CN103957563A - 基于增强型小区间干扰协调的联合上下行负载分配方法 - Google Patents

Abstract

本发明公开了一种基于增强型小区间干扰协调的联合上下行负载分配方法，考虑了上下行的非对称信道的接入，提高了用户的传输速率；提出了一种UM-ABS协议，重新设计了传统的ABS协议，通过把宏基站在几乎空白子帧(ABS)的下行静默改为可以配置宏用户的上行传输，有效的提高了ABS子帧的利用率，改善了系统容量；提出了松弛-取整算法，使得用户有效地接入宏基站或者微基站，同时使得UM-ABS协议得到很好地配置，并且对上下行传输的时间资源进行有效地分配。本发明改善了系统的负载均衡和系统的容量，提高了用户传输速率，使得整个系统的性能得到了很大的提升。

Description

基于增强型小区间干扰协调的联合上下行负载分配方法

技术领域

本发明属于无线通信网络技术领域，尤其涉及一种基于增强型小区间干扰协调的联合上下行负载分配方法。

背景技术

随着蜂窝网络的发展，为了满足快速增长的无线业务需求，3GPPLTE-Advanced在Rel-11中提出了异构蜂窝网络的概念。在高功率的宏基站覆盖范围内部署低功率的节点，形成多层的异构蜂窝网络，以改善热点区域的覆盖和容量，提高频谱利用率。这些低功率的节点分为微微蜂窝(picocells)和家庭基站(femtocells)。其中微微蜂窝覆盖范围在几百米，大多部署在室外，可以被所有用户使用；家庭基站覆盖范围几十米内，主要部署在室内，限制在家庭用户中使用。随着小基站的大量部署，尤其是家庭基站的大量使用，在未来无线网络中基站的数量很可能超过手机终端。

宏蜂窝和微微蜂窝组成的异构双层网络场景，其中宏蜂窝和微微蜂窝被同一个运营商运营，以便于进行集中的干扰协调和管理。在宏蜂窝和微微蜂窝共同组成的双层网络中，由于不同层之间共享相同的频谱，会带来严重的同层干扰和跨层干扰，影响蜂窝网络的性能。在异构蜂窝网络，研究减少或者消除同层干扰和跨层干扰是现在研究的热点问题也是难点问题。因此，3GPP在干扰管理中提出eICIC，旨在宏基站和微基站之间在时域进行干扰协调，减小宏基站对微微蜂窝的干扰。

在异构蜂窝网络中，由于基站的发射功率不同，覆盖范围不同，根据传统的最大的SINR的接入方式，微微基站会常处于轻负载，而宏基站将会处于重负载，大部分用户接入宏基站。因此，拥塞和负载将会成为影响用户速率的主要因素。有人以速率效用最大化为目标建立优化模型研究用户接入的问题，并求得的接收功率的偏置(bias)，基于偏置(bias)的接入可以获得该问题的次优解，发现比采用最大SINR接入，边缘用户可以获得3.5倍的速率增益，中心用户可以获得2倍的速率增益，原因是以速率效用最大化为目标的优化问题，负载从宏蜂窝转移到微微蜂窝，负载更加均衡。但是负载均衡会导致转移到微微蜂窝中用户的接收功率变小，并且易受到宏基站更严重的干扰。针对这个问题，3GPP提出了eICIC的对于下行的几乎空白子帧(ABS，Almost Blank Subframes)方案宏蜂窝在特定的时间/频率资源静默，不进行传输，使得在该静默期即几乎空白子帧上转移到微微蜂窝的用户可以接收更大的SINR，获得更大的传输速率。尽管宏蜂窝由于在ABS子帧静默会产生一定的速率损失，但如果微微蜂窝在ABS子帧同时传输的用户数量足够多，则可以获得更大的系统容量的提升和满足更多的用户QoS要求。但eICIC的提出仅针对下行，没有考虑上行的情况。

在异构蜂窝网中，由于不同类型基站的下行传输功率不同，宏蜂窝比微微蜂窝有更大的覆盖范围。而对于上行，用户传输相同的功率，基站的覆盖范围几乎相同。因此，上下行有不同的SINR分布，上下行不应该接入相同的基站。对于不同类型的业务，上下行业务的负载比重不同，但是对于对称业务，上下行的负载比重却是相同的。所以需要考虑用户上下行非对称新到的接入问题。现有的文章中，有人研究了在单个基站和多用户场景下，联合考虑上下行，研究多用户空间复用的速率容量，并给出了根据上下行的业务负载比例，在给定的移动速度下，确定导频和CSI(channel state information)比例的算法。但没有考虑异构蜂窝网络中多个基站的情况。也有人研究了在TDD-LTE(Time DivisionDuplexing Long Term Evolution)的异构蜂窝网络系统中如何进行动态的上下行时间资源的配置避免跨层干扰的问题，并通过仿真显示了动态的上下行配置可以带来系统性能的改善，但没有给出最优的上下行配置比例以及相关的配置算法。

现有的基于ABS的接入算法存在的没有考虑上下行的非对称信道接入，用户传输速率较低，没有对上下行传输的时间资源进行有效地分配。

发明内容

本发明实施例的目的在于提供一种基于增强型小区间干扰协调的联合上下行负载分配方法，旨在解决现有的基于ABS的接入算法存在的没有考虑上下行的非对称信道接入，用户传输速率较低，没有对上下行传输的时间资源进行有效地分配的问题。

本发明实施例是这样实现的，一种基于增强型小区间干扰协调的联合上下行负载分配方法，各个微基站和用户通过控制信道将各自的信道条件和干扰信息上报给宏基站中的eNode B，之后eNode B将为资源的调度进行统一的计算。计算完毕后，eNode B发送给各个微基站和用户所能够使用的资源信息，其中包括用户的上下行分别接入哪个基站、所发明的UM-ABS协议配置情况、用户传输速率。最后，微基站和用户根据这些信息进行数据传输。

本发明实施例的另一目的在于提供一种上下行非对称接入方式的发明，该发明使得用户的上下行可以进行动态接入基站，即用户上下行根据情况可以分别接入不同的基站，也可以接入相同的基站。该发明能够有效地利用资源，提高用户传输速率，改善系统容量。

本发明实施例的另一目的在于提供一种UM-ABS协议的发明，该发明对传统的ABS协议进行了重新设计，通过改变宏基站的在几乎空白子帧(ABS)的下行静默改为可以配置用户的上行传输，进而有效地利用了ABS子帧，提高用户传输速率。

本发明实施例的另一目的在于提供一种松弛-取整算法，该算法的目的在于计算上述所提到的上下行非对称接入情况、配置UM-ABS协议以及计算用户的传输速率和系统容量。

本发明提供的基于增强型小区间干扰协调的联合上下行负载分配方法，考虑了上下行的非对称信道的接入，提高了用户的传输速率；提出了一种UM-ABS协议，重新设计了传统的ABS协议,通过把宏基站在几乎空白子帧(ABS)的下行静默改为可以配置宏用户的上行传输，有效的提高了ABS子帧的利用率，改善了系统容量；提出了松弛-取整算法，使得用户有效地接入宏基站或者微基站，同时使得UM-ABS子帧得到很好地配置，并且对上下行传输的时间资源进行有效地分配。本发明改善了系统的负载均衡和系统的容量，提高了用户传输速率，使得整个系统的性能得到了很大的提升。

附图说明

图1是本发明实施例提供的基于增强型小区间干扰协调的联合上下行负载分配方法的流程图；

图2是本发明实施例提供的异构蜂窝网络中联合上下行的干扰模型示意图；

图3是本发明实施例提供的用户上下行对称接入和非对称接入示意图；

图4是本发明实施例提供的eICIC的ABS和UM-ABS帧结构示意图；

(a)eICIC的ABS和UM-ABS的帧结构；(b)eICIC的ABS和UM-ABS的帧结构；

图5是本发明实施例提供的系统容量随用户数的变化情况仿真示意图；

图6是本发明实施例提供的系统容量随微基站数目的变化情况仿真示意图；

图7是本发明实施例提供的用户上下行速率和总速率的CDF曲线仿真示意图；(a)用户上行速率的CDF曲线；(b)用户下行速率的CDF曲线；用户总速率的CDF曲线；

图8是本发明实施例提供的宏基站和微基站中的负载随着微基站数目的变化情况仿真示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

