为平均频谱效率，单位为bps/Hz。

图4为Pico=2时三种方案边缘用户平均频谱效率，横坐标为微基站RE值，单位为dB，纵坐标为平均频谱效率，单位为bps/Hz。

具体实施方式

下面结合附图对本发明做进一步详细说明。

本发明公式中的*表示乘号，表示相乘的意思。基于经典方案中完全正交的FDM otho ICIC方案和部分正交的FDM10x ICIC方案，如图2所示，本发明包括以下步骤：

1）按照服务基站的不同将用户分为两类：Macro UE和Pico UE，简称MUE和PUE。每一个小区可复用所有的频段，频率复用因子为1。在此我们设置两个概率因子gama_m和gama_p（0≤gama_m≤1，0≤gama_p≤1），与图1（c）中类似，将所有的频段分成两部分：10（1-x）和10x，称为宏基站资源块（MRB）和微基站资源块（PRB）。

2）按照如下资源分配方法进行分配：

MUEs可以使用全部的MRBs频段，相当于概率为1，但是以概率gama_m使用PRBs频段。

PUEs可以使用全部的PRBs频段，相当于概率为1，但是以概率gama_p使用MRBs频段。

以不同的优先因子gama_m和gama_p来使用频率资源，体现在资源调度上面。采用比例公平（PF）的调度方法，如（5-1）式所示

$j=\arg \underset{\{j:\mathrm{UE}\}}{\max }\left\{({\mathrm{\γ}}_j/{\stackrel{\‾}{\mathrm{\γ}}}_j)\right\}---(5-1)$

为每一个用户j选择使得它瞬时吞吐量与总的吞吐量之比最大的小区，作为它的服务小区。资源分配的选择如式（5-2）所表示；即宏基站用户在MRB上进行资源分配时，首先进行瞬时吞吐量的更新，然后进行资源分配，微基站用户在MRB上瞬时吞吐量与总吞吐量之比最大的用户以概率gama_p使用宏基站资源块；微基站用户在PRB上进行资源分配时，首先进行瞬时吞吐量的更新，然后进行资源分配，宏基站在PRB上瞬时吞吐量与总吞吐量之比最大的用户以概率gama_m使用微基站资源块；

Case1:i∈MRB&j∈MUE

$j=\arg \underset{\{j\∈\mathrm{MUE}\}}{\max }\left(\frac{{r_{\mathrm{ij}}}^{\′}}{R_{\mathrm{ij}}}\right);p\left(j\right)=1;$

Case2:i∈MRB&j∈PUE

$j=\arg \underset{\{j\∈\mathrm{PUE}\}}{\max }\left(\frac{r_{\mathrm{ij}}}{R_{\mathrm{ij}}}\right),p\left(j\right)=\mathrm{gama}\_P;$ （5‐2）

Case3:i∈PRB&j∈PUE

$j=\arg \underset{\{j\∈\mathrm{PUE}\}}{\max }\left(\frac{{r_{\mathrm{ij}}}^{\′}}{R_{\mathrm{ij}}}\right);p\left(j\right)=1;$

Case4:i∈PRB&j∈MUE

$j=\arg \underset{\{j\∈\mathrm{MUE}\}}{\max }\left(\frac{r_{\mathrm{ij}}}{R_{\mathrm{ij}}}\right),p\left(j\right)=\mathrm{gama}\_m;$

为简化起见，下面将gama_p和gama_m分别表示为p₁和p₂。

宏基站用户在宏基站资源块上的瞬时吞吐量和微基站用户在微基站资源块上的瞬时吞吐量都应变成期望值。例如宏基站数目为M，微基站数目为N个，每宏小区中微基站数目为N/M。

宏基站用户j在宏基站资源块i上的瞬时吞吐量更新过程为：

$r_{\mathrm{ij}}^{\′}=E\left(r\right)$

$={(1-p_1)}^N*W*{\log }_2(1+\mathrm{SNR})+{(1-p_1)}^{N-1}*p_1*\mathrm{\Σ}[W*{\log }_2(1+{\mathrm{SINR}}_1)]$