下面结合附图及具体实施例对本发明的应用原理作进一步描述。

如图1所示，本发明实施例的基于增强型小区间干扰协调的联合上下行负载分配方法包括以下步骤：

S101：构建一个双层的TDD-LTE异构蜂窝网络系统，该系统由宏基站、微基站以及用户组成。其中，用户上下行接入基站可以动态配置，即上下行可以进行非对称接入；

S102：各个微基站和用户通过控制信道将各自的信道条件和干扰信息上报给宏基站中的eNode B，然后该eNode B为资源的调度进行统一的计算；

S103：eNode B根据用户所接收到的信号强度，分别选择信号最强的一个宏基站和一个微基站作为用户下行动态接入的集合。然后根据松弛-取整算法对用户的下行接入进行选择；对用户的上行，eNode B根据接收到的信号强度，选择接收到的信号强度最强的基站让其接入；

S104：根据松弛-取整算法，eNode B为宏基站和微基站配置所发明的UM-ABS协议，即配置宏基站需要保持下行静默并且可以进行上行传输的UM-ABS子帧数A_p以及所有基站都可以进行上下行传输的non-UM-ABS子帧数N_m；

S105：根据松弛-取整算法，eNode B为用户分配接入宏基站或微基站上下行需要传输的时间资源以及可进行传输的速率，并且得到系统总容量；

S106：计算结束后，宏基站中的eNode B将资源管理和调度的结果通过控制信道传送给各个微基站和用户，从而调度用户进行有效的数据传输。

在步骤S101中所提到的动态配置上下行接入基站具体描述如下：

用户上下行根据接收到的信号强度动态接入基站，可以进行非对称接入也可以进行对称接入，其中非对称接入指的是用户上下行根据信道状态信息可以分别接入不同的基站；对称接入指的是用户上下行都接入同一个基站；对于下行接入，用户根据整个带宽接收到的信号强度，分别选择信号最强的一个宏基站和一个微基站作为下行非对称接入的集合，再根据松弛-取整算法选择接入哪个基站；对于上行接入，在所有宏基站和微基站中，用户根据接收的信号强度，选择接收到的信号强度最强的基站接入；

在步骤S104中所提到的UM-ABS协议具体解释如下：

UM-ABS帧协议(Uplink Transmission for Macro Users in ABS)中规定了两种子帧UM-ABS子帧和non-UM-ABS子帧，帧的总长度为10ms，在UM-ABS子帧上，宏基站需要进行保持下行静默，而接入宏基站的用户可以进行上行传输，微基站上下行都可以进行传输；在non-UM-ABS子帧上，所有基站都可以进行上下行的传输；

在步骤S105中所提到的松弛-取整算法包括松弛和取整两步，其中第一步松弛包括以下步骤：

步骤一，根据干扰和UM-ABS协议建立SINR模型，并且采用香农公式得到用户可利用的平均传输速率r_u；

步骤二，采用效应函数Ln(R_u)和用户可利用的平均传输速率r_u建立基于增强型小区间干扰协调的联合上下行负载均衡问题模型OP1(OptimizationProblem1),并证明该问题为NP-hard模型，求解的变量表示为：

$\stackrel{\→}{\mathrm{\χ}}=\{x_u^{\mathrm{up}},x_u^{\mathrm{down}},y_{u,A}^{\mathrm{up}},y_{u,A}^{\mathrm{down}},y_{u,\mathrm{nA}}^{\mathrm{up}},y_{u,\mathrm{nA}}^{\mathrm{down}},A_p,N_m,R_u\}$ $\mathrm{OP}1:\underset{\underset{\mathrm{\λ}}{\→}}{\max }\underset{u}{\mathrm{\Σ}}\ln \left(R_u\right)---\left(1\right)$

$s.t.R_u=R_u^{\mathrm{up}}+R_u^{\mathrm{down}}---\left(2\right)$

$R_u^{\mathrm{up}}:R_u^{\mathrm{down}}=w_u---\left(3\right)$

$R_u^{\mathrm{up}}\≤x_u^{\mathrm{up}}\·r_{u,\mathrm{macro}}^{\mathrm{up}}+x_{u,A}^{\mathrm{up}}\·r_{u,A,\mathrm{macro}}^{\mathrm{up}}+y_{u,A}^{\mathrm{up}}\·r_{u,A,\mathrm{pico}}^{\mathrm{up}}+y_{u,\mathrm{nA}}^{\mathrm{up}}\·r_{u,\mathrm{nA},\mathrm{pico}}^{\mathrm{up}}---\left(4\right)$

$R_u^{\mathrm{down}}\≤x_u^{\mathrm{down}}\·r_{u,\mathrm{macro}}^{\mathrm{down}}+y_{u,A}^{\mathrm{down}}\·r_{u,A,\mathrm{pico}}^{\mathrm{down}}+y_{u,\mathrm{nA}}^{\mathrm{down}}\·r_{u,\mathrm{nA},\mathrm{pico}}^{\mathrm{down}}---\left(5\right)$

$x_u^{\mathrm{up}}(y_{u,A}^{\mathrm{up}}+y_{u,\mathrm{nA}}^{\mathrm{up}})=0,\∀u\∈U---\left(6\right)$

$x_u^{\mathrm{up}}(y_{u,A}^{\mathrm{up}}+y_{u,\mathrm{nA}}^{\mathrm{up}})=0,\∀u\∈U---\left(7\right)$

$x_u^{\mathrm{down}}(y_{u,A}^{\mathrm{down}}+y_{u,\mathrm{nA}}^{\mathrm{down}})=0,\∀u\∈U---\left(8\right)$

$A_p+N_m\≤N_{\mathrm{sf}},\∀p,m\∈I_{\mathrm{BS}}---\left(9\right)$

$\underset{u\∈U_m}{\mathrm{\Σ}}(x_u^{\mathrm{up}}+x_u^{\mathrm{down}})\≤N_m,m\∈M---\left(10\right)$

$\underset{u\∈U_m}{\mathrm{\Σ}}{x}_{u,A}^{\mathrm{up}}\≤A_p,m\∈M---\left(11\right)$

$\underset{u\∈U_p}{\mathrm{\Σ}}(y_{u,A}^{\mathrm{up}}+y_{u,A}^{\mathrm{down}})\≤A_p,\∀p\∈P---\left(12\right)$

$\underset{u\∈U_p}{\mathrm{\Σ}}(y_{u,A}^{\mathrm{up}}+y_{u,A}^{\mathrm{down}}+y_{u,\mathrm{nA}}^{\mathrm{up}}+y_{u,\mathrm{nA}}^{\mathrm{down}})\≤N_{\mathrm{sf}}---\left(13\right)$

$x_u^{\mathrm{up}}\≥0,x_u^{\mathrm{down}}\≥0.y_{u,A}^{\mathrm{up}}\≥0,y_{u,A}^{\mathrm{down}}\≥0,y_{u,\mathrm{nA}}^{\mathrm{down}}\≥0---\left(14\right)$

$A_p,N_m\∈N^{+},\∀p,,m\∈I_{\mathrm{BS}}---\left(15\right)$

其中N⁺表示非负整数的集合；

然后利用本发明的松弛-取整算法求解该OP1；

步骤三，松弛优化问题OP1并求解，通过将式(14)中关于N_m和A_p的整数约束松弛为非负实数，然后将约束(5)-(7)中用户的上行或者下行分别只能接入单个的宏基站或微基站放松为可以同时接入宏基站和微基站即用户可以同时利用宏基站和微基站的资源，得到凸问题OP2：

$\mathrm{OP}2:p\{x_u^{\mathrm{up}},x_u^{\mathrm{down}},y_{u,A}^{\mathrm{up}},y_{u,A}^{\mathrm{down}},y_{u,\mathrm{nA}}^{\mathrm{up}},y_{u,\mathrm{nA}}^{\mathrm{down}},A_p,N_m,R_u\}=\max \underset{u}{\mathrm{\Σ}}\ln \left(R_u\right)$

s.t.(2)-(5)and(9)-(14)

$A_p,N_m\∈R^{+},\∀p,m\∈I_{\mathrm{BS}}$

其中R⁺表示非负实数的集合；

采用CVX优化工具箱求解该凸优化问题OP2，得到优化问题的解N′_mA′_p ${\tilde{x}}_{u,\mathrm{macro}}^{\mathrm{down}},{\tilde{y}}_{u,A}^{\mathrm{down}},{\tilde{y}}_{u,\mathrm{nA}}^{\mathrm{down}};$

松弛-取整算法第二步的取整操作详细步骤如下：

步骤一，取整N_m和A_p：将N_m和A_p由正实数变为整数采用如下操作：

$N_m^{*}=\mathrm{Round}\left(N_m^{\′}\right),A_p^{*}=\mathrm{Round}\left(A_p^{\′}\right)$

其中

步骤二，计算用户从宏基站可以得到的下行传输速率：

$R_{u,\mathrm{macro}}^{\mathrm{down}}=r_{u,\mathrm{macro}}^{\mathrm{down}}\·{\tilde{x}}_{u,\mathrm{macro}}^{\mathrm{down}}$

步骤三，计算用户从微基站可以得到的下行传输速率：

$R_{u,\mathrm{pico}}^{\mathrm{down}}={\tilde{y}}_{u,A}^{\mathrm{down}}\·r_{u,A,\mathrm{pico}}^{\mathrm{down}}+{\tilde{y}}_{u,\mathrm{nA}}^{\mathrm{down}}\·r_{u,\mathrm{nA},\mathrm{pico}}^{\mathrm{down}}$

步骤四，比较用户从宏基站和微基站得到的下行的速率，若则用户的下行接入宏基站，否则用户接入微基站；

步骤五，对于每一个宏基站和微基站，计算其下行和上行的利用率：

$X_m^{\mathrm{down}}=\underset{u=U_{m,\mathrm{down}}^{*}}{\mathrm{\Σ}}{\tilde{x}}_u^{\mathrm{down}},X_m^{\mathrm{up}}=\underset{u\∈U_{m,\mathrm{up}}^{*}}{\mathrm{\Σ}}{\tilde{x}}_u^{\mathrm{up}};$

$X_m=X_m^{\mathrm{down}}+X_m^{\mathrm{up}},X_{m,A}^{\mathrm{up}}=\underset{u\∈U_{m,\mathrm{up}}^{*}}{\mathrm{\Σ}}{\tilde{x}}_{u,A}^{\mathrm{up}};$

$Y_{p,A}^{\mathrm{down}}=\underset{u\∈U_{p,\mathrm{down}}^{*}}{\mathrm{\Σ}}{\tilde{y}}_{u,A}^{\mathrm{down}},Y_{p,\mathrm{nA}}^{\mathrm{down}}=\underset{u\∈U_{p,\mathrm{down}}^{*}}{\mathrm{\Σ}}{y}_{u,\mathrm{nA}}^{\mathrm{down}},Y_{p,A}=Y_{p,A}^{\mathrm{down}}+Y_{p,A}^{\mathrm{up}};$

$Y_{p,A}^{\mathrm{up}}=\underset{u\∈U_{p,\mathrm{up}}^{*}}{\mathrm{\Σ}}{\tilde{y}}_{u,A}^{\mathrm{up}},Y_{p,\mathrm{nA}}^{\mathrm{up}}=\underset{u\∈U_{p,\mathrm{up}}^{*}}{\mathrm{\Σ}}{y}_{u,\mathrm{nA}}^{\mathrm{up}},Y_{p,\mathrm{nA}}=Y_{p,\mathrm{nA}}^{\mathrm{down}}+Y_{p,\mathrm{nA}}^{\mathrm{up}};$

其中和分别为下行和上行接入宏基站用户的集合，相应的和为下行和上行接入微基站用户的集合；

步骤六，对于每一个用户，计算其上下行可以传输的时间：

${\hat{x}}_u^{\mathrm{down}}=\frac{{\tilde{x}}_u^{\mathrm{down}}\·N_m^{*}}{X_m},{\hat{x}}_u^{\mathrm{up}}=\frac{{\tilde{x}}_u^{\mathrm{up}}\·N_m^{*}}{X_m},{\hat{x}}_{u,a}^{\mathrm{up}}=\frac{{\tilde{x}}_{u,A}^{\mathrm{up}}\·(N_{\mathrm{sf}}-N_m^{*})}{X_{u,A}^{\mathrm{up}}};$

${\hat{y}}_{u,A}^{\mathrm{down}}=\frac{{\tilde{y}}_{u,A}^{\mathrm{down}}\·A_P^{*}}{Y_{p,A}},{\hat{y}}_{u,A}^{\mathrm{up}}=\frac{{\tilde{y}}_{u,A}^{\mathrm{up}}\·A_p^{*}}{Y_{p,A}};$

${\hat{y}}_{u,\mathrm{nA}}^{\mathrm{down}}=\frac{{\tilde{y}}_{u,\mathrm{nA}}^{\mathrm{down}}\·(N_{\mathrm{df}}-A_p^{*})}{Y_{p,\mathrm{nA}}},{\hat{y}}_{u,\mathrm{nA}}^{\mathrm{up}}=\frac{{\tilde{y}}_{u,\mathrm{nA}}^{\mathrm{up}}\·(N_{\mathrm{sf}}-A_p^{*})}{Y_{p,\mathrm{nA}}}$

步骤七，计算用户接入宏基站可以得到传输速率：

$R_u^{\mathrm{up}}=r_{u,\mathrm{macro}}^{\mathrm{up}}\·{\hat{x}}_u^{\mathrm{up}}+r_{u,A,\mathrm{macro}}^{\mathrm{up}}\·{\hat{x}}_{u,A}^{\mathrm{up}},R_u^{\mathrm{down}}=r_{u,\mathrm{macro}}^{\mathrm{down}}\·{\hat{x}}_u^{\mathrm{down}};$

步骤八，计算用户接入微基站可以得到的传输速率：

$R_u^{\mathrm{up}}=r_{u,A,\mathrm{pico}}^{\mathrm{up}}\·{\hat{y}}_{u,A}^{\mathrm{up}}+r_{u,\mathrm{nA},\mathrm{pico}}^{\mathrm{up}}\·{\hat{y}}_{u,\mathrm{nA}}^{\mathrm{up}}$

$R_u^{\mathrm{down}}=r_{u,A,\mathrm{pico}}^{\mathrm{down}}\·{\hat{y}}_{u,A}^{\mathrm{dowsn}}+r_{u,\mathrm{nA},\mathrm{pico}}^{\mathrm{down}}\·{\hat{y}}_{u,\mathrm{nA}}^{\mathrm{down}}$

步骤九，计算用户总的吞吐量：

本发明的具体步骤为：

步骤一：构建一个双层的TDD-LTE异构蜂窝网络系统，该系统由宏基站、微基站以及用户组成。其中，用户上下行接入基站可以动态配置，即上下行可以进行非对称接入；

步骤二：各个微基站和用户通过控制信道将各自的信道条件和干扰信息上报给宏基站中的eNode B，然后该eNode B为资源的调度进行统一的计算；

步骤三：eNode B根据用户所接收到的信号强度，分别选择信号最强的一个宏基站和一个微基站作为用户下行动态接入的集合。然后根据松弛-取整算法对用户的下行接入进行选择；对用户的上行，eNode B根据接收到的信号强度，选择接收到的信号强度最强的基站让其接入。

步骤四：配置所发明的UM-ABS子帧协议，本发明所提出的UM-ABS帧协议(Uplink Transmission for Macro Users in ABS)中规定了两种子帧UM-ABS子帧和non-UM-ABS子帧，该帧的总长度为10ms，在UM-ABS子帧上，宏基站需要保持下行静默，而接入宏基站的用户可以进行上行传输，微基站上下行都可以进行传输；在non-UM-ABS子帧上，所有基站都可以进行上下行的传输；根据所发明的松弛-取整算法，配置宏基站需要保持下行静默并且可以进行上行传输的UM-ABS子帧数A_p以及所有基站都可以进行上下行传输的non-UM-ABS子帧数N_m；

步骤五：根据所发明的松弛—取整算法，分配上下行进行传输的时间资源，并且得到用户上下行可以利用的平均时间，确定用户上下行的传输速率，最终得到用户总的传输速率；

步骤六：计算结束后，将资源管理和调度的结果通知给各个微基站和用户，从而各个用户进行数据传输。

本发明的实现还在于：步骤三、步骤四、步骤五中所使用的松弛-取整算法前期准备及其过程如下：

步骤一：建立SINR模型，同一个基站使用时分复用，小区内只存在三类干扰：基站与基站、用户与用户和用户与基站之间的干扰，根据干扰和UM-ABS协议，得到SINR模型；

步骤二：根据SINR模型，采用香农容量公式或者LTE中SINR与速率的对应表可以得到用户可利用的平均传输速率r_u；

步骤三：建立基于eICIC的联合上下行负载均衡问题模型，采用Ln(R_u)(log_e(R_u))效应函数，求解的变量表示为：

$\stackrel{\→}{\mathrm{\χ}}=\{x_u^{\mathrm{up}},x_u^{\mathrm{down}},y_{u,A}^{\mathrm{up}},y_{u,A}^{\mathrm{down}},y_{u,\mathrm{nA}}^{\mathrm{up}},y_{u,\mathrm{nA}}^{\mathrm{down}},A_p,N_m,R_u\}$