$+{(1-p_1)}^{N-2}*{p_1}^2*\mathrm{\Σ}[W*{\log }_2(1+{\mathrm{SINR}}_2)]+...---(5-3)$

$+{p_1}^N*\mathrm{\Σ}[W*{\log }_2(1+{\mathrm{SINR}}_N)]$

$=\underset{n=0}{\overset{N}{\mathrm{\Σ}}}\{{(1-p_1)}^{N-n}*{p_1}^n*\mathrm{\Σ}[W*{\log }_2(1+{\mathrm{SINR}}_n)\left]\right\}$

当有n个Pico基站对该宏基站用户产生干扰时，共有

种Pico基站的干扰组合，公式（5-3）中求和式

表示干扰为n个Pico基站时

种组合下的用户瞬时吞吐量之和；

相应的，微基站用户j在微基站资源块i上的瞬时吞吐量为：

$r_{\mathrm{ij}}^{\′}=E\left(r\right)$

$={(1-p_2)}^M*W*{\log }_2(1+\mathrm{SNR})+{(1-p_2)}^{M-1}*p_2*\mathrm{\Σ}[W*{\log }_2(1+{\mathrm{SINR}}_1)]$

$+{(1-p_2)}^{M-2}*{p_2}^2*\mathrm{\Σ}[W*{\log }_2(1+{\mathrm{SINR}}_2)]+...---(5-4)$

$+{p_2}^M*\mathrm{\Σ}[W*{\log }_2(1+{\mathrm{SINR}}_M)]$

$=\underset{m=0}{\overset{M}{\mathrm{\Σ}}}\{{(1-p_2)}^{M-m}*{p_2}^m*\mathrm{\Σ}[W*{\log }_2(1+{\mathrm{SINR}}_m)\left]\right\}$

当有m个Macro基站对该微基站用户产生干扰时，共有

种Macro基站的干扰组合，公式（5-4）中求和式表示干扰为m个Macro基站时

种组合下的用户瞬时吞吐量之和；

根据上式（5-3）和（5-4）更新用户的瞬时吞吐量，在资源分配时，利用（5-2）式给出的分配策略进行实施。为了验证该算法为系统带来的性能提升，在已有的异构网的平台上，进行了初步的仿真验证。仿真参数列表如下表3-1所示：

表3-1异构网ICIC技术仿真参数列表

在仿真中，设置不同的gama_m和gama_p（0≤gama_m≤1，0≤gama_p≤1），通过遍历的方式，概率优先因子遍历的粒度为0.1，依次得到了相应的系统平均频谱效率和边缘用户平均频谱效率，分别如下表3-2和3-3所示。

表3-2不同gama_m(p2)和gama_p(p1)下系统平均频谱效率(bps/Hz）

表3-3不同gama_m(p2)和gama_p(p1)下边缘用户平均频谱效率(bps/Hz）

由表3-2和表3-3中可以看到，当gama_m=0,gama_p=0时，相当于原FDMotho ICIC方案，当gama_m=0,gama_p=1时，相当于原FDM10x ICIC方案，从仿真结果中很明显可以看到，该方案中当gama_m和gama_p取0～1之间的值时，很容易得到优于原先固定频段的系统性能。例如gama_m=0.1,gama_p=0.2时，系统平均频谱效率比正交和10x方案均有很大提升，gama_m=0.3,gama_p=0.6时，小区边缘用户频谱效率也有明显的提高。因此，我们这种方法从仿真上证明是可以带来性能增益的。

对概率因子的进一步求解：

验证了该方案的可行性之后，我们进一步考虑得到最优或次优的gama_m和gama_p的值。

如果同时考虑小尺度衰落信息和大尺度衰落信息的话，每个用户在每个资源块上的吞吐量都将不同，那么就需要在每一个资源块上去计算从而获得最大的吞吐量，这会产生较大的计算量，并且每个资源块上的概率值均不相同，会导致较大的复杂度。因此，对于所有的MRB，采用相同的概率gama_p，对于所有的PRB，采用相同的概率gama_m。