进而建立优化问题(OP1，OptimizationProblem1)：

$\mathrm{OP}1:\underset{\mathrm{\χ}}{\underset{\→}{\max }}\underset{u}{\mathrm{\Σ}}\ln \left(R_u\right)---\left(1\right)$

$s.t.R_u=R_u^{\mathrm{up}}+R_u^{\mathrm{down}}---\left(2\right)$

$R_u^{\mathrm{up}}:R_u^{\mathrm{down}}=w_u---\left(3\right)$

$R_u^{\mathrm{up}}\≤x_u^{\mathrm{up}}\·r_{u,\mathrm{macro}}^{\mathrm{up}}+x_{u,A}^{\mathrm{up}}\·r_{u,A,\mathrm{macro}}^{\mathrm{up}}+y_{u,A}^{\mathrm{up}}\·r_{u,A,\mathrm{pico}}^{\mathrm{up}}+y_{u,\mathrm{nA}}^{\mathrm{up}}\·r_{u,\mathrm{nA},\mathrm{pico}}^{\mathrm{up}}---\left(4\right)$

$R_u^{\mathrm{down}}\≤x_u^{\mathrm{down}}\·r_{u,\mathrm{macro}}^{\mathrm{down}}+y_{u,A}^{\mathrm{down}}\·r_{u,A,\mathrm{pico}}^{\mathrm{down}}+y_{u,\mathrm{nA}}^{\mathrm{down}}\·r_{u,\mathrm{nA},\mathrm{pico}}^{\mathrm{down}}---\left(5\right)$

$x_u^{\mathrm{up}}(y_{u,A}^{\mathrm{up}}+y_{u,\mathrm{nA}}^{\mathrm{up}})=0,\∀u\∈U---\left(6\right)$

$x_u^{\mathrm{up}}(y_{u,A}^{\mathrm{up}}+y_{u,\mathrm{nA}}^{\mathrm{up}})=0,\∀u\∈U---\left(7\right)$

$x_u^{\mathrm{down}}(y_{u,A}^{\mathrm{down}}+y_{u,\mathrm{nA}}^{\mathrm{down}})=0,\∀u\∈U---\left(8\right)$

$A_p+N_m\≤N_{\mathrm{sf}},\∀p,m\∈I_{\mathrm{BS}}---\left(9\right)$

$\underset{u\∈U_m}{\mathrm{\Σ}}(x_u^{\mathrm{up}}+x_u^{\mathrm{down}})\≤N_m,m\∈M---\left(10\right)$

$\underset{u\∈U_m}{\mathrm{\Σ}}{x}_{u,A}^{\mathrm{up}}\≤A_p,m\∈M---\left(11\right)$

$\underset{u\∈U_p}{\mathrm{\Σ}}(y_{u,A}^{\mathrm{up}}+y_{u,A}^{\mathrm{down}})\≤A_p,\∀p\∈P---\left(12\right)$

$\underset{u\∈U_p}{\mathrm{\Σ}}(y_{u,A}^{\mathrm{up}}+y_{u,A}^{\mathrm{down}}+y_{u,\mathrm{nA}}^{\mathrm{up}}+y_{u,\mathrm{nA}}^{\mathrm{down}})\≤N_{\mathrm{sf}}---\left(13\right)$

$x_u^{\mathrm{up}}\≥0,x_u^{\mathrm{dowm}}\≥0,y_{u,A}^{\mathrm{up}}\≥0,y_{u,A}^{\mathrm{down}}\≥0,y_{u,\mathrm{nA}}^{\mathrm{up}}\≥0,y_{u,A}^{\mathrm{down}}\≥0---\left(14\right)$

$A_p,N_m\∈N^{+},\∀p,m\∈I_{\mathrm{BS}}---\left(15\right)$

其中N⁺表示非负整数的集合；

步骤四：OP1证明为NP-hard问题，由式(1)-式(15)可以看出，优化问题OP1是混合整数规划问题。对于小规模的整数规划问题，可以采用分支定界法，求得最优解。但是优化问题OP1中用户数目M和基站数目N的组合复杂度为M^N，随着M和N的增加，复杂度呈指数增长，所以OP1为NP-hard问题；为了降低复杂度，利用本发明的松弛-取整算法求解。

步骤五：松弛-取整算法求解OP1；

1、松弛：

通过将式(14)中关于N_m和A_p的整数约束松弛为非负实数，然后将约束(5)-(7)中用户的上行或者下行分别只能接入单个的宏基站或微基站放松为可以同时接入宏基站和微基站，即用户可以同时利用宏基站和微基站的资源，将优化问题OP1松弛为凸问题OP2：

$\mathrm{OP}2:p\{x_u^{\mathrm{up}},x_u^{\mathrm{down}},y_{u,A}^{\mathrm{up}},y_{u,A}^{\mathrm{down}},y_{u,\mathrm{nA}}^{\mathrm{up}},y_{u,\mathrm{nA}}^{\mathrm{down}},A_p,N_m,R_u\}=\max \underset{u}{\mathrm{\Σ}}\ln \left(R_u\right)$

s.t.(2)-(5)and(9)-(14)；

$A_p,N_m\∈R^{+},\∀p,m\∈I_{\mathrm{BS}}$

其中R⁺表示非负实数的集合；

采用CVX优化工具箱求解该凸优化问题OP2，得到优化问题的解N′_m，A′_p ${\tilde{x}}_{u,\mathrm{macro}}^{\mathrm{down}},{\tilde{y}}_{u,A}^{\mathrm{down}},{\tilde{y}}_{u,\mathrm{nA}}^{\mathrm{down}};$

2、取整：

对优化问题OP2求解后的输出结果，采用如下的取整操作：

从而得到原优化问题OP1的近似可行解，

本发明的实现还在于：对于取整操作详细步骤如下：

步骤一：取整N_m和A_p：将N_m和A_p由正实数变为整数采用如下操作：

其中N'_m和A'_p为算法1的输出；

步骤二：计算用户从宏基站可以得到的下行传输速率：

$R_{u,\mathrm{macro}}^{\mathrm{down}}=r_{u,\mathrm{macro}}^{\mathrm{down}}\·{\tilde{x}}_{u,\mathrm{macro}}^{\mathrm{down}}$

步骤三：计算用户从微基站可以得到的下行传输速率：

$R_{u,\mathrm{pico}}^{\mathrm{down}}={\tilde{y}}_{u,A}^{\mathrm{down}}\·r_{u,A,\mathrm{pico}}^{\mathrm{down}}+{\tilde{y}}_{u,\mathrm{nA}}^{\mathrm{down}}\·r_{u,\mathrm{nA},\mathrm{pico}}^{\mathrm{down}}$

其中和为算法1的输出；

步骤四：比较用户从宏基站和微基站得到的下行的速率，若则用户的下行接入宏基站，否则用户接入微基站；

步骤五：对于每一个宏基站和微基站，计算其下行和上行的利用率：

$X_m^{\mathrm{down}}=\underset{u=U_{m,\mathrm{down}}^{*}}{\mathrm{\Σ}}{\tilde{x}}_u^{\mathrm{down}},X_m^{\mathrm{up}}=\underset{u\∈U_{m,\mathrm{up}}^{*}}{\mathrm{\Σ}}{\tilde{x}}_u^{\mathrm{up}};$

$X_m=X_m^{\mathrm{down}}+X_m^{\mathrm{up}},X_{m,A}^{\mathrm{up}}=\underset{u\∈U_{m,\mathrm{up}}^{*}}{\mathrm{\Σ}}{\tilde{x}}_{u,A}^{\mathrm{UP}};$

$Y_{p,A}^{\mathrm{down}}=\underset{u\∈U_{p,\mathrm{down}}^{*}}{\mathrm{\Σ}}{\tilde{y}}_{u,A}^{\mathrm{down}},Y_{p,\mathrm{nA}}^{\mathrm{down}}=\underset{u\∈U_{p,\mathrm{down}}^{*}}{\mathrm{\Σ}}{y}_{u,\mathrm{nA}}^{\mathrm{down}},Y_{p,A}=Y_{p,A}^{\mathrm{down}}+Y_{p,A}^{\mathrm{up}};$

$Y_{p,A}^{\mathrm{up}}=\underset{u\∈U_{p,\mathrm{up}}^{*}}{\mathrm{\Σ}}{\tilde{y}}_{u,A}^{\mathrm{up}},Y_{p,\mathrm{nA}}^{\mathrm{up}}=\underset{u\∈U_{p,\mathrm{up}}^{*}}{\mathrm{\Σ}}{y}_{u,\mathrm{nA}}^{\mathrm{up}},Y_{p,\mathrm{nA}}=Y_{p,\mathrm{nA}}^{\mathrm{down}}+Y_{p,\mathrm{nA}}^{\mathrm{up}};$

其中和分别为下行和上行接入宏基站用户的集合，相应的和为下行和上行接入微基站用户的集合；

步骤六：对于每一个用户，计算其上下行可以传输的时间：

${\hat{x}}_u^{\mathrm{down}}=\frac{{\hat{x}}_u^{\mathrm{down}}\·N_m^{*}}{X_m},{\hat{x}}_u^{\mathrm{up}}=\frac{{\tilde{x}}_u^{\mathrm{up}}\·N_m^{*}}{X_m},{\hat{x}}_{u,A}^{\mathrm{up}}=\frac{{\tilde{x}}_{u,A}^{\mathrm{up}}\·(N_{\mathrm{sf}}-N_m^{*})}{X_{u,A}^{\mathrm{up}}};$

${\hat{y}}_{u,A}^{\mathrm{down}}=\frac{{\tilde{y}}_{u,A}^{\mathrm{down}}\·A_p^{*}}{Y_{p,A}},{\hat{y}}_{u.A}^{\mathrm{up}}=\frac{{\tilde{y}}_{u,A}^{\mathrm{up}}\·A_p^{*}}{Y_{p,A}};$

${\hat{y}}_{u,\mathrm{nA}}^{\mathrm{down}}=\frac{{\tilde{y}}_{u,\mathrm{nA}}^{\mathrm{down}}\·(N_{\mathrm{sf}}-A_p^{*})}{Y_{p,\mathrm{nA}}},{\hat{y}}_{u,\mathrm{nA}}^{\mathrm{up}}=\frac{{\tilde{y}}_{u,\mathrm{nA}}^{\mathrm{up}}\·(N_{\mathrm{sf}}-A_p^{*})}{Y_{p,\mathrm{nA}}};$

步骤七：计算用户接入宏基站可以得到传输速率：

$R_u^{\mathrm{up}}=r_{u,\mathrm{macro}}^{\mathrm{up}}\·{\hat{x}}_u^{\mathrm{up}}+r_{u,A,\mathrm{macro}}^{\mathrm{up}}\·{\hat{x}}_{u,A}^{\mathrm{up}},R_u^{\mathrm{down}}=r_{u,\mathrm{macro}}^{\mathrm{down}}\·{\hat{x}}_u^{\mathrm{down}},$

步骤八：计算用户接入微基站可以得到的传输速率：

$R_u^{\mathrm{up}}=r_{u,A,\mathrm{pico}}^{\mathrm{up}}\·{\hat{y}}_{u,A}^{\mathrm{up}}+r_{u,\mathrm{nA},\mathrm{pico}}^{\mathrm{up}}\·{\hat{y}}_{u,\mathrm{nA}}^{\mathrm{up}}$

$R_u^{\mathrm{down}}=r_{u,A,\mathrm{pico}}^{\mathrm{down}}\·{\hat{y}}_{u,A}^{\mathrm{down}}+r_{u,\mathrm{nA},\mathrm{pico}}^{\mathrm{down}}\·{\hat{y}}_{u,\mathrm{nA}}^{\mathrm{down}}$

步骤九：计算用户总的吞吐量：

本发明和现有技术相比具有的优点：

与现有的基于ABS的接入算法相比，本发明所提出的基于UM-ABS的上下行非对称接入算法有三个优点，第一，考虑了上下行的非对称信道的接入，提高了用户的传输速率，第二，提出了一种UM-ABS协议，重新设计了传统的ABS协议,通过把宏基站在几乎空白子帧(ABS)的下行静默改为可以配置用户的上行传输，有效的提高了ABS子帧的利用率，改善了系统容量；第三，提出了松弛-取整算法，使得用户有效地接入宏基站或者微基站，同时使得UM-ABS子帧得到很好地配置，并且对上下行传输的时间资源进行有效地分配，最后，本发明使得改善了系统的负载均衡和系统的容量，提高了用户传输速率，使得整个系统的性能得到了很大的提升。

以下结合本发明的具体实施方式对本发明的应用效果做进一步的说明：

如图2为异构蜂窝网中联合上下行的干扰模型，该模型为一个双层的TDD-LTE的异构蜂窝网络系统，在该系统中，包括宏基站，微基站和用户。其中，演进型基站(eNode B，evolved Node B)指位于宏基站中，是用户与和核心网络连接的接口，执行资源调度，无线承载控制，无线接入控制以及更多的资源管理的功能。

用户模型：用户的上下行可以进行非对称接入，即上下行可以接入不同的基站，如图3所示，对于单个用户的上行(或者下行)只能接入单个宏基站或者单个微基站但不能同时接入两个基站，对于用户的上行传输，本发明采用最大发射功率，在所有宏基站和微基站中，根据接收的信号的强度，选择接收到的信号强度最强的基站接入，对于用户的下行传输，根据用户在整个带宽接收的信号强度，分别选择信号强度最强一个宏蜂窝和一个微微蜂窝作为候选集合，再根据本发明提出的松弛-取整算法确定接入宏基站还是微基站；

干扰模型：对于同一个基站的用户，通过时分复用，彼此之间没有干扰，因此，小区内主要存在三种类型的干扰：基站与基站的干扰，用户与用户的干扰和用户与基站的干扰，如图2所示，基站与基站的干扰包含宏基站与微基站之间的干扰、宏基站与宏基站之间的干扰、微基站与微基站之间的干扰，主要指的基站的下行传输对基站上行接收信号的干扰，从而严重的影响用户上行的性能，用户与用户的干扰是指用户上行传输对用户的下行接收产生的干扰，会严重影响用户下行的性能，用户与基站的干扰包含两个部分：用户对基站的干扰和基站对用户的干扰，用户对基站的干扰是指用户的上行传输干扰基站的上行接收，基站对用户的干扰是指基站的下行传输干扰其他基站用户的下行接收.

UM-ABS帧结构：如图4(a)(b)所示，ABS为下行传输中保持静默但可以传输一些广播信号的某些子帧，因为广播信号只占OFDMA子载波中很少的一部分，所以宏蜂窝对微微蜂窝产生的干扰在ABS子帧上很小，因此，微微蜂窝在ABS子帧上可以获得更高的传输速率，本发明是基于ABS子帧上几乎没有传输的情况下，在该ABS子帧上增加了宏基站用户的上行传输，如图4(a)(b)所示，本发明所提出的UM-ABS帧协议(Uplink Transmission for Macro Users in ABS)中规定了两种子帧UM-ABS子帧和non-UM-ABS子帧，该帧的总长度为10ms，在UM-ABS子帧上，宏基站需要进行保持下行静默，配置接入宏基站的用户进行上行传输，微基站上下行都可以进行传输；在non-UM-ABS子帧上，所有基站都可以进行上下行的传输，该协议有效地利用了ABS子帧资源，改善了系统容量；

SINR模型：根据干扰模型以及UM-ABS协议模型，得到用户的SINR模型,进一步根据香农容量公式或者LTE中SINR与速率的对应表得到用户可利用的平均传输速率。

根据用户接入宏基站还是微基站，用户可以分为两类：接入微基站的用户和接入宏基站的用户，本发明提出宏基站在UM-ABS子帧保持下行静默，可以进行用户的上行传输，所以对于接入微基站的用户，在UM-ABS子帧上受到两方面的干扰：其他的微基站传输和宏基站用户的上行传输造成的干扰；

对于接入微基站的用户：

下行的SINR可以得到：

上行的SINR可以得到：

对于接入宏基站的用户：

下行只能在non-UM-ABS子帧上进行传输，而上行可以在UM-ABS子帧和non-UM-ABS子帧上都可以传输；

因此，对于接入宏基站的用户，下行的SINR可以得到：

上行的SINR可以得到：

其中，具体的用户接收信号功率和受到干扰的符号表示如表1所示；

表1

其中BS∈{macro,pico}表示基站，Int∈I_BS是指所有宏蜂窝(macros)与微微蜂窝(picos)会产生干扰的集合，I_BS表示基站之间的干扰关系，其干扰关系的确定是通过检测两个基站之间接收信号的是否大于给定的门限，或者是否小于一定的物理距离，Down表示下行，Up表示上行。

根据上述得到的SINR模型，采用香农容量公式或者LTE中SINR与速率的对应表得到用户可利用的平均传输速率r_u，如表2所示。

表2

优化模型：本发明从三个方面建立优化模型：

1)最优的用户上下行接入，即单个用户的上下行分别接入哪个基站；

2)宏基站可以提供给受其干扰的微基站使用的UM-ABS子帧数目；

3)时间资源分配，即用户上下行进行传输分配的时间资源；

基于这三个方面，本发明采用ln(R_u)的效用函数，其为非递减并且是连续可微的凹函数，建立的优化问题(OP1，Optimization Problem1)，为了便于表示，将优化问题OP1中需要求解的变量表示为：