鉴于此，就可以忽略小尺度衰落信息的影响，只考虑大尺度衰落信息，即所有用户在MRB上所获得的吞吐量均相等，在所有PRB上所获得的吞吐量也相等。因此，只要每一个MRB和每一个PRB上的吞吐量获得最大值，那么整个系统即可获得最大的吞吐量。从而得到如下的优化目标：

对于MRB而言，优化目标是最大化系统的总的吞吐量，如式（5-5），相应对于PRB而言，如式（5-6）所示。

maxR(gama_p)                     （5-5）

maxR(gama_m)                     （5-6）

R(gama_p)和R(gama_m)表示在任一宏基站资源块和微基站资源块上系统总的平均吞吐量之和。对于用户j，其服务基站为基站i且该基站中总用户数为k_i，虽然PF调度算法依赖于用户分集和小尺度衰落信息，但是从长期来看，每个用户仍然像采用轮询调度算法一样获得相等的被调度的概率。也就是说用户j在基站i中被调度的概率为1/k_i。基于此，将优化式可写成如下结果，对于宏基站资源块而言，优化式如式（5-7）所示：

$\max \left\{\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\right[\underset{n=1}{\overset{k_i}{\mathrm{\Σ}}}\frac{1}{k_i}{r_n}^{\′}+\underset{j=1}{\overset{N/M}{\mathrm{\Σ}}}(\mathrm{gama}\_p*\underset{m=1}{\overset{k_j}{\mathrm{\Σ}}}\frac{1}{k_j}{r}_m]\}---(5-7)$

其中，M表示总的宏基站数目，N表示系统中总的微基站数目，从而N/M表示每宏小区中微基站数目。k_i和k_j分别表示宏基站i和微基站j的用户数目。r_n'可根据式（5-3）计算每一个宏基站用户n在宏基站资源块上的吞吐量，r_m表示微基站用户m在有宏基站干扰情况下的吞吐量。

相应地对于微基站资源块而言，优化式如式（5-8）所示：

$\max \left\{\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\right[\mathrm{gama}\_m*\underset{n=1}{\overset{k_i}{\mathrm{\Σ}}}\frac{1}{k_i}{r}_n+\underset{j=1}{\overset{N/M}{\mathrm{\Σ}}}(\underset{m=1}{\overset{k_j}{\mathrm{\Σ}}}\frac{1}{k_j}{r}_m^{\′}\left]\right\}---(5-8)$

其中，M表示总的宏基站数目，N表示系统中总的微基站数目，从而N/M表示每宏小区中微基站数目。k_i和k_j分别表示宏基站i和微基站j的用户数目。r_n表示宏基站用户n在有微基站干扰情况下的吞吐量，r_m'可根据式（5-3）计算每一个微基站用户m在微基站资源块上的吞吐量。与式（5-3）类似，将gama_p和gama_m分别表示为p₁和p₂，并将r_n′代入式（5-7）可以得到下式（5-9）

$R\left(p_1\right)=\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\left\{\underset{n=1}{\overset{k_i}{\mathrm{\Σ}}}\frac{1}{k_i}\right\{\underset{s=0}{\overset{N}{\mathrm{\Σ}}}[{(1-p_1)}^{N-s}*p_1^s*\mathrm{\Σ}(W*\log 2(1+{\mathrm{SINR}}_s))]\}+\underset{j=1}{\overset{N/M}{\mathrm{\Σ}}}[p_1*\underset{m=1}{\overset{k_j}{\mathrm{\Σ}}}(\frac{1}{k_j}*r_m)\left]\right\}$

     （5-9）

对（5-9）求关于p₁的一阶导数R'(p₁)，如式（5-10）

$R^{\′}\left(p_1\right)=\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\left\{\underset{n=1}{\overset{k_i}{\mathrm{\Σ}}}\frac{1}{k_i}\right\{\underset{s=0}{\overset{N}{\mathrm{\Σ}}}[-s*{(1-p_1)}^{N-s-1}*p_1^{s-1}*\mathrm{\Σ}(W*\log 2(1+{\mathrm{SINR}}_s))]\}+\underset{j=1}{\overset{N/M}{\mathrm{\Σ}}}[\underset{m=1}{\overset{k_j}{\mathrm{\Σ}}}(\frac{1}{k_j}*r_m)\left]\right\}$