$\stackrel{\→}{\mathrm{\χ}}=\{x_u^{\mathrm{up}},x_u^{\mathrm{down}},y_{u,A}^{\mathrm{up}},y_{u,A}^{\mathrm{down}},y_{u,\mathrm{nA}}^{\mathrm{up}},y_{u,\mathrm{nA}}^{\mathrm{down}},A_p,N_m,R_u\}$

进而建立优化问题(OP1，Optimization Problem1)：

$\mathrm{OP}1:\underset{\mathrm{\χ}}{\underset{\→}{\max }}\underset{u}{\mathrm{\Σ}}\ln \left(R_u\right)---\left(1\right)$

$s.t.R_u=R_u^{\mathrm{up}}+R_u^{\mathrm{down}}---\left(2\right)$

$R_u^{\mathrm{up}}:R_u^{\mathrm{down}}=w_u---\left(3\right)$

$R_u^{\mathrm{up}}\≤x_u^{\mathrm{up}}\·r_{u,\mathrm{macro}}^{\mathrm{up}}+x_{u,A}^{\mathrm{up}}\·r_{u,A,\mathrm{macro}}^{\mathrm{up}}+y_{u,A}^{\mathrm{up}}\·t_{u,A,\mathrm{pico}}^{\mathrm{up}}+y_{u,\mathrm{nA}}^{\mathrm{up}}\·r_{u,\mathrm{nA},\mathrm{pico}}^{\mathrm{up}}---\left(4\right)$

$R_u^{\mathrm{down}}\≤x_u^{\mathrm{down}}\·r_{u,\mathrm{macro}}^{\mathrm{down}}+y_{u,A}^{\mathrm{down}}\·r_{u,A,\mathrm{pico}}^{\mathrm{down}}+y_{u,\mathrm{nA}}^{\mathrm{down}}\·r_{u,\mathrm{nA},\mathrm{pico}}^{\mathrm{down}}---\left(5\right)$

$x_u^{\mathrm{up}}(y_{u,A}^{\mathrm{up}}+y_{u,\mathrm{nA}}^{\mathrm{up}})=0,\∀u\∈U---\left(6\right)$

$x_{u,A}^{\mathrm{up}}(y_{u,A}^{\mathrm{up}}+y_{u,\mathrm{nA}}^{\mathrm{up}})=0,\∀u\∈U---\left(7\right)$

$x_u^{\mathrm{down}}(y_{u,A}^{\mathrm{down}}+y_{u,\mathrm{nA}}^{\mathrm{down}})=0,\∀u\∈U---\left(8\right)$

$A_p+N_m\≤N_{\mathrm{sf}},\∀p,m\∈I_{\mathrm{BS}}---\left(9\right)$

$\underset{{u\∈U}_m}{\mathrm{\Σ}}(x_u^{\mathrm{up}}+x_u^{\mathrm{down}})\≤N_m,m\∈M---\left(10\right)$

$\underset{{u\∈U}_p}{\mathrm{\Σ}}{x}_{u,A}^{\mathrm{up}}\≤A_p,m\∈M---\left(11\right)$

$\underset{u\∈U_p}{\mathrm{\Σ}}(y_{u,A}^{\mathrm{up}}+y_{u,A}^{\mathrm{down}})\≤A_p,\∀p\∈P---\left(12\right)$

$\underset{{u\∈U}_p}{\mathrm{\Σ}}(y_{u,A}^{\mathrm{up}}+y_{u,A}^{\mathrm{down}}+y_{u,\mathrm{nA}}^{\mathrm{up}}+y_{u,\mathrm{nA}}^{\mathrm{down}})\≤N_{\mathrm{sf}}---\left(13\right)$

$x_u^{\mathrm{up}}\≥0,x_u^{\mathrm{down}}\≥0,y_{u,A}^{\mathrm{up}}\≥0,y_{u,A}^{\mathrm{down}}\≥0,y_{u,\mathrm{nA}}^{\mathrm{up}}\≥0,y_{u,A}^{\mathrm{down}}\≥0---\left(14\right)$

$A_p,N_m\∈N^{+},\∀p,m\∈I_{\mathrm{BS}}---\left(15\right)$

其中N⁺表示非负整数的集合；

约束(2)表示用户的速率为用户的上行速率和下行速率之和，约束(3)表示用户业务类别，变量w_u表示上行与下行的速率之比，如果w_u1，表示文件的下载；如果w_u1，表示文件的上传；如果w_u＝1，表示为对称性业务如VoIP(voiceoverIP)或者视频会议，约束(4)和(5)分别表示用户上行和下行速率的最大限制，约束(6)，(7)和(8)表示用户的上行或者下行只能接入单个的宏基站或者微基站，不能同时接入两个基站，约束(9)表示在干扰集合I_BS中UM-ABS子帧与non-UM-ABS子帧总数的限制，约束(10)表示用户在non-UM-ABS接入宏基站，分配的传输时间不能大于总的可以利用的non-UM-ABS子帧数N_m，约束(11)表示用户在UM-ABS上行接入宏基站，分配的传输时间不能大于总的可以利用的UM-ABS子帧数A_p，约束(12)表示用户在UM-ABS接入微基站，分配的传输时间不能大于总的可以利用的UM-ABS子帧数A_p，约束(13)表示接入微基站的用户，其分配的传输时间不能大于总的UM-ABS周期Nsf；优化变量和主要参数表示如表3：

表3

由式(1)-式(15)可以看出，优化问题OP1是混合整数规划问题，对于小规模的整数规划问题，可以采用分支定界法，求得最优解，但OP1问题中用户与基站的组合复杂度为M^N，其中M表示基站的数目，N表示用户的数目，随着异构蜂窝网络中微基站和用户数目的增加，复杂度呈指数增长，因此，该问题可以被证明为NP-hard问题，为了降低算法的复杂度，本发明提出了松弛和取整的近似算法；

1、松弛-取整算法：

1)松弛：通过将式(14)中关于N_m和A_p的整数约束松弛为非负实数，然后将约束(5)-(7)中用户的上行或者下行分别只能接入单个的宏基站或微基站放松为可以同时接入宏基站和微基站，即用户可以同时利用宏基站和微基站的资源，因此，松弛后的问题OP2如下所示；

$\mathrm{OP}2:p\{x_u^{\mathrm{up}},x_u^{\mathrm{down}},y_{u,A}^{\mathrm{up}},y_{u,A}^{\mathrm{down}},y_{u,\mathrm{nA}}^{\mathrm{up}},y_{u,\mathrm{nA}}^{\mathrm{down}},A_p,N_m,R_u\}=\max \underset{u}{\mathrm{\Σ}}\ln \left(R_u\right)$

s.t.(2)-(5)and(9)-(14)

$A_p.N_m\∈R^{+},\∀p,m\∈I_{\mathrm{BS}}$

其中R⁺表示非负实数的集合；

2)取整：操作上面的取整操作，详细操作如本发明的具体步骤中提到的；最终得到用户的接入信息、UM-ABS协议配置信息以及用户传输信息。

本发明的仿真结果：

本发明仿真考虑宏基站和微基站的双层网络，其中宏基站的位置固定在中心位置,宏基站的密度为而微基站和用户的密度随着仿真场景的不同而变化，从而对比在不同场景下不同算法的性能，微基站和用户的产生服从均匀分布，本发明最终的仿真结果通过100次平均产生，为了方便，考虑上下行的对称业务，即上下行的速率比相同，即令w_u＝1，各个参数如表4所示：

表4

为了更好的验证本章提出的算法，对比了如下的四种算法，

1)基于ABS的最大SINR接入算法；

2)基于ABS的最大速率效用接入算法；

为了公平的比较，上述两种方案都考虑了基于eICIC的最优ABS分配算法；

3)未考虑UM-ABS的上下行非对称接入算法；

4)基于UM-ABS的上下行非对称接入算法；

图5显示了在1个宏基站和4个微基站的场景下，系统容量随用户数的变化情况，从图5中可以看出，基于UM-ABS的上下行非对称接入算法可以获得最大系统容量，这是因为宏基站比微基站有更大的下行的传输功率，大多数用户接入宏基站导致宏基站过载，而微基站未充分利用，基于UM-ABS的上下行非对称接入算法相比可以获得更大的容量增益，这是因为UM-ABS协议模型改善了ABS子帧的利用率，但增加的干扰较小，从而提升了的系统容量；

图6显示了在1个宏基站和30个用户的场景中，随着微基站数目的增加，系统容量的变化情况，从图6中可以看到基于UM-ABS的上下行非对称接入算法相比未考虑UM-ABS的上下行非对称接入算法、基于ABS的最大速率效用接入算法和基于ABS的最大SINR接入算法，平均可以获得13.77％，17.02％和50.73％系统容量的增益；

为了验证用户的性能，图7显示了在1个宏基站、4个微微蜂窝和30个用户的场景下，用户上行速率、下行速率以及用户和速率的CDF曲线，从图7中可以看出相比未考虑UM-ABS的上下行非对称接入算法、基于ABS的最大速率效用接入算法和基于ABS的最大SINR接入算法，基于UM-ABS的上下行非对称接入算法可以获得更高的用户传输速率，在图7(a)中，基于UM-ABS的上下行非对称接入算法比未考虑UM-ABS的上下行非对称接入算法可以获得更大的上行传输速率，而在图7(b)中，与未考虑UM-ABS的上下行非对称接入算法相比，基于UM-ABS的上下行非对称接入算法获得的下行速率增加的很小，几乎重合，由此可以得到，UM-ABS主要提高了用户的上行传输的速率，从而改善了异构蜂窝网络系统的容量；

从图7中可以得到简单的结论，负载均衡对于系统性能的改善起着很重要的作用，考虑了非对称上下行接入的负载均衡可以改善系统的性能，但获得的性能增益较小，而考虑了UM-ABS联合上下行的接入算法可以获得更大系统容量和用户速率性能的提升；

图8显示了在1个宏基站和30个用户的场景中，随着微基站数目的增加，未考虑UM-ABS的上下行非对称接入算法和基于UM-ABS的上下行非对称接入算法导致基站中接入负载的变化情况，在宏基站中接入的负载随着微基站数目的增加而减少，因为更多的用户被转移到了微基站中，可以看出基于UM-ABS的上下行非对称接入算法比未考虑UM-ABS的上下行非对称接入算法导致负载的进一步均衡，此外，UM-ABS不仅增加了上行宏基站用户的传输，而且由于用户的上行功率比宏基站的下行功率相比很小，因此对于系统来说增加的干扰很小，从而提高了ABS子帧的利用率，改善了系统的性能。

仿真结果显示，本发明的算法相比已有的算法提高了ABS子帧的利用率，改善了系统的容量，提高了用户的速率。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种基于增强型小区间干扰协调的联合上下行负载分配方法，其特征在于，该基于增强型小区间干扰协调的联合上下行负载分配方法包括：

第一步，构建一个双层的TDD-LTE异构蜂窝网络系统，该系统由宏基站、微基站以及用户组成；其中，用户上下行接入基站可以动态配置，即上下行可以进行非对称接入；

第二步，各个微基站和用户通过控制信道将各自的信道条件和干扰信息上报给宏基站中的eNode B，然后该eNode B为资源的调度进行统一的计算；

第三步，eNode B根据用户所接收到的信号强度，分别选择信号最强的一个宏基站和一个微基站作为用户下行动态接入的集合；然后根据松弛-取整算法对用户的下行接入进行选择；对用户的上行，eNode B根据接收到的信号强度，选择信号强度最强的基站让其接入；

第四步，根据松弛-取整算法，eNode B为宏基站和微基站配置所发明的UM-ABS协议，即配置宏基站需要保持下行静默并且可以进行上行传输的UM-ABS子帧数A_p以及所有基站都可以进行上下行传输的non-UM-ABS子帧数N_m；

第五步，根据松弛-取整算法，eNode B为用户分配接入宏基站或微基站上下行需要传输的时间资源以及可进行传输的速率，并且得到系统总容量；

第六步，计算结束后，宏基站中的eNode B将资源管理和调度的结果通过控制信道传送给各个微基站和用户，从而调度用户进行有效的数据传输。

2.如权利要求1所述的基于增强型小区间干扰协调的联合上下行负载分配方法，其特征在于，第一步中的上下行动态接入特征在于，用户上下行根据接收到的信号强度动态接入基站，可以进行非对称接入也可以进行对称接入，其中非对称接入指的是用户上下行根据信道状态信息可以分别接入不同的基站；对称接入指的是用户上下行都接入同一个基站；对于下行接入，用户根据整个带宽接收到的信号强度，分别选择信号最强的一个宏基站和一个微基站作为下行非对称接入的集合，再根据松弛-取整算法选择接入哪个基站；对于上行接入，在所有宏基站和微基站中，用户根据接收的信号强度，选择接收到的信号强度最强的基站接入。

3.如权利要求1所述的基于增强型小区间干扰协调联合上下行负载分配方法，其特征在于，在第四步中提出的UM-ABS帧协议中规定了两种子帧，UM-ABS子帧和non-UM-ABS子帧，帧的总长度为10ms，在UM-ABS子帧上，宏基站需要保持下行静默，而接入宏基站的用户可以进行上行传输，微基站上下行都可以进行传输；在non-UM-ABS子帧上，所有基站都可以进行上下行的传输。

4.如权利要求1所述的基于增强型小区间干扰协调的联合上下行负载分配方法，其特征在于，第三、四、五步中的松弛-取整算法包括松弛和取整两步。

5.如权利要求4所述的基于增强型小区间干扰协调的联合上下行负载分配方法，其特征在于，第一步松弛包括以下步骤：

步骤一，根据干扰和UM-ABS协议建立SINR模型，并且采用香农公式得到用户可利用的平均传输速率r_u；

步骤二，采用效应函数Ln(R_u)和用户可利用的平均传输速率r_u建立基于增强型小区间干扰协调的联合上下行负载均衡问题模型OP1，并证明该问题为NP-hard模型，求解的变量表示为：

$\stackrel{\→}{\mathrm{\χ}}=\{x_u^{\mathrm{up}},x_u^{\mathrm{down}},y_{u,A}^{\mathrm{up}},y_{u,A}^{\mathrm{down}},y_{u,\mathrm{nA}}^{\mathrm{up}},y_{u,\mathrm{nA}}^{\mathrm{down}},A_p,N_m,R_u\}$

$\mathrm{OP}1:\underset{\mathrm{\χ}}{\underset{\→}{\max }}\underset{u}{\mathrm{\Σ}}\ln \left(R_u\right)---\left(1\right)$

$s.t.R_u=R_u^{\mathrm{up}}+R_u^{\mathrm{down}}---\left(2\right)$

$R_u^{\mathrm{up}}:R_u^{\mathrm{down}}=w_u---\left(3\right)$

$R_u^{\mathrm{up}}\≤x_u^{\mathrm{up}}\·r_{u,\mathrm{macro}}^{\mathrm{up}}+x_{u,A}^{\mathrm{up}}\·r_{u,A,\mathrm{macro}}^{\mathrm{up}}+y_{u,A}^{\mathrm{up}}\·r_{u,A,\mathrm{pico}}^{\mathrm{up}}+y_{u,\mathrm{nA}}^{\mathrm{up}}\·r_{u,\mathrm{nA},\mathrm{pico}}^{\mathrm{up}}---\left(4\right)$

$R_u^{\mathrm{down}}\≤x_u^{\mathrm{down}}\·r_{u,\mathrm{macro}}^{\mathrm{down}}+y_{u,A}^{\mathrm{down}}\·r_{u,A,\mathrm{pico}}^{\mathrm{down}}+y_{u,\mathrm{nA}}^{\mathrm{down}}\·r_{u,\mathrm{nA},\mathrm{pico}}^{\mathrm{down}}---\left(5\right)$

$x_u^{\mathrm{up}}(y_{u,A}^{\mathrm{up}}+y_{u,\mathrm{nA}}^{\mathrm{up}})=0,\∀u\∈U---\left(6\right)$

$x_u^{\mathrm{up}}(y_{u,A}^{\mathrm{up}}+y_{u,\mathrm{nA}}^{\mathrm{up}})=0,\∀u\∈U---\left(7\right)$

$x_u^{\mathrm{down}}(y_{u,A}^{\mathrm{down}}+y_{u,\mathrm{nA}}^{\mathrm{down}})=0,\∀u\∈U---\left(8\right)$

$A_p+N_m\≤N_{\mathrm{sf}},\∀p,m\∈I_{\mathrm{BS}}---\left(9\right)$

$\underset{u\∈U_m}{\mathrm{\Σ}}(x_u^{\mathrm{up}}+x_u^{\mathrm{down}})\≤N_m,m\∈M---\left(10\right)$

$\underset{u\∈U_m}{\mathrm{\Σ}}{x}_{u,A}^{\mathrm{up}}\≤A_p,m\∈M---\left(11\right)$