       （5-10）

令R'(p₁)=0，即可求出最优的p₁值。

对于PRB上最优p₂与此类似，这里不再详细叙述。

通过一系列的计算和优化，从而得到使得系统总吞吐量最大的概率值gama_m和gama_p。

本发明针对异构网Macro-Pico场景，参见图3和图4，图3和图4是在每小区Pico数目为2，微基站RE值分别为5,10,15dB时，三种方案得到平均频谱效率和边缘用户的平均频谱效率。可见在每小区微基站数目为2时改进的ICIC方案依然优于原有的两种方案，并且改进方案的平均频谱效率较正交方案最多可提升34%（RE=10dB），较10x方案最多可提升18%（RE=5dB），改进方案的边缘用户平均频谱效率较正交方案最多可提升21%（RE=10dB），较10x方案最多可提升10%（RE=15dB）。

Claims (7)

1.一种LTE-Advanced异构网中小区间干扰协调方法，其特征在于，包括以下步骤：

1）按照服务基站的不同将用户分为两类：Macro UE和Pico UE，简称MUE和PUE；将所有的频段分成两部分：10（1-x）和10x，称为宏基站资源块和微基站资源块；其中，x为动态调节因子；

2）采用比例公平的调度方法，依据资源分配方法进行资源分配，分配方法为：MUEs使用全部的MRBs频段，相当于概率为1，同时以概率gama_m使用PRBs频段；PUEs使用全部的PRBs频段，相当于概率为1，同时以概率gama_p使用MRBs频段；其中，gama_m和gama_p为概率因子，且0≤gama_m≤1，0≤gama_p≤1；

采用资源分配方法需要对比例公平调度中宏基站用户j在宏基站资源块i上的瞬时吞吐量和微基站用户j在微基站资源块i上的瞬时吞吐量进行更新；

其中，宏基站用户j在宏基站资源块i上的瞬时吞吐量更新过程为：

$r_{\mathrm{ij}}^{\′}=E\left(r\right)$

$={(1-p_1)}^N*W*{\log }_2(1+\mathrm{SNR})+{(1-p_1)}^{N-1}*p_1*\mathrm{\Σ}[W*{\log }_2(1+{\mathrm{SINR}}_1)]$

$+{(1-p_1)}^{N-2}*{p_1}^2*\mathrm{\Σ}[W*{\log }_2(1+{\mathrm{SINR}}_2)]+\·\·\·(5-3)$

$+{p_1}^N*\mathrm{\Σ}[W*{\log }_2(1+{\mathrm{SINR}}_N)]$

$=\underset{n=0}{\overset{N}{\mathrm{\Σ}}}\{{(1-p_1)}^{N-n}*{p_1}^n*\mathrm{\Σ}[W*{\log }_2(1+{\mathrm{SINR}}_n)\left]\right\}$

当有n个Pico基站对该宏基站用户产生干扰时，共有

种Pico基站的干扰组合，公式（5-3）中求和式

表示干扰为n个Pico基站时

种组合下的用户瞬时吞吐量之和；

微基站用户j在微基站资源块i上的瞬时吞吐量更新过程为：

$r_{\mathrm{ij}}^{\′}=E\left(r\right)$

$={(1-p_2)}^M*W*{\log }_2(1+\mathrm{SNR})+{(1-p_2)}^{M-1}*p_2*\mathrm{\Σ}[W*{\log }_2(1+{\mathrm{SINR}}_1)]$

$+{(1-p_2)}^{M-2}*{p_2}^2*\mathrm{\Σ}[W*{\log }_2(1+\mathrm{SIN}{R}_2)]+\·\·\·(5-4)$

$+{p_2}^M*\mathrm{\Σ}[W*{\log }_2(1+{\mathrm{SINR}}_M)]$

$=\underset{m=0}{\overset{M}{\mathrm{\Σ}}}\{{(1-p_2)}^{M-m}*{p_2}^m*\mathrm{\Σ}[W*{\log }_2(1+{\mathrm{SINR}}_m)\left]\right\}$

当有m个Macro基站对该微基站用户产生干扰时，共有

种Macro基站的干扰组合，公式（5-4）中求和式

表示干扰为m个Macro基站时

种组合下的用户瞬时吞吐量之和；

其中，宏基站数目为M个，微基站数目为N个，每宏小区中微基站数目为N/M；将gama_p和gama_m分别表示为p₁和p₂。

2.根据权利要求1所述的一种LTE-Advanced异构网中小区间干扰协调方法，其特征在于，所述步骤1）中的动态调节因子是根据网络中宏基站和微基站的负载状况和信道状况动态调节的。

3.根据权利要求1所述的一种LTE-Advanced异构网中小区间干扰协调方法，其特征在于，所述比例公平的调度方法，如（5-1）式所示：

$j=\arg \underset{\{j:\mathrm{UE}\}}{\max }\left\{({\mathrm{\γ}}_j/\stackrel{\‾}{r_j})\right\}---(5-1)$

对于要分配的资源块，选择在该资源块上瞬时吞吐量和总的吞吐量之比最大的用户j，并将该资源块分配给用户j。

4.根据权利要求1所述的一种LTE-Advanced异构网中小区间干扰协调方法，其特征在于，所述步骤2）中gama_m和gama_p值的确定过程如下：只根据大尺度衰落信息，所有用户在MRB上所获得的吞吐量均相等，在所有PRB上所获得的吞吐量也相等；对于所有的MRB，采用相同的概率gama_p，对于所有的PRB，采用相同的概率gama_m；若每一个MRB和每一个PRB上的吞吐量获得最大值，则整个系统获得最大的吞吐量；然后求出优化的概率因子gama_m和gama_p；

对于MRB优化目标是最大化系统在MRB上总的吞吐量，如式（5-5）所示，对于PRB优化目标是最大化系统在PRB上总的吞吐量，如式（5-6）所示：

maxR(gama_p)             （5-5）

maxR(gama_m)             （5-6）

R(gama_p)和R(gama_m)表示在任一宏基站资源块和微基站资源块上系统总的平均吞吐量之和；

采用比例公平的调度方法，只考虑大尺度衰落信息，每个用户获得相等的被调度的概率，在宏基站资源块上优化式如式（5-7）所示：

$\max \left\{\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\right[\underset{n=1}{\overset{k_i}{\mathrm{\Σ}}}\frac{1}{k_i}{r_n}^{\′}+\underset{j=1}{\overset{N/M}{\mathrm{\Σ}}}(\mathrm{gama}\_p*\underset{m=1}{\overset{k_j}{\mathrm{\Σ}}}\frac{1}{k_j}{r}_m\left]\right\}---(5-7)$

其中，M表示总的宏基站数目，N表示系统中总的微基站数目，从而N/M表示每宏小区中微基站数目；k_i和k_j分别表示宏基站i和微基站j的用户数目；r′_n根据式（5-3）计算每一个宏基站用户n在宏基站资源块上的吞吐量，r_m表示微基站用户m在有宏基站干扰情况下的吞吐量；

在微基站资源块上优化式如式（5-8）所示：

$\max \left\{\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\right[\mathrm{gama}\_m*\underset{n=1}{\overset{k_i}{\mathrm{\Σ}}}\frac{1}{k_i}{r}_n+\underset{j=1}{\overset{N/M}{\mathrm{\Σ}}}\left(\right]\underset{m=1}{\overset{k_j}{\mathrm{\Σ}}}\frac{1}{k_j}{r}_m^{\′}\}---(5-8)$

其中，M表示总的宏基站数目，N表示系统中总的微基站数目，从而N/M表示每宏小区中微基站数目；k_i和k_j分别表示宏基站i和微基站j的用户数目；r_n表示宏基站用户n在有微基站干扰情况下的吞吐量，r′_m根据式（5-4）计算每一个微基站用户m在微基站资源块上的吞吐量。

5.根据权利要求1所述的一种LTE-Advanced异构网中小区间干扰协调方法，其特征在于，所述步骤2）中p₁值的具体计算过程如下：

将gama_p和gama_m分别表示为p₁和p₂，并将r′_n代入式（5-7）得到下式（5-9）：

$R\left(p_1\right)=\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\left\{\underset{n=1}{\overset{k_i}{\mathrm{\Σ}}}\frac{1}{k_i}\right\{\underset{s=0}{\overset{n}{\mathrm{\Σ}}}[{(1-p_1)}^{N-s}*p_1^s*\mathrm{\Σ}(W*\log 2(1+{\mathrm{SINR}}_s))]\}+\underset{j=1}{\overset{N/M}{\mathrm{\Σ}}}[p_1*\underset{m=1}{\overset{k_j}{\mathrm{\Σ}}}(\frac{1}{k_j}*r_m)\left]\right\}$

          （5-9）

对式（5-9）求关于p₁的一阶导数R'(p₁)，见式（5-10）：

$R^{\′}\left(p_1\right)=\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\left\{\underset{n=1}{\overset{k_j}{\mathrm{\Σ}}}\frac{1}{k_i}\right\{\underset{s=0}{\overset{N}{\mathrm{\Σ}}}[-s*{(1-p_1)}^{N-s-1}*p_1^{s-1}*\mathrm{\Σ}(W*\log 2(1+{\mathrm{SINR}}_s))]\}+\underset{j=1}{\overset{N/M}{\mathrm{\Σ}}}[\underset{m=1}{\overset{k_j}{\mathrm{\Σ}}}(\frac{1}{k_j}*r_m)\left]\right\}$

             （5-10）

令R'(p₁)=0，求出优化的p₁值。

6.根据权利要求1所述的一种LTE-Advanced异构网中小区间干扰协调方法，其特征在于，所述步骤2）中对比例公平调度中的瞬时吞吐量进行更新，具体为将宏基站用户在宏基站资源块上的瞬时吞吐量和微基站用户在微基站资源块上的瞬时吞吐量都变成期望值。

7.根据权利要求1所述的一种LTE-Advanced异构网中小区间干扰协调方法，其特征在于，所述步骤2）中的资源分配的选择具体如（5-2）所示：

Case1:i∈MRB&j∈MUE

$j=\arg \underset{\{j\∈\mathrm{MUE}\}}{\max }\left(\frac{r_{\mathrm{ij}}^{\′}}{R_{\mathrm{ij}}}\right);p\left(j\right)=1;$

Case2:i∈MRB&j∈PUE

$j=\arg \underset{\{j\∈\mathrm{PUE}\}}{\max }\left(\frac{r_{\mathrm{ij}}}{R_{\mathrm{ij}}}\right),p\left(j\right)=\mathrm{gama}\_p;$        （5‐2）

Case3:i∈PRB&j∈PUE

$j=\arg \underset{\{j\∈\mathrm{PUE}\}}{\max }\left(\frac{{r_{\mathrm{ij}}}^{\′}}{R_{\mathrm{ij}}}\right);p\left(j\right)=1;$

Case4:i∈PRB&j∈MUE

$j=\arg \underset{\{j\∈\mathrm{MUE}\}}{\max }\left(\frac{r_{\mathrm{ij}}}{R_{\mathrm{ij}}}\right),p\left(j\right)=\mathrm{gama}\_m$

宏基站用户在MRB上进行资源分配时，首先进行瞬时吞吐量的更新，然后进行资源分配，微基站用户在MRB上瞬时吞吐量与总吞吐量之比最大的用户以概率gama_p使用宏基站资源块；微基站用户在PRB上进行资源分配时，首先进行瞬时吞吐量的更新，然后进行资源分配，宏基站在PRB上瞬时吞吐量与总吞吐量之比最大的用户以概率gama_m使用微基站资源块。

Images