$\underset{u\∈U_p}{\mathrm{\Σ}}(y_{u,A}^{\mathrm{up}}+y_{u,A}^{\mathrm{down}})\≤A_p,\∀p\∈P---\left(12\right)$

$\underset{u\∈U_p}{\mathrm{\Σ}}(y_{u,A}^{\mathrm{up}}+y_{u,A}^{\mathrm{down}}+y_{u,\mathrm{nA}}^{\mathrm{up}}+y_{u,\mathrm{nA}}^{\mathrm{down}})\≤N_{\mathrm{sf}}---\left(13\right)$

$x_u^{\mathrm{up}}\≥0,x_u^{\mathrm{dowm}}\≥0,y_{u,A}^{\mathrm{up}}\≥0,y_{u,A}^{\mathrm{down}}\≥0,y_{u,\mathrm{nA}}^{\mathrm{up}}\≥0,y_{u,A}^{\mathrm{down}}\≥0---\left(14\right)$

$A_p,N_m\∈N^{+},\∀p,m\∈I_{\mathrm{BS}}---\left(15\right)$

其中N⁺表示非负整数的集合；

步骤三，松弛优化问题OP1并求解，通过将式(14)中关于N_m和A_p的整数约束松弛为非负实数，然后将约束(5)-(7)中用户的上行或者下行分别只能接入单个的宏基站或微基站放松为同时接入宏基站和微基站，即用户可以同时利用宏基站和微基站的资源，得到凸问题OP2：

$\mathrm{OP}2:p\{x_u^{\mathrm{up}},x_u^{\mathrm{down}},y_{u,A}^{\mathrm{up}},y_{u,A}^{\mathrm{down}},y_{u,\mathrm{nA}}^{\mathrm{up}},y_{u,\mathrm{nA}}^{\mathrm{down}},A_p,N_m,R_u\}=\max \underset{u}{\mathrm{\Σ}}\ln \left(R_u\right)$

s.t.(2)-(5)and(9)-(14)

$A_p,N_m\∈R^{+},\∀p,m\∈I_{\mathrm{BS}}$

其中R⁺表示非负实数的集合；

采用CVX优化工具箱求解该凸优化问题OP2，得到优化问题的解N′_m，A′_p， ${\tilde{x}}_{u,\mathrm{macro}}^{\mathrm{down}},{\tilde{y}}_{u,A}^{\mathrm{down}},{\tilde{y}}_{u,\mathrm{nA}}^{\mathrm{down}}.$

6.如权利要求4所述的基于增强型小区间干扰协调联合上下行负载分配方法，其特征在于，第二步的取整操作详细步骤如下：

步骤一，取整N_m和A_p：将N_m和A_p由正实数变为整数采用如下操作：

$N_m^{*}=\mathrm{Round}\left(N_m^{\′}\right),A_p^{*}=\mathrm{Round}\left(A_p^{\′}\right)$

其中

步骤二，计算用户从宏基站得到的下行传输速率：

$R_{u,\mathrm{macro}}^{\mathrm{down}}=r_{u,\mathrm{macro}}^{\mathrm{down}}\·{\tilde{x}}_{u,\mathrm{macro}}^{\mathrm{down}}$

步骤三，计算用户从微基站得到的下行传输速率：

$R_{u,\mathrm{pico}}^{\mathrm{down}}={\tilde{y}}_{u,A}^{\mathrm{down}}\·r_{u,A,\mathrm{pico}}^{\mathrm{down}}+{\tilde{y}}_{u,\mathrm{nA}}^{\mathrm{down}}\·r_{u,\mathrm{nA},\mathrm{pico}}^{\mathrm{down}}$

步骤四，比较用户从宏基站和微基站得到的下行的速率，若则用户的下行接入宏基站，否则用户接入微基站；

步骤五，对于每一个宏基站和微基站，计算下行和上行的利用率：

$X_m^{\mathrm{down}}=\underset{u=U_{m,\mathrm{down}}^{*}}{\mathrm{\Σ}}{\tilde{x}}_u^{\mathrm{down}},X_m^{\mathrm{up}}=\underset{u\∈U_{m,\mathrm{up}}^{*}}{\mathrm{\Σ}}{\tilde{x}}_u^{\mathrm{up}};$

$X_m=X_m^{\mathrm{down}}+X_m^{\mathrm{up}},X_{m,A}^{\mathrm{up}}=\underset{u\∈U_{m,\mathrm{up}}^{*}}{\mathrm{\Σ}}{\tilde{x}}_{u,A}^{\mathrm{up}};$

$Y_{p,A}^{\mathrm{down}}=\underset{u\∈U_{p,\mathrm{down}}^{*}}{\mathrm{\Σ}}{\tilde{y}}_{u,A}^{\mathrm{down}},Y_{p,\mathrm{nA}}^{\mathrm{down}}=\underset{u\∈U_{p,\mathrm{down}}^{*}}{\mathrm{\Σ}}{y}_{u,\mathrm{nA}}^{\mathrm{down}},Y_{p,A}=Y_{p,A}^{\mathrm{down}}+Y_{p,A}^{\mathrm{up}};$

$Y_{p,A}^{\mathrm{up}}=\underset{u\∈U_{p,\mathrm{up}}^{*}}{\mathrm{\Σ}}{\tilde{y}}_{u,A}^{\mathrm{up}},Y_{p,\mathrm{nA}}^{\mathrm{up}}=\underset{u\∈U_{p,\mathrm{up}}^{*}}{\mathrm{\Σ}}{y}_{u,\mathrm{nA}}^{\mathrm{up}},Y_{p,\mathrm{nA}}=Y_{p,\mathrm{nA}}^{\mathrm{down}}+Y_{p,\mathrm{nA}}^{\mathrm{up}};$

其中和分别为下行和上行接入宏基站用户的集合，相应的和为下行和上行接入微基站用户的集合；

步骤六，对于每一个用户，计算上下行可以传输的时间：

${\hat{x}}_u^{\mathrm{down}}=\frac{{\tilde{x}}_u^{\mathrm{down}}\·N_m^{*}}{X_m},{\hat{x}}_u^{\mathrm{up}}=\frac{{\tilde{x}}_u^{\mathrm{up}}\·N_m^{*}}{X_m},{\hat{x}}_{u,A}^{\mathrm{up}}=\frac{{\tilde{x}}_{u,A}^{\mathrm{up}}\·(N_{\mathrm{sf}}-N_m^{*})}{X_{u,A}^{\mathrm{up}}};$

${\hat{y}}_{u,A}^{\mathrm{down}}=\frac{{\tilde{y}}_{u,A}^{\mathrm{down}}}{Y_{p,A}},{\hat{y}}_{u.A}^{\mathrm{up}}=\frac{{\tilde{y}}_{u,A}^{\mathrm{up}}\·A_p^{*}}{Y_{p,A}};$

${\hat{y}}_{u,\mathrm{nA}}^{\mathrm{down}}=\frac{{\tilde{y}}_{u,\mathrm{nA}}^{\mathrm{down}}\·(N_{\mathrm{sf}}-A_p^{*})}{Y_{p,\mathrm{nA}}},{\hat{y}}_{u,\mathrm{nA}}^{\mathrm{up}}=\frac{{\tilde{y}}_{u,\mathrm{nA}}^{\mathrm{up}}\·(N_{\mathrm{sf}}-A_p^{*})}{Y_{p,\mathrm{nA}}};$

步骤七，计算用户接入宏基站得到传输速率：

$R_u^{\mathrm{up}}=r_{u,\mathrm{macro}}^{\mathrm{up}}\·{\hat{x}}_u^{\mathrm{up}}+r_{u,A,\mathrm{macro}}^{\mathrm{up}}\·{\hat{x}}_{u,A}^{\mathrm{up}},R_u^{\mathrm{down}}=r_{u,\mathrm{macro}}^{\mathrm{down}}\·{\hat{x}}_u^{\mathrm{down}};$ 步骤八，计算用户接入微基站得到的传输速率：

$R_u^{\mathrm{up}}=r_{u,A,\mathrm{pico}}^{\mathrm{up}}\·{\hat{y}}_{u,A}^{\mathrm{up}}+r_{u,\mathrm{nA},\mathrm{pico}}^{\mathrm{up}}\·{\hat{y}}_{u,\mathrm{nA}}^{\mathrm{up}}$

$R_u^{\mathrm{down}}=r_{u,A,\mathrm{pico}}^{\mathrm{down}}\·{\hat{y}}_{u,A}^{\mathrm{dowsn}}+r_{u,\mathrm{nA},\mathrm{pico}}^{\mathrm{down}}\·{\hat{y}}_{u,\mathrm{nA}}^{\mathrm{down}}$

步骤九，计算用户总的吞吐量